Holger Seubert SAP. Echtzeit-Analysen mit In-Memory Technologien
|
|
- Charlotte Bretz
- vor 7 Jahren
- Abrufe
Transkript
1 Holger Seubert SAP Echtzeit-Analysen mit In-Memory Technologien
2 Echtzeit-Analysen mit In-Memory Technologien Holger Seubert, SAP Agenda In-Memory Computing: Herausforderungen & Ansätze Auswirkungen auf die IT Infrastruktur Echtzeit-Analyse am Beispiel SAP HANA 2013 SAP AG. All rights reserved. 2 1
3 Fakt: Im Jahr 2013 sind mehr als 15 Milliarden Geräte technisch in der Lage, über das Internet zu kommunizieren. Angefangen bei Autos, Stromzählern, Waschmaschinen bis hin zu Kleidungsstücken. Auswirkung: Unternehmen können ihr Geschäftsmodel fundamental weiter entwickeln indem sie diese Kommunikationsmöglichkeiten nutzen SAP AG. All rights reserved. 3 Warum spielt Big Data eine so große Rolle? Unternehmen A Unternehmen B Wer ist der Marktführer? 2013 SAP AG. All rights reserved. 4 2
4 In-Memory Computing Run like never before Wie ist es möglich, den Kraftstoffverbrauch eines Dieselmotors von 20l auf 100km auf weniger als 3l zu optimieren? bisher hatten wir nicht die Rechenleistung die uns heute zur Verfügung steht CEO eines großen Fahrzeugherstellers 2013 SAP AG. All rights reserved. 5 In-Memory Computing Run like never before Innovationen im Bereich Hauptspeicher Kontinuierlich wachsende Speicherbänke (8/ 16/ 32 GB) Kontinuierliche Verringerung des Stromverbrauchs Kontinuierlich sinkender Preis Innovationen im Bereich CPUs Ständig wachsende Anzahl von Cores (heute: 10 Cores) Memory Controller auf jeder CPU Quick Path Interconnect zwischen CPUs 2013 SAP AG. All rights reserved. 6 3
5 In-Memory Computing Rethink Herausforderung 1: Parallelisierung! Die Vorteile von hunderten Cores effektiv nutzen. Herausforderung 2: RAM Lokalität! DRAM ist x schneller als HDDs Aber: DRAM Zugriffe sind dennoch 4-60x langsamer als on-chip Caches Erfordert Cache-Aware Datenstrukturen und Algorithmen 2013 SAP AG. All rights reserved. 7 In-Memory Computing Rethink In-Memory denken wenn Daten gespeichert und verarbeitet werden. CPU CPU CPU CPU Hauptspeicher CPU Register CPU Cache Nutzung von Festplatten (inkl. SSD) zur Speicherung von Daten. CPU system bus PCI bus SATA bus Segmente Blöcke 2013 SAP AG. All rights reserved. 8 4
6 In-Memory Computing Delegation datenintensiver Berechnungen in die in-memory Datenbank Traditionell Traditionelle Anwendungen führen datenintensive Berechnungen in der Anwendungsschicht aus. Anwendungs-Schicht Massendaten Persistenz-Schicht In-Memory Computing High-Performance Anwendungen delegieren datenintensive Berechnungen in die In-Memory Datenpersistenz-Schicht Massendaten In-Memory Computing Imperativ: Bewegung detaillierter Daten vermeiden; erst Berechnen, dann Ergebnisse weitergeben 2013 SAP AG. All rights reserved. 9 Agenda In-Memory Computing: Herausforderungen & Ansätze Auswirkungen auf die IT Infrastruktur Echtzeit-Analyse am Beispiel SAP HANA 2013 SAP AG. All rights reserved. 10 5
7 Die Informationslieferkette Wurzeln heutiger Herausforderungen Business Applications Business Analytics ETL Transaktionen (OLTP) Latenz, Granularität Analysen (OLAP) In-Memory Add-On 1970er 1980er 1990er System of Record Operative Systeme System of Engagement Separates System Ergänzungsbaustein 2013 SAP AG. All rights reserved. 11 Die Informationslieferkette Wurzeln heutiger Herausforderungen Business Applications Business Analytics DWH Mart Mart Cache Cubes Blind Spots ETL Aggregate Indexe Zusätzliche Latenz Transaktionen (OLTP) Latenz, Granularität Aktualität, Duplikation Analysen (OLAP) DB In-Memory Datenbank Komplexität 1970er 1980er 1990er System of Record Operative Systeme System of Engagement Separates System Ergänzungsbaustein 2000er Komplexe IT Infrastruktur 2013 SAP AG. All rights reserved. 12 6
