Ziel dieser Arbeit ist es, anhand der vorhandenen Fachliteratur die Grundlagen der Hadoop-Technologie darzustellen. Sie erläutert die mögliche Erweiterbarkeit der Data Warehouse Architektur sowie die Einsatzmöglichkeiten durch Hadoop. Im Fazit der Arbeit werden die Hadoop Technologie und ihre Einsatzmöglichkeiten kritisch hinterfragt.
Inhaltsverzeichnis
- Einleitung
- Einleitung
- Problemstellung
- Ziel
- Vorgehensweise
- Grundlagen zu Hadoop
- Technische Einführung Hadoop
- Hadoop Distributed File System (HDFS)
- MapReduce
- Yarn (Yet another Resource Negotiator)
- Einsatzmöglichkeiten von Hadoop
- Einleitung für Einsatzmöglichkeiten Hadoop
- Data Staging
- Datenarchivierung
- Polystrukturierte Daten
- Integration von Hadoop in ein Data Warehouse
- Integration von Hadoop in ein Data Warehouse
- Standalone
- Pseudodistributed
- Fully Distributed
- Fazit
- Quellenangaben
- Onlinequellen
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Diese Arbeit befasst sich mit der Integration von Hadoop in die Data-Warehouse-Architektur. Sie analysiert die Grundlagen der Hadoop-Technologie und untersucht deren Einsatzmöglichkeiten zur Erweiterung der Data-Warehouse-Architektur. Darüber hinaus werden die Vorteile und Herausforderungen der Integration von Hadoop in Data Warehouses diskutiert.
- Grundlagen der Hadoop-Technologie
- Einsatzmöglichkeiten von Hadoop
- Integration von Hadoop in Data Warehouses
- Vorteile und Herausforderungen der Hadoop-Integration
- Kritische Reflexion der Hadoop-Technologie
Zusammenfassung der Kapitel
Die Einleitung beleuchtet die Problemstellung des traditionellen Data Warehouses bei der Verarbeitung großer Datenmengen. Sie erläutert die Notwendigkeit einer Erweiterung der Data-Warehouse-Architektur mithilfe der Hadoop-Technologie. Das Kapitel "Grundlagen zu Hadoop" führt die wichtigsten Komponenten der Hadoop-Technologie, wie HDFS, MapReduce und Yarn, ein. Im Kapitel "Einsatzmöglichkeiten von Hadoop" werden verschiedene Anwendungsbereiche von Hadoop für Data Staging, Datenarchivierung und die Verarbeitung polystrukturierter Daten vorgestellt. Das Kapitel "Integration von Hadoop in ein Data Warehouse" diskutiert verschiedene Integrationsmodelle, wie Standalone, Pseudodistributed und Fully Distributed. Das Fazit fasst die wichtigsten Erkenntnisse der Arbeit zusammen und reflektiert kritisch die Hadoop-Technologie.
Schlüsselwörter
Die Arbeit konzentriert sich auf die Themen Data Warehouse, Hadoop, Big Data, Datenintegration, Skalierbarkeit, Performance, Datenarchivierung, Polystrukturierte Daten, Distributed File System, MapReduce und Yarn. Diese Schlüsselwörter verdeutlichen die zentralen Aspekte der Arbeit und ihre Relevanz für die Erweiterung der Data-Warehouse-Architektur im Kontext von Big Data.
- Arbeit zitieren
- Martin Sünder (Autor:in), 2015, Integration von HADOOP in die Data-Warehouse-Architektur, München, GRIN Verlag, https://www.grin.com/document/306618
