Ce projet permet de comparer les performances des langages PIG et Spark dans le cadre d'un calcul de PageRank sur des données distribuées. Il inclut des scripts pour générer des données, exécuter les algorithmes et analyser les résultats. L'objectif est d'étudier l'impact des paramètres (nombre d'itérations, nombre de machines) sur le temps d'exécution et d'identifier les optimisations possibles pour améliorer l'efficacité des traitements.

Ce projet académique vise à implémenter l'algorithme PageRank en utilisant les langages Pig et Spark pour traiter des données massives. L'objectif est de comparer les temps d'exécution de cet algorithme selon la taille des clusters distribués. Les données utilisées proviennent d'un crawl de pages web, permettant d'analyser les liens entre les pages et de calculer leur importance relative.

Ce projet académique compare les performances de deux frameworks, Apache Pig et Apache Spark, pour calculer un algorithme de PageRank sur un crawl de pages Wikipedia. L'objectif est d'analyser les temps d'exécution et l'efficacité de chaque solution dans un environnement distribué. Les résultats sont compilés et présentés sous forme de rapports et de graphiques pour évaluer les différences entre les deux approches.