8 Die Informationslieferkette Neue Ansätze mit In-Memory Computing Business Applications Business Analytics Business Applications Analytics & ETL Latenz, Granularität Aktualität, Duplikation, Komplexität Transaktionen Analysen Beschleunigung Transaktionen + Analyse direkt im Arbeitsspeicher Daten und DB Algorithmen optimiert für eine Disk-basierte Speicherung (Block Organisation) In-Memory optimierte Speicherstrukturen und Verarbeitungsalgorithmen 2013 SAP AG. All rights reserved. 13 Die Informationslieferkette Vereinfachung der IT Infrastruktur mit In-Memory Computing Cache Mart Mart Aggregate Cubes On the fly Berechnungen & Aggregationen Indexe In- Memory DB Analyse auf operativen Daten Latenz, Granularität Aktualität, Duplikation, Komplexität Transaktionen Analysen Beschleunigung Transaktionen + Analyse direkt im Arbeitsspeicher Daten und DB Algorithmen optimiert für eine Disk-basierte Speicherung (Block Organisation) In-Memory optimierte Speicherstrukturen und Verarbeitungsalgorithmen 2013 SAP AG. All rights reserved. 14 7
9 BIGPOINT, eines der führenden Online-Spieleunternehmen, nutzt SAP HANA für ein optimiertes Promotion Management während des Spiels. Mit SAP HANA ist Bigpoint in der Lage, mehr als 5000 Game-Events pro Sekunde in Echtzeit zu analysieren und zu überwachen, personalisierte Ad-hoc-Aktionen durchzuführen und sofortiges Feedback zu den Kampagnen zu erhalten. Video 2013 SAP AG. All rights reserved. 15 SAP HANA Verändert das Spiel 2013 SAP AG. All rights reserved. 16 8
10 Agenda In-Memory Computing: Herausforderungen & Ansätze Auswirkungen auf die IT Infrastruktur Echtzeit-Analyse am Beispiel SAP HANA 2013 SAP AG. All rights reserved. 17 SAP HANA ein Blick in die Box Plattform für Echtzeit-Analysen & Echtzeit-Anwendungen der nächsten Generation SAP Business Objects Lösungen Microsoft Excel HTML5 Andere (Open) Echtzeit Analyse Analytical Views Planning and Calculation Engine SAP HANA Application Services (e.g. AppServer) Business Function Libraries Echtzeit Anwendungen Textsuche R & Predictive Analysis Library Event Stream Processing In-Memory Datenbank Data Services SAP Business Suite 3 rd Party Systeme 2013 SAP AG. All rights reserved. 18 9
11 In-Memory Datenbank SAP HANA kombiniert Hardware und Software Innovationen Gestern CPU Memory CPU Memory Heute Multi-Core Massiv Parallel SingleOptimized Plattform + Zeilen- & Spalten- Speicherung Keine Aggregate 64-bit Adressraum unterstützt 2TB RAM 100GB/s Durchsatz Partitionierung, Parallelisierung Software und Daten liegen auf HDD Disk Insert Only on Delta Komprimierung Disk Logging und Backup Solid State / Flash / HDD I/O Engpass Unterstützung verschiedener Plattformen Für keine Plattform optimiert Nutzung aktueller Hardware-Entwicklungen Minimierte I/O Zeit Optimiert für x86 Plattform 2013 SAP AG. All rights reserved. 19 Echtzeit Views auf In-Memory Daten On-the-Fly Cubes SAP HANA analysiert die Daten direkt aus den physischen Tabellen der Geschäftsanwendungen (OLTP Systeme) Eine Views in SAP HANA sind keine Kopie der Daten es ist der Plan wie die Daten on-the-fly transformiert werden ohne materialization. Report Analytical View Transform Table 1 Primary Key Field 1 Field 2 Field... Business Applications Table 2 Table... Primary Key Primary Key Field 1 Field 1 Field 2 Field 2 Field... Field SAP AG. All rights reserved
12 Analyse, Planung & Simulation In-Memory Integriert in SAP HANA Die Business Function Library (BFL) stellt 54 optimierte Funktionen aus dem finanzmathematischen Bereich zur Verfügung, die per SQLScript aufgerufen werden können. Die Predictive Analysis Library (PAL) stellt 24 analytische Algorithmen über Funktionen aus den Bereichen Clustering, Classification, Association, Time Series und Preprocessing zur Verfügung (PMML Export möglich). Statistische Berechnungen können mit über Open-Source Algorithmen aus dem Projekt R umgesetzt werden, die in SAP HANA integriert werden können 2013 SAP AG. All rights reserved. 21 Volltextsuche Integriert in SAP HANA Native Volltextsuche Exakte Suche, Fuzzy Suche und Linguistische Suche auf unstrukturierten Daten Unterstützung der standard SQL/MM Syntax (CONTAINS) Spracherkennung, Tokenization, Stemming Graphische Modellierung Einfache Definition des Suchausdrucks Nutzbar über SAP HANA Studio UI Toolkit Schnelle Umsetzung von Such-Anwendungen über wiederverwendbare UI Bausteine Modeler HANA Studio UI SAP HANA Search Model Metadata UI Components UI Components Suggestion Search Metadata Information Access Services Search Fuzzy Ranking Snipets Search Engine Tables Column Store Linguistic Processing Text Processor 2013 SAP AG. All rights reserved
