Open-Source-Datenbanksysteme: Von MySQL bis NoSQL oder gleich in die Cloud?

Größe: px
Ab Seite anzeigen:

Download "Open-Source-Datenbanksysteme: Von MySQL bis NoSQL oder gleich in die Cloud?"

Transkript

1 Open-Source-Datenbanksysteme: Von MySQL bis NoSQL oder gleich in die Cloud? GI-Regionalgruppentreffen, Jena Kai-Uwe Sattler Ilmenau University of Technology, Germany

2 Überblick! Open-Source-DBMS! Stand relationaler DBMS! NoSQL als Alternative?! Database as a Service! Fazit 2

3 Der RDBMS-Markt! Riesiger Markt:! Gesamt: $18 Mrd. (2007)! Mehr als 40% Marktanteil: Oracle! DBMS als Rückgrat moderner IT- Infrastrukturen! Unverzichtbar wie Wasser, Strom, Netzwerk,...! Vielfältigste Anforderungen! Einige 100 Tupel... TB Daten! Eingebettete Datenbank... Backend für CMS... Produktionssteuerung! Notebook-Einsatz... 24/7-Betrieb! Lookups... Komplexe Datenanalysen! Kommerzielle Anbieter! Ausgereifte, hochkomplexe Produkte! Hoher Preis, meist hoher Lern- und Adminaufwand 3

4 Open-Source-Definition! Lizenz für Software, deren Quelltext öffentlich zugänglich ist! Freie Weitergabe: auch Bundling oder Verkauf, jedoch keine Lizenzgebühren! Verfügbarkeit des Quellcodes! Keine Nutzungseinschränkung! Ableitung von Software! Integrität des Originalcodes 4

5 Gründe für OS-DBMS-Einsatz! Verfügbarkeit des Quellcodes! Vertrauenswürdigkeit! Notwendigkeit der Anpassung oder Erweiterung! Einbindung in andere Produkte! Lizenzkosten! Quellcode! Kosten! Investitionskosten vs. laufende bzw. Folgekosten! Support neue Geschäftsmodelle 5

6 Überblick! Open-Source-DBMS! Stand relationaler DBMS! NoSQL als Alternative?! Database as a Service! Fazit 6

7 MySQL! 1994 als Nachbau von msql entwickelt! Bis 2008 MySQL AB, danach Sun! Seit 2010 Oracle! Duales Lizenzmodell: GPL + kommerziell! Am weitesten verbreitetes Open-Source-DBMS (angeblich 6 Mill. Installationen)! Bestandteil vieler Distributionen 7

8 MySQL: Features! Verschiedene Tabellentypen (DB-Engines)! MyISAM vs. InnoDB! Teilweise keine Transaktionsunterstützung sowie Überprüfung von Integritätsbedingungen! Seit Version 5! Trigger, Stored Procedures, Sichten, Partitionierung! MySQL Cluster: für Cluster-Umgebungen mit In-Memory- Tabellen und synchroner Replikation! Failover, Backup, fortgeschrittene Replikation in der Enterprise-Version! MySQL Workbench für Entwurf und Administration 8

9 PostgreSQL! In den 80er Jahren aus Berkeley-Ingres und Postgres als objektrelationales DBMS entstanden! Zunächst QUEL als Anfragesprache! Seit 1994 SQL-Frontend! Seit 1997 durch Open-Source-Community weiterentwickelt! Weite Verbreitung, bei vielen Linux-Distributionen mitgeliefert! Plattform: Linux, Windows! Aktuelle Version: 9.1 9

10 PostgreSQL: Features! Viele Features von SQL:2003 inkl. u.a.! rekursiver Anfragen! Volltextsuche! Benutzerdefinierter Datentypen, Arrays,...! Spatial-Erweiterungen (über PostGIS)! MVCC! Trigger und gespeicherte Prozeduren in verschiedenen Sprachen! Änderbare Sichten über Regeln! Kontinuierliche Archivierung und Point-in-Time Recovery! Hochverfügbarkeit über diverse Replikationsmechanismen (Log-Shipping, Streaming Replication, asynchrone Replikation,...)! pgadmin zur Verwaltung 10

11 Ingres! Aus Berkeley Index (M. Stonebraker) entstanden! Weit verbreitet als Ingres 6.4 bzw. IngresII, ursprüngliche Anfragesprache QUEL! Niedergang seit Aufkauf durch CA: Marketing, Lizenzkosten! Seit 2005 Ingres Corp., inzwischen Actian! Aktuelle Version 10! Ingres 2006 als Open-Source-Version veröffentlicht! Weltweit zweitgrößtes OS-Unternehmen 11

12 Ingres: Features! Plattformen: Linux, Windows! SQL als Anfragesprache! Verschiedene Tabellen- und Indextypen, verschiedene Blockgrößen! Trigger und DB-Prozeduren! MVCC! Verteilte DB über Ingres/STAR! Optimierer:! vollständige Enumeration / Greedy-Enumeration! Histogramme für Wertverteilung zur Kostenberechnung (erstes RDBMS mit Histogrammen!)! Backup & Recovery: Online Backup, Checkpointing! Spatial-Erweiterung als Community-Projekt! Vectorwise Engine in kommerzieller Version 12

13 MonetDB! Seit 1993 am CWI entwickelter Datenbank-Kern, inzwischen Open-Source-System! eines der ersten Column-Store-Systeme! Anwendungsbereiche: lese-dominierte Datenverarbeitung wie OLAP, BI, Data Mining, Scientific Workloads! Sowohl akademische als auch kommerzielle Anwendungen! XML/XQuery (Pathfinder), Data Mining, Digital Forensics, Multimedia & IR,...! Verarbeitungsprinzip! In-Memory-Verarbeitung! Operator-at-a-time -> spaltenweise Verarbeitung! Datenstruktur: BAT; Algebra: spaltenorientierte Algebra (MAL)! Vollständiges relationales SQL & XML/XQuery DBMS! ACID-Transaktionen (WAL, OCC) 13

14 MonetDB: Datenmodell Quelle: S. Manegold - MonetDB: Open-source Columnar Database Technology Beyond Textbooks,

15 MonetDB: Anfragefeatures! SQL:2003! Weitgehende Unterstützung des Standards! Ablauf:! Parsen von SQL und Übersetzung in n-äre relationale Algebra! Übersetzung in logische und danach physische binäre Algebra (MAL- Programm auf BATs)! Optimierung! Front-end-spezifisch (SQL, XQuery) durch Heuristiken! Back-end auf MAL-Ebene! Kein echter kostenbasierter Optimierer! Unterstützung von Constraints! Keine B+-Baum-Indexe! Primarschlüssel und Distinct-Constraints: Hash-Indexe! Fremdschlüssel: Join-Indexe 15

16 MonetDB: Performance-Vergleich (TPC-H) Quelle: S. Manegold - MonetDB: Open-source Columnar Database Technology Beyond Textbooks,

17 DBMS-basierte Suites! DBMS als Baustein komplexer IT-Stacks! Beispiele:! Content Management (Typo3+MySQL)! Business Intelligence/OLAP Reporting OLAP Dashboard!... BI-Server 17

18 Überblick! Open-Source-DBMS! Stand relationaler DBMS! NoSQL als Alternative?! Database as a Service! Fazit 18

