Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie

Save this PDF as:

Größe: px
Ab Seite anzeigen:

Download "Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie"

Transkript

1 Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter Chamoni - Prof. Datenbanksysteme Dr. Peter Chamoni - Wintersemester 2014/ Gliederung 1 Grundlagen - Datenbanksysteme 2 SQL Data Definition Language 3 Datenorganisation 4 Datenintegrität und Transaktionsverwaltung 5 SQL Data Manipulation Language 6 Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Datenbanksysteme 2

2 Gliederung 6 Neue Konzepte der Datenbanktechnologie 6.1 Grenzen relationaler Datenbanksysteme 6.3 Kategorisierung von NoSQL-Systemen Prof. Dr. Peter Chamoni Datenbanksysteme Grenzen relationaler Datenbanksysteme Relationale Datenbanksysteme (I) Ausgerichtet auf komplexe Datenbankanwendungen - Große Datenmodelle - Transaktionen: strenge Einhaltung des ACID-Prinzips zur Sicherstellung der Datenintegrität, d.h. Datenkonsistenz, Datensicherheit und des Datenschutzes DBS ist von Anbeginn nicht auf Skalierbarkeit ausgerichtet, vielmehr wird ein Server auf mehr Leistungsfähigkeit technisch aufgerüstet. Skalierung: vertikal ( Scale Up ) bezeichnet die vertikale Vergrößerung von Ressourcen eines Datenbanksystems in Form von Speicher und/oder CPU. Scale Up - führt zu Groß-Systemen - verlangt extrem zuverlässige Hardware - verursacht überproportionale Kosten - erzeugt single point of failure Prof. Dr. Peter Chamoni Datenbanksysteme 4

3 6.1 Grenzen relationaler Datenbanksysteme Relationale Datenbanksysteme (II) Zunehmende Performance-Probleme entstanden bei RDBS durch fortwährend steigende Anforderungen im Verlauf der Entwicklung Beispiel: Systemaufrufe Prof. Dr. Peter Chamoni Datenbanksysteme 5 Gliederung 6 Neue Konzepte der Datenbanktechnologie 6.1 Grenzen relationaler Datenbanksysteme 6.3 Kategorisierung von NoSQL-Systemen Prof. Dr. Peter Chamoni Datenbanksysteme 6

4 NoSQL Datenbanksysteme (I) NoSQL (not only SQL) (1) Die neuen Systeme sind unabhängig voneinander - aus praktischen Anforderungen heraus - entstanden, z.b. - aus Performance-Anforderungen beim Umgang mit großen Datenmengen (Web 2.0), - Speichern unstrukturierter Daten etc. Diese unabhängigen Wurzeln spiegeln sich auch in einer gewissen Vielfalt von Konzepten wieder. Antwort auf die Anforderungen großer Internet-Sites (Facebook, Google, Amazon ) Seit ca steht NoSQL (not only SQL) für eine Familie von sehr gut skalierbaren Datenbanksystemen, die einen nicht-relationalen Ansatz verfolgen. Prof. Dr. Peter Chamoni Datenbanksysteme 7 NoSQL Datenbanksysteme (II) NoSQL (not only SQL) (2) Zahlreiche NoSQL-Konzepte lehnen sich an folgende Definition an: Unter NoSQL wird eine neue Generation von Datenbanksystemen verstanden, die meistens einige der nachfolgenden Punkte berücksichtigen: Das zugrundeliegende Datenmodell ist nicht relational. Die Systeme sind von Anbeginn an auf eine verteilte und horizontale Skalierbarkeit ausgerichtet. Das NoSQL-System ist Open Source. Fortsetzung der Definition nächste Folie [ Prof. Dr. Peter Chamoni Datenbanksysteme 8

5 NoSQL Datenbanksysteme (III) NoSQL (not only SQL) (3) Ergänzt wird die Definition mit folgenden Merkmalen: Das System ist schemafrei oder hat nur schwache Schemarestriktionen. Aufgrund der verteilten Architektur unterstützt das System eine einfache Datenreplikation. Das System bietet eine einfache API. Dem System liegt meistens auch als Konsistenzmodell zugrunde: eventually consistent / BASE, aber nicht ACID. [ Prof. Dr. Peter Chamoni Datenbanksysteme 9 NoSQL Datenbanksysteme (IV) NoSQL Datenbanksysteme (4) Ausgerichtet auf Internet-Anwendungen - Rasantes Daten-Wachstum - Stabile Zugriffszeiten - Hohe Verfügbarkeit NoSQL-Systemen sind i.d.r. von Anbeginn auf Skalierbarkeit ausgerichtet, d.h. es können Rechnerknoten dynamisch eingebunden werden, die einen Teil der Last/Daten tragen können. Skalierung: horizontal ( Scale Out )... bezeichnet die Erweiterung des Systems durch Einfügen zusätzlicher Computerressourcen Scale Out - führt zu verteilten Systemen, - erzeugt many points of failure Prof. Dr. Peter Chamoni Datenbanksysteme 10