13 Daten von Apache Hadoop in SAP HANA laden Data Services 1. Abhängig vom Ziel, übersetzen die Data Services die Anfrage in: Hive Query Language (HQL) Data Services Job Process 5 6 Process Data Database Loader Pig Script 2. Hive/ Pig übersetz die Anfragen in Map/ Reduce Jobs 3. Ergebnis-Dateien werden im HDFS generiert 4. Data Services verarbeitet die Hive/Pig Ergebnisse mit mehreren Threads 5. Optional können die Daten transformiert bzw. auf Qualität geprüft werden 6. Laden der Ergebnisse in die In-Memory Datenbank 1 2 HQL Generator Hive Pig Generator M/R Join tables, order/ filter data, apply functions Text Data Processing M/R HDFS 4 3 HDFS FileReader Result Set ODBC/ JDBC Driver In-Memory DB 2013 SAP AG. All rights reserved. 23 Apache Hadoop & SAP HANA Anwendungsszenarien Kosteneffiziente Speicherung und Verarbeitung von großen Mengen strukturierter, semi-strukturierter und unstrukturierter Daten, wie z.b. Web-Logs, Sensordaten, Text, Call Data Records (CDRs), Audio und Video. Batch Processing Wo schnelle Antwortzeiten weniger kritisch sind Complex Information Processing Stark rekursive Algorithmen, Machine Learning, Anfragen die nicht leicht per SQL auszudrücken sind Low Value Data Archive Daten bleiben im Zugriff, allerdings ist der Zugriff langsamer Post-hoc Analysis Analyse von Daten die keine Struktur aufweisen, oder deren Struktur sich über die Zeit ändert 2013 SAP AG. All rights reserved
14 Sessionization: Die Nadel im Daten-Heuhaufen Erstellung einer geordnete Liste von angesehen Produkt-Seiten aus dem Web-Log Besucher A schaut Produkt 1 an Besucher A - irrelevante Daten [2 Sekunden (12,600 Log-Einträge) zu den die nächsten relevanten Aktionen des Nutzers überspringen ] Besucher A schaut Produkt 2 an Benutzer Produkt Produkt etc B003ZX8B3W B00365F6EG etc HANA 2013 SAP AG. All rights reserved. 25 Apache Hadoop & SAP HANA Beispiel: Einzelhandel Point of Sales SAP BusinessObjects Explorer 1.1 Milliarden POS Datensätze HANA 18 Millionen Session Datensätze 9 TB Web Logs Hadoop 2013 SAP AG. All rights reserved
15 Smart Meter Analytics Demo Benchmarking der Energieeffizienz basierend auf tatsächlichen Verbrauchsdaten für eine höhere Kundenzufriedenheit und Profitabilität SAP AG. All rights reserved. 27 Vielen Dank Holger Seubert Presales Senior Specialist SAP Database & Technology E: M:
Einführung in Hauptspeicherdatenbanken
Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation
MehrEchtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen. Frank Irnich SAP Deutschland
Echtzeiterkennung von Cyber-Angriffen auf IT-Infrastrukturen Frank Irnich SAP Deutschland SAP ist ein globales Unternehmen... unser Fokusgebiet... IT Security für... 1 globales Netzwerk > 70 Länder, >
MehrEinführung in Hauptspeicherdatenbanken
Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation
MehrCharakteristika von Unternehmensanwendungen
Charakteristika von Unternehmensanwendungen Wozu werden Unternehmensanwendungen genutzt? Enterprise applications are about the display, manipulation, and storage of large amounts of often complex data
MehrInspireIT. SAP HANA Sesam öffne dich. Stefan Kühnlein Solution Architekt OPITZ CONSULTING Deutschland GmbH. Frankfurt am Main, 11.05.
InspireIT SAP HANA Sesam öffne dich Stefan Kühnlein Solution Architekt OPITZ CONSULTING Deutschland GmbH Frankfurt am Main, 11.05.2015 OPITZ CONSULTING GmbH 2015 Seite 1 Checker Fragen Ist SAP HANA eine
MehrSAP HANA ist schnell erklärt. TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag
SAP HANA ist schnell erklärt TOBA Trainerwochenende vom 09. - 12. Mai 2013 in Prag Ihr Referent Steckbrief Name: Miroslav Antolovic Jahrgang: 1975 Stationen: SAP, Walldorf 1999-2004 Realtech, Walldorf
Mehr"Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT?"
"Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT?" Matthias Heiler, Solution Architect, Database & Technology, SAP Deutschland 23. April 2013 Do Things Differently Do Different Things
MehrExalytics - Deep dive with OBIEE, Timesten and Essbase
Exalytics - Deep dive with OBIEE, Timesten and Essbase Renate Wendlik Senior DWH Consultant Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH Agenda Einleitung Exalytics Konfiguration
MehrMilliarden in Sekunden: Demo zu PureData for Analytics. Marc Bastien Senior Technical Professional Big Data, IBM
Milliarden in Sekunden: Demo zu PureData for Analytics Marc Bastien Senior Technical Professional Big Data, IBM IBM PureData System Für die Herausforderungen von Big Data Schnell und Einfach! System for
MehrBig Data in der Praxis
Jonas Freiknecht Big Data in der Praxis Lösungen mit Hadoop, HBase und Hive Daten speichern, aufbereiten, visualisieren HANSER Vorwort XI 1 Einleitung 1 2 Big-Data 7 2.1 Historische Entstehung 8 2.2 Big-Data
MehrDie IBM Netezza Architektur für fortgeschrittene Analysen
Michael Sebald IT Architect Netezza Die IBM Netezza Architektur für fortgeschrittene Analysen 2011 IBM Corporation Was ist das Problem aller Data Warehouse Lösungen? I / O Transaktionaler und analytischer
MehrMit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014
Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung
MehrBIG UNIVERSITÄTSRECHENZENTRUM
UNIVERSITÄTS RECHENZENTRUM LEIPZIG BIG DATA @ UNIVERSITÄTSRECHENZENTRUM Forschung und Entwicklung Entwicklung eines E-Science-Angebots für die Forschenden an der Universität Leipzig Stefan Kühne Axel Ngonga
MehrNeues aus der nicht-, semi- und relationalen Welt
Neues aus der nicht-, semi- und relationalen Welt Information Management Thomas Klughardt Senior System Consultant Das Big Data Problem Was bedeutet Big Data? Performancekritisch Echtzeit Cold Storage
MehrSkalierbare Webanwendungen
Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit
MehrProduktionscontrolling auf dem Weg zur Industrie 4.0
Produktionscontrolling auf dem Weg zur Industrie 4.0 Intelligente Produktion durch Real-Time-Big-Data-Analyse von Sensordaten & Bern, 27.05.2016 Jörg Rieth Jedox vereinfacht Planung, Reporting & Analyse
MehrEvolution statt Revolution
Evolution statt Revolution Ihr Weg von SAP MaxDB zu SAP in-memory computing Jürgen Primsch, SAP AG 18. November 2010 Agenda 1. SAP MaxDB 2. SAP in-memory computing 3. Auf zu neuen Ufern 2010 SAP AG. All
MehrOffice 365 Dynamics 365 Azure Cortana Intelligence. Enterprise Mobility + Security Operations Mgmt. + Security
Office 365 Dynamics 365 Azure Cortana Intelligence Enterprise Mobility + Security Operations Mgmt. + Security API Application Availability Bottomless Storage Identity Management Full hybrid
MehrA Big Data Change Detection System. Carsten Lanquillon und Sigurd Schacht
A Big Data Change Detection System Carsten Lanquillon und Sigurd Schacht Digitale Transformation in Unternehmen u Umfassende Erfassung, Speicherung und Verfügbarkeit von Daten à Big Data Quelle: Rolland
MehrExadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht)
Exadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team Inhalt Thematik (Einordnung
MehrMigration von Oracle auf HANA Was bedeutet das? Peter Heintzen, Bereichsleiter SIG Oracle & SAP
Migration von Oracle auf HANA Was bedeutet das? Peter Heintzen, Bereichsleiter 28.06.2014 SIG Oracle & SAP Facts & Figures Geschäftsform Hauptsitz: Gründung Beschäftigte Beteiligungen Inhabergeführte AG
MehrOracle Database 12c In-Memory Option 7/18/2014. Eckart Mader Oracle Deutschland B.V. & Co. KG. Karlsruhe, den
Oracle Database 12c In-Memory Option Eckart Mader Oracle Deutschland B.V. & Co. KG Karlsruhe, den 17.07.2014 2 1 Safe Harbor Statement The following is intended to outline our general product direction.
MehrSODA. Die Datenbank als Document Store. Rainer Willems. Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG
SODA Die Datenbank als Document Store Rainer Willems Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG vs No Anforderungskonflikte Agile Entwicklung Häufige Schema-Änderungen Relationales
MehrOracle9i Designer. Rainer Willems. Page 1. Leitender Systemberater Server Technology Competence Center Frankfurt Oracle Deutschland GmbH
Oracle9i Designer Rainer Willems Leitender Systemberater Server Technology Competence Center Frankfurt Oracle Deutschland GmbH Page 1 1 Agenda 9i Designer & 9i SCM in 9i DS Design Server Generierung &
MehrSAP Business Information Warehouse mit Oracle Database
SAP Business Information Warehouse mit Oracle Database Maciej Berghof Business Unit Datenbank SAP BW wächst Betriebswirtschaftlich getriebener Bedarf an mehr Informationen SAP BW konkurriert mit den bisherigen
MehrBIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY
BIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY 08.03.2017 REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer AGENDA 1 / Vorstellung REWE Systems GmbH und inovex
MehrVerwaltung von OBI Metadaten: XML-Integration die Lösung aller Probleme? DOAG Konferenz und Ausstellung 2013
Verwaltung von OBI Metadaten: XML-Integration die Lösung aller Probleme? DOAG Konferenz und Ausstellung 2013 Michael Weiler, PROMATIS software GmbH Nürnberg, 1 Gliederung OBIEE Metadatenverwaltung Einführung
MehrDevelopment auf der Plattform SAP HANA
Development auf der Plattform SAP HANA SAP HANA Architektur SAP HANA Studio Modellierung auf SAP HANA Web basierte Data Access Role und Berechtigung SAP HANA Plattform SAP HANA als Appliance SAP HANA in
MehrAnalyse Infrastruktur. Revolution oder Evolution durch neue Technologie?
