Operator-Kostenmodelle für Fortschrittsschätzung und Opt. Datenbanksystemen

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Operator-Kostenmodelle für Fortschrittsschätzung und Opt. Datenbanksystemen"

Transkript

1 Operator-Kostenmodelle für und Optimierung in Datenbanksystemen 23. Oktober 2012

2 Übersicht 1 Grundlagen Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel 2 3

3 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Ziele der Bachelorarbeit 1 Entwicklung von neuen Kostenmodellen 2 Refactoring bestehender Operatoren 3 Auslagerung von Konstanten 4 Untersuchung des Zusammenhangs zwischen Arbeitsspeicher und Laufzeit 5 Entwicklung von Hilfsmitteln

4 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Kostenmodelle Kostenmodelle modellieren den Ressourcenbedarf eines Operators (IO, Speicher, Rechenzeit).... helfen dem Optimierer die Laufzeit von Operatoren abzuschätzen.... bilden die Grundlage für die.... erlauben eine Abschätzung, wie viel Arbeitsspeicher ein Operator benötigt.

5 Kostenmodell - Laufzeit Mergejoin Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel T mergejoin = (C 1 + C 2 ) umergejoin + C mergejoin (SN 1 + SN 2 ) ymergejoin

6 Kostenmodell - Laufzeit Mergejoin Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Kosten für das Durchlaufen der Tupelströme T mergejoin = (C 1 + C 2 ) umergejoin + C mergejoin (SN 1 + SN 2 ) ymergejoin

7 Kostenmodell - Laufzeit Mergejoin Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Kosten für das Durchlaufen der Tupelströme T mergejoin = (C 1 + C 2 ) umergejoin + C mergejoin (SN 1 + SN 2 ) ymergejoin

8 Kostenmodell - Laufzeit Mergejoin Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Kosten für das Durchlaufen der Tupelströme T mergejoin = (C 1 + C 2 ) umergejoin + C mergejoin (SN 1 + SN 2 ) ymergejoin Kosten für das Erzeugen der Ergebnistupel

9 Die Klasse CostEstimation Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Klassendiagram CostEstimation - returned - supplier + init() + requestprogress() + getcosts() + getlinearparams() + getfunction()... Vorteile Trennung Kostenmodell / Operator Verbesserte Datenkapselung Anbindung an den Optimierer Schätzung von benötigtem Arbeitsspeicher

10 Die Klasse CostEstimation Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Klassendiagram CostEstimation - returned - supplier + init() + requestprogress() + getcosts() + getlinearparams() + getfunction()... Vorteile Trennung Kostenmodell / Operator Verbesserte Datenkapselung Anbindung an den Optimierer Schätzung von benötigtem Arbeitsspeicher

11 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Entwickeln von neuen Kostenmodellen Analytisches Vorgehen Analyse des Codes des Operators. Experimentelles Vorgehen Durchführen von Experimenten auf synthetischen Testdaten um Verhalten der Eingabegrößen zu ermitteln.

12 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Entwickeln von neuen Kostenmodellen Erzeugen von synthetischen Testdaten Mit definierter Anzahl von Tupeln und Attributen. Durchgeführte Experimente Verändern der Größe der Eingabetupel Verändern der Anzahl der Eingabetupel Verändern der Selektivität

13 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Neue und angepasste Kostenmodelle Refactoring der RelationAlgebra (feed, project, filter, feedproject, etc.) Entwicklung von neuen Kostenmodellen (ithashjoin, itspatialjoin) Überarbeiten von Kostenmodellen (symmjoin, loopjoin, sortmergejoin, mergejoin, gracehashjoin, hybridhashjoin)

14 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Secondo Query Watcher Durchsucht alle 100 ms das proglogt.csv von SECONDO und wertet die Einträge aus. Funktionen Betrachten der Bewerten der Export der Daten als L A T E X Tabelle Export der Bilder als.svg Grafik

15 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Secondo Query Watcher Durchsucht alle 100 ms das proglogt.csv von SECONDO und wertet die Einträge aus. Funktionen Betrachten der Bewerten der Export der Daten als L A T E X Tabelle Export der Bilder als.svg Grafik

16 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Secondo Query Watcher - Beispiel 1

17 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Secondo Query Watcher - Beispiel 2

18 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel Secondo Query Watcher - Beispiel 3

19 Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel operator-memory.sh Führt eine Anfrage mit unterschiedlichen Arbeitsspeicherzuteilungen aus Stellt Ergebnisse als CSV zur Verfügung Aufbereitung der Daten mittels GNUPlot Beispiel: operator-memory.sh "query plz feed fifty feed head[20] product sortby[plz asc] _MEMORY_ count"

20 operator-memory.sh - Beispiel Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel 10 query plz feed fifty feed head[20] product sortby[plz asc] MEMORY count Time (Sec) Memory (MB)

21 Zuteilung von Arbeitsspeicher Der Optimierer teilt den Operatoren eine bestimmte Menge an Arbeitsspeicher zu. In der Query kann mittels {memory... } Arbeitsspeicher an die Operatoren verteilt werden. Beispiel: query C T50 feed {r1} C T50 feed {r2} ithashjoin[n_r1, N_r2] {memory 64} count

22 Arbeitsspeicher und Laufzeit Mit steigendem Arbeitsspeicher sinkt die Laufzeit Es gibt einen Punkt (Sättigungspunkt), ab dem die Laufzeit nicht weiter zu senken ist Es gibt Operatoren mit abweichendem Verhalten! Gracehashjoin und Hybirdhashjoin können bei der Verwendung von zu wenigen Buckets langsamer werden.