6 NoSQL Datenbanksysteme (V) NoSQL Datenbanksysteme (5) Skalierung: horizontal ( Scale Out ) Erweiterung des Systems durch Einfügen zusätzlicher Computerressourcen. Verteilte Systeme sind nicht einfach zu betreiben bzgl. - Homogenität, Heterogenität - Sicherheit - Administration - Kommunikation, Bandbreite, Transportkosten u.v.m Konsistenzmodell in verteilten Datenbanksystemen: Ist es möglich, ein Datenbanksystem zu entwickeln, - ausgehend vom Konsistenzprinzip wie bei dem Entwurf relationaler Datenbanksysteme, - ABER: es gleichzeitig bzgl. der horizontalen Skalierbarkeit einfacher und performanter zu gestalten? Prof. Dr. Peter Chamoni Datenbanksysteme 11 NoSQL Datenbanksystem (VI) CAP-Theorem (1) (Eric Brewer, PODC 2000) In einem verteilten System können jeweils höchstens zwei der Eigenschaften gleichzeitig erfüllt sein: Konsistenz (Consistency) Die verteilte Datenbank erreicht nach Abschluss einer Transaktion einen konsistenten Zustand. Consistency Verfügbarkeit (Availability) Das System muss für einen konkreten Anwendungsfall eine akzeptable Reaktionszeit aufweisen, die bis zu einer vordefinierten Last eingehalten werden muss. Availability Partition Tolerance Ausfalltoleranz (Partition Tolerance) Das System kann weiterarbeiten trotz Ausfall eines Knotens oder einer Kommunikationsverbindung zwischen den Knoten. Prof. Dr. Peter Chamoni Datenbanksysteme 12

7 NoSQL Datenbanksystem (VII) CAP-Theorem (2) In der Praxis steht ein Unternehmen gemäß des CAP-Theorems somit vor der Entscheidung: Lockerung der Forderung nach strikter Einhaltung der Konsistenz im System oder Consistency das Risiko zu tragen, dass das System bei einem Ausfall der Verbindungen gar nicht oder nicht mit einer akzeptablen Reaktionszeit antwortet. Availability Partition Tolerance Für ein Webunternehmen, dessen Profit von der Erreichbarkeit seines Dienstes abhängt, ist dieses Risiko wohl eher nicht tragbar! Prof. Dr. Peter Chamoni Datenbanksysteme 13 NoSQL Datenbanksystem (VIII) Alternatives Konsistenzmodell: BASE ist ein Gegenkonzept zu ACID, basierend auf der Annahme, dass ein Verzicht auf Strong Consistency und dafür eine höhere Achtsamkeit auf Verfügbarkeit des Systems eine Steigerung der Skalierbarkeit ermöglicht. wird zur Lösung des Konflikts des CAP-Theorems herangezogen. BASE Eine NoSQL-Datenbank sollte über folgende Eigenschaften verfügen: grundsätzlich verfügbar (Basically Available) loser Zustand Konsistenz (Soft State) schlussendlich konsistent (Eventually Consistent) (schwache Konsistenz) Prof. Dr. Peter Chamoni Datenbanksysteme 14

8 NoSQL Datenbanksystem (IX) Map/Reduce Framework (1) spielt eine zentrale Rolle im Kontext von NoSQL-Datenbanken. Das Verfahren ist geeignet, große verteilte Datenmengen bei paralleler Ausführung effizient zu durchsuchen. Die Ursprünge des Verfahrens liegen in der funktionalen Programmierung: LISP erlaubt Entwicklern die Nutzung der Map/Reduce-Routinen, um parallele Programme zu erstellen, ohne dass der Entwickler sich um die Programmierung - der Kommunikation innerhalb des Rechner-Clusters - des Aufgaben-Monitorings oder - der Fehlerbehandlung kümmern muss. Prof. Dr. Peter Chamoni Datenbanksysteme 15 NoSQL Datenbanksystem (X) Map/Reduce Framework (2) Das Framework nutzt zwei Algorithmen, die jeweils nebenläufig auf verschiedenen Rechnerknoten in zwei Phasen hintereinander ausgeführt werden: Map verteilt Aufgaben an die verschiedenen Knoten im Netzwerk; Reduce Die Funktion map() wendet eine Funktion sukzessive auf alle Elemente einer Liste an und gibt eine durch die Funktion modifizierte Liste zurück. sortiert die Aufgaben; Eingabe Die Funktion reduce() akkumuliert einzelne Funktionsergebnisse der Listenpaare und reduziert sie damit auf einen Ausgabewert. Zwischenergebnisse Ausgabe Prof. Dr. Peter Chamoni Datenbanksysteme 16

9 NoSQL Datenbanksystem (XI) Map/Reduce Framework (3) Beispiel: durchschnittl. erreichte Punktzahl im letzten Semester auf Jahresebene MatrikelnummerDatumPunktzahl Eingabe MAP Combine Reduce (2014,25) (2014, [25, 47]) (2014,36) (2015,57) (2015,57) (2015,57) (2014,47) Prof. Dr. Peter Chamoni Datenbanksysteme 17 NoSQL Datenbanksystem (XII) Map/Reduce Framework (4) wird zur Lösung einer Vielzahl von Aufgaben genutzt, die eine Berechnung großer Datenmengen in einem Verbund von Rechnern erfordern. Beispielhaft sollen folgende Anwendungsbereiche genannt werden - Zählen von Zugriffen auf eine URL Map: verarbeitet die Zugriffe auf Webseiten aus vorhandenen Aufzeichnungen und gibt die Key/Value-Paare (URL, 1 ) aus. Reduce: addiert die Zwischenergebnisse pro URL und liefert als Ergebnisse die Zugriffe pro URL. - Wortindex Erstellung - Suchen in verteilten Datenbeständen (Grep) oder Sortieren - Erstellung des Link-Graphen über die Verlinkung von Webseiten zu einem Ziel Prof. Dr. Peter Chamoni Datenbanksysteme 18

