Comandos esenciales de la CLI de AWS S3

En este artículo voy a explicar los conceptos básicos de cómo gestionar buckets de S3 y sus objetos mediante la CLI de AWS S3. Crear un nuev...

Virtual Box: Cómo aumentar el tamaño del disco en el host de Windows 10 a Ubuntu usando Gparted

  DESCARGAR Hasta la próxima !

Introducción a la programación Hive

Desde los primeros días de la ruptura principal de Internet, los principales motores de búsqueda y las empresas de comercio electrónico han...

Flujo de trabajo con GIT

Git es un sistema de control de versiones distribuido gratuito y de código abierto diseñado para gestionar todo tipo de proyectos de pequeñ...

Instalar y configurar notebooks Zeppelin para trabajar en Spark

En este post voy a explicar como empezar a utilizar Apache Zeppelin para dar soporte al desarrollo y análisis interactivo de datos utilizand...

Programación con UDFs con Spark Scala

Los UDFs son una característica emocionante de Spark que ha evolucionado enormemente en las distintas releases. Voy a intentar cubrir difer...

Visión de alto nivel de la arquitectura de Amazon Kinesis

En esta publicación voy a hablar sobre la recogida de datos en un cluster AWS, donde daré algunas pautas sobre cómo podemos mover datos a A...

Guía de Spark SQL, DataFrames y DataSets

Spark SQL es un módulo de Spark para el procesamiento de datos estructurados. A diferencia de la API básica Spark RDD, las interfaces propo...

El Problema del Sesgo de Datos en Sistemas Distribuidos

El rendimiento de los sistemas de Big Data está directamente relacionado con la distribución uniforme de los datos de procesamiento entre t...