Big Data

Monografía académica y formativa titulada originalmente "Big Data: A Primer", compilada y editada por Hrushikesha Mohanty, Prachet Bhuyan y Deepak Chenthati como parte de la colección Studies in Big Data de Springer (Volumen 11). El libro está concebido para estudiantes de posgrado, investigadores y profesionales de la ingeniería de software con nivel intermedio que necesitan un marco teórico sólido y riguroso sobre las metodologías, paradigmas computacionales y retos estructurales asociados a la gestión y análisis de grandes volúmenes de información heterogénea.

Estructurado en siete capítulos especializados, el volumen profundiza en los componentes clave del ecosistema de macrodatos: arquitecturas universales capaces de integrar y razonar sobre datos procedentes de transacciones, interacciones sociales y observaciones sensorizadas; algoritmos y paradigmas de computación distribuida (tablas hash distribuidas, minería de flujos o data streams, modelos Bulk Synchronous Parallel y MapReduce); mecanismos de indexación y búsqueda en flujos textuales masivos; protocolos de seguridad, protección de la privacidad y tolerancia a fallos en entornos de nube; y formulación de marcos para Acuerdos de Nivel de Servicio (SLA) adaptados a servicios analíticos, concluyendo con aplicaciones en rendimiento empresarial, marketing digital y gestión de relaciones con clientes.

La obra adopta un enfoque estrictamente analítico y metodológico, con formalismos matemáticos, taxonomías de diseño y análisis cualitativos y cuantitativos de algoritmos, sin ejercicios guiados ni proyectos de desarrollo de software directo. Aporta un excelente sustento conceptual para justificar decisiones arquitectónicas y comprender las limitaciones algorítmicas de la computación masiva, resultando ideal como bibliografía de consulta e investigación antes de abordar diseños de plataformas distribuidas o trabajos de tesis académica.