Analyse Infrastruktur Revolution oder Evolution durch neue Technologie? Ziel dieses Vortrags Gestiegene Anforderungen und neue, in die Analysen zu integrierende Datenquellen zwingen zu Anpassungen in der
MehrEXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution
EXASOL @ Symposium on Scalable Analytics Skalierbare Analysen mit EXASolution EXASOL AG Wer sind wir R&D: + seit 2000 + laufend Forschungsprojekte Produkt: Analytische Datenbank EXASolution Focus auf Komplexität
MehrWann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch
Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Obwohl mit der Verwendung von SAP HANA ein neuer semantischer Layer zum Einsatz kommt,
Mehrsimply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme
simply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme Patrick Theobald Zur Person Patrick Theobald Geschäftsführer Theobald Software GmbH seit
MehrEinführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar
Einführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar Die Referenten sind keine exklusiven Trainer, sondern Berater aus dem Projektgeschäft, die auch Trainings durchführen.
MehrOracle Big Data Discovery Ein Überblick
Oracle Big Data Discovery Ein Überblick Hadoop Data Reservoir gewinnt weiter an Bedeutung Data Warehouse Bekannte Datenquellen Data Reservoir Entstehende Datenquellen Hadoop Umsatz und Forecast 49% CAGR,
MehrBig Data Hype und Wirklichkeit Bringtmehrauchmehr?
Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or
MehrPerformante Verarbeitung großer Datenbanken am praktischem Beispiel
Performante Verarbeitung großer Datenbanken am praktischem Beispiel Thomas Lehmann 08.09.2015, Dresden Agenda 1. Technische Rahmenbedingungen 2. Theoretische Grundlagen 3. Verschiedene Probleme am praktischen
MehrMöglichkeiten für bestehende Systeme
Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-
Mehrehealth und Big Data: Herausforderung oder Chance? Stephan Schindewolf, SAP SE, September 14, 2015 Public
ehealth und Big Data: Herausforderung oder Chance? Stephan Schindewolf, SAP SE, September 14, 2015 Public ehealth: Bereitstellung von Patientendaten Unterschiedliche Formate, keine konsoliderte Sicht Bereitstellung
MehrOXO³ technische Aspekte der Oracle EMEA internen BI Implementierung
OXO³ technische Aspekte der Oracle EMEA internen BI Implementierung Bojan Milijaš (bojan.milijas@oracle.com) Senior Business Analyst (OCP) ORACLE Deutschland GmbH Kennen Sie das Sprichwort
MehrBig Data Konnektoren: Hadoop und die Oracle DB
Big Data Konnektoren: Hadoop und die Oracle DB Philipp Loer ORDIX AG, Paderborn Schlüsselwörter Hadoop, Hive, OLH, OSCH Einleitung Der Vortrag beginnt mit einer Einführung in die Big Data Welt mit Apache
MehrSoftware EMEA Performance Tour 2013. 17.-19 Juni, Berlin
Software EMEA Performance Tour 2013 17.-19 Juni, Berlin Accenture s High Performance Analytics Demo-Umgebung Dr, Holger Muster (Accenture), 18. Juni 2013 Copyright 2012 Hewlett-Packard Development Company,
MehrMicrosoft Azure Deutschland ist jetzt verfügbar -
Einordnung und Überblick Data Scientist Operationalisierung IT-Abteilung Anwendungsentwickler Der Data Scientist agil Tool seiner Wahl möglichst wenig Zeit Skalierung Code für die Operationalisierung Der
Mehr<Insert Picture Here> 8. Business Intelligence & Data Warehouse Konferenz
1 The Safe Harbor The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment
MehrEchtzeiterkennung von Cyberbedrohungen
Echtzeiterkennung von Cyberbedrohungen Dr. Michael Schmitt, SAP SE 14. September, 2017, BSI Cybersicherheitstag Public Echtzeiterkennung von Cyberbedrohungen Herausforderungen bei Echtzeit- Analyse 2017
MehrBig-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht
Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik
MehrDOAG Konferenz Was Sie bei modernen Datenbank-Systemen anders machen müssen!
