NoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen. Datenbank-Stammtisch, 8.
|
|
- Mathilde Flater
- vor 8 Jahren
- Abrufe
Transkript
1 A Database Administrator walks into a NoSQL bar, but turns and leaves because he cannot find a table. NoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen. Datenbank-Stammtisch, Prof. Dr. Frank Schönefeld, Geschäftsleitung, T-Systems Multimedia Solutions GmbH
2 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Facebook trapped in MySQL, fate worse than death. The only way out is bite the bullet und rewrite everything. (Facebook runs approx MySQL Server instances and > 1000 memcaches.) Quelle: Michael Stonebraker 800M active monthly users, 500M active daily users; 350M mobile users; 7M apps and web sites integrated via platform; 60M queries per second; 4M row changes per second Quelle: Domas Mituzas (Facebook database performance team) 2
3 Prolog CAP-Theorem NoSQL Datenmodelle Fazit und dennoch: NoSQL greift um sich auch in Facebook. NoSQL: Bedeutungswandel des Begriffs von NoSQL (API) zu Not only SQL. Amazon setzt auf Dynamo, ein verteiltes Dateisystem (Ring mit Consistent Hashing) zur Speicherung von Key/ Value Paaren. Facebook nutzt neben MySQL auch die HBase für die Verwaltung ihrer Messages als auch die kontextsensitive Ad-Verwaltung und Einspielung. HBase basiert auf Hadoop Distributed File System und implementiert die Big Table Features für Hadoop. Google verwendet Big Table (eine dreidimensionale, dünnbesetzte KeyValue Map) für Google Earth, Maps, Analytics, Orkut. Linkedin verwendet Voldemort (Big Table x Dynamo Ansatz) für spezielle Speicheranforderungen ihrer Profile. Twitter Nutzer produzieren ca. 4 PByte/a. Scribe schreibt Logs zu Hadoop. Zur People Search wird HBase verwendet. Quelle: how-twitter-uses-nosql.php 3
4 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Big Data The Next Big Thing. Ist das das Web 3.0? Quelle: 4
5 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Big Data The Next Big Thing? Wir betreten die ExaByte Ära (1 ExaByte = oder 2 60 = Bytes) A decade of digital universe growth 7910 Exabytes
6 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Big Data The Next Big Thing? Wir betreten die ExaByte Ära (1 ExaByte = oder 2 60 = Bytes) A decade of digital universe growth 7910 Over the next decade, the number of servers (virtual and physical) worldwide will grow by 10 times. The amount of information managed by enterprise datacenters will grow by 50 times Exabytes The number of files the datacenter will have to deal with will grow by 75 times at least. Meanwhile, the number of IT professionals in the world will grow by less than 1.5 times. There were 5 exabytes of information created between the dawn of civilization through 2003, but that much information is now created every 2 days, and the pace is increasing. (Eric Schmidt Google 2010) Quelle: IDC Digital Universe
7 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Probleme und Limitationen von RDBMS. Datenmodell: Die Welt ist keine Tabelle 7
8 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Probleme und Limitationen von RDBMS. Datenmodell: Die Welt ist keine Tabelle Skalierung: und passt auch schlecht in eine hinein (Scale up vs. Scale out). 8
9 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Lösungsansätze von NoSQL: Datenmodell Skalierung Datenmodell Key/Value Systeme Columm Family Systeme Document Stores Map-Reduce Algorithmus Skalierung Consistency Availability Von AICD zu BASE Von Locks zu MVCC Von 2PC zu PAXOS Von Master-Slave zu Gossip Graph Datenbanken Partition Tolerance Sharding Consistent Hashing 9
10 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Gute Links und Literatur: Edlich et.al: NoSQL. Einstieg in die Welt Nichtrelationaler Web 2.0 DB. Hanser Marc Boeker: MongoDB. Sag ja zu NoSQL. entwickler.press Wiki der FH Köln/Campus Gummersbach zu NoSQL Sammlung von Infos zu NoSQL DB. Fundierter Lehrstoff zu Mehrrechner-DB Systemen. CouchDB Einführung 10
11 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Definition von NoSQL (Arbeitsversion). NoSQL: Nichtrelationale (schemafreie) verteilbare Datenverwaltungs- und Speicherungssysteme, die den Skalierungsanforderungen globaler 24/7-Web-Anwendungen durch modifizierte Konsistenzmodelle gerecht werden und über einfache APIs (CRUD, REST) angesprochen werden. 11
12 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Historie der Datenbanksysteme. Bibliothek von Alexandria. Ca. 300 vor Christus bis ca. 391 nach Christus 12
13 Prolog CAP-Theorem NoSQL Datenmodelle Fazit Historie der Datenbanksysteme. Datenbankenprodukte und Generationen. Hierarchische DBS Netzwerk DBS Relationale DBS OO DBS Dynamo NoSQL DB ORM Objectstore Poet BigTable IMS UDS Codasyl DB Oracle 1977 System/R IBM DB2 MS SQL Server mysql
14 Agenda. Prolog Teil 1 CAP-Theorem Teil 2 NoSQL-Datenmodelle Teil 3 NoSQL-Datenmodelle Key/Value Stores Teil 3a NoSQL-Datenmodelle Columm-Family Systeme Teil 3b NoSQL-Datenmodelle Document Store Teil 3c NoSQL-Datenmodelle Graph-Datenbanken Teil 3d Fazit Teil 4 Einsatz von Webmedien & Technologien in Unternehmen NoSQL 2.0 Please - Dr. Frank Schönefeld - Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH
15 Prolog Das CAP-Theorem NoSQL-Datenmodelle Fazit Das CAP Theorem. Consistency. Availability. Partition Tolerance. Consistency: Availability: Partition Tolerance: In verteilten DB-Systemen müssen bei Änderungen an Daten auch deren Replikate auf den aktuellen Stand gebracht werden (wo liegen die Replikate, was mache ich, wenn ein Replikatserver nicht erreichbar ist). Verfügbarkeit von Daten innerhalb akzeptabler Antwortzeiten (oder Schreibzeiten). Ausfalltoleranz des Gesamtsystems bzgl. Knoten (Server) und Verbindungen (Netzwerk, Latenz). Brewers Vermutung von 2000, dass nur 2 der 3 Eigenschaften gemeinsam realisiert werden können, wurde 2002 durch Gilbert und Lynch bewiesen. 15
16 Prolog Das CAP-Theorem NoSQL-Datenmodelle Fazit Das CAP Theorem. Consensus protocols for HA consistency Consistency Enforced consistency Paxos Availability Partition Tolerance Eventual consistency Quelle: J. Chris Anderson/Jan Lehnardt/ Noah Slater: Couch DB The Definitive Guide 16
17 Prolog Das CAP-Theorem NoSQL-Datenmodelle Fazit Lösungen für das Availability Problem. Multiversion Concurrency Control MVCC. WTS RTS WTS: Write Time Stamp 0 Joseph 0 0 Joseph 2 RTS: Read Time Stamp Vorteil: keine Lesesperren T4 Read Joseph = da (max(wts)=0) < 4 Write Maria = Ok, da (max(rts)=2) < 4 0 Joseph 2 4 Maria 4 Im Einsatz bei: CouchDB MySQL (mit InnoDB) T3 Read = Ok, liefert Joseph da (max(wts) < 3) = 0 Write Jesus T3 wird abgebrochen, und neu gestartet, da 3 < max (RTS) = 4 17
18 Prolog Das CAP-Theorem NoSQL-Datenmodelle Fazit Lösungen für das Partition Tolerance Problem. Consistent Hashing mit Hinted Handoff. S1 S2 S5 S4 S3 Consistent Hashing: Verfahren, um die Daten einem Knoten (S1-S5 zuzuweisen). Bei Ausfall eines Knotens, werden diese Daten auf die anderen verteilt, ohne die anderen Zuweisungen zu verändern. Hinted Handoff: Wenn 3 (allg. n) Replika gehalten werden und der Master-Knoten ist nicht erreichbar, merkt sich der 1. Replikaknoten die Daten mit Vermerk und versucht bei Wiederverfügbarkeit die Daten zu verschieben. Gossip: Topologieinformationsaustausch ohne Master Im Einsatz bei: Amazon Dynamo weiteren distributierten Filesystemen (GFS, ) 18
19 Prolog Das CAP-Theorem NoSQL-Datenmodelle Fazit Lösungen für das Partition Tolerance Problem. Consistent Hashing mit Hinted Handoff. S5 S4 X X S1 S2 S3 Replikation Ausfall Consistent Hashing: Verfahren, um die Daten einem Knoten (S1-S5 zuzuweisen). Bei Ausfall eines Knotens, werden diese Daten auf die anderen verteilt, ohne die anderen Zuweisungen zu verändern. Hinted Handoff: Wenn 3 (allg. n) Replika gehalten werden und der Master-Knoten ist nicht erreichbar, merkt sich der 1. Replikaknoten die Daten mit Vermerk und versucht bei Wiederverfügbarkeit die Daten zu verschieben. Gossip: Topologieinformationsaustausch ohne Master Im Einsatz bei: Amazon Dynamo weiteren distributierten Filesystemen (GFS, ) 19
20 Prolog Das CAP-Theorem NoSQL-Datenmodelle Fazit Das CAP Theorem Von ACID zu BASE. (Wortspiel!) Eine Reise durch das (Dis-)Continuum der Konsistenz. A tomicity: C onsistency: I solation: D urability: B asically available: S oft State: E ventually Consistent:. Atomare Transaktionen Ganz oder gar nicht. Die DB geht von einem konsistenten Zustand in einen anderen konsistenten Zustand über. (Auch: Alle Clients lesen den gleichen, konsistenten Zustand). Eine Transaktion hat den Eindruck, dass ihr die DB alleine gehört (sie nicht durch andere Transaktionen beeinflusst wird). Das Ergebnis einer Transaktion wird unter allen Umständen verteidigt. Mindestens eine Kopie (Replika) stellt den gültigen Zustand dar. Alles fließt. Nach genügend langer Wartezeit, hat sich der konsistente Zustand repliziert. 20
21 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Key Value Stores. Key Value Stores speichern Schlüssel und dazugehörige unstrukturierte oder strukturierte Werte. Datenmodell: {< key, value>, } oder {< key, value, timestamp>, } key value Set oder Liste key value Hash (Person) key Name: Marie Datenmanipulation: CRUD Beispiel MapReduce ff. Slides CQL Cassandra Query Language (SQL-like) jedes DBS mit eigener Sprache, kein Standard value value Alter: 34 Vertreter: Redis, Dynamo (eventually consistent) BigTable, Voldemort, Cassandra Memcached (HS-orientierte DB) Im Einsatz bei: Dynamo BigTable Memcached 21
22 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Key Value Stores - MapReduce. MapReduce ein einfaches Programmiermodell für verteilte Datenverarbeitung nach Saliya Ekanayake (map ( )) ( ) A list of values mapped into another list of values, which gets reduced into a single value (reduce ( )) Classical Notion of MapReduce in Functional Programming Quelle: 22
23 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Key Value Stores - MapReduce. MapReduce ein einfaches Programmiermodell für verteilte Datenverarbeitung nach Saliya Ekanayake parallel Version Each input to a map is a list of <key, value> pairs (<a, >, <o, >, <p, >, ) (<a, >, <o, >, <p, >, ) Grouped by key Each input to a reduce is a <key, value-list> (possibly a list of these, depending on the grouping/hashing mechanism) e.g. <a, ( )> Reduced into a list of values Quelle: 23
