Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server
|
|
- Lilli Sauer
- vor 8 Jahren
- Abrufe
Transkript
1 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick Jürgen Bittner SQL Projekt AG FSU Jena
2 Das gewöhnliche Performance-Problem Ein Select braucht zu viel Zeit,... was tun? Schnellere Hardware? Überprüfen des Kommandos Prüfen des Datenbank-Servers Prüfen der Datenbank SQL Projekt AG FSU Jena
3 Anfragebeispiel Wieviele Gastronomie-Einrichtungen in Sachsen haben kein Radeberger? Mon Einr Typ Land Prod Abs G SA Werne G MV Becks G SA Radeb K NS Jever 311 SELECT COUNT (DISTINCT Einr) - AnzRadeb G SA Radeb 95 FROM Absatz, G BY Paula 3454 WHERE (SELECT Land = SA COUNT(DISTINCT AND Einr) AS AnzRadeb M NW Dortm 703 FROM Typ = G Absatz AND K SA Lands 1216 WHERE Einr = IS Land NOT = IN SA (SELECT AND DISTINCT Einr Typ = G AND FROM Absatz Prod = Radeb ) WHERE Land = SA AND WHERE Land = SA AND Typ = G AND Typ = G Prod = Radeb ) SQL Projekt AG FSU Jena
4 Data Warehouse Architektur Relationale DB SW-Pakete Altdaten Data Staging (ETL) RDBMS Enterprise Data Warehouse Datamart RDBMS Datamart Benutzer- Tool Benutzer- Tool Benutzer- Tool ROLAP Externe Quellen Daten- Bereinigungs- Tool Warehouse Admin. Tools Daten-Extraktion, Transformation und Laden Quelldaten unternehmenweites/ zentrales Data Warehouse Datamart MOLAP neu strukturierte ( Architected ) Data Marts Benutzer- Tool SQL Projekt AG FSU Jena
5 Häufige Probleme in Business Intelligence Anwendungen Antwortzeiten - sind zu lang Flexibilität und komplexe Abfragen - mit ständiger Erweiterung der Anforderungen (Ad-Hoc SQL) sind sehr problematisch Wachsende Nutzerzahl/ Datenmenge Performance sinkt und genügt nicht mehr den Anforderungen Analyse auf Detaildatenebene - nicht alle Daten werden abgespeichert aufgrund der Größe des Datenbestandes Arbeit mit verdichteten Daten Speicherung und Analyse von (sehr) großen Datenbeständen zu teuer in Speicher, Administration und Antwortzeit Online-Loads - parallel zum Auswerten nicht (immer) möglich SQL Projekt AG FSU Jena
6 Die Anforderungen sind gewachsen und wachsen weiter Mit den Datenmengen und höheren Anforderungen an Reaktionsgeschwindigkeit in den Anwenderprozessen wachsen die Performanceanforderungen Query-Laufzeit Multi-user Kostendruck erfordert genaue Betrachtung der gewünschten Effekte, aber auch der notwendigen Investition und der laufenden Kosten Zunehmendes Gewicht erhält dabei der Energiebedarf von Datenbanken SQL Projekt AG FSU Jena
7 Spaltenorientierte Datenbank Zeilen-orientierte Speicherung - übliche Seitengröße 2-32 K Zeile 1 Zeile 2 Seite 1 w 11 w 12 w 13 w 1l w 21 w 22 w 23 w 2l Zeile 3 Zeile 4 Seite 2 w 31 w 32 w 33 w 3l w 41 w 42 w 43 w 4l Zeile m Seite n w m1 w m2 w m3 w ml Spalten-orientierte Speicherung - übliche Seitengröße K Spalte 1 Spalte 1 Seite 1 w 11 w 21 w 31 w 41 Seite 2 w ml Spalte 2 Seite 3 w 12 w 22 w 32 w 42 w m2 Spalte3 Seite 4 w 13 w 23 w 33 w 43 w m3 SQL Projekt AG FSU Jena
8 Kurzer Rückblick - Spaltenorientierte Datenbank Bereits Anfang der 70er Überlegungen zur Optimierung der Auswertbarkeit inverted files, Vollindexierung, Adreßketten-Technik mit elementaren Datensätzen LfA Berlin 1985: TOPAS: spaltenorientiertes, semirelationales DBMS Ursprung: Rapid von Statistics Canada Sybase Adaptive Server IQ seit 1996 IQ Multiplex ParAccel, Vertica seit 2008 SQL Projekt AG FSU Jena
9 Technologien mit ähnlicher Zielstellung Spaltenorientierung im Hauptspeicher In-Memory-Basistechnik TREX (SAP) Business Intelligence Accelerator (BIA) seit 2005 RAM-Basis: Blades Column-Store DBMSs vs. Column Compression SQL Projekt AG FSU Jena
10 Plattenkapazität und Performance Während der letzten 20 Jahre: Platten-Kapazität -Durchsatz -Zugriffs(Such)-zeit x 50 x 0,2 x Beispielangaben von Forrester: Eine Platte 4 GB disk 8 GB disk 72 GB disk 180 GB disk 8 MB/sec 12 MB/sec 40 MB/sec 45 MB/sec 80 IO/sec 115 IO/sec 160 IO/sec 200 IO/sec 20 ms Zugriff 14 ms Zugriff 10 ms Zugriff 5 ms Zugriff Realisierung 50 disks 25 disks 3 disks 1 disk einer 400 MB/sec 300 MB/sec 120 MB/sec 45 MB/sec 200 GB DB 4000 IO/sec 2875 IO/sec 480 IO/sec 200 IO/sec SQL Projekt AG FSU Jena
11 Die Auswege? Wenn Platten-I/O einschließlich des Transports in den Hauptspeicher das Hauptproblem ist, dann muss Platten-I/O reduziert und/oder beschleunigt werden In-memory DB TREX New DB Intelligente Platten Exadata/Oracle Smart Scan Speicherpreis 1000 x > Platte Energiebedarf 100 x > Platte? SSD Alternative Speicherungsstruktur Spaltenbasierte DB SYBASE IQ Speicherpreis Energiebedarf 10 x > Platte 0,5 x < Platte SQL Projekt AG FSU Jena
12 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick SQL Projekt AG FSU Jena
13 Der traditionelle RDBMS-Ansatz Berechne den durchschnittlichen Absatz von Radeberger in Gastronomie- Einrichtungen in Sachsen je Monat der letzten 3 Jahre Mon Einr Typ Land Prod Abs G SA Werne G MV Becks G SA Radeb K NS Jever 311 SELECT AVG (Abs), SUM(Abs)/AnzGSA/ G SA Radeb 95 FROM Absatz, G BY Paula 3454 (SELECT COUNT(DISTINCT Einr) AS AnzGSA M NW Dortm 703 FROM Absatz K SA Lands 1216 WHERE Land = SA AND Traditioneller Ansatz: Benutze einen Index wenn verfügbar Typ = G ) - benötigt normalerweise Table Scan WHERE Gehe Land zu den = SA ausgewählten AND Datenseiten und addiere die Zahlen - Zufällige Verteilung der Daten führt dazu, daß fast alle Seiten gelesen werden Typ = G AND müssen. - Auf Prod jeder = Seite Radeb müssen alle - auch die irrelevanten - Daten gelesen werden. SQL Projekt AG FSU Jena
14 Das Problem: Große Datenmengen Berechne den durchschnittlichen Absatz von Radeberger in Gastronomie- Einrichtungen in Sachsen je Monat der letzten 3 Jahre Mon Einr Typ Land Prod Abs G SA Werne G MV Becks G SA Radeb K NS Jever Millionen Zeilen 200 Bytes pro Zeile 16K Seitengröße G SA Radeb G BY Paula M NW Dortm K SA Lands I/O s pro Table Scan werden benötigt, mit Platte z.b. 40MB/sec 30 Minuten!!! Sehr teuer und unflexibel bei Ad-hoc-Anfragen SQL Projekt AG FSU Jena
