Version imprimable
Bonjour à tous,
j'expérimente les technos du Big Data et je constate qu'après avoir ingérer différentes sources de données, il va vite devenir difficile de retrouver mes petits.
Du coup j'ai mis en place une arborescence du genre : Data_brutes\[SOURCE]\[Nom de la table]
J'aimerai savoir s'il y a des choses à éviter et à faire pour s'y retrouver et organiser un datalake?
Merci de vos retours.
A+
Il y a des bonnes pratiques a suivre. Elles sont condensees dans The Data Lake Manifesto. Certaines pratiques sont discutables selon les projets, mais ca te donne deja une bonne idee de ce qu'il faut faire et ne pas faire.
Le secret d'un Data Lake prospere est qu'il faut passer beaucoup de temps a planifier les differents aspects, et a les mettre en perspective avec les objectifs/scenarios de l'entreprise.
Ca va beaucoup plus loin que la simple organisation de l'arborescence. Bien entendu l'arborescence est un element a ne pas negliger. Il faut la structurer de telle sorte que la navigation soit facile. En general l'arborescence fait partie du catalogue. Le catalogue associe l'arborescence + des meta donnees + de la documentation. Le but etant de permettre a quiconque de naviguer et trouver les donnees facilement.