Formation traitement de données distribuées avec Spark en Scala
Apache Spark avec Scala : traitement distribué, DataFrame, SQL et machine learning à l'échelle Big Data en Scala.
Dates des prochaines sessions
Sessions en présentiel à Paris ou à distance. Inscriptions ouvertes jusqu'à la veille du démarrage.
La formation traitement de données distribuées avec Spark en Scala vous apprend en 3 jours à exploiter Spark dans son langage natif. Vous comprenez l’architecture et le fonctionnement interne de Spark : driver, executors, partitions, DAG, shuffle, gestion mémoire. Vous développez des traitements distribués en Scala en utilisant l’écosystème Spark de manière idiomatique. Vous utilisez efficacement RDD, DataFrames et Spark SQL selon les besoins de performance et de typage. Vous optimisez les performances et la consommation de ressources : choix de partitionnement, gestion du cache, broadcast, plans d’exécution. Vous analysez et corrigez des problématiques en production : skew, OOM, lenteur, debugging avec Spark UI. Idéale pour data engineers et développeurs Scala traitant de grands volumes.
Objectifs pédagogiques
- Comprendre l'architecture et le fonctionnement interne de Spark
- Développer des traitements distribués en Scala
- Utiliser efficacement RDD, DataFrames et Spark SQL
- Optimiser les performances et la consommation de ressources
- Analyser et corriger des problématiques en production
3 jours, 21 heures de pratique
Chaque journée alterne apports théoriques courts et ateliers pratiques. Programme ajustable en intra-entreprise.
1 Architecture de Spark et programmation Scala
• Architecture et fonctionnement interne de Spark
• Driver, executors, partitions, DAG, shuffle
• Rappels de Scala pour Spark
• Développement de traitements distribués en Scala
• Premiers jobs Spark
2 RDD, DataFrames et Spark SQL
• Utilisation des RDD
• DataFrames et Datasets
• Spark SQL et requêtes structurées
• Lecture et écriture de données
• Travaux pratiques
3 Optimisation et production
• Optimisation des performances et de la consommation de ressources
• Partitionnement, cache et broadcast
• Analyse des plans d’exécution avec Spark UI
• Diagnostic et correction des problèmes en production (skew, OOM)
• Atelier de synthèse sur cluster
Profils et prérequis
Profils concernés
- Data engineer travaillant sur Spark
- Développeur Scala intervenant sur des projets data
- Architecte Big Data
Prérequis
- Bonne maîtrise de Scala
- Notions de base en SQL et en systèmes distribués
Les logiciels et technologies
Les outils que vous manipulerez tout au long de la formation.
Outils d'évaluation des compétences
- Quiz et QCM à la fin de chaque module pour valider l’acquisition des connaissances théoriques.
- Mini-projets guidés (manipulation de DataFrames, visualisation) Auto-évaluation sur la compréhension et la mise en application des concepts.
- Feedback individuel : chaque participant se voit proposer un bilan de ses points forts et axes d’amélioration.
Une formation finançable
Cette formation est éligible aux principaux dispositifs de financement de la formation professionnelle. Notre équipe vous accompagne dans le montage du dossier.
OPCO — Prise en charge par votre opérateur de compétences au titre du plan de développement des compétences de votre entreprise.
Plan de développement — Inscription dans le plan de formation de votre entreprise, en direct avec votre service RH ou formation.
Financement personnel — Tarifs adaptés pour les indépendants et auto-entrepreneurs, paiement en plusieurs fois possible.
FAQ
Quelle est la durée de la formation et sous quels formats est-elle proposée ?
La formation dure 3 jours (21 heures) et se déroule en présentiel ou à distance, en groupe limité à 8 participants pour préserver l'interactivité et la pratique.
Quels sont les prérequis pour suivre cette formation ?
Pour suivre cette formation dans de bonnes conditions, il est recommandé d'avoir : Bonne maîtrise de Scala; Notions de base en SQL et en systèmes distribués.
Faut-il connaître Scala avant la formation ?
Oui, une bonne maîtrise de Scala est nécessaire, car la formation développe les traitements Spark dans le langage natif de la plateforme.
Quelle différence avec la formation Spark avec Python ?
Cette formation utilise Scala, langage natif de Spark, et s'adresse aux data engineers. La version PySpark est plus accessible aux profils data science.
Prêt à monter en compétences ?
Inscrivez-vous à l'une de nos sessions programmées, ou optez pour une formation intra sur mesure adaptée à votre équipe.
Une question ? Appelez-nous au 01.72.25.40.82
Cette formation traitement de données distribuées avec Spark en Scala vous apprend à exploiter Spark dans son langage natif. Sur 3 jours, vous découvrez l’architecture Spark, les DataFrames et Datasets, Spark SQL, ainsi que MLlib pour le machine learning à grande échelle. La formation s’appuie sur des ateliers sur cluster. Idéale pour data engineers et développeurs Scala souhaitant traiter de grands volumes de données de manière performante et structurée.