Fast Analytics on Fast Data
|
|
- Carl Adler
- vor 5 Jahren
- Abrufe
Transkript
1 Fast Analytics on Fast Data Digitalisierung von Kreditprozessen mit Kudu DOAG 2018 Big Data Days 20. und 21. September in Dresden Olaf Hein, ORDIX AG
2 Problem Klassischer Kreditprozess Beantragung in der Filiale Aufwendiger Prozess Nachweis durch Dokumente Manuelle Bewilligung Verzögerte Auszahlung Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 2
3 Lösung Digitalisierung des Kreditprozesses Beantragung über Online Banking Einfacher Kreditprozess Verzicht auf Dokumente Automatische Bewilligung Sofortige Auszahlung Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 3
4 Automatisierte Selbstauskunft und Kreditlimit Datum Verwendungszweck Betrag Lohn / Gehalt 07/ Miete Musterstr. 17 M. Mustermann ACME sagt Danke Ihr Einkauf vom Bundesagentur fuer Arbeit Familienkasse KG Gaswerke Musterstadt Stromwerke Musterstadt 80 Einnahmen Betrag Gehalt 3620 Kindergeld 380 Mieteinnahmen 0 Summe Einnahmen 4000 Ausgaben Mietzahlungen 800 Nebenkosten 200 Leasingraten 0 Summe Ausgaben 1000 Verfügbares Einkommen 3000 Kreditlimit 9000 Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 4
5 Veränderung der Daten Hadoop Storage Optionen (klassisch) Realtime Updates Häufige Updates HBase Nur Inserts HDFS Statisch Abfrage der Daten Archivierung Batch Abfragen Interaktive Abfragen Realtime Abfragen Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 5
6 HDFS Verteiltes Dateisystem Datenmodellierung Große Dateien Verzeichnisse als Tabellen Unterverzeichnisse als Partitionen Kein Primary Key, kein Index Eigenschaften Write Once Read Many Bulk Insert Large Table / Partition Scans Kein Random Access Kein Update / Delete einzelner Datensätze Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 6
7 HBase NoSQL Datenbank Datenmodellierung Tabellen Row Key (Primary Key) Column Families Physikalische Speicherung Daten im HDFS Datensätze sortiert nach Row Key Eigenschaften Random Access mit geringer Latenz Insert, Update und Delete Schnelle Short Range Scans Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 7
8 Veränderung der Daten Storage Optionen (mit Kudu) Realtime Updates HBase Häufige Updates Kudu Nur Inserts Statisch HDFS Abfrage der Daten Archivierung Batch Abfragen Interaktive Abfragen Realtime Abfragen Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 8
9 Kudu NoSQL Datenbank Release 1.0 vom Datenmodellierung Tabellen mit Spalten und Datentypen Primary Key Partitionierung Physikalische Speicherung Daten im Linux FS Datensätze sortiert nach Primary Key Spaltenorientierte Speicherung Eigenschaften Random Access mit geringer Latenz Inserts, Update und Delete Schnelle Large und Short Range Scans Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 9
10 Data Ingestion Bulk Inserts Tägliche Lieferung von Umsatzdaten Median Maximum Als Textdatei Batch-Verarbeitung Einfügen ins System ETL-Verarbeitung Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 10
11 Kategorisierung & Zahlungsstromanalyse (ZSA) Large Scans & Inserts / Updates Kategorisierung neuer Umsätze Zahlungsstromanalyse aktiver Konten Konten Buchungen von 13 Monaten Buchungen / Tag CPU ist kritisch! Datenvolumen moderat Large Scans & Updates Modell Änderungen Update aller Kategorien ZSA Neuberechnung aller Konten Buchungen für 13 Monate Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 11
12 Online Schnittstellen Clients Online-Banking Filiale Random Reads Kreditlimit Haushaltsdaten Random Writes Anpassung Haushaltsdaten Neuberechnung Kreditlimit Fremdbank-Daten Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 12
13 Löschen von Daten Random Deletes Umsatz und Haushaltsdaten eines Kunden Kunde deaktiviert ZSA Kunde kündigt Konto Alte Daten (Datensparsamkeit) Regulatorische Vorgaben DSGVO BAFIN Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 13
14 Analytische Auswertungen Modell Monitoring Analyse aller Umsätze Daten einzelner Konten Tools Impala SQL Anaconda Enterprise Jupyter Notebooks PySpark Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 14
15 Produktauswahl Bulk Inserts Large Scans Short Scans Random Reads Updates Deletes Analytics Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 15
16 High Level Architektur Online-Banking Filiale Data Science Workplace REST Services Anaconda RDBMS HDFS Kudu Kudu Extract Transform Load ZSA Load DS & ML Data Lake Data Science Sandbox Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 16
17 Datenmodellierung Primary Key Design UMSATZ_DATEN HAUSHALTS_DATEN Unique Index Sortierung der Daten PS PS PS IBAN DATUM UMSATZ_ID n 1 PS IBAN GEHALT KINDERGELD Partitionierung VERWENDUNGSZWECK MIETEINNAHMEN Verteilung BETRAG MIETZAHLUNGEN NEBENKOSTEN der Daten auf Tablets LEASINGRATEN der Tablets auf Tablet Server KREDITLIMIT Mehrere Partitionierungsarten Range Hash Multilevel Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 17