19 Grenzen klassischer RDBMS! Datenmodell! Semistrukturiert: schemafreie Daten, Textdokumente,...! Einbettung / Customizing! Weglassen von Komponenten: Anfragesprache, Transaktionen,...! Bundling mit Applikation! ressourceneffizienter Betrieb! Administration! Skalierbarkeit! Datenvolumen: Verwaltung und Analyse von TB...PB-Daten! Last: Transaktionsdurchsatz,... 19

20 Scale up vs. Scale out! Scale up: wenige, aber größere Server! Scale out: viele, kleinere (Commodity-)Server Quelle: ibm.com Quelle: storagesystems1.com 20

21 Techniken für skalierbares Datenmanagement! Arbeit verteilen! klassische Parallelisierungstechniken (Inter-Query- bzw. Intra-Query- Parallelität)! Sharding! Arbeit reduzieren! IO als dominierenden Faktor reduzieren (Caching, Main Memory DBMS)! Spezialisierung (Column Stores, OLTP- DBMS)! Arbeit outsourcen! Amazon RDS (5 GB..1 TB), SQL Azure (100 GB) 21

22 Grenzen: CAP-Theorem [Brewer 2000]! Consistency: alle Clients (Anwendungen) haben die gleiche Sicht auf den Datenbestand auch im Fall von Updates! Availability: es ist immer eine Kopie der Daten verfügbar, auch im Fehlerfall! Partition Tolerance: Systemeigenschaften bleiben auch bei Partitionierung des Netzwerks erhalten Für verteilte Shared-Data-Systeme sind zu jeder Zeit nur maximal zwei dieser drei Eigenschaften erreichbar. 22

23 CAP-Theorem Consistency Keine Konsistenzgarantien Updates erfordern Konfliktbehandlung Im Partitionierungsfall: warten bis Daten wieder konsistent sind Sperrverfahren Availability Partition Tolerance Jeder Knoten ist mit jedem verbunden oder alle bilden eine atomare Einheit 2PC 23

24 Außerdem...! Optimierung und Ausführung von Anfragen! formuliert in SQL: SQL/XML...!... über 1000 Knoten hinweg??! Umgang mit Ausfällen! 1 Server 1 Ausfall alle 3 Jahre (1000 Tage)! Server 10 Ausfälle pro Tag!! Konsequenz: Einschränkung der Funktionalität! AP, CA, (CP)-Systeme! Transaktionssemantik (begrenzte Atomarität)! Anfrageoperationen (Schlüsselzugriffe, keine Verbunde) 24

25 NoSQL eine Alternative?! Klasse von Datenbanksystemen, die einen nicht-relationalen Ansatz verfolgen! im Datenmodell: Graphen, Dokumente,...! in der Anfragesprache: kein SQL, keine Anfragesprache,...! in Architektur und Features: massiv verteilt, eingeschränkte ACID- Eigenschaften (Konsistenz, Isolation) 25 kein SQL, keine Transaktionen, kein Schema und keine Integritätsbedingungen

26 Markt & Beispiele! Key-Value-Stores:! Speicherung von Schlüssel-Wert-Paaren, Lookup-Operationen! Beispiele: S3, Riak,...! Dokumentenzentrierte Systeme:! kein oder flexibles Schema (JSON-Dokumente)! Beispiele: CouchDB, mongodb,...! Graphenorientierte Systeme:! Verwaltung von Graphstrukturen (z.b. für soziale Netze)! Beispiele: Sones,...! Row und Column Stores:! klassische tupelstrukturierte Daten, SQL-ähnliche Anfragen! Beispiele: BigTable, SimpleDB,... 26

27 Cassandra! entwickelt von Facebook und 2008 als Open Source veröffentlicht! seit 2010 Top-Level-Projekt bei Apache! Kombination von Amazon Dynamo (massiv verteilt) und BigTable (ColumnFamily)! Basis:! DHT mit Consistent Hashing! Replikate im Ring verteilt! asynchrone und synchrone Replikation 27

28 Cassandra: Datenmodell! Column = Tripel aus (Name, Wert, Zeitstempel)! ColumnFamily (CF) = Tabelle aus Rows mit eindeutigem Schlüssel! Immer sortiert nach Schlüssel (Index)! Zusätzliche Sekundärindexe möglich Keyspace: Bestellsystem CF: CUSTOMER Key Column: Name Column: Address 42 Felix Potsdam 43 Alfons München CF: ORDERS... 28

29 Cassandra: Anfragen! Thrift-API (RPC-Zugriffe)! CQL einfachste Anfragen! Selektion über indexierte Spalten! Keine Joins! Operationsspezifische Beeinflussung der Konsistenz! ZERO (keine Garantien), ANY, ONE (Schreiben auf mind. 1 Knoten), QUORUM (Mindestanzahl von Knoten beim Schreiben), ALL (alle Knoten)! Konflikterkennung über Zeitstempel! Commit-Logs, nicht nur Replikation 29

30 Bewertung! frischer Wind im Datenbankmarkt! mit > 122 Einträgen! NoSQL-Systeme zielen (nicht nur) auf Skalierbarkeit ab! verschiedene (Optimierungs-)Ziele! Durchsatz! Datenvolumen! flexible Schemata!...!... sind schon im produktiven Einsatz! in kommerziellen Cloud-Angebote (Amazon SimpleDB, Google AppEngine,...)! in Web2.0-Unternehmen (Facebook, Foursquare,...)! auch von Oracle ;-)! aber nicht immer dauerhaft! siehe Facebook: Cassandra HBase, Ubuntu: CouchDB?? 30

31 Überblick! Open-Source-DBMS! Stand relationaler DBMS! NoSQL als Alternative?! Database as a Service! Fazit 31

32 Versteckte Kosten traditioneller Software Traditional Software SaaS SW Licenses Subscription Fee Training Hardware Training Customization IT Staff Maintenance Customization 32

33 Software as a Service (SaaS) Traditionelle Software On-Demand Utility Build Your Own Plug In, Subscribe Pay-per-Use 33

34 Servicemodelle für die Cloud! Cloud Software as a Service (SaaS)! Nutzung vorgefertigter Applikationen! Cloud Platform as a Service (PaaS)! Deployment und Betrieb eigener Anwendungen in der Cloud! Cloud Infrastructure as a Service (IaaS)! Mieten von Processing- Storage- und Netzwerkkapazität 34

35 DBaaS: Lösungsraum Cloud-Storage put/get Amazon S3 SQL Virtualisierte DB-Server Google Cloud SQL Amazon RDS Microsoft SQL Azure eine DB pro Client Amazon SimpleDB Google BigTable Skalierbare verteilte DBS eine DB für alle Clients 35

36 Microsoft SQL Azure! Cloud-basierter DB-Service für Azure-Plattform! SQL Server = Gruppe von Datenbanken über mehrere physische Maschinen hinweg! Unterstützung des Relationenmodells und T-SQL (Tabellen, Sichten, Indexe, Trigger, Stored Procedures)! Deployment und Administration über SQL Server Management Studio! Aktuelle Beschränkungen! DB-Größe = max. 50 GB! Keine Unterstützung von CLR, verteilte Anfragen & Transaktionen, Spatial Data,... 36

