Episode 26 : Big Data is Dead (DuckDB) / Data Gouvernance

#DataOops

#Technologie #Dataoops : le podcast sur la data et de devops #Eric Duquesnoy #Fabien Beaumont #Romain Ferraton

4:38

A woman’s search for her father—a pilot who disappeared during a mission in Vietnam—collides with the fight over what we owe those who never returned from war. From the producers of "America's Girls" and "Tom Brown's Body," and hosted by Texas Monthly writer Josh Alvarez, the show debuts April 2025. Texas Monthly Audio subscribers get early access to the show, plus bonus episodes and more subscriber-only audio. Visit texasmonthly.com/audio to learn more.…

hace 2 años 1:17:52

MP3•Episodio en casa

On discute de l'article Big Data is Dead : de Jordan Tigani. On discute des avantages de DuckDB. Puis un on aborde la data gouvernance avec Fabien

50 episodios

Episode 26 : Big Data is Dead (DuckDB) / Data Gouvernance

#DataOops

published hace 2 años

MP3•Episodio en casa

On discute de l'article Big Data is Dead : de Jordan Tigani. On discute des avantages de DuckDB. Puis un on aborde la data gouvernance avec Fabien

50 episodios

#Technologie #Dataoops : le podcast sur la data et de devops #Eric Duquesnoy #Fabien Beaumont #Romain Ferraton

Todos los episodios

1
Episode 54 : des nouvelles de DuckDB, des vecteurs chez les principales databases, no/low-code vs code 1:00:11

hace 30 días1:00:11

1:00:11

Des nouvelles de DuckDB avec l'interface graphique DuckDB UI, Les vecteurs dans les principales bases de données relationnelles comme Oracle, SQL Server ou PostgreSQL et comment fabriquer ses embeddings. Enfin une discussion sur les avantages et inconvénients entre la solution NO/Low Code et le Code de l'intégration à la BI…

1
Episode 53 : Bilan 2024 des databases / dbt & dlt un duo gagnants ? 51:00

hace 12 weeks51:00

51:00

Episode timeline

1
Episode 52 : Iceberg et Delta, Migration de bases de données, Evidence.dev : Reports as Code 52:17

hace 19 weeks52:17

52:17

Episode timeline

1
Episode 51 : DuckDB v1.1 vs PostgreSQL v17 / SQL en difficulté 1:04:10

hace 26 weeks1:04:10

1:04:10

Episode timeline

1
Episode 45 : Chargement massif 1 Milliard de lignes dans un columnstore SQL Server en 6min, DuckDB v0.10, MS Fabrics et Vacuum 1:07:09

hace 1 year1:07:09

1:07:09

Comment accélérer un chargement massif dans un columnstore sur SQL Server : un retour d'expérience approfondi avec 1 milliard de lignes chargé en 6 minutes. DuckDB passe en v0.10 et stabilise son stockage. MS Fabric annonce que le Vacuum sera bientot possible et voici pourquoi c'est une bonne chose...…

1
Episode 44 : REX dataoops modélisation et postgresql performance, DuckDB stars, MS Fabric ratio prix/performance 1:06:09

hace 1 year1:06:09

1:06:09

REX sur des erreurs de modélisation avec des vues trop imbriquées, performance postgresql windows vs linux. DuckDB une star sur Github qui rejoint Postgresql. MS Fabric des prix d'appel pour les entreprises avec un ratio prix/performance attractif.

1
Episode 43 : bilan 2023 une année spéciale pour la data avec l’émergence de l’IA et la progression des stockages objets et lakehouse 1:02:01

hace 1 year1:02:01

1:02:01

Episode 43 : bilan 2023 avec les lakehouses, la gouvernance des données, les bases de données vectorielles, les IA génératives et autres LLM, Oracle Cloud et les bases Autonomous

1
Episode 41 : Onyxia et SSP Cloud avec Frederic Comte

hace 1 year

—

Onyxia est une UX open source pour mettre en place un datalab avec des services basés sur des containers et orchestrés par K8s. Minio pour le stockage, Keycloak et Vault pour la sécurité s'intègre parfaitement. Cette solution est mise en oeuvre à l'INSEE avec le datalab SSP et Frederic Comte, Architecte Data à l'INSEE nous en explique les fondements et les avantages.…

1
Episode 40 – Microsoft Fabric passe en GA 1:07:10

hace 1 year1:07:10

1:07:10

Microsoft Fabric passe en GA : on en parle

1
Episode 39 : Interview Sylvain Lesage, Développeur chez Hugging Face 1:05:28

hace 1 year1:05:28

1:05:28

Une interview de Sylvain Lesage développeur chez Hugging Face dans l'équipe en charge de la prévisualisation des datasets : le dataset viewer. Il nous parle de son parcours et de son expérience chez Hugging Face, une société très inspirée dans le monde de l'IA.

