Big Data

Curs 1
 Paradigma de calcul
MapReduce. Platforma
Hadoop

2
 Analiza de date large-scale

 Paradigma de calcul MapReduce (e.g., Hadoop) vs. Sistemele tradiționale

de baze de date

Database
vs.

 Multe întreprinderi au ales trecerea la Hadoop

 Mai ales în cazul aplicațiilor generatoare de big data
 Aplicații Web, rețele sociale, aplicații științifice

3
 Comparație
vs.
Scalabilitate (petabytes de
date, mii de mașini)
Flexibilitate în acceptarea
oricărui format de date (fără
schemă)
Mecanism eficient și simplu
tolerant la erori
Produse hardware ieftine
4
Baze de date
Performanța (foarte multe operații
de indexare, optimizare (tuning),
organizare de date
Procesare interactivă
Tranzacții și garanția consistenței
(ACID)
Caracteristici:
- Urmărirea provenienței
datelor
- Managementul adnotărilor
- ….
 Ce este MapReduce?
• MapReduce este o paradigmă de calcul
• Un mecanism specific de procesare a datelor
Diferite implementări / Sisteme

• MapReduce BD Relaționale

5
 Ce este Hadoop?
• Hadoop este un framework pentru procesarea distribuită a seturilor
mari de date în cadrul unor cluster-e mari de calculatoare
• Seturi de date mari → Terabytes sau petabytes de date
• Cluster-e mari → sute sau mii de noduri

• Hadoop este o implementare open-source a lui MapReduce de la

Google

• Hadoop se bazează pe un model simplu de programare denumit

MapReduce

• Hadoop se bazează pe un model de date simplu, în care orice date

se vor potrivi (any data will fit)

6
 Cluster de calcul
Un rack de N mașini

O mașină ➔ Un nod

7
 Cluster de calcul
• Cluster ➔ Set de mașini conectate între ele
• Cu memorie partajată (Shared-memory)
• Cu disc partajat (Shared-disk)
• Fără partajare (Shared-nothing)

Shared-memory Shared-disk
Shared-nothing

8
 Ce este Hadoop? (Continuare)

• Framework-ul Hadoop constă în 2 niveluri principale

• Sistemul distribuit de fișiere (Hadoop Distributed File System - HDFS)
• Motorul de execuție (MapReduce)

9
Diferența față
de RDBMS

Componentele unui sistem de gestiune a

bazelor de date

10
 Arhitectura Master/Slave a lui
Hadoop
• Arhitectura sistemului Hadoop este de tip master-slave shared-nothing

Nod Master (unul singur)

Mai multe noduri slave

11
 Principiile de proiectare ale lui
Hadoop
• Permite procesarea big data

• Necesită paralelizarea operațiilor peste mii de noduri

• Produse hardware
• Un număr mare de mașini low-end (ieftine) ce lucrează în paralel
pentru a rezolva o problemă de calcul

• Acest fapt este în contrast cu Bazele de date paralele (distribuite)

• Număr mic de mașini high-end (scumpe)

12
 Principiile de proiectare ale
lui Hadoop
• Paralelizare și distribuire automată
• Ascunse de utilizatorul final

• Toleranță la erori și recuperare automată

• Nodurile/task-urile vor eșua și se vor recupera automat

• Abstractizare simplă din punct de vedere al programării

• Utilizatorii vor furniza doar 2 funcții: “map” și “reduce”

13
Cine utilizează MapReduce/Hadoop?

• Google: Inventatorii paradigmei de calcul MapReduce

• Yahoo: Au dezvoltat Hadoop – implementare open-

source a lui MapReduce

• IBM, Microsoft, Oracle

• Facebook, Amazon, AOL, NetFlix

• Multe alte companii + universități și laboratoare de

cercetare

14
Hadoop: Cum funcționează?

15
 Arhitectura Hadoop
• Sistem distribuit de fișiere (Distributed file system – HDFS)
• Motor de execuție (MapReduce)

Nod Master (unul singur)

Mai multe noduri slave

16
Hadoop Distributed File System
(HDFS)

Namenode centralizat
- Menține metadatele despre fișiere

Fișier F
Blocuri (64 MB)

Mai multe datanodes (de ordinul

miilor)
- Stochează efectiv datele
- Fișierele sunt divizate în blocuri
- Fiecare bloc este replicat de N ori
(implicit, N = 3)