24 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Key Value Stores - MapReduce. MapReduce ein einfaches Programmiermodell für verteilte Datenverarbeitung nach Saliya Ekanayake parallel Version A list of <key, value> pairs mapped into another list of <key, value> pairs which gets grouped by the key and reduced into a list of values (<a, >, <o, >, <p, >, ) The idea of MapReduce in Data Intensive Computing Each input to a map is a list of <key, value> pairs (<a, >, <o, >, <p, >, ) Grouped by key Each input to a reduce is a <key, value-list> (possibly a list of these, depending on the grouping/hashing mechanism) e.g. <a, ( )> Reduced into a list of values Quelle: 24
25 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Key Value Stores MapReduce in Pseudocode. Aufgabe: WordCount in Dokumenten oder WebPages; Input: Key: document URL; Value: Document Content. Map (String input_key, String input_value) // input_key: document name // input value: document content for each word w in input_value: Emit Intermediate (w, 1 ); Reduce (String key, Iterator intermediate_values): // Key: a word, same for input and output // intermediate_value: a list of counts Int result = 0; for each v in intermediate_value: result += ParseInt (v); Emit (AsString (result)); Quelle: 25
26 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Key Value Stores MapReduce Performance. MR_Grep: Scan von 1 Terabytes in 100 sec MR_Sort: Sort von 1 Terabyte 100 Byte Records in 14 min (10 Mrd. Sätze!!!) Unter Einsatz von 1800 Rechnern (fault-tolerant) Typische Anwendungen bei Google: Language Statistics (finde alle Wortgruppen die aus 5 Wörtern bestehen und mindestens 4 mal vorkommen) Dokument-Info kombiniert mit Host-Infos (eine Art Join) Google production index Quelle: 26
27 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Column Family Systeme. Column Family Systeme speichern Sätze spaltenorientiert oder als Super Columns. Datenmodell: Column: Name, Daten, Timestamp SuperColumn: Name, {Column1, Column2, } Datenmanipulation: CRUD in Amazon Simple DB: key Domäne/Keyspace Create Domain key Name: Joseph Alter: 24 Item Name: Maria Alter: 20 Status: Single ColumnFamily: <Key, Column1, Column2, > SuperColumnFamily: <Key, SuperColumn1, > PutAttribute(attribute_name, value) Select target from domain_name where expression; Vertreter: Amazon Simple DB (eventually consistent) HBase, Hypertable Im Einsatz bei: Amazon Simple DB (AWS) HBase 27
28 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Document Stores. Document Stores speichern Daten in Form von Dokumenten. key Datenmodell: Domäne/Keyspace Name: Joseph Alter: 24 Item Name: Maria Alter: 20 Status: Single Datenmanipulation: CRUD in MongoDB: db.<collection>.<action>(<parameters>); db.beisp.insert({name: frank, age: 49, hobbies: [ volleyball, beach, DB ]}); action: find, save, update, remove Vertreter: MongoDB CouchDB MongoDB im Einsatz bei: FourSquare (für Geolocation) bit.ly (Userhistory) NY Times (Bildupload, Forms) 28
29 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Graph Datenbanken. Graph Datenbanken speichern Daten als Netzwerke verbundener Knoten. Datenmodell: Datenmanipulation: CRUD in neo4j mit dem REST API: POST /node { data} --Knoten anlegen GET /node/123 PUT /node/123/properties { data} DELETE /node/123 Vertreter: neo4j Im Einsatz bei: vorrangig für Geo-Informationssysteme Sones 29
30 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Klassifikation von NoSQL-Datenbankensystemen. Size Key-Value Stores Columm Family Stores Document Databases Graph Databases Complexity NoSQL Please! Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH 20. Januar
31 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Klassifikation von NoSQL-Datenbankensystemen. Size Key-Value Stores Columm Family Stores Document Databases Graph Databases > 90 % of the use cases Complexity NoSQL Please! Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH 20. Januar
32 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit NoSQL: Nathan Hursts Entscheidungspyramide für NoSQL-Datenbanken. Quelle: NoSQL Please! Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH 20. Januar
33 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Anwendungsfälle für NoSQL. Nach J. Hammerbacher (Cloudera). 1. Risikoanalysen (Kreditkartenbetrug) 2. Kundenanalysen (Kündigungsgründe) 3. Empfehlungssysteme 4. Ad Targeting 5. POS Transaction Analysen (Echtzeit) 6. Netzwerkanalysen 7. Bedrohungsanalysen 8. Überwachungsdatenanalyse 9. Suchqualitätsanalysen 10. Genom Datenanalysen 33
34 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Fazit SQL vs. NoSQL. Am Beispiel von MySQL. MySQL Datenmodell: spaltenorientiert Untereinheit der DB: Tabelle Primärschlüssel: Primary Key Transaktionen: Ja Stored Procedures: Ja Trigger: Ja Cursor: Ja Views: Ja Volltextsuche: Ja Replikation: Master/Slave Binärdaten: Ja, BLOB Map/Reduce: Nein NoSQL Datenmodell: KeyValue, Dokument, Graph, Untereinheit der DB: Collection,. Primärschlüssel: Object ID, Key, Transaktionen: Meistens nein, Stored Procedures: nein Trigger: nein Cursor: Häufig ja Views: selten Volltextsuche: Nicht immer Replikation: ja, verschiedene Verfahren Binärdaten: Ja Map/Reduce: Ja Nach Marc Boeker. MongoDB. 34
