Big Data
Procesamiento y escala de datos masivos.
Apache HBase
Base de datos NoSQL de columnas anchas, construida sobre el sistema de archivos distribuido de Hadoop, diseñada para acceso de lectura y escritura en tiempo real sobre datos masivos.
Leer másBig DataApache Mesos
Sistema de gestión de recursos de cluster de propósito general, que permite ejecutar múltiples tipos de aplicaciones distribuidas distintas compartiendo eficientemente el mismo conjunto de servidores físicos.
Leer másBig DataApache Spark
Motor de procesamiento distribuido de datos, más rápido que Hadoop para muchas tareas gracias a su uso intensivo de memoria RAM.
Leer másBig DataApache ZooKeeper
Servicio centralizado que coordina y sincroniza información de configuración entre los distintos nodos de un sistema distribuido, como los usados históricamente por Hadoop y Kafka.
Leer másBig DataBase de datos de columnas anchas
Tipo de base de datos NoSQL optimizada para almacenar y consultar eficientemente grandes volúmenes de datos organizados por columnas, en lugar de por filas.
Leer másBig DataBig Data
Conjuntos de datos tan grandes, rápidos o variados que superan la capacidad de las herramientas tradicionales para almacenarlos, procesarlos y analizarlos.
Leer másBig DataCluster de cómputo
Conjunto de servidores conectados entre sí que trabajan de forma coordinada como si fueran un único sistema, repartiendo tareas y datos.
Leer másBig DataCompactación de archivos
Proceso que combina muchos archivos pequeños en archivos más grandes dentro de un sistema de almacenamiento distribuido, mejorando el rendimiento de lectura posterior.
Leer másBig DataComputación en memoria (In-memory computing)
Enfoque de procesamiento de datos que mantiene los datos activos en memoria RAM durante todo el procesamiento, en lugar de leer y escribir constantemente en disco.
Leer másBig DataComputación vectorizada
Técnica de procesamiento que aplica una misma operación simultáneamente sobre múltiples valores de datos a la vez, en lugar de procesarlos uno por uno de forma secuencial.
Leer másBig DataDataOps
Conjunto de prácticas que aplican principios de automatización, colaboración y mejora continua (tomados de DevOps) al desarrollo y mantenimiento de pipelines de datos.
Leer másBig DataFactor de replicación
Cantidad de copias idénticas que un sistema distribuido mantiene de cada fragmento de datos, determinando cuántos fallos simultáneos de servidores puede tolerar sin perder información.
Leer másBig DataFederación de consultas
Capacidad de ejecutar una única consulta que combina y cruza datos provenientes de múltiples sistemas de almacenamiento distintos de forma transparente.
Leer másBig DataGemelo digital
Representación virtual, actualizada en tiempo real, de un objeto, proceso o sistema físico, usada para simular, predecir y optimizar su comportamiento.
Leer másBig DataHadoop
Framework open source para el almacenamiento y procesamiento distribuido de grandes volúmenes de datos en clusters de servidores.
Leer másBig DataHDFS (Hadoop Distributed File System)
Sistema de archivos distribuido diseñado para almacenar volúmenes masivos de datos repartidos entre muchos servidores, con alta tolerancia a fallos mediante replicación automática.
Leer másBig DataHive Metastore
Servicio que almacena y gestiona los metadatos sobre las tablas de un data lake o data warehouse, como su esquema, ubicación física y estadísticas, permitiendo que distintas herramientas los consulten de forma consistente.
Leer másBig DataInfraestructura como código (IaC)
Práctica de definir y gestionar la infraestructura tecnológica —servidores, redes, bases de datos— mediante archivos de configuración versionados, en lugar de configurarla manualmente.
Leer másBig DataInternet de las cosas (IoT)
Red de dispositivos físicos equipados con sensores y conectividad, que recolectan y transmiten datos sobre su entorno o funcionamiento a través de internet.
Leer másBig DataLas 5 V del Big Data
Marco conceptual que describe las características que definen al Big Data: volumen, velocidad, variedad, veracidad y valor.
Leer másBig DataLatencia de cola (Tail latency)
Tiempo de respuesta correspondiente a las solicitudes más lentas de un sistema, generalmente medido con percentiles altos como P95 o P99, más relevante para la experiencia real que el promedio.
Leer másBig DataMantenimiento predictivo
Aplicación de machine learning que predice cuándo es probable que una máquina o equipo falle, permitiendo programar su mantenimiento antes de que ocurra una avería.
Leer másBig DataMapReduce
Modelo de programación para procesar grandes volúmenes de datos en paralelo, dividiendo el trabajo en una etapa de mapeo y otra de reducción.
Leer másBig DataNodo maestro y nodo trabajador
Patrón de organización de un cluster distribuido donde uno o pocos nodos maestros coordinan y distribuyen tareas entre muchos nodos trabajadores, que ejecutan el procesamiento real.
Leer másBig DataPoda de particiones (Partition pruning)
Técnica de optimización que evita leer particiones completas de una tabla que no son relevantes para una consulta específica, a partir del criterio de particionamiento usado.
Leer másBig DataPresto / Trino
Motor de consultas SQL distribuido, diseñado para consultar grandes volúmenes de datos almacenados en múltiples fuentes distintas de forma rápida e interactiva.
Leer másBig DataProcesamiento distribuido
Técnica que divide una tarea de cómputo entre múltiples máquinas que trabajan en paralelo, permitiendo procesar volúmenes de datos que una sola máquina no podría manejar.
Leer másBig DataPushdown de predicados
Técnica de optimización que traslada las condiciones de filtrado de una consulta hacia la etapa más temprana posible del procesamiento, evitando leer datos innecesarios.
Leer másBig DataRebalanceo de particiones
Proceso mediante el cual un sistema distribuido redistribuye automáticamente sus particiones de datos entre los nodos disponibles, tras agregar o quitar servidores del cluster.
Leer másBig DataReplicación síncrona vs. asíncrona
Distinción sobre si un sistema espera la confirmación de todas las réplicas antes de considerar completada una escritura (síncrona), o si confirma la escritura antes de que las réplicas se actualicen (asíncrona).
Leer másBig DataSistema de archivos distribuido
Sistema de almacenamiento que presenta archivos repartidos físicamente entre múltiples servidores, como si fueran parte de un único sistema de archivos coherente.
Leer másBig DataSLA (Service Level Agreement)
Acuerdo formal que define el nivel de servicio garantizado por un proveedor, incluyendo métricas concretas como disponibilidad, tiempo de respuesta o tiempo máximo de resolución ante incidentes.
Leer másBig DataTelemetría
Recolección automática y remota de datos de medición sobre el funcionamiento de un sistema, dispositivo o proceso, generalmente transmitidos en tiempo real para su monitoreo.
Leer másBig DataThroughput vs. latencia
Distinción entre dos métricas de rendimiento distintas: la cantidad total de datos que un sistema puede procesar por unidad de tiempo, y el tiempo que tarda en procesar una única solicitud individual.
Leer másBig DataTolerancia a fallos (Fault tolerance)
Capacidad de un sistema distribuido de seguir funcionando correctamente, incluso cuando uno o más de sus componentes individuales fallan.
Leer másBig DataYARN (Yet Another Resource Negotiator)
Componente de Hadoop que gestiona y asigna los recursos de cómputo del cluster —memoria y procesamiento— entre las distintas aplicaciones que se ejecutan simultáneamente sobre él.
Leer más