Es importante resaltar que en este punto no tenemos una elecciones formales internas, pues hasta ahora ha sido bastante difícil encontrar personas que se quieran comprometer tanto como para asumir cualquier cargo formal. Así que lo que estamos haciendo es pasar la batuta a alguien que hemos visto su compromiso y ganas de trabajar en PRPASS.

Para dar un nuevo comienzo necesitamos tener un fin, es por eso que por iniciativa propia ceso mi rol como presidente de PRPASS (el cuál que me ha dado muchas satisfacciones), por un bien mayor, que es el seguir creciendo nuestra comunidad de usuarios. Estoy totalmente confiado que Guillermo tiene todas las capacidades y la motivación de sobra, para que junto a su equipo de trabajo (todo el que que se una al esfuerzo sin colores ni banderas), sigan llevando a PRPASS por el camino del éxito y crecimiento a beneficio de todos sus miembros.

UN POQUITO DE HISTORIA

El tiempo pasa volando. Han sido ya poco más de 7 años en que mi amigo Francisco Rosario (más conocido como Frankie), y este servidor, fundamos PRPASS después de asistir a nuestra primer PASS Summit en el 2005. Luego de que Frankie tuviera que tomar nuevos rumbos profesionales, quedó este servidor como Presidente del Capítulo contando con el apoyo incondicional de mi amiga Elizabeth Córdova como Vice-Presidenta. Recuerdo incluso que desde aquellos tiempos Guillermo era ya un asistente infaltable de las reuniones mensuales de PRPASS.

Los últimos dos años han sido muy interesantes, pues Guillermo Caicedo y José Luis Rivera (@SQLConqueror) se sumaron al equipo de líderes de PRPASS que sin duda han marcado la diferencia y muchos de los logros que hoy puedo contar, no se hubiesen podido lograr sin que se sumaran.

Como muchos de ustedes saben, con sus altas y sus bajas, hemos estado varios años al frente de esta iniciativa de aprendizaje, desarrollo profesional y colaboración. Resumiendo bien rápido puedo resaltar los siguientes logros o sucesos importantes:

• Creamos una nueva organización de la nada, de la que hoy se benefician cientos de profesionales
• Lamentablemente no tengo el número exacto, pero debemos haber hecho unas 70 reuniones mensuales en todo este tiempo.
• Debemos haber presentado un total de 105 sesiones en promedio, impactando a más de 2,000 beneficiados.
• Con el apoyo de PASS, en el 2012 nos embarcamos en la aventura de realizar la primera conferencia anual de SQL Server en Puerto Rico que fue todo un éxito: SQL Saturday Puerto Rico. SQL Saturday Puerto Rico presentó 15 sesiones con speakers local y extranjeros. Contamos con más de 215 participantes. Gracias a Maripura, Ramón, Miriel, María, Nilka, la gran Ana, Yamille y todo el equipo de Microsoft Puerto Rico que siempre nos dio su apoyo y fueron pieza clave para lograr el evento.
• Por si fuera poco, el pasado 20 de Abril repetimos el plato de SQL Saturday Puerto Rico 2013. Esta vez expandimos la cantidad de sesiones a 20 y contamos con más de 180 participantes. Imagínense lo bien que salió que ya la gente está preguntando cuándo será el próximo evento :O.
• Una de las cosas que personalmente me brindan satisfacción es ver crecer a mis compañeros. PRPASS ha sido además de un foro de aprendizaje, un foro de crecimiento profesional. Puedo decir que no sólo yo, sino Frankie, Guillermo, Elizabeth, José Luis, junto a la nueva generación de talentos (Joel Gonzales, Juan Falcón, José Medero, Radames Ortega, José (Joe) Rivera, Charles Rodriguez, Emmanuel Sánchez, Joralis Sánchez, Edwin Torres y muchas otras personas muy talentosas), se formaron en PRPASS como presentadores y todos ellos con un potencial enorme de ser cada día mejores líderes en lo que hacen.

Fig 1. Nuestro primer website (codificado todo a “manopla” por este servidor)

No puedo dejar de mencionar al gran Eduardo Sobrino, quien fue el speaker más incondicional de todos estos 7 años. Nunca decía que no podía. De igual manera a Jorge Sanchez con sus presentaciones los miércoles asegurando siempre un salón lleno por toda su fanaticada .

Otra persona clave en los últimos años de PRPASS sin duda ha sido Ramón Ponte. Ramón, fue uno de los promotores principales del Capítulo a nuevas audiencias, representando así y de la mejor manera a la oficina de Microsoft Puerto Rico.

Corro el riesgo de dejar de mencionar a muchas personas que me apoyaron y dijeron presente en todo este tiempo de PRPASS, a todos ellos mi agradecimiento por siempre.