10 NoSQL Datenbanksystem (XIII) Map/Reduce Framework (5) ist für viele Einsatzbereiche effizient anwendbar. Aus diesem Grunde wurden seit der ersten Vorstellung zahlreiche Implementierungen erzeugt, z.b. Implementierungen - Google Map/Reduce Framework ist in C ++ implementiert und bietet APIs für Python und Java. - Hadoop ist ein Apache Open Source-Java-Framework für skalierbare, verteilte Software. - CouchDB nutzt ein Map/Reduce Framework zur Definition von Views über verteite Dokumente. - u.v.m (z.b. Prof. Dr. Peter Chamoni Datenbanksysteme 19 Gliederung 6 Neue Konzepte der Datenbanktechnologie 6.1 Grenzen relationaler Datenbanksysteme 6.3 Kategorisierung von NoSQL-Systemen Prof. Dr. Peter Chamoni Datenbanksysteme 20

11 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (I) Aufgrund der weit gefassten Definition zählen zu NoSQL eine Vielzahl verschiedener Konzepte, wobei die derzeit wichtigsten sind: Column Stores /Column Families Document Stores Key/Value/Tuple Stores Graph-Datenbanken u.v.m. Prof. Dr. Peter Chamoni Datenbanksysteme Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (II) Key Value Store Schema: verwendet Schlüssel (Keys) zur Indizierung von Daten (Values). Struktur der Daten ist nicht vorgegeben. Datentyp zumeist nicht vorgegeben Das einfache Datenmodell ermöglicht eine schnelle und effiziente Datenverwaltung. Abfragen sind auf Schlüssel beschränkt. Nachteilig: eigene, beliebig komplexe Abfragen können oft nicht selbst geschrieben werden, sondern entscheidend ist die Mächtigkeit des API. Membase (Couchbase), Redis (Vmware), Azure Table Storage (Microsoft), Berkeley DB (Oracle) Prof. Dr. Peter Chamoni Datenbanksysteme 22

12 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (III) Dokumentorientierte Datenbank (Document Store) Ähnlich zu Key Value Datenbank Daten sind jedoch Dokumente. Diese Dokumente werden nach einem bestimmten Format (XML, JSON, etc.) ausgetauscht und gespeichert. Neben Schlüssel-Abfragen kann auch nach Inhalten oder Meta-Daten (z.b. Tags, Sammlungen etc.) gesucht werden. BaseX (XML), CouchDB (Apache, JSON), MongoDB (JSON), Lotus Notes (IBM, Domino XML) Prof. Dr. Peter Chamoni Datenbanksysteme Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (IV) Spaltenorientierte Datenbank (Column Store) (1) Ein Schlüssel zeigt auf beliebig viele Versionen eines Tupels. In einem solchen Tupel kann es zahlreiche sog. Column-Families geben. Die Column-Families werden über Schlüssel identifiziert. Struktur der Daten ist nicht vorgegeben. Performance-Vorteile gegenüber RDBS bei Operationen über viele Einträge mit Schlüsseln geringer Dimensionalität (wenige Spalten). Cassandra (Apache), Hadoop / HBase (Apache), BigTable (Google), Dynamo (Amazon) Prof. Dr. Peter Chamoni Datenbanksysteme 24

13 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (V) Spaltenorientierte Datenbank (Column Store) (2) Zeilenorientiert 1 Meier Paul EUR 2 Schulze Peter EUR 3 Schlauch Mike EUR 4 Schmidt Bert EUR Operation: Ermittlung des durchschnittlichen Gehalts Spaltenorientiert 1,2,3,4 Meier, Schulze, Schlauch, Schmidt Paul, Peter, Mike, Bert EUR, EUR, EUR, EUR Prof. Dr. Peter Chamoni Datenbanksysteme Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (VI) Graph-Datenbank Verwaltung von Graph- oder Baumstrukturen, in denen die Elemente miteinander verknüpft sind. - Knoten des Graphen = Daten - Kanten des Graphen = Beziehungen zwischen den Daten - Knoten und Kanten des Graphen können mit properties, also Eigenschaften versehen oder gewichtet werden. Absatz Kunde im Monat Die Daten werden über ihre (relative) Position im Graphen identifiziert (traversieren), somit wird kein Schlüssel benötigt. 10 PCE Web 3.0 Semantisches Web Neo4J, sones GraphDB, Trinity (Microsoft), AllegroGraph Prof. Dr. Peter Chamoni Datenbanksysteme 26

14 6.3 Kategorisierung von NoSQL-Systemen Neue Konzepte der Datenbanktechnologie Polyglot Persistence der kombinierte Einsatz von relationalen Datenbanksystemen und NoSQL-Systemen. Idee: Für jede unterschiedliche Anforderung die perfekte Datenbank Problem: Cost of Complexity Einsatz, Wartung, Weiterentwicklung und Interkonnektivität von mehr als einer Datenbank sind sehr zeitaufwändig und kostenintensiv. Database-as-a-Service (DaaS) Datenbanken können in der Cloud als Service verwendet werden. senkt die cost of complexity Prof. Dr. Peter Chamoni Datenbanksysteme 27

Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie

Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter

Mehr

Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie

Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter

Mehr

Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN:

Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42355-8 Weitere Informationen oder Bestellungen

Mehr

Inhaltsverzeichnis. Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner. NoSQL

Inhaltsverzeichnis. Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner. NoSQL sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42753-2 Weitere Informationen

Mehr

Überblick und Vergleich von NoSQL. Datenbanksystemen

Überblick und Vergleich von NoSQL. Datenbanksystemen Fakultät Informatik Hauptseminar Technische Informationssysteme Überblick und Vergleich von NoSQL Christian Oelsner Dresden, 20. Mai 2011 1 1. Einführung 2. Historisches & Definition 3. Kategorien von

Mehr

Stefan Edlich Achim Friedland Jens Rampe Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER

Stefan Edlich Achim Friedland Jens Rampe Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER Stefan Edlich Achim Friedland Jens Rampe Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER Geleitwort 1 Vorwort 1 1 Einführung 1 1.1 Historie 1 1.2 Definition und

Mehr

NoSQL HANSER. Einstieg in die Web 2.0 Datenbanken. Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner

NoSQL HANSER. Einstieg in die Web 2.0 Datenbanken. Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner NoSQL Einstieg in die Web 2.0 Datenbanken 2., akutalisierte und erweiterte Auflage HANSER Geleitwort Vorwort Vorwort zur 2. Auflage

Mehr

ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik

ANALYTICS, 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

Mehr

NoSQL. Prof. Dr. Ingo Claßen. Einführung. Kategorisierung von NoSQL-Systemen. Verteilung. Konsistenz. Literatur

NoSQL. 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

Mehr

NoSQL Andere Wege in der Speicherung von Geodaten?

NoSQL Andere Wege in der Speicherung von Geodaten? NoSQL Andere Wege in der Speicherung von Geodaten? Holger Baumann, Agenda Status Quo Speicherung von Geodaten in SQL-Datenbanken Datenbanken im Web Umfeld Verteilte Datenbanken Begriff und Klassifizierung

Mehr

Web Technologien NoSQL Datenbanken

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

Mehr

Datenbanken und Datenbanktypen Tag 1 : Kapitel 1. Christian Inauen. Lernziele. Entwicklung der Datenbanken.

Datenbanken und Datenbanktypen Tag 1 : Kapitel 1. Christian Inauen. Lernziele. Entwicklung der Datenbanken. Tag 1 : und 10.08.2015 Jede/r Lernende... kann in eigenen Worten die Entstehung von erläutern kennt die verschiedenen Arten von mit entsprechenden Eigenschaften kann die Abkürzungen ACID, BASE und CAP

Mehr

Big Data & Analytics Nationaler Akademietag, Fulda Referent: Meinhard Lingo

Big Data & Analytics Nationaler Akademietag, Fulda Referent: Meinhard Lingo Big Data & Analytics Nationaler Akademietag, Fulda 20.04.2018 Referent: Meinhard Lingo E-Mail: meinhard.lingo@bs1in.de Big Data & Analytics Big Data-Anwendungen: Ein Paradigmenwechsel. Kompetenzen? mögliche

Mehr

NoSQL 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 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

Mehr

NoSQL-Datenbanken. Kapitel 1: Einführung. Dr. Anika Groß Sommersemester Universität Leipzig 1-1

NoSQL-Datenbanken. Kapitel 1: Einführung. Dr. Anika Groß Sommersemester Universität Leipzig  1-1 NoSQL-Datenbanken Kapitel 1: Einführung Dr. Anika Groß Sommersemester 2017 Universität Leipzig http://dbs.uni-leipzig.de 1-1 Inhaltsverzeichnis NoSQL-Datenbanken Motivation und Definition Kategorisierung,

Mehr

Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen

Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16OH21005 gefördert. Die Verantwortung für den Inhalt dieser

Mehr

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

SQL- & NoSQL-Datenbanken. Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken Speichern und Analysen von großen Datenmengen 1 04.07.14 Zitat von Eric Schmidt (Google CEO): There was 5 exabytes of information created between the dawn of civilization through

Mehr

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

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

Mehr

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

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

Mehr

Cloud Data Management Kapitel 4: MapReduce

Cloud Data Management Kapitel 4: MapReduce Cloud Data Management Kapitel 4: MapReduce Dr. Eric Peukert Wintersemester 2017 Universität Leipzig, Institut für Informatik http://dbs.uni-leipzig.de Inhaltsverzeichnis MapReduce MapReduce-Umsetzung für

Mehr

RavenDB, schnell und skalierbar

RavenDB, 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/

Mehr

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

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

Mehr

Datenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2015/16.

Datenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2015/16. Datenbanksysteme Wintersemester 2015/16 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de MapReduce, Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 15/16 2 / 35 MapReduce,

Mehr

Soziotechnische Informationssysteme

Soziotechnische Informationssysteme Soziotechnische Informationssysteme 8. NoSQL Relationale Datenbank NoSQL Datenbank Relationale Datenbank? NoSQL Datenbank RDBM 2 Warum? Skalierbarkeit Riesige Datenmengen Performanz und Elastizität Auslastung

Mehr

anwendungen programmieren Datenbank entwerfen & Implementierung Analyse bis zur SQL- NoSQL-Datenbanken Uwe Klug Mit einer Einführung in 2.

anwendungen programmieren Datenbank entwerfen & Implementierung Analyse bis zur SQL- NoSQL-Datenbanken Uwe Klug Mit einer Einführung in 2. Uwe Klug Datenbank anwendungen entwerfen & programmieren Von der objektorientierten Analyse bis zur SQL- Implementierung Mit einer Einführung in NoSQL-Datenbanken 2. Auflage W3L-Verlag Herdecke Witten

Mehr

Polyglot Persistence und NoSQL

Polyglot Persistence und NoSQL Polyglot Persistence und NoSQL Mehr Flexibilität, mehr Komplexität!? Stefan Kühnlein Solution Architekt OPITZ CONSULTING GmbH Nürnberg, 18.11.2014 OPITZ CONSULTING GmbH 2014 Seite 1 Agenda 1. Rückblick

Mehr

Big Data Management Thema 14: Cassandra

Big Data Management Thema 14: Cassandra Thema 14: Cassandra Jan Kristof Nidzwetzki Thema 14: Cassandra 1 / 25 Übersicht 1 Grundlagen Überblick Geschichte Datenmodel 2 Architektur Der logische Ring Persistenz der Daten Tunable Consistency Read

Mehr

Skalierbare Webanwendungen

Skalierbare Webanwendungen Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit

Mehr

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

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

Mehr

NoSQL Databases and Big Data

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

Mehr

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

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

Mehr

Anforderungen von Cloud-Anwendungen an Datenbanksysteme

Anforderungen von Cloud-Anwendungen an Datenbanksysteme Anforderungen von Cloud-Anwendungen an Datenbanksysteme Andreas Göbel Friedrich-Schiller-Universität Jena Lehrstuhl für Datenbanken und Informationssysteme 06.05.2010 AGENDA 1. Einleitung 2. Anforderungen

Mehr

ISBN: Herstellung: Diplomica Verlag GmbH, Hamburg, 2011

ISBN: Herstellung: Diplomica Verlag GmbH, Hamburg, 2011 Nils Petersohn Vergleich und Evaluation zwischen modernen und traditionellen Datenbankkonzepten unter den Gesichtspunkten Skalierung, Abfragemöglichkeit und Konsistenz Diplomica Verlag Nils Petersohn Vergleich

Mehr

Neues aus der nicht-, semi- und relationalen Welt

Neues 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

Mehr

Charakteristika und Vergleich von SQL- und NoSQL- Datenbanken

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

Mehr

Kapitel 4 Teil 2 NoSQL-Datenbanksysteme

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

Mehr

Datenbanktechnologien für Big Data

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

Mehr

NoSQL Datenbanken PI Datenorientierte Systemanalyse, WS 2014/15. LV Datenorientierte Systemanalyse, WS 2014/15

NoSQL Datenbanken PI Datenorientierte Systemanalyse, WS 2014/15. LV Datenorientierte Systemanalyse, WS 2014/15 NoSQL Datenbanken LV Datenorientierte Systemanalyse, WS 2014/15 Dr. Walter Ebner, Institut für Informationswirtschaft Wirtschaftsuniversität Wien Überblick Abgrenzung zu relationalen

Mehr

Big Data Informationen neu gelebt

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

Mehr

Aufbau eines Clusters mit der NoSQL- Datenbank MongoDB auf Basis von Einplatinencomputern

Aufbau eines Clusters mit der NoSQL- Datenbank MongoDB auf Basis von Einplatinencomputern Fachbereich 2 Informatik und Ingenieurwissenschaften Im Studiengang Informatik Aufbau eines Clusters mit der NoSQL- Datenbank MongoDB auf Basis von Einplatinencomputern Kolloquium zur Bachelorthesis Danijel

Mehr

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

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

Mehr

Darko Križić. NoSQL Datenbanken

Darko Križić. NoSQL Datenbanken Darko Križić NoSQL Datenbanken Ihr Referent Darko Križić Chief Technical Officer Enterprise Architecture Java Enterprise EdiCon High Availability ESB (Talend ESB) NoSQL (MongoDB, CouchDB) NoSQL Datenbanken

Mehr

Oracle Big Data Technologien Ein Überblick

Oracle Big Data Technologien Ein Überblick Oracle Big Data Technologien Ein Überblick Jürgen Vester Oracle Deutschland B.V. & Co KG Um was geht es bei Big Data? Bei Big Data sprechen wir eine Klasse von Daten an, die in der

Mehr

Eine Einführung in Apache CouchDB. Java-Forum Stuttgart 2011

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

Mehr

Sinn (und Unsinn) für Informix Benutzer

Sinn (und Unsinn) für Informix Benutzer NoSQL : Sinn (und Unsinn) für Informix Benutzer Martin Fürderer IBM Informix Entwicklung München Agenda Was bedeutet NoSQL für Informix Benutzer? Was bedeutet NoSQL? Fragen? Welche NoSQL Funktionalität

Mehr

Big Data und Oracle bringen die Logistik in Bewegung

Big Data und Oracle bringen die Logistik in Bewegung OPITZ CONSULTING Deutschland GmbH Dortmund, 07.05.2014 Bild-Quelle: Web-Seite von Pasta ZARA, Big Artikel Data So und entstehen Oracle bringen unsere die Nudeln Logistik in Bewegung http://de.pastazara.com/so-entstehen-unsere-nudeln

