Datenbank Queries mit 1800 Cores in 2U ParStream & CUDA. best Open Systems Day Mai Alexander Tilgner IT-Systemtechniker

Größe: px
Ab Seite anzeigen:

Download "Datenbank Queries mit 1800 Cores in 2U ParStream & CUDA. best Open Systems Day Mai 2011. Alexander Tilgner IT-Systemtechniker"

Transkript

1 Datenbank Queries mit 1800 Cores in 2U ParStream & CUDA best Open Systems Day Mai 2011 Alexander Tilgner IT-Systemtechniker best Systeme GmbH Münchner Str. 123a Unterföhring Tel: 089/ Fax: 089/ Web:

2 Agenda CUDA Überblick, Performance Entwicklung APIs und Programmiersprachen Cluster, GPU Hardware, GPU enabled Applications Big Data Herausforderung von heute, Datenbanksysteme ParStream Big Data Superfast, DB-Architektur Praxisbeispiel SQL Datenbankabfrage mit 1800 Cores OTP Datensatz, Test Setup, Performancevergleich, Antwortzeiten Beispiele: Queries, Reisesuchmaschine, Skalierung Serviceleistungen Fragen? Seite 1 von 31

3 CUDA - Überblick CUDA = Compute Unified Device Architecture Entwickelt wurde diese Programmierschnittstelle vom Hersteller Nvidia. Diese ermöglicht es Programmteile vom Grafikprozessor (GPU) ausführen zu lassen. GPUs enthalten eine sehr große Anzahl an Rechenwerken. Durch die CUDA-API kann der Grafikprozessor als Co-Prozessor für die CPU genutzt werden. Seite 2 von 31

4 CUDA - Performance Entwicklung Seite 3 von 31

5 CUDA - APIs und Programmiersprachen low-level API = CUDA Driver API high-level API = CUDA Runtime API, die auf der Treiber API umgesetzt wird. Die APIs schliessen sich gegenseitig aus, eine Anwendung kann also nur die eine od. andere API benutzen. nvcc Compiler benutzt high-level API, die erzeugten Programme werden gegen die Runtime API gelinkt. OpenCL 1.1* (Open Computing Language) CUDA C/C++ (Linux gcc, MS Visual Studio) PGI CUDA Fortran (Fortran 2003) * Seite 4 von 31

6 CUDA - Cluster mit GPUDirect GPU beschleunigte Clustersysteme Direktes schreiben in den GPU-Speicher (Netzwerkadapter, SSD)* Beschleunigung bis zu 30% Freigegeben für Redhat Enterprise Linux Für Tesla M und S Serie InfiniBand Support: Mellanox ConnectX-2 und QLogic * Seite 5 von 31

7 CUDA - GPU Hardware: Nvidia Tesla Tesla C2050/C2070, PCIe x16 1 Tesla Grafikprozessor Leistung 515 GFlops (64-Bit Gleitkomma) 3 GB bzw. 6 GB GDDR5 Speicher Tesla S2050/S2070, 19 1U Einheit 4 Tesla Grafikprozessoren Leistung 2.5 TFlops (64-Bit Gleitkomma) 12 GB bzw. 24 GB GDDR5 Speicher Systemschnittstelle 2x PCIe x16 od. 2x PCIe x8 Seite 6 von 31

8 CUDA - GPU Hardware: IBM BladeCenter GPU IBM BladeCenter GPU Expansion Blade für BladeCenter E*, H od. HT Tesla M2070 bis zu 4 Expansion Blades möglich Systemschnittstelle CFFh I/O GPU Expansion Blade mit HS22 Blade Server * Modelle xx/3xx mit 2.320W Power Supply Seite 7 von 31

9 CUDA - GPU Hardware: IBM idataplex idataplex dx360 M3 mit 2U Flex Chassis 2U Flex Chassis mit 1U idataplex Server und 1U I/O Tray Tesla M2050, M2070, M2070Q* Systemschnittstelle 2x PCIe x16 * mit spez. Softwarestack für grafische Visualisierung Seite 8 von 31

10 CUDA - GPU enabled Applications: Mathematica 8 Wolfram Mathematica 8 CUDA und OpenCL Support bereits als Core Komponente in Mathematica integriert. CUDA optimierte Funktionen für Bildbearbeitung, FFT und lineare Algebra. (Expliziter Aufruf) Eigene Funktionen können mit CUDA / OpenCL Support kompiliert und als ladbare Anwenderfunktion zur Verfügung gestellt werden. Beispiel (discrete Fourier transform): In[1] := Needs[ CUDALink` ]; (laden der CUDA Implementierung) In[2] := myranlist = randomreal[1., {10}]; (Zufallsliste aus REAL-Zahlen) In[3] := CUDAFourier[myranlist]; (Non-CUDA wäre : Fourier[myranlist];) Seite 9 von 31

11 CUDA - GPU enabled Applications: Matlab Mathworks Matlab GPU Support z.b. über Parallel Computing Toolbox. (Expliziter Funktionsaufruf) GPU Support als MEX-Files Aufruf erfolgt als externe Funktion innerhalb Matlab Code. Kommerzielle Anbieter für GPU-Support in Matlab: Jacket (AccelerEyes) Aufruf von Matlab Funktionen über Wrapper. Beispiel (Double Precision) : gdouble(matlabfunction[values]) GPUlib (Tech-X Corporation) Library mit GPU optimierten Funktionen. (Expliziter Funktionsaufruf) Seite 10 von 31

12 Agenda CUDA Überblick, Performance Entwicklung APIs und Programmiersprachen Cluster, GPU Hardware, GPU enabled Applications Big Data Herausforderung von heute, Datenbanksysteme ParStream Big Data Superfast, DB-Architektur Praxisbeispiel SQL Datenbankabfrage mit 1800 Cores OTP Datensatz, Test Setup, Performancevergleich, Antwortzeiten Beispiele: Queries, Reisesuchmaschine, Skalierung Serviceleistungen Fragen? Seite 11 von 31

13 Big Data - Die Herausforderung von heute ecommerce Social Networks Finance Telco Energy Many More! Web analytics! SEO! Affiliate! Ad serving! Profiling! Targeting! Algo trading! Trend analysis! Fraud detection! Profiling! Targeting! Billing! Smart metering! Smart grids! Wind parks! Science! Transport! Production Seite 12 von 31