NUEVOS RETOS

Bueno, yo soy el primer motivado por ver esta nueva etapa de Puerto Rico PASS, pues sé que Guillermo, José Luis y todos los que quieran participar de nuestra comunidad de usuarios, harán que lo que está por venir sea lo mejor. En mi caso, definitivamente no me voy a alejar del Capítulo, siempre estaré envuelto de alguna forma, pero ahora desde otros frentes y dando el espacio para que nuestro nuevo presidente transmita su estilo. Sin duda alguna, yo seguiré con mis pequeños aportes en el mundo de SQL Server y Business Intelligence a Puerto Rico y la región. No olviden seguirme en mi blog www.alankoo.com

Para que todos se motiven por esta nueva etapa, los dejo con las fotos del SQL Saturday Puerto Rico 2013.

Para ver todas las fotos, visiten nuestra álbum en Facebook: http://www.facebook.com/media/set/?set=a.10151364813126906.1073741825.167703141905&type=1&l=f84f772bb7

Hasta la próxima,

Alan Koo

Co-Founder & Past President

PRPASS

GeoFlow tiene su originada en Microsoft Research, evolución del exitoso proyecto WorldWide Telescope para comunidades científicas y académicas explorar grandes volúmenes de datos astronómicos y geológicos. Los investigadores ha colaborado estrechamente con el equipo de producto de Office para GeoFlow desde sus inicios del laboratorio de investigación a la disponibilidad de este público escuchar en Excel. GeoFlow se suma a las existentes autoservicio capacidades de Business Intelligence en 2013 de Excel, tales como Microsoft Data Explorer escuchar y poder ver, para ayudar a descubrir y visualizar grandes cantidades de datos, del tráfico de Twitter al rendimiento de las ventas a los datos de población en las ciudades del mundo.

Con GeoFlow, usted puede:

1. Datos de mapa: Parcela de más de 1 millón de filas de datos de un libro de Excel, incluyendo el modelo de datos de Excel o PowerPivot, en 3D en Bing maps. Elija entre columnas, mapas de calor, y visualizaciones de la burbuja.
2. Descubrir ideas: Descubrir nuevas perspectivas de ver sus datos en el espacio geográfico y ver datos horaria cambian con el tiempo. Anotar o comparar datos en unos pocos clics.
3. Compartir historias: Captura de “escenas” y construir cinemáticas, guiadas “tours” que pueden compartirse ampliamente, involucrando al público como nunca antes.

Para obtener más información acerca de cómo las personas ya están utilizando GeoFlow para obtener y compartir perspectivas junto con otras herramientas de inteligencia de negocios de autoservicio en Excel, visite el blog de Excel.

Descargar el Add-in para Excel 2013 con Office 365 ProPlus o Office Professional Plus 2013.

Conozca más acerca de Microsoft BI.

(Source: Excel Blog)

(Original link: http://blogs.office.com/b/microsoft-excel/archive/2013/04/11/public-preview-of-geoflow-for-excel-delivers-3d-data-visualization-and-storytelling.aspx )

Microsoft ofrece a traves de Windows Azure un servicio de “Big Data” basado en Hadoop. Ven y conoce más de la estrategia de Microsoft sobre Big Data aqui http://www.microsoft.com/bigdata

Resumen

HDInsight servicios de Windows Azure es un servicio que implementa y disposiciones ™ ™ de Apache Hadoop racimos en la nube, proporcionando un marco de software diseñado para gestionar, analizan e informar sobre big data.

Datos se describen como “big data” para indicar que se está recogiendo en siempre crecientes volúmenes, a velocidades cada vez más altas y por una creciente variedad de formatos no estructurados y contextos semánticos variables. Recopilación de datos grande no proporciona valor a una empresa por cuenta propia. Para que big data proporcionar valor en forma de inteligencia o conocimiento, debe ser accesible, limpia, analizado y luego presentó una manera útil, a menudo en combinación con datos de otras fuentes.

Apache Hadoop es un framework de software que facilita el análisis y gestión de datos grande. Apache Hadoop core proporciona almacenamiento de datos fiable con el sistema de archivos distribuido Hadoop (HDFS) y un modelo de programación simple de MapReduce para procesar y analizar paralelamente los datos almacenados en este sistema distribuido. HDFS utiliza la replicación de datos para abordar cuestiones de falta de hardware que surgen al implementar tales sistemas altamente distribuidos.

Para simplificar la complejidad del análisis de datos no estructurados de diversas fuentes, el modelo de programación de MapReduce proporciona una abstracción de la base que proporciona el cierre para mapa y reduce las operaciones. El modelo de programación de MapReduce vistas todas sus tareas como cómputos sobre conjuntos de datos del par de clave y valor. Así tanto de entrada y salida archivos deben contener tales conjuntos de datos del par de clave y valor. Otros proyectos relacionados con Hadoop tales como cerdo y colmena se construyen en la parte superior HDFS y el marco de MapReduce, proporcionando mayores niveles de abstracción tales como flujo de datos control y consulta, así como funcionalidad adicional, como el almacenamiento y la minería, necesario para integrar el análisis de datos grandes y administración end-to-end.