35 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Fazit SQL vs. NoSQL. Quelle: 35
36 Prolog Das CAP-Theorem NoSQL Datenmodelle Fazit Fazit. Web 2.0, Big Data und die Cloud haben völlig neue Typen von Datenbanken benötigt und hervorgebracht. Es ist wieder spannend, Datenbanker zu sein!!! NoSQL (Not only SQL) ist z.zt. ein dynamisches, inhomogenes noch nicht abgeschlossenes Wissensgebiet. Der Einsatz von NoSQL im normalen Unternehmensumfeld kann bereits heute Sinn machen. Deshalb in (vor) die Entwurfsphase von DB, die NoSQL-Betrachtung einbeziehen. NoSQL Please! Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH 20. Januar
37 Danke. NoSQL Please Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH 37
38 Dr. Frank Schönefeld Prokurist, Geschäftsleitung T-Systems Multimedia Solutions T-Systems Multimedia Solutions Riesaer Straße 5 D Dresden Telefon: Telefax: frank.schoenefeld@t-systems.com Web: Blog: Twitter: twitter.com/frank_open Bookmarks: delicious.com/frank_open../praxisleitfadene20 Xing: LinkedIn: Schoenefeld frage@t-systems-mms.com Xing Twitter Facebook Flickr Slideshare Youtube NoSQL Please Prof. Dr. Frank Schönefeld/ T-Systems Multimedia Solutions GmbH 38
Überblick und Vergleich von NoSQL. Datenbanksystemen
Fakultät Informatik Hauptseminar Technische Informationssysteme Überblick und Vergleich von NoSQL Christian Oelsner Dresden, 20. Mai 2011 1 1. Einführung 2. Historisches & Definition 3. Kategorien von
MehrStefan Edlich Achim Friedland Jens Rampe Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER
Stefan Edlich Achim Friedland Jens Rampe Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER Geleitwort 1 Vorwort 1 1 Einführung 1 1.1 Historie 1 1.2 Definition und
MehrNoSQL HANSER. Einstieg in die Web 2.0 Datenbanken. Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner
Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner NoSQL Einstieg in die Web 2.0 Datenbanken 2., akutalisierte und erweiterte Auflage HANSER Geleitwort Vorwort Vorwort zur 2. Auflage
MehrSQL- & NoSQL-Datenbanken. Speichern und Analysen von großen Datenmengen
SQL- & NoSQL-Datenbanken Speichern und Analysen von großen Datenmengen 1 04.07.14 Zitat von Eric Schmidt (Google CEO): There was 5 exabytes of information created between the dawn of civilization through
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
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,
MehrNoSQL. Einblick in die Welt nicht-relationaler Datenbanken. Christoph Föhrdes. UnFUG, SS10 17.06.2010
NoSQL Einblick in die Welt nicht-relationaler Datenbanken Christoph Föhrdes UnFUG, SS10 17.06.2010 About me Christoph Föhrdes AIB Semester 7 IRC: cfo #unfug@irc.ghb.fh-furtwangen.de netblox GbR (http://netblox.de)
MehrSimpleVOC-Yetanother. Bausteine für eine Key/Value- Datenbank
SimpleVOC-Yetanother Memcached? Bausteine für eine Key/Value- Datenbank SimpleVOC Yet another memcached? Bausteine für eine Key/Value Datenbank. Theorie (Martin Schönert) Praxis (Frank Celler) Eine Weisheit
MehrStefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN:
sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42355-8 Weitere Informationen oder Bestellungen
MehrBig Data Informationen neu gelebt
Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen
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
MehrBig Data Management Thema 14: Cassandra
Thema 14: Cassandra Jan Kristof Nidzwetzki Thema 14: Cassandra 1 / 25 Übersicht 1 Grundlagen Überblick Geschichte Datenmodel 2 Architektur Der logische Ring Persistenz der Daten Tunable Consistency Read
MehrInhaltsverzeichnis. Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner. NoSQL
sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42753-2 Weitere Informationen
MehrSocial Intranets und Enterprise 2.0
Web2.0: Networked Applications that explicitly leverage network effects. Tim O Reilly Social Intranets und Enterprise 2.0 Prof. Dr. Frank Schönefeld, Geschäftsleitung, T-Systems Multimedia Solutions GmbH
MehrBigTable. 11.12.2012 Else
BigTable 11.12.2012 Else Einführung Distributed Storage System im Einsatz bei Google (2006) speichert strukturierte Daten petabyte-scale, > 1000 Nodes nicht relational, NoSQL setzt auf GFS auf 11.12.2012
MehrPostgreSQL 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,
MehrEinführung in CouchDB
Einführung in CouchDB Zurücklehnen und entspannen! http://slog.io Thomas Schrader (@slogmen) 12/2010 Übersicht Bestandsaufnahme Ansatz Geschichte Technologien Features Skalierbarkeit Kurz & Gut Fazit Relationale
MehrKonzept zur Push Notification/GCM für das LP System (vormals BDS System)
Konzept zur Push Notification/GCM für das LP System (vormals BDS System) Wir Push Autor: Michael Fritzsch Version: 1.0 Stand: 04. Februar 2015 Inhalt 1. Was ist eine Push Notification? 2. Wofür steht GCM?