1
Episode 38 : PowerBI et Couche Sémantique – Databases et Comptage Approximatif – Parquet méthode d’encodage 57:09

hace 1 year57:09

57:09

Partie 1 : La couche sémantique et l'architecture de Power BI. Partie 2 : Comptage approximatif et l'algorythme hyperlolog. Partie 3 : les différents types d'encodage avec les columnstore index SQL Server & Apache Parquet et des stockages colonnaires en général

1
Episode 37 : Oracle Data Cartbidge, SQL Server Minimal Logging, Parquet et tri des données, Database of Databases Dashboard, DataGouvernance 1:06:43

hace 2 years1:06:43

1:06:43

Episode 37 : Oracle Database Data Cartbridge ou comment faire une extension dans la base Oracle. SQL Server Journalisation Minimale. L'importance du tri des données pour les performances avec Parquet. Le tableau de bord des bases de données : +900 databases étudiées. La DataGouvernance un sujet qui n'est pas uniquement technique.…

1
Episode 36 : les tendances des bases de données / Une formation Databricks testée / DB Vectorielles : les points importants 1:08:06

hace 2 years1:08:06

1:08:06

Databricks : formation en ligne gratuite et aparté Delta Lake 3.0. Oracle DB : un dashboard sur les features et innovation depuis la 11.2 avec 1608 features. Les tendances des bases de données (Relationnelles et NoSQL). Les bases de données vectorielles : qu'est ce qui les différencie et les points importants pour les choisir.…

1
Episode 35 : SQL invulnérable / Microsoft DataFabric 1:03:10

hace 2 years1:03:10

1:03:10

SQL : un language incontournable dans le traitement des données. On en parle avec une approche historique, les dialectes et les nouvelles approches qui rendent ce language plus vivant que jamais. Dans la deuxième partie de l'épisode on vous parle de Microsoft DataFabric : où en est-on avec ce nouveau service orienté données proposé par Microsoft.…

1
Episode 34 : DataLakeHouse et architecture médaillon / Nouveautés d’Oracle Database 23c 1:00:34

hace 2 years1:00:34

1:00:34

DataLakehouse et Architecture Médaillon. Les nouveautés d'Oracle Database 23c

#DataOops

1
Episode 33 : Bases de données vectorielles essai avec SQL Server + Microsoft Fabric Partie 2 1:07:26

hace 2 years1:07:26

1:07:26

Dans cette épisode on parle d'un essai d'implémentation de recherche sémantique et vectorielle avec SQL Server. Dans la seconde partie : Approfondissement de Microsoft Fabric.

#DataOops

1
Episode 32 : Avis sur Microsoft Fabric + Les bases de données vectorielles ou la mémoire des IAs 1:02:05

hace 2 years1:02:05

1:02:05

Microsoft a lancé un nouveau service chapeau : Microsoft Fabric. Senser regrouper tous les services autour de l'analytique, ce service est plein de promesses. Premiers avis sur ce service avec Fabien Beaumont. Romain Ferraton aborde ensuite les bases de données vectorielles, support de la mémoire des IAs. Capables de recherches sémantiques accélérées les bases de données vectorielles ont le vent en poupe. Mais on peut aussi faire ce type de recherche semantique avec des bases classiques comme postgresql avec une extension (pgvector) voir même avec sql server, oracle ou n'importe quelle base de données relationnelles en faisant des calculs de distances. Ce qui manquera toutefois à ces bases non-spécialisées : des index adaptées aux vecteurs.…

#DataOops

1
Episode 31 : REX dataoops SQL Server et IOT, Observabilité, DataMesh 1:39:00

hace 2 years1:39:00

1:39:00

4 sujets dans cet épisode : Une REX sur un problème de modélisation de données IOT dans SQL Server. L'arrivée des fonctionnalités spatiales sur DuckDB. Discussion sur l'observabilité : théorie et un exemple de log machine friendly avec Serilog. Discussion sur le datamesh

#DataOops

1
Episode 30 : Parquet to SQL / 3 000 milliards de lignes dans SQL Server 1:08:10

hace 2 years1:08:10

1:08:10

On parle de chargement de données Parquet dans SQL Server via C# et bulkcopy. On parle également des bonnes pratiques pour sql server pour stocker 3000 milliards de lignes. Dernière partie avec une overview

#DataOops

1
Episode 29 : TPCH MSSQL entre dans la danse + ChatGpt Premiers tests 1:21:36

hace 2 years1:21:36

1:21:36

TPCH : nouveaux tests avec SQL Server et influence de la collation sur les performances. Autres Tests TPCH SF100 : DuckDB & Hyper sur un laptop vs, Snowflake (XS to 4xLarge). Quelques mots sur nos premiers essais avec ChatGPT

#DataOops

1
Episode 28 : TPCH Cloud Databases vs DuckDB, les outils autour de Terraform et les extended events sur SQL Server. 1:40:07

hace 2 years1:40:07

1:40:07

On parle un tout petit peu de chatGPT mais d'abord des évènements étendus (extended events) sur SQL Server et de leurs capacités à faire remonter des informations précieuses pour le diagnostique voir l'analyse du code. Ensuite nous abordons le benchmark TPCH et la comparaison des performances des bases Cloud comme comme Snowflake, BigQuery, SingleStore et Synapse vs DuckDB. Eric nous parle également des outils permettant se faciliter la vie avec Terraform.…

