TECHNISCHE HERAUSFORDERUNGEN UND ANSÄTZE DER NUTZUNG VON SENTINEL-DATEN CARSTEN BROCKMANN, MARTIN BOETTCHER BROCKMANN CONSULT GMBH

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "TECHNISCHE HERAUSFORDERUNGEN UND ANSÄTZE DER NUTZUNG VON SENTINEL-DATEN CARSTEN BROCKMANN, MARTIN BOETTCHER BROCKMANN CONSULT GMBH"

Transkript

1 TECHNISCHE HERAUSFORDERUNGEN UND ANSÄTZE DER NUTZUNG VON SENTINEL-DATEN CARSTEN BROCKMANN, MARTIN BOETTCHER BROCKMANN CONSULT GMBH

2 BROCKMANN CONSULT Gegr. 1999, Geesthacht bei Hamburg 28 Mitarbeiter davon 11 mit PhD + 8 MA bei BG Sweden Informatiker, Physiker and Umweltwissenschaftler 2 Geschäftsbereiche: Umweltinformatik Geo-information-Dienstleistungen Entwickler der Sentinel 3, 2, 1 Toolboxen (ESA Auftrag) Calvalus Massiv parallele Verarbeitung von EO Daten

3 Zugriff auf Sentinel Daten warum? Systematische Erstellung von Informationsprodukten zur Wasserqualität Nord- und Ostsee Chlorophyll Concentration 3

4 Zugriff auf Sentinel Daten - Wasserqualität Systematische Erstellung von Informationsprodukten zur Wasserqualität Nord- und Ostsee Datenvolumina und Verarbeitung heute Input ENVISAT/MERIS ~ 135TB FR Level TB RR, ganze Mission MODIS Aqua ~ 17TB/Jahr (~50GB/Tag) WAQSS Dienst (Wasserqualität Nord- und Ostsee) MERIS download ~15 TB/Jahr ~40 GB/Tag Extraktion AOI + höherwertige Produkte (1.5TB/Jahr) MODIS Extraktion und höherwertige Produkte < 1TB/J Spezielle Produkte (Individualprodukte, 50TB/J) 4

5 Zugriff auf Sentinel Daten - Landdienste Globale und regionale thematische Landoberflächen Kartierung und Klassifikation 9 year global composite surface reflectance ( ) Kartierung Vegetation & Muscheln Wattenmeer 5

6 Zugriff auf Sentinel Daten - Landdienste Globale und regionale thematische Landoberflächen Kartierung und Klassifikation Datenvolumina und Verarbeitung heute Input ENVISAT/MERIS ~ 135TB FR Level TB RR, ganze Mission SPOT-VGT ~20TB Landsat 5 + 8, 20TB (wachsend) Land Dienste Globale Landprodukte (Albedo, Landcover) ~ 50TB Regionale Produkte < 1TB 6

7 Zugriff auf Sentinel Daten - Binnengewässer Informationsprodukte Wasserqualität von Seen, global Datenvolumina und Verarbeitung heute Landsat 8, keine systematische Verarbeitung Demonstrationsprodukte < 1TB Abb. Eirini Politi, Uni. Dundee, GloboLakes Projekt Dominante Phytoplankton Spezies, Lake Nicaragua (Brockmann Consult) 7

8 Datenvolumina Sentinel Ära Sentinel input Daten S1A Level 1: ~432 TB/J (+ same amount for S1B) S2A Level 1: ~751 TB/J (+ same amount for S2B) S3A Level 1: ~451 TB/J (OLCI+SLSTR, + same amount for S3B) Küstengewässer Nord- und Ostsee (WAQSS), nur S3: OLCI S3A+B ~440 TB/Jahr (~1200 GB/Tag), Extraktion Nord- und Ostsee AOI + höherwertige Produkte ~ 40TB/J Binnengewässer (Auswahl, weltweit) Output: S2A 15TB/J + S3A 5TB/J = 20TB/J Globale Landcover Produkte Input: 300m räumliche Auflösung (OLCI) erst 220TB/J (S3A), später 440TB/J (S3A+B) 10m räuml. Auflösung, Kontinente, 750TB/J (S2A), später 1.5PB/J (S2A+B) Output ~ 5TB/J 8

