Méthodes de spécification et tests pour les plateformes de traitement massif (4-131)
Description
Objectif général de la formation À l’issue de la formation, les participants seront capables de spécifier et de tester des programmes adaptés aux plateformes de traitement massif en utilisant des méthodologies avancées et des outils Big Data. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 20 Niveau SAME visé : Application (A) Compétences visées Concevoir des spécifications pour des plateformes de traitement massif. Réaliser des tests de performance et robustesse en environnement Big Data. Analyser et optimiser les performances des systèmes Big Data.
Objectifs pédagogiques
- Élaborer des spécifications adaptées aux projets utilisant les technologies Big Data.
- Analyser et évaluer des architectures Big Data existantes.
- Réaliser des tests pour mesurer les performances et la robustesse des plateformes de traitement massif.
Public concerné
Prérequis
Déroulé du programme
Jour 1 : Introduction et spécifications des plateformes Big Data (6 heures)
- Les technologies du Big Data et leurs applications (2 heures) :
Panorama des technologies Big Data (Hadoop, Spark, Kafka).
Cas d’usage : analyse de grandes données, traitement en temps réel, stockage distribué.
Évaluation des contraintes et besoins pour des projets Big Data.
Travaux pratiques : Identifier les technologies Big Data adaptées à un cas concret.
- Spécifications pour les plateformes Big Data (2 heures) :
Méthodologies de spécification : exigences fonctionnelles et techniques.
Intégration des contraintes de performance, scalabilité et robustesse.
Bonnes pratiques pour formaliser des spécifications détaillées.
Travaux pratiques : Rédiger un document de spécifications pour une plateforme Big Data fictive.
- Exemples de plateformes existantes (2 heures) :
Étude de deux plateformes : descriptif des architectures et performances.
Analyse comparative des approches (temps réel vs traitement par lots).
Points forts et limites des architectures analysées.
Travaux pratiques : Analyser une plateforme Big Data existante et proposer des améliorations.
Jour 2 : Méthodes de tests et évaluation des plateformes Big Data (6 heures)
- Méthodes et exemples de tests (2 heures) :
Conception et utilisation de jeux de données pour les tests.
Tests de performance : latence, débit, consommation des ressources.
Tests de robustesse : simulation de pannes, scénarios de reprise.
Travaux pratiques : Effectuer un test de performance sur une plateforme simulée.
- Évaluation des performances et optimisation (2 heures) :
Analyse des résultats des tests de performance.
Techniques d’optimisation des systèmes Big Data.
Automatisation des tests pour un suivi régulier des performances.
Travaux pratiques : Optimiser une plateforme Big Data après analyse des résultats.
- Méthodes et exemples de spécification (2 heures) :
Structuration des documents de spécification pour projets complexes.
Intégration des retours des tests dans les spécifications.
Validation des spécifications par des scénarios d’utilisation.
Travaux pratiques : Réviser un document de spécifications en tenant compte des résultats de tests.
Informations
Durée
2 jour(s)
12h
Sur demande
Formations similaires
Migration vers le Cloud
Sur demande
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
Sur demande
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
Sur demande
Analyse bayésienne (4-107)
Sur demande