oracledeli.wordpress.com DOAG Konferenz 2015 Was Sie bei modernen Datenbank-Systemen anders machen müssen! Matthias Schulz Selbständiger Software- und Datenbankentwickler: Consulting Schulungen Workshops
MehrDanksagung Einführung... 17
Inhalt Danksagung... 15 Einführung... 17 1.1 Einführung in das In-Memory-Computing und Big D a ta... 20 1.1.1 In-Memory-Computing und Analysen... 21 1.1.2 Big D a ta... 27 1.2 Spaltenbasierte Speicherung
MehrBig Data Neue Erkenntnisse aus Daten gewinnen
Big Data Neue Erkenntnisse aus Daten gewinnen Thomas Klughardt Senior Systems Consultant 0 Software Dell Software Lösungsbereiche Transform Inform Connect Data center and cloud management Foglight APM,
MehrSAP In-Memory Technologie (HANA) in der Versorgungswirtschaft
SAP In-Memory Technologie (HANA) in der Versorgungswirtschaft Michael Utecht, Industry Expert Utilities Business Area COO Germany, Industry Solutions SAP Deutschland AG & Co.KG 09.11.2011 Opportunities
Mehr1 Einführung Ziele der Vorlesung Die Idee Lernkarte Selbsttest-Frage 3 Literaturhinweise 3
1 Einführung 1 1.1 Ziele der Vorlesung 1 1.2 Die Idee 1 1.3 Lernkarte 2 1.4 Selbsttest-Frage 3 Literaturhinweise 3 Teilt Die Zukunft von Enterprise-Computing 5 2 Neue Anforderungen an Enterprise Computing
MehrVorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics
Vorstellung IBM Cognos 10.2 Oliver Linder Client Technical Professional Business Analytics Agenda IBM Cognos 10.2 Architektur User Interfaces IBM Cognos Workspace IBM Cognos Workspace Advanced IBM Cognos
MehrS3 your Datacenter. Software Defined Object Storage. Die kostengünstige und skalierbare Lösung für Ihre unstrukturierten Daten
S3 your Datacenter Software Defined Object Storage Die kostengünstige und skalierbare Lösung für Ihre unstrukturierten Daten Unstrukturierte Daten explodieren Volume in Exabytes Sensors & Devices Social
MehrSchneller als Hadoop?
Schneller als Hadoop? Einführung in Spark Cluster Computing 19.11.2013 Dirk Reinemann 1 Agenda 1. Einführung 2. Motivation 3. Infrastruktur 4. Performance 5. Ausblick 19.11.2013 Dirk Reinemann 2 EINFÜHRUNG
Mehr1 SAP HANA im Überblick Einführung in die Entwicklungsumgebung Datenbankprogrammierung mit dem SAP NetWeaver AS ABAP 115
Auf einen Blick TEIL I Grundlagen 1 SAP HANA im Überblick 31 2 Einführung in die Entwicklungsumgebung 75 3 Datenbankprogrammierung mit dem SAP NetWeaver AS ABAP 115 TEIL II Einführung in die ABAP-Programmierung
MehrIndustrie 4.0 und Smart Data
Industrie 4.0 und Smart Data Herausforderungen für die IT-Infrastruktur bei der Auswertung großer heterogener Datenmengen Richard Göbel Inhalt Industrie 4.0 - Was ist das? Was ist neu? Herausforderungen
MehrDie wichtigsten Hadoop-Komponenten für Big Data mit SAS
Webinar@Lunchtime Die wichtigsten Hadoop-Komponenten für Big Data mit SAS Herzlich Willkommen bei Webinar@Lunchtime Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Xing-Profil:
MehrSAP BO Web Intelligence auf SQL Server [A4] Üetliberg,
SAP BO Web Intelligence auf SQL Server [A4] Üetliberg, 12.09.2017 www.boak.ch AGENDA Einführung Auswahl des Reporting Werkzeugs Universum & WebI Dokumente erstellen Live Demo Nebenprodukte Vertiefende
MehrOracle OLAP 11g: Performance für das Oracle Data Warehouse
Oracle OLAP 11g: Performance für das Oracle Data Warehouse Marc Bastien Oracle BI Presales Agenda Performanceprobleme in Oracle DWH: gibt s das überhaupt? Mögliche Gründe und Lösungen
MehrQUNIS 360 was war, was wird? BI, Big Data, Cloud, Predictive & Advanced Analytics, Streaming. Referent: Steffen Vierkorn
QUNIS 360 was war, was wird? BI, Big Data, Cloud, Predictive & Advanced Analytics, Streaming Referent: Steffen Vierkorn Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00
MehrIn.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest
In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest Synopsis Darmstadt 13.-14.05.2014 Guido Jacobs, Microsoft Tobias Maier & Dr. Benjamin Kettner, ixto GmbH Microsoft SQL Server 2014 //
MehrErfahrungen mit TimesTen 7.0
Erfahrungen mit TimesTen 7.0 Bianca Stolz & Christian Kühne Systemberater Oracle Agenda TimesTen im Markt Das Konzept von TimesTen TimesTen Architektur Funktionen TimesTen in der