37 Microsoft SQL Azure: Details! Datenbanken! implementiert als replizierte Partitionen! über mehrere physische Knoten hinweg! Load Balancing und Failover! API! SQL, ADO.NET, ODBC! Tabular Data Streams! SQL Server Authentication! Sync Framework! Preise! 1 GB Datenbank: $9.99/Monat, 10 GB: $99.99/Monat + Datentransfer! SLA: 99.9% Verfügbarkeit 37

38 Amazon RDS! Amazon Relational Database Services! Web Service für Aufsetzen und Betreiben von MySQL- Datenbanken! Full-featured MySQL 5.1! Automatisiertes Datenbank-Backup! Java-basierte Command Line Tools und Web Service API für Instanzadministration! Nativer DB-Zugriff! Preise:! Small DB instance (1.7 GB memory, 1 ECU): $0.11/Stunde! Largest DB instance (68 GB, 26 ECU): $2.60/Stunde! + $0.10 GB-Monat Speicher (5 GB.. 1 TB)! + Datentransfer 38

39 Amazon Data Services! Amazon Simple Storage Service (S3)! Verteilter Blob-Speicher für Objekte (1 Byte... 5 GB Daten)! REST-basiertes Interface zum Lesen, Schreiben und Löschen von Objekten! Identifiziert über eindeutigen, benutzerdefinierten Schlüssel! Atomare Single-key-Updates; kein locking! Eventual consistency (teilweise read-after-write)! Aug 2009: mehr als 64 Mrd. Objekte 39

40 Amazon SimpleDB! NoSQL-Cloud-Service von Amazon! Alternative zu S3 (Storage) und RDS (MySQL-Instanzen)! Hochverfügbar und hochskalierbar (AP-System)! Pay-per-Use-Preismodell (Datentransfer, Anzahl Requests)! Bsp. 1 Mill. Items a 25 Attribute (500 GB Speicher); 500 GB In/ Out, Requests => $185/Monat! Tools:! AWS Toolkit for Eclipse! Scratchpad (Javascript/HTML)! SDK für Java, PHP,.NET,... 40

41 Amazon SimpleDB! Datenmodell! Tupelmodell: Domain = Kollektion von Items beschrieben über Key-Value-Paare; max. Größe10 GB! Attribute können pro Item hinzugefügt werden (max. 256)! API Storage Account Customer Order Customer #1 Customer #2 Domain Item Name: Wolfgang City: Dresden Attribute: Value! Domain: CreateDomain, ListDomain,...! Item: PutAttributes, DeleteAttributes bzw. GetAttributes 41

42 Amazon SimpleDB! Anfragen! Beschränkt auf einzelne Domain! SFW-Syntax + count() + Multiattribut-Prädikate! Stringwertige Daten: Vergleich nur lexikographisch! Einschränkungen! Standardfall: Eventually Consistent Reads! Lesen garantiert nicht Ergebnisse des letzten Schreibens (erst nach Wiederholung, max. 1 Sekunde)! Consistent Read für einzelne Leseanforderungen! Atomares Schreiben nur pro Item! Synchronisation von Hand über bedingte Put/Delete- Operationen möglich 42

43 Vergleich Anfragemodell Logisches Datenmodell Konsistenzmodell Transaktionsgarantien Amazon SimpleDB Get + 1- Table-SQL Google BigTable get+key-based range scans Amazon RDS SQL SQL Azure SQL Tupelmodell flexible tables relational relational eventual relaxed strict strict ltem-level row-level ACID ACID Replikation data-level GFS DB-level DB-level 43

44 Überblick! Open-Source-DBMS! Stand relationaler DBMS! NoSQL als Alternative?! Database as a Service! Fazit 44

45 Aktuelle Trends! Neue Architekturkonzepte! Column Stores: MonetDB! Hauptspeicher-Datenbanken: Derby, HSQLDB, MySQL Cluster! Komplette Stacks! BI: Pentaho, Jaspersoft! CMS,...! Nichtrelationale Systeme! Dokumentenorientiert: CouchDB, MongoDB! Key-Value-Stores: Riak,...! Verteilte, hochskalierbare Systeme! Cassandra, HBase,...! Neue Geschäftsmodelle! Community-Versionen, Subscription-Modelle! Cloud-Services für Hosting und Betrieb! Amazon RDS, Microsoft Azure,... 45

46 Fazit! Open-Source-RDBMS! Inzwischen leistungsfähige und ausgereifte Systeme für Produktiveinsatz! Kommerzieller Support möglich! Unterschiede zu kommerziellen Systemen im Wesentlichen in den Bereichen Backup/Recovery, HA, Administrationsunterstützung/ Tuning! NoSQL-Systeme! Für Nicht-Standard-Anwendungen: schwach strukturierte Daten, Graph-Daten, Big Data Analytic! fehlende Funktionalität von SQL-DBMS (Anfragesprache, Verbunde, Transaktionsunterstützung,...)! wird in Anwendung eventuell nicht vermisst! oder muss in der Anwendung nachimplementiert werden! Viele Angebote, aktive Entwicklung! Jedoch häufig noch nicht sehr ausgereift 46

47 Fazit! Database as a Service-Angebote! Cloud-Dienste für Hosting von Datenbanken! Virtualisierte DB-Server wie MySQL, Oracle,...! Hochskalierbare, verteilte Datenbanken mit eingeschränkten Features! versprechen elastischen + Zero-Admin-Betrieb! flexible Preismodelle (Pay-per-use,...)! Aber:! Kosten nicht unterschätzen, zukünftige Preisentwicklung?! Technische Fragen:! DBMS nur eine Komponente Hosting weiterer IT-Systeme! Datentransfer! Rechtliche Fragen:! Anbieter meist US-Unternehmen Patriot Act! Sicherheit und Privacy? 47

48 Links! MySQL: PostgreSQL: Ingres: MonetDB: NoSQL: 2010: 48

Weniger ist mehr? Skalierbares Datenmanagement zwischen NoSQL und klassischen DBS

Weniger ist mehr? Skalierbares Datenmanagement zwischen NoSQL und klassischen DBS Weniger ist mehr? Skalierbares Datenmanagement zwischen NoSQL und klassischen DBS Herbsttreffen der FG DB, 17./18.11.2011 Kai-Uwe Sattler Ilmenau University of Technology, Germany www.tu-ilmenau.de/dbis

Mehr

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2 Seminar Cloud Data Management WS09/10 Tabelle1 Tabelle2 1 Einführung DBMS in der Cloud Vergleich verschiedener DBMS Beispiele Microsoft Azure Amazon RDS Amazon EC2 Relational Databases AMIs Was gibt es

Mehr

NoSQL. Einblick in die Welt nicht-relationaler Datenbanken. Christoph Föhrdes. UnFUG, SS10 17.06.2010

NoSQL. Einblick in die Welt nicht-relationaler Datenbanken. Christoph Föhrdes. UnFUG, SS10 17.06.2010 NoSQL Einblick in die Welt nicht-relationaler Datenbanken Christoph Föhrdes UnFUG, SS10 17.06.2010 About me Christoph Föhrdes AIB Semester 7 IRC: cfo #unfug@irc.ghb.fh-furtwangen.de netblox GbR (http://netblox.de)

Mehr

NoSQL-Datenbanken. Kapitel 1: Einführung. Lars Kolb Sommersemester 2014. Universität Leipzig http://dbs.uni-leipzig.de 1-1

