Los dos t\u00e9rminos, que han sido objeto de bombardeo medi\u00e1tico en Internet, son tambi\u00e9n dos t\u00e9rminos que est\u00e1n muy estrechamente vinculados entre s\u00ed, como queremos demostrar a continuaci\u00f3n. Como tambi\u00e9n queremos mostrar c\u00f3mo el mundo del BigData tambi\u00e9n est\u00e1 profundamente ligado al mundo OpenSource, veamos, por ejemplo, el v\u00ednculo entre Cloud Computing y OpenSource<\/a>, en nuestra antigua nota.<\/p>\n Empecemos por algunas definiciones de BigData, para tratar de frenar los habituales errores period\u00edsticos sensacionalistas, o intencionados con fines de marketing, a los que nos hemos acostumbrado sobradamente en cuanto al Cloud Computing. \u00bfExiste alguna definici\u00f3n oficial?<\/p>\n Citamos a WikiPedia, Gartner, IBM y la Universidad de Villanova en Tampa (Florida) y m\u00e1s adelante en el NIST:<\/p>\n WikiPedia ES<\/a><\/a><\/p>\n WikiPedia IT<\/a><\/a><\/p>\n Gartner<\/a> – tomado del glosario<\/p>\n IBM<\/a> , y tambi\u00e9n sugiero esta infograf\u00eda suya de las 4V<\/a><\/p>\n Universidad de Villanova<\/a><\/a><\/p>\n Por ello, todo el mundo parece coincidir en definir el big data como \u00abuna colecci\u00f3n de datos tan grande y compleja que requiere de herramientas diferentes a las tradicionales para ser analizada y visualizada\u00bb.<\/strong> Entonces comienzan algunas diferencias:<\/p>\n Todo el mundo est\u00e1 de acuerdo en que \u00ablos datos provendr\u00edan potencialmente de fuentes heterog\u00e9neas\u00bb,<\/strong> y aqu\u00ed est\u00e1n los que argumentan que todos son \u00abdatos estructurados\u00bb<\/strong> y los que, en cambio, tambi\u00e9n les a\u00f1aden \u00abdatos no estructurados\u00bb.<\/strong><\/p>\n Vayamos a las dimensiones<\/strong> que deben tener estos datos para llamarlos BigData, aqu\u00ed obviamente hay discordancia y wikipedia en ingl\u00e9s argumenta con raz\u00f3n que el tama\u00f1o del bigdata est\u00e1 en constante movimiento, no pod\u00eda ser de otra manera considerando los muchos estudios que cada a\u00f1o analizan el crecimiento de los datos producidos a nivel mundial. En 2012, se hablaba de un rango de decenas de terabytes a varios petabytes<\/strong>, para cada conjunto de datos, mientras que ahora estamos hablando de zettabytes<\/strong> (miles de millones de terabytes).<\/p>\n En cuanto al fondo, citamos este provocador art\u00edculo de Marco Russo enviado a Luca De Biase y publicado por \u00e9l en su blog<\/a>.<\/p>\n Todo el mundo est\u00e1 de acuerdo en las 3 V<\/strong> sobre las caracter\u00edsticas<\/strong> del Big Data:<\/p>\n Y algunos hablan de una V de 4′<\/strong>:<\/p>\n Pero, \u00bfqu\u00e9 est\u00e1 haciendo el NIST<\/strong> con respecto a la definici\u00f3n de Big Data? Sabemos que el NIST se mueve lenta y engorrosamente, esto lo aprendimos de los muchos meses o m\u00e1s bien a\u00f1os en los que la definici\u00f3n de Cloud Computing estuvo permanentemente en borrador, y comenzaron a trabajar en ella desde 2008.<\/p>\n Pues bien, el NIST empieza a moverse cuando el gobierno de EE.UU. decide destinar 200 millones de d\u00f3lares en la Iniciativa BigData<\/a>, por lo que se pone en marcha el NIST BigData WorkShop<\/a> y un Grupo de Trabajo<\/a> abierto a todos, como se hizo para la definici\u00f3n y todos los documentos relacionados con el t\u00e9rmino Cloud Computing<\/a><\/p>\n Para mostrar el tama\u00f1o del ecosistema global que gira en torno a este t\u00e9rmino, veamos tres infograf\u00edas de Bloomberg, Forbes y Capgemini respectivamente.<\/p>\n Ya a partir de estas tres infograf\u00edas es evidente c\u00f3mo las soluciones OpenSource se utilizan masivamente en el ecosistema BigData, incluso Forbes pone solo software OpenSource en las tecnolog\u00edas.