Mehr

MapReduce. Jens Dörre. Universität Passau Projekt MAPREDUCEFOUNDATION. Funktionale Programmierung

MapReduce. Jens Dörre. Universität Passau Projekt MAPREDUCEFOUNDATION. Funktionale Programmierung MapReduce Jens Dörre Universität Passau Projekt MAPREDUCEFOUNDATION Funktionale Programmierung Jens Dörre (Uni Passau) MapReduce Funktionale Programmierung 1 / 25 Gliederung 1 MapReduce allgemein 2 MapReduce

Mehr

Massives Wachstum an Daten

Massives Wachstum an Daten Massives Wachstum an Daten Gartner: pro Tag werden 2.5 Exabytes an Daten generiert 90% aller Daten weltweit wurden in den 2 letzten Jahren erzeugt. 2 Datenproduzenten: Soziale Netze, Smartphones, Sensoren

Mehr

7. Big Data und NoSQL-Datenbanken

7. Big Data und NoSQL-Datenbanken 7. Big Data und NoSQL-Datenbanken Motivation Big Data Herausforderungen Einsatzbereiche Systemarchitekturen für Big Data Analytics Analyse-Pipeline Hadoop, MapReduce, Spark/Flink NoSQL-Datenbanken Eigenschaften

Mehr

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa

Mehr

Soziotechnische Systeme Sommer Soziotechnische Informationssysteme. 8. SQL und NoSQL. Die gute alte Zeit. (c) Peter Sturm, Universität Trier 1

Soziotechnische Systeme Sommer Soziotechnische Informationssysteme. 8. SQL und NoSQL. Die gute alte Zeit. (c) Peter Sturm, Universität Trier 1 Soziotechnische Informationssysteme 8. SQL und NoSQL Die gute alte Zeit (c) Peter Sturm, Universität Trier 1 Relationale Datenbank (c) Peter Sturm, Universität Trier 2 RDBMs 1970, IBM Edgar Codd Persistente

Mehr

Schema-Management ohne Schema? Schema-Verwaltung in NoSQL- Datenbanksystemen

Schema-Management ohne Schema? Schema-Verwaltung in NoSQL- Datenbanksystemen Schema-Management ohne Schema? - Schema-Verwaltung in NoSQL- Datenbanksystemen Einführung Schema-Flexibilität Keine (Vorab-) Definition eines Schemas Schema-Management ohne Schema??? Implizites Schema

Mehr

SODA. 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 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

Mehr

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

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

Mehr

Oracle Big Data Technologien Ein Überblick

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

Mehr

Thomas Matzner Berater für Systemanalyse Couchbase. Java User Group München

Thomas 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

Mehr

Einführung in CouchDB

Einführung in CouchDB Einführung in CouchDB Zurücklehnen und entspannen! http://slog.io Thomas Schrader (@slogmen) 12/2010 Übersicht Bestandsaufnahme Ansatz Geschichte Technologien Features Skalierbarkeit Kurz & Gut Fazit Relationale

Mehr

Datenbanksysteme. Donald Kossmann TU München

Datenbanksysteme. Donald Kossmann TU München Datenbanksysteme Donald Kossmann TU München Übersicht Wie benutze ich ein Datenbanksystem? Datenmodellierung (ER, UML, Theorie) Datenbankprogrammierung (SQL) Wie baue ich ein Datenbanksystem? Anfrageoptimierung

Mehr

Eclipse und EclipseLink

Eclipse und EclipseLink Eclipse und EclipseLink Johannes Michler Johannes.Michler@promatis.de PROMATIS, Ettlingen Zugriff auf Oracle Datenbanken aus Eclipse RCP Anwendungen via EclipseLink 18.09.2009 1 Gliederung Eclipse als

Mehr

Optimierung der Datenbankstruktur einer Web-Anwendung zur Analyse von Fertigungsprozessen

Optimierung der Datenbankstruktur einer Web-Anwendung zur Analyse von Fertigungsprozessen Optimierung der Datenbankstruktur einer Web-Anwendung zur Analyse von Fertigungsprozessen Vortrag Seminararbeit Fabian Ripplinger Aachen, 22.01.2014 Agenda 1 2 3 4 5 Ziel der Arbeit Grundlagen Umsetzung

Mehr

Glossar. Springer Fachmedien Wiesbaden 2016 D. Fasel, A. Meier (Hrsg.), Big Data, Edition HMD, DOI /

Glossar. Springer Fachmedien Wiesbaden 2016 D. Fasel, A. Meier (Hrsg.), Big Data, Edition HMD, DOI / Glossar Abfragesprache Eine Abfragesprache erlaubt, Datenbanken durch die Anga be von Selektionsbedingungen, eventuell mengenorientiert, auszuwerten. ACID Die Abkürzung ACID steht für Atomicity, Consistency,

Mehr

NoSQL & MongoDB Avision GmbH Dr. Gernot Pfanner

NoSQL & MongoDB Avision GmbH Dr. Gernot Pfanner NoSQL & MongoDB Inhalt Grundlagen Datenbanken Wozu Datenbanken? Relationales Datenbankmodell NoSQL Grundlagen Grundlegende Einteilung CAP-Theorem SQL vs. NoSQL Der Weg zur richtigen DB MongoDB Zusammenfassung

Mehr

Non-Standard-Datenbanken Von NoSQL zu NewSQL

Non-Standard-Datenbanken Von NoSQL zu NewSQL Non-Standard-Datenbanken Von NoSQL zu NewSQL Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Dennis Heinrich (Übungen) Big Data 2 NoSQL: Not Only SQL? Datenmengen werden groß

Mehr

Apache Hadoop. Distribute your data and your application. Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.