9 Anforderungen Anwendungsfall 1: NRT Anwendungsfall 2: Zeitserien und statistische Produkte Mehrere Prozessierungen des gesamten Datensatzes erforderlich aufgrund von Agorithmenverbesserungen ENVISAT Ära Globale Prozessierung ist Treiber, Input Daten 140TB Sentinel Ära Sukkessiv anwachsendes Datenvolumen ~ 1PB/Jahr input Subsetting von AOIs und vorhalten in privater cloud Datenvolumen ~100TB/Jahr Hosted processing in privater cloud Langzeitarchivierung beim Datenoriginator oder nationaler Mirror-site 9

10 Calvalus Ansatz Massive-parallel Prozessierung von Erdbeobachtungsdaten Basierend auf MapReduce & Apache Hadoop Data locality Technologie im Innern der cloud Work-flows Rapid prototyping Level 2 & Level 3 Prozessierung Zeitserien, match-up Analyse Hosted Processing Daten und Software gleichbehandelt Verteilung im System 10

11 L2/L3 Processing Realisation MERIS RR L1, global, 10-day CoastColour C2W processor 1.5 hours (22 nodes) 1 L3 product L2 Proc. & Spat. L1 File Binning L2 Proc. & Spat. Spa.Bins (Mapper Task) L1 File Binning Spat.Bins L2 Proc. & Spat. (Mapper Task) L1 File Binning Spat.Bins L2 Proc. & Spat. (Mapper Task) L1 File Binning L2 Proc. & Spat. Spat.Bins (Mapper Task) L1 File Binning Spat.Bins (Mapper Task) L3 Temp. Binning (Reducer L3 Temp. Task) Binning (Reducer Task) Temp.Bins Temp.Bins L3 Formatting (Staging) L3 File(s)

12 Example: Calvalus for Land Cover CCI Quicklook generation for full mission MERIS FRS and RR reads and processes 150 TB input data in 10 hours. This is about 50 Gbit/s. Generation of 7-day composites of surface reflectance from full mission MERIS FRS and RR for CCI Land Cover is a data and computing intensive automated job that runs for 3 months on a 72 nodes Calvalus/Hadoop cluster Other full mission processes are between these two times. 12

13 Global Lakes Vorverarbeitungssystem Private Cloud Ansatz 13

14 Systematic Data Driven Work Flow 14

15 Collaborative Ground Segement Context 15

16 Fazit Wir werden Sentinel (2+3) als Fortsetzung der Europäischen Datenversorgung nutzen. Verlängerung der Zeitreihe, verbesserte Datenqualität Fortsetzung vorhandener NRT-Services, denen die Europäischen Daten ausgegangen waren Neue Services, um weitere wissenschaftliche Entwicklungen in die Nutzung zu überführen Wir werden einen Teil des Datenstroms in-house verarbeiten Retrieval eines relevanten Ausschnitts des Datenstroms (ausgewählter Sensor, ausgewählte Region) zur lokalen Prozessierung Bereitstellung für Partner und Kunden (private cloud) wiederholte Nutzung, daher auch Speicherung Anbieten von Daten Produkte Anbieten von hosted processing auf den vorverarbeiteten Daten Wir planen, zumindest in den ersten Jahren der Missionen hosted processing zu nutzen stark aggregierte Ergebnisse (von uns seltener genutzte Daten) Zugriff auf Convenience Produkt wäre sehr nützlich (S1+2+3 auf gleichem Raster, Vorklassifikation) Kosten müssten unter Transfer+Speicherung bei uns liegen, um attraktiv zu sein 16

Copernicus Data Access and Exploitation Collaborative Infrastructure COPACI

Copernicus Data Access and Exploitation Collaborative Infrastructure COPACI www.dlr.de Folie 1 Copernicus Data Access and Exploitation Collaborative Infrastructure COPACI Konzept und Status 06. März 2014 Bonn-Oberkassel www.dlr.de Folie 2 Copernicus wird Wirklichkeit EU Copernicus

Mehr

CODE-DE Copernicus Data and Exploitation Platform Deutschland - Tools/Prozessierung, Projekte und Produkte - Das CODE-DE Team

CODE-DE Copernicus Data and Exploitation Platform Deutschland - Tools/Prozessierung, Projekte und Produkte - Das CODE-DE Team CODE-DE Copernicus Data and Exploitation Platform Deutschland - Tools/Prozessierung, Projekte und Produkte - Das CODE-DE Team * Ziele von CODE-DE nach März 2017 CODE-DE soll Nutzern in Deutschland Behörden,