18 Datenmodell (vereinfacht) UMSATZ_DATEN HAUSHALTS_DATEN PS IBAN n 1 PS IBAN PS DATUM GEHALT PS UMSATZ_ID KINDERGELD VERWENDUNGSZWECK MIETEINNAHMEN BETRAG MIETZAHLUNGEN NEBENKOSTEN LEASINGRATEN KREDITLIMIT Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 18
19 Hash Partitionierung (1/2) Tablet 1 Hash Bucket = 0 Tablet 2 Hash Bucket = 1 Tablet 3 Hash Bucket = 2 HASH ( iban ) Partition Key muss Teil des Primary Keys sein Verteilung über Hash Funktion Partitionierung kann nicht geändert werden Anzahl Buckets abhängig vom Datenvolumen Anzahl Tablet Server & Cores je Server Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 19
20 Hash Partitionierung (2/2) create table haushalts_daten ( iban string, gehalt double, kindergeld double, mieteinnahmen double, mietzahlungen double, nebenkosten double, leasingraten double, kreditlimit double, primary key (iban) ) partition by hash (iban) partitions 3 stored as kudu; Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 20
21 Range Partitionierung (1/2) Tablet 1 datum < ' ' Tablet 2 ' ' <= datum < ' ' Tablet 3 ' ' <= datum < ' ' RANGE ( datum ) Partition Key muss Teil des Primary Keys sein Bereiche dürfen nicht überlappen können geschlossen oder offen sein Partitionen können hinzugefügt und gelöscht werden Größe der Bereiche abhängig vom Datenvolumen Anzahl Tablet Server & Cores je Server Zugriffsmuster (Löschen, Range Scans) Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 21
22 Range Partitionierung (2/2) create table umsatz_daten ( iban string, datum string, umsatz_id string, verwendungszweck string, betrag double, primary key (iban, datum) ) partition by range (datum) ( partition values < ' ', partition ' ' <= values < ' ', partition ' ' <= values < ' ' ) stored as kudu; Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 22
23 HASH ( iban ) Multilevel Partitionierung (1/3) Tablet 1 ' ' <= datum < ' ' Hash Bucket = 0 Tablet 2 ' ' <= datum < ' ' Hash Bucket = 0 Tablet 3 ' ' <= datum < ' ' Hash Bucket = 0 Tablet 4 ' ' <= datum < ' ' Hash Bucket = 1 Tablet 5 ' ' <= datum < ' ' Hash Bucket = 1 Tablet 6 ' ' <= datum < ' ' Hash Bucket = 1 Tablet 7 ' ' <= datum < ' ' Hash Bucket = 2 Tablet 8 ' ' <= datum < ' ' Hash Bucket = 2 Tablet 9 ' ' <= datum < ' ' Hash Bucket = 2 RANGE ( datum ) Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 23
24 Multilevel Partitionierung (2/3) Kombination von Partitionierungsarten Hash + Range Hash + Hash + [Hash...] + [Range] Vorteile Range + Hash für Umsatzdaten Hash Partitionierung Schreiboperationen werden auf mehrere Tablets verteilt Paralleles Lesen der Daten aus mehreren Tablets Alle Daten einer IBAN im selben Tablet (Partition Pruning) Range Partitionierung Hinzufügen neuer Partitionen Löschen alter Partitionen Alle Daten eines Jahres im selben Tablet (Partition Pruning) Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 24
25 Multilevel Partitionierung (3/3) create table umsatz_daten ( iban string, datum string, umsatz_id string, verwendungszweck string, betrag double, primary key (iban, datum) ) partition by hash (iban) partitions 3, range (datum) ( partition ' ' <= values < ' ', partition ' ' <= values < ' ', partition ' ' <= values < ' ' ) stored as kudu; Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 25
26 Kudu Architektur (1/2) Metadaten lesen + schreiben Kudu Master Leader Tablet Sever Kudu Master Kudu Master Follower Tablet Sever Client Daten lesen + schreiben Tablet 1 Leader Tablet 2 Follower Tablet 1 Follower Daten lesen Tablet Sever Tablet Sever Tablet 2 Follower Tablet 1 Follower Tablet 2 Leader Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 26
27 Kudu Architektur (2/2) Kudu Master Verwaltet Metadaten Schema der Tabellen Tablet - Server Zuordnung 3 für Hochverfügbarkeit (minimal 1) Schreiben und Lesen nur über Leader Kudu Tablet Server Speichert Daten Tabellen werden in Tablets aufgeteilt (partitioniert) Ungerade Anzahl (1-7) Liefert Daten direkt an den Client Schreiben von Daten nur über den Leader Lesen von Daten auch über Follower Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 27
28 Erfahrungen mit Kudu in Produktion Positiv Einfache Datenmodellierung Partitionierung Key Design Einfache Verwendung Spark / PySpark Java Client Impala SQL Betrieb Hochverfügbarkeit Stabilität Performance Vielseitig Sehr gut für unsere Zugriffe Negativ Security Kerberos Authentifizierung (Noch) keine Autorisierung Workaround mit Impala + Sentry Backup (Noch) kein Support Workaround mit Impala oder Spark Betrieb Empfindlich bei Netzwerk Problemen Empfindlich bei Zeit (ntp) Problemen Admin Tools (noch) nicht ausgereift Sizing Empfehlungen - Maximal 8 TiB und 2000 Tablets je Server 100 Tablet Server 60 Tablets je Tabelle und Server Fast Analytics on Fast Data, Olaf Hein, DOAG 2018 Big Data Days in Dresden 28
29 ORDIX AG Aktiengesellschaft für Softwareentwicklung, Schulung, Beratung und Systemintegration Zentrale Paderborn Karl-Schurz-Straße 19a Paderborn Tel.: Fax: Seminarzentrum Wiesbaden Kreuzberger Ring Wiesbaden Tel.: info@ordix.de Vielen Dank für Ihre Aufmerksamkeit!