HDInsight servicios de Windows Azure hace Apache Hadoop disponible como un servicio en la nube. Es el marco de software HDFS/MapReduce y proyectos relacionados disponibles en un entorno eficiente más simple, más escalable y costo. Para simplificar la configuración y ejecuta trabajos de Hadoop y administración de los grupos desplegados, Microsoft proporciona JavaScript y colmena consolas interactivas. Esto simplifica JavaScript enfoque permite que los profesionales y un grupo más amplio de desarrolladores para ocuparse de análisis y gestión de datos grande al ofrecer una vía más accesible para ellos en el marco de Hadoop.

Además de los proyectos disponibles ecosistema relacionados con el Apache Hadoop, servicios de HDInsight para Windows Azure también ofrece controladores de conectividad abierta de bases de datos (ODBC) para integrar herramientas de Business Intelligence (BI) como Excel, SQL Server Analysis Services y Reporting Services, facilitar y simplificar el análisis de datos end-to-end.

Este tema describe los servicios de Windows Azure, HDInsight, los principales escenarios para usar Hadoop en Windows Azure y ofrece un recorrido por el tablero de instrumentos de HDInsight servicios de Windows Azure. Contiene las siguientes secciones:

• Big Data: volumen, velocidad, variedad y variabilidad. -Las cualidades de datos grandes que hacen mejor gestionados por sistemas NoSQL como Hadoop, y no por convencional relacional base de datos de administración de sistema (RDBMS).

• El ecosistema de Hadoop en HDInsight servicios de Windows Azure - HDInsight servicios proporciona implementaciones de cerdo, colmena, Mahout, Pegaso, Sqoop y canal y compatible con otras herramientas de BI como Excel, SQL Server Analysis Services y Reporting Services que se integran con HDFS y el marco de MapReduce.

• Grandes escenarios de datos para Hadoop en Windows Azure – los tipos de trabajos apropiados para usar Hadoop en Windows Azure.

• Getting Started with HDInsight Se4vices para Windows Azure – acceder a Community Technical Preview (CTP) y una introducción a los servicios de HDInsight basados en Apache Hadoop de ™ ™.

• Tour del tablero de instrumentos – implementación de clusters, administrar su cuenta, muestras, y la consola interactiva de JavaScript.

• Recursos para servicios de HDInsight para Windows Azure – dónde encontrar recursos con información adicional.

Big data: volumen, velocidad, variedad y variabilidad

No puede manejar o procesar grandes datos RDBMS convencional por volúmenes de datos grandes son demasiado grandes, o porque los datos llegan a muy alta velocidad, o porque la variedad de estructuras de datos y variabilidad semántica no caben arquitecturas de bases de datos relacionales.

Volumen
La solución para big data Hadoop responde a dos tendencias divergentes. Por un lado, porque la capacidad de los discos duros ha seguido aumentando dramáticamente durante los últimos 20 años, grandes cantidades de nuevos datos generados por sitios web y por el nuevo dispositivo y generaciones de instrumentación conectadas a Internet, puede ser almacenado. Además, se automatiza el seguimiento de la conducta en línea de todo el mundo. Por otra parte, velocidades de acceso de datos en esas unidades de capacidad más grandes no han mantenido ritmo, para leer de y escribir en discos muy grandes son demasiado lento.

La solución para este cuello de botella de ancho de banda de red tiene dos características principales. En primer lugar, HDFS proporciona un tipo de arquitectura distribuida que almacena datos en varios discos con disco paralelo habilitado leyendo. En segundo lugar, mover cualquier requisito computacional de procesamiento de datos para el nodo de almacenamiento de datos, que permite el acceso a los datos locales como sea posible. El rendimiento mejorado de MapReduce depende de este principio de diseño conocida como localidad de datos. La idea ahorra ancho de banda por programas hacia los datos, en lugar de datos a los programas, dando por resultado el modelo de programación de MapReduce escala linealmente con el tamaño del conjunto de datos. Un aumento en el tamaño del clúster proporcionalmente con el volumen de datos procesados, el trabajo se ejecuta en más o menos la misma cantidad de tiempo.

Velocidad
La tasa en que datos se está volviendo disponibles para las organizaciones ha seguido una tendencia muy similar al descrita creciente volumen de datos, y es impulsado por registro de comportamiento mayor ecommerce clickstream consumidor y datos asociados sociales redes como Facebook y Twitter. Proliferación de dispositivo de smartphones y tablets ha aumentado drásticamente la tasa de generación de datos en línea. Juegos en línea y la instrumentación científica también generan flujos de datos a velocidades que RDBMS tradicionales no son capaces de hacer frente. Asegurar una ventaja competitiva en las actividades comerciales y juegos de azar requiere respuestas rápidas, así como resultados de análisis de datos rápida. Estos flujos de datos de alta velocidad con bucles de retroalimentación apretado requieren un enfoque de NoSQL como de Hadoop optimizado para la recuperación y almacenamiento rápido.