14 Big Data - Datenbanksysteme Algorithmen und Prozeduren zur Indizierung von großen Datenmengen (> Milliarden Datensätze) haben in den letzten Jahren relativ wenig Innovation erfahren. Heutige Datenbanksysteme wurden nicht für Massendaten (> Milliarden Datensätze) entwickelt. Seite 13 von 31

15 ParStream - Big Data Superfast Datenbank zur Analyse strukturierter Massendaten Speziell für parallele Rechner-Architekturen entwickelt Besondere Produkteigenschaften: Scalability High-Speed Import Clustering Clustering Scalability Custom Query Operators Continuous import of data with up to 1 TByte / h (single server) Parallel import and query execution on customizable data and index partitions ParStream scales horizontally and vertically up to and above Petabyte SQL, JDBC and powerful C++ API enables fast query processing Seite 14 von 31

16 ParStream - DB-Architektur High Speed Import & Index Compression Partitioning Caching Parallelization ParStream Data Source Data Source Data Source ETL ETL ETL ETL Roworiented record store Columnoriented record store Loader Index Store Query Logic Query Results Multiple Servers, CPUs and GPUs Seite 15 von 31

17 Agenda CUDA Überblick, Performance Entwicklung APIs und Programmiersprachen Cluster, GPU Hardware, GPU enabled Applications Big Data Herausforderung von heute, Datenbanksysteme ParStream Big Data Superfast, DB-Architektur Praxisbeispiel SQL Datenbankabfrage mit 1800 Cores OTP Datensatz, Test Setup, Performancevergleich, Antwortzeiten Beispiele: Queries, Reisesuchmaschine, Skalierung Serviceleistungen Fragen? Seite 16 von 31

18 Praxisbeispiel - OTP Datensatz RITA Press Room USA Airline On-Time Statistiken* Daten von 16 Fluggesellschaften, die mind. 1% des Personenverkehrs einnahmen Press Room Nur Flüge innerhalb der USA Öffentliche Verfügbarkeit seit 21 Jahren April 5, 2011 ( ) Daten bestehen aus Zeilen Jede Zeile hat 93 Spalten About RITA Press Room Offices Jobs Press Releases (Upcoming Press Releases) April 6, 2011 March 29, 2011 March 22, 2011 March 16, 2011 More Press Releases >> U.S. Department of Transportation Announces Transportation Technology Video Challenge No Tarmac Delays Longer Than Three Hours in February January 2011 Surface Trade with Canada and Mexico Rose 19.5 Percent from January Traffic Data for U.S Airlines and Foreign Airlines U.S. Flights: Total Passengers Up from 2009, Still Below Surface Trade with Canada and Mexico Rose from 2009, Remains Lower than 2008 Press Releases by Subject Airline Financial Data Airline On-Time Statistics Airline Traffic Data Air Fares North American Surface Freight Data Passenger Airline Employment Research, Development and Technology News Transportation Services Index Contact Us E-m Rece Rese and t Con Dave Bure Natio David Mike Intell (202) Mich Jane Intell Rese Trans Unive Volpe Jane Publications *Quelle: Recent Products 2009 DOT Biennial Spectrum Plan Budget Estimates Fiscal Year RITA Seite 17 von 31

19 Praxisbeispiel - Test Setup: 1800 Cores (1792 GPU + 8 CPU) IBM System x3550 M3 2x Intel Xeon 2.67Ghz, 4 Cores 24 GB Ram Tesla S2050 (4x M2050), 19 1U Einheit Datenspeicher lokale SAS HDD mit 500GB Daten Volumen (native) 97GB 11 Columns indexed, 21GB indexed Data Betriebssystem Ubuntu Linux LTS Seite 18 von 31

20 Praxisbeispiel - Performancevergleich: Query PostgreSQL ParStream Seite 19 von 31

21 Praxisbeispiel - Performancevergleich: Antwortzeiten PostgreSQL (blue) ParStream 100 1,0 90 0,9 80 0,8 Response Time [sec] Response Time [sec] 0,7 0,6 0,5 0,4 0,3 20 0,2 10 0, Number of Rows [Millions] Number of Rows [Millions] Seite 20 von 31

22 Praxisbeispiel - Performancevergleich: Antwortzeiten Q1 = Anzahl Flüge pro Tag von 2000 bis 2008 Q2 = Anzahl verspätete Flüge mit mehr als 10min. pro Tag von Q3 = Anzahl der Verspätungen pro Fluggesellschaft von Seite 21 von 31

23 Praxisbeispiel - ParStream Query: Verteilte Abfragen Query Ergebnis Laufzeit select Year,count(*) from OTP group by Year 21 Rows flights 64 msec select DayOfWeek,count(*) from OTP group by DayOfWeek 7 Rows flights 57 msec select DayofMonth,count(*) from OTP group by DayOfMonth 31 Rows flights 57 msec Seite 22 von 31

24 Praxisbeispiel - ParStream Query: 2 und 3 dimensionale Abfragen Query Ergebnis Laufzeit Select DayOfWeek,Year,count(*) from OTP where 141 Rows flights 102 msec DepDelay > 60 and ArrDelay > 60 group by DayOfWeek,Year Select Carrier,Year,count(*) from OTP where 284 Rows flights 170 msec DepDelay > 60 and ArrDelay > 60 group by Carrier,Year select DayOfWeek,Month,Year,count(*) from OTP Where DepDelay > 60 and 1765 Rows flights 172 msec ArrDelay > 60 group by DayOfWeek,Month,Year Seite 23 von 31

25 Praxisbeispiel - ParStream Query: bad days Query Ergebnis Laufzeit select Year,Avg(DepDelay),Avg(ArrDelay) from OTP 21 Rows flights 24 msec WHERE ArrDelay > 60 AND DayOfWeek = 6 AND DayofMonth = 13) group by Year select Year,Avg(DepDelay),Avg(ArrDelay) from OTP 21 Rows flights 121 msec WHERE ArrDelay > 60 AND DayOfWeek = 6 AND DayofMonth <> 13) group by Year Seite 24 von 31

