Chez Meritis, nous sommes convaincus que la transformation numérique passe avant tout par la transmission de la connaissance et des bonnes pratiques. C’est pourquoi ce blog se veut un lieu d’échange que vous ferez vôtre, nous l’espérons. Il est aussi le résultat d’une belle et intense aventure humaine qui a créé des liens, suscité des vocations, provoqué des changements.
Plusieurs études affirment que la blockchain pourrait être partout d’ici à 2020 et que son impact sur la société pourrait être aussi fort qu’a été celui d’Internet. Pourtant cette technologie a encore du mal à percer, notamment en raison de limitations techniques mais aussi culturelles, organisationnelles, juridiques, etc.
Alors, comment appréhender ce phénomène, ses impacts et ses limites ?
L’article précédent traitait du concept de partition en Spark et des méthodes permettant de re-partitionner ses données. Mais pour quoi faire ?
Si vous développez en Spark, vous vous êtes déjà rendu compte que certains de vos algorithmes, qui semblent pourtant si simples, prennent énormément de temps à s’exécuter, sans savoir pourquoi. Ce peut être dû à un problème de partitionnement.
Regardons ensemble les difficultés que vous pouvez rencontrer dans vos programmes ainsi que des techniques pour les résoudre.
Aujourd’hui, on entend beaucoup parler des technologies Big Data : les chefs de projets en parlent et souhaitent expérimenter l’apport de ces technologies en termes de scalabilité, les commerciaux parlent de missions Big Data et de DataLab chez les clients, les RH cherchent des experts Big Data et des développeurs Hadoop qu’ils n’arrivent pas facilement à trouver.
Un nombre très important de frameworks Big Data a vu le jour ces dernières années et l’écosystème Big Data est en pleine effervescence. Cependant, compte tenu du manque de maturité de son écosystème, plusieurs frameworks disparaissent à cause de leur complexité ou non adéquation avec les nouveaux besoins.
Si vous développez en Spark, vous avez sûrement déjà entendu parler des partitions. Ce n’est pas le cas ? Et pourtant, il est très probable que vous ayez eu à faire à elles, sans le savoir, lors d’une phase de debug, de l’écriture d’un algorithme ou de l’analyse d’un traitement sur la Web UI Spark. Découvrez ce concept et surtout pourquoi il est si important de l’avoir à l’esprit lorsque l’on fait “du Spark”.
Que celui qui n’a jamais dit : « c’est bon, j’suis sûr que ça passe, on testera en prod sinon », lève la main. La tentation est grande, mais hélas, trois fois hélas, ça ne finit généralement pas par un happy end.
Nous vous avons présenté la crypto-monnaie lors du précédent article de ce dossier, une monnaie virtuelle dont la valeur dépend dans la plupart des cas de l’équilibre entre l’offre et la demande. Nous nous attachons dans ce nouvel article à répondre à deux questions évidentes : comment générer cette offre et comment répondre à la demande ?
Meritis poursuit son expansion stratégique avec l’acquisition de Neofin Adisory, cabinet de conseil reconnu pour son expertise en gestion des risques, réglementation bancaire, compliance et finance durable. Une nouvelle étape …
Chez Meritis, entreprise labellisée B Corp™, nous sommes intimement convaincus que le sport dépasse largement le cadre de la compétition : il est un formidable vecteur de valeurs, de cohésion, …
Le Master Dev France 2025 a tenu toutes ses promesses ! Cet événement phare de la communauté tech a rassemblé plus de 800 développeurs en compétition et 3 000 visiteurs …