Variedad
Más datos generados están desordenados. Datos diversas fuentes no proporcionan una estructura estática que permite la gestión oportuna de RDBMS tradicional. Datos de redes sociales, por ejemplo, están típicamente basadas en texto teniendo una gran variedad de formas que no pueden quedar fijada en el tiempo. Datos de imágenes y sensores alimenta presentes retos similares. Este tipo de datos no estructurados requiere un sistema flexible de NoSQL como Hadoop que permite proporcionar una estructura suficiente para los datos entrantes, almacenar sin necesidad de un esquema exacto. Limpieza de datos no estructurados es una parte importante de procesamiento necesaria para preparar los datos no estructurados para su uso en una aplicación. Para hacer limpieza de alta calidad datos más fácilmente disponible, mercados de datos están compitiendo y especializada en la prestación de este servicio.

Variabilidad
También pueden surgir problemas más grandes en la interpretación de datos grandes. La variabilidad del término cuando se aplica a big data tiende para referirse específicamente a la amplia posible variación en el significado que se encuentran. Encontrar el contexto semántico más apropiado interpretar datos no estructurados que puede introducir complejidades significativas en el análisis.

El ecosistema de Hadoop en HDInsight servicios de Windows Azure

Introducción
HDInsight servicios de Windows Azure ofrece un marco que implementa una solución basada en la nube de Microsoft para el manejo de datos grandes. Este ecosistema FED administra y analiza cantidades grandes de datos explotando las capacidades de procesamiento en paralelo, otras optimizaciones de arquitectura HDFS y el modelo de programación de MapReduce. Tecnologías como Sqoop y saetín integran HDFS con almacenes de datos relacionales y los archivos de registro. Colmena y cerdo integran el procesamiento de datos y capacidades de almacenamiento. Pegasus proporciona capacidades de extracción de gráfico. Solución para Big Data de Microsoft se integra con herramientas de BI de Microsoft, como SQL Server Analysis Services y Reporting Services, PowerPivot de Excel. Herramientas de BI de Microsoft permiten realizar un sencillo BI en los datos almacenados y gestionados por el ecosistema de Hadoop en HDInsight servicios de Windows Azure. Las tecnologías de Apache-compatible y hermana tecnologías forman parte de este ecosistema construido para correr encima de Hadoop racimos son detallados y brevemente descritos en esta sección.

Cerdo
Cerdo es una plataforma de alto nivel para el procesamiento de datos grandes sobre Hadoop racimos. Cerdo consiste en un lenguaje de flujo de datos, llamado Pig Latin, apoyar las consultas de escritura en grandes conjuntos de datos y un entorno de ejecución de programas en ejecución desde una consola. Los programas de cerdo Latina consisten en series de transformación de conjunto de datos convertidos bajo las sábanas, a una serie de programa de MapReduce. Abstracciones de cerdo Latina proporcionan estructuras de datos más ricas que MapReduce y realizan para Hadoop lo que realiza SQL para sistemas RDBMS. Cerdo Latina es totalmente extensible. Usuario definido funciones (UDF), escrito en Java, Python, C# o JavaScript, se puede llamar para personalizar cada etapa de la ruta de procesamiento al componer el análisis. Para obtener más información, consulte Bienvenido a Apache cerdo!

Colmena
Colmena es un almacén de datos distribuidos, gestión de los datos almacenados en un HDFS. Es el motor de consulta de Hadoop. Colmena es para los analistas con sólidos conocimientos SQL, proporcionando una interfaz similar a SQL y un modelo de datos relacional. Colmena utiliza un lenguaje llamado HiveQL; un dialecto de SQL. Colmena, como cerdo, es una abstracción sobre MapReduce y cuando se ejecuta, colmena traduce las consultas en una serie de trabajos de MapReduce. Escenarios para la colmena están más cercanas en concepto a los de RDBMS y así que son apropiados para su uso con datos más estructurados. Para datos no estructurados, el cerdo es mejor opción. HDInsight servicios de Windows Azure incluye un controlador ODBC para la colmena, que permite consultar en tiempo real directa de herramientas de business intelligence como Excel en Hadoop. Para obtener más información, consulte Bienvenido a Apache colmena!

Mahout
Mahout es una librería open source de aprendizaje máquina facilitando edificio escalable bibliotecas de aprendizaje correspondiente. Utilizando el paradigma de mapa/reducir, algoritmos de agrupamiento, clasificación y filtrado colaborativo basado en el lote desarrollaron para Mahout se implementa sobre Apache Hadoop. Para más información, consulte ¿Qué es Apache Mahout.