26 Praxisbeispiel - ParStream: Reisesuchmaschine 100 Reiseangebote aus 1 Mrd. Datensätzen 25 unabhängige Filterkriterien Antwortzeit Speicheranforderung 6,5 sec Faktor 80 Faktor 1000 ~ 5000MB pro Abfrage ~ 5MB pro Abfrage 0,08 sec Index Größe Database X ParStream Database X ParStream Seite 25 von 31

27 Praxisbeispiel - ParStream: Skalierung Analysieren von Milliarden Records in ms Bereich! horizontale Skalierung (Rows) Web Analytics Unique User Berechnung (SQL: select count distinct) Durchsucht Tera- und Petabyte an Daten innerhalb von Bruchteilen einer Sekunde Analysiert 8 Mrd. Records in 15ms auf einem 4-Server Cluster System Seite 26 von 31

28 Praxisbeispiel - ParStream: Skalierung ParStream ermöglicht schnelle und flexible Kombinationen von vielen Spalten vertikale Skalierung (Columns) Market Research > 1000 Columns Mustererkennung Flexible mehrspaltige Filterung & Gruppierung 20 Mio. Records mit 1000 Spalten 5000 Queries in 5 sec. Seite 27 von 31

29 Agenda CUDA Überblick, Performance Entwicklung APIs und Programmiersprachen Cluster, GPU Hardware, GPU enabled Applications Big Data Herausforderung von heute, Datenbanksysteme ParStream Big Data Superfast, DB-Architektur Praxisbeispiel SQL Datenbankabfrage mit 1800 Cores OTP Datensatz, Test Setup, Performancevergleich, Antwortzeiten Beispiele: Queries, Reisesuchmaschine, Skalierung Serviceleistungen Fragen? Seite 28 von 31

30 Serviceleistungen - CUDA Als IBM-Business Partner bieten wir ein umfangreiches Serviceangebot für CUDA-Systeme an: Vor-Ort Behebung von Mängeln / Lieferung von Ersatzteilen Reaktionszeit next business day Hotlinesupport Proof of Concept Kundenworkshops Kundenspezifische Benchmarks und Evaluierung Komplette Testumgebung im Haus Seite 29 von 31

31 Agenda CUDA Überblick, Performance Entwicklung APIs und Programmiersprachen Cluster, GPU Hardware, GPU enabled Applications Big Data Herausforderung von heute, Datenbanksysteme ParStream Big Data Superfast, DB-Architektur Praxisbeispiel SQL Datenbankabfrage mit 1800 Cores OTP Datensatz, Test Setup, Performancevergleich, Antwortzeiten Beispiele: Queries, Reisesuchmaschine, Skalierung Serviceleistungen Fragen? Seite 30 von 31

32 Fragen? Vielen Dank für Ihre Aufmerksamkeit! Seite 31 von 31

Milliarden in Sekunden: Demo zu PureData for Analytics. Marc Bastien Senior Technical Professional Big Data, IBM

Milliarden in Sekunden: Demo zu PureData for Analytics. Marc Bastien Senior Technical Professional Big Data, IBM Milliarden in Sekunden: Demo zu PureData for Analytics Marc Bastien Senior Technical Professional Big Data, IBM IBM PureData System Für die Herausforderungen von Big Data Schnell und Einfach! System for

Mehr

Die IBM Netezza Architektur für fortgeschrittene Analysen

Die IBM Netezza Architektur für fortgeschrittene Analysen Michael Sebald IT Architect Netezza Die IBM Netezza Architektur für fortgeschrittene Analysen 2011 IBM Corporation Was ist das Problem aller Data Warehouse Lösungen? I / O Transaktionaler und analytischer

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

Wie profitiert SAP MaxDB von SSD Technologie?

Wie profitiert SAP MaxDB von SSD Technologie? Wie profitiert SAP MaxDB von SSD Technologie? Direktor Software und Services SAP MaxDB InfoTage 2014 15.-25. September 2014 Purpose Agenda MaxDB ENTERPRISE EDITION Including Mobile DB Monitor MaxDB & SSD

Mehr

best Systeme GmbH Michael Beeck Geschäftsführer, CTO Michael.Beeck@best.de best Systeme GmbH

best Systeme GmbH Michael Beeck Geschäftsführer, CTO Michael.Beeck@best.de best Systeme GmbH best Systeme GmbH Michael Beeck Geschäftsführer, CTO Michael.Beeck@best.de best Systeme GmbH Münchner Str. 123a 85774 Unterföhring Tel: 089/950 60 80 Fax: 089/950 60 70 Web: www.best.de best Systeme GmbH

Mehr

IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen

IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen Nahezu 70% aller Data Warehouse Anwendungen leiden unter Leistungseinschränkungen der unterschiedlichsten Art. - Gartner

Mehr

GridMate The Grid Matlab Extension

GridMate The Grid Matlab Extension GridMate The Grid Matlab Extension Forschungszentrum Karlsruhe, Institute for Data Processing and Electronics T. Jejkal, R. Stotzka, M. Sutter, H. Gemmeke 1 What is the Motivation? Graphical development

Mehr

Well-Balanced. Performance Tuning

Well-Balanced. Performance Tuning Well-Balanced Real Application Cluster Performance Tuning Über mich virtual7 GmbH Jürgen Bouché Zeppelinstraße 2 76185 Karlsruhe Tel.: +49 (721) 6190170 Fax.: +49 (721) 61901729 Email: jbouche@heine.de

Mehr

EXASOL AG Zahlen & Fakten

EXASOL AG Zahlen & Fakten Big Data Management mit In-Memory-Technologie EXASOL AG Zahlen & Fakten Name: EXASOL AG Gründung: 2000 Tochterges.: Management: Produkte: Firmensitz: Niederlassung: EXASOL Cloud Computing GmbH Steffen

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen

Mehr

Standardsoftware. SAP Basisarchitektur. Prof. Dr. Bernhard Schiefer 2-1

Standardsoftware. SAP Basisarchitektur. Prof. Dr. Bernhard Schiefer 2-1 Standardsoftware SAP Basisarchitektur Prof. Dr. Bernhard Schiefer 2-1 SAP Client/Server Dreistufige Rechnerhierarchie Lesen in der DB und Aktualisierung der Puffer Datenbankänderung Zentrale DB (speichert