NoSQL-Datenbanken. Kapitel 1: Einführung. Lars Kolb Sommersemester 2014. Universität Leipzig http://dbs.uni-leipzig.de 1-1 NoSQL-Datenbanken Kapitel 1: Einführung Lars Kolb Sommersemester 2014 Universität Leipzig http://dbs.uni-leipzig.de 1-1 Inhaltsverzeichnis NoSQL-Datenbanken Motivation und Definition Kategorisierung, Eigenschaften

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

NoSQL. Was Architekten beachten sollten. Dr. Halil-Cem Gürsoy adesso AG. Architekturtag @ SEACON 2012 Hamburg

NoSQL. Was Architekten beachten sollten. Dr. Halil-Cem Gürsoy adesso AG. Architekturtag @ SEACON 2012 Hamburg NoSQL Was Architekten beachten sollten Dr. Halil-Cem Gürsoy adesso AG Architekturtag @ SEACON 2012 Hamburg 06.06.2012 Agenda Ein Blick in die Welt der RDBMS Klassifizierung von NoSQL-Datenbanken Gemeinsamkeiten

Mehr

PostgreSQL im praktischen Einsatz. Stefan Schumacher

PostgreSQL im praktischen Einsatz. Stefan Schumacher PostgreSQL im praktischen Einsatz 2. Brandenburger Linux Infotag 2005 Stefan Schumacher , PGP Key http:/// $Header: /home/daten/cvs/postgresql/folien.tex,v 1.11 2005/04/25

Mehr

NoSQL-Databases. Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de

NoSQL-Databases. Präsentation für Advanced Seminar Computer Engineering, Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de NoSQL-Databases Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de Klassische SQL-Datenbanken Anwendungsgebiet: Geschäftsanwendungen Behördenanwendungen

Mehr

Oracle Big Data Technologien Ein Überblick

Oracle Big Data Technologien Ein Überblick Oracle Big Data Technologien Ein Überblick Ralf Lange Global ISV & OEM Sales NoSQL: Eine kurze Geschichte Internet-Boom: Erste Ansätze selbstgebauter "Datenbanken" Google stellt "MapReduce"

Mehr

Algorithmen. Consistent Hashing Bloom Filter MapReduce. Distributed Hash Tables. Einführung 1

Algorithmen. Consistent Hashing Bloom Filter MapReduce. Distributed Hash Tables. Einführung 1 Algorithmen Consistent Hashing Bloom Filter MapReduce Distributed Hash Tables Einführung 1 Consistent Hashing Problem: Wie finde ich den Speicherort für ein Objekt in einem verteilten System mit n Knoten?

Mehr

MySQL Administration. Seminarunterlage. Version 3.02 vom

MySQL Administration. Seminarunterlage. Version 3.02 vom Seminarunterlage Version: 3.02 Version 3.02 vom 23. Oktober 2014 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

Mehr

Charakteristika und Vergleich von SQL- und NoSQL- Datenbanken

Charakteristika und Vergleich von SQL- und NoSQL- Datenbanken Universität Leipzig Fakultät für Mathematik und Informatik Abteilung Datenbanken Dozent: Prof. Dr. Erhard Rahm Betreuer: Stefan Endrullis Problemseminar NoSQL-Datenbanken Semester: WS 11/12 Charakteristika

Mehr

SQL Azure Technischer Überblick. Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk

SQL Azure Technischer Überblick. Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk SQL Azure Technischer Überblick Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Haftungsausschluss Microsoft kann für die Richtigkeit und Vollständigkeit

Mehr

Next Generation Cloud

Next Generation Cloud Next Generation Cloud Building Blocks In Zukunft wird es darum gehen, aus der Summe der Teile Anwendungen (Apps) zu generieren, die Mehrwerte zu schaffen App besteht aus Integration von > Funktionen, z.b.

Mehr

Eine Einführung in Apache CouchDB. Java-Forum Stuttgart 2011

Eine Einführung in Apache CouchDB. Java-Forum Stuttgart 2011 Eine Einführung in Apache CouchDB Java-Forum Stuttgart 2011 Johannes Schneider, cedarsoft GmbH js@cedarsoft.com http://blog.cedarsoft.com http://cedarsoft.com Vielen Dank CouchDB The VERY Basics Vorerfahrung?

Mehr

Warum PaaS? Entwicklung von SaaS. Konzentration auf die Applikation. Kostenvorteile nutzen. Neuartige Softwareentwicklung

Warum PaaS? Entwicklung von SaaS. Konzentration auf die Applikation. Kostenvorteile nutzen. Neuartige Softwareentwicklung FSU Jena - SS 2010 Seminar Cloud Computing Felix Richter 92818 Siegmundsburg, den 18.06.2010 Warum PaaS? Entwicklung von SaaS Konzentration auf die Applikation Kostenvorteile nutzen Neuartige Softwareentwicklung

Mehr

SimpleVOC-Yetanother. Bausteine für eine Key/Value- Datenbank

SimpleVOC-Yetanother. Bausteine für eine Key/Value- Datenbank SimpleVOC-Yetanother Memcached? Bausteine für eine Key/Value- Datenbank SimpleVOC Yet another memcached? Bausteine für eine Key/Value Datenbank. Theorie (Martin Schönert) Praxis (Frank Celler) Eine Weisheit

Mehr

Persönlichkeiten bei bluehands

Persönlichkeiten bei bluehands Persönlichkeiten bei Technologien bei Skalierbare Anwendungen mit Windows Azure GmbH & co.mmunication KG am@.de; posts..de/am 1 2 3 4 5 6 7 8 9 Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Kapitel 4 Teil 2 NoSQL-Datenbanksysteme

Kapitel 4 Teil 2 NoSQL-Datenbanksysteme Kapitel 4 Teil 2 NoSQL-Datenbanksysteme Inhalt: CAP (Consistency/Availability/Partition-Tolerance); BASE (Basically Available, Soft State, Eventually Consistent); Datenmodelle: Key-Value-Stores, Spaltenbasierte

Mehr

Apache HBase. A BigTable Column Store on top of Hadoop

Apache HBase. A BigTable Column Store on top of Hadoop Apache HBase A BigTable Column Store on top of Hadoop Ich bin... Mitch Köhler Selbstständig seit 2010 Tätig als Softwareentwickler Softwarearchitekt Student an der OVGU seit Oktober 2011 Schwerpunkte Client/Server,

Mehr

Was ist Amazon RDS? Datenbank Typen DB Instanzen Features. Live Demo Fazit. Amazon RDS - Till Ganzert 15.06.2012 2

Was ist Amazon RDS? Datenbank Typen DB Instanzen Features. Live Demo Fazit. Amazon RDS - Till Ganzert 15.06.2012 2 Was ist Amazon RDS? Datenbank Typen DB Instanzen Features Kosten Live Demo Fazit 15.06.2012 2 Web-Service von Amazon Erlaubt mieten von Datenbanken Einrichtung, Betrieb und Skalierung übernimmt Anbieter

Mehr

PostgreSQL in großen Installationen

PostgreSQL in großen Installationen PostgreSQL in großen Installationen Cybertec Schönig & Schönig GmbH Hans-Jürgen Schönig Wieso PostgreSQL? - Die fortschrittlichste Open Source Database - Lizenzpolitik: wirkliche Freiheit - Stabilität,

Mehr

Datenbanken und SQL. Kapitel 1. Übersicht über Datenbanken. Edwin Schicker: Datenbanken und SQL (1)

Datenbanken und SQL. Kapitel 1. Übersicht über Datenbanken. Edwin Schicker: Datenbanken und SQL (1) Datenbanken und SQL Kapitel 1 Übersicht über Datenbanken Übersicht über Datenbanken Vergleich: Datenorganisation versus Datenbank Definition einer Datenbank Bierdepot: Eine Mini-Beispiel-Datenbank Anforderungen

Mehr

Was ist Windows Azure? (Stand Juni 2012)

Was ist Windows Azure? (Stand Juni 2012) Was ist Windows Azure? (Stand Juni 2012) Windows Azure Microsofts Cloud Plattform zu Erstellung, Betrieb und Skalierung eigener Cloud-basierter Anwendungen Cloud Services Laufzeitumgebung, Speicher, Datenbank,

Mehr

Hauptspeicher- Datenbanksysteme. Hardware-Entwicklungen Column- versus Row-Store...