Apache Hadoop. Distribute your data and your application. Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache. Apache Hadoop Distribute your data and your application Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.org Apache The Apache Software Foundation Community und

Mehr

Informationssysteme für Ingenieure

Informationssysteme für Ingenieure Informationssysteme für Ingenieure Vorlesung Herbstsemester 2016 Überblick und Organisation R. Marti Organisation Web Site: http://isi.inf.ethz.ch Dozent: Robert Marti, martir ethz.ch Assistenz:??

Mehr

Rein relationale DB in Prod? Datenbanken in produktiven Einsatz? SQL + NoSQL DB in Prod? (MongoDB, Redis, CouchDB, Cassandra)

Rein relationale DB in Prod? Datenbanken in produktiven Einsatz? SQL + NoSQL DB in Prod? (MongoDB, Redis, CouchDB, Cassandra) 1 Rein relationale DB in Prod? Datenbanken in produktiven Einsatz? 2 SQL + NoSQL DB in Prod? (MongoDB, Redis, CouchDB, Cassandra) 3 DB-Cluster in der Cloud? NoSQL?!? SQL Normalformen Come as you are Warum

Mehr

whitepaper NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz

whitepaper NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz whitepaper NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz Dieses Dokument soll die Technologien,

Mehr

Wide Column Stores. Felix Bruckner Mannheim, 15.06.2012

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

Mehr

1. Einleitung. 1 1Exabyte=10 18 Bytes = Bytes

1. Einleitung. 1 1Exabyte=10 18 Bytes = Bytes 1. Einleitung Das aktuelle Jahrzehnt wird als Zeitalter der Daten bezeichnet [Whi09, S. 1]. Die Menge der weltweit existierenden Daten ist in den letzten Jahren stark angewachsen. Eine Studie des amerikanischen

Mehr

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2

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

Mehr

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

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

Mehr

Hadoop. Eine Open-Source-Implementierung von MapReduce und BigTable. von Philipp Kemkes

Hadoop. Eine Open-Source-Implementierung von MapReduce und BigTable. von Philipp Kemkes Hadoop Eine Open-Source-Implementierung von MapReduce und BigTable von Philipp Kemkes Hadoop Framework für skalierbare, verteilt arbeitende Software Zur Verarbeitung großer Datenmengen (Terra- bis Petabyte)

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

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

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

Mehr

Apache HBase. A BigTable Column Store on top of Hadoop

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

Mehr

Untersuchungen zum Einsatz von Apache CouchDB als Geodatenbank

Untersuchungen zum Einsatz von Apache CouchDB als Geodatenbank Masterarbeit Untersuchungen zum Einsatz von Apache CouchDB als Geodatenbank Prüfer: Prof. Dr.-Ing. Baumann, M.Eng. Kirschke Gliederung Apache CouchDB Geodatenbank Praktische Beispiele im GIS-Kontext Ergebnisse

Mehr

Datenbanken & Informationssysteme (WS 2016/2017)

Datenbanken & Informationssysteme (WS 2016/2017) Datenbanken & Informationssysteme (WS 2016/2017) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de)

Mehr

The R(E)volution of Data Stores

The R(E)volution of Data Stores The R(E)volution of Data Stores Willkommen Schön, dass sie in diese Session kommen, ich bin Dominik Wagenknecht NoSQL Initiative Lead Technology Architect Accenture Wien Mobil: +43 676 8720 33921 dominik.wagenknecht@accenture.com

Mehr

Inhaltsverzeichnis. Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN:

Inhaltsverzeichnis. Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN: Lothar Piepmeyer Grundkurs Datenbanksysteme Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42354-1

Mehr

VERSCHLÜSSELUNG MITTELS QUERY- REWRITING AUF DER CLOUD-DATENBANK AMAZON DYNAMODB

VERSCHLÜSSELUNG MITTELS QUERY- REWRITING AUF DER CLOUD-DATENBANK AMAZON DYNAMODB Eingereicht von Michaela Wakolbinger, MSc VERSCHLÜSSELUNG MITTELS QUERY- REWRITING AUF DER CLOUD-DATENBANK AMAZON DYNAMODB Angefertigt am Institut für Wirtschaftsinformatik - Data & Knowledge Engineering

Mehr

Andere Datenbankmodelle. Graphendatenbanken

Andere Datenbankmodelle. Graphendatenbanken Andere Datenbankmodelle Graphendatenbanken Datenbankmodelle Relationale Datenbank (SQL) NoSQL (Not Only SQL): Implementierungen können folgendermaßen nach Datenmodell gegliedert werden: Dokumentorientierte

Mehr

Überblick über das Oracle Internet File System. PEGAS systemhaus 2001 PEGAS Firmenpräsentation

Überblick über das Oracle Internet File System. PEGAS systemhaus 2001 PEGAS Firmenpräsentation Überblick über das Oracle Internet File System Seite 1 - Oktober 2001 Name: Über PEGAS... PEGAS systemhaus gmbh Adresse: Rudolf-Diesel-Str. 1 82166 Gräfelfing/München Germany Telefon: +49 (089) 898157

