I set di dati RDD (Resilient Distributed Datasets) di Apache Spark sono raccolte di dati di varia natura, dalle dimensioni talmente grandi da non poter rientrare in un unico nodo e che devono pertanto essere ripartiti tra vari nodi. Apache Spark partiziona automaticamente i dati RDD e distribuisce le partizioni tra diversi nodi. La valutazione di questi dati è lenta (l'esecuzione non viene avviata fino a quando...

Negli anni trascorsi in Talend come tecnico dell'assistenza, prima di diventare customer success architect, i clienti spesso mi chiedevano informazioni sulle capacità di Talend con Apache Spark. Quando parliamo di Spark, la prima cosa che ci viene in mente è il comando spark-submit che utilizziamo per inviare i job Spark. Quindi, la domanda che sorge più spontanea è: qual è la differenza tra un job Talend Spark e un regolare comando spark-submit? In questo blog, analizzeremo le diverse m...

Che cos'è un modello di dati? Chi è uno sviluppatore Talend come me, ha quotidianamente a che fare con modelli di dati e crede di sapere di cosa si tratta: Una definizione strutturale dei dati di un sistema aziendale Una rappr...

Ho iniziato da poco a lavorare in Talend come Customer Success Architect. Il mio ruolo consiste nel fornire ai clienti linee guida e best practice che li aiutino a definire e amministrare le loro strategie di gestione dei dati con Talend. Prima di approdare a Talend, ho lavorato su diverse implementazioni di data warehouse in cui Informatica PowerCenter era lo strumento ETL preferenziale. Qualsiasi transizione da una tecnologia a un'altra può essere problematica. Tuttavia, anziché tentare...

I set di dati RDD (Resilient Distributed Datasets) di Apache Spark sono raccolte di dati di varia natura, dalle dimensioni talmente grandi da non poter rientrare in un unico nodo e che devono pertanto essere ripartiti tra vari nodi. Apache Spark partiziona automaticamente i dati RDD e distribuisce le partizioni tra diversi nodi. La valutazione di questi dati è lenta (l'esecuzione non viene avviata fino a quando...

A quanto pare, i miei precedenti blog su questo argomento hanno riscosso un gran successo. Ne sono veramente felice e ringrazio tutti i miei (attenti o avidi) lettori. Se qualcuno ancora non avesse letto i miei post precedenti, consiglio di iniziare prima da quelli (Job Design Pattern e best practice Talend Parte 1 e P...

If you’ve ever started working with new software, you know it can be challenging to start taking full advantage of features and functionality right away. At Talend, we want you to get up and running quickly with our data integration software. Therefore, we’ve introduced a new series of videos to get you familiar with the Talend Studio, building your first Talend Job and moving into some advanced features. The first video in the series hel...

The previous post [on Colm's blog] covered how to install the Apache Ranger Admin service. The Apache Ranger Admin UI supports creating authorization policies for various Big Data components, by giving users and/or groups permissions on resources. This means that we need to import users/groups into the Apache Ranger Adm...

As Talend has released its newest version of Talend Data Fabric 6.2.1 for GA, I thought this would be a good time to talk about software upgrades within the Enterprise. Software maintenance is a big part of IT budgets. As more companies offer software for all kinds of needs from instant messa...

In this post, I would like to cover the possibilities we have to build complex document generating systems. Actually formally a domain of expensive software like Adobe Publisher. With Talend Open Studio and JasperReports you are able to create such a system. Introduction / Conceptual Formulation One of Germany’s biggest online vehicle dealers gets access to detailed of...