15 Speichern einer Spalte: Fast Projection (FP) Index Jede Spalte wird in IQ automatisch als FP Index realisiert, enthält n Werte fester Länge mit dem definierten Datentyp für die n Zeilen der Tabelle, geordnet aufsteigend nach Record-Id Land Sachsen Sachsen-Anhalt Thüringen Niedersachsen Hessen Brandenburg Sachsen Hessen SELECT Land FROM Landtabelle WHERE Land LIKE Sa% notwendig für select list Spalten, (wildcard) string Suche, ad-hoc joins geeignet für Berechnungen kann mit anderen Indextypen kombiniert werden SQL Projekt AG FSU Jena
16 Optimierter Fast Projection Index FP(1) Subtype: FP(1), wenn Anzahl verschiedener Spaltenwerte < 257 Spaltenwerte 1 Byte - Lookup table Logical array Land Sachsen Sachsen-Anhalt Thüringen Niedersachsen Hessen Brandenburg Sachsen Hessen Sachsen 1 Sachsen-Anhalt 2 Thüringen 3 Niedersachsen 4 Hessen 5 Brandenburg SQL Projekt AG FSU Jena
17 Optimierter Fast Projection Index FP(2) Subtype: FP(2), wenn Anzahl verschiedener Spaltenwerte Spaltenwerte Lookup table Logical array Prod Radeberger Wernesgrüner Radeberger Landskron Becks Radeberger Paulaner Wernesgrüner Klosterbräu Radeberger 0 1 Wernesgrüner 0 2 Landskron 0 3 Becks 0 4 Paulaner 0 5 Klosterbräu SQL Projekt AG FSU Jena
18 Fast Projection (FP) Der DBA kann die Kardinalität der Spalte in der create table syntax durch Benutzung des UNIQUE Parameters angeben, IQ realisiert FP dementsprechend Verschiedene Werte Spaltenbreite = 1 Byte Spaltenbreite = 2 Byte Spaltenbreite = 3 Byte Spaltenbreite >3 Byte <257 FP(1) FP(1) FP(1) FP(1) FP(2) FP(2) FP(2) Flat FP(3) > Flat Ohne UNIQUE Parameter beginnt IQ mit FP(1) und setzt dann bei Erreichen der jeweiligen Grenzen automatisch auf FP(2), FP(3) und Flat SQL Projekt AG FSU Jena
19 Ergebnis der FP-Technologie Berechne Sybase IQ: den Daten sind in durchschnittlichen Spalten statt in Zeilen Absatz von gespeichert. Radeberger in Gastronomie- Einrichtungen in Sachsen je Monat der letzten 3 Jahre Sybase IQ: Es werden nur die relevanten Spalten gelesen Mon Mon Einr Einr Typ Typ Land Prod Abs Abs GG SA Werne GG MV Becks GG SA Radeb KK NS Jever Jever GG SA Radeb Radeb G G BY BY Paula Paula M M NW NW Dortm Dortm K K SA SA Lands Lands Ohne weitere Techniken kann IQ den Disk-I/O sehr stark reduzieren Ergebnis im Beispiel: Reduzierung des Disk-I/O auf maximal 5 % bzw. 1,5 min (ohne einen Index zu benutzen) SQL Projekt AG FSU Jena
20 Page - Kompression Grösse der IQ Pages 64, 128, 256 oder 512K werden vor dem Schreiben komprimiert in DB Blocks, deren Grösse default 1/16 der Page-Grösse, also 4, 8, 16 oder 32K Ergebnis der Kompression einer Page: 1 16 Blocks 1 Read/Write einer Page enthält alle DB Blocks dieser Page Device Block sollte Page-Grösse oder Vielfaches haben Laufzeit des Beispiels noch kürzer als angegeben SQL Projekt AG FSU Jena
21 Konsequenz der Spaltenorientierung Wenig zu empfehlen: Insert einer Zeile in Tabelle mit vielen Spalten IQ ist kein OLTP-Server! Select * Stattdessen Bulk Load erforderlich Beispiel 1 Mio DS gemessen: INSERT INTO telco_facts values (4, ,1,1, ,1,61,1756,5,188,3); LOAD INTO TABLE telco_facts ( ) FROM Insert/ Bulk Load 1 Mio DS DS/Sekunde MS/DS Faktor 1 Einzelinsert 3,06h 90,9 11 1: 1 97,5h 2, , ,97h 23,2 43,1 0, ,34h 206,6 4, ,1m 2066,1 0, ,2s 20325,2 0, , ,45s 95693,8 0, ,42s ,8 0, SQL Projekt AG FSU Jena
22 Schnelles INSERT, flexibles LOAD Ab IQ 15 mit automatischer Bulk-Funktionalität und parallelisiert: INSERT SELECT INSERT LOCATION Flexible loading Client side loading, including LOBs Client side load via DBLib, ODBC, OLE DB, ADO.Net or JDBC drivers SQL Projekt AG FSU Jena
23 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Real Time Ausblick SQL Projekt AG FSU Jena
24 4 Basis-Index-Typen und weitere Spezial-Typen Bezeichnung Fast Projection High Group Low Fast High Non Group Abkürzung FP HG LF HNG Wird für jede Spalte grundsätzlich Verwendet, Default Index Für UNIQUE und PRIMARY KEY notwendig Comparison Index CMP Word Index Join Index Date-, Time-, Datetime WD JI Date,TIME,DTTM SQL Projekt AG FSU Jena
25 Low Fast (LF) Bitmap Index mit B-tree Prod Radeberger Wernesgrüner Radeberger Landskron Becks Radeberger Paulaner Wernesgrüner Klosterbräu Radeber ger Wernes grüner Landskr on SELECT DISTINCT Einr FROM Absatz WHERE Prod = Radeberger Für jeden Spaltenwert ein Bitmap Menge solcher Bitmaps für Bearbeitung fast aller Anfragen angewendet Ideal für Spalten mit einer Kardinalität <1500 SQL Projekt AG FSU Jena
26 Low Fast (LF) wird angewendet bei folgenden Anfrageoperationen: Suchargumente in where-klauseln Joins GROUP BY ORDER BY Spaltenbeispiele: Geschlecht Ja/nein Produktname Land Datum (falls < 1500 verschiedene Werte) SQL Projekt AG FSU Jena
27 High Group (HG) Index für Daten mit hoher Kardinalität (> 1500), unique/non-unique Verbesserter B-tree Index zur Ausführung von =, GROUP BY, Join Neu mit IQ 15: auch mehrspaltig, z.b. für Beschleunigung von ORDER BY, wird multi-threaded geschrieben Spaltenbeispiele (häufig Primärschlüssel): Produkt Id, Mitarbeiter ID SQL Projekt AG FSU Jena
28 High Non Group (HNG) Bit-weiser Index, optimiert für Bereichs-Suche und Aggregations-Funktionen Binäre Darstellung HNG-Index für Abs Abs SELECT SUM(Abs) FROM Absatz (1 * 64) + (0 * 32) + (1 * 16) + (6 * 8) + (4 * 4) + (3 * 2) + (4 * 1) = 154 für Datentyp NUMERIC und CHARCTER (<255) Ideal für Spalten, die benutzt werden in: Ranges, BETWEEN, SUM( ) und AVG( ) Funktionen Spaltenbeispiele: Datum (falls > 1500 verschiedene Werte), Beträge, Mengen SQL Projekt AG FSU Jena
29 4 Basis-Index-Typen und weitere Spezial- Typen Bezeichnung Fast Projection High Group Low Fast High Non Group Abkürzung FP HG LF HNG Wird für jede Spalte grundsätzlich Verwendet, Default Index Für UNIQUE und PRIMARY KEY notwendig Comparison Index CMP Word Index Join Index Date-, Time-, Datetime WD JI Date,TIME,DTTM SQL Projekt AG FSU Jena
30 Prinzipielle Herangehensweise bei der Indexierung von Tabellen SQL Projekt AG FSU Jena
31 Prinzipielle Herangehensweise bei der Indexierung von Tabellen (Forts.) SQL Projekt AG FSU Jena
