Big-Data-Analytik beginnt mit festen Grenzen: Speicher, Scheduling, Rechenkoordination und den Kompromissen, die verteilte Systeme prägen. Dieser Kurs vermittelt ein praxisnahes Verständnis davon, wie Analyse-Jobs einen Cluster durchlaufen, wie sich Hadoop und Spark in den Technologie-Stack einfügen und wie Batch- sowie Streaming-Workloads strukturiert sind. Er eignet sich ideal für Lernende, die große Datensysteme verstehen und analysieren möchten, ohne die zugrundeliegende Infrastruktur als „Black Box“ zu betrachten.
Neben dem MapReduce-Konzeptmodell und dem Spark-Ausführungsmodell werden Systembeschränkungen bei Big-Data-Anwendungen, verteilte Speicherung, Cluster-Scheduling und das Hadoop-Ökosystem behandelt. Zudem umfasst der Kurs Themen wie Spark-Optimierung und -Fehlersuche, das Design von End-to-End-Batch-Pipelines, Structured Streaming sowie die Visualisierung und Bereitstellung von Erkenntnissen aus Big-Data-Analysen.