23 Laufzeitverhalten von Symmjoin symmjoin Tuples * Tuples (5 Byte) 25 Byte Tuple 50 Byte Tuple 100 Byte Tuple 200 Byte Tuple Time (Sec) Sättigungspunkt Ungesättigter Zustand Gesättigter Zustand Memory (MB)

24 Laufzeitverhalten von ithashjoin 120 ithashjoin Tuple / Tuplesize (Tuplestream 1) 5 Byte Tuple 25 Byte Tuple 100 Byte Tuple Time (Sec) 60 Sättigungspunkt Ungesättigter Zustand Gesättigter Zustand Memory (MB)

25 Laufzeitverhalten gracehashjoin Buckets gracehashjoin Tuple / Tuplesize (Tuplestream 1) External In Memory 5 Byte Tuple 10 Byte Tuple 25 Byte Tuple 50 Byte Tuple 100 Byte Tuple 200 Byte Tuple 300 Time (Sec) Memory (MB)

26 Laufzeitverhalten gracehashjoin Buckets External gracehashjoin Tuple / Tuplesize (Tuplestream 1) In Memory 5 Byte Tuple 10 Byte Tuple 25 Byte Tuple 50 Byte Tuple 100 Byte Tuple 200 Byte Tuple 50 Time (Sec) Memory (MB)

27 Bewertungskriterien Wie kann die Qualität einer bewertet werden? Error Max Maximale Abweichung zwischen Soll- und Ist-Wert. Error Int Fläche zwischen Soll und Ist-Wert.

28 Bewertungskriterien Wie kann die Qualität einer bewertet werden? Error Max Maximale Abweichung zwischen Soll- und Ist-Wert. Error Int Fläche zwischen Soll und Ist-Wert.

29 Bewertungskriterien Wie kann die Qualität einer bewertet werden? Error Max Maximale Abweichung zwischen Soll- und Ist-Wert. Error Int Fläche zwischen Soll und Ist-Wert.

30 Bewertungskriterien - Error Max 100 Ist Soll Progress - Error Max 80 Progress (%) Error Max Time (msec)

31 Bewertungskriterien - Error Int 100 Error Int Ist Soll Progress - Error Int 80 Progress (%) Time (msec)

32 ithashjoin Eine Partition Vier Partitionen Progress with 1 partition Progress with 4 partitions 100 Diff Ist Soll 100 Diff Ist Soll Progress (%) Progress (%) Time (msec) Time (msec) Error Max : 8.58, Error Int : Error Max : 7.77, Error Int :

33 sortmergejoin Default-Selektivität 0.1 Progress 100 Diff Ist Soll 80 Progress (%) Time (sec) Error Max : 59.43, Error Int :

34 sortmergejoin - Probleme Zwei Phasen Sort-Phase: Beide Tupelstöme werden sortiert. Merge-Phase: Die sortierten Tupelstöme werden parallel durchlaufen und Ergebnistupel werden erzeugt. Gewichten der Phasen nur möglich, wenn Aufwand beider Phasen bekannt Aufwand der Merge-Phase ist von Selektivität abhängig Selektivität steht erst am Ende der Berechnung fest Schätzungen der Selektivität erst ab 50 zurückgelieferten Tupeln

35 sortmergejoin - Probleme Zwei Phasen Sort-Phase: Beide Tupelstöme werden sortiert. Merge-Phase: Die sortierten Tupelstöme werden parallel durchlaufen und Ergebnistupel werden erzeugt. Gewichten der Phasen nur möglich, wenn Aufwand beider Phasen bekannt Aufwand der Merge-Phase ist von Selektivität abhängig Selektivität steht erst am Ende der Berechnung fest Schätzungen der Selektivität erst ab 50 zurückgelieferten Tupeln

36 sortmergejoin Default-Selektivität 0.1 Default-Selektivität Progress Progress 100 Diff Ist 100 Diff Ist Soll Soll Progress (%) Progress (%) Time (sec) Time (sec) Error Max : 59.43, Error Int : Error Max : 32.30, Error Int :

37 Optimierer Operatoren

38 Anzahl / Größe Tupel Optimierer Operatoren

39 Anzahl / Größe Tupel Optimierer Operatoren Laufzeit / Arbeitsspeicher / Funktion

40 - Schwierigkeiten Schwierigkeiten 1 Selektivität ist nicht bekannt 2 Speicherverbrauch von Datenstrukturen ist schwer vorherzusagen 3 In den Kostenmodellen sind nur dominante Kosten enthalten 4 Die Berechnung kann nicht beobachtet werden 5 Ungenauer als eine Kostenschätzung im kalten Zustand 6 Schätzung ohne Operatorbaum teilweise nicht möglich (Parameterfunktionen)

41 Laufzeiten für den Optimierer Reale Laufzeit Geschätzte Laufzeit Join C200000T50 * C200000T50 - Execution time Join C200000T50 * C200000T50 - Estimated time 9 8 ithashjoin gracehashjoin hybridhashjoin sortmergejoin ithashjoin gracehashjoin hybridhashjoin sortmergejoin Time (Sec) 6 5 Time (Sec) Memory (MB) Memory (MB)

42 Laufzeiten für den Optimierer Reale Laufzeit Geschätzte Laufzeit Join C T50 * C T50 - Execution time Join C T50 * C T50 - Estimated time ithashjoin gracehashjoin hybridhashjoin sortmergejoin ithashjoin gracehashjoin hybridhashjoin sortmergejoin Time (Sec) Time (Sec) Memory (MB) Memory (MB)

43 Approximation der Laufzeit durch eine Funktion Idee Der Zusammenhang zwischen Laufzeit und zugeteiltem Arbeitsspeicher soll durch eine parametrisierbare Funktion approximiert werden. Nutzen Diese Funktion hilft dem Optimierer bei der Entscheidung, welcher Operator wie viel Arbeitsspeicher erhalten soll.

44 Approximation der Laufzeit durch eine Funktion In SECONDO hinterlegte Funktionen: Lineare Funktion f (x) = mx + b Antiproportionale Funktion f (x) = h x + b

45 Curve fitting - Funktion f (x) = mx + b symmjoin Tuples * Tuples (5 Byte) 25 Byte Tuple 50 Byte Tuple 100 Byte Tuple 200 Byte Tuple f(x) g(x) h(x) i(x) Time (Sec) Sättigungspunkt Ungesättigter Zustand Gesättigter Zustand Memory (MB)

46 Curve fitting - Funktion f (x) = h x + b ithashjoin Tuple / Tuplesize (Tuplestream 1) 5 Byte Tuple 25 Byte Tuple 100 Byte Tuple f(x) g(x) h(x) 80 Time (Sec) 60 Sättigungspunkt Ungesättigter Zustand Gesättigter Zustand Memory (MB)