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

Near Real Time - SAR basierte Anwendungen im maritimen Bereich

Near Real Time - SAR basierte Anwendungen im maritimen Bereich GeoForum MV 2011 Near Real Time - SAR basierte Anwendungen im maritimen Bereich Matthias Berg, Susanne Lehner, Stephan Brusch, Egbert Schwarz DLR Cluster Angewandte Fernerkundung Inhalt Übersicht Synthetic

Mehr

BIG UNIVERSITÄTSRECHENZENTRUM

BIG 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

Mehr

Neue Ansätze der Softwarequalitätssicherung

Neue Ansätze der Softwarequalitätssicherung Neue Ansätze der Softwarequalitätssicherung Googles MapReduce-Framework für verteilte Berechnungen am Beispiel von Apache Hadoop Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik

Mehr

GMES-Echtzeitdienste: Anforderungen an die Bodenempfangsstation und das Datenmanagement

GMES-Echtzeitdienste: Anforderungen an die Bodenempfangsstation und das Datenmanagement GMES-Echtzeitdienste: Anforderungen an die Bodenempfangsstation und das Datenmanagement H. Maass, E. Schwarz, S. Lehner* Nationales Bodensegment Deutsches Fernerkundungsdatenzentrum (DFD) * Institut für

Mehr

Earth Observation & Mapping

Earth Observation & Mapping Maritime Unterwassertopographie GMES Thementage 2012: Maritime Sicherheit EOMAP GmbH & Co. KG Airport Oberpfaffenhofen Germany www.eomap.com Dr. Knut Hartmann (hartmann@eomap.de) Dr. Thomas Heege (heege@eomap.de)

Mehr

APPS4GMES. Entwicklung operationeller Produkt- und Serviceketten zur Umsetzung von GMES- Diensten und Monitoringaufgaben

APPS4GMES. Entwicklung operationeller Produkt- und Serviceketten zur Umsetzung von GMES- Diensten und Monitoringaufgaben Entwicklung operationeller Produkt- und Serviceketten zur Umsetzung von GMES- Diensten und Monitoringaufgaben Verbundprojekt im Rahmen des Bayerisches Raumfahrtförderprogramms (2012 2015) Florian Appel

Mehr

Big Data Informationen neu gelebt

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

Mehr

Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien

Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien Wir unternehmen IT. Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien Karlsruhe, 30.09.2015 $id thgreiner Thorsten Greiner Teamleiter Software Development ConSol* Software GmbH, Düsseldorf

Mehr

UAV-Datenprozessierung. Gabriela Apfl MFB-GeoConsulting

UAV-Datenprozessierung. Gabriela Apfl MFB-GeoConsulting UAV-Datenprozessierung Automatisch einfach zuverlässig Gabriela Apfl MFB-GeoConsulting MFB-GeoConsulting Steckbrief Seit 16 Jahren erfolgreich auf dem Geoinformatik-Markt. Hexagon Geospatial Channel Partner

Mehr

Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE

Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE Institut für Kartographie und Geoinformatik Leibniz Universität Hannover Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE Frank Thiemann, Thomas Globig Frank.Thiemann@ikg.uni-hannover.de

Mehr

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution

EXASOL @ 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

Mehr

Big Data Anwendungen Chancen und Risiken

Big Data Anwendungen Chancen und Risiken Big Data Anwendungen Chancen und Risiken Dr. Kurt Stockinger Studienleiter Data Science, Dozent für Informatik Zürcher Hochschule für Angewandte Wissenschaften Big Data Workshop Squeezing more out of Data

Mehr

Big Data Mythen und Fakten

Big 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

Mehr

Automatische Vorklassifikation von optischen Multi- Sensor Fernerkundungsdaten als Grundlage für semantische Abfragen in FE-Datenarchiven

Automatische Vorklassifikation von optischen Multi- Sensor Fernerkundungsdaten als Grundlage für semantische Abfragen in FE-Datenarchiven ESA Technologie Transfer Tag Schwerpunkt Big Data 5. Dezember 2013 Ort: FFG Forschungsförderungsgesellschaft Automatische Vorklassifikation von optischen Multi- Sensor Fernerkundungsdaten als Grundlage