32 Datenkompression - Radikale Senkung von Speicherbedarf und Wartung Herkömmliche DBMS Gleiche INPUT-Daten: Konventionelles DW ist 6x-10x größer als Sybase IQ DW Summaries Aggregates 1 2 TB Indexes 0,5 3 TB TB INPUT DATA: 1 TB Source: Flat Files, ETL, Replikation, ODS LOAD LOAD TB Aggr/Summ: 0 0,1 TB Indexes: 0,05 0,3 TB Base table: 0,2 0,5 TB Base table RAW data no indexes 0,9 1,1 TB SQL Projekt AG FSU Jena
33 Sybase IQ Praxisergebnisse Performance vs. - x (Kundenbeispiel Citibank) Durchschnittl. Antwortzeit Ladezeit Plattenplatz x 3.1 Std. 8.4 Std. 47 GB Sybase IQ 6.9 Min. 3.1 Std. 8 GB Plattform 2-1- Ausführen von sechs komplexen Anfragen - Bankenanwendung (select customer ID, group by product and account) SQL Projekt AG FSU Jena
34 Beispiel SELECT AVG (Abs), SUM(Abs)/AnzGSA/36 FROM Absatz, (SELECT COUNT(DISTINCT Einr) AS AnzGSA FROM Absatz WHERE Land = SA AND Typ = G ) WHERE Land = SA AND Typ = G AND Prod = Radeb 1 High Non Group Index für die Aggregatbildung 1 High Group Index für die Aggregatbildung 3 Low Fast Indizes für die Suchbedingung SQL Projekt AG FSU Jena
35 Ergebnis der Indexbenutzung Berechne den durchschnittlichen Absatz von Radeberger in Gastronomie- Einrichtungen in Sachsen je Monat der letzten 3 Jahre Mon Einr Typ Land Prod Abs G SA Werne G MV Becks G SA Radeb 1128 SELECT AVG (Abs), SUM(Abs)/AnzGSA/ K NS Jever 311 FROM Absatz, Sybase IQ: Es werden nur die relevanten Spalten gelesen (SELECT COUNT(DISTINCT Einr) AS AnzGSA FROM Absatz WHERE Land = SA AND Typ = G ) WHERE Land = SA AND Typ = G AND Prod = Radeb G SA Radeb G BY Paula M NW Dortm K SA Lands 1216 Ergebnis im Beispiel: Sehr starke Reduzierung des Disk-I/O auf ca. 0,1 0,2% bzw. 1 3 sec SQL Projekt AG FSU Jena
36 Sybase IQ und überprüfte Einsparungen bei Plattenspeicher Sybase IQ DATA COMPRESSION Beispiele Geladene Rohdaten Sybase IQ komprimiert Erwartete Datenexplosion bei anderen Anbietern Sun DWH Reference Architecture (InfoSizing August 2007) Sun DWH Reference Architektur (InfoSizing June 2004) 1 PB 260 TB 3 PB bis 7 PB 155 TB 55 TB 500 TB bis 1,000 TB Telefonica 70TB 15 TB 210 TB bis 490 TB comscore Networks 40 TB 16 TB 120 TB bis 280 TB Health Insurance Review Agency 27 TB 12 TB 81 TB bis 189 TB Samsung Card 15 TB 7 TB 45 TB bis 105 TB Nielsen Media Research 12 TB 12 TB 36 TB bis 84 TB Large Credit Card Company 10 TB 4 TB 30 TB bis 70 TB SQL Projekt AG FSU Jena
37 Eurostat : wide table 10 Mio rows SQL Projekt AG FSU Jena
38 Eurostat : Horizontale Partitionierung SQL Projekt AG FSU Jena
39 Eurostat : Vertikale Partitionierung SQL Projekt AG FSU Jena
40 Eurostat : In IQ-M SQL Projekt AG FSU Jena
41 Paralleles Ändern Ändern der DB soll Queries nicht behindern großes Problem für viele BI- Projekte In IQ soll eine Query nie auf eine Page warten, die sich im Ändern befindet Deshalb Page-Level Snapshot Versioning oder auch Page-Copy-On-Write Transaction-Id identifiziert Tabellenversion und diese die geänderten Pages der Version Queries laufen im isolation level 3 locking overhead ist gering durch table-level write locks In Verbindung mit Tabellenversionierung bleibt dadurch die Versionsanzahl klein SQL Projekt AG FSU Jena
42 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick SQL Projekt AG FSU Jena
43 SQL Anywhere (ASA) in IQ ASA ist der Zugang zur Sybase IQ database, verwaltet Server connections und logins/user ASA engine liefert Sybase IQ front end/interface und data dictionary, verwaltet metadata/master/system database, alle IQ database und server configuration parameter, IQ database file information ASA verwaltet IQ DB Objekte wie tables, stored procedures, event trigger, views, security information, version management usw. Sybase IQ benutzt SQL Interface von ASA zum Parsen Sybase IQ engine verwaltet data, data compression, DML/DDL/query optimization, IQ errors, data files, IQ temp database, version management, usw. SQL Projekt AG FSU Jena
44 Skalierbarkeit Sybase IQ ermöglicht ausbaufähige Multiplex Konfiguration IQ-M IQ-M IQ-M IQ-M IQ-M Starten mit einem Server Hinzufügen von s u. Speicher nach Bedarf Fiber Channel Storage Area Network Multiplexing ermöglicht es, weitere Server und s hinzuzufügen dabei kein bis minimaler Verlust an Skalierbarkeit; Skaliert wie ein Grid Terabytes an Festplatten können ins SAN eingefügt werden IQ-M wird diese effektiv nutzen SQL Projekt AG FSU Jena
45 Skalierbarkeit Nachgewiesen im Labor und bei Kunden Sybase IQ Multiplex Test der Skalierfähigkeit Anwender User Antw-Zeit: 31 sec sec % User Antw-Zeit = 31.6 sec Erhöhung : 1.9% (0.6 sec) Users 31.6 sec Knoten Workload: Each user executing random sequence of (TPC/H-like) queries (Source : HP Lab in San Bruno, CA) SQL Projekt AG FSU Jena
46 Skalierbarkeit Read/ Write Knoten IQ-M Einfache Administration und implizite Hochverfügbarkeit Read/ Write Knoten IQ-M Read/ Write Knoten IQ-M Read Knoten IQ-M Read Knoten IQ-M SKALIERBARKEIT Nach hinzufügen eines Knotens KEIN globaler Lock Manager nötig KEINE Datenumverteilung erforderlich KEINE Änderungen im Schema SEHR geringe I/O Contention Skaliert wie ein Grid Fiber Channel Storage Area Network SQL Projekt AG FSU Jena HOCHVERFÜGBARKEIT - Keine Unterbrechung des Datenbankzugriffs für andere Knoten - Andere Knoten werden durch Ausfall nicht beeinflußt --Anwender können Queries nach Start des Knotens einfach wiederholen oder automatisch auf anderen Knoten ausweichen (Sybase Open Switch, HW, ) -Bei gespiegelten Platten no single point of failure Architektur
47 Multiplex Koordinator und Sekundärknoten SQL Projekt AG FSU Jena
48 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick SQL Projekt AG FSU Jena
49 Query Plan Changes Connector Width Varies With Row Count ToolTip for Estimated Row Count Double Bar Indicates Parallel Dataflow Node Depth Varies with Max Thread Count ToolTip for Max Thread Count SQL Projekt AG FSU Jena