Fast Analytics on Fast Data
Fast Analytics on Fast Data Kudu als Storage Layer für Banking Applikationen Problem Klassischer Kreditprozess Beantragung in der Filiale Aufwendiger Prozess Nachweis durch Dokumente Manuelle Bewilligung
Mehreinfach. gut. beraten. Oracle Big Data Konnektoren: Hadoop und die Oracle DB DOAG Konferenz + Ausstellung 2016 Nürnberg Philipp Loer
einfach. gut. beraten. Oracle Big Data Konnektoren: Hadoop und die Oracle DB DOAG Konferenz + Ausstellung 2016 Nürnberg Philipp Loer info@ordix.de www.ordix.de Agenda Hadoop Hive OLH: Oracle Loader for
MehrBig Data: Apache Hadoop Grundlagen
Seminarunterlage Version: 1.07 Version 1.07 vom 5. September 2018 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrNoSQL Datenbanken am Beispiel von HBase. Daniel Georg
NoSQL Datenbanken am Beispiel von HBase Daniel Georg No to SQL at all sondern Not only SQL Open- Source Community Erst im Jahr 2009 gestartet Community bietet verschiede Lösungen: Casandra, CouchDD, HBase,
MehrDie wichtigsten Hadoop-Komponenten für Big Data mit SAS
Webinar@Lunchtime Die wichtigsten Hadoop-Komponenten für Big Data mit SAS Herzlich Willkommen bei Webinar@Lunchtime Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Xing-Profil:
MehrExadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht)
Exadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team Inhalt Thematik (Einordnung
MehrIndex Rebuild. DOAG Konferenz , Nürnberg. Martin Hoermann
Index Rebuild DOAG Konferenz 17.11.2011, Nürnberg Martin Hoermann info@ordix.de www.ordix.de asktom.oracle.com Quelle: asktom.oracle.com/pls/asktom/f?p=100:11:745954239666467::::p11_question_id:2913600659112
MehrIndex Rebuild. DOAG Konferenz , Nürnberg DOAG Konferenz , Nürnberg Martin Hoermann Martin Hoermann
Index Rebuild DOAG Konferenz 17.01.2011, Nürnberg DOAG Konferenz 17.11.2011, Nürnberg Martin Hoermann info@ordix.de Martin Hoermann www.ordix.de info@ordix.de www.ordix.de Eine kurze Geschichte der Zeit
MehrSODA. Die Datenbank als Document Store. Rainer Willems. Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG
SODA Die Datenbank als Document Store Rainer Willems Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG vs No Anforderungskonflikte Agile Entwicklung Häufige Schema-Änderungen Relationales
MehrBig Data in der Praxis
Jonas Freiknecht Big Data in der Praxis Lösungen mit Hadoop, HBase und Hive Daten speichern, aufbereiten, visualisieren HANSER Vorwort XI 1 Einleitung 1 2 Big-Data 7 2.1 Historische Entstehung 8 2.2 Big-Data
Mehr3 Query Language (QL) Einfachste Abfrage Ordnen Gruppieren... 7
1 Data Definition Language (DDL)... 2 1.1 Tabellen erstellen... 2 1.1.1 Datentyp...... 2 1.1.2 Zusätze.... 2 1.2 Tabellen löschen... 2 1.3 Tabellen ändern (Spalten hinzufügen)... 2 1.4 Tabellen ändern
MehrRavenDB, schnell und skalierbar
RavenDB, schnell und skalierbar Big Data & NoSQL, Aydin Mir Mohammadi bluehands GmbH & Co.mmunication KG am@bluehands.de Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit Skalierung http://www.flickr.com/photos/39901968@n04/4864698533/
MehrZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE
ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE Indexierungsstrategie im Data Warehouse Dani Schnider, Trivadis AG DOAG Konferenz, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 Effiziente Speicherung für SAP Jörn Bartels Architect Oracle Database Server Technologies 2 Oracle 12c Jörn Bartels Architect Oracle Database Server Technologies 3 1997 Effiziente Speicherung für SAP
MehrBig Data Konnektoren: Hadoop und die Oracle DB
Big Data Konnektoren: Hadoop und die Oracle DB Philipp Loer ORDIX AG, Paderborn Schlüsselwörter Hadoop, Hive, OLH, OSCH Einleitung Der Vortrag beginnt mit einer Einführung in die Big Data Welt mit Apache
MehrPartitionierung Indizes und Statistiken
Partitionierung Indizes und Statistiken DOAG Konferenz + Ausstellung 18.11.2014 Nürnberg Klaus Reimers info@ordix.de www.ordix.de Agenda Einführung Arten der Partitionierung Fragestellungen Indizes Indextypen
Mehreinfach. gut. beraten. Stabilisierung von Ausführungsplänen Baselines DOAG Konferenz + Ausstellung 2017 Nürnberg Klaus Reimers
einfach. gut. beraten. Stabilisierung von Ausführungsplänen Baselines DOAG Konferenz + Ausstellung 2017 Nürnberg Klaus Reimers info@ordix.de www.ordix.de Agenda Einführung in das Thema Stabilisierung von
MehrSchneller als Hadoop?