Pagasus
Pegasus es un sistema de minería de gráfico de peta-escala en Hadoop. Minería de gráfico es utilizado para determinar los patrones, reglas y anomalías que caracterizan los gráficos de minería de datos. Un gráfico en este contexto es un conjunto de objetos con vínculos que existen entre dos objetos en el conjunto. Este tipo de estructura caracteriza por redes en todas partes, incluyendo las páginas vinculadas en la Web, Computadoras y redes sociales (FaceBook, Twitter) y muchos sistemas físicos y biológicos. Antes de Pegasus, el tamaño del gráfico máximo que podría ser minado había incorporado millones de objetos. Mediante el desarrollo de algoritmos que se ejecutan en paralelo sobre un cluster de Hadoop, Pegasus desarrolla algoritmos para mina gráficos que contiene miles de millones de objetos. Para obtener más información, consulte el sitio Web de Proyecto Pegasus .

Sqoop
Sqoop es la herramienta que las transferencias a granel datos entre Hadoop y bases de datos relacionales tal SQL o a otros almacenes de datos estructurados, tan eficientemente como sea posible. Usar Sqoop para importar datos de almacenes de datos externos en el HDFS o sistemas relacionados como la colmena. Sqoop también puede extraer datos de Hadoop y exportar los datos extraídos a bases de datos relacionales externas, almacenes de datos de la empresa o cualquier otro tipo de almacén de datos estructurados. Para obtener más información, vea la Apache Sqoop sitio Web.

Flume Saetín es un servicio distribuido, fiable y disponible para eficientemente recoger, agregación y mueven cantidades de datos de registro grande a HDFS. Arquitectura de canal es streaming base de flujo de datos. Es robusto y tolerantes con armonioso y mecanismos de fiabilidad con muchos mecanismos de recuperación y failover. Tiene un modelo de datos simples extensible que permite aplicaciones analíticas en línea. Para obtener más información, vea la canal sitio de incubación.

Herramientas de Business intelligence
Herramientas de Business Intelligence (BI) conocidas como Excel, PowerPivot, SQL Server Analysis Services y Reporting Services recupera, analiza y presenta datos integrados con HDInsight servicios de Windows Azure utilizando controladores ODBC. El controlador ODBC de colmena y colmena Add-in for Excel están disponibles para su descarga en el tablero de mandos HDInsight.
* Para instalar el controlador y el Add-in para Excel, ver Cómo para conectar Excel a Hadoop en Windows Azure via HiveODBC.
* Para obtener información de Analysis Services, vea 2012 Analysis Services de SQL Server .
* Para información de Reporting Services, consulte SQL Server 2012 informes .

Escenarios de grandes datos para servicios de HDInsight para Windows Azure

Un escenario ejemplar que preve un caso de una aplicación de servicios de HDInsight para Windows Azure es un análisis ad hoc, de manera de lote, en un conjunto de datos no estructurado todo almacenado en los nodos de Windows Azure, que no requieren actualizaciones frecuentes.

Estas condiciones se aplican a una amplia variedad de actividades en los negocios, la ciencia y el gobierno. Estas condiciones incluyen, por ejemplo, control de cadenas de suministro en retail, sospechoso comercio patrones en finanzas, patrones de demanda de servicios públicos y servicios, aire y agua calidad de matrices de sensores ambientales, o patrones de la delincuencia en áreas metropolitanas.

Hadoop es más adecuada para manejar una gran cantidad de datos registrados o archivados que no requieren de actualización frecuente, una vez que está escrito, y que se lee a menudo, por lo general para hacer un análisis completo. Este escenario es complementario a datos más adecuadamente manejados por un RDBMS que requieren menor cantidad de datos (Gigabytes en lugar de Petabytes), y que debe ser continuamente actualizado o consulta de puntos de datos específicos dentro del conjunto de datos completo. RDBMS funcionan mejor con datos estructurados organizados y almacenados según un esquema fijo. MapReduce funciona bien con datos no estructurados con ningún esquema predefinido porque interpreta datos cuando está procesando.

Introducción a servicios de HDInsight para Windows Azure

Los servicios de HDInsight para Windows Azure CTP
Los servicios de HDInsight para Windows Azure está disponible por invitación solamente durante este Community Technical Preview (CTP). El propósito de este CTP es para que probar los servicios disponibles del tablero de instrumentos HDInsight y retroalimentar. El proceso para acceder se describe a continuación.

El tablero de instrumentos de HDInsight servicios de Windows Azure
La implementación de Microsoft de Apache Hadoop en HDInsight servicios de Windows Azure utiliza un tablero de instrumentos a disposición nuevos clústeres de Apache Hadoop. Racimos provisionados en el salpicadero son temporales y expiran después de cinco días. Estos clusters ejecutan trabajos que procesan datos ya sea en el clúster o ubicados en otros lugares, por ejemplo en una cuenta de Windows Azure. La ventaja de usar un clúster temporal es que no hay ningún costo para mantener el hardware necesario para los trabajos de procesamiento paralelo de MapReduce. Puedes utilizan el clúster y luego liberan o dejarlo a punto de caducar.

Para acceder a los servicios de HDInsight para Windows Azure CTP e implementación de un cluster de Hadoop
Los pasos para poder tener acceso a los servicios de HDInsight para Windows Azure CTP, inicia sesión en el sitio y desplegar su primer cluster de Hadoop en Windows Azure son los siguientes.