50 New Parallel Query Operators (Beispiel) Parallel Combiner Combines parallel dataflow back to a single stream Can or ordered (if above an ordered source) or unordered Dataflow processing is serial above this operator Parallel Order By Can have parallel inputs or parallel outputs or both Parallel outputs create parallel dataflow Parallel inputs with single output acts a a combiner SQL Projekt AG FSU Jena
51 Partitionierung und dbspace Range partitioning Range partitioning is for ILM, not for query performance Partitioned Primary storage All datatypes except float, double, varchar > 255 Bit columns are always in table dbspace SQL Projekt AG FSU Jena
52 SQL Projekt AG FSU Jena
53 SQL Projekt AG FSU Jena
54 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick SQL Projekt AG FSU Jena
55 Online-Archiv auf Basis Sybase IQ Sybase ASE und heterogene Umgebungen Applikation ASE CIS Technologische Grundlagen: Component Integration Services von Sybase ASE Proxy Tabellen Union in Views Instead-of-Trigger (ASE ) Transparent für SQL Physik. Speicherung/ Logik TABLE KUNDE TABLE ORDER VERTRAG PLACE_.. Direct Connect ORDER_ HISTORY Direct Connect IBM MVS (z/os) DB2(CICS) DB2(IMS) DB2(DRDA) IDMS IMS VSAM ODBC Informix Microsoft Oracle DB2/UDB TABLE VERTRAG Archiv: Sybase IQ AS/400 TABLE ORDER_ HISTORY CICS Trx PLACE_ ORDER Proxy Tabelle SQL Projekt AG FSU Jena
56 Speicherung ALLER relevanten Daten in EINEM System Internet ( und Dokumente) Anwender können weiter ihren bisherigen Client nutzen können aber auch auf das System zugreifen Dokumente Bilder Video Audio Fax Datei und DB Backup Andere Daten imarc Vor- handener Server Partnerlösung Dokumente und Clients ( Optional ) DW Transaktionen Sybase IQ Weitere Daten können in der Lösung nach Bedarf hinzugefügt werden SQL Projekt AG FSU Jena
57 PBS CBW NLS IQ Introduction PBS CBW NLS IQ for Sybase IQ is a powerful and complete Nearline Storage Solution for SAP Business Intelligence SAP BI SAP NLS Data Archiving Process (DAP) Administration/ Monitoring Sybase IQ Access: Queries, Reload,... PBS CBW NLS IQ Interface server Load Data Read Data CBW NLS IQ Infrastrutcure (without adk components) SQL Projekt AG FSU Jena
58 CBW-Architektur mit NLS und Sybase IQ DB und Nearline lesen (in Query-Attributen aktivieren) SAP BW Query InfoCube DataStore Objekt SAP Nearline Provider PBS Nearline Services für Sybase IQ SAP BW Datenbank Sybase IQ Spalten-basierte Data Warehouse DB, Kompression bis 1:10 SQL Projekt AG FSU Jena
59 Kompressionen InfoCubes - Kundenbeispiel InfoCube Größe arch. Daten Größe Daten in Sybase IQ Kompression auf INDIA Bytes Bytes 8 % INDIA Bytes Bytes 4 % FAKT Bytes Bytes 11 % FAKT Bytes Bytes 5 % FAKTP Bytes Bytes 8 % ERG Bytes Bytes 5 % 0FIAR_C Bytes Bytes 9 % 0FIAR_C Bytes Bytes 12 % SQL Projekt AG FSU Jena
60 Query Markthierarchie Speed (I) Query M_INDIA01/WEB1_M_INDIA01_MARHIE_ZJVJB Kundenhierarchie über Attribut KDUNIQUE Anzahl Datensätze: 17 Mio. Zugriffsart Sybase IQ Oracle DB mit Aggregaten Oracle DB ohne Aggregate Primärliste 16 s 71 s 416 s Sybase IQ (16s) Oracle mit Aggregaten (71s -> Faktor 4) Oracle ohne Aggregate (416s -> Faktor 26) Zeit [s] SQL Projekt AG FSU Jena
61 Query Fakturen Speed (I) Query Query M_FAKT01/STD_M_FAKT01_ASS_PC Anzahl Datensätze: 57 Mio. Zugriffsart Sybase IQ Oracle DB Primärliste 12 s 164 s mit Aggregaten Fakturaauswertung Oracle DB ohne Aggregate nach 2000 s abgebrochen Sybase IQ (12s) Oracle mit Aggregaten (164s -> Faktor 14) Oracle ohne Aggregate (abgebrochen) Zeit [s] SQL Projekt AG FSU Jena
62 Erfahrungsbericht Fazit Kundeninstallation Speed Kompression Administration Bis zu 14 x schnellere Antwortzeiten Kompression der Archivdaten bis zu 95 % Keine Indexkeine Aggregat- Modellierung SQL Projekt AG FSU Jena
63 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick SQL Projekt AG FSU Jena
64 Problem: Ein weiterer DB Server Wenn der OLTP-Server unvermeidlich ist, zusätzliche Kosten, Aufwand für Administration und Entwicklung der Synchronisation oder Replikation Ist das immer der Fall? Oder kann ggf. eine bestimmte Latenz für die Aktualität der DB toleriert werden? Eine Lösung: ASA des IQ als Staging DB benutzen SYBASE IQ Server Eingehende Insert- Transaktionen ASA Engine Zeitgesteuertes Insert Location IQ Engine ASA-DB Staging-DB IQ-DB SQL Projekt AG FSU Jena
65 SQL Projekt AG FSU Jena FK_TELCO_FA_REFERENCE_MONTH FK_TELCO_FA_REFERENCE_RESIDENT FK_TELCO_FA_REFERENCE_SERVICE FK_TELCO_FA_REFERENCE_STATUS month month_key month_text month_number fiscal_period year period_and_year month_and_year integer char(9) integer char(2) integer char(7) char(7) <pk> residential_customer customer_key customer_first_name customer_last_name customer_gender street_address city state postal_code phone_number integer char(11) char(15) char char(18) char(20) char(2) char(9) char(10) <pk> service service_key call_waiting_flag caller_id_flag voice_mail_flag cellular_flag internet_flag isdn_flag integer char char char char char char <pk> status status_key new_customer new_address call_waiting_status caller_id_status voice_mail_status cellular_status internet_status isdn_status closed_this_period integer char char char(10) char(10) char(10) char(10) char(10) char(10) char <pk> telco_facts month_key customer_key service_key status_key combined_revenue number_of_lines local_call_count local_call_minutes long_distance_call_count long_distance_call_minutes minutes_online integer integer integer integer numeric(19,4) integer integer integer integer integer integer <pk,fk1> <pk,fk2> <pk,fk3> <pk,fk4> Telekommunikations-DB Zeilen
66 ASA als Staging DB INSERT INTO telco_facts Zeitgesteuert z.b. in Intervallen von 10, 20, 30 sec INSERT INTO telco_facts LOCATION SELECT DS pro Bulk DS/sec in ASA DS/sec in IQ Faktor ASA Faktor IQ 1 Einzelinsert - 66,7 1: 1: , , ,4 333 SQL Projekt AG FSU Jena
67 Analysten Gartner Gartner Data Warehouse Magic Quadrant Position: Challenger IDC Wir haben beobachtet und darauf gewartet, dass Firmen, die Datenbanken implementieren, sich vermehrt für Sybase IQ und seine einzigartige Tabellen- und Indexstruktur entscheiden. Denn diese sichert eine beeindruckende Performance bei komplexen Abfragen auf großen Data Warehouses. Gemessen an den Markterfolgen der letzten Jahre scheint es so, dass der Markt endlich begriffen hat. Carl Olofson, Research Vice President Information Management and Data Integration Software Research IDC 2007 SQL Projekt AG FSU Jena