Mehr

NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse

NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse Carsten Czarski Oracle Deutschland B.V. & Co KG Big Data Betrachten von Daten die bislang nicht betrachtet wurden

Mehr

Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken

Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken Rico Richter, FG Computergrafische Systeme Prof. Döllner Workshop 3D-Stadtmodelle 2014 Kontext und Problemstellung

Mehr

Beratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting

Beratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting Beratung Results, no Excuses. Consulting Lösungen Grown from Experience. Ventum Consulting SQL auf Hadoop Oliver Gehlert 1 Ventum Consulting Daten und Fakten Results, no excuses Fachwissen Branchenkenntnis

Mehr

Einführung in Hadoop

Einführung in Hadoop Einführung in Hadoop Inhalt / Lern-Ziele Übersicht: Basis-Architektur von Hadoop Einführung in HDFS Einführung in MapReduce Ausblick: Hadoop Ökosystem Optimierungen Versionen 10.02.2012 Prof. Dr. Christian

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten 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-

Mehr

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie4RISuPV.PPT/hoffmann/feb10/1 R4eGov Technologie4RISuPV.PPT/hoffmann/feb10/2 Ausgangspunkt:

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

Sentinels, Dienste und nationale Fördermaßnahmen

Sentinels, Dienste und nationale Fördermaßnahmen Copernicus - das europäische Erdbeobachtungsprogramm Sentinels, Dienste und nationale Fördermaßnahmen 'DLM-Update'-Nutzerworkshop II 15.03.-16.03.2016 Alexandra Förster Das Copernicus Programm Überwachung

Mehr

on Azure mit HDInsight & Script Ac2ons

on Azure mit HDInsight & Script Ac2ons Willkommen beim #GAB 2015! on Azure mit HDInsight & Script Ac2ons Lokale Sponsoren: HansPeter Grahsl Netconomy Entwickler & Berater FH CAMPUS 02 Twi9er: @hpgrahsl Überblick Inhalte Was ist HDInsight? Wozu

Mehr

Creating your future. IT. αacentrix

Creating your future. IT. αacentrix Creating your future. IT. αacentrix We bring IT into Business Context Creating your future. IT. Wir sind eine Strategie- und Technologieberatung mit starkem Fokus auf die IT-Megatrends Cloud, Mobility,

Mehr

EOxServer & MapServer. Open Source Lösungen für Erdbeobachtungsdaten

EOxServer & MapServer. Open Source Lösungen für Erdbeobachtungsdaten EOxServer & MapServer Open Source Lösungen für Erdbeobachtungsdaten Wer ist EOX? (Was tun wir so & für wen?) Erdbeobachtung 101 Ofene Standards für Geoinformations Systeme MapServer EOxServer Wer ist

Mehr

Der 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) 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

Mehr

Open Access und Open Data in Horizon 2020. Workshop Foster/FFG, Wien, 11. Juni 2015 Barbara Sánchez Solís, Paolo Budroni, Universität Wien

Open Access und Open Data in Horizon 2020. Workshop Foster/FFG, Wien, 11. Juni 2015 Barbara Sánchez Solís, Paolo Budroni, Universität Wien Open Access und Open Data in Horizon 2020 Workshop Foster/FFG, Wien, 11. Juni 2015 Barbara Sánchez Solís, Paolo Budroni, Universität Wien DER KONTEXT Sánchez, Budroni Universität Wien 2 11 Juni 2015 e-infrastructures

Mehr

Wir befinden uns inmitten einer Zeit des Wandels.

Wir befinden uns inmitten einer Zeit des Wandels. Wir befinden uns inmitten einer Zeit des Wandels. Geräte Apps Ein Wandel, der von mehreren Trends getrieben wird Big Data Cloud Geräte Mitarbeiter in die Lage versetzen, von überall zu arbeiten Apps Modernisieren

Mehr

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer Big in Azure Ein Beispiel mit HD Insight Ralf Stemmer Agenda owas ist Big? Was ist HD Insight? owelche Probleme kann man damit lösen? odemo Was ist Big? Was ist HD Insight? Datenexplosion - Rasanter Zuwachs

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Satellitendaten auf der ArcGIS Plattform von Esri Content und Marketplace für Kunden und Endnutzer

