La Visualisation De Données Dans Le Big Data

Abstract

A l’ère actuelle, l’explosion de nouvelle source de donnés se diverses à granularité fine et faible latence ce qu’on appelle Big Data, le Big Data consiste à traiter et prendre en charge, le volume gigantesque de données extrêmement variées et à les analyser en temps réel. Il permet ainsi l’évolution qui multiplie la parallélisation des calculs, il est possible d’intégrer de grandes masses de données et les visualisées. Dans notre thème, on s’intéresse à la visualisation des données dans le Big Data. La visualisation des données est leur présentation dans un format pictural ou graphique, peut analyser et obtenir de meilleures informations sur les grandes données. Elle doit être représentée dans un format systématique L’objectif principal de ce thème porte sur les méthodes de visualisation utilisées pour le Big Data en se basant principalement sur des critères importants qui sont caractéristiques de Big Data. La visualisation de données massives peut être utilisée pour regrouper de nombreux points de données, comprendre les relations entre les données, débattre des questions en temps réel,décider plus rapidement et concentrer la recherche.***

In the current era, the explosion of new data sources is diverse with fine granularity and low latency what is called Big Data, Big Data consists in processing and taking charge, the gigantic volume of extremely varied data and analyze them in real time. It thus allows the evolution which multiplies the parallelization of calculations, it is possible to integrate large masses of data and visualize them. In our theme, we are interested in visualization in Big Data. Data visualization is their presentation in a pictorial or graphical format, can analyze and get better information about big data. It must be represented in a systematic format. The main objective of this theme relates to the visualization methods used for Big Data based mainly on important criteria which are basic characteristics of Big Data. Big Data Visualization can be used to aggregate many data points, understand relationships between data, debate issues in real time, decide faster, and focus research.