68 Kunden in Deutschland (Auszug) 1&1 Internet AG Bertelsmann Music Group EMI Electrola RTL Television Allianz-Dresdner Bausparkasse Dresdner Bank Vodafone D2 GmbH DekaBank Deutsche Bank Citibank DEVK Allgemeine Versicherungen AG Risk Consulting Raiffeisen Hauptgenossenschaft Nord Müller (Drogeriemärkte) European Southern Observatory SQL Projekt AG FSU Jena
69 Technologien spaltenorientierter Datenbanken beim Sybase IQ-Server Einführung Sybase Adaptive Server IQ und IQM Grundkonzept der spaltenorientierten Speicherung bei IQ Indextypen IQ Multiplex Weitere neue Funktionalitäten bei IQ 15 Spezielle Anwendungen Archivierung Transaktionsnahe Umgebung, Real Time (?) Ausblick SQL Projekt AG FSU Jena
70 Fragen Auf welcher Speicherbasis wird sich die spaltenorientierte DB weiter entwickeln? Wird die spaltenorientierte DB eine separate Technologie bleiben? Sicherlich nicht, aber welche Wege werden die Hersteller gehen? Transparenz für Queries und Transactionen wäre ein wichtiges Ziel Standardisierung? SQL Projekt AG FSU Jena
71 Vielen Dank für Ihre Aufmerksamkeit! Jürgen Bittner Vorstandsvorsitzender SQL Projekt AG Telefon (0351) Franklinstraße 25a Telefax (0351) Dresden mobil (0172) w w w. s q l - a g. d e SQL Projekt AG FSU Jena
72 Sun DWH Reference Architecture Reference Architecture Ein Sun SPARC Enterprise M9000 Server mit Solaris 10 Drei Sun StorageTek 6540 Storage Arrays verbunden mit dem Server über Fiber Channel Sybase IQ 12.7 Enterprise Edition BMMsoft DataFusion für die Verwaltung unstrukturierter Daten und s Quelle: Sun Data Warehouse Reference Architecture for Structured and Unstructured Data, InfoSizing, August 20, 2007 Hauptspeichernutzung Sybase IQ Writer nutzte 64 Cores (mit zusammen 128 Threads) und 100 GB Hauptspeicher 45 GB Hauptspeicher für den Sybase IQ Ladeprozess und als Cache für Teile der geladenen Dateien Der BMMsoft DataFusion Ladeserver nutzte 64 Cores (mit zusammen 128 Threads) und 40 GB Hauptspeicher 20 GB Hauptspeicher für Solaris 10 zur Optimierung von Swapping und Paging SQL Projekt AG FSU Jena
73 Sun s iforce Enterprise Data Warehouse Reference Architecture Basiert auf Sybase Adaptive Server IQ Multiplex mit 156 s und 160 GB RAM Ergebnisse: 48,2 Terabyte Rohdaten korrespondieren mit 22 Terabyte Speicherverbrauch Millionen Records werden täglich geladen in < 1h Konkurrenz zwischen Laden und Anfragen der gleichen Tabelle bringt nur 6,9 % Verlangsamung Bis zu 1000 x schnellere Analyse-Laufzeiten 80% weniger Installationsaufwand Unterstützt Tausende Anwender gleichzeitig SQL Projekt AG FSU Jena
74 BusinessObjects - Anwendungsarchitekturen Web Intelligence CrystalReports (Pioneer) Xcelsius+ Web Intelligence (Pioneer) Business Warehouse Xcelsius+ PBS Archiv NLS mit Sybase IQ Analytics Server SQL Projekt AG FSU Jena
75 IQ Multiplex-Archtektur SQL Projekt AG FSU Jena
PostgreSQL in großen Installationen
PostgreSQL in großen Installationen Cybertec Schönig & Schönig GmbH Hans-Jürgen Schönig Wieso PostgreSQL? - Die fortschrittlichste Open Source Database - Lizenzpolitik: wirkliche Freiheit - Stabilität,
MehrPBS Nearline Storage Lösung mit Sybase IQ - Überblick und Erfahrungen aus Kundenprojekten. PBS Software GmbH, Dr. Christoph Bedau, Stefan Weickum
PBS Nearline Storage Lösung mit - Überblick und Erfahrungen aus Kundenprojekten PBS Software GmbH, Dr. Christoph Bedau, Stefan Weickum 1 Agenda PBS CBW mit Überblick Erfahrungsbericht Kundeninstallation
MehrSQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar
Qt-Seminar Dienstag, 10.2.2009 SQL ist......die Abkürzung für Structured Query Language (früher sequel für Structured English Query Language )...ein ISO und ANSI Standard (aktuell SQL:2008)...eine Befehls-
MehrArchitekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131
Architekturen Von der DB basierten zur Multi-Tier Anwendung DB/CRM (C) J.M.Joller 2002 131 Lernziele Sie kennen Design und Architektur Patterns, welche beim Datenbankzugriff in verteilten Systemen verwendet
MehrWell-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
MehrWhitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz
combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager Datensatzhistorie mit dem SQL Server 2000 und 2005 Datensatzhistorie mit dem SQL Server 2000 und 2005-2 - Inhalt
MehrDatenbanksysteme 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
MehrMengenvergleiche: Alle Konten außer das, mit dem größten Saldo.
Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten
MehrPerformance, Kosten- und Energieeffizienz einer spaltenorientierten Datenbank
Performance, Kosten- und Energieeffizienz einer spaltenorientierten Datenbank Jürgen Bittner Projektmitarbeiter: Martin Balla, Hans-Jürgen Götze, Jan Lohmann, Steffen Preißler IQ SQL Projekt AG SQL Projekt
Mehr4D Server v12 64-bit Version BETA VERSION
4D Server v12 64-bit Version BETA VERSION 4D Server v12 unterstützt jetzt das Windows 64-bit Betriebssystem. Hauptvorteil der 64-bit Technologie ist die rundum verbesserte Performance der Anwendungen und
MehrMS SQL Server: Index Management. Stephan Arenswald 10. Juli 2008
MS SQL Server: Index Management Stephan Arenswald 10. Juli 2008 Agenda 1. Einführung 2. Grundlagen Tabellen 3. Grundlagen Indexe 4. Indextypen 5. Index-Erstellung 6. Indexe und Constraints 7. Und Weiter...?
MehrUrs Meier (urs.meier@trivadis.com) Art der Info Technical Info (Februar 2002) Aus unserer Projekterfahrung und Forschung
Betrifft Optimizer Autor Urs Meier (urs.meier@trivadis.com) Art der Info Technical Info (Februar 2002) Quelle Aus unserer Projekterfahrung und Forschung Einführung Mit jedem Oracle Release nimmt die Anzahl
MehrJava Application 1 Java Application 2. JDBC DriverManager. JDBC-ODBC Br idge. ODBC Driver Manager. Dr iver C. Dr iver D.