17
 Proprietățile principale ale
HDFS
• Dimensiune: O instanță HDFS poate consta din mii de mașini server,
fiecare stocând o parte a datelor sistemului de fișiere

• Replicare: Fiecare bloc de date este replicat de mai multe ori

(implicit, de 3 ori)

• Defecte (Erori/eșecuri): Acestea sunt mai degrabă norma decât

excepția

• Toleranța la defecte: Detectarea acestora și recuperarea rapidă și

automată reprezintă un obiectiv arhitectural de bază al HDFS
• Namenode-ul verifică în mod constant Datanode-urile

18
 Motorul de execuție Map-Reduce
(Exemplu: Numărarea culorilor)
Blocuri de Se produc Shuffle & Sorting Se consumă (k, [v])
intrare în HDFS perechi (k, v) pe baza cheilor k ( , [1,1,1,1,1,1..])
( , 1)
Produce (k’, v’)
Map Parse-hash ( , 100)
Reduce

Map Parse-hash
Reduce

Map Parse-hash
Reduce

Map Parse-hash

Utilizatorii furnizează doar funcțiile “Map” și “Reduce”

19
Proprietăți ale motorului MapReduce
• Job Tracker este nodul master (rulează împreună cu namenode-ul)
• Primește job-ul utilizatorului
• Decide câte task-uri va rula (numărul de mapper-e)
• Decide unde va rula fiecare mapper (conceptul de localizare)

Nod 1 Nod 2 Nod 3

• Acest fișier are 5 blocuri → rulează 5 task-

uri de tip map

• Unde va rula task-ul ce citește blocul “1”?

• Încearcă să îl ruleze pe nodul 1 sau
nodul 3

20
 Proprietăți ale motorului
MapReduce (Continuare)
• Task Tracker este nodul slave (rulează pe fiecare datanode)
• Primește task-ul de la Job Tracker
• Rulează task-ul până la finalizare (fie că este task de tip map, fie reduce)
• Se află întotdeauna în comunicare cu Job Tracker (în privința progresului raportat)

Map Parse-hash
Reduce

Map Parse-hash În acest exemplu, un job map-

Reduce
reduce constă din 4 task-uri de tip
map și 3 task-uri de tip reduce
Map Parse-hash
Reduce

Map Parse-hash

21
 Perechi cheie-valoare
• Codul funcțiilor Mapper și Reducer este furnizat de utilizator

• Este necesară doar respectarea interfeței perechilor cheie-valoare (Key-Value)

• Funcțiile mapper:
• Consumă perechile <key, value>
• Produc perechi <key, value>

• Funcțiile reducer:
• Consumă <key, <list of values>>
• Produc <key, value>

• Amestecare și sortare (Shuffling and Sorting):

• Etapă ascunsă între funcțiile mapper și cele reducer
• Grupează toate cheile similare din toate funcțiile mapper, le sortează și le transmite unui anumit
reducer sub forma <key, <list of values>>

22
 Etapele MapReduce

Decizia cu privire la elementul care va reprezenta cheia și cel care va

reprezenta valoarea ➔ responsabilitatea dezvoltatorului

23
 Exemplul 1: Numărarea
cuvintelor
• Job: Numărarea aparițiilor fiecărui cuvânt într-un set de date

Task-uri Task-uri
Map Reduce

24
 Exemplul 2: Numărarea culorilor
Job: Numărarea fiecărei culori într-un set de date
Blocuri de
intrare în Se produc (k, v) Shuffle & Sorting Se consumă (k, [v])
HDFS ( , 1) bazat pe k ( , [1,1,1,1,1,1..])

Se produc (k’, v’)

Map Parse-hash ( , 100)
Reduce Part0001

Map Parse-hash
Reduce Part0002

Map Parse-hash
Reduce Part0003

Map Parse-hash
Acesta este fișierul de ieșire –
are 3 părți, probabil pe 3 mașini
25 diferite
 Exemplul 3: Filtrarea culorilor
Job: Să se selecteze doar culorile albastru și verde
Blocurile de Se produc (k, v) • Fiecare task de tip map va
intrare în HDFS ( , 1)
selecta doar culorile verde și
albastru
Scriere pe HDFS
Map Part0001
• Nu este necesară etapa reduce
Scriere pe HDFS
Map Part0002
Acesta este fișierul de
ieșire; are 4 părți pe
Scriere pe HDFS
Map Part0003 (probabil) 4 mașini
diferite