#DataOops

1
Episode 26 : Big Data is Dead (DuckDB) / Data Gouvernance 1:17:52

hace 2 years1:17:52

1:17:52

On discute de l'article Big Data is Dead : de Jordan Tigani. On discute des avantages de DuckDB. Puis un on aborde la data gouvernance avec Fabien

#DataOops

1
Episode 25 : DataLakeHouse, ADBC et Configuration VMWare pour les bases de données 1:16:13

hace 2 years1:16:13

1:16:13

1) Premières impression sur le DatalakeHouse de Databricks. 2) Le protocole ADBC (Arrow Database Connectivity) 3) Bonnes pratiques de configuration des VMs pour les bases de données

#DataOops

1
Episode 23 : PowerBI External Tools 56:56

hace 2 years56:56

56:56

Les external tools de powerBI permettent d'augmenter la productivité des développements. Fabien nous explique comment et quels tools choisir

#DataOops

1
Episode 22 : Datalake & Datasharing + DevOps & FinOps + Silicon Chalet 1:35:03

hace 2 years1:35:03

1:35:03

Un tour d'horizon sur les solutions Datalake du marché et discussion sur le Datasharing Coté Devops : comme le devops est perçu suivant le type d'entreprise FinOps : pilotage des couts News : Nouveau Meetup Silicon Chalet

#DataOops

1
Episode 21 : REX sur crash databases mssql + AWS AppRunner + les Certifications IT 1:31:52

hace 3 years1:31:52

1:31:52

Episode 21 : Rex sur un crash d'une infrastructure virtuelle et l'impact sur les bases de données (MSSQL). Découverte de AWS App Runner et discussions sur les certifications IT

#DataOops

1
Episode 18 : DuckDB et Apache Arrow 58:56

hace 3 years58:56

58:56

DuckDB est une base de données OLAP in-process et très légère : très utile pour la préparation de données en SQL Surtout quand cette base est compilée en C++, très performante, dotée de nombreuses fonctions, capable de lire et écrire des fichiers csv ou parquet et utilisable via ODBC,JDBC, API python ou C++ ou tout simplement via CLI. Apache Arrow est un format pour la représentation colonnaire données analytiques et permet d'éviter la serialisation et la perte de temps associée.…

#DataOops

1
Episode 15 : BigQuery un datawarehouse serverless sur GCP 1:08:50

hace 3 years1:08:50

1:08:50

BigQuery : un datawarehouse serverless sur GCP tarifé à la requête. Brice Michetti, spécialiste GCP et BigQuery depuis plus de 5 ans nous en parle

#DataOops

1
Episode 12 : Datalake intro et aide pour les débutants dans le cloud 1:25:34

hace 3 years1:25:34

1:25:34

On parle des bases d'un datalake et quelques conseils pour débuter ans le cloud

#DataOops

1
Episode 11 : Result Cache // FinOps & Ressources 1:03:58

hace 3 years1:03:58

1:03:58

Le result cache (ou query cache) en base de données permet d'accélérer les requêtes répétitives et consommatrices sur les bases de données. Quelles databases disposent de cette fonctionnalité ? Optimiser sa consommation de ressources dans le cloud : le FinOps

#DataOops

1
Episode 10 : DataHub & Strategie Data 1:07:33

hace 3 years1:07:33

1:07:33

Datahub : définition(s) et approche. Data stratégie : comment mieux intégrer et gérer la données dans l'entreprise

#DataOops

1
Episode 9 : Slowly Changing Dimensions // API 1:08:20

hace 3 years1:08:20

1:08:20

Coté Modélisation : les SCD ou Slowly Changing dimensions (dimensions à évolution lente) ==> on discute des SCD1, SCD2, SCD3 et même SCD6. Eric nous parle API, REST bien sur !

#DataOops

1
Episode 8 : Bases Graphes Neo4j // Parallélisme dans les databases relationnelles 1:16:18

hace 3 years1:16:18

1:16:18

Bases de données graphes // Performance & Database : Le parallélisme

#DataOops

1
Episode 7 : Gestion des plans d’exécution (SPM) | Les étapes pour construire son datavault | Introduction à Terraform 1:51:55

hace 3 years1:51:55

1:51:55

3 parties dans cet épisode : la gestion des plans d'exécution particuliers dans les bases de données, les étapes pour concevoir son datavault et finalement une introduction a Terraform

#DataOops

1
Episode 5 : Clef en SHA256 (binary) ou BigInt ? // Indexation et InMemory 57:59

hace 3 years57:59

57:59

Dans un datavault les clefs ne sont pas incrémentales, alors quelle technique utiliser : SHA256 ou fonction de hashache vers un entier ? Une partie sur l'indexation et l'ordre des colonnes, une autre sur le InMemory, la compression et le stockage colonne sur SQL Server, Oracle et HANA.

#DataOops

1
Episode 4 : performance et Data Vault, Devops et Docker, Indexation dans les bases de données 1:27:14

hace 3 years1:27:14