MehrNoSQL. Was Architekten beachten sollten. Dr. Halil-Cem Gürsoy adesso AG. Architekturtag @ SEACON 2012 Hamburg
NoSQL Was Architekten beachten sollten Dr. Halil-Cem Gürsoy adesso AG Architekturtag @ SEACON 2012 Hamburg 06.06.2012 Agenda Ein Blick in die Welt der RDBMS Klassifizierung von NoSQL-Datenbanken Gemeinsamkeiten
MehrDokumentenorientierte Datenbanken - MongoDB
Dokumentenorientierte Datenbanken - MongoDB Jan Hentschel Ultra Tendency UG Übersicht Dokumente sind unabhängige Einheiten Bessere Performance (zusammengehörige Daten werden gemeinsam gelesen) Objektmodell
MehrEnterprise 2.0 Redefinition der Wissensorganisation oder alter Wein in neuen Schläuchen? 9. Publishers Forum, 23. April 2012, Berlin
Enterprise 2.0 Redefinition der Wissensorganisation oder alter Wein in neuen Schläuchen? 9. Publishers Forum, 23. April 2012, Berlin Prof. Dr. Frank Schönefeld, T-Systems Multimedia Solutions GmbH Wenn
Mehr25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz
1 2 Dies ist ein Vortrag über Zeit in verteilten Anwendungen Wir betrachten die diskrete "Anwendungszeit" in der nebenläufige Aktivitäten auftreten Aktivitäten in einer hochgradig skalierbaren (verteilten)
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
MehrCassandra Query Language (CQL)
Cassandra Query Language (CQL) Seminar: NoSQL Wintersemester 2013/2014 Cassandra Zwischenpräsentation 1 Gliederung Basic facts Datentypen DDL/DML ähnlich zu SQL Besonderheiten Basic facts CQL kurz für
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
MehrNoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt
NoSQL & Big Data Datenorientierte Systemanalyse NoSQL Databases and Big Data Gerhard Wohlgenannt Die besprochenen Systeme haben nicht den Anspruch und das Ziel DBS zu ersetzen, sondern für gewisse Anwendungsfälle
MehrNoSQL Databases and Big Data
Datenorientierte Systemanalyse NoSQL Databases and Big Data Gerhard Wohlgenannt NoSQL & Big Data Die besprochenen Systeme haben nicht den Anspruch und das Ziel DBS zu ersetzen, sondern für gewisse Anwendungsfälle
MehrKonsistenzproblematik bei der Cloud-Datenspeicherung
Konsistenzproblematik bei der Cloud-Datenspeicherung ISE Seminar 2012 Adrian Zylla 1 Cloud Bereitstellung von Speicher- und Rechenkapazität Die Cloud ist für den Anwender eine Blackbox Besitzt drei Servicemodelle
MehrORM & OLAP. Object-oriented Enterprise Application Programming Model for In-Memory Databases. Sebastian Oergel
ORM & OLAP Object-oriented Enterprise Application Programming Model for In-Memory Databases Sebastian Oergel Probleme 2 Datenbanken sind elementar für Business-Anwendungen Gängiges Datenbankparadigma:
MehrNoSQL-Datenbanken. Kapitel 1: Einführung. Lars Kolb Sommersemester 2014. Universität Leipzig http://dbs.uni-leipzig.de 1-1
NoSQL-Datenbanken Kapitel 1: Einführung Lars Kolb Sommersemester 2014 Universität Leipzig http://dbs.uni-leipzig.de 1-1 Inhaltsverzeichnis NoSQL-Datenbanken Motivation und Definition Kategorisierung, Eigenschaften
MehrNoSQL-Databases. Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de
NoSQL-Databases Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de Klassische SQL-Datenbanken Anwendungsgebiet: Geschäftsanwendungen Behördenanwendungen
MehrDatenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie
Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter
MehrISBN: 978-3-8428-0679-5 Herstellung: Diplomica Verlag GmbH, Hamburg, 2011
Nils Petersohn Vergleich und Evaluation zwischen modernen und traditionellen Datenbankkonzepten unter den Gesichtspunkten Skalierung, Abfragemöglichkeit und Konsistenz Diplomica Verlag Nils Petersohn Vergleich
MehrEine Einführung in Apache CouchDB. Java-Forum Stuttgart 2011
Eine Einführung in Apache CouchDB Java-Forum Stuttgart 2011 Johannes Schneider, cedarsoft GmbH js@cedarsoft.com http://blog.cedarsoft.com http://cedarsoft.com Vielen Dank CouchDB The VERY Basics Vorerfahrung?
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,
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-
MehrDatenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie
Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter
MehrAlgorithmen. Consistent Hashing Bloom Filter MapReduce. Distributed Hash Tables. Einführung 1
Algorithmen Consistent Hashing Bloom Filter MapReduce Distributed Hash Tables Einführung 1 Consistent Hashing Problem: Wie finde ich den Speicherort für ein Objekt in einem verteilten System mit n Knoten?
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
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.
MehrArchitektur von Cassandra
Seminar: NoSQL Wintersemester 201/2014 Cassandra Zwischenpräsentation 1 Ablauf Replica Partitioners Snitches Besteht aus mehrere Knoten Jeder Knoten kann (Lesen, Schreib. oder Löschen) Verwendet Hash Algorithm
MehrSoziotechnische Informationssysteme
Soziotechnische Informationssysteme 8. NoSQL Relationale Datenbank NoSQL Datenbank Relationale Datenbank? NoSQL Datenbank RDBM 2 Warum? Skalierbarkeit Riesige Datenmengen Performanz und Elastizität Auslastung
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
MehrDatenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2015/16.