Hauptspeicher- Datenbanksysteme. Hardware-Entwicklungen Column- versus Row-Store... Hauptspeicher- Datenbanksysteme Hardware-Entwicklungen Column- versus Row-Store... Hauptspeicher-Datenbanksysteme Disk is Tape, Tape is dead Jim Gray Die Zeit ist reif für ein Re-engineering der Datenbanksysteme

Mehr

Cloud-Provider im Vergleich. Markus Knittig @mknittig

Cloud-Provider im Vergleich. Markus Knittig @mknittig Cloud-Provider im Vergleich Markus Knittig @mknittig As Amazon accumulated more and more services, the productivity levels in producing innovation and value were dropping primarily because the engineers

Mehr

Java Forum Stuttgart 2013 Kai.Spichale@adesso.de twitter.com/kspichale spichale.blogspot.de

Java Forum Stuttgart 2013 Kai.Spichale@adesso.de twitter.com/kspichale spichale.blogspot.de NoSQL für Java-Entwickler Java Forum Stuttgart 2013 Kai.Spichale@adesso.de twitter.com/kspichale spichale.blogspot.de 23.06.2013 Agenda Datengröße Key-value Stores 1. Wide Column 2. Cassandra Document

Mehr

NoSQL Deep Dive mit Cassandra. Kai Spichale

NoSQL Deep Dive mit Cassandra. Kai Spichale NoSQL Deep Dive mit Cassandra Kai Spichale 13.04.2011 1 NoSQL 13.04.2011 2 BerlinExpertDays NoSQL Wide Column Stores / Column Families Document Stores Graph Databases Key Value / Tupe Stores 13.04.2011

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

Relationale Datenbanken Kursziele

Relationale Datenbanken Kursziele Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. DB Einleitung / Entity-Relationship

Mehr

NoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt

NoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt NoSQL & Big Data Datenorientierte Systemanalyse NoSQL Databases and Big Data Gerhard Wohlgenannt Die besprochenen Systeme haben nicht den Anspruch und das Ziel DBS zu ersetzen, sondern für gewisse Anwendungsfälle

Mehr

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar!

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar! Clouds Wolkig bis Heiter Erwartungen der Nutzer Er ist verwöhnt! Verfügbarkeit Viele Anwendungen Intuitive Interfaces Hohe Leistung Er ist nicht dankbar! Mehr! Mehr! Mehr! Moore 1 Erwartungen der Entwickler

Mehr

Cloud Computing mit mathematischen Anwendungen

Cloud Computing mit mathematischen Anwendungen Cloud Computing mit mathematischen Anwendungen Vorlesung SoSe 2009 Dr. Marcel Kunze Karlsruhe Institute of Technology (KIT) Steinbuch Centre for Computing (SCC) KIT the cooperation of Forschungszentrum

Mehr

Wide Column Stores. Felix Bruckner Mannheim, 15.06.2012

Wide Column Stores. Felix Bruckner Mannheim, 15.06.2012 Wide Column Stores Felix Bruckner Mannheim, 15.06.2012 Agenda Einführung Motivation Grundlagen NoSQL Grundlagen Wide Column Stores Anwendungsfälle Datenmodell Technik Wide Column Stores & Cloud Computing

Mehr

Semantic Web: Resource Description Framework (RDF)

Semantic Web: Resource Description Framework (RDF) Big Data Semantic Web: RDF Information Retrieval Map Reduce: Massiv parallele Verarbeitung Datenströme Peer to Peer Informationssysteme No SQL Systeme Multi-Tenancy/Cloud-Datenbanken Semantic Web: Resource

Mehr

Open Source Datenbanksysteme

Open Source Datenbanksysteme Open Source Datenbanksysteme Jan Anlauff janlauff@techfak July 25, 2006 Überblick Datenbankserver: MySQL, MaxDB, PostgreSQL, Firebird Embedded Datenbanken: BerkeleyDB (XML), SQLite, Derby / IBM Cloudscape,

Mehr

Web Technologien NoSQL Datenbanken

Web Technologien NoSQL Datenbanken Web Technologien NoSQL Datenbanken Univ.-Prof. Dr.-Ing. Wolfgang Maass Chair in Information and Service Systems Department of Law and Economics WS 2011/2012 Wednesdays, 8:00 10:00 a.m. Room HS 021, B4

Mehr

Datenbank nutzen ohne Datenbank installieren? SQL Azure die Cloud-Datenbank

Datenbank nutzen ohne Datenbank installieren? SQL Azure die Cloud-Datenbank Datenbank nutzen ohne Datenbank installieren? SQL Azure die Cloud-Datenbank Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Haftungsausschluss Microsoft

Mehr

Grundlagen der PostgreSQL Administration

Grundlagen der PostgreSQL Administration Jens Wilke Vortrag bei der BELUG 16.03.2011 Der Vortrag behandelt die Installation und Konfiguration von PostgreSQL, dem fortschrittlichsten Open Source Datenbanksystem. Es wird auf die wichtigsten Konfigurationsparameter

Mehr

Datenbanktechnologien für Big Data

Datenbanktechnologien für Big Data Datenbanktechnologien für Big Data Oktober 2013 Prof. Dr. Uta Störl Hochschule Darmstadt Big Data Technologien Motivation Big Data Technologien NoSQL-Datenbanksysteme Spaltenorientierte Datenbanksysteme

Mehr

Vorbesprechung Hauptseminar "Cloud Computing"

Vorbesprechung Hauptseminar Cloud Computing Vorbesprechung Hauptseminar "Cloud Computing" Dimka Karastoyanova, Johannes Wettinger, Frank Leymann {karastoyanova, wettinger, leymann}@iaas.uni-stuttgart.de Institute of Architecture of Application Systems

Mehr

NoSQL mit Postgres 15. Juni 2015

NoSQL mit Postgres 15. Juni 2015 Tag der Datenbanken 15. Juni 2015 Dipl.-Wirt.-Inform. Agenda l Vorstellung l Marktübersicht l Warum PostgreSQL? l Warum NoSQL? l Beispielanwendung Seite: 2 Vorstellung Dipl.-Wirt.-Inform. [1990] Erste

Mehr

Amazon Relational Database Service

Amazon Relational Database Service Amazon Relational Database Service Till Ganzert Hochschule Mannheim Fakultät für Informatik Paul-Wittsack-Straße 10 68163 Mannheim Zusammenfassung Dieses Dokument befasst sich mit dem Relational Database