Scriere pe HDFS
Map Part0004

26
 Etapele MapReduce

Decizia cu privire la elementul care va reprezenta cheia și cel care va

reprezenta valoarea ➔ responsabilitatea dezvoltatorului

27
 Granularitatea procesării

• Mapper-e
• Rulează înregistrare cu înregistrare
• Codul procesează înregistrarea respectivă și poate
produce:
• Zero, una sau mai multe ieșiri

• Reducer-e
• Rulează pe bază de grup de înregistrări (având aceeași
cheie)
• Codul procesează grupul respectiv și poate produce:
• Zero, una sau mai multe ieșiri

28
Implementare în Java Extindere a clasei Mapper din Hadoop

Funcție Map

Extindere a clasei Reducer din Hadoop

Funcție Reduce

Configurare Job

Numărarea cuvintelor în Java (https://hadoop.apache.org/docs/stable/hadoop-

mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html)
 Optimizare 1

• În exemplul referitor la numărarea culorilor, presupunem că știm că numărul de culori

este mic → putem utiliza partea de map

• Fiecare funcție map poate avea un hash table mic în 10

memoria principală (color, count) 5
• Cu fiecare linie, se actualizează tabelul hash și nu se
produce nimic 7
• Când se încheie, se raportează fiecare culoare și numărul 20
asociat ei

30
Optimizarea 1: Are loc în cadrul mapper-elor

Sunt reduse mesajele în rețea (Etapă foarte costisitoare, de obicei)

Blocuri de
eintrare în Se produc (k, v) Shuffle & Sorting Se consumă (k, [v])
HDFS ( , 100) bazat pe k ( , [1,1,1,1,1,1..])

Se produc (k’, v’)

Map Parse-hash ( , 100)
Reduce Part0001

Map Parse-hash
Reduce Part0002

Map Parse-hash
Reduce Part0003

Map Parse-hash
Acesta este fișierul de
ieșire; are 3 părți, probabil
31 pe 3 mașini diferite
Clasa Mapper
Se apelează o dată după procesarea
tuturor înregistrărilor (Aici se poate
produce output-ul)

Este apelată pentru

fiecare înregistrare

Se apelează o dată înaintea

procesării înregistrărilor (Aici poate
fi construit tabelul hash)

https://hadoop.apache.org/docs/stable/api/org/
apache/hadoop/mapreduce/Mapper.html
32
Optimizare 2: Map-Combine-Reduce
• Idee: agregarea parțială a rezultatelor obținute de mapper-e pe
fiecare mașină

Mappers 1…3 Mappers 4…6 Mappers 7…9

• Un combiner este un reducer care rulează pe fiecare mașină pentru a

agrega parțial (tot prin cod scris de utilizator) rezultatele mapper-elor de pe
mașina respectivă
• Apoi, ieșirile combiner-elor sunt amestecate / sortate pentru reducer-e.
33
Optimizare 2: În afara Mapper-elor, dar pe
fiecare mașină
Combiner-ul rulează pe fiecare nod pentru a agrega parțial rezultatele (ieșirile)
mapper-elor locale Amestecare și
Blocuri de Se produc (k, v) sortare (Shuffle & Se consumă (k, [v])
intrare pe HDFS ( , 1) Sorting) bazată pe k ( , [1,1,1,1,1,1..])

Se produc (k’, v’)

Map Parse-hash ( , 100)
Reduce Part0001

Map Parse-hash
Reduce Part0002

Map Parse-hash
Reduce Part0003

Map Parse-hash
Acesta este fișierul de
ieșire; are 3 părți, probabil
34 pe 3 mașini diferite
Configurarea Hadoop pentru a folosi un
Combiner

Folosește un combiner

35
 Optimizare 3: Execuție speculativă

• Dacă un nod este încet, va încetini întregul job

• Execuție speculativă: Hadoop rulează automat fiecare task de mai

multe ori în paralel pe noduri diferite
• Atunci când se încheie primul, celelalte vor fi oprite forțat

36
 Optimizare 4: Localizare
• Localizare: încearcă să ruleze codul funcției map pe mașina pe care
se află datele relevante
• Dacă nu este posibil, atunci încearcă pe o mașină din același rack
• Eforturi mari, fără nicio garanție

