Nos formations pour vos projets

Notions clés de la virtualisation : machines virtuelles, hyperviseurs, ressources et bénéfices.

Concevoir une architecture Big Data : ingestion, stockage distribué, traitement, restitution.

Administration de la virtualisation Oracle Linux (KVM) : hôtes, VM, stockage et réseau.

Durcissement des hyperviseurs, isolation, gestion des accès et bonnes pratiques de sécurité.

Prise en main pratique de la virtualisation et de ses principaux composants.

Déployer des plateformes data sur le cloud : services managés AWS, Azure et GCP.

Déploiement et administration d'Hyper-V sur Windows Server ; clustering et réplication.

Provisionnement et gestion du stockage bloc pour les VM avec OpenStack Cinder.

Différences entre hyperviseurs bare-metal (Type 1) et hébergés (Type 2) et cas d'usage.

Cadrer, organiser et livrer un projet Big Data : équipe, méthode, risques.

Administration de Proxmox VE (KVM/LXC) : cluster, HA, stockage Ceph et sauvegarde. Alternative VMware plébiscitée.

Réglage des performances, capacity planning et optimisation compute/stockage/réseau.

Panorama des enjeux (consolidation, coûts, agilité) et des solutions du marché.

Comprendre et mettre en œuvre le lakehouse : formats de tables ouverts, ACID, time travel, gouvernance.

Virtualisation open source basée sur Xen ; administration et migration via Xen Orchestra.

Conception de la HA et du PRA/PCA : clustering, réplication et bascule.

Méthodologie de cadrage, dimensionnement et conduite d'un projet de virtualisation.

Développer des traitements sur l'écosystème Hadoop : HDFS, YARN, MapReduce, Hive.

Fondations KVM/QEMU/libvirt : brique de base des plateformes open source de virtualisation.

Création et gestion de VM de test/développement sur poste avec VirtualBox.

Parcours progressif des concepts de base jusqu'aux architectures avancées et hyperconvergées.

Mettre en œuvre la distribution Cloudera : outils, sécurité et développement.

Exigences de conformité (traçabilité, cloisonnement, audit) appliquées à la virtualisation.

Cadrage d'une sortie de VMware : évaluation, choix de plateforme, migration des VM et du stockage, PRA.

Découvrir Apache Spark : RDD, DataFrames, Spark SQL et exécution distribuée.

Développer des applications Spark performantes en Python/Scala : jobs, optimisation, streaming.

Développer des traitements Spark en Java : API, jobs batch et streaming.

Entraîner des modèles à l'échelle avec Spark MLlib : pipelines, features, évaluation.

Mettre en œuvre Kafka : topics, producteurs/consommateurs, Kafka Connect, bonnes pratiques.

Concevoir des architectures de streaming : ingestion, fenêtrage, exactly-once, cas d'usage.

Orchestrer ses pipelines avec Airflow : DAGs, scheduling, capteurs, supervision et bonnes pratiques.

Modéliser, déployer et administrer un cluster Cassandra : réplication, compaction, tuning.

Administrer MongoDB : réplication, sharding, sauvegardes, sécurité.

Optimiser les performances MongoDB : index, agrégations, profiling.

Déployer et exploiter HBase pour le stockage colonne à large échelle.

Développer avec la base graphe Neo4j : modélisation, Cypher, requêtes.

Indexer et rechercher des contenus à grande échelle avec Elasticsearch.