Mehr

FlexFrame for Oracle. Torsten Schlautmann OPITZ CONSULTING Gummersbach GmbH

FlexFrame for Oracle. Torsten Schlautmann OPITZ CONSULTING Gummersbach GmbH Torsten Schlautmann torsten.schlautmann@opitz-consulting.de OPITZ CONSULTING Gummersbach GmbH +49 2261 6001-1175 Agenda Funktionsweise Einsatzszenarien Rahmenbedingungen Zusammenfassung Fragen und Antworten

Mehr

Titelmasterformat durch Klicken bearbeiten

Titelmasterformat durch Klicken bearbeiten Titelmasterformat durch Klicken Titelmasterformat durch Klicken Huawei Enterprise Server Systeme Global Player auf dem Server- und Storagemarkt Scale up Übersicht Titelmasterformat durch Klicken Textmasterformat

Mehr

JONATHAN JONA WISLER WHD.global

JONATHAN JONA WISLER WHD.global JONATHAN WISLER JONATHAN WISLER WHD.global CLOUD IS THE FUTURE By 2014, the personal cloud will replace the personal computer at the center of users' digital lives Gartner CLOUD TYPES SaaS IaaS PaaS

Mehr

GPGPU mit NVIDIA CUDA

GPGPU mit NVIDIA CUDA 01.07.12 GPGPU mit NVIDIA CUDA General-Purpose on Formatvorlagecomputing des Graphics Processing durch Units Untertitelmasters mit KlickenCompute bearbeiten NVIDIA Unified Device Architecture Gliederung

Mehr

SQL Server 2012. Technischer Überblick. Patrick Heyde

SQL Server 2012. Technischer Überblick. Patrick Heyde SQL Server 2012 Technischer Überblick Patrick Heyde Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/patrick_heyde Patrick.Heyde@Microsoft.com SQL Server 2012 Highlights Der neue

Mehr

Excel beschleunigen mit dem mit Windows HPC Server 2008 R2

Excel beschleunigen mit dem mit Windows HPC Server 2008 R2 Excel beschleunigen mit dem mit Windows HPC Server 2008 R2 Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Haftungsausschluss Microsoft kann für die Richtigkeit

Mehr

Orientierungsveranstaltungen 2009 Informatikstudien der Universität Wien

Orientierungsveranstaltungen 2009 Informatikstudien der Universität Wien Orientierungsveranstaltungen 2009 Informatikstudien der Universität Wien Scientific Computing 07. Oktober 2009 Siegfried Benkner Wilfried Gansterer Fakultät für Informatik Universität Wien www.cs.univie.ac.at

Mehr

Gliederung. Was ist CUDA? CPU GPU/GPGPU CUDA Anwendungsbereiche Wirtschaftlichkeit Beispielvideo

Gliederung. Was ist CUDA? CPU GPU/GPGPU CUDA Anwendungsbereiche Wirtschaftlichkeit Beispielvideo Gliederung Was ist CUDA? CPU GPU/GPGPU CUDA Anwendungsbereiche Wirtschaftlichkeit Beispielvideo Was ist CUDA? Nvidia CUDA ist eine von NvidiaGPGPU-Technologie, die es Programmierern erlaubt, Programmteile

Mehr

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland

Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen Frank Irnich SAP Deutschland SAP ist ein globales Unternehmen... unser Fokusgebiet... IT Security für... 1 globales Netzwerk > 70 Länder, >

Mehr

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen

Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen DATA WAREHOUSE Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen Alfred Schlaucher, Detlef Schroeder DATA WAREHOUSE Themen Big Data Buzz Word oder eine neue Dimension

Mehr

PostgreSQL auf vielen CPUs. Hans-Jürgen Schönig Hans-Jürgen Schönig

PostgreSQL auf vielen CPUs. Hans-Jürgen Schönig  Hans-Jürgen Schönig PostgreSQL auf vielen CPUs Ansätze zur Skalierung PostgreSQL auf einer CPU Traditionell läuft eine Query auf nur einer CPU Historisch gesehen war das kein Problem Mittlerweile ist das ein großes Problem

Mehr

Große Datenmengen gibt es nicht nur bei Großunternehmen: Bewältigung von Massendaten für den Mittelstand

Große Datenmengen gibt es nicht nur bei Großunternehmen: Bewältigung von Massendaten für den Mittelstand Große Datenmengen gibt es nicht nur bei Großunternehmen: Bewältigung von Massendaten für den Mittelstand Mittwoch 27. Februar 2013 14:00 18:00 Uhr Museum für Kommunikation Nürnberg Konferenzsaal 2. OG

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle

Mehr

Tuning von PostGIS mit Read- Only-Daten von OpenStreetMap

Tuning von PostGIS mit Read- Only-Daten von OpenStreetMap Tuning von PostGIS mit Read- Only-Daten von OpenStreetMap Prof. Stefan Keller (Fach-)Hochschule für Technik Rapperswil (bei Zürich) 11.11.2011 PGConf.DE - Stefan Keller 1 Was ist OpenStreetMap? Wikipedia

Mehr

apex.meinefirma.de Carsten Czarski ORACLE Deutschland B.V. & Co KG APEX Hosting im eigenen Unternehmen Carsten.Czarski@oracle.com

apex.meinefirma.de Carsten Czarski ORACLE Deutschland B.V. & Co KG APEX Hosting im eigenen Unternehmen Carsten.Czarski@oracle.com Carsten.Czarski@oracle.com http://tinyurl.com/apexcommunity http://sql-plsql-de.blogspot.com http://oracle-text-de.blogspot.com http://oracle-spatial.blogspot.com http://plsqlexecoscomm.sourceforge.net

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

HP BUSINESS CRITICAL SYSTEMS IT with Mission-Critical Converged Infrastructure. Simulationen im Europäischen Hochspannungsnetz

HP BUSINESS CRITICAL SYSTEMS IT with Mission-Critical Converged Infrastructure. Simulationen im Europäischen Hochspannungsnetz HP BUSINESS CRITICAL SYSTEMS IT with Mission-Critical Converged Infrastructure Simulationen im Europäischen Hochspannungsnetz Christoph Widrig BCS Sales Consultant HP Schweiz GmbH Rico Künzler, CEO Physiker

Mehr

Tuning des Weblogic /Oracle Fusion Middleware 11g. Jan-Peter Timmermann Principal Consultant PITSS