Mehrbitanalytics goes mobile? Peter Hernold und Wolfram Winkler, BITMARCK Essen, 29. Mai 2018
bitanalytics goes mobile? Peter Hernold und Wolfram Winkler, BITMARCK Essen, 29. Mai 2018 Ihre Meinung zu mobile BI? 2 bitanalytics goes mobile? BITMARCK Kundentag 2018 BI für die Massen Intensivierte
MehrCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 Effiziente Speicherung für SAP Jörn Bartels Architect Oracle Database Server Technologies 2 Oracle 12c Jörn Bartels Architect Oracle Database Server Technologies 3 1997 Effiziente Speicherung für SAP
MehrCopyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG DATA MANAGEMENT
HERZLICH WILLKOMMEN ZUR VERANSTALTUNG DATA MANAGEMENT AGENDA DATA MANAGEMENT 9:00 09:30 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: für IT und Fachbereiche
MehrSoftware EMEA Performance Tour Berlin, Germany June
Software EMEA Performance Tour 2013 Berlin, Germany 17-19 June HP Service Virtualization Virtuelle Services im Software Entwicklungs-Lebenszyklus Udo Blank Bernd Schindelasch 19. Juni, 2013 Presales Consultant
MehrOracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen
DATA WAREHOUSE Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen Alfred Schlaucher, Detlef Schroeder DATA WAREHOUSE Themen Big Data Buzz Word oder eine neue Dimension
MehrOracle DB 12c: Die In-Memory-Option Oliver Zandner System-Berater für Oracle-DB-Technologien Oracle Hannover. Available July 2014
Oracle DB 12c: Die In-Memory-Option Oliver Zandner System-Berater für Oracle-DB-Technologien Oracle Hannover Available July 2014 Worum geht es bei In-Memory? Option zur Oracle DB Enterprise Edition ab
MehrBig Data Technologien
Big Data Technologien - Ein Überblick - Prof. Dr. Jens Albrecht jens.albrecht@th-nuernberg.de Big Data Landscape 2016 Prof. Dr. Jens Albrecht Big Data 3 Systemarchitektur im Wandel Gestern und heute Strukturierte
Mehreevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator
eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile
MehrSteffen Bischoff Senior Sales Engineer
CLOUD FÜR DUMMIES Steffen Bischoff Senior Sales Engineer sbischoff@talend.com 4 WAS CLOUD-LÖSUNGEN BIETEN Keine Anfangsinvestition Geringe Betriebskosten Zahlung nach Gebrauch Überall zugänglich Einfache
MehrAnalytic im Einsatz! Betrugserkennung auf Basis von Big Data. Karol Sobiech
Analytic im Einsatz! Betrugserkennung auf Basis von Big Data Karol Sobiech 2 ACCENTURE GLOBAL DELIVERY NETWORK 3 4 AGENDA 1 MOTIVATION & ZIEL 2 METHODEN FRAUD MANAGEMENT SYSTEM 4 ARCHITEKTUR & TOOLS 3
MehrZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE
ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE Indexierungsstrategie im Data Warehouse Dani Schnider, Trivadis AG DOAG Konferenz, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrNeue Speichermedien für Datenbanken
Projektpräsentation im Wahlmodul Datenbank Implementierungstechniken 10. Juli 2015 Inhalt 1 Flash Memory (SSD) vs. Main Memory (DRAM) 2 Auswirkungen auf DBS-System 3 Kennzahlen 4 Aspekte von Green IT 5
MehrOracle 12cR1 In-Memory Real World POC and what s coming up with 12cR2 Christian Pfundtner DB Masters GmbH Stammersdorfer Str Gerasdorf
Oracle 12cR1 In-Memory Real World POC and what s coming up with 12cR2 Christian Pfundtner DB Masters GmbH Stammersdorfer Str. 463 2201 Gerasdorf Schlüsselworte Oracle 12c, In-Memory, POC, Real World, Column
MehrData Federation. in analytischen Applikationen. Peter Welker (Trivadis
Data Federation in analytischen Applikationen Peter Welker (Trivadis GmbH) @WelkerPeter BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN STUTTGART WIEN
MehrOracle BI&W Referenz Architektur Big Data und High Performance Analytics
DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen
MehrAuf einen Blick.
Auf einen Blick TEIL I Was, warum und wann? 1 In-Memory-Computing, Big Data und SAP HANA 25 2 SAP-HANA-On-Premise-Implementierungsoptionen 59 3 SAP HANA in der Cloud 111 4 Erweiterte Anwendungen für SAP
MehrSAP Analytics für KMU. Oktober 2017
SAP Analytics für KMU Oktober 2017 1. Trend 2. Lösung Inhalt 3. Szenarien 4. Angebot 5. Vorteile 6. Testen Sie es! 7. Referenz 8. Unsere Kunden 9. Kontakt Reporting mit Excel? Werden Sie es los. Ganz einfach.