<\/p>\n Echemos un vistazo al mercado y al crecimiento en torno a este ecosistema de BigData<\/p>\n Seg\u00fan Gartner (datos de 2012), Big Data impulsar\u00e1 28 mil millones de d\u00f3lares de gasto en TI<\/a> , Big Data crea grandes empleos: 4,4 millones de puestos de trabajo de TI en todo el mundo para soportar Big Data para 2015<\/a><\/p>\n Y ahora vamos a disfrutar de estas dos infograf\u00edas, una de Asigra y otra de IBM, que es muy activa en el mundo del BigData:<\/p>\n En resumen, el mercado de Big Data requiere b\u00e1sicamente algunas cosas:<\/p>\n El BigData, en mi opini\u00f3n, es una gran oportunidad para las grandes empresas de HW y SW IT (IBM, HP, EMC, Oracle, etc) ya que despierta las necesidades de las empresas hacia la compra de HW en lugar del uso de la Nube P\u00fablica. Tambi\u00e9n existe una creciente necesidad de software simple, dedicado y personalizado para el an\u00e1lisis de datos. Por supuesto, en muchos casos se podr\u00eda mantener y procesar en Cloud Providers, y esto es lo que l\u00edderes del mercado como AWS llevan tiempo permitiendo hacer, con DynamoDB,<\/a> RedShift<\/a>, Elastic MapReduce<\/a>, pero mantener petabytes o zettabytes (si estos son los valores a los que tenemos que referirnos para hablar de Bigdata) en la Nube cuesta mucho e incluso creo que puede ser conveniente mantener tu propia infraestructura. Es diferente si tenemos unos pocos terabytes de datos sobre los que queremos hacer DataAnalysis, y creo que este es el escenario m\u00e1s general, donde los servicios de una nube p\u00fablica como AWS se vuelven realmente competitivos.<\/p>\n Recientemente, las grandes empresas de TI han abierto muchas oportunidades para las empresas, startups y el mundo de la investigaci\u00f3n relacionada con Big Data, por ejemplo EMC anuncia el kit Hadoop Starter 2.0,<\/a> o Microsoft que ofrece Hadoop en la nube de Azure,<\/a> o SAS se al\u00eda con SAP en la plataforma Hana,<\/a> tambi\u00e9n SAP HANA onDemand en AWS,<\/a> o INTEL y AWS<\/a> que ofrecen pruebas y pruebas gratuitas, en resumen, hay algo para todos, es una verdadera explosi\u00f3n para la econom\u00eda de TI.<\/p>\n Sobre BigData y Cloud Computing<\/strong> en la pr\u00e1ctica ya hemos respondido, las posibilidades son muchas, hemos mencionado el l\u00edder m\u00e1ximo (AWS) y Azure, ya que ofrece Public Cloud, pero tambi\u00e9n a Google no le faltan herramientas \u00fatiles (BigQuery), por otro lado basta recordar el famoso y ya antiguo BigTable de Google<\/a>, que se utiliza para su motor de b\u00fasqueda.<\/p>\n La Nube P\u00fablica, incluso en el caso del Big Data, puede ser muy \u00fatil y muy democr\u00e1tica (si no tenemos en cuenta el tama\u00f1o de los conjuntos de datos tan bien como lo tendr\u00edan las definiciones). Pensemos en la sencillez de no tener que gestionar sistemas de almacenamiento, copias de seguridad, recuperaci\u00f3n ante desastres, de no tener que gestionar SW de DataAnalysis (si usamos alguna soluci\u00f3n PaaS o SaaS), de la sencillez de poder mantener poca potencia activa durante periodos de no an\u00e1lisis (pagando poco) y de poder instanciar potencia de c\u00e1lculo solo durante nuestras consultas.<\/p>\n Ahora llegamos a BigData y OpenSource<\/strong>; como hemos podido detectar hasta ahora, un nombre resuena con fuerza en todos los escenarios mencionados hasta ahora, HADOOP.<\/a><\/p>\n Hadoop es un marco de software de c\u00f3digo abierto (licencia Apache 2.0) para almacenar y procesar grandes cantidades de datos en cl\u00fasteres de hardware b\u00e1sico; Naci\u00f3 en 2005 de la mano de Doug Cutting y Mike Cafarella y si no recuerdo mal naci\u00f3 como una emulaci\u00f3n SW de BigTable de Google, para proyectos de buscadores de la competencia.