Abstract: Large-scale data analysis has become increasingly important for many enterprises, and Cloud Computing, under the impulse of large companies, has recently endowed a special attention both in industry and academic researches. Hadoop, based on a new distributed computing paradigm, called MapReduce, has allowed to facilitate access to such environments, due to its impressive scalability and flexibility to handle structured as well as unstructured data. The goal of our work is to develop a Cloud Computing environment for exploiting data warehouses and perform online analysis. It consists of handling large nonrelational databases and supporting data warehouse with a new generation of database management systems (DBMS) such as Hive. Thus, to set up such an environment, we implemented a data warehouse under Hadoop and Hive and we used the Map and Reduce functions of this environment, then we compared the cost of loading the warehoused data and constructing OLAP cubes between a virtual and a physical cluster, as well as the rise in data loading on a physical cluster. Obtained results allows MapReduce developers to fully compare the performance, help in the choice of platform, in which a customer application can be developed to translate SQL requests to HQL (Hive-QL) requests, and check if a not-relational model is adequate or not.

Abstract: L’informatique dans les nuages, sous l’impulsion des grandes compagnies telles que Google, Microsoft ou encore Amazon, a récemment suscité une attention particulière que ce soit dans le monde industriel ou académique. L’arrivée d’Hadoop, basé sur le paradigme MapReduce, pour le traitement parallèle des grandes quantités de données, a permis de faciliter l’accès à un tel environnement. L’objectif de cette étude est de mettre en place un environne-ment informatique dans les nuages permettant de créer des entrepôts de don-nées et de réaliser des analyses en ligne. Il s’agit notamment de manipuler de larges bases de données non relationnelles, support des entrepôts de données, avec une nouvelle génération de systèmes de gestion de bases de données (SGBD) tels que Hive. Pour cela, nous avons implémenté un entrepôt de don-nés issu de SSB sous Hive. Nous avons ensuite comparé les résultats des temps de chargement de l’entrepôt et de construction de cube OLAP, ainsi que la montée en charge avec différentes variantes d’architectures. Les résultats obtenus peuvent servir de base pour de futurs travaux dans un but de comparaison des performances, d’aide dans le choix de plateforme, où des applications client peuvent être développées pour traduire des requêtes SQL vers des requêtes Hive-QL.

Ref HAL: hal-00783638_v1
Abstract: Dans cet article, nous portons notre regard sur l'aide à la décision du point de vue des systèmes décisionnels au sens des entrepôts de données et de l'analyse en ligne. Après avoir défini les concepts qui sous-tendent ces systèmes, nous nous proposons d'aborder les problématiques de recherche qui leur sont liées selon quatre points de vue : les données, les environnements de stockage, les utilisateurs et la sécurité. Nous abordons finalement les problèmes qui restent ouverts dans le domaine des entrepôts de données.

Abstract: Twitter have become a significant means by which people communicate with the world and describe their current activities, opinions and status in short text snippets. Tweets can be analyzed automatically in order to derive much potential information such as, interesting topics, social influence, user's communities, etc. Extraction communities within social networks has been a focus of recent work in several areas. Different from the most community discovery methods focused on the relations between users, we aim to derive user's communities based on common topics from user's tweets. For instance, if two users always talk about politic in their tweets, thus they can be grouped in the same community which is related to politic topic. To achieve this goal, we propose a new approach called CETD: Community Extraction based on Topic-Driven-Model. This approach combines our proposed model used to detect topics of the user's tweets based on a semantic taxonomy together with a community extraction method based on the hierarchical clustering technique. Our experimentation on the proposed approach shows the relevant of the users communities extracted based on their common topics and domains.

---------

Ref HAL: hal-00702876_v1