37
Transformarea operațiilor din
bazele de date în job-uri
Hadoop

38
 Operații pe bazele de date
• Selecție (Filtrare)

• Proiecție

• Grupare și agregare

• Eliminarea duplicatelor

• Join

39
 Selecție: σ
• Operatorul Select: σc (R):
• c este o condiție pe atributele relației R
• Selectează o submulțime de tupluri din R care satisfac condiția de selecție c

Select *
From R
Where R.A = R.B
And R.D > 5;

40
 Revenire la filtrarea culorilor...
Job: Să se selecteze doar culorile albastru și verde
Blocuri de intrare Se produc (k, v) • Fiecare task de tip map va
pe HDFS ( , 1)
selecta doar culorile albastru și
verde
Scriere în HDFS
Map Part0001
• Nu este necesară etapa reduce
Scriere în HDFS
Map Part0002
Acesta este fișierul de
ieșire; are 4 părți, probabil
Scriere în HDFS
Map Part0003 pe 4 mașini

Scriere în HDFS
Map Part0004

41
 Proiecție: π
• πA1, A2, …, An (R), unde A1, A2, …, An  mulțimii de atribute AR
• Returnează toate tuplurile din R, dar doar coloanele A1, A2, …, An

• A1, A2, …, An alcătuiesc Lista de Proiecție

Compute this expression

Rename column A to V and call it X
Select C, A as V, C*3+B as X
From R;
π C, VßA, Xß C*3+B (R)

R
A B C
C V X
1 2 5
5 1 17
3 4 6
6 3 22
1 2 7
7 1 23
1 2 8
8 1 26

42
 Grupare și agregare
• Funcția de agregare ia o colecție de valori și returnează o valoare
singulară ca rezultat
• avg: valoarea medie
• min: valoarea minimă
• max: valoarea maximă
• sum: sumă de valori
• count: număr de valori

• Operația de grupare și agregare în algebra relațională

• g1,g2, …gm, F1(A1), F2(A2), …Fn(An) (R)
• R este o relație sau o expresie din algebra relațională
• g1, g2, …gm alcătuiesc o listă de atribute pe baza cărora grupăm (lista poate fi vidă)
• Fiecare Fi este o funcție agregat aplicată asupra atributului Ai în cadrul fiecărui grup

43
 Operatorul de Groupare &
Agregare : Exemplu

Select sum(C) Select sum(balance)

From R; From S
Group By branch_name;

44
 Revenim la numărarea
cuvintelor...
• Job: Să se numere aparițiile fiecărui cuvânt dintr-un set de date

Task-uri Map Task-uri Reduce

45
 Eliminarea duplicatelor:  (R)

• Șterge toate înregistrările duplicat

• Convertește un bag la un set

Select Distinct *
From R;
R
d (R)
A B
1 2 A B
3 4 1 2
1 2 3 4
1 2

46
 Join: R ⋈C S
• Operația θ-Join este produsul cartezian asupra căruia se
aplică o condiție C

• Este definit ca: R ⋈C S = (σC (R X S))

47
Compunerea (join) a două seturi mari de date:
Re-Partiționarea Join-ului
Dataset A Dataset B Different join keys

Reducer-ele realizează join-

ul efectiv

Amestecare și sortare
(Shuffling & sorting) prin
Etapa “Shuffling and Sorting”
rețea

- Fiecare mapper procesează

un bloc (split)

- Fiecare mapper produce

cheia pentru join și perechile
de înregistrări

HDFS stochează blocurile

de date
(Replicile nu sunt afișate)
48
 Compunerea (join) a unui set mare de date (A) cu un set de
date mic (B): Broadcast/Replication Join
Dataset A Dataset B Different join keys

• Fiecare task de tip map procesează un bloc din A și întregul B

• Fiecare task de tip map efectuează join-ul (job Map-Only)

• Evită amestecarea și reduce etapele costisitoare

HDFS stochează blocurile

de date
(Replicile nu sunt afișate)
49
Transformarea operațiilor din bazele de date în
job-uri Hadoop
(Rezumat)
• Selecția (Filtrarea) → Job Map-only

• Proiecția → Job Map-only

• Gruparea și agregarea → Job Map-Reduce

• Eliminarea duplicatelor → Job Map-Reduce

• Map (Cheia= codul hash al tuplului, Valoarea= tuplul însuși)