Satellitendaten auf der ArcGIS Plattform von Esri Content und Marketplace für Kunden und Endnutzer Satellitendaten auf der ArcGIS Plattform von Esri Content und Marketplace für Kunden und Endnutzer Dr. A. Carstens Esri Deutschland GmbH Berlin, 5.11.2015 ArcGIS Plattform ArcGIS Plattform Fachanwender

Mehr

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

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

Mehr

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1

Daten 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

Mehr

Climate change and availability of water resources for Lima

Climate change and availability of water resources for Lima Climate change and availability of water resources for Lima András Bárdossy bardossy@iws.uni-stuttgart.de Lima Marzo 12. 2009 1 Engineers and the future Knowledge about Past Design for Future Lima Marzo

Mehr

Funktionale Sicherheit ISO 26262 Schwerpunkt Requirements Engineering,

Funktionale Sicherheit ISO 26262 Schwerpunkt Requirements Engineering, Funktionale Sicherheit ISO 26262 Schwerpunkt Requirements Engineering, Manfred Broy Lehrstuhl für Software & Systems Engineering Technische Universität München Institut für Informatik ISO 26262 Functional

Mehr

Wie Unternehmen von Geofernerkundungsdaten profitieren können

Wie Unternehmen von Geofernerkundungsdaten profitieren können Wie Unternehmen von Geofernerkundungsdaten profitieren können 1. Teil Dr. André Hollstein andre.hollstein@gfz-potsdam.de 2. Teil Fortsetzung: Dr. Mike Sips sips@gfz-potsdam.de Inhalt (Teil 1.) Kurzvorstellung

Mehr

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors Privacy-preserving Ubiquitous Social Mining via Modular and Compositional s Evangelos Pournaras, Iza Moise, Dirk Helbing (Anpassung im Folienmaster: Menü «Ansicht» à «Folienmaster») ((Vorname Nachname))

Mehr

TK-Expertenkonferenz

TK-Expertenkonferenz Wertschöpfungskette Breitband von der Glasfaser zu Web 2.0! - Zusammenfassung - Wissenschaftszentrum Bonn Christian Löb, Telefónica o2 Germany GmbH & Co. OHG Die Internetnutzung ändert sich massiv. Immer

Mehr

Einführung in Hadoop & MapReduce. Dr. Kathrin Spreyer Big Data Engineer

Einführung in Hadoop & MapReduce. Dr. Kathrin Spreyer Big Data Engineer Einführung in Hadoop & MapReduce Dr. Kathrin Spreyer Big Data Engineer München, 19.06.2013 Agenda Einleitung 1. HDFS 2. MapReduce 3. APIs 4. Hive & Pig 5. Mahout Tools aus Hadoop-Ökosystem 6. HBase 2 Worum

Mehr

Hadoop. Simon Prewo. Simon Prewo

Hadoop. Simon Prewo. Simon Prewo Hadoop Simon Prewo Simon Prewo 1 Warum Hadoop? SQL: DB2, Oracle Hadoop? Innerhalb der letzten zwei Jahre hat sich die Datenmenge ca. verzehnfacht Die Klassiker wie DB2, Oracle usw. sind anders konzeptioniert

Mehr

June 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration

June 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

Mehr

FME Server comme plateforme d échanges de données raster multi-temporelles chez MeteoSuisse

FME Server comme plateforme d échanges de données raster multi-temporelles chez MeteoSuisse FME Server comme plateforme d échanges de données raster multi-temporelles chez MeteoSuisse FME Server als multidimensionale Rasterdatendrehscheibe bei MeteoSchweiz Estelle Grüter, Meteoschweiz. Estelle.Grueter@meteoswiss.ch

Mehr

Cloud Computing - die Lösung der Zukunft

Cloud Computing - die Lösung der Zukunft Cloud Computing - die Lösung der Zukunft Agenda: 08:30 08:40 Begrüssung Herr Walter Keller 08:40 09:00 Idee / Aufbau der Cloud Herr Daniele Palazzo 09:00 09:25 Definition der Cloud Herr Daniele Palazzo

Mehr

SAP mit Microsoft SharePoint / Office

SAP mit Microsoft SharePoint / Office SAP mit Microsoft SharePoint / Office Customer Holger Bruchelt, SAP SE 3. Mai 2016 Disclaimer Die in diesem Dokument enthaltenen Informationen können ohne vorherige Ankündigung geändert werden. Dieses

