Il m’arrive souvent de me lancer dans un débat sur l’API Dataset où…
Lire la suite

Boris Perevalov

Data

Delta Lake nous offre le confort d’un niveau d’abstraction similaire à celui d’…
Lire la suite

Boris Perevalov

Data

Apprenez tout ce dont vous avez besoin pour passer la certification Apache Spark 3.0 Associate Developer de Databricks !…
Lire la suite

Nicolas Guary

Spark

L’opération merge de l’API Delta Lake, qui combine les opérations INSERT, UPDATE et…
Lire la suite

Boris Perevalov

Data

Quand on regarde la quantité de librairies open-source il est très rare de trouver, caché, des librairies impactant autant la manière de penser le “compute”. Une de ces librairies dont je voudrais vous parler aujourd’hui est Apache Arrow. Il est temps de la mettre en lumière !…
Lire la suite

Rémy Olivet

Data

Delta Lake apporte de nombreux avantages aux projets Data basés sur Spark. Il peut considérablement…
Lire la suite

Boris Perevalov

Data

Koalas est une librairie open source développée par Databricks annoncée en mars 2019. Elle implémente les API Pandas pour Apache Spark. Elle unifie les API Pandas et Spark afin de rendre efficace Pandas dans la jungle du Big Data.…
Lire la suite

Rémy Olivet

Data

Cette douce matinée de novembre s’annonce comme un matin de Noël : la preview de…
Lire la suite

Lucas Landry

Data

Cluster permanent VS Cluster éphémère à la demande La démocratisation des services Cloud type “Hadoop…
Lire la suite

Lucien Fregosi

Data

Contexte Notre client, spécialisé dans le marketing, dispose d'un historique de plusieurs centaines de millions…
Lire la suite

Stéphane Trou

Data

Après un premier article consacré au data lineage pour les Jobs Spark, nous continuons cette…
Lire la suite

Lucien Fregosi

Data

Cet article présente un retour d’expérience sur une industrialisation de jobs Spark dans le…
Lire la suite

Nicolas Martin

Data

Cet article de blog présente une solution de Data Lineage nommé Spline qui permet de…
Lire la suite

Lucien Fregosi

Data