47 Es wurde(n) neue Kostenmodelle implementiert und bestehende Kostenmodelle verbessert... die RelationAlgebra auf das neue Framework portiert... Konstanten aus den Kostenmodellen ausgelagert... neue Hilfmittel entwickelt... das Laufzeitverhalten von Operatoren durch Funktionen approximiert

48 Vielen Dank für Ihre Aufmerksamkeit

FachPraktikum 1590 Erweiterbare Datenbanksysteme. Aufgaben Phase 1

FachPraktikum 1590 Erweiterbare Datenbanksysteme. Aufgaben Phase 1 FachPraktikum 1590 Erweiterbare Datenbanksysteme Aufgaben Phase 1 Wintersemester 2004/2005 Ralf Hartmut Güting, Dirk Ansorge, Thomas Behr, Markus Spiekermann Praktische Informatik IV, Fernuniversität Hagen

Mehr

Hash-Join Algorithmen

Hash-Join Algorithmen Hash-Join lgorithmen dvanced Topics in Databases Ws08/09 atthias ichly Einleitung 2 Grundlage ist das Paper: Join Processing in Database Systems With Large ain emories Quelle: C Transactions on Database

Mehr

Anfragebearbeitung 2. Vorlesung Datenbanksysteme vom

Anfragebearbeitung 2. Vorlesung Datenbanksysteme vom Vorlesung Datenbanksysteme vom 21.11.2016 Anfragebearbeitung 2 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Physische Optimierung Iterator: einheitliche Schnittstelle

Mehr

Mining High-Speed Data Streams

Mining High-Speed Data Streams Mining High-Speed Data Streams Pedro Domingos & Geoff Hulten Departement of Computer Science & Engineering University of Washington Datum : 212006 Seminar: Maschinelles Lernen und symbolische Ansätze Vortragender:

Mehr

Übung Datenbanksysteme II Physische Speicherstrukturen. Thorsten Papenbrock

Übung Datenbanksysteme II Physische Speicherstrukturen. Thorsten Papenbrock Übung Datenbanksysteme II Physische Speicherstrukturen Thorsten Papenbrock Organisatorisches: Übung Datenbanksysteme II 2 Übung Thorsten Papenbrock (thorsten.papenbrock@hpi.uni-potsdam.de) Tutoren Alexander

Mehr

Teambildung. 1 Einleitung. 2 Messen der Produktivität

Teambildung. 1 Einleitung. 2 Messen der Produktivität 1 Einleitung Teambildung In der Entwicklung, speziell bei hohem Softwareanteil, stellen Personalkosten den primären Kostenanteil dar. Daher ist es wichtig, den Personalbedarf optimal zu bestimmen. You

Mehr

Tag der Mathematik 2012

Tag der Mathematik 2012 Gruppenwettbewerb Einzelwettbewerb Mathematische Hürden Aufgaben mit en und Bepunktung Allgemeine Hinweise: Als Hilfsmittel dürfen nur Schreibzeug, Geodreieck und Zirkel benutzt werden. Taschenrechner

Mehr

Einleitung Projektion Selektion Join Mengenop. Vollst.keit. Einleitung Projektion. Selektion Join. Vollst.keit. Einleitung Projektion Selektion Join

Einleitung Projektion Selektion Join Mengenop. Vollst.keit. Einleitung Projektion. Selektion Join. Vollst.keit. Einleitung Projektion Selektion Join Parsen der Anfrage (SQL) Transformation in eine Standardform (Relationenalgebra) Logische Optimierung Transformation in alternative Zugriffspläne, Physische Optimierung Ausführung des gewählten Zugriffsplans

Mehr

Kapitel 6 Anfragebearbeitung

Kapitel 6 Anfragebearbeitung LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2014 Kapitel 6 Anfragebearbeitung Vorlesung: PD Dr. Peer Kröger

Mehr

Übung Datenbanksysteme II Physische Speicherstrukturen. Maximilian Jenders. Folien basierend auf Thorsten Papenbrock

Übung Datenbanksysteme II Physische Speicherstrukturen. Maximilian Jenders. Folien basierend auf Thorsten Papenbrock Übung Datenbanksysteme II Physische Speicherstrukturen Maximilian Jenders Folien basierend auf Thorsten Papenbrock Organisatorisches: Übung Datenbanksysteme II 2 Übung Maximilian Jenders (Maximilian.Jenders@hpi.de)

Mehr

Simulationsgrenzerfahrungen

Simulationsgrenzerfahrungen Simulationsgrenzerfahrungen Simulation hochkomplexer Modelle ohne FEM Christoph Bruns INNEO Solutions GmbH Agenda Innovative Produkte im 3D-Druck (kann man in CAD kaum modellieren) Motivation (warum ein

Mehr

Funktionaler Zusammenhang. Lehrplan Realschule

Funktionaler Zusammenhang. Lehrplan Realschule Funktionaler Bildungsstandards Lehrplan Realschule Die Schülerinnen und Schüler nutzen Funktionen als Mittel zur Beschreibung quantitativer Zusammenhänge, erkennen und beschreiben funktionale Zusammenhänge

Mehr

Datenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014

Datenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014 Lehrstuhl für Praktische Informatik III Prof. Dr. Guido Moerkotte Email: moer@db.informatik.uni-mannheim.de Marius Eich Email: marius.eich@uni-mannheim.de Datenbanksysteme 2 8. Übungsblatt Frühjahr-/Sommersemester

Mehr

Traveling Salesman Problem (TSP)

Traveling Salesman Problem (TSP) Traveling Salesman Problem (TSP) Das Traveling Salesman Problem (TSP) ist ein bekanntes Optimierungsproblem. Ein Handlungsreisender soll in einer Rundreise (auch Tour genannt) n vorgegebene Städte besuchen.