Schneller als Hadoop? Einführung in Spark Cluster Computing 19.11.2013 Dirk Reinemann 1 Agenda 1. Einführung 2. Motivation 3. Infrastruktur 4. Performance 5. Ausblick 19.11.2013 Dirk Reinemann 2 EINFÜHRUNG
MehrGoogle's BigTable: Ein verteiltes Speichersystem für strukturierte Daten. von Florian Eiteljörge
Google's BigTable: Ein verteiltes Speichersystem für strukturierte Daten von Florian Eiteljörge 1. Was ist Bigtable? 2. Datenmodell Übersicht 3. Implementierung/Architektur von Bigtable 4. Vergleich mit
MehrKerberos und das Oracle Die Nutzung von Kerberos in einer Solaris-Oracle-Umgebung
Kerberos und das Oracle Die Nutzung von Kerberos in einer Solaris-Oracle-Umgebung DOAG Konferenz 19. - 21.11.2013, Nürnberg Veit Jäger info@ordix.de www.ordix.de Agenda Einleitung Sicherheit & Komfort?
MehrTuning the Mobile Server
DOAG Konferenz 20. - 22.11.2012 Tuning the Mobile Server Philipp Loer ppl@ordix.de www.ordix.de Agenda Einleitung Grundlagen Performance-Optimierung Fazit Tuning the Mobile Server, Philipp Loer, DOAG 2012
MehrPartitioning Technik und Anwendungsbeispiele
Partitioning Technik und Anwendungsbeispiele Klaus Reimers ORDIX AG Köln Schlüsselworte: Range Partitioning, Hash Partitioning, List partitioning, System Partitioning, Interval Partitioning, Virtual Column
MehrDatenbanken SQL. Insert, Update, Delete, Drop. Krebs
Datenbanken SQL Insert, Update, Delete, Drop Krebs Inhalt 1. Datensätze einfügen: INSERT 2. Datensätze verändern: UPDATE 3. Datensätze löschen: DROP vs. DELETE Beispiel Datenbank Schule Klasse P_Klasse
MehrPerformance in der Oracle Datenbank von Anfang an
Performance in der Oracle Datenbank von Anfang an Marco Mischke, 26.04.2018 DOAG Regional Agenda Tabellen Indizes Ausführungspläne SQL vs PL/SQL Tabellen Zu 99% werden Standard Strukturen zur Speicherung
MehrDB-Datenbanksysteme. DB SQL-DML 1 Mario Neugebauer
DB-Datenbanksysteme DB-13 043-SQL-DML 1 Mario Neugebauer Einführung Informationsmodellierung Relationales Datenbankmodell Datenbanksprache SQL Einführung Daten-Abfrage-Sprache - DQL Daten-Definitions-Sprache
MehrRoadshow - What s new in SQL Server 2016
1 Roadshow - What s new in SQL Server 2016 Kursleitung: Dieter Rüetschi (ruetschi@ability-solutions.ch) 2 Inhalt Fachreferat Everything-Built-In Mission Critical Plattform Security Hochverfügbarkeit Advanced
MehrMySQL Architektur die Admin-Sicht
MySQL Architektur die Admin-Sicht Matthias Jung, ORDIX AG 25.09.2013 mj@ordix.de www.ordix.de Agenda Einleitung Architektur Verfügbarkeitslösungen Backup & Recovery Monitoring Gtk für Entwickler Fazit
MehrWide column-stores für Architekten
Wide column-stores für Architekten Andreas Buckenhofer Daimler TSS GmbH Ulm Schlüsselworte Big Data, Hadoop, HBase, Cassandra, Use Cases, Row Key, Hash Table NoSQL Datenbanken In den letzten Jahren wurden
MehrCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 1997 Effiziente Speicherung für SAP 8.0 Jörn Bartels Architect Oracle Database Server Technologies 2 Effiziente Speicherungsformen Ziele Index Komprimierung Index Organized Tables Ergebnisse 3 Ziele
MehrOracle 10g Einführung
Kurs Oracle 10g Einführung Teil 5 Einführung Timo Meyer Administration von Oracle-Datenbanken Timo Meyer Sommersemester 2006 Seite 1 von 16 Seite 1 von 16 Agenda 1 Tabellen und Views erstellen 2 Indizes
MehrMySQL für Oracle DBAs
MySQL für Oracle DBAs Matthias Jung, ORDIX AG 16.04.2013 mj@ordix.de www.ordix.de Agenda Einleitung Architektur Verfügbarkeitslösungen Backup & Recovery Monitoring Fazit 2 MySQL und die DOAG Regio? MySQL
MehrRow Chaining & Row Migration Alte Bekannte - immer noch aktuell! DOAG 2014 Datenbank Dierk Lenz
Row Chaining & Row Migration Alte Bekannte - immer noch aktuell! DOAG 2014 Datenbank Dierk Lenz Herrmann & Lenz Services GmbH Herrmann & Lenz Solutions GmbH Erfolgreich seit 1996 am Markt Firmensitz: Burscheid
MehrHadoop Eine Erweiterung für die Oracle DB?