Mehr

NoSQL Datenbanken. Seminar:Software as a Service, Cloud-Computing und aktuelle Entwicklungen Dozent: Dipl. Inf. Andreas Göbel

NoSQL Datenbanken. Seminar:Software as a Service, Cloud-Computing und aktuelle Entwicklungen Dozent: Dipl. Inf. Andreas Göbel NoSQL Datenbanken Seminar:Software as a Service, Cloud-Computing und aktuelle Entwicklungen Dozent: Dipl. Inf. Andreas Göbel 17. Juni 2010 Gliederung Der Begriff NoSQL Wichtige Konzepte NoSQL-Arten Cassandra

Mehr

SQL Server 2014 Roadshow

SQL Server 2014 Roadshow 1 SQL Server 2014 Roadshow Kursleitung: Dieter Rüetschi (ruetschi@ability-solutions.ch) 2 Inhalt Allgemeine Informationen Buffer Pool Extension Column Store Index In Memory OLTP Scripting Security SQL

Mehr

BigTable. 11.12.2012 Else

BigTable. 11.12.2012 Else BigTable 11.12.2012 Else Einführung Distributed Storage System im Einsatz bei Google (2006) speichert strukturierte Daten petabyte-scale, > 1000 Nodes nicht relational, NoSQL setzt auf GFS auf 11.12.2012

Mehr

MySQL High Availability. DOAG 2013 Datenbank. 14. Mai 2013, Düsseldorf. Oli Sennhauser

MySQL High Availability. DOAG 2013 Datenbank. 14. Mai 2013, Düsseldorf. Oli Sennhauser MySQL High Availability DOAG 2013 Datenbank 14. Mai 2013, Düsseldorf Oli Sennhauser Senior MySQL Berater, FromDual GmbH oli.sennhauser@fromdual.com 1 / 23 Über FromDual GmbH FromDual bietet neutral und

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

Mehr

Inhaltsverzeichnis. Lutz Fröhlich. PostgreSQL 9. Praxisbuch für Administratoren und Entwickler. ISBN (Buch): 978-3-446-42239-1

Inhaltsverzeichnis. Lutz Fröhlich. PostgreSQL 9. Praxisbuch für Administratoren und Entwickler. ISBN (Buch): 978-3-446-42239-1 Inhaltsverzeichnis Lutz Fröhlich PostgreSQL 9 Praxisbuch für Administratoren und Entwickler ISBN (Buch): 978-3-446-42239-1 ISBN (E-Book): 978-3-446-42932-1 Weitere Informationen oder Bestellungen unter

Mehr

SaaS-Referenzarchitektur. iico-2013-berlin

SaaS-Referenzarchitektur. iico-2013-berlin SaaS-Referenzarchitektur iico-2013-berlin Referent Ertan Özdil Founder / CEO / Shareholder weclapp die Anforderungen 1.000.000 registrierte User 3.000 gleichzeitig aktive user Höchste Performance Hohe

Mehr

OpenSource Business Strategien. Thomas Uhl Topalis AG

OpenSource Business Strategien. Thomas Uhl Topalis AG OpenSource Business Strategien Thomas Uhl Topalis AG Firmenübersicht 14.07.09 Thomas Uhl 2 Open Source ist ein alternativer Weg, bessere Software zu produzieren (Forbes Magazine) 14.07.09 Thomas Uhl 3

Mehr

MySQL in großen Umgebungen

MySQL in großen Umgebungen MySQL in großen Umgebungen 03.03.2011 CeBIT Referent: Bernd Erk Agenda DESTINATION TIME REMARK KURZVORSTELLUNG MYSQL STATUS QUO STORAGE ENGINES MONITORING UND MANAGEMENT ENTERPRISE FEATURES FRAGEN UND

Mehr

MySQL Architekturen für Oracle DBA's

MySQL Architekturen für Oracle DBA's MySQL Architekturen für Oracle DBA's DOAG Konferenz, Nürnberg 16. November 2010 Oliver Sennhauser Senior MySQL Consultant, FromDual oli.sennhauser@fromdual.com http://www.fromdual.com www.fromdual.com

Mehr

Open Source Datenbanken

Open Source Datenbanken Open Source Datenbanken Haben solche Datenbanken eine Chance in Unternehmen? Verena Mai, Robert Thomalla 1 Lernziele Was ist Open Source? Welche Open Source Lizenzen und Datenbanken gibt es? Welche Vor-

Mehr

Mobile Backend in der

Mobile Backend in der Mobile Backend in der Cloud Azure Mobile Services / Websites / Active Directory / Kontext Auth Back-Office Mobile Users Push Data Website DevOps Social Networks Logic Others TFS online Windows Azure Mobile

Mehr

Storage-Trends am LRZ. Dr. Christoph Biardzki

Storage-Trends am LRZ. Dr. Christoph Biardzki Storage-Trends am LRZ Dr. Christoph Biardzki 1 Über das Leibniz-Rechenzentrum (LRZ) Seit 50 Jahren Rechenzentrum der Bayerischen Akademie der Wissenschaften IT-Dienstleister für Münchner Universitäten

Mehr

MySQL Performance: Getting Started InnoDB

MySQL Performance: Getting Started InnoDB MySQL Performance: Getting Started InnoDB Erkan Yanar linsenraum.de 13. März 2012 Erkan Yanar (linsenraum.de) MySQL Performance: Getting Started InnoDB 13. März 2012 1 / 20 Die Welt der Performacne Was

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

Informatikdienste Virtualisierung im Datacenter mit VMware vsphere

Informatikdienste Virtualisierung im Datacenter mit VMware vsphere Virtualisierung im Datacenter mit ware vsphere Luzian Scherrer, ID-IS-SYS1 Virtual Center Virtualisierung im Datacenter mit ware vsphere Luzian Scherrer, ID-IS-SYS1 Cloud SaaS otion DRS ware otion Fault

Mehr

Institut für Verteilte Systeme

Institut für Verteilte Systeme Institut für Verteilte Systeme Prof. Dr. Franz Hauck Seminar: Multimedia- und Internetsysteme, Wintersemester 2010/11 Betreuer: Jörg Domaschka Bericht zur Seminarssitzung am 2011-01-31 Bearbeitet von :

Mehr

Warmer Regen oder Gewitter: Cloud Storage

Warmer Regen oder Gewitter: Cloud Storage Warmer Regen oder Gewitter: Cloud Storage Frühjahrstreffen der GI Fachgruppe Datenbanksysteme zum Thema Database as a Service 6. Mai 2010, Leipzig Uwe Hohenstein, Michael C. Jaeger Siemens CT T, Corporate

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Vorwort... 11 Azure Cloud Computing mit Microsoft... 12 Danksagungen... 13 Kontakt zum Autor... 13

Vorwort... 11 Azure Cloud Computing mit Microsoft... 12 Danksagungen... 13 Kontakt zum Autor... 13 Inhaltsverzeichnis Vorwort... 11 Azure Cloud Computing mit Microsoft... 12 Danksagungen... 13 Kontakt zum Autor... 13 Einleitung... 15 Zielgruppe... 16 Aufbau... 16 Inhalt der einzelnen Kapitel... 17 Systemanforderungen...