Mehr

Microbenchmarking XQuery

Microbenchmarking XQuery Microbenchmarking XQuery DBSeminar HWS 2006 Daniel Rihm 10. November 2006 Microbenchmarks Ziel ist das Überprüfen der Features: Zeit für das Vorbereiten der Query Zeit für

Mehr

Einführung in die Systemprogrammierung

Einführung in die Systemprogrammierung Einführung in die Systemprogrammierung Speedup: Grundlagen der Performanz Prof. Dr. Christoph Reichenbach Fachbereich 12 / Institut für Informatik 30. April 2015 Eine Aufgabe aus der Praxis Gegeben ein

Mehr

IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN

IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN Joins 1 IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN Literatur Priti Mishara, Maragaret H. Eich, Join Processing in Relational Databases, ACM Computing Surveys, Vol. 24, No. 1, March 1992 Goetz Graefe,

Mehr

Diplomarbeit Antrittsvortrag

Diplomarbeit Antrittsvortrag Diplomarbeit Antrittsvortrag Christian Müller Run-time byte code compilation, interpretation and optimization for Alice Betreuer: Guido Tack Verantwortlicher Prof.: Gert Smolka Die nächsten 15 Minuten...

Mehr

B-Bäume I. Algorithmen und Datenstrukturen 220 DATABASE SYSTEMS GROUP

B-Bäume I. Algorithmen und Datenstrukturen 220 DATABASE SYSTEMS GROUP B-Bäume I Annahme: Sei die Anzahl der Objekte und damit der Datensätze. Das Datenvolumen ist zu groß, um im Hauptspeicher gehalten zu werden, z.b. 10. Datensätze auf externen Speicher auslagern, z.b. Festplatte

Mehr

Just-In-Time-Compiler (2)

Just-In-Time-Compiler (2) Just-In-Time-Compiler (2) Dr.-Ing. Volkmar Sieh Department Informatik 4 Verteilte Systeme und Betriebssysteme Friedrich-Alexander-Universität Erlangen-Nürnberg WS 2015/2016 V. Sieh Just-In-Time-Compiler

Mehr

Gegeben ist die Funktion f durch. Ihr Schaubild sei K.

Gegeben ist die Funktion f durch. Ihr Schaubild sei K. Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,

Mehr

Das Wachstum der deutschen Volkswirtschaft

Das Wachstum der deutschen Volkswirtschaft Institut für Wachstumsstudien www.wachstumsstudien.de IWS-Papier Nr. 1 Das Wachstum der deutschen Volkswirtschaft der Bundesrepublik Deutschland 1950 2002.............Seite 2 Relatives Wachstum in der

Mehr

TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.

TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 07 Übung zur Vorlesung Einsatz und Realisierung von Datenbanksystemen im SoSe16 Moritz Kaufmann

Mehr

Kapitel 6: Dynamic Shortest Path

Kapitel 6: Dynamic Shortest Path Kapitel 6: Dynamic Shortest Path 6.4 Experimentelle Analyse VO Algorithm Engineering Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 18. VO 12. Juni 2007 Literatur für diese VO C.

Mehr

Übungen zur Vorlesung. Mobile und Verteilte Datenbanken. WS 2008/2009 Übung 2 Anfrageoptimierung in zentralisierten Datenbanksystemen LÖSUNG

Übungen zur Vorlesung. Mobile und Verteilte Datenbanken. WS 2008/2009 Übung 2 Anfrageoptimierung in zentralisierten Datenbanksystemen LÖSUNG Dr. rer. nat. Sven Groppe Übungen zur Voresung Mobie und Verteite Datenbanken WS 28/29 Übung 2 Anfrageoptimierung in zentraisierten Datenbanksystemen Aufgabe 1: Fogende Reationen seien gegeben: LÖSUNG

Mehr

Untersuchungen zur Genauigkeit von Flow- Erfassungsmechanismen

Untersuchungen zur Genauigkeit von Flow- Erfassungsmechanismen Untersuchungen zur Genauigkeit von Flow- Erfassungsmechanismen ITG FG 5.2.3 Jochen Kögel jochen.koegel@ikr.uni-stuttgart.de 6. Oktober 2010 Universität Stuttgart Institut für Kommunikationsnetze und Rechnersysteme

Mehr

Planungsblatt Mathematik für die 4E

Planungsblatt Mathematik für die 4E Planungsblatt Mathematik für die 4E Woche 26 (von 09.03 bis 13.03) Hausaufgaben 1 Bis Mittwoch 11.03: Auf dem Planungsblatt stehen einige Aufgaben als Übung für die SA. Bereite diese Aufgaben vor! Vor

Mehr

Browserbasiertes, kollaboratives Whiteboard

Browserbasiertes, kollaboratives Whiteboard WS 2011/12 Bachelorarbeit Browserbasiertes, kollaboratives Whiteboard Sebastian Dorn 1 von 21 Inhalt 1. Motivation 2. Analyse 3. Design 4. Evaluation 5. Fazit Inhalt 2 von 21 Motivation Zusammenarbeit

Mehr

Workstations. Server. Recovery Log. Database. SQL Queries. Query Processing Object Mgmt. Transaction Mgmt. Buffer Mgmt. I/O Layer

Workstations. Server. Recovery Log. Database. SQL Queries. Query Processing Object Mgmt. Transaction Mgmt. Buffer Mgmt. I/O Layer Client-Server Architekturen: Query Shipping Grundprinzip 1. Client schickt Anfrage zum Server 2. Server schickt Ergebnisse der Anfrage zuruck Workstations Application Interface Layer SQL Queries Query

Mehr

Just-In-Time-Compiler (2)

Just-In-Time-Compiler (2) Just-In-Time-Compiler (2) Dr.-Ing. Volkmar Sieh Department Informatik 3: Rechnerarchitektur Friedrich-Alexander-Universität Erlangen-Nürnberg WS 2011/2012 Just-In-Time-Compiler (2) 1/13 2011-09-12 Just-In-Time-Compiler

Mehr

Einführung in Generatives Programmieren. Bastian Molkenthin

Einführung in Generatives Programmieren. Bastian Molkenthin Einführung in Generatives Programmieren Bastian Molkenthin Motivation Industrielle Entwicklung *!!*,(% % - #$% #!" + '( & )!* Softwareentwicklung Rückblick auf Objektorientierung Objektorientierte Softwareentwicklung

Mehr

Raumbezogene Datenbanken (Spatial Databases)

Raumbezogene Datenbanken (Spatial Databases) Raumbezogene Datenbanken (Spatial Databases) Ein Vortrag von Dominik Trinter Alexander Christian 1 Inhalte Was ist ein raumbezogenes DBMS? Modellierung Abfragen Werkzeuge zur Implementierung Systemarchitektur