Hadoop Eine Erweiterung für die Oracle DB? Nürnberg, 18.11.2015, Matthias Fuchs Sensitive Über mich 10+ Jahre Erfahrung mit Oracle Oracle Certified Professional Exadata Certified Oracle Engineered Systems
MehrDie relationale Datenbank hat Konkurrenz!
Die relationale Datenbank hat Konkurrenz! Einführung in Oracle NoSQL als Standalone Cluster. Daniel Nelle Wir kümmern uns! Senior Database Administrator merlin.zwo InfoDesign GmbH & Co. KG 76228 Karlsruhe
MehrOracle Database 12c Was Sie immer schon über Indexe wissen wollten
Oracle Database 12c Was Sie immer schon über Indexe wissen wollten Marco Mischke, 08.09.2015 DOAG Regionaltreffen B* Indexe - Aufbau 0-Level Index A-F G-Z 1-Level Index A-F G-Z 2-Level Index A-F G-M N-Z
MehrOracle DB 12c: Die In-Memory-Option Oliver Zandner System-Berater für Oracle-DB-Technologien Oracle Hannover. Available July 2014
Oracle DB 12c: Die In-Memory-Option Oliver Zandner System-Berater für Oracle-DB-Technologien Oracle Hannover Available July 2014 Worum geht es bei In-Memory? Option zur Oracle DB Enterprise Edition ab
Mehreinfach. gut. beraten. Big Data und SQL - das passt! DOAG Konferenz + Ausstellung , Nürnberg Philipp Loer
einfach. gut. beraten. Big Data und SQL - das passt! DOAG Konferenz + Ausstellung 2015 19.11.2015, Nürnberg Philipp Loer info@ordix.de www.ordix.de Agenda Einführung in Hadoop Big Data und SQL passt das
MehrINDEXIERUNGS- STRATEGIE IM DATA WAREHOUSE
INDEXIERUNGS- STRATEGIE IM DATA WAREHOUSE ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE DOAG Konferenz 2011 Dani Schnider Trivadis AG Nürnberg, BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG
MehrDas Apache Hadoop Framework im industriellen Einsatz
Das Apache Hadoop Framework im industriellen Einsatz Daniel Müller, Marvin Follmann Business Analytics Day 2019 Über uns Seamless Analytics GmbH Gegründet 2018 Daniel Müller, M. Sc. Marvin Follmann, M.
MehrObjektorientierung in Oracle
Seminarunterlage Version: 11.10 Version 11.10 vom 12. September 2013 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrBig Data Neue Erkenntnisse aus Daten gewinnen
Big Data Neue Erkenntnisse aus Daten gewinnen Thomas Klughardt Senior Systems Consultant 0 Software Dell Software Lösungsbereiche Transform Inform Connect Data center and cloud management Foglight APM,
Mehrconsulting Ventum Consulting Hadoop im Unternehmenseinsatz, aber sicher Nürnberg, November 2015 Results, no excuses.
Ventum Consulting Hadoop im Unternehmenseinsatz, aber sicher Nürnberg, November 2015 Results, no excuses. Agenda A B C D Ventum Consulting 5 Säulen der Sicherheit Frameworks Fazit Ventum Consulting Grown
MehrOracle 9i Einführung Performance Tuning
Kurs Oracle 9i Einführung Performance Tuning Teil 3 Der Optimizer Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 16 Seite 1 von 16 1. auf Tabellen 2. 3. Optimizer 4. Optimizer RBO 5. Optimizer CBO 6.
Mehr7. Datenbank-Zugriff. Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn. Zum Beispiel aus PHP-Skripten: Client 7-2
5 Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn 7 7. Datenbank-Zugriff Zum Beispiel aus PHP-Skripten: Client 7-2 Struktur einer Datenbank 7-3 Erzeugen von Datenbanken
MehrData Mart (Star Schema) Offload nach Hadoop
Data Mart (Star Schema) Offload nach Hadoop Carsten Herbe Metafinanz-Informationssysteme GmbH München Schlüsselworte Data Mart, Hadoop, HDFS, Hive, Impala, Parquet, Kompression, Snappy, Star Schema, Performance
MehrHochverfügbarkeit mit Data Guard Möglichkeiten und Grenzen
Hochverfügbarkeit mit Data Guard Möglichkeiten und Grenzen Andreas Kother Paderborn ORDIX AG Schlüsselworte: Verfügbarkeit, Data Guard, RAC Einleitung Täglich wird der DBA mit neuen Anforderungen konfrontiert.