1. Proporcionar información sobre sí mismo, dominio del negocio y escenario técnico completando la Apache Hadoop para Windows Azure y Windows Server conectar el perfil. Necesita un LiveID (por ejemplo, Hotmail.com, Live.com) completar y presentar el perfil de conexión. Esto podría requerir algunos pasos preliminares.
2. Una vez que reciba un código de invitación, ir a la HadoopOnAzure.com del sitio y haga clic en Iniciar sesión.
3. Si es tu primera vez, le permite HadoopOnAzure.com acceso a la información de su perfil de LiveID. Haga clic en sí. Abre el cuadro de diálogo de Got un código .
4. En el cuadro de diálogo de Got un código , introduzca el código de invitación y luego haga clic en inscribir.
5. Una nueva cuenta, su primera tarea es crear un Hadoop en clúster de Windows Azure. Sus opciones son las siguientes:Sus opciones son:
   1. Nombre DNS: elegir un nombre para el clúster. Aquí se utiliza “mysamples”.
      Tamaño del clúster: seleccione qué tamaño de clúster para probar contra. Actualmente sólo un clúster de 3 nodo está disponible para probar.
      Cluster Login: proporcionar un nombre de usuario para el cluster y la contraseña para iniciar sesión en él. Aquí el “someUserName” el valor por defecto, se utiliza.
   2. Haga clic en solicitar cluster (barra de la derecha, debajo de la barra verde)
   3. En este punto, Hadoop en el servicio de Windows Azure comienza a crear el nuevo grupo, que lleva hasta decenas de minutos, según el número de nodos y el número de racimos.

   Soluciones de Apache Hadoop para Windows también están disponibles para implementar para hardware que usted manejar el cluster directamente in situ. Para más información, vea Introducción a los servicios basados en la Developer Preview de Apache Hadoop de ™ ™ en Windows.

   Tour de la consola de HDInsight

   Una vez conectado con un racimo desplegado, abre su página de cuenta.

   Hay tres secciones en el salpicadero que agrupar los iconos con funciones de administración de HDInsight para Windows Azure:

   • Sus tareas: esta sección permite crear nuevos puestos de trabajo y seguimiento de los trabajos que previamente ha creado o ejecutar.
   • Su Cluster: esta sección proporciona varios métodos para interactuar con y administrar su racimo, por ejemplo, la Consola interactiva para JavaScript y colmena, Escritorio remoto para tener acceso al clúster directamente, la capacidad de Abrir puertos para conexiones ODCB FTPS y almacenamiento de Cluster de administrar , mercados de datos, recuperación ante desastres y conexiones a tu cuenta de Windows Azure BLOB Storage.
   • Administrar tu cuenta: esta sección rastrea la Historia de trabajo en su cuenta, da acceso a las muestras que vienen listos para ejecutarse con Hadoop en Windows Azure y ofrece descargas de cliente utilidades para Hadoop en Windows Azure, tales como el controlador ODBC de colmena y colmena Add-in for Excel. (La Historia de facturación puede ser ignorada durante la developer preview).

   Para explorar la funcionalidad de la consola, haga clic en cualquier icono. Para el uso de la funcionalidad de Nuevos puestos de trabajo y Consola interactiva , consulte el tema de Ejecutar trabajos con Hadoop en Windows Azure . Para tutoriales sobre la ejecución de las muestras, vea los temas de las muestras . Puede utilizar los comandos de sistema de archivo de Hadoop desde la ventana de comandos en el nodo principal, que está disponible en el Escritorio remoto.

   Recursos para HDInsight para Windows Azure

   Microsoft: Servicios HDInsight

   • Bienvenido a Hadoop en Windows Azure -la página de bienvenida para la Developer Preview para los servicios basados en Apache Hadoop para Windows Azure.
   • Basados en Apache Hadoop servicios para Windows Azure cómo To Guide – wiki de TechNet con enlaces a Hadoop en la documentación de Windows Azure.
   • Big Data y Windows Azure -escenarios de Big Data que exploran lo que puede crear con Windows Azure.

   Tutoriales para las muestras en el salpicadero

   • El Tutorial de muestra de estimador de Pi de Hadoop en Azure
   • El Tutorial de 10 GB Graysort muestra de Hadoop en Azure
   • C Hadoop en Azure # Streaming muestra Tutorial
   • La muestra de clasificación Mahout Hadoop en Azure
   • El Mahout Hadoop en Azure Clustering muestra 
   • Hadoop en Pegasus azul grado distribución muestra Tutorial
   • Hadoop en Pegasus azul Page Rank muestra Tutorial
   • Hadoop en importación de Sqoop azul muestra Tutorial
   • Hadoop en azul muestra Wordcount Tutorial

   Microsoft: Windows y base de datos SQL

   • Página de inicio de Windows Azure -escenarios, inscripción prueba libre, herramientas de desarrollo y documentación que usted necesita conseguir comenzaron creación de aplicaciones.
   • Base de datos de MSDN SQL -documentación de MSDN para base de datos SQL
   • Portal de gestión de base de datos SQL -una herramienta de gestión de base de datos ligero y fácil de usar para administrar la base de datos SQL en la nube.
   • Adventure Works para base de datos SQL -página de descarga de base de datos de base de datos SQL.