Tuning des Weblogic /Oracle Fusion Middleware 11g. Jan-Peter Timmermann Principal Consultant PITSS Tuning des Weblogic /Oracle Fusion Middleware 11g Jan-Peter Timmermann Principal Consultant PITSS 1 Agenda Bei jeder Installation wiederkehrende Fragen WievielForms Server braucheich Agenda WievielRAM

Mehr

Marketing Update. Enabler / ENABLER aqua / Maestro II

Marketing Update. Enabler / ENABLER aqua / Maestro II Marketing Update Enabler / ENABLER aqua / Maestro II Quartal 01/2012 1 Kommentar des Herausgebers Liebe Kunden und Partner, dieser Marketing Update gibt Ihnen einen kurzen Überblick über die aktuell verfügbaren

Mehr

Staff. Tim Conrad. Zeitplan. Blockseminar: Verteiltes Rechnen und Parallelprogrammierung. Sommer Semester 2013. Tim Conrad

Staff. Tim Conrad. Zeitplan. Blockseminar: Verteiltes Rechnen und Parallelprogrammierung. Sommer Semester 2013. Tim Conrad Blockseminar: Verteiltes Rechnen und Parallelprogrammierung Sommer Semester 2013 Tim Conrad Staff Tim Conrad AG Computational Proteomics email: conrad@math.fu-berlin.de Telefon: 838-51445 Büro: Raum 138,

Mehr

FME Desktop. Data in Motion

FME Desktop. Data in Motion FME Desktop Data in Motion Übersicht Reporting Ausführen, Debuggen, Inspizieren, Profilen Neuigkeiten bei Datenbanken Reporting Move Your Data Analysis Organized Reporting in FME Tabellenkalkulationen

Mehr

In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest

In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest Synopsis Darmstadt 13.-14.05.2014 Guido Jacobs, Microsoft Tobias Maier & Dr. Benjamin Kettner, ixto GmbH Microsoft SQL Server 2014 //

Mehr

GoGrid Hochschule Mannheim

GoGrid Hochschule Mannheim Christoph Eikermann GoGrid Hochschule Mannheim WS0910 1/25 GoGrid Hochschule Mannheim Christoph Eikermann Fakultät für Informatik Hochschule Mannheim c.eikermann@googlemail.com 11.12.2009 Christoph Eikermann

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

GIS in der Cloud: Beispiele von ESRI und con terra

GIS in der Cloud: Beispiele von ESRI und con terra GIS in der Cloud: Beispiele von ESRI und con terra Dr. Matthias Bluhm ESRI Deutschland GmbH 9. März 2011, Darmstadt 2 ESRI Deutschland GmbH, 2011 GmbH 2010 ESRI Unternehmensgruppe (in Deutschland und der

Mehr

Hochleistungsberechnungen für Industrie und Weltraum

Hochleistungsberechnungen für Industrie und Weltraum Christian Federspiel Hochleistungsberechnungen für Industrie und Weltraum christian.federspiel@catalysts.at Stagnation seit 2005 Performance Parameter Entwicklung von 2005-2020 Taktfrequenz L1 / L2 Cache

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

Blockseminar: Verteiltes Rechnen und Parallelprogrammierung. Sommer Semester 2015. Tim Conrad

Blockseminar: Verteiltes Rechnen und Parallelprogrammierung. Sommer Semester 2015. Tim Conrad Blockseminar: Verteiltes Rechnen und Parallelprogrammierung Sommer Semester 2015 Tim Conrad Staff Tim Conrad AG Medical Bioinformatics email: conrad@math.fu-berlin.de Telefon: 838-51445 Büro: Raum 138,

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

Performance Probleme aufspüren

Performance Probleme aufspüren Performance Probleme aufspüren Oberhausen, 2013 Hans-Jürgen Schönig Gründe für schlechte Performance 1. Dumme Anfragen - das passiert häufiger als man denkt 2. Suboptimale PostgreSQL Parameter 3. Schlechte

Mehr

Oracle EngineeredSystems

Oracle EngineeredSystems Oracle EngineeredSystems Überblick was es alles gibt Themenübersicht Überblick über die Engineered Systems von Oracle Was gibt es und was ist der Einsatzzweck? Wann machen diese Systeme Sinn? Limitationen

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

Kingston Technology WHD. November 30, 2012. Andreas Scholz, BDM Integration und Server D-A

Kingston Technology WHD. November 30, 2012. Andreas Scholz, BDM Integration und Server D-A Kingston Technology WHD Andreas Scholz, BDM Integration und Server D-A November 30, 2012 Agenda Trends Speicher Konfigurationen Warum KingstonConsult? KingstonConsult Speicher Bandbreite: balanced vs.

Mehr

Die deutsche Windows HPC Benutzergruppe

Die deutsche Windows HPC Benutzergruppe Christian Terboven, Dieter an Mey {terboven, anmey}@rz.rwth aachen.de Rechen und Kommunikationszentrum RWTH Aachen Windows HPC Server Launch 16. Oktober, Frankfurt am Main Agenda o Hochleistungsrechnen

Mehr

Praxiseinheit: Realisierung einer hardwarebeschleunigten Disparitätenberechnung zur automatischen Auswertung von Stereobildern

Praxiseinheit: Realisierung einer hardwarebeschleunigten Disparitätenberechnung zur automatischen Auswertung von Stereobildern Praxiseinheit: Realisierung einer hardwarebeschleunigten Disparitätenberechnung zur automatischen Auswertung von Stereobildern Institut für Betriebssysteme und Rechnerverbund TU Braunschweig 25.10., 26.10.