<\/p>\n De este proyecto han surgido muchas soluciones de almacenamiento distribuido, al igual que muchas soluciones de almacenamiento distribuido. Por ejemplo, Hadoop tiene muchos proyectos secundarios, como:<\/p>\n por mencionar los m\u00e1s conocidos en el mundo Hadoop.<\/p>\n Pero el c\u00f3digo abierto al servicio del Big Data no se detiene ah\u00ed:<\/p>\n Nos detendremos aqu\u00ed por ahora, pero seguiremos actualizando el art\u00edculo.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Ahora se sabe que una nueva palabra de moda est\u00e1 surgiendo en Internet y que tal vez est\u00e9 reemplazando, o a\u00f1adiendo, a la antigua \u00abcomputaci\u00f3n en la nube\u00bb. Big Data. Los dos t\u00e9rminos, que han sido objeto de bombardeo medi\u00e1tico en Internet, son tambi\u00e9n dos t\u00e9rminos que est\u00e1n muy estrechamente vinculados entre s\u00ed, como queremos […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[96],"tags":[2911,145,2912,2913,2914,2915,2916,1019,2917,2918,2919,2920,146,2921,2922,2923,2924,266,2925,2926,2927,2928,1894,2929,2300,2930,2931,897,2932,2102,2933,2934,2935,2936,237,2937,785,2938,2939,2940,2941,2942,2943,2944,2945],"class_list":["post-37667","post","type-post","status-publish","format-standard","hentry","category-sin-categorizar","tag-analista-de-datos","tag-aws-es","tag-bigdata-en-ingles","tag-bigquery-es","tag-bloomberg-es","tag-capgemini-es","tag-casandra","tag-celeste","tag-cerdo","tag-cientifico-de-datos","tag-codigo-abierto","tag-colmena","tag-computacion-en-nube","tag-corrimiento-al-rojo","tag-couchdb-es","tag-doug-cutting-es","tag-dynamodb-es","tag-ecosistema","tag-ecosistema-bigdata","tag-elastic-mapreduce-es","tag-escipido","tag-forbes-es","tag-gartner-es","tag-gnuplot-es","tag-hadoop-es","tag-hbase-es","tag-hdfs-es","tag-ibm-es","tag-infinidb-es","tag-infografia","tag-iniciativas-de-bigdata","tag-mahout-es","tag-mike-cafarella-es","tag-mongodb-es","tag-mysql-es","tag-neo4j-es","tag-nist-es","tag-opentsdb-es","tag-panorama-de-bigdata","tag-r-es","tag-rrdtool-es","tag-scidb-es","tag-talend-es","tag-universidad-de-villanova","tag-wikipedia-es"],"aioseo_notices":[],"jetpack_featured_media_url":"","amp_enabled":true,"_links":{"self":[{"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/posts\/37667","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/comments?post=37667"}],"version-history":[{"count":1,"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/posts\/37667\/revisions"}],"predecessor-version":[{"id":41184,"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/posts\/37667\/revisions\/41184"}],"wp:attachment":[{"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/media?parent=37667"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/categories?post=37667"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/temp_new.vmenginelab.com\/es\/wp-json\/wp\/v2\/tags?post=37667"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Definici\u00f3n<\/h1>\n
\n
\n
Ecosistema<\/h1>\n
![\"Panorama](\"http:\/\/temp_new.vmenginelab.com\/wp-content\/uploads\/2014\/01\/Big-Data-Landscape-bloomberg1-1.jpg\")
![\"Panorama](\"http:\/\/temp_new.vmenginelab.com\/wp-content\/uploads\/2014\/01\/Big-Data-Landscape-forbes1-1.png\")
![\"proveedores-de-big-data-capgemini\"](\"http:\/\/temp_new.vmenginelab.com\/wp-content\/uploads\/2014\/01\/big-data-vendors-capgemini1-1.jpg\")
Dimensi\u00f3n<\/h1>\n
![\"infographic_asigra](\"http:\/\/temp_new.vmenginelab.com\/wp-content\/uploads\/2014\/01\/big-data-infographic_asigra1-1.jpg\")
![\"IBM-Big-Data-Big-Flood-Infograf\u00eda\"](\"http:\/\/temp_new.vmenginelab.com\/wp-content\/uploads\/2014\/01\/IBM-Big-Data-Big-Flood-Infographic1-1.jpg\")
<\/p>\n\n
Oportunidad<\/h1>\n
C\u00f3digo abierto y computaci\u00f3n en la nube<\/h1>\n
\n
\n
\n Aqu\u00ed puedes encontrar tutoriales recientes que puedes consultar de forma gratuita.<\/strong>
\n<\/a><\/li>\n