• Join → Job Map-Reduce

50
 Modelul Black-Box al lui
Hadoop
• SGBD-urile au un model Open-Box
• Datele (structura) sunt cunoscute (Schema BD)
• Cererile sunt cunoscute (scrise în SQL)

• Hadoop are un model Black-Box

• Datele (structura) nu sunt cunoscute (fișiere cu structură
necunoscută)
• Job-urile sunt, de asemenea, necunoscute (scrise în Java)

51
 Toleranța la erori în Hadoop
• Datele intermediare între mapper-e și reducer-e sunt materializate spre a realiza
o toleranță la erori simplă și directă

• Ce se întâmplă dacă eșuează un task (map sau reduce)?

• TaskTracker detectează eroarea (căderea)
• Trimite mesaj către JobTracker
• JobTracker-ul re-planifică task-ul

• Ce se întâmplă dacă eșuează un datanode?

• Atât NameNode cât și JobTracker detectează eroarea
• Toate task-urile din nodul eșuat sunt re-planificate
• NameNode replică datele utilizatorului într-un alt nod Date intermediare
(materializate)
• Ce se întâmplă dacă eșuează un NameNode sau JobTracker?
• Întregul cluster este down

52
 Simplitatea provine din…
• Job-urile sunt read-only (nu modifică date)

• Datele intermediare dintre mapper-e și reducer-e sunt

materializate până când se încheie job-ul

53
Mai multe despre etapele de
execuție

54
 Etapele de execuție
• InputFormat
• Funcția Map
• Partitioner
• Sorting & Merging
• Combiner
• Shuffling
• Merging
• Funcția Reduce
• OutputFormat
 Etapele întâlnite
Job: Să se numere de câte ori apare fiecare culoare dintr-un set de date
Blocuri de Se produc (k, v) Shuffle & Sorting Se consumă(k, [v])
intrare în HDFS ( , 1) bazat pe k ( , [1,1,1,1,1,1..])

Se produc (k’, v’)

Map Parse-hash ( , 100)
Reduce Part0001

Map Parse-hash
Reduce Part0002

Map Parse-hash
Reduce Part0003

Map Parse-hash
Acesta este fișierul de ieșire; are
3 părți, probabil pe 3 mașini
56 diferite
 Funcții de partiționare
• Ieșirea mapper-elor trebuie să fie partiționată
• Numărul de partiții = numărul de reducer-e
• O aceeași cheie (din toate mapper-ele) trebuie să meargă într-o aceeași
partiție (și, prin urmare, la același reducer)

• Partiționarea implicită este bazată pe hash (clasa HashPartitioner)

• Utilizează metoda hashCode() a cheii modulo numărul total de partiții
pentru a determina partiția în care trimite o pereche (cheie, valoare)
dată.

• Utilizatorii pot interveni și modifica modalitatea de partiționare

• Prin implementarea metodei getPartition() a clasei abstracte Partitioner

57
 Partitioner modificat

Returnează un Id de partiție

Custom Partitioner
(https://github.com/adrianfdzm/HadoopExamples/blob/master/HadoopExamples/src/main/java/es/
afm/hadoop/examples/partitioner/totalorderv1/TotalOrderV1Partitioner.java)

58
 Optimizare: Echilibrare (load balancing)
între reducer-e
• Presupunem că avem N reducer-e

• Mai multe chei {K1, K2, …, Km}

• Distribuția este asimetrică Reduce

• K1 și K2 au multe înregistrări

Trimite K1 la Reducer 1 Reduce

Trimite K2 la Reducer 2
K3, K5 Reduce

K7, K10, K20 Reduce

Restul sunt partiționate

pe bază de hash ….. Reduce

….. Reduce

59
 Formate de Intrare/Ieșire
• Modelul de date din Hadoop  Orice date, în orice format, se vor potrivi (“Any
data will fit”)
• Text, format binar, cu o anumită structură etc.

• Cum înțelege și citește datele sistemul Hadoop?