Mehr

Stratosphere. Next-Generation Big Data Analytics Made in Germany

Stratosphere. Next-Generation Big Data Analytics Made in Germany Stratosphere Next-Generation Big Data Analytics Made in Germany Robert Metzger Stratosphere Core Developer Technische Universität Berlin Ronald Fromm Head of Big Data Science Telekom Innovation Laboratories

Mehr

Ein Unternehmen der Firmengruppe:

Ein Unternehmen der Firmengruppe: Ein Unternehmen der Firmengruppe: IT unter einem Dach Mit diesem Leitgedanken haben sich unsere Unternehmen zusammengeschlossen, um ihren Kunden ganzheitliche IT-Lösungen anbieten zu können. Die Unternehmensgruppe

Mehr

Open Spending Visualisierung kommunaler Ausgabenprofile

Open Spending Visualisierung kommunaler Ausgabenprofile Open Spending Visualisierung kommunaler Ausgabenprofile Universität Leipzig Institut für Informatik Abteilung Betriebliche Informationssysteme Forschungsgruppe AKSW 10. 12. 2013 1 Motivation 2 Entstehung

Mehr

bersicht Datenbanken und Datawarehouses Datenbank Datenbanksysteme Niels Schršter

bersicht Datenbanken und Datawarehouses Datenbank Datenbanksysteme Niels Schršter bersicht Niels Schršter EinfŸhrung GROUP BY Roll UpÔs Kreuztabellen Cubes Datenbank Ansammlung von Tabellen, die einen ãausschnitt der WeltÒ fÿr eine Benutzergruppe beschreiben. Sie beschreiben die funktionalen

Mehr

Client: min. Intel Pentium IV oder höher bzw. vergleichbares Produkt

Client: min. Intel Pentium IV oder höher bzw. vergleichbares Produkt ISIS MED Systemanforderungen (ab Version 7.0) Client: Bildschirm: Betriebssystem: min. Intel Pentium IV oder höher bzw. vergleichbares Produkt min. 2048 MB RAM frei Webserver min 20. GB ISIS wurde entwickelt

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

CUDA 3230 GPU-COMPUTE NODE, KEPLER READY

CUDA 3230 GPU-COMPUTE NODE, KEPLER READY CUDA 3230 GPU-COMPUTE NODE, KEPLER READY II 1HE Rackmount II Dual Intel Xeon Processor E5-2600 v3 Serie (Haswell EP) II max. 1 TB Hauptspeicher (LRDIMM) II max. 8 TB Speicher II 3 NVIDIA Tesla GPUs der

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

Mehr

XEN Performance. Projektpraktikum Informatik. Arne Klein 2008-02-26. Arne Klein () XEN Performance 2008-02-26 1 / 25

XEN Performance. Projektpraktikum Informatik. Arne Klein 2008-02-26. Arne Klein () XEN Performance 2008-02-26 1 / 25 XEN Performance Projektpraktikum Informatik Arne Klein 2008-02-26 Arne Klein () XEN Performance 2008-02-26 1 / 25 1 Virtualisierung mit XEN 2 Performance von XEN Allgemeines Netzwerk-Performance IO-Performance

Mehr

HANA Solution Manager als Einstieg

HANA Solution Manager als Einstieg Markus Stockhausen HANA Solution Manager als Einstieg Collogia Solution Day Hamburg 28.04.2016 Agenda HANA Solution Manager als Einstieg 1 Überblick 2 Techniken 3 Sizing Collogia Unternehmensberatung AG,

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

20.01.2015 Fabian Grimme und Tino Krüger 1 INDREX. Evaluierung von H2O. Enterprise Data Management Beuth Hochschule für Technik

20.01.2015 Fabian Grimme und Tino Krüger 1 INDREX. Evaluierung von H2O. Enterprise Data Management Beuth Hochschule für Technik 20.01.2015 Fabian Grimme und Tino Krüger 1 INDREX Evaluierung von H2O Enterprise Data Management Beuth Hochschule für Technik 20.01.2015 Fabian Grimme und Tino Krüger 2 INDREX im Überblick In-Database

Mehr

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models Predictive Analytics Factory The approach for the production and maintenance of analytical models Dr. Gerhard Svolba Austria Forum Finnland Helsinki September24 h, 2013 Agenda Rationale and idea of a Predictive

Mehr

Performance-Vergleich zwischen InterSystems Caché und Oracle in einer Data-Mart-Applikation

Performance-Vergleich zwischen InterSystems Caché und Oracle in einer Data-Mart-Applikation Performance-Vergleich zwischen InterSystems Caché und Oracle in einer Data-Mart-Applikation Kurzfassung Im Rahmen einer simulierten Data-Mart-Applikation testete ein globaler Anbieter von Software für

Mehr

.NET-Objekte einfach speichern Michael Braam, Senior Sales Engineer InterSystems GmbH

.NET-Objekte einfach speichern Michael Braam, Senior Sales Engineer InterSystems GmbH Make Applications Faster.NET-Objekte einfach speichern Michael Braam, Senior Sales Engineer InterSystems GmbH Agenda Vorstellung InterSystems Überblick Caché Live Demo InterSystems auf einen Blick 100.000

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OSC Smart Integration GmbH SAP Business One GOLD-Partner in Norddeutschland GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 SAP Business One v.9.0 Heiko Szendeleit AGENDA OSC-SI 2013 / SAP Business One

Mehr

Total Cost of Ownership Vergleich Linux/Windows

Total Cost of Ownership Vergleich Linux/Windows Aktuelle Themen der Informatik Total Cost of Ownership Vergleich Linux/Windows Tobias Walter CN7 Mai 2006 1 Agenda Was ist Total Cost of Ownership? 2005 North American Linux and Windows TCO Comparison

Mehr

HANA. TOBA-Team Dresden 19.05.2012

HANA. TOBA-Team Dresden 19.05.2012 HANA TOBA-Team Dresden 19.05.2012 Kunde droht mit Auftrag! Ein großer Discounter schickt Anfrage: Bis wann und zu welchem Preis können Sie 30.000 Stück liefern? Die Hektik beginnt! Bis wann Welche und

Mehr

Virtualisierung am Beispiel des LRZ Stefan Berner berner@lrz.de

Virtualisierung am Beispiel des LRZ Stefan Berner berner@lrz.de Virtualisierung am Beispiel des LRZ Stefan Berner berner@lrz.de Leibniz-Rechenzentrum der Bayerischen Akademie der Wissenschaften Agenda Einleitung Vor- und Nachteile der Virtualisierung Virtualisierungssoftware

Mehr

Seminar GPU-Programmierung/Parallelverarbeitung

Seminar GPU-Programmierung/Parallelverarbeitung Seite iv Literaturverzeichnis 1) Bengel, G.; et al.: Masterkurs Parallele und Verteilte Systeme. Vieweg + Teubner, Wiesbaden, 2008. 2) Breshears, C.: The Art of Concurrency - A Thread Monkey's Guide to