MehrÜbersicht der wichtigsten MySQL-Befehle
Übersicht der wichtigsten MySQL-Befehle 1. Arbeiten mit Datenbanken 1.1 Datenbank anlegen Eine Datenbank kann man wie folgt erstellen. CREATE DATABASE db_namen; 1.2 Existierende Datenbanken anzeigen Mit
MehrFlashback mal sieben. DOAG Konferenz , Nürnberg. Klaus Reimers
Flashback mal sieben DOAG Konferenz 15.11.2011, Nürnberg Klaus Reimers info@ordix.dede www.ordix.de Agenda Flashback Query Flashback Query Versions Between Flashback Table Flashback Table Drop Flashback
MehrForeign Keys. MySQL 4, 5. Kapitel 16: Fremdschlüssel. Marcel Noe
MySQL 4, 5 Kapitel 16: Fremdschlüssel Gliederung 1 Gliederung 1 Fremdschlüssel sichern die Referenzielle Integrität voneinander abhängiger Tabellen. Um Fremdschlüssel definieren zu können, müssen Sie die
MehrOracle In-Memory & Data Warehouse: Die perfekte Kombination?
Oracle In-Memory & Data Warehouse: Die perfekte Kombination? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Einleitung Als Larry Ellison in einer Keynote im Juni 2014 die Oracle In-Memory Option
MehrDOAG Datenbank Partitioning für OLTP Applikationstuning mal anders. Düsseldorf, , M. Griesel. Paragon Data GmbH Seite 1
DOAG Datenbank 2015 Partitioning für OLTP Applikationstuning mal anders Düsseldorf, 16.06.2015, M. Griesel Seite 1 Profil und Anspruch fair effizient auf Augenhöhe n 60 Mitarbeiter an den Hauptstandorten
MehrBig Data Technologien
Big Data Technologien - Ein Überblick - Prof. Dr. Jens Albrecht jens.albrecht@th-nuernberg.de Big Data Landscape 2016 Prof. Dr. Jens Albrecht Big Data 3 Systemarchitektur im Wandel Gestern und heute Strukturierte
MehrSQL Data Manipulation Language (DML) und Query Language (QL)
Innsbruck Information System University of Innsbruck School of Management Information Systems Universitätsstraße 15 6020 Innsbruck SQL Data Manipulation Language (DML) und Query Language (QL) Universität
MehrDOAG Regionaltreffen TABLE REORG. Klaus Reimers. Leiter Beratung & Entwicklung, ORDIX AG, Paderborn
DOAG Regionaltreffen TABLE REORG Klaus Reimers Leiter Beratung & Entwicklung, ORDIX AG, Paderborn kr@ordix.de Agenda Reorganisationsgründe - Extents - Blockfüllgrad - Migrated Rows Workarounds - Storage
MehrOracle 9i Einführung Performance Tuning
Kurs Oracle 9i Einführung Performance Tuning Teil 14 Index-Organized Tables Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 13 Seite 1 von 13 1. Anordnung von Zeilen in einer Tabelle 2. Einführung 3.
MehrÜbung PL/SQL Trigger Lösungen
Übung PL/SQL Trigger Lösungen 1) Gebe das aktuelle Datum aus. Wofür steht dual? Ändere das Datum für Deine aktuelle Session auf das Format Jahr (4 Stellen) Monat (2 Stellen) Tag (2 Stellen)[Leerzeichen]Stunde
Mehr7. Datenbank-Zugriff. Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn. Zum Beispiel aus PHP-Skripten: Client 7-2
5 Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn 7 7. Datenbank-Zugriff Zum Beispiel aus PHP-Skripten: Client 7-2 Struktur einer Datenbank 7-3 Erzeugen von Datenbanken
MehrISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski. www.iit.tu-cottbus.de
08 Datenbanken Übung SQL Einführung Eckbert Jankowski www.iit.tu-cottbus.de Datenmodell (Wiederholung, Zusammenfassung) Objekte und deren Eigenschaften definieren Beziehungen zwischen den Objekten erkennen/definieren
MehrIn diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen.
1 In diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen. Zunächst stellt sich die Frage: Warum soll ich mich mit der Architektur eines DBMS beschäftigen?
MehrANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik
ARFA ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik Ralf Leipner Domain Architect Analytics, Risk Management & Finance 33. Berner Architekten
MehrXAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL
XAMPP-Systeme Teil 3: My SQL Daten Eine Wesenseigenschaft von Menschen ist es, Informationen, in welcher Form sie auch immer auftreten, zu ordnen, zu klassifizieren und in strukturierter Form abzulegen.