Datenbanksysteme Wintersemester 2015/16 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de MapReduce, Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 15/16 2 / 35 MapReduce,
MehrDateisysteme und Datenverwaltung in der Cloud
Dateisysteme und Datenverwaltung in der Cloud Sebastian Fischer Master-Seminar Cloud Computing - WS 2013/14 Institut für Telematik, Universität zu Lübeck Dateisysteme und Datenverwaltung in der Cloud 1
MehrJune 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration
June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen
MehrCharakteristika und Vergleich von SQL- und NoSQL- Datenbanken
Universität Leipzig Fakultät für Mathematik und Informatik Abteilung Datenbanken Dozent: Prof. Dr. Erhard Rahm Betreuer: Stefan Endrullis Problemseminar NoSQL-Datenbanken Semester: WS 11/12 Charakteristika
MehrNoSQL. Prof. Dr. Ingo Claßen. Einführung. Kategorisierung von NoSQL-Systemen. Verteilung. Konsistenz. Literatur
NoSQL Prof. Dr. Ingo Claßen Hochschule für Technik und Wirtschaft Berlin Einführung Kategorisierung von NoSQL-Systemen Verteilung Konsistenz Literatur Einführung Warum NoSQL Unterstützung großer Datenmengen
MehrWindows Server 2012 R2 Essentials & Hyper-V
erklärt: Windows Server 2012 R2 Essentials & Hyper-V Windows Server 2012 R2 Essentials bietet gegenüber der Vorgängerversion die Möglichkeit, mit den Boardmitteln den Windows Server 2012 R2 Essentials
MehrEXASOL Anwendertreffen 2012
EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2
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
MehrReferenzielle Integrität SQL
Referenzielle Integrität in SQL aus Referential Integrity Is Important For Databases von Michael Blaha (Modelsoft Consulting Corp) VII-45 Referenzielle Integrität Definition: Referenzielle Integrität bedeutet
MehrMySQL 101 Wie man einen MySQL-Server am besten absichert
MySQL 101 Wie man einen MySQL-Server am besten absichert Simon Bailey simon.bailey@uibk.ac.at Version 1.1 23. Februar 2003 Change History 21. Jänner 2003: Version 1.0 23. Februar 2002: Version 1.1 Diverse
MehrTools are a IT-Pro's Best Friend Diverse Tools, die Ihnen helfen zu verstehen, was auf dem System passiert oder das Leben sonst erleichtern.
Tools are a IT-Pro's Best Friend Diverse Tools, die Ihnen helfen zu verstehen, was auf dem System passiert oder das Leben sonst erleichtern. 22.05.2014 trueit TechEvent 2014 1 Agenda Sysinternals allgemeine
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.
MehrEin reales Testumfeld bereitstellen - basierend auf einer Produktionsdatenbank (ohne eine neue Kopie zu erstellen)
Ein reales Testumfeld bereitstellen - basierend auf einer Produktionsdatenbank (ohne eine neue Kopie zu erstellen) Auch in früheren Versionen als der 11.2, konnte man eine Standby Datenbank abhängen, sie
MehrMatrix42. Matrix42 Cloud Trial Erste Schritte. Version 1.0.0 03.02.2016 - 1 -
Matrix42 Matrix42 Cloud Trial Erste Schritte Version 1.0.0 03.02.2016-1 - Inhaltsverzeichnis 1Einleitung 3 2Cloud Trial Steuerung 4 2.1 Starten der Cloud-Umgebung 4 2.2 Bedienen der Maschinen in der Cloud
MehrAdvoware mit VPN Zugriff lokaler Server / PC auf externe Datenbank
Advoware mit VPN Zugriff lokaler Server / PC auf externe Datenbank Die Entscheidung Advoware über VPN direkt auf dem lokalen PC / Netzwerk mit Zugriff auf die Datenbank des zentralen Servers am anderen
MehrRavenDB, schnell und skalierbar
RavenDB, schnell und skalierbar Big Data & NoSQL, Aydin Mir Mohammadi bluehands GmbH & Co.mmunication KG am@bluehands.de Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit Skalierung http://www.flickr.com/photos/39901968@n04/4864698533/
MehrDaten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1
Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf
MehrDer Cloud Point of Purchase. EuroCloud Conference, 18. Mai 2011 (Christoph Streit, CTO & Co-Founder ScaleUp)"
Der Cloud Point of Purchase EuroCloud Conference, 18. Mai 2011 (Christoph Streit, CTO & Co-Founder ScaleUp)" Wer ist ScaleUp Hintergrund Cloud Provider ScaleUp ist ein Spin-Out des 12- Jahre alten MSPs
MehrHERZLICH WILLKOMMEN SHAREPOINT 2013 - DEEP DIVE FOR ADMINS 11.09.2012 IOZ AG 2
11.09.2012 IOZ AG 1 HERZLICH WILLKOMMEN SHAREPOINT 2013 - DEEP DIVE FOR ADMINS 11.09.2012 IOZ AG 2 AGENDA Über mich Architekturänderungen Systemvoraussetzungen Migration Fragen 11.09.2012 IOZ AG 3 ÜBER
MehrEin Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?
Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa
Mehrmysql - Clients MySQL - Abfragen eine serverbasierenden Datenbank
mysql - Clients MySQL - Abfragen eine serverbasierenden Datenbank In den ersten beiden Abschnitten (rbanken1.pdf und rbanken2.pdf) haben wir uns mit am Ende mysql beschäftigt und kennengelernt, wie man
MehrKurzanleitung um Transponder mit einem scemtec TT Reader und der Software UniDemo zu lesen
Kurzanleitung um Transponder mit einem scemtec TT Reader und der Software UniDemo zu lesen QuickStart Guide to read a transponder with a scemtec TT reader and software UniDemo Voraussetzung: - PC mit der
Mehr7. Datenbank-Zugriff. Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn. Zum Beispiel aus PHP-Skripten: Client 7-2
5 Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn 7 7. Datenbank-Zugriff Zum Beispiel aus PHP-Skripten: Client 7-2 Struktur einer Datenbank 7-3 Erzeugen von Datenbanken
MehrNoSQL Datenbanken am Beispiel von CouchDB
NoSQL Datenbanken am Beispiel von CouchDB OIO - Hauskonferenz 2011 Version: 1.0 Orientation in Objects GmbH Weinheimer Str. 68 68309 Mannheim www.oio.de info@oio.de Ihr Sprecher Thomas Bayer Programmierer
Mehr1 Einführung... 25. 2 Die Grundlagen... 55. 3 Praxis 1 das Kassenbuch (zentraler CouchDB-Server)... 139. 4 Praxis 2 das Kassenbuch als CouchApp...