   Microsoft: Inteligencia de negocios

   • Microsoft BI PowerPivot -un mashup de datos de gran alcance y herramienta de exploración de datos.
   • Analysis Services de SQL Server 2012 -construcción integral, soluciones de escala empresarial analítica que ofrecen perspectivas útiles.
   • SQL Server 2012 informes -una solución completa y altamente escalable que permite la toma de decisiones en tiempo real en toda la empresa.

   Apache Hadoop:

   • Apache Hadoop -biblioteca de software que proporciona un marco que permite el procesamiento distribuido de grandes conjuntos de datos a través de clusters de computadoras.
   • HDFS -sistema de archivos distribuido de Hadoop (HDFS) es el sistema de almacenamiento de información primario utilizado por aplicaciones de Hadoop.
   • Mapa reducir -un modelo de programación y marco de software para escribir aplicaciones que procesan rápidamente grandes cantidades de datos en paralelo en grandes racimos de computan los nodos.
   (Source: social.technet.microsoft)
   Original Link (http://social.technet.microsoft.com/wiki/contents/articles/13820.introduction-to-hdinsight-services-for-windows-azure.aspx)

Gartner cambió el nombre de este Cuadrante Mágico de “Plataformas de Business Intelligence” a “Plataformas de Business Intelligence y Analytics” para enfatizar la importancia creciente de las capacidades de análisis de los sistemas de información que las organizaciones están ahora construyendo. Este informe anual evalúa la inteligencia de negocios (BI) y análisis de mercado como plataforma una plataforma de software que ofrece 15 funciones en tres categorías: la integración, la entrega de información y análisis. Además de las evaluaciones detalladas de 25 proveedores, también encontrará una visión general de las tendencias de la industria que afectan plataformas de BI y análisis, incluidos los intereses en tiempo real de contenido y análisis predictivo.

(Fuente: www.gartner.com)

Pero déjenme ir un poquito a las bases. Para los que no estén al tanto de lo que significa este evento, les cuento que SQL Saturday Puerto Rico 2013 congregará a más de 300 profesionales de la industria que trabajan o interactúan de alguna forma con datos y su administración, para brindar: 1) capacitación técnica de alto nivel; 2) oportunidades de networking con pares de la industria; y 3) nuevas oportunidades para desarrollo profesional.

Además de todo esto, SQL Saturday es un evento sin fines de lucro por lo que llega de manera gratuita a los participantes (sólo hay un “fee” de $10 para cubrir un delicioso almuerzo).

Es importante también dejarles saber que este evento es creado y auspiciado por PASS, la organización mundial de usuarios de SQL Server al cual nuestro Capítulo, PRPASS está afiliado. Los eventos SQL Saturday se dan no sólo en las principales ciudades de los Estados Unidos, sino a través de todo el globo, congregando a miles de profesionales con ganas de llevar su carrera al próximo nivel.

Si no lo has hecho aún, no corras el riesgo de quedarte fuera y regístrate hoy mismo.

Pre-Conferencias

A diferencia de años anteriores, además del evento principal el día sábado 20 de Abril, traeremos dos pre-conferencias que se llevarán a cabo el día anterior (viernes 19), las cuales son seminarios de un día completo de entrenamiento en profundidad presentados por profesionales de alta experiencia y reconocimiento en el mundo de SQL. En este caso los “Pre-Cons” como se les conoce en jerga PASS, serán los siguientes: The DBA Skills Update Toolkit, presentado por Eddie Wuerch (t: @EddieW) y; Practical Self-Service BI with PowerPivot 2012 for Excel, presentado por William Pearson III (t: @Bill_Pearson).

Con el mismo espíritu de PRPASS, los “Pre-Cons” tienen un costo simbólico en comparación a su precio en el mercado, orientado a subvencionar los viáticos y transportación del presentador. Próximamente publicaremos la información detallada de los mismos así como el link para el registro, estén alertas, la capacidad es limitada.

Call for Speakers

Como mencioné anteriormente, el principal objetivo de este evento es presentar contenido de primer nivel, es por eso que desde hace algunos meses tenemos abierto el Call for Speakers a la búsqueda de los mejores talentos, expertos de la industria y MVPs locales e internacionales que trabajen con tecnologías asociadas a PowerPivot, SQL Server, Analysis Services, Integration Services, Reporting Services, Data Quality Services, Master Data Services, entre otras. Semanas antes del evento, el team del evento, selecciona el mix de sesiones que formarán parte de la cartelera, buscando. Si quieres participar y posicionar a tu empresa (y a ti personalmente) como un líder de la industria, somete tu sesión ya!