Mehr

Kapitel 3: Datenbanksysteme

Kapitel 3: Datenbanksysteme LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2015 Kapitel 3: Datenbanksysteme Vorlesung:

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

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

Ein Blick voraus. des Autors von C++: Bjarne Stroustrup. 04.06.2005 Conrad Kobsch

Ein Blick voraus. des Autors von C++: Bjarne Stroustrup. 04.06.2005 Conrad Kobsch Ein Blick voraus des Autors von C++: Bjarne Stroustrup 04.06.2005 Conrad Kobsch Inhalt Einleitung Rückblick Nur eine Übergangslösung? Was würde C++ effektiver machen? Quelle 2 Einleitung Wo steht C++,

Mehr

Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose

Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose Informatik Philipp von der Born Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose Bachelorarbeit Universität Bremen Studiengang Informatik Regressionsanalyse zur

Mehr

Einführung in Elektrische Maschinen - Asynchronmaschine. Studenten: Name Vorname Unterschrift. Datum: Sichtvermerk des Dozenten: 3.

Einführung in Elektrische Maschinen - Asynchronmaschine. Studenten: Name Vorname Unterschrift. Datum: Sichtvermerk des Dozenten: 3. Fachbereich 3 : Informations- und Elektrotechnik Semester: Fach: Dozent: Elektrische Maschinen Prof. Dr. Bernd Aschendorf Datum: Versuch Nr. 6 Thema: Einführung in Elektrische Maschinen - Asynchronmaschine

Mehr

Der folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre 1990.

Der folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre 1990. Ein polynomieller Algorithmus für das N-Damen Problem 1 Einführung Der folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre

Mehr

Statistik Augsburg interaktiv

Statistik Augsburg interaktiv epaper vom 8. Juli 2014 Statistik Augsburg interaktiv Planer und Entscheider der unterschiedlichen Fachdienststellen aber auch Bürger und Presse interessieren sich für die Bevölkerungsstruktur und -entwicklung

Mehr

im Auftrag der Firma Schöck Bauteile GmbH Dr.-Ing. M. Kuhnhenne

im Auftrag der Firma Schöck Bauteile GmbH Dr.-Ing. M. Kuhnhenne Institut für Stahlbau und Lehrstuhl für Stahlbau und Leichtmetallbau Univ. Prof. Dr.-Ing. Markus Feldmann Mies-van-der-Rohe-Str. 1 D-52074 Aachen Tel.: +49-(0)241-8025177 Fax: +49-(0)241-8022140 Bestimmung

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-Statistiken im Data Warehouse effizient nutzen Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante

Mehr

Anfragebearbeitung. Kapitel 7. Anfragebearbeitung 285 / 520

Anfragebearbeitung. Kapitel 7. Anfragebearbeitung 285 / 520 Kapitel 7 Anfragebearbeitung 285 / 520 Übersicht Anfrage Übersetzer Ausführungsplan Laufzeitsystem Ergebnis 286 / 520 Übersetzung Übersetzung SQL ist deklarativ, irgendwann muß Anfrage aber für Laufzeitsystem

Mehr

goalio Documentation Release 1.0.0 goalio UG

goalio Documentation Release 1.0.0 goalio UG goalio Documentation Release 1.0.0 goalio UG 18.11.2014 Inhaltsverzeichnis 1 Erste Schritte mit goalio 1 1.1 Benutzeroberfläche............................................ 1 1.2 Suche...................................................

Mehr

Aufgabe : Laufzeit von Selection Sort

Aufgabe : Laufzeit von Selection Sort Aufgabe : Laufzeit von Selection Sort public class SelectionSort{ int [] liste = {4,7,2,9,5,1; void selectionsort () { for (int i = 0;i < liste.length-1;i = i + 1) { int position_minelement; /* Suche des

Mehr

Performance Analyse in einem komplexen Softwaresystem. 18.09.2013 Gebhard Ebeling

Performance Analyse in einem komplexen Softwaresystem. 18.09.2013 Gebhard Ebeling Performance Analyse in einem komplexen Softwaresystem 18.09.2013 Gebhard Ebeling Problemstellung Systemkomplexität Bei der Performance Analyse komplexer Softwaresystemen gibt es viele Einflussfaktoren,

Mehr

Zuverlässige Systeme Fehlertoleranz

Zuverlässige Systeme Fehlertoleranz Zuverlässige Systeme Fehlertoleranz frank@upb.de Inhalt Übersicht und Namenskonventionen Was ist Fehlertoleranz Eine Anleitung in 4 Phase Redundanz und Vielfältigkeit Hardwareseitige Fehlertoleranz Softwareseitige

Mehr

07. Kapitel: Abfragen erstellen Geschätzter Zeitaufwand: 45 Minuten

07. Kapitel: Abfragen erstellen Geschätzter Zeitaufwand: 45 Minuten 07. Kapitel: Abfragen erstellen Geschätzter Zeitaufwand: 45 Minuten Schwierigkeitsgrad: Ziel: Mit einer Abfrage führen Sie die Daten aus dem Kontaktformular und den Anfrage-Arten zusammen. Diese exportieren

Mehr

NCDiff Testmanagement leicht gemacht

NCDiff Testmanagement leicht gemacht Testmanagement leicht gemacht Nagler & Company Thomas Gebhard & Anton Garra Complexity Die stetige Anpassung an neue Anforderungen der IT und das Bestreben Marktgegebenheiten zu folgen oder voraus zu sein,

Mehr

Fachhochschule Düsseldorf Wintersemester 2008/09

Fachhochschule Düsseldorf Wintersemester 2008/09 Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige

Mehr

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN VERSION 1.0 OPTIMIERUNG VON ABFRAGEN IN MS SQL

Mehr

Die Software Bau-Steine für Bemusterung, Mengenermittlung, Änderungsverfolgung und Auswertung von BIM-Modellen

Die Software Bau-Steine für Bemusterung, Mengenermittlung, Änderungsverfolgung und Auswertung von BIM-Modellen Die Software Bau-Steine für Bemusterung, Mengenermittlung, Änderungsverfolgung und Auswertung von BIM-Modellen 2 BECHMANN BIM ist die Lösung für alle, die Baumaßnahmen und deren Kosten durchgängig planen;