Mehr

Markus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation

Markus Feichtinger. Power Systems. Der Weg zu POWER! 2009 IBM Corporation Markus Feichtinger Power Systems Der Weg zu POWER! Agenda Motivation Lösung Beispiel Export / Import - Überblick - Migration Beispiel XenoBridge - Überblick - Migration Benefits 2 Motivation Strategisch

Mehr

Systemanforderungen für MuseumPlus und emuseumplus

Systemanforderungen für MuseumPlus und emuseumplus Systemanforderungen für MuseumPlus und emuseumplus Systemanforderungen für MuseumPlus und emuseumplus Gültig ab: 01.03.2015 Neben den aufgeführten Systemvoraussetzungen gelten zusätzlich die Anforderungen,

Mehr

OpenCL. OpenCL. Boris Totev, Cornelius Knap

OpenCL. OpenCL. Boris Totev, Cornelius Knap OpenCL OpenCL 1 OpenCL Gliederung Entstehungsgeschichte von OpenCL Was, warum und überhaupt wieso OpenCL CUDA, OpenGL und OpenCL GPUs OpenCL Objekte Work-Units OpenCL Adressbereiche OpenCL API Codebeispiel

Mehr

LOG AND SECURITY INTELLIGENCE PLATFORM

LOG AND SECURITY INTELLIGENCE PLATFORM TIBCO LOGLOGIC LOG AND SECURITY INTELLIGENCE PLATFORM Security Information Management Logmanagement Data-Analytics Matthias Maier Solution Architect Central Europe, Eastern Europe, BeNeLux MMaier@Tibco.com

Mehr

oscan ein präemptives Echtzeit-Multitasking-Betriebssystem

oscan ein präemptives Echtzeit-Multitasking-Betriebssystem ein präemptives Echtzeit-Multitasking-Betriebssystem 2011. Vector Informatik GmbH. All rights reserved. Any distribution or copying is subject to prior written approval by Vector. V0.9 2011-10-12 Management

Mehr

GPGPU-Architekturen CUDA Programmiermodell Beispielprogramm. Einführung CUDA. Ralf Seidler. Friedrich-Alexander-Universität Erlangen-Nürnberg

GPGPU-Architekturen CUDA Programmiermodell Beispielprogramm. Einführung CUDA. Ralf Seidler. Friedrich-Alexander-Universität Erlangen-Nürnberg Einführung CUDA Friedrich-Alexander-Universität Erlangen-Nürnberg PrakParRA, 18.11.2010 Outline 1 GPGPU-Architekturen 2 CUDA Programmiermodell 3 Beispielprogramm Outlook 1 GPGPU-Architekturen 2 CUDA Programmiermodell

Mehr

Beratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting

Beratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting Beratung Results, no Excuses. Consulting Lösungen Grown from Experience. Ventum Consulting SQL auf Hadoop Oliver Gehlert 1 Ventum Consulting Daten und Fakten Results, no excuses Fachwissen Branchenkenntnis

Mehr

Tag der Umweltmeteorologie 12.05.2015. Michael Kunz

Tag der Umweltmeteorologie 12.05.2015. Michael Kunz Tag der Umweltmeteorologie 12.05.2015 Michael Kunz Beschleunigung von Ausbreitungsmodellen durch Portierung auf Grafikkarten Einleitung Das GRAL/GRAMM-System Cuda-GRAL Ergebnisse Vergleich der Modellergebnisse

Mehr

Mehr erreichen mit der bestehenden Infrastuktur. Mathias Widler Regional Sales Manager DACH mwidler@a10networks.com

Mehr erreichen mit der bestehenden Infrastuktur. Mathias Widler Regional Sales Manager DACH mwidler@a10networks.com Mehr erreichen mit der bestehenden Infrastuktur Mathias Widler Regional Sales Manager DACH mwidler@a10networks.com 1 Das Unternehmen A10 Networks Gegründet 2004, 240 Mitarbeiter Mission: Marktführer im

Mehr

Big Data Anwendungen Chancen und Risiken

Big Data Anwendungen Chancen und Risiken Big Data Anwendungen Chancen und Risiken Dr. Kurt Stockinger Studienleiter Data Science, Dozent für Informatik Zürcher Hochschule für Angewandte Wissenschaften Big Data Workshop Squeezing more out of Data

Mehr

Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung

Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung 1 Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung Wiesbaden 06.11.2013 Ralph Giebel Business Development Mrg Public Sektor EMC Deutschland GmbH ralph.giebel@emc.com 2 Agenda 1) Herausforderungen

Mehr

MySQL Queries on "Nmap Results"

MySQL Queries on Nmap Results MySQL Queries on "Nmap Results" SQL Abfragen auf Nmap Ergebnisse Ivan Bütler 31. August 2009 Wer den Portscanner "NMAP" häufig benutzt weiss, dass die Auswertung von grossen Scans mit vielen C- oder sogar

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

Masterpraktikum Scientific Computing

Masterpraktikum Scientific Computing Masterpraktikum Scientific Computing High-Performance Computing Thomas Auckenthaler Wolfgang Eckhardt Prof. Dr. Michael Bader Technische Universität München, Germany Outline Organisatorisches Entwicklung

Mehr

Virtualisierung: Neues aus 2010 und Trends 2011

Virtualisierung: Neues aus 2010 und Trends 2011 Virtualisierung: Neues aus 2010 und Trends 2011 Werner Fischer, Technology Specialist Thomas-Krenn.AG Thomas Krenn Herbstworkshop 2010 Freyung, 24. September 2010 Agenda 1) Virtualisierungs-Software VMware

Mehr

Oracle JD Edwards EnterpriseOne Investment. Delivery. Proof. Oracle JD Edwards EnterpriseOne All You Need Without The Risk. CLOUD JDE and TRY IT

Oracle JD Edwards EnterpriseOne Investment. Delivery. Proof. Oracle JD Edwards EnterpriseOne All You Need Without The Risk. CLOUD JDE and TRY IT 1 PREISBEISPIELE für ein KMU mit 100 Usern JDE in einer CLOUD CLOUD JDE and TRY IT JD Edwards E1: Die schlanke und umfassende IT-Lösung für den Mittelstand vom Weltmarktführer by Full Speed Systems AG