Promueve tu compañía

SQL Saturday Puerto Rico es un evento enteramente soportado por sus auspiciadores, quienes tienen la oportunidad de tener acceso a más de 300 profesionales técnicos que buscan seguir avanzando en su carrera profesional a través de capacitación continua. Por otro lado, SQL Saturday también es una gran oportunidad para conocer y reclutar profesionales a la vanguardia de la tecnología, quienes pueden contribuir a la competitividad de su empresa.

Por este motivo nuestro llamado a todo tipo de empresas afines como training centers, empresas de consultoría en TI, empresas de staffing de recursos, y todo tipo de compañías que quieran  en a ser parte de este selecto grupo de auspiciadores y contribuir así a que este evento sea todo un éxito.

Stay Tuned!

Estén atentos a las próximas comunicaciones a través de nuestros distintos canales de comunicación: nuestra página oficial (www.prpass.org), Facebook (facebook.com/prpass) y Twitter (twitter.com/prpass).

Los dejo con los links importantes a tener en cuenta:

Página oficial del evento: http://www.sqlsaturday.com/205/eventhome.aspx

Registro: http://www.sqlsaturday.com/205/register.aspx
Call for Speakers: http://www.sqlsaturday.com/205/callforspeakers.aspx

Auspiciadores: http://www.sqlsaturday.com/205/sponsorsignup.aspx

Alan

Independent research firm Forrester Research, Inc. took note of this.  On November 2, 2010, Forrester published “SQL Azure Raises The Bar On Cloud Databases.” Forrester interviewed 26 companies using Microsoft SQL Azure over the past six months. As we also hear from our customers, most stated that SQL Azure delivers a reliable cloud database platform to support various small to moderately sized applications as well as other data management requirements such as backup, disaster recovery, testing, and collaboration. In the report, Principal Analyst Noel Yuhanna states that key enhancements have been made that position SQL Azure as a leader in the rapidly emerging category of cloud databases and writes that it “delivers the most innovative, integrated and flexible solution.”

Key advantages identified include:

• Low-cost acquisition and use
• Minimal effort for administration and configuration
• Easy to provision, on-demand capacity
• High availability at no extra effort or cost
• Scale-out capacity growth via a sharded data platform
• Transparent data access for applications and tools

There are also great customer testimonials, such as:

• “We did our cloud ROI analysis, and SQL Azure clearly stood out when it comes to offering a database platform at an attractive price. We are now considering more apps on SQL Azure.” (Andy Lapin, director of enterprise architecture, Kelley Blue Book)
• “Getting a database that’s 24×7 at a fraction of the cost, even if only for our less-critical applications, is a dream come true. Previously those less-critical apps went down too often because we did not have budget for highly resilient servers and databases. SQL Azure definitely changes the game.” (Database administrator, telco)

Source: (SQL Azure Team Blog)

Los temas discutidos fueron los siguientes:

• Common Table Expressions (CTE)
• Caracteristicas principales de las “Windows Functions”
• Tipos de “Windows Functions”
• PIVOT/UNPIVOT
• Muchos, muchos ejemplos

Espero que lo disfruten y nos vemos pronto en la próxima reunión.

Jose L.

En esta oportunidad hice un rápido recorrido por la primera parte de la presentación, para que los que no pudieron ver la primera parte no estén tan desubicados, pero la recomendación para todo aquel que esté leyendo este post por internet, es que vea el video de la primera parte.

Alguno de los temas discutidos en esta segunda parte son los siguientes:

• Medidas (Measures) vs Columnas Calculadas (Calculated Columns)
• RELATED y RELATEDTABLE
• Row Context vs Filter Context
• Uso de VALUES
• Algunos ejemplos con CALCULATE
• Time Intelligence

Los dejo con el video:

Alan

Esta presentación asume que la audiencia ya tiene los conceptos básicos de PowerPivot o de Analysis Services en modo Tabular y cómo crear sus primeros modelos, aunque se hace una breve introducción y se aclaran los conceptos principales durante los primeros 15 minutos. Esta presentación es una variación a las que ya he hecho en oportunidades anteriores pero incluyendo nuevos detalles o ejercicios producto de la evolución.

Listo a continuación los temas tratados durante la sesión:

• Revisión de los sabores de Analysis Services
• Acerca de DAX
• DAX vs MDX
• Creación de un modelo en PowerPivot / SSAS Tabular Mode
• Columnas Calculadas vs Medidas (Funciones en Excel 2013)

A continuación los “slides” de la presentación:

Ahora sí, la grabación de la sesión (no olviden ajustar la calidad del video según su preferencia):

Ahora si me despido, no sin antes dejar la promesa para la parte 2 de por lo menos los siguientes tópicos:

• Agregaciones básicas en DAX
• Manejo de relaciones entre tablas (RELATED y RELATEDTABLE)
• Filter Context
• Funciones para “Time Intelligence”
• Caso: Conteo de clientes

Nos vemos.

Alan