Mehr

Die Suche nach dem geeigneten Arzt Nutzbarkeit von Arztbewertungs- und Krankenhausvergleichsportalen. Prof. Dr. Uwe Sander

Die Suche nach dem geeigneten Arzt Nutzbarkeit von Arztbewertungs- und Krankenhausvergleichsportalen. Prof. Dr. Uwe Sander Die Suche nach dem geeigneten Arzt Nutzbarkeit von Arztbewertungs- und Krankenhausvergleichsportalen Prof. Dr. Uwe Sander Themen 1. Einführung 2. Das Usability-Labor der Hochschule Hannover 3. Eyetracking

Mehr

Soziale Netzwerke im Unternehmen Aktuelle Trends und Entwicklungen. Dr. Raphael Volz Arbeitskreis Wissensmanagement FZI, Karlsruhe 13.11.

Soziale Netzwerke im Unternehmen Aktuelle Trends und Entwicklungen. Dr. Raphael Volz Arbeitskreis Wissensmanagement FZI, Karlsruhe 13.11. Soziale Netzwerke im Unternehmen Aktuelle Trends und Entwicklungen Dr. Raphael Volz Arbeitskreis Wissensmanagement FZI, Karlsruhe 13.11.2008 Wir begleiten Sie von der Idee zum fertigen Produkt Integration

Mehr

Data Mining und Machine Learning

Data Mining und Machine Learning Data Mining und Machine Learning Teil 7: Verteiltes Rechnen mit Map Reduce Dr. Harald König, FHDW Hannover 30. November 2015 Inhalt 1 Verteiltes Rechnen 2 Map Reduce 3 Anwendungen 4 Map Reduce: Weiterführende

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

Mehr

Cloud Services und Mobile Workstyle. Wolfgang Traunfellner, Country Manager Austria, Citrix Systems GmbH wolfgang.traunfellner@citrix.

Cloud Services und Mobile Workstyle. Wolfgang Traunfellner, Country Manager Austria, Citrix Systems GmbH wolfgang.traunfellner@citrix. Cloud Services und Mobile Workstyle Wolfgang Traunfellner, Country Manager Austria, Citrix Systems GmbH wolfgang.traunfellner@citrix.com Mobile Workstyles Den Menschen ermöglichen, wann, wo und wie sie

Mehr

Arbeiten 4.0. Cyber-physikalische Systeme revolutionieren unsere Arbeitswelten und Leitmärkte. Margit Noll Corporate Strategy

Arbeiten 4.0. Cyber-physikalische Systeme revolutionieren unsere Arbeitswelten und Leitmärkte. Margit Noll Corporate Strategy Arbeiten 4.0 Cyber-physikalische Systeme revolutionieren unsere Arbeitswelten und Leitmärkte Margit Noll Corporate Strategy Cyber-physische Systeme bezeichnet den Verbund informatischer, softwaretechnischer

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie BIG DATA Future Opportunities and Challanges in the German Industry Zusammenfassung Die Menge der verfügbaren

Mehr

Aqcuisition Processing Distribution Exploit/View

Aqcuisition Processing Distribution Exploit/View Rendering und Bereitstellung massiver Geodaten unter Verwendung von OpenWebGlobe und MapCache in der Cloud Robert Wüest, Martin Christen, Benjamin Loesch Fachhochschule Nordwestschweiz Aqcuisition Processing

Mehr

SECTINO. Security for Inter-Organizational Workflows

SECTINO. Security for Inter-Organizational Workflows SECTINO Security for Inter-Organizational Workflows Framework zur Modellierung und Realsisierung sicherheitskritischer organisationsübergreifender Workflows Kooperation Research Group Quality Engineering

Mehr

Microsoft Office SharePoint 2007

Microsoft Office SharePoint 2007 Inhalt 1 Erstellen von Workflows für Microsoft Office SharePoint 2007 15 June 2009 Sebastian Gerling Sebastian.gerling@spiritlink.de COPYRIGHT 2003 SPIRIT LINK GMBH. ALL RIGHTS RESERVED Inhalt 1 Dipl.

Mehr

Office 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 Office 365 Dynamics 365 Azure Cortana Intelligence Enterprise Mobility + Security Operations Mgmt. + Security API Application Availability Bottomless Storage Identity Management Full hybrid