Mehr

DRYING UP THE DATA SWAMP. Vernetzung von Daten mittels iqser GIN Server

DRYING UP THE DATA SWAMP. Vernetzung von Daten mittels iqser GIN Server DRYING UP THE DATA SWAMP Vernetzung von Daten mittels iqser GIN Server Florian Pfleiderer Solution Engineer bei dibuco SchwerpunkteBig Data und Cloud Architekturen Erfahrungen in der Produktentwicklung

Mehr

Dominik Wagenknecht Accenture. Der No Frills Big Data Workshop -Teil3

Dominik Wagenknecht Accenture. Der No Frills Big Data Workshop -Teil3 Dominik Wagenknecht Accenture Der No Frills Big Data Workshop -Teil3 Der no frills BigData Workshop JAX 2012, 16.4.2012, Mainz Teil 3 Google ist ein Pionier von BigData und hat mit MapReduce und BigTable

Mehr

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

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

Mehr

NoSQL Graphdatenbanken mit HyperGraphDB. Tage der Datenbanken Donnerstag, Ludger Schönfeld, B. Sc. ludger.schoenfeld[at]smail.fh-koeln.

NoSQL Graphdatenbanken mit HyperGraphDB. Tage der Datenbanken Donnerstag, Ludger Schönfeld, B. Sc. ludger.schoenfeld[at]smail.fh-koeln. NoSQL Graphdatenbanken mit HyperGraphDB Tage der Datenbanken Donnerstag, 20.06.2013 Ludger Schönfeld, B. Sc. ludger.schoenfeld[at]smail.fh-koeln.de Agenda 1. Einleitung/Motivation 2. Graphendatenbanken

Mehr

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

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

Mehr

Software- /Systemarchitektur

Software- /Systemarchitektur Software- /Systemarchitektur Agenda: Definition von Softwarearchitektur Voraussetzungen Was bedeutet Objektorientierung? Wie speichert man Daten persistent? Client-Server-Architektur Schichtenarchitektur

Mehr

Entwicklung der Datenbanksysteme

Entwicklung der Datenbanksysteme Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger Jahren waren die

Mehr

Dokumentenorientierte Datenbanken - MongoDB

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

Mehr

Aufgabe 1: Begriffswelt /10 Punkte

Aufgabe 1: Begriffswelt /10 Punkte Cloud Computing Klausur an der Hochschule Karlsruhe - Technik und Wirtschaft Wintersemester 2016/17, Dienstag, 31.01.2017, 14:00 Uhr Name: Punkte: /60 Note: Disclaimer: - Zugelassene Hilfsmittel: keine

Mehr

In diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen.

In 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?

Mehr

ISBN: 978-3-8428-0679-5 Herstellung: Diplomica Verlag GmbH, Hamburg, 2011

ISBN: 978-3-8428-0679-5 Herstellung: Diplomica Verlag GmbH, Hamburg, 2011 Nils Petersohn Vergleich und Evaluation zwischen modernen und traditionellen Datenbankkonzepten unter den Gesichtspunkten Skalierung, Abfragemöglichkeit und Konsistenz Diplomica Verlag Nils Petersohn Vergleich

Mehr

MyCoRe > V1.0: Technische Weiterentwicklung

MyCoRe > V1.0: Technische Weiterentwicklung MyCoRe > V1.0: Technische Weiterentwicklung Frank Lützenkirchen, Kathleen Krebs Folie 1 Kontrollflüsse bisher Kontrollflüsse sind im MyCoRe Kern oder der darauf basierenden Applikation fix und explizit

Mehr

SQL oder NoSQL: Das ist die Frage! Oracle NoSQL Database

SQL 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,

Mehr

2. Architektur verteilter Datenbanksysteme

2. Architektur verteilter Datenbanksysteme 2. Architektur verteilter Datenbanksysteme Verteilte Datenbank, kurz DDB (engl. distributed database): eine Sammlung logisch zusammengehöriger Datenbanken, welche über Rechnerknoten ( Sites ) verteilt

Mehr

DATENBANK LÖSUNGEN. mit Azure. Peter Schneider Trainer und Consultant. Lernen und Entwickeln. www.egos.co.at

DATENBANK LÖSUNGEN. mit Azure. Peter Schneider Trainer und Consultant. Lernen und Entwickeln. www.egos.co.at DATENBANK LÖSUNGEN mit Azure Peter Schneider Trainer und Consultant Agenda Cloud Services, Data Platform, Azure Portal Datenbanken in Virtuelle Maschinen Azure SQL Datenbanken und Elastic Database Pools

Mehr

Archivierung in DBMS

Archivierung in DBMS Archivierung in DBMS Marcus Brisgen 9. März 2004 Gliederung Gliederung Motivation Archivierung Grundlagen Anwendungsorientiertes Archivieren Architekturen Erweiterungen ASQL XML-Archivierungsoperator Beispiele

Mehr

SQL oder NoSQL. Steffen Krause Technical

SQL oder NoSQL. Steffen Krause Technical SQL oder NoSQL die Auswahl derrichtigenrichtigen Datenbankplattform fürdie Cloud Steffen Krause Technical Evangelist @sk_bln skrause@amazon.de Das richtige Werkzeug Wenn man nur einen Hammer hat sieht

Mehr