Mehr

Cloud Computing. Vorlesung an der Hochschule Karlsruhe - Technik und Wirtschaft im Sommersemester 2015 Michael Fischer und Georg Magschok

Cloud Computing. Vorlesung an der Hochschule Karlsruhe - Technik und Wirtschaft im Sommersemester 2015 Michael Fischer und Georg Magschok Cloud Computing Vorlesung an der Hochschule Karlsruhe - Technik und Wirtschaft im Sommersemester 2015 Michael Fischer und Georg Magschok mf@wanulator.de gio@eglikoe.de Die Vorlesung im Web: http://www.home.hs-karlsruhe.de/~mage0003/

Mehr

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz 1 2 Dies ist ein Vortrag über Zeit in verteilten Anwendungen Wir betrachten die diskrete "Anwendungszeit" in der nebenläufige Aktivitäten auftreten Aktivitäten in einer hochgradig skalierbaren (verteilten)

Mehr

Dokumentenorientierte Datenbanken - MongoDB

Dokumentenorientierte Datenbanken - MongoDB Dokumentenorientierte Datenbanken - MongoDB Jan Hentschel Ultra Tendency UG Übersicht Dokumente sind unabhängige Einheiten Bessere Performance (zusammengehörige Daten werden gemeinsam gelesen) Objektmodell

Mehr

Think Big. Skalierbare Anwendungen mit Azure. Aydin Mir Mohammadi Bluehands GmbH & co.mmunication KG

Think Big. Skalierbare Anwendungen mit Azure. Aydin Mir Mohammadi Bluehands GmbH & co.mmunication KG Skalierbare Anwendungen mit Azure Bluehands GmbH & co.mmunication KG 1 2 3 4 5 6 7 8 9 Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit Skalierung http://www.flickr.com/photos/39901968@n04/4864698533/

Mehr

Inhalt. Vorwort...11. 1 Die Eigenschaften von PostgreSQL...15. 2 Das ideale DBMS...45. 3 Der Datenbankadministrator...59

Inhalt. Vorwort...11. 1 Die Eigenschaften von PostgreSQL...15. 2 Das ideale DBMS...45. 3 Der Datenbankadministrator...59 Inhalt Vorwort...11 1 Die Eigenschaften von PostgreSQL...15 1.1 Die Geschichte von PostgreSQL...16 1.2 Die Lizenz von PostgreSQL...17 1.3 Grundlegende Konzepte von Postgres...17 1.3.1 Die Eigenschaften

Mehr

Cloud-Plattform: Appscale Hochschule Mannheim

Cloud-Plattform: Appscale Hochschule Mannheim Florian Weispfenning Cloud-Computing Seminar Hochschule Mannheim WS0910 1/28 Cloud-Plattform: Appscale Hochschule Mannheim Florian Weispfenning Fakultät für Informatik Hochschule Mannheim florian.weispfenning@stud.hs-mannheim.de

Mehr

Einführung in Hauptspeicherdatenbanken

Einführung in Hauptspeicherdatenbanken Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation

Mehr

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution EXASOL @ Symposium on Scalable Analytics Skalierbare Analysen mit EXASolution EXASOL AG Wer sind wir R&D: + seit 2000 + laufend Forschungsprojekte Produkt: Analytische Datenbank EXASolution Focus auf Komplexität

Mehr

MySQL Replikationstechnologien

MySQL Replikationstechnologien MySQL Replikationstechnologien Lenz Grimmer MySQL Community Relations Specialist $ whoami 1998 2002 2008 2010 Agenda Replikation: Definition und Klassifizierung Anwendungsgebiete

Mehr

Big Data Informationen neu gelebt

Big Data Informationen neu gelebt Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

Cassandra Query Language (CQL)

Cassandra Query Language (CQL) Cassandra Query Language (CQL) Seminar: NoSQL Wintersemester 2013/2014 Cassandra Zwischenpräsentation 1 Gliederung Basic facts Datentypen DDL/DML ähnlich zu SQL Besonderheiten Basic facts CQL kurz für

Mehr

MySQL Cluster mit Galera

MySQL Cluster mit Galera MySQL Cluster mit Galera DOAG Konferenz 2013 Nürnberg Oli Sennhauser Senior MySQL Consultant, FromDual GmbH oli.sennhauser@fromdual.com 1 / 19 Über FromDual GmbH FromDual bietet neutral und unabhängig:

Mehr

Fakultät für Informatik & Wirtschaftsinformatik DB & IS II SS 2015. NoSQL. http://www.w3resource.com/mongodb/nosql.php. Dr. Christian Senger.

Fakultät für Informatik & Wirtschaftsinformatik DB & IS II SS 2015. NoSQL. http://www.w3resource.com/mongodb/nosql.php. Dr. Christian Senger. NoSQL http://www.w3resource.com/mongodb/nosql.php NoSQL 1 Short History of Databases 1960s - Navigational DBs CODEASYL (COBOL) IMS (IBM) 1980s to 1990s - Object Oriented DBs Object DB's Object-Relational-

Mehr

GRAU DataSpace 2.0 Enterprise Fileshare & Sync in der Hybrid Cloud YOUR DATA. YOUR CONTROL

GRAU DataSpace 2.0 Enterprise Fileshare & Sync in der Hybrid Cloud YOUR DATA. YOUR CONTROL GRAU DataSpace 2.0 Enterprise Fileshare & Sync in der Hybrid Cloud YOUR DATA. YOUR CONTROL 3. April 2014 Die Herausforderung... Sicherer Zugriff auf Unternehmensdaten: über Mobile Geräte (Smart-Phones/Tablets/Notebooks)

Mehr

EHCache und Terracotta. Jochen Wiedmann, Software AG

EHCache und Terracotta. Jochen Wiedmann, Software AG EH und Terracotta Jochen Wiedmann, Software AG Autor Perl-Contributor DBD::mySQL 2, DBI::Proxy, DBI::Shell, DBD::CSV, Net::Daemon, RPC::Pl(Client Server) (Autor) DBI (Developer) ASF-Member (Apache Software

Mehr

Lehrgebiet Informationssysteme

Lehrgebiet Informationssysteme Lehrgebiet AG Datenbanken und (Prof. Michel, Prof. Härder) AG Heterogene (Prof. Deßloch) http://wwwlgis.informatik.uni-kl.de/ Was sind? Computergestützte Programmsysteme, die Informationen erfassen, dauerhaft

Mehr

Gliederung. Was ist Cloud Computing Charakteristiken Virtualisierung Cloud Service Modelle Sicherheit Amazon EC2 OnLive Vorteile und Kritik

Gliederung. Was ist Cloud Computing Charakteristiken Virtualisierung Cloud Service Modelle Sicherheit Amazon EC2 OnLive Vorteile und Kritik Cloud Computing Gliederung Was ist Cloud Computing Charakteristiken Virtualisierung Cloud Service Modelle Sicherheit Amazon EC2 OnLive Vorteile und Kritik 2 Bisher Programme und Daten sind lokal beim Anwender

Mehr

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen Lennart Leist Inhaltsverzeichnis 1 Einführung 2 1.1 Aufgaben einer Datenbank...................... 2 1.2 Geschichtliche Entwicklung

Mehr

Big Data Analytics: Herausforderungen und Systemansätze. Prof. Dr. Erhard Rahm. http://dbs.uni-leipzig.de

