Après avoir lu pas mal d’article, de documentation sur le big la théorie c’est pas mal! Mais si vous voulez vous essayer au noSQL avec par exemple hadoop, des éditeurs vous ont mis à disposition des virtual machine pré installée ou des installations facilitées:

• La virtual machine d’hortonWorks
• La virtual machine de cloudera
• L’installation de la distribution apache BigTop
• etc

De mon côté, j’ai testé la plateforme HortonWorks.

Voici ce dont vous aurez besoin de télécharger pour utiliser votre VM, tournant sous VirtualBox:

• VirtualBox (attention à la version de virtualBox que vous allez prendre et aux incompatibilités avec Symantec endPoint par exemple sinon vous serez confronté, peut être comme moi, à des messages du type « failed to verify the process integrity:Unknown image file \Device\harddisk\volume1\Windows\system32\mppr.dll« . Pour palier à ce problème j’ai juste désinstaller la dernière version 4.3.14 et installé la version to 4.3.12.
  Si vous voulez plus d’informations sur les options reseau et communication avec votre VM proposé par Virtual Box, je vous conseille cette page.
• Putty ou un équivalent pour pouvoir être en mode clavier AZERTY et pour plus de simplicité à dialoguer avec la VM
• WinScp : qui vous permettra de pousser vos fichiers de votre machine sous Windows vers la VM qui est sous red hat

Vous trouverez les tutoriaux hortonWorks sur cette page

Allez aussi faire un tour, sur cet article du blog de bigdatamonkeys.fr qui donne une bonne présentation de cette VM.

Après ces tutoriaux, je me suis essayé à tester le brique flume qui permet de récupérer des flux de données. Le premier test que j’ai pu faire est assez simple à mettre en place : c’ est la lecture du flux twitter. Se sera pour un prochain épisode.

Et vous? Est ce que vous avez testé des VM hadoop? Avez vous des conseils sur le choix d’une distribution?
N’hésitez pas à poster comme d’habitude!