Mehr

ThinkStation P-Series Anwendungsbreiche

ThinkStation P-Series Anwendungsbreiche 39 ThinkStation P-Series Anwendungsbreiche Thinkstation Vertikale Lösungen Öl & Gas Produktentwicklung Media & Entertainment Finanz, Wertpapierhandel Medizin & Forschung 40 2014 LENOVO INTERNAL. ALL RIGHTS

Mehr

Die Vision Landschaft und was sie mit Moore s Gesetz zu tun hat

Die Vision Landschaft und was sie mit Moore s Gesetz zu tun hat Die Vision Landschaft und was sie mit Moore s Gesetz zu tun hat Horst A. Mattfeldt Produkt Manager Matrix Vision GmbH V1.0 10/2010 MATRIX VISION GmbH 1 Inhalt/Content: Vom Vision Sensor über Atom Boxen

Mehr

Compute Unified Device Architecture CUDA

Compute Unified Device Architecture CUDA Compute Unified Device Architecture 06. Februar 2012 1 / 13 Gliederung 2 / 13 : Compute Unified Device Architecture entwickelt von Nvidia Corporation spezifiziert Software- und Hardwareeigenschaften Ziel:

Mehr

INTERREG IIIa Project R&D - Ready for Research and Development Project results and ongoing activities

INTERREG IIIa Project R&D - Ready for Research and Development Project results and ongoing activities INTERREG IIIa Project R&D - Ready for Research and Development Project results and ongoing activities Györ, 5th December 2007 Key regions + perifary for surveys Background objectives CENTROPE needs a strategy

Mehr

GPGPUs am Jülich Supercomputing Centre

GPGPUs am Jülich Supercomputing Centre GPGPUs am Jülich Supercomputing Centre 20. April 2012 Jochen Kreutz Jülich Supercomputing Centre (JSC) Teil des Forschungszentrums Jülich und des Institute for Advanced Simulation (IAS) betreibt Supercomputer

Mehr

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin Accenture s High Performance Analytics Demo-Umgebung Dr, Holger Muster (Accenture), 18. Juni 2013 Copyright 2012 Hewlett-Packard Development Company,

Mehr

SQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar

SQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar Qt-Seminar Dienstag, 10.2.2009 SQL ist......die Abkürzung für Structured Query Language (früher sequel für Structured English Query Language )...ein ISO und ANSI Standard (aktuell SQL:2008)...eine Befehls-

Mehr

HP ConvergedSystem Technischer Teil

HP ConvergedSystem Technischer Teil HP ConvergedSystem Technischer Teil Rechter Aussenverteidiger: Patrick Buser p.buser@smartit.ch Consultant, SmartIT Services AG Linker Aussenverteidiger: Massimo Sallustio massimo.sallustio@hp.com Senior

Mehr

Introduction Workshop 11th 12th November 2013

Introduction Workshop 11th 12th November 2013 Introduction Workshop 11th 12th November 2013 Lecture I: Hardware and Applications Dr. Andreas Wolf Gruppenleiter Hochleistungsrechnen Hochschulrechenzentrum Overview Current and next System Hardware Sections

Mehr

Die beste Infrastruktur ist nur so schnell, wie der Code der darauf läuft. Fallbeispiel Wettervorhersage

Die beste Infrastruktur ist nur so schnell, wie der Code der darauf läuft. Fallbeispiel Wettervorhersage Die beste Infrastruktur ist nur so schnell, wie der Code der darauf läuft Fallbeispiel Wettervorhersage VPE Swiss Workshop, HSR 24. Januar 2013 David Müller, Tobias Gysi Vision trifft Realität. Supercomputing

Mehr

HP Server Solutions Event The Power of ONE

HP Server Solutions Event The Power of ONE HP Server Solutions Event The Power of ONE Workload optimierte Lösungen im Bereich Client Virtualisierung basierend auf HP Converged Systems Christian Morf Business Developer & Sales Consultant HP Servers

Mehr

SQL Cockpit & SAP HANA Prüfen Sie Ihre SQL Abfragen auf HANA-Tauglichkeit

SQL Cockpit & SAP HANA Prüfen Sie Ihre SQL Abfragen auf HANA-Tauglichkeit SQL Cockpit & SAP HANA Prüfen Sie Ihre SQL Abfragen auf HANA-Tauglichkeit Johann Fößleitner Cadaxo GmbH email: johann.foessleitner@cadaxo.com Twitter: @foessleitnerj Agenda 1 SAP HANA Integrationsszenarien

Mehr

Systemanforderungen. Finanzbuchführung. Anlagenbuchführung. Kostenrechnung. Personalwirtschaft

Systemanforderungen. Finanzbuchführung. Anlagenbuchführung. Kostenrechnung. Personalwirtschaft anforderungen Finanzbuchführung Anlagenbuchführung Kostenrechnung Personalwirtschaft IMPRESSUM Varial World Edition Beschreibung der voraussetzungen Februar 2008 by Varial Software AG Hauptstraße 18 57074

Mehr

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016

Citizen Data Science. Balázs Bárány. 29. April 2016. Linuxwochen Wien 2016 Citizen Data Science Balázs Bárány Linuxwochen Wien 2016 29. April 2016 Inhalt Einführung: Data Science Werkzeuge und Methoden Citizen Data Science Daten holen Daten verstehen Daten-Vorverarbeitung Prädiktive

Mehr

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014

Mit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014 Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung

Mehr

Ihr exone Systemhauspartner Buxtenet Systemhaus GmbH & Co. KG

Ihr exone Systemhauspartner Buxtenet Systemhaus GmbH & Co. KG exone Challenge 1111 Atom 330 Art.Nr. exone Challenge 1211 X3430 RAID 47819 584 49816 1.855 exone Challenge 1811 X3220 RAID exone Challenge 1911 E5504 44628 2.983 exone Challenge 1911 i7p920 46203 1.569

Mehr

Event Stream Processing & Complex Event Processing. Dirk Bade

Event Stream Processing & Complex Event Processing. Dirk Bade Event Stream Processing & Complex Event Processing Dirk Bade Die Folien sind angelehnt an eine Präsentation der Orientation in Objects GmbH, 2009 Motivation Business Activity Monitoring Sammlung, Analyse

Mehr