Big Data Analytics: Herausforderungen und Systemansätze. Prof. Dr. Erhard Rahm. http://dbs.uni-leipzig.de Big Data Analytics: Herausforderungen und Systemansätze Prof. Dr. Erhard Rahm http://dbs.uni-leipzig.de 2 Massives Wachstum an Daten Gartner: pro Tag werden 2.5 Exabytes an Daten generiert 90% aller Daten

Mehr

Seminarvortrag. Cloud Computing. Christophe Sokol 26.01.2012

Seminarvortrag. Cloud Computing. Christophe Sokol <sokol@inf.fu-berlin.de> 26.01.2012 Seminarvortrag Cloud Computing Christophe Sokol 26.01.2012 Ablauf des Vortrags Hintergrund: Der Plat_Forms-Wettbewerb Was ist Cloud Computing? Aufgaben lösen in der Cloud 3 / 23

Mehr

ein verteiltes und repliziertes Dateisystem XtreemOS IP project is funded by the European Commission under contract IST-FP6-033576

ein verteiltes und repliziertes Dateisystem XtreemOS IP project is funded by the European Commission under contract IST-FP6-033576 ein verteiltes und repliziertes Dateisystem is funded by the European Commission XtreemOS IPunder project contract IST-FP6-033576 1 Das XtreemOS Projekt Europäisches Forschungsprojekt gefördert von der

Mehr

vfabric-daten Big Data Schnell und flexibel

vfabric-daten Big Data Schnell und flexibel vfabric-daten Big Data Schnell und flexibel September 2012 2012 VMware Inc. All rights reserved Im Mittelpunkt: Daten Jeden Morgen wache ich auf und frage mich: Wie kann ich den Datenfluss optimieren,

Mehr

(Oracle) BPM in der Cloud

(Oracle) BPM in der Cloud ti&m seminare (Oracle) BPM in der Cloud Integration, Chancen und Risiken Alexander Knauer Architect ti&m AG Version 1.0 28. Januar 2013 ti&m AG Buckhauserstrasse 24 CH-8048 Zürich Belpstrasse 39 CH-3007

Mehr

Red Hat Cluster Suite

Red Hat Cluster Suite Red Hat Cluster Suite Building high-available Applications Thomas Grazer Linuxtage 2008 Outline 1 Clusterarten 2 3 Architektur Konfiguration 4 Clusterarten Was ist eigentlich ein Cluster? Wozu braucht

Mehr

SQL Server 2008 Überblick. Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk

SQL Server 2008 Überblick. Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk SQL Server 2008 Überblick Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk SQL Server 2008 Sichere, vertrauenswürdige Datenplattform Optimierte und vorhersehbare

Mehr

Sichere Daten mit OSL Storage Cluster

Sichere Daten mit OSL Storage Cluster Sichere Daten mit OSL Storage Cluster Alternative Konzepte für die Datensicherung und Katastrophenvorsorge Dipl.-Ing. Torsten Pfundt Gliederung Voraussetzungen für die Konzepte und Lösungen restorefreies

Mehr

Microsoft Azure: Ein Überblick für Entwickler. Malte Lantin Technical Evangelist, Developer Experience & Evangelism (DX) Microsoft Deutschland GmbH

Microsoft Azure: Ein Überblick für Entwickler. Malte Lantin Technical Evangelist, Developer Experience & Evangelism (DX) Microsoft Deutschland GmbH Microsoft Azure: Ein Überblick für Entwickler Malte Lantin Technical Evangelist, Developer Experience & Evangelism (DX) Microsoft Deutschland GmbH Moderne Softwareentwicklung Microsoft Azure unterstützt

Mehr

Die Spezialisten für innovative Lösungen im Bereich Document Output Management

Die Spezialisten für innovative Lösungen im Bereich Document Output Management Die Spezialisten für innovative Lösungen im Bereich Document Output Management Agenda Wer ist Rasterpunkt Einführung Software as a Service Hat SaaS Marktpotential? SaaS im Document Output Management: Konvertierung

Mehr

Seminar WS 2012/13. S. Chaudhuri et al, CACM, Aug. 2011. Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP

Seminar WS 2012/13. S. Chaudhuri et al, CACM, Aug. 2011. Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP Seminar WS 2012/13 S. Chaudhuri et al, CACM, Aug. 2011 Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP 2 Vorkonfigurierte, komplette Data Warehouse-Installation Mehrere Server,

Mehr

5.4 Benchmarks für Data Warehouses

5.4 Benchmarks für Data Warehouses 5.4 Benchmarks für Data Warehouses Benchmark ( Massstab ) zum Vergleich der Leistungsfähigkeit von Systemen Für Datenbanken: Serie von Benchmarks des Transaction Processing Performance Council (www.tpc.org)

Mehr

PL/SQL und Ingres. Der beste Weg, die Zukunft vorauszusagen, ist, sie zu gestalten. John Naisbitt (*1930), amerik. Prognostiker

PL/SQL und Ingres. Der beste Weg, die Zukunft vorauszusagen, ist, sie zu gestalten. John Naisbitt (*1930), amerik. Prognostiker PL/SQL und Ingres Der beste Weg, die Zukunft vorauszusagen, ist, sie zu gestalten. John Naisbitt (*1930), amerik. Prognostiker Reichertswinn 3 92355 Velburg Telefon 09182-902140 Telefax 09182-902141 Hintergrund

Mehr

IT-Monitoring braucht Sicherheit Sicherheit braucht Monitoring. Günther Klix op5 GmbH - Area Manager D/A/CH

IT-Monitoring braucht Sicherheit Sicherheit braucht Monitoring. Günther Klix op5 GmbH - Area Manager D/A/CH IT-Monitoring braucht Sicherheit Sicherheit braucht Monitoring Günther Klix op5 GmbH - Area Manager D/A/CH Technische Anforderungen an IT Immer komplexere & verteiltere Umgebungen zunehmend heterogene

Mehr

Sind Cloud Apps der nächste Hype?

Sind Cloud Apps der nächste Hype? Java Forum Stuttgart 2012 Sind Cloud Apps der nächste Hype? Tillmann Schall Stuttgart, 5. Juli 2012 : Agenda Was sind Cloud Apps? Einordnung / Vergleich mit bestehenden Cloud Konzepten Live Demo Aufbau

Mehr

NoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen. Datenbank-Stammtisch, 8.

NoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen. Datenbank-Stammtisch, 8. A Database Administrator walks into a NoSQL bar, but turns and leaves because he cannot find a table. NoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen.

Mehr

Magento goes into the cloud Cloud Computing für Magento. Referent: Boris Lokschin, CEO

Magento goes into the cloud Cloud Computing für Magento. Referent: Boris Lokschin, CEO Magento goes into the cloud Cloud Computing für Magento Referent: Boris Lokschin, CEO Agenda Über symmetrics Unsere Schwerpunkte Cloud Computing Hype oder Realität? Warum Cloud Computing? Warum Cloud für

Mehr

WELCOME. Nutzen der Cloud für eine optimale Performance. Patrick Schwanke Quest Software GmbH. Martin Schmitter Trivadis GmbH. 10.

WELCOME. Nutzen der Cloud für eine optimale Performance. Patrick Schwanke Quest Software GmbH. Martin Schmitter Trivadis GmbH. 10. WELCOME Nutzen der Cloud für eine optimale Performance Patrick Schwanke Quest Software GmbH Martin Schmitter Trivadis GmbH BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN

Mehr