Auf einen Blick 1 Einführung... 25 2 Die Grundlagen... 55 3 Praxis 1 das Kassenbuch (zentraler CouchDB-Server)... 139 4 Praxis 2 das Kassenbuch als CouchApp... 161 5 CouchDB-Administration... 199 6 Bestehende
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
MehrSo funktioniert die NetWorker 7.5 Eigenschaft zum Sichern umbenannter Verzeichnisse ( Backup renamed Directories )
NetWorker 7.5.0 - Allgemein Tip 8, Seite 1/7 So funktioniert die NetWorker 7.5 Eigenschaft zum Sichern umbenannter Verzeichnisse ( Backup renamed Directories ) Bisher war es der NetWorker Client Software
MehrModul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007. Name: Note:
1 Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007 Name: Note: Nr. Aufgaben Max. Punkte Erreichte Punkte 1 Grundlagen ~ 10% Vgl. Hinweis unten 2 Integrität, Procedures, Triggers, Sichten ~ 20%
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
MehrMatrix42. Use Case - Sicherung und Rücksicherung persönlicher Einstellungen über Personal Backup. Version 1.0.0. 23. September 2015 - 1 -
Matrix42 Use Case - Sicherung und Rücksicherung persönlicher Version 1.0.0 23. September 2015-1 - Inhaltsverzeichnis 1 Einleitung 3 1.1 Beschreibung 3 1.2 Vorbereitung 3 1.3 Ziel 3 2 Use Case 4-2 - 1 Einleitung
MehrHadoop. Eine Open-Source-Implementierung von MapReduce und BigTable. von Philipp Kemkes
Hadoop Eine Open-Source-Implementierung von MapReduce und BigTable von Philipp Kemkes Hadoop Framework für skalierbare, verteilt arbeitende Software Zur Verarbeitung großer Datenmengen (Terra- bis Petabyte)
Mehrbizsoft Rechner (Server) Wechsel
bizsoft Büro Software Büro Österreich, Wien Büro Deutschland, Köln Telefon: 01 / 955 7265 Telefon: 0221 / 677 84 959 e-mail: office@bizsoft.at e-mail: office@bizsoft.de Internet: www.bizsoft.at Internet:
Mehrwww.internet-einrichten.de
E-Mail-Programme E-Mail Adresse einrichten Bei t-online, AOL, Compuserve, und anderen können Sie sich E-Mail-Adressen einrichten. Dies hat aber den Nachteil, dass Sie diese nur mit der entsprechenden Zugangssoftware
MehrZugriff auf Firebird-Datenbanken mit PHP. Daniel de West DB-Campus-Treffen 15. Januar 2004
Zugriff auf Firebird-Datenbanken mit PHP Daniel de West DB-Campus-Treffen 15. Januar 2004 Inhalt PHP und Firebird Die wichtigsten Befehle Verbindungsaufbau Übermitteln von Abfragen Beenden von Verbindungen
MehrLokale Installation von DotNetNuke 4 ohne IIS
Lokale Installation von DotNetNuke 4 ohne IIS ITM GmbH Wankelstr. 14 70563 Stuttgart http://www.itm-consulting.de Benjamin Hermann hermann@itm-consulting.de 12.12.2006 Agenda Benötigte Komponenten Installation
MehrWas ist Amazon RDS? Datenbank Typen DB Instanzen Features. Live Demo Fazit. Amazon RDS - Till Ganzert 15.06.2012 2
Was ist Amazon RDS? Datenbank Typen DB Instanzen Features Kosten Live Demo Fazit 15.06.2012 2 Web-Service von Amazon Erlaubt mieten von Datenbanken Einrichtung, Betrieb und Skalierung übernimmt Anbieter
MehrOP-LOG www.op-log.de
Verwendung von Microsoft SQL Server, Seite 1/18 OP-LOG www.op-log.de Anleitung: Verwendung von Microsoft SQL Server 2005 Stand Mai 2010 1 Ich-lese-keine-Anleitungen 'Verwendung von Microsoft SQL Server
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
MehrNODELOCKED LIZENZ generieren (ab ST4)
NODELOCKED LIZENZ generieren () Besuchen Sie folgende Webseite support.ugs.com/global/de ( ohne www oder http:// ) Klicken Sie auf Lizenz Verwaltung und dann auf aktuelle Lizenz 1 1. Geben Sie Ihren Webkey
MehrBig Data & Analytics Nationaler Akademietag, Fulda Referent: Meinhard Lingo
Big Data & Analytics Nationaler Akademietag, Fulda 20.04.2018 Referent: Meinhard Lingo E-Mail: meinhard.lingo@bs1in.de Big Data & Analytics Big Data-Anwendungen: Ein Paradigmenwechsel. Kompetenzen? mögliche
MehrHow to install freesshd
Enthaltene Funktionen - Installation - Benutzer anlegen - Verbindung testen How to install freesshd 1. Installation von freesshd - Falls noch nicht vorhanden, können Sie das Freeware Programm unter folgendem
MehrXING und LinkedIn-Integration in das erecruiter-bewerberportal