1 Copyright 1996-1997 by Axel T. Schreiner. All Rights Reserved. 7 Datenbankzugriff Prinzip Dieser Abschnitt beschäftigt sich mit dem Paket java.sql, das eine SQL-Schnittstelle für Java verkapselt. Java-Programme
MehrInformatik 12 Datenbanken SQL-Einführung
Informatik 12 Datenbanken SQL-Einführung Gierhardt Vorbemerkungen Bisher haben wir Datenbanken nur über einzelne Tabellen kennen gelernt. Stehen mehrere Tabellen in gewissen Beziehungen zur Beschreibung
MehrDipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009
Hochschule Darmstadt DATENBANKEN Fachbereich Informatik Praktikum 3 Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 PL/SQL Programmierung Anwendung des Cursor Konzepts und Stored Procedures Und Trigger
MehrDatenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin
Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin PhpMyAdmin = grafsches Tool zur Verwaltung von MySQL-Datenbanken Datenbanken erzeugen und löschen Tabellen und Spalten einfügen,
MehrOPERATIONEN AUF EINER DATENBANK
Einführung 1 OPERATIONEN AUF EINER DATENBANK Ein Benutzer stellt eine Anfrage: Die Benutzer einer Datenbank können meist sowohl interaktiv als auch über Anwendungen Anfragen an eine Datenbank stellen:
MehrIndex- und Zugriffsstrukturen für. Holger Brämer, 05IND-P
Index- und Zugriffsstrukturen für Data Warehousing Holger Brämer, 05IND-P Index- und Zugriffstrukturen für Data Warehousing Materialisierte Sichten Bitmap-Indexe Verbundindexe Materialisierte Sichten gehören
MehrFolgende Einstellungen sind notwendig, damit die Kommunikation zwischen Server und Client funktioniert:
Firewall für Lexware professional konfigurieren Inhaltsverzeichnis: 1. Allgemein... 1 2. Einstellungen... 1 3. Windows XP SP2 und Windows 2003 Server SP1 Firewall...1 4. Bitdefender 9... 5 5. Norton Personal
MehrDatenbankstammtisch. Replikation in heterogenen Datenbankumgebungen am Beispiel des Sybase Replication Servers. 1. Februar 2006
Datenbankstammtisch Replikation in heterogenen Datenbankumgebungen am Beispiel des Sybase Replication Servers 1. Februar 2006 Autoren: Andreas Reis, Sebastian Mehl Dipl.-Phys. Thomas Richter Gliederung
MehrSQL Server 2008 Standard und Workgroup Edition
September 2008 Produktgruppe: Server Lizenzmodell: Microsoft Server Server/ Serverlizenz Zugriffslizenz () pro Gerät Zugriffslizenz () pro Nutzer Produktgruppe: Server Lizenzmodell: Microsoft Server Pro
MehrLizenzierung von System Center 2012
Lizenzierung von System Center 2012 Mit den Microsoft System Center-Produkten lassen sich Endgeräte wie Server, Clients und mobile Geräte mit unterschiedlichen Betriebssystemen verwalten. Verwalten im
MehrEINSATZ VON MICROSOFT TERMINAL-SERVICES ODER CITRIX METAFRAME
ALLGEMEINES Für die Mehrplatzinstallation von PLATO wird der Einsatz eines dedizierten Servers und ein funktionierendes Netzwerk mit Vollzugriff auf den PLATO-Ordner (Empfehlung: mit separatem, logischem
MehrFakultät für Informatik & Wirtschaftsinformatik DB & IS II - SS 2015. Metadaten
Fakultät für Informatik & Wirtschaftsinformatik Metadaten Metadaten sind Daten über Daten Data-Dictionary speichert Informationen über die Struktur der Daten, z.b.: Tabellen, Spalten, Datentypen Primär-
MehrIV. Datenbankmanagement
Wirtschaftsinformatik 2 (PWIN) IV. Datenbankmanagement Kapitel 2: Datenmanipulationssprache SQL Wirtschaftsinformatik 2 (PWIN) SS 2009, Professur für Mobile Business & Multilateral Security 1 Agenda 1.
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
MehrXAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL
XAMPP-Systeme Teil 3: My SQL Daten Eine Wesenseigenschaft von Menschen ist es, Informationen, in welcher Form sie auch immer auftreten, zu ordnen, zu klassifizieren und in strukturierter Form abzulegen.
MehrNachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)
Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der
MehrProzedurale Datenbank- Anwendungsprogrammierung
Idee: Erweiterung von SQL um Komponenten von prozeduralen Sprachen (Sequenz, bedingte Ausführung, Schleife) Bezeichnung: Prozedurale SQL-Erweiterung. In Oracle: PL/SQL, in Microsoft SQL Server: T-SQL.
MehrSQL Server 2005 Standard Edition SQL Server 2005 Enterprise Edition SQL Server 2005 Workgroup Edition
SQL Server 2005 Standard Edition SQL Server 2005 Enterprise Edition SQL Server 2005 Workgroup Edition Produktgruppe: Server SQL Server 2005 Standard Edition, Enterprise Edition, Workgroup Edition Lizenzmodell:
MehrDB2 Codepage Umstellung
DB2 Codepage Umstellung Was bei einer Umstellung auf Unicode zu beachten ist Torsten Röber, SW Support Specialist DB2 April 2015 Agenda Warum Unicode? Unicode Implementierung in DB2/LUW Umstellung einer
MehrProzessarchitektur einer Oracle-Instanz
6. Juni 2008 Inhaltsverzeichnis Oracle Instanz 1 Oracle Instanz 2 3 Redo Log Buffer Shared Pool Java Pool & Large Pool Oracle Instanz Eine Oracle-Instanz ist Hauptbestandteil des Oracle Datenbank Management
Mehr2. Einrichtung der ODBC-Schnittstelle aus orgamax (für 32-bit-Anwendungen)
1. Einführung: Über den ODBC-Zugriff können Sie bestimmte Daten aus Ihren orgamax-mandanten in anderen Anwendungen (beispielsweise Microsoft Excel oder Microsoft Access) einlesen. Dies bietet sich beispielsweise
MehrIBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen
IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen Nahezu 70% aller Data Warehouse Anwendungen leiden unter Leistungseinschränkungen der unterschiedlichsten Art. - Gartner
MehrOracle 10g revolutioniert Business Intelligence & Warehouse
10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert
MehrHohe Performance bei Datenbankauswertungen
Hohe Performance bei Datenbankauswertungen Einführung: Probleme und Herangehensweise Sybase Adaptive Server IQ und IQM Prinzip-Überblick Speicherungsstruktur und Indextypen IQ Multiplex Beispiele, Ergebnisse
MehrDATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.
MehrWindows Small Business Server (SBS) 2008
September 2008 Windows Small Business Server (SBS) 2008 Produktgruppe: Server Windows Small Business Server (SBS) 2008 Lizenzmodell: Microsoft Server Betriebssysteme Serverlizenz Zugriffslizenz () pro
MehrVerfügbarkeit von Applikationen und Failover Szenarien. Winfried Wojtenek. wojtenek@mac.com
Verfügbarkeit von Applikationen und Failover Szenarien Winfried Wojtenek wojtenek@mac.com Verfügbarkeit % Tage Stunden Minuten 99.000 3 16 36 99.500 1 20 48 99.900 0 9 46 99.990 0 0 53 99.999 0 0 5 Tabelle
MehrSAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse
www.osram-os.com SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse Oliver Neumann 08. September 2014 AKWI-Tagung 2014 Light is OSRAM Agenda 1. Warum In-Memory? 2. SAP HANA
MehrVorstellung SimpliVity. Tristan P. Andres Senior IT Consultant
Vorstellung SimpliVity Tristan P. Andres Senior IT Consultant Agenda Wer ist SimpliVity Was ist SimpliVity Wie funktioniert SimpliVity Vergleiche vsan, vflash Read Cache und SimpliVity Gegründet im Jahr
MehrNoSQL mit Postgres 15. Juni 2015
Tag der Datenbanken 15. Juni 2015 Dipl.-Wirt.-Inform. Agenda l Vorstellung l Marktübersicht l Warum PostgreSQL? l Warum NoSQL? l Beispielanwendung Seite: 2 Vorstellung Dipl.-Wirt.-Inform. [1990] Erste
MehrRAC auf Sun Cluster 3.0
RAC auf Sun Cluster 3.0 Schlüsselworte RAC, OPS, Sun Cluster, Performance, Availability Zusammenfassung Oracle hat mit dem Real Application Cluster (RAC) aus einer Hochverfügbarkeitslösung eine Höchstverfügbarkeitslösung
MehrInstallationsanleitung dateiagent Pro
Installationsanleitung dateiagent Pro Sehr geehrter Kunde, mit dieser Anleitung möchten wir Ihnen die Installation des dateiagent Pro so einfach wie möglich gestalten. Es ist jedoch eine Softwareinstallation
MehrSQL (Structured Query Language) Schemata Datentypen
2 SQL Sprachelemente Grundlegende Sprachelemente von SQL. 2.1 Übersicht Themen des Kapitels SQL Sprachelemente Themen des Kapitels SQL (Structured Query Language) Schemata Datentypen Im Kapitel SQL Sprachelemente
MehrOracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de
Oracle GridControl Tuning Pack best Open Systems Day April 2010 Unterföhring Marco Kühn best Systeme GmbH marco.kuehn@best.de Agenda GridControl Overview Tuning Pack 4/26/10 Seite 2 Overview Grid Control
MehrSQL structured query language
Umfangreiche Datenmengen werden üblicherweise in relationalen Datenbank-Systemen (RDBMS) gespeichert Logische Struktur der Datenbank wird mittels Entity/Realtionship-Diagrammen dargestellt structured query
Mehrpro4controlling - Whitepaper [DEU] Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9
Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9 1 Allgemeine Beschreibung "Was war geplant, wo stehen Sie jetzt und wie könnte es noch werden?" Das sind die typischen Fragen, mit denen viele Unternehmer
MehrWie profitiert SAP MaxDB von SSD Technologie?