• Formatul de intrare (InputFormat) este fragmentul de cod care înțelege datele

și modul în care vor fi citite
• Hadoop are câteva formate predefinite ce pot fi utilizate
• Fișiere text, fișiere de secvențe binare

60
Formate de intrare
Cititorul de înregistrări citește octeți și îi
convertește în înregistrări

Map

Map

Map

Map

Map

61
Configurarea formatelor de intrare / ieșire în
Hadoop

Definirea formatelor

62
 Etapele de execuție - ok
• InputFormat
• Map function
• Partitioner
• Sorting & Merging
• Combiner
• Shuffling
• Merging
• Reduce function
• OutputFormat
Mai multe despre HDFS

64
 HDFS și politica de plasare
(Placement Policy)
Politica de plasare implicită
• Prima copie este scrisă în nodul care a creat
fișierul (write affinity)

• A doua copie este scrisă într-un data node

din cadrul aceluiași rack

• A treia copie este scrisă într-un data node

dintr-un rack diferit

• Obiectiv: load balancing & toleranța la erori

Plasarea replicilor în funcție de rack

65
 Pornire în Safemode
 La pornire Namenode-ul intră în modul Safemode (câteva secunde).

 Fiecare DataNode se înregistrează cu Heartbeat și BlockReport.

 Namenode verifică dacă fiecare bloc are un număr acceptabil de

replici

 Dacă lucrurile sunt corecte ➔ Namenode părăsește starea Safemode

 Dacă unele blocuri nu au suficiente replici

 Aceste blocuri sunt replicate în alte datanode-uri
 Apoi, iese din safemode

02/20/2023 66
 Protocolul de comunicare

 Toate protocoalele de comunicare HDFS sunt definite peste protocolul TCP/IP

 Un client stabilește o conexiune la un port TCP configurabil de pe mașina

Namenode. Utilizează ClientProtocol în comunicarea cu Namenode

 Datanode-urile comunică cu Namenode folosind DatanodeProtocol.

 Transferurile de fișiere se fac direct între datanode-uri

 Nu trec prin namenode

02/20/2023 67
 Configurare
• Există câteva fișiere care controlează configurările cluster-elor Hadoop
• Mapred-site.xml: parametrii map-reduce
• Hdfs-site.xml: parametrii HDFS
• Masters: Care sunt nodurile master?
• Slaves: Care sunt nodurile slave?

• Hadoop are în jur de 190 parametri

• Cei mai folosiți sunt în jur de 10-20

68
 Interfață Web
• Există o interfață de monitorizare a cluster-ului HDFS, accesibilă la
portul 50070
• Pe lângă aceasta, există utilitare speciale de monitorizare pentru
Hadoop: Datadog, LogicMonitor, Dynatrace

69
 Concluzie: Hadoop vs. Alte sisteme
Baze de date distribuite Hadoop
Modelul de calcul - Noțiunea de tranzacție - Noțiunea de job
- Tranzacția este unitatea de - Job-ul este unitatea de lucru
lucru - Fără control al concurenței
- Proprietățile ACID, controlul
concurenței
Modelul de date - Date structurate având schema - Orice date, având orice format, se vor
cunoscută potrivi
- Mod Read/Write - Date (ne)(semi)structurate
- Mod ReadOnly
Modelul de cost - Server-e scumpe - Mașini ieftine
Toleranța la erori - Eșecurile sunt rare - Eșecurile sunt destul de comune în cazul
- Mecanisme de recuperare miilor de mașini
(recovery) - Toleranță la erori simplă, dar eficientă
Caracteristici cheie - Eficiență, optimizare, fine-tuning - Scalabilitate, flexibilitate, toleranță la erori
• Cloud Computing
• Un model de calcul în care orice infrastructură de calcul poate
rula în cloud
• Hardware & Software sunt furnizate ca servicii distante
• Elasticitate: se mărește sau scade pe baza cererilor utilizatorilor
• Exemplu: Amazon EC2 70
 Caracteristici SGBD

• Datele sunt structurate (structura cunoscută în

avans)

• Datele sunt corecte și sigure

• Datele sunt relativ statice și de dimensiune mică

spre medie

• Modelul de acces: Mix Read/Write

• Noțiunea de tranzacții

În Big Data: modelul este read

only, nu există noțiunea de
tranzacție 71
 Caracteristici Hadoop

• Orice structură se va potrivi

• Datele sunt corecte și sigure

• Datele sunt statice, dar pot scala până la

petabytes

• Modelul de acces: Read-Only

• Noțiunea de job

În Big Data: modelul este

read only. Nu există
noțiunea de tranzacție.
72