MehrBig 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
MehrSQL. SQL: Structured Query Language. Früherer Name: SEQUEL. Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99
SQL Früherer Name: SEQUEL SQL: Structured Query Language Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99 SQL ist eine deklarative Anfragesprache Teile von SQL Vier große Teile:
MehrBIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY
BIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY 08.03.2017 REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer AGENDA 1 / Vorstellung REWE Systems GmbH und inovex
Mehr1 Einführung Ziele der Vorlesung Die Idee Lernkarte Selbsttest-Frage 3 Literaturhinweise 3
1 Einführung 1 1.1 Ziele der Vorlesung 1 1.2 Die Idee 1 1.3 Lernkarte 2 1.4 Selbsttest-Frage 3 Literaturhinweise 3 Teilt Die Zukunft von Enterprise-Computing 5 2 Neue Anforderungen an Enterprise Computing
MehrNeues aus der nicht-, semi- und relationalen Welt
Neues aus der nicht-, semi- und relationalen Welt Information Management Thomas Klughardt Senior System Consultant Das Big Data Problem Was bedeutet Big Data? Performancekritisch Echtzeit Cold Storage
MehrSQL oder NoSQL: Das ist die Frage! Oracle NoSQL Database
SQL oder NoSQL: Das ist die Frage! Oracle NoSQL Database Carsten Czarski Oracle Deutschland B.V. & Co KG Agenda NoSQL: Was ist das und wozu ist das gut? Anwendungsbereiche für NoSQL-Technologien,
MehrAnwendungsentwicklung Datenbanken SQL. Stefan Goebel
Anwendungsentwicklung Datenbanken SQL Stefan Goebel SQL Structured Query Language strukturierte Abfragesprache von ANSI und ISO standardisiert deklarativ bedeutet was statt wie SQL beschreibt, welche Daten
MehrOracle Snap Management Utility Snap mir eine. Marco Schwab, DOAG 2017,
Oracle Snap Management Utility Snap mir eine Marco Schwab, Wer steht hier? 2 Die Witt-Gruppe in Zahlen Die Witt-Gruppe ist ein führender Multichannel- Versandhändler für die Zielgruppe 50+. 1987 erfolgte
MehrÜben von DDL und DML. Ergebnis:
SQL DDL Üben von DDL und DML https://www.jdoodle.com/execute-sql-online Ergebnis: Befehlsgruppen in SQL DDL Data Definition Language DML Data Manipulation Language CREATE: Tabellen anlegen DROP: Tabellen
MehrBig Data. Professional IT Master. Prof. Dr. Ingo Claßen. Überblick. Verarbeitungsmodell. Verarbeitungsablauf. Verteilte Daten. Ressourcenmanagement
Big Data Professional IT Master Prof. Dr. Ingo Claßen Hochschule für Technik und Wirtschaft Berlin Überblick Verarbeitungsmodell Verarbeitungsablauf Verteilte Daten Ressourcenmanagement Koordination Überblick
MehrDOAG HC ApEx Workshop. OPITZ CONSULTING GmbH 2009 Seite 1
OPITZ CONSULTING GmbH 2009 Seite 1 Ein Kurzeinstieg in Oracle Application Express Enno Schulte, Werksstudent OPITZ CONSULTING Gummersbach GmbH Fachhochschule Gummersbach, 07.10.2009 OPITZ CONSULTING GmbH
MehrNeue Features Oracle Database 12.2 Wann denn endlich?
Neue Features Oracle Database 12.2 Wann denn endlich? DOAG 2017 Datenbank Dierk Lenz Erfolgreich seit 1996 am Markt Firmensitz: Burscheid (bei Leverkusen) Beratung, Schulung und Betrieb/Fernwartung rund
MehrPartitionierung Indizes und Statistiken
Partitionierung Indizes und Statistiken Klaus Reimers ORDIX AG Paderborn Schlüsselworte Local index, global index, prefixed index, nonprefix index, hash partitioned index, unusable index, orphaned index,
MehrSkalierbare Webanwendungen
Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit
MehrMySQL Replikationstechnologien eine Übersicht
MySQL Replikationstechnologien eine Übersicht Lenz Grimmer MySQL Community Relations Specialist $ whoami 1998 2002 2008 2010 Agenda Replikation: Definition und Klassifizierung Anwendungsgebiete
MehrDATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.
MehrJohannes Ahrends Geschäftsführer CarajanDB GmbH CarajanDB GmbH
Johannes Ahrends Geschäftsführer CarajanDB GmbH Vorstellung CarajanDB I Index oder nicht Index das ist doch keine Frage, oder? Was kann der DBA tun? Was kann der Entwickler tun? 2 Experten mit über 30
MehrSpeicherung und Verarbeitung von Geodaten mit Oracle Spatial
Speicherung und Verarbeitung von Geodaten mit Oracle Spatial DOAG Webinar am 10.02.2017 Andreas Jordan, ORDIX AG info@ordix.de http://www.ordix.de Agenda Einführung Der Datentyp Spatial Queries ohne Index
MehrNoSQL Datenbanken EIN ÜBERBLICK ÜBER NICHT-RELATIONALE DATENBANKEN UND DEREN POTENTIALE IM ALLGEMEINEN UND IN DER INDUSTRIE
NoSQL Datenbanken EIN ÜBERBLICK ÜBER NICHT-RELATIONALE DATENBANKEN UND DEREN POTENTIALE IM ALLGEMEINEN UND IN DER INDUSTRIE Was bedeutet NoSQL? Ein Sammelbegriff für alternative Datenbanklösungen, die
MehrAuditing Sinn, Einsatzmöglichkeiten und Performance
Auditing Sinn, Einsatzmöglichkeiten und Performance Webinar Auditing Klaus Reimers Leiter Beratung 09.11.2012, Paderborn kr@ordix.de www.ordix.de Agenda Sinn und Zweck des Auditing Methoden und Einsatzmöglichkeiten
MehrSchnellübersichten. SQL Grundlagen und Datenbankdesign
Schnellübersichten SQL Grundlagen und Datenbankdesign 5 Datenbanken 2 6 Tabellen erstellen und verwalten 3 7 Daten einfügen, aktualisieren, löschen 4 8 Einfache Datenabfragen 5 9 Schlüsselfelder und Indizes
MehrBerechnung von Kennzahlen mit der SQL Model Clause
Berechnung von Kennzahlen mit der Thomas Mauch 12.07.2018 DOAG BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 AGENDA 1. Einführung 2. Syntax 3. Performance
MehrEs geht also um die sogenannte SQL- Data Definition Language.