XING und LinkedIn-Integration in das erecruiter-bewerberportal Sowohl für XING als auch für LinkedIn müssen sog. Keys beantragt werden, die im erecruiter hinterlegt werden. Im Folgenden sind die Schritte
MehrAuf einen Blick. 1 Einführung 25. 2 Die Grundlagen 55. 3 Praxis 1 - das Kassenbuch. (zentraler CouchDB-Server) 139
Auf einen Blick 1 Einführung 25 2 Die Grundlagen 55 3 Praxis 1 - das Kassenbuch (zentraler CouchDB-Server) 139 4 Praxis 2 - das Kassenbuch als CouchApp 161 5 CouchDB-Administration 199 6 Bestehende Anwendungen
MehrKURZANLEITUNG CLOUD OBJECT STORAGE
KURZANLEITUNG CLOUD OBJECT STORAGE Version 1.12 01.07.2014 SEITE _ 2 INHALTSVERZEICHNIS 1. Einleitung... Seite 03 2. Anmelden am Cloud&Heat Dashboard... Seite 04 3. Anlegen eines Containers... Seite 05
MehrBackup-Server einrichten
Einsteiger Fortgeschrittene Profis markus.meinl@m-quest.ch Version.0 Voraussetzungen für diesen Workshop. Die M-Quest Suite 2005-M oder höher ist auf diesem Rechner installiert 2. Das Produkt M-Lock ist
MehrInstallation mit Lizenz-Server verbinden
Einsteiger Fortgeschrittene Profis markus.meinl@m-quest.ch Version 1.0 Voraussetzungen für diesen Workshop 1. Die M-Quest Suite 2005-M oder höher ist auf diesem Rechner installiert 2. Der M-Lock 2005 Lizenzserver
MehrHallo! Social Media in der praktischen Anwendung 11.07.2014. Warum macht man was und vor allem: wie? Osnabrück, den 07. Juli 2014.
Social Media in der praktischen Anwendung Warum macht man was und vor allem: wie? Osnabrück, den 07. Juli 2014 Julius Hoyer Hallo! 09. Juli 2014 ebusiness-lotse Osnabrück 2 1 ebusiness Lotse Osnabrück
MehrFakultät für Informatik & Wirtschaftsinformatik DB & IS II SS 2015. NoSQL. http://www.w3resource.com/mongodb/nosql.php. Dr. Christian Senger.
NoSQL http://www.w3resource.com/mongodb/nosql.php NoSQL 1 Short History of Databases 1960s - Navigational DBs CODEASYL (COBOL) IMS (IBM) 1980s to 1990s - Object Oriented DBs Object DB's Object-Relational-
Mehr4. Hierarchische und netzwerkartige Datenbankmodelle
4. Hierarchische und netzwerkartige Datenbankmodelle 4.1 Hierarchische Datenbanken Hierarchien können durch Baumgraphen beschrieben werden. Datensätze einer hierarchischen Datenbank (HDB) sind in Segmenten
MehrGoogle - Wie komme ich nach oben?
Vortrag 17.03.2015 IHK Bonn /Rhein -Sieg Google - Wie komme ich nach oben? Internetagentur und Wirtschaftsdienst Bonn 1 Das sagt Google Bieten Sie auf Ihren Webseiten qualitativ hochwertigen Content, besonders
MehrBig Data Kundendaten im 2015 Michael Gisiger Wortgefecht Training & Beratung
Big Data Kundendaten im 2015 Social Media für Medienunternehmen Trendtagung am Agenda Kurze Vorstellung Big Data was ist das genau? Case: DW Nutzungsdaten und -analysen von Videos im Web 2 Vorstellung
MehrZeichnungskoordination in der Cloud
Zeichnungskoordination in der Cloud Mit AutoCAD 360 haben Sie die Möglichkeit von jedem beliebigen Rechner oder Mobilgerät auf Ihre Zeichnungsdaten im Autodesk 360 Account zuzugreifen. Sie benötigen hier
MehrVersion 1.0 [Wiederherstellung der Active Directory] Stand: 11.01.10. Professionelle Datensicherung mit SafeUndSave.com. Beschreibung.
Version 1.0 [] Stand: 11.01.10 Beschreibung Safe und Save WWS2000 durch den Verzeichniswiederherstellungsmodus Seite 1 von 9 Version 1.0 [] Stand: 11.01.10 1. HISTORIE... 3 2. EINLEITUNG... 4 3. VORAUSSETZUNGEN...
MehrTuning des Weblogic /Oracle Fusion Middleware 11g. Jan-Peter Timmermann Principal Consultant PITSS
Tuning des Weblogic /Oracle Fusion Middleware 11g Jan-Peter Timmermann Principal Consultant PITSS 1 Agenda Bei jeder Installation wiederkehrende Fragen WievielForms Server braucheich Agenda WievielRAM
MehrEigenen WSUS Server mit dem UNI WSUS Server Synchronisieren
Verwaltungsdirektion Informatikdienste Eigenen WSUS Server mit dem UNI WSUS Server Synchronisieren Inhaltsverzeichnis Einleitung... 3 Installation WSUS Server... 4 Dokumente... 4 Step by Step Installation...
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
MehrKurzanleitung OOVS. Reseller Interface. Allgemein
Kurzanleitung OOVS Reseller Interface Allgemein Durch die Einführung des neuen Interfaces hat sich für Reseller von Syswebcom etwas geändert. Die Struktur der Kundenverwaltung ist einprägsamer, wenn man
Mehr