Wie profitiert SAP MaxDB von SSD Technologie? Direktor Software und Services SAP MaxDB InfoTage 2014 15.-25. September 2014 Purpose Agenda MaxDB ENTERPRISE EDITION Including Mobile DB Monitor MaxDB & SSD
MehrPartitionieren über Rechnergrenzen hinweg
Partitionieren über Rechnergrenzen hinweg Erkan Yanar erkan.yanar@linsenraum.de Blog: linsenraum.de/erkules Xing: www.xing.com/profile/erkan Yanar 24. November 2011 Was tun wenn: Daten übersteigen die
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
Mehr3 Richtlinienbasierte Verwaltung und Multi-Server- Administration
Richtlinienbasierte Verwaltung und Multi-Server-Administration 3 Richtlinienbasierte Verwaltung und Multi-Server- Administration SQL Server Management Studio bietet eine Reihe von Unterstützungsmöglichkeiten,
MehrS A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R
S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S T E F A N M A R K 07.07.2015 F O L I E 1 V O N 2 7 F I R M E N P O R T R A I T S. O L I V E R GESCHICHTE F O L I E 2 V O N 2 7 F
MehrAvira Management Console 2.6.1 Optimierung für großes Netzwerk. Kurzanleitung
Avira Management Console 2.6.1 Optimierung für großes Netzwerk Kurzanleitung Inhaltsverzeichnis 1. Einleitung... 3 2. Aktivieren des Pull-Modus für den AMC Agent... 3 3. Ereignisse des AMC Agent festlegen...
MehrSAP Memory Tuning. Erfahrungsbericht Fritz Egger GmbH & Co OG. Datenbanken sind unsere Welt www.dbmasters.at
SAP Memory Tuning Erfahrungsbericht Fritz Egger GmbH & Co OG Wie alles begann Wir haben bei Egger schon öfter auch im SAP Bereich Analysen und Tuning durchgeführt. Im Jan 2014 hatten wir einen Workshop
MehrANYWHERE Zugriff von externen Arbeitsplätzen
ANYWHERE Zugriff von externen Arbeitsplätzen Inhaltsverzeichnis 1 Leistungsbeschreibung... 3 2 Integration Agenda ANYWHERE... 4 3 Highlights... 5 3.1 Sofort einsatzbereit ohne Installationsaufwand... 5
MehrInstallation SQL- Server 2012 Single Node
Installation SQL- Server 2012 Single Node Dies ist eine Installationsanleitung für den neuen SQL Server 2012. Es beschreibt eine Single Node Installation auf einem virtuellen Windows Server 2008 R2 mit
MehrWhitepaper. Produkt: combit Relationship Manager. Einbindung externer FiBu-/Warenwirtschaftsdaten. combit GmbH Untere Laube 30 78462 Konstanz
combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager Einbindung externer FiBu-/Warenwirtschaftsdaten Einbindung externer FiBu-/Warenwirtschaftsdaten - 2 - Inhalt Ausgangssituation
Mehrf Link Datenbank installieren und einrichten
f Link Datenbank installieren und einrichten Dokument-Version 1.1 20.08.2011 Programm-Version 1.0 und höher Autor Dipl.-Ing. Thomas Hogrebe, tommic GmbH Inhalt Versionshistorie... 1 Über dieses Dokument...
MehrSolaris Cluster. Dipl. Inform. Torsten Kasch <tk@cebitec.uni Bielefeld.DE> 8. Januar 2008
Dipl. Inform. Torsten Kasch 8. Januar 2008 Agenda Übersicht Cluster Hardware Cluster Software Konzepte: Data Services, Resources, Quorum Solaris Cluster am CeBiTec: HA Datenbank
MehrInfrastruktur fit machen für Hochverfügbarkeit, Workload Management und Skalierbarkeit
make connections share ideas be inspired Infrastruktur fit machen für Hochverfügbarkeit, Workload Management und Skalierbarkeit Artur Eigenseher, SAS Deutschland Herausforderungen SAS Umgebungen sind in
Mehrmywms Vorlage Seite 1/5 mywms Datenhaltung von Haug Bürger
mywms Vorlage Seite 1/5 mywms Datenhaltung von Haug Bürger Grundlegendes Oracle9i PostgreSQL Prevayler Memory mywms bietet umfangreiche Konfigurationsmöglichkeiten um die Daten dauerhaft zu speichern.
MehrInhalt. 1 Übersicht. 2 Anwendungsbeispiele. 3 Einsatzgebiete. 4 Systemanforderungen. 5 Lizenzierung. 6 Installation. 7 Key Features.
Inhalt 1 Übersicht 2 Anwendungsbeispiele 3 Einsatzgebiete 4 Systemanforderungen 5 Lizenzierung 6 Installation 7 Key Features Seite 2 von 11 1. Übersicht MIK.mobile for ipad ist eine Business Intelligence
MehrOracle: Abstrakte Datentypen:
Oracle: Abstrakte Datentypen: Oracle bietet zwei mögliche Arten um abstrakte Datentypen zu implementieren: Varying Array Nested Table Varying Array (kunde) kdnr kdname gekaufteart 1 Mustermann 1 4 5 8
MehrSQL. 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
MehrLizenzierung von SharePoint Server 2013
Lizenzierung von SharePoint Server 2013 Das Lizenzmodell von SharePoint Server 2013 besteht aus zwei Komponenten: Serverlizenzen zur Lizenzierung der Serversoftware und CALs zur Lizenzierung der Zugriffe
MehrCBW Best Practices und neue Features
17. Juni 2015 CBW Best und neue Features CBW NLS die SAP BW Nearline-Lösungen der PBS Software GmbH Stefan Weickum, PBS Software GmbH Produktpalette CBW für SAP NLS Best Kernfunktionen Zusammen fassung
MehrEr musste so eingerichtet werden, dass das D-Laufwerk auf das E-Laufwerk gespiegelt
Inhaltsverzeichnis Aufgabe... 1 Allgemein... 1 Active Directory... 1 Konfiguration... 2 Benutzer erstellen... 3 Eigenes Verzeichnis erstellen... 3 Benutzerkonto erstellen... 3 Profil einrichten... 5 Berechtigungen
Mehr1 Application Compatibility Toolkit (ACT) 5.6
1 Application Compatibility Toolkit (ACT) 5.6 Systemvoraussetzungen: SQL Server 2005/2008 (auch Express) ACT 5.6 besteht aus zwei Tools: Der Compatibility Manager ermittelt Informationen, die Auswirkungen
MehrSQL SQL. SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R. Grundlagen der Datenbanksysteme I
SQL SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R VII-1 Beispielrelationen Filiale ( Name Leiter Stadt Einlagen ) Konto ( KontoNr KundenNr FilialName Saldo ) Kredit
MehrPBS Ergänzungslösungen
PBS Ergänzungslösungen Von der klassischen Archivierung bis zum Information Lifecycle Management mit SAP HANA Prof. Dr. Detlev Steinbinder Agenda Wo geht die Reise hin? Informationen im SAP-Umfeld Big
MehrDatenbanken II Speicherung und Verarbeitung großer Objekte (Large Objects [LOBs])
Datenbanken II Speicherung und Verarbeitung großer Objekte (Large Objects [LOBs]) Hochschule für Technik, Wirtschaft und Kultur Leipzig 06.06.2008 Datenbanken II,Speicherung und Verarbeitung großer Objekte
MehrLizenzierung von Windows Server 2012
Lizenzierung von Windows Server 2012 Das Lizenzmodell von Windows Server 2012 Datacenter und Standard besteht aus zwei Komponenten: Prozessorlizenzen zur Lizenzierung der Serversoftware und CALs zur Lizenzierung
MehrBig Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr.
Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Florian Johannsen AGENDA 1. Big Data Projekt der freenet Group Dr. Florian Johannsen
MehrMySQL Installation. AnPr
Name Klasse Datum 1 Allgemeiner Aufbau Relationale Datenbank Management Systeme (RDBMS) werden im Regelfall als Service installiert. Der Zugriff kann über mehrere Kanäle durchgeführt werden, wobei im Regelfall
MehrSystemanforderungen für MSI-Reifen Release 7
Systemvoraussetzung [Server] Microsoft Windows Server 2000/2003/2008* 32/64 Bit (*nicht Windows Web Server 2008) oder Microsoft Windows Small Business Server 2003/2008 Standard od. Premium (bis 75 User/Geräte)
MehrApache 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,
MehrPerformanceaspekte in der SAP BI Modellierung
Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen
Mehr3. Stud.IP-Entwickler-Workshop 2. Juni 2006 Workshop 3c: Stud.IP-Enterprise-Edition André Noack, Frank Elsner
3. Stud.IP-Entwickler-Workshop 2. Juni 2006 Workshop 3c: Stud.IP-Enterprise-Edition André Noack, Frank Elsner Gliederung Das Problem: Skalierbarkeit LAMP Tuning Mehr als ein Server Stud.IP und shared nothing
MehrRechtssichere E-Mail-Archivierung
Rechtssichere E-Mail-Archivierung Einfach und sicher als Managed Service Vorteile für Ihr Unternehmen Rechtliche Sicherheit Geltende rechtliche Anforderungen zwingen jedes Unternehmen, E-Mails über viele
MehrDatabase Exchange Manager. Infinqa IT Solutions GmbH, Berlin Stralauer Allee 2 10245 Berlin Tel.:+49(0) 30 2900 8639 Fax.:+49(0) 30 2900 8695
Database Exchange Manager Replication Service- schematische Darstellung Replication Service- allgemeines Replikation von Daten von bzw. in ein SAP-System und einer relationalen DMS-Datenbank Kombination
MehrFragenkatalog zum Kurs 1666 (Datenbanken in Rechnernetzen) Kurstext von SS 96
Fragenkatalog zum Kurs 1666 (Datenbanken in Rechnernetzen) Kurstext von SS 96 Dieser Fragenkatalog wurde aufgrund das Basistextes und zum Teil aus den Prüfungsprotokollen erstellt, um sich auf mögliche
MehrERPaaS TM. In nur drei Minuten zur individuellen Lösung und maximaler Flexibilität.
ERPaaS TM In nur drei Minuten zur individuellen Lösung und maximaler Flexibilität. Was ist ERPaaS TM? Kurz gesagt: ERPaaS TM ist die moderne Schweizer Business Software europa3000 TM, welche im Rechenzentrum
MehrHANA. TOBA-Team Dresden 19.05.2012
HANA TOBA-Team Dresden 19.05.2012 Kunde droht mit Auftrag! Ein großer Discounter schickt Anfrage: Bis wann und zu welchem Preis können Sie 30.000 Stück liefern? Die Hektik beginnt! Bis wann Welche und
MehrSQL - 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
MehrLizenzierung von SharePoint Server 2013
Lizenzierung von SharePoint Server 2013 Das Lizenzmodell von SharePoint Server 2013 besteht aus zwei Komponenten: Serverlizenzen zur Lizenzierung der Serversoftware und CALs zur Lizenzierung der Zugriffe
MehrHardware- und Softwareanforderungen für die Installation von California.pro
Hardware- und anforderungen für die Installation von California.pro In den folgenden Abschnitten werden die Mindestanforderungen an die Hardware und zum Installieren und Ausführen von California.pro aufgeführt.
MehrAllgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
MehrVon ODBC zu OLE DB. Neue Möglichkeiten der Datenintegration. Harald Gladytz, Team Vertrieb ESRI Niederlassung Leipzig
Von ODBC zu OLE DB Neue Möglichkeiten der Datenintegration Harald Gladytz, Team Vertrieb ESRI Niederlassung Leipzig Von ODBC zu OLE DB Begriffsbestimmung ODBC, OLE DB, COM, ADO... Unterschiede zwischen
MehrTask: Nmap Skripte ausführen
Task: Nmap Skripte ausführen Inhalt Einfache Netzwerkscans mit NSE Ausführen des Scans Anpassung der Parameter Einleitung Copyright 2009-2015 Greenbone Networks GmbH Herkunft und aktuellste Version dieses
MehrLexware professional und premium setzen bis einschließlich Version 2012 den Sybase SQL-Datenbankserver
Eine Firewall für Lexware professional oder premium konfigurieren Inhaltsverzeichnis: 1. Allgemein... 1 2. Einstellungen... 1 3. Die Firewall von Windows 7 und Windows 2008 Server... 2 4. Die Firewall
MehrSAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG
SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management Anke Noßmann Syncwork AG SAP HERUG Partnertag, Berlin 06. November 2009 Inhalt 1. Ausgangssituation 2. Alternative
MehrFileMaker Konferenz 2011 Hamburg www.filemaker-konferenz.com. Speed. Performance Optimierung für Ihre Lösung / Entwickler
Speed Performance Optimierung für Ihre Lösung / Entwickler [x] cross solution Armin Egginger - Zertifizierter FileMaker Entwickler Urheber von CrossCheck Netzwerk von Datenbankprogrammierern Kunden in
MehrAvira Server Security Produktupdates. Best Practice
Avira Server Security Produktupdates Best Practice Inhaltsverzeichnis 1. Was ist Avira Server Security?... 3 2. Wo kann Avira Server Security sonst gefunden werden?... 3 3. Was ist der Unterschied zwischen
MehrOptions- und Freitext-Modul Update-Anleitung
Options- und Freitext-Modul Update-Anleitung Hinweis... 2 Update für Versionen kleiner als 1.2.4 auf 1.3.x... 3 Update für Versionen ab 1.2.4 auf 1.3.x... 6 Update für Versionen ab 1.3.x auf 2.x.x... 7
MehrEntwicklung einer Informix- Administrationsdatenbank mit ERwin
Entwicklung einer Informix- Administrationsdatenbank mit ERwin Ausgangslage Ein oder mehrere Informix-Datenbankserver Mehrere Datenbanken Sehr viele Tabellen 21.10.1997 2 Problemstellung Fehlerprävention
MehrDynamic Ressource Management
best Open Systems Day Fall 2006 Dynamic Ressource Management Unterföhring Marco Kühn best Systeme GmbH kuehn@best.de Agenda Überblick Dynamic Resource Pools und FSS Dynamic Resource Memory RCAP Oracle
MehrDatenübernahme easyjob 3.0 zu easyjob 4.0
Datenübernahme easyjob 3.0 zu easyjob 4.0 Einführung...3 Systemanforderung easyjob 4.0...3 Vorgehensweise zur Umstellung zu easyjob 4.0...4 Installation easyjob 4.0 auf dem Server und Arbeitsstationen...4
MehrPBS Software GmbH. Ergänzungslösungen für das Information Lifecycle Management (ILM) in SAP-Systemen. PBS Software GmbH
PBS Software GmbH Ergänzungslösungen für das Information Lifecycle Management (ILM) in SAP-Systemen PBS Software GmbH PBS Software GmbH Gegründet im Sommer 1991 Weltweit über 1400 Kunden Über 4000 installierte
Mehr