In diesem Abschnitt werden wir uns die SQL Befehle ansehen, mit denen ein sogenanntes Datenbankschema angelegt, gepflegt und auch wieder gelöscht werden kann. Es geht also um die sogenannte SQL- Data Definition
MehrIBM DB2 für Unix/Linux/Windows SQL Grundlagen
IBM DB2 für Unix/Linux/Windows SQL Grundlagen Seminarunterlage Version: 2.12 Version 2.12 vom 22. Mai 2017 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen
MehrSQL - Datenbankdesign - Aufbau
SQL - Datenbankdesign - Aufbau Kompakt-Intensiv-Training Unsere fünftägige ANSI SQL Schulung vermittelt Ihnen alle nötigen Kenntnisse zur Erstellung von Datenauswertungen und Programmierung wiederkehrender
MehrDatenbanken Implementierungstechniken SS2015
Hochschule für Technik, Wirtschaft und Kultur Leipzig Leipzig University of Applied Sciences Parallele DBMS Datenbanken Implementierungstechniken SS2015 Alexander Müller Fakultät Informatik, Mathematik
MehrDBMS_METADATA und DBMS_METADATA_DIFF im Praxiseinsatz
DBMS_METADATA und DBMS_METADATA_DIFF im Praxiseinsatz Philipp Loer ORDIX AG Paderborn Schlüsselworte DBMS_METADATA, DBMS_METADATA_DIFF, SXML, AUDIT Abstract Ziel dieses Vortrags ist es aufzuzeigen, wie
MehrNoSQL. Prof. Dr. Ingo Claßen. Einführung. Kategorisierung von NoSQL-Systemen. Verteilung. Konsistenz. Literatur
NoSQL Prof. Dr. Ingo Claßen Hochschule für Technik und Wirtschaft Berlin Einführung Kategorisierung von NoSQL-Systemen Verteilung Konsistenz Literatur Einführung Warum NoSQL Unterstützung großer Datenmengen
MehrHadoop & SQL Oracle BI & DWH Konferenz 2013 19./20. März 2013, Kassel. Carsten Herbe metafinanz Informationssysteme GmbH
Hadoop & SQL Oracle BI & DWH Konferenz 2013 19./20. März 2013, Kassel Carsten Herbe metafinanz Informationssysteme GmbH In unserer Business Line Business Intelligence & Risk gibt es fünf Bereiche: Risk,
MehrEinführung 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
MehrThomas Matzner Berater für Systemanalyse Couchbase. Java User Group München
Thomas Matzner Berater für Systemanalyse www.tamatzner.de Couchbase Java User Group München 18. 1. 2016 Überblick Warum Couchbase bei der Einkaufszettel- App? Eigenschaften von Couchbase Entwicklung mit
Mehr5000 User+, Erfahrungen im Produktivbetrieb einer Saas-DB. DOAG 2011 Konferenz + Ausstellung Bernhard Vogel & Frank Szilinski, esentri
5000 User+, Erfahrungen im Produktivbetrieb einer Saas-DB DOAG 2011 Konferenz + Ausstellung Bernhard Vogel & Frank Szilinski, esentri Agenda Was ist RDS? Warum RDS? Setup Betrieb Lizensierung Datensicherheit
MehrEs geht also im die SQL Data Manipulation Language.
1 In diesem Abschnitt wollen wir uns mit den SQL Befehlen beschäftigen, mit denen wir Inhalte in Tabellen ( Zeilen) einfügen nach Tabelleninhalten suchen die Inhalte ändern und ggf. auch löschen können.
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einleitung... 15
Vorwort..................................................... 13 Kapitel 1 Einleitung.......................................... 15 Kapitel 2 SQL der Standard relationaler Datenbanken... 19 2.1 Die Geschichte................................
MehrContinuous Database Design
Continuous Database Design Orientation in Objects GmbH Weinheimer Str. 68 68309 Mannheim Version: 1.0 www.oio.de info@oio.de Um was geht s? Die Welt des Betriebs 2 1 Um was geht s? Die Welt der Entwickler
MehrIndexstrategien im Data Warehouse
Indexstrategien im Data Warehouse Reinhard Mense areto consulting gmbh Köln Schlüsselworte Business Intelligence, Data Warehouse, Bitmap Index, B*Tree Index, Partial Index, Star Schema, Snowflake Schema,
MehrMySQL-Befehle. In diesem Tutorial möchte ich eine kurze Übersicht der wichtigsten Befehle von MySQL geben.
MySQL-Befehle 1. Einleitung In diesem Tutorial möchte ich eine kurze Übersicht der wichtigsten Befehle von MySQL geben. 2. Arbeiten mit Datenbanken 2.1 Datenbank anlegen Eine Datenbank kann man wie folgt
Mehr