MehrRoadshow - What s new in SQL Server 2016
1 Roadshow - What s new in SQL Server 2016 Kursleitung: Dieter Rüetschi (ruetschi@ability-solutions.ch) 2 Inhalt Fachreferat Everything-Built-In Mission Critical Plattform Security Hochverfügbarkeit Advanced
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
MehrExadata Engineered Systems als Lösung? Reinhold Boettcher, Systemarchitekt Infrastruktur, arvato Systems
Exadata Engineered Systems als Lösung? Reinhold Boettcher, Systemarchitekt Infrastruktur, arvato Systems 1 Name arvato Systems December 10, 2013 Agenda arvato Systems GmbH wer ist denn das? Herausforderungen
MehrDatenbanksysteme. 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
MehrCAS coole Arbeitsumgebung für SAS Programme
Webinar@Lunchtime CAS coole Arbeitsumgebung für SAS Programme Herzlich Willkommen bei Webinar@Lunchtime Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Xing-Profil: http://www.xing.com/profile/annekatrin_bognerhamleh?key=0.0
MehrIBM Rechenzentrum Boeblingen. Hardware Entwicklung
IBM Rechenzentrum Boeblingen Hardware Entwicklung Data center Backup +USV im UG Mirror Kühlung Schritte in der Hardware Entwicklung Architecture and High Level Design Logic Design and Verification Circuit
MehrQlik s Visual Analytics Platform meets SAP
Discover Data-Driven Possibilities 2016 World Tour Qlik s Visual Analytics Platform meets SAP Dennis Jaskowiak, Solution Architect, Qlik Mainz, 27. September 2016 IT Point of decision 2 64 % Manager bestätigen,
MehrCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 1997 Effiziente Speicherung für SAP 8.0 Jörn Bartels Architect Oracle Database Server Technologies 2 Effiziente Speicherungsformen Ziele Index Komprimierung Index Organized Tables Ergebnisse 3 Ziele
MehrBusiness Mehrwerte von SAP HANA
Business Mehrwerte von SAP HANA von der Technologie zum Geschäft Halle, 07.05.2013 2013 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda GISA im Überblick Was ist SAP HANA? Was
MehrBig Data im Retail-Sektor am Beispiel Kassenbondaten
Big Data im Retail-Sektor am Beispiel Kassenbondaten REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer Business Analytics Day, 08.03.2017 AGENDA 1. Vorstellung REWE Systems GmbH und inovex
MehrIn-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden
In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden
MehrBig Data Mythen und Fakten
Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher
MehrANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik
ARFA ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik Ralf Leipner Domain Architect Analytics, Risk Management & Finance 33. Berner Architekten
MehrZusammenfassung. Vorlesung Webbasierte Informationssysteme (CS4130) Zusammenfassung
/ Vorlesung Webbasierte Informationssysteme (CS4130) Privatdozent Dr. rer. nat. habil. Sven Groppe https://www.ifis.uni-luebeck.de/index.php?id=groppe / 2 / 15 Chronologische Übersicht über die Themen
MehrHANA Solution Manager als Einstieg
Markus Stockhausen HANA Solution Manager als Einstieg Collogia Solution Day Hamburg 28.04.2016 Agenda HANA Solution Manager als Einstieg 1 Überblick 2 Techniken 3 Sizing Collogia Unternehmensberatung AG,
Mehr!! Waldemar Reger Köln,
Analyse und Evaluierung von Parameterabhängigkeiten anhand der Laufzeit von MapReduce-Jobs zur Konzeptionierung von Hadoop-Clustern Waldemar Reger Köln, 23.07.2014 Agenda 1. Hadoop Grundlagen 2. Cluster
Mehr#DeloitteInnovation: In-Time Nutzen Sie das volle Potenzial von SAP HANA
#DeloitteInnovation: In-Time Nutzen Sie das volle Potenzial von SAP HANA Deloitte In-Time in a Nutshell In-Time ist das erste und bisher einzige SAP HANA Optimierungs- Add-on, welches die Effektivität
MehrArbeiten im Arbeitsspeicher
IT-STRATegIen In-Memory-Technologie Arbeiten im Arbeitsspeicher In-Memory-Datenbanken fristeten über lange Zeit ein Nischendasein als Cache für traditionelle relationale Datenbanken oder als spezielle
MehrÜbersicht Streams nach Liste Produkte/Themen
Stream Datenbank: DB Oracle 9i bis 12c In-Memory Datenbanken Enterprise Manager Appliances EXADATA RAC DataGuard Upgrades, Konsolidierungen Implementationen Administration / Monitoring Performance Tuning
MehrExtensible Visualization
Extensible Visualization Oliver Linder Client Technical Professional 2013 IBM Corporation Agenda Vergleich von Visualierungsansätzen IBM Rapidly Adaptive Visualization Engine Ablauf Quelle (Analyticszone.com)
MehrBig Data Umgang mit personenbezogenen Daten im Kontext von digitalen Gesundheits-Akten und Archivierungslösungen
Big Data Umgang mit personenbezogenen Daten im Kontext von digitalen Gesundheits-Akten und Archivierungslösungen Dr. med. Peter Langkafel MBA General Manager Public Sector / Healthcare MEE (Middle and
MehrVon Big Data zu Deep Insights
Von Big Data zu Deep Insights Prof. Dr. Dirk Nowotka Christian-Albrechts-Universität zu Kiel Maritime IT 2013 Big Data = Überwachung + Marketing? Kommunikations- und Kundendaten XKeyScore, Google Ads,
Mehr