Mehr

Übung Datenbanksysteme II Anfrageausführung. Thorsten Papenbrock

Übung Datenbanksysteme II Anfrageausführung. Thorsten Papenbrock Übung Datenbanksysteme II Anfrageausführung Thorsten Papenbrock Einleitung: Themen 3 Iterator-Operatoren Algorithmen-Klassen ort-basierte Hash-basierte Index-basierte Algorithmen-chwierigkeitsgrade One-Pass-Algorithmen

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Algorithmen und Datenstrukturen Teil 3 Suchen in Listen Version vom: 15. November 2016

Mehr

Universität Augsburg, Institut für Informatik Wintersemester 2008/2009 Prof. Dr. W. Kießling 03. Februar Semesterklausur

Universität Augsburg, Institut für Informatik Wintersemester 2008/2009 Prof. Dr. W. Kießling 03. Februar Semesterklausur Universität Augsburg, Institut für Informatik Wintersemester 2008/2009 Prof. Dr. W. Kießling 03. Februar 2009 Dr. A. Huhn, M. Endres, T. Preisinger Datenbanksysteme I Semesterklausur Hinweise: Die Bearbeitungszeit

Mehr

Schneller als Hadoop?

Schneller 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

Mehr

Erfolg im Mathe-Abi. H. Gruber, R. Neumann. Prüfungsaufgaben Hessen

Erfolg im Mathe-Abi. H. Gruber, R. Neumann. Prüfungsaufgaben Hessen H. Gruber, R. Neumann Erfolg im Mathe-Abi Prüfungsaufgaben Hessen Übungsbuch für den Grundkurs mit Tipps und Lösungen - plus Aufgaben für GTR und CAS Inhaltsverzeichnis Inhaltsverzeichnis 1 Ganzrationale

Mehr

Echtzeitverhalten durch die Verwendung von CPU Stubs: Eine Erweiterung von Dynamic Performance Stubs. Echtzeit 2009

Echtzeitverhalten durch die Verwendung von CPU Stubs: Eine Erweiterung von Dynamic Performance Stubs. Echtzeit 2009 Echtzeitverhalten durch die Verwendung von CPU Stubs: Eine Erweiterung von Dynamic Performance Stubs Echtzeit 2009 Peter Trapp, 20.11.2009 Übersicht 1 Einleitung 2 (Übersicht) 3 (Framework) 4 Methodik

Mehr

HOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG. Das Luzifer-Rätsel. Prof. Dr. Hartmut Plesske Wintersemester 2008/09. von.

HOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG. Das Luzifer-Rätsel. Prof. Dr. Hartmut Plesske Wintersemester 2008/09. von. HOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG Fakultät Informatik Das Luzifer-Rätsel Prof. Dr. Hartmut Plesske Wintersemester 2008/09 von Max Nagl nagl@fh-konstanz.de Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Einfluß von Wind bei Maximalfolgenmessungen

Einfluß von Wind bei Maximalfolgenmessungen 1 von 5 05.02.2010 11:10 Der Einfluß von Wind bei Maximalfolgenmessungen M. KOB, M. VORLÄNDER Physikalisch-Technische Bundesanstalt, Braunschweig 1 Einleitung Die Maximalfolgenmeßtechnik ist eine spezielle

Mehr

SQL. strukturierte Datenbankabfragesprache eine Datenbanksprache zur. Structured Query Language:

SQL. strukturierte Datenbankabfragesprache eine Datenbanksprache zur. Structured Query Language: SQL Structured Query Language: strukturierte Datenbankabfragesprache eine Datenbanksprache zur Definition, Abfrage und Manipulation von Daten in relationalen Datenbanken In der SQL-Ansicht arbeiten In

Mehr

Dämon-Prozesse ( deamon )

Dämon-Prozesse ( deamon ) Prozesse unter UNIX - Prozessarten Interaktive Prozesse Shell-Prozesse arbeiten mit stdin ( Tastatur ) und stdout ( Bildschirm ) Dämon-Prozesse ( deamon ) arbeiten im Hintergrund ohne stdin und stdout

Mehr

ServiceGlobe: Flexible and Reliable Web Service Execution

ServiceGlobe: Flexible and Reliable Web Service Execution ServiceGlobe: Flexible and Reliable Web Service Execution Markus Keidl, Stefan Seltzsam und Alfons Kemper Universität Passau Fakultät für Mathematik und Informatik 94030 Passau @db.fmi.uni-passau.de

Mehr

Klausur C-Programmierung / 15.02.2014 / Klingebiel / 60 Minuten / 60 Punkte

Klausur C-Programmierung / 15.02.2014 / Klingebiel / 60 Minuten / 60 Punkte Klausur C-Programmierung / 15.02.2014 / Klingebiel / 60 Minuten / 60 Punkte Musterlösung 1. Aufgabe (5 Punkte) Im folgenden Programmcode sind einige Fehler enthalten. Finden und markieren Sie mindestens

Mehr

9. Einführung in Datenbanken

9. Einführung in Datenbanken 9. Einführung in Datenbanken 9.1 Motivation und einführendes Beispiel 9.2 Modellierungskonzepte der realen Welt 9.3 Anfragesprachen (Query Languages) 9.1 Motivation und einführendes Beispiel Datenbanken

Mehr

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen

Mehr

Effizientes Erstellen schöner Plots - keine Hexerei

Effizientes Erstellen schöner Plots - keine Hexerei Effizientes Erstellen schöner Plots - keine Hexerei Übersicht 1. Wieso sind Plots und Grafiken entscheidend? 2. Ziel dieses Tutorials 3. Was ist für eine gute Darstellung zu beachten? 4. Strukturiertes

Mehr

Leistungsbedarf der Verteilnetzbetreiber

Leistungsbedarf der Verteilnetzbetreiber Studie über Einflussfaktoren auf den zukünftigen Leistungsbedarf der Verteilnetzbetreiber Konsultationsworkshop Szenariorahmen NEP Gas 2015 Dr.-Ing. Thomas Gobmaier Forschungsgesellschaft für Energiewirtschaft

Mehr

SQL - Übungen Bearbeitung der Datenbank Personal (1)

SQL - Übungen Bearbeitung der Datenbank Personal (1) Bearbeitung der Datenbank Personal (1) 1. Abfragen einer einzigen Tabelle 1.1. Zeigen Sie alle Informationen an, die über die Kinder der Mitarbeiter gespeichert sind. 1.2. Zeigen Sie aus der Tabelle stelle

Mehr

Aufgaben zu Tabellenanalyse mit SQL

Aufgaben zu Tabellenanalyse mit SQL Aufgaben zu Tabellenanalyse mit SQL Die Tabelle unten enthält die Arbeitsaufträge für ein Team von Software Entwicklern. Jede Zeile entspricht einem Arbeitsauftrag (hier ohne die Beschreibung des Auftrages

Mehr

Vergleich CMM / SPICE. Andreas Kamper Torsten Engel

Vergleich CMM / SPICE. Andreas Kamper Torsten Engel Andreas Kamper Torsten Engel Inhalt Einführung Inhalt 1 2 3 4 5 - Wiederholung - Eine Einführung / Kurzübersicht Vergleich Assessments Einführung SPI - Programme Fazit Bewertung 1987 entwickelt (Software

Mehr

Werkzeugunterstützung mit V-Modell XT Projektassistent und V-Modell XT Editor

Werkzeugunterstützung mit V-Modell XT Projektassistent und V-Modell XT Editor Das neue Werkzeugunterstützung mit Projektassistent und Editor Dr. Marc Sihling 4Soft GmbH Motivation Generelle Zielsetzung Die Verfügbarkeit bedarfsgerechter Werkzeuge hilft bei Einarbeitung, Auseinandersetzung

Mehr

Java Kurs für Anfänger Einheit 4 Klassen und Objekte

Java Kurs für Anfänger Einheit 4 Klassen und Objekte Java Kurs für Anfänger Einheit 4 Klassen und Ludwig-Maximilians-Universität München (Institut für Informatik: Programmierung und Softwaretechnik von Prof.Wirsing) 13. Juni 2009 Inhaltsverzeichnis klasse

Mehr

Untersuchungen zur Zulassung von Software unterschiedlicher Sicherheitsklassen auf einem Prozessormodule unter dem neuartigen Betriebssystem PikeOS

Untersuchungen zur Zulassung von Software unterschiedlicher Sicherheitsklassen auf einem Prozessormodule unter dem neuartigen Betriebssystem PikeOS Untersuchungen zur Zulassung von Software unterschiedlicher Sicherheitsklassen auf einem Prozessormodule unter dem neuartigen Betriebssystem PikeOS Automotive Safety & Security 2008 Stuttgart, 19. 20.11.2008

Mehr

Antwort auf QB ist Menge von Tupeln, i-e. selbst wieder Relation (wie bei rel. Algebra) in QB "Zugriff" auf Tupel mit Tupel-Variablen

Antwort auf QB ist Menge von Tupeln, i-e. selbst wieder Relation (wie bei rel. Algebra) in QB Zugriff auf Tupel mit Tupel-Variablen Kapitel 6.3 SQL als Anfragesprache Kap. 6.3.1 Allgemeine Begriffe Identifiers: Var-Name ~ Tupel-Variable Table-Name ~ Rel., View Field-Name ~ Attribut-Bez. Key-Words: select where key is integer string

Mehr

TELAU (Telekommunikationsauswertung)

TELAU (Telekommunikationsauswertung) TELAU und seine Optionen TELAU (Telekommunikationsauswertung) Kurzbeschreibung 1 TELAU die Lösung TELAU für die Weiterverrechnung Ihre Telekommunikationskosten Festnetzanschlüsse Mobileanschlüsse Datenanschlüsse

Mehr

Kapitel 12: Schnelles Bestimmen der Frequent Itemsets

Kapitel 12: Schnelles Bestimmen der Frequent Itemsets Einleitung In welchen Situationen ist Apriori teuer, und warum? Kapitel 12: Schnelles Bestimmen der Frequent Itemsets Data Warehousing und Mining 1 Data Warehousing und Mining 2 Schnelles Identifizieren

Mehr

MÖGLICHKEITEN UND GRENZEN IN DER DYNAMISCHEN CODEANALYSE VON C++ SOFTWARE. Von Matthias Neumann

MÖGLICHKEITEN UND GRENZEN IN DER DYNAMISCHEN CODEANALYSE VON C++ SOFTWARE. Von Matthias Neumann MÖGLICHKEITEN UND GRENZEN IN DER DYNAMISCHEN CODEANALYSE VON C++ SOFTWARE Von Matthias Neumann 19.01.2015 2/35 Inhaltsangabe Einleitung Ausprägungen der dynamischen Codeanalyse Debugging Logging Testing

Mehr

Logische Optimierung. Im Allgemeinen wird keine optimale Lösung erzielt, sondern nur eine Verbesserung. Logische Optimierung

Logische Optimierung. Im Allgemeinen wird keine optimale Lösung erzielt, sondern nur eine Verbesserung. Logische Optimierung Logische Optimierung Höhere, nichtprozedurale Abfragesprachen (SQL, QBE,...) verlangen keine Kenntnisse des Benutzers über die Implementierung, müssen aber in prozedurale Form (z. B. Relationenalgebra)

Mehr

www.mathe-aufgaben.com

www.mathe-aufgaben.com Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie

Mehr

Wie beim letzten Mal - bitte besucht: http://pingo.upb.de/549170 Ihr seid gleich wieder gefragt... Übung Algorithmen I 4.5.16 Lukas Barth lukas.barth@kit.edu (Mit Folien von Julian Arz, Timo Bingmann,

Mehr

STL-Container und Laufzeit

STL-Container und Laufzeit STL-Container und Laufzeit Eine Übersicht Höhere Programmierung / C++ Yannick Kaiser, LMU 1 C++11 Array konstanter Länge, die bei der Initalisierung angegeben werden muss STL-Kapselung für klassische

Mehr

Typdeklarationen. Es gibt in Haskell bereits primitive Typen:

Typdeklarationen. Es gibt in Haskell bereits primitive Typen: Typdeklarationen Es gibt in bereits primitive Typen: Integer: ganze Zahlen, z.b. 1289736781236 Int: ganze Zahlen mit Computerarithmetik, z.b. 123 Double: Fließkommazahlen, z.b. 3.14159 String: Zeichenketten,

Mehr

WCET-Analyseverfahren in der automobilen Softwareentwicklung

WCET-Analyseverfahren in der automobilen Softwareentwicklung WCET-Analyseverfahren in der automobilen Softwareentwicklung Martin Däumler 1 Robert Baumgartl 2 Matthias Werner 1 1 Technische Universität Chemnitz 2 HTW Dresden 28. November 2008 M. Däumler et al (TUC,

Mehr

Kurzanleitung zu XML2DB

Kurzanleitung zu XML2DB Kurzanleitung zu XML2DB Inhaltsverzeichnis 1. Einleitung...3 2. Entwicklungsumgebung...3 3. Betriebsanleitung...3 3.1 Einrichten der Java Umgebung...3 3.2 Allgemeines zu java und javac...4 3.2.1 Allgemeines

Mehr

Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011

Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011 Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011 Studiengang BWL DPO 2003: Aufgaben 2,3,4 Dauer der Klausur: 60 Min Studiengang B&FI DPO 2003: Aufgaben 2,3,4 Dauer der Klausur:

Mehr

Definition. Gnutella. Gnutella. Kriterien für P2P-Netzwerke. Gnutella = +

Definition. Gnutella. Gnutella. Kriterien für P2P-Netzwerke. Gnutella = + Definition Gnutella Ein -to--netzwerk ist ein Kommunikationsnetzwerk zwischen Rechnern, in dem jeder Teilnehmer sowohl Client als auch Server- Aufgaben durchführt. Beobachtung: Das Internet ist (eigentlich

Mehr

SQL: Weitere Funktionen

SQL: Weitere Funktionen Vergleich auf Zeichenketten SQL: Weitere Funktionen LIKE ist ein Operator mit dem in Zeichenketten andere Zeichenketten gesucht werden; zwei reservierte Zeichen mit besonderer Bedeutung sind hier % (manchmal

Mehr

Ein Secondo-basierter Routenplaner mit Berücksichtigung von Steigungen

Ein Secondo-basierter Routenplaner mit Berücksichtigung von Steigungen Ein Secondo-basierter Routenplaner mit Berücksichtigung von Steigungen Holger Hennings, Fabio Valdés Fachpraktikum Erweiterbare Datenbanksysteme (WS 2017/18) Lehrgebiet Datenbanksysteme für neue Anwendungen

Mehr

Übung Algorithmen I

Übung Algorithmen I Übung Algorithmen I 10.5.17 Sascha Witt sascha.witt@kit.edu (Mit Folien von Lukas Barth, Julian Arz, Timo Bingmann, Sebastian Schlag und Christoph Striecks) Roadmap Listen Skip List Hotlist Amortisierte

Mehr

Physischer DB-Entwurf

Physischer DB-Entwurf Physischer DB-Entwurf Prof. Dr. T. Kudraß 1 Überblick Ausgangslage: Konzeptuelles und externes Schema sind erstellt: ER Modell, Schemaverfeinerung und Definition von Sichten Nächster Schritt: Physischer

Mehr

MMU Virtualisierung. ISE Seminar 2012. Thomas Schaefer 1

MMU Virtualisierung. ISE Seminar 2012. Thomas Schaefer 1 MMU Virtualisierung ISE Seminar 2012 Thomas Schaefer 1 Inhalt Allgemein MMU: Virtualisiert Probleme Problem 1: Ballooning Problem 2: Memory-Sharing Kurz: Problem 3 & 4 Translation Lookside Buffer TLB in

Mehr

Transaction Validation for XML Documents based on XPath

Transaction Validation for XML Documents based on XPath Transaction Validation for XML Documents based on XPath @ Informatik 2002, m-dbis Stefan Böttcher Adelhard Türling Universität Paderborn Überblick Transaktionen für XML - Daten & mobile Clients Motivation

Mehr

IPEmotion CAN Bus Traffic Speichern, Auswerten, Simulieren PM 04.05.2016 (V2.3)

IPEmotion CAN Bus Traffic Speichern, Auswerten, Simulieren PM 04.05.2016 (V2.3) IPEmotion CAN Bus Traffic Speichern, Auswerten, Simulieren PM 04.05.2016 (V2.3) Inhalt 1. Applikationen 2. Funktionsübersicht: Protokolle PlugIn 3. Traffic speichern 4. Traffic analysieren 5. Traffic simulieren

Mehr

Zählen von Objekten einer bestimmten Klasse

Zählen von Objekten einer bestimmten Klasse Zählen von Objekten einer bestimmten Klasse Ziel, Inhalt Zur Übung versuchen wir eine Klasse zu schreiben, mit der es möglich ist Objekte einer bestimmten Klasse zu zählen. Wir werden den ++ und den --

Mehr

Übersicht. Nebenläufige Programmierung. Praxis und Semantik. Einleitung. Sequentielle und nebenläufige Programmierung. Warum ist. interessant?

Übersicht. Nebenläufige Programmierung. Praxis und Semantik. Einleitung. Sequentielle und nebenläufige Programmierung. Warum ist. interessant? Übersicht Aktuelle Themen zu Informatik der Systeme: Nebenläufige Programmierung: Praxis und Semantik Einleitung 1 2 der nebenläufigen Programmierung WS 2011/12 Stand der Folien: 18. Oktober 2011 1 TIDS

Mehr

Schulinternes Curriculum im Fach Informatik

Schulinternes Curriculum im Fach Informatik Schulinternes Curriculum im Fach Informatik Unterricht in EF : 1. Geschichte der elektronischen Datenverarbeitung (3 Stunden) 2. Einführung in die Nutzung von Informatiksystemen und in grundlegende Begriffe

Mehr

Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14

Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14 Universität Augsburg, Institut für Informatik Wintersemester 2013/14 Prof. Dr. W. Kießling 10. Oktober 2013 F. Wenzel, D. Köppl Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14

Mehr

DataTables LDAP Service usage Guide

DataTables LDAP Service usage Guide DataTables LDAP Service usage Guide DTLDAP Usage Guide thomasktn@me.com / www.ktn.ch Benutzung des DTLDAP Service DataTables Der Service stellt einen JSON Feed für DataTables (http://www.datatables.net)

Mehr