Build2016上值得一看的大数据相关Session
（此文章同时发表在本人微信公众号“dotNET每日精华文章”，欢迎右边二维码来关注。)
题记：Build2016开完很久了，现在才来回顾下，就说说那些和大数据相关的Session，也因为笔者最近在深入研究这方面的东西。
3月30日到4月1日的Build2016 微软开发者大会的内容引爆了整个.NET开发社区，大家的热情都被Xamarin免费开源、Bash on Windows等点燃了。不过在这些热点背后，我还是比较关注和自己最近研究的大数据领域相关的Session。下面我就整理一些我个人认为值得关注的：
1，Building Big Data Applications using Spark and Hadoop
Spark现在在大数据方面的应用已经在抢占Hadoop的风头了，国内的互联网公司也已经有很多这方面的案例和分享。或许你正为快速搭建Spark集群伤脑筋，不过我们知道微软很早就在Azure中提供了Hadoop的服务——HDInsight，这不为了让大家也能轻易的使用Spark，HDInsight服务也开始支持Spark了。这个Session就讲述了如何利用Azure的Spark服务来快速搭建自己的大数据应用。
回放地址在：https://channel9.msdn.com/Events/Build/2016/P420
2，Building Analytics for the Modern Business
随着大数据技术的发展，商业智能分析也进入了新阶段：数据实时的创建出来、这些数据由多种类型组成、数据量巨大、用户期望更高、希望硬件和存储成本更低、能够移动化访问。从而如何构建这样的数据解决方案就成为挑战。Azure通过提供数据仓库服务（Data Warehouse as a Service）来帮助大家开发快速和低成本的开发这样的解决方案。
Session回放地址在：https://channel9.msdn.com/Events/Build/2016/T682
3，U-SQL: 0-60 for Big Data with .NET
U-SQL是微软在Azure Data Lake（数据湖）中引入的一种基于SQL的新语言，它可以使用C#语言的语法来扩展大家熟悉的SQL语法，从而让大数据处理更加容易和有意思。这个Session会讲述U-SQL背后的概念，并通过一些例子来展示如何使用它查询非结构化、半结构化和结构化数据。
回放地址在：https://channel9.msdn.com/Events/Build/2016/T696-R2
4，Azure Data Lake and Azure Data Warehouse: Applying Modern Practices to Your App
这个Session是关于Azure新数据服务Azure Data Lake和Azure Data Warehouse的概览介绍。两个服务都可用来存储、处理和分析巨量数据。本Session会深入讲解每个服务，并带领大家了解集成大规模数据分析服务到应用的常见模式。
回放地址在：https://channel9.msdn.com/Events/Build/2016/B813
5，A Developers Guide to Azure SQL Data Warehouse
这个Session其实是一个关于Data Warehouse的入门介绍了。介绍了数据分布、表设计和查询优化的基础知识，从而为商业智能解决方案提供最佳的性能。
回放地址在：https://channel9.msdn.com/Events/Build/2016/P402
6，A Lap Around R Tools for Visual Studio
作为宇宙最强IDE，在微软收购R语言的开发商之后，自然也提供了R语言的开发工具。通过使用R Tools for Visual Studio，让你在喜爱的VS里面同样可以对数据进行分析，创建预测模型，快速、交互式的、酷炫的可视化数据，还可以利用统计学和机器学习领域的一些函数库。这个Session就对这一工具进行了一个完整的讲解。
回放地址在：https://channel9.msdn.com/Events/Build/2016/B884
7，Advanced Analytics with R and SQL
在微软收购R开发商之后，R语言就被融入到SQL Server当中，所以把R和SQL配合使用也就是自然而然的事情了。这个Session讲述了如何充分发挥这两个语言各自的优势，来实现高级数据分析的场景。
回放地址在：https://channel9.msdn.com/Events/Build/2016/B805
8，Data Integration in the Cloud and Building Data Analytics Pipelines
上面提到了这么多关于数据的服务（Azure Data Factory, Azure Data Lake Store and Azure Data Lake Analytics, SQL Data Warehouse），那么如何把这些东西乃至本地部署的Hadoop集群集成起来，形成一个数据分析的管道呢？这个Session就能为你解开答案。
回放地址：https://channel9.msdn.com/Events/Build/2016/P430
9，Intelligent Systems: Advanced Analytics in Action for Retail, Healthcare and Manufacturing
再高级的数据分析技术，最终都要回到实际应用场景中，那么这个Session会给你展示在零售业、医疗卫生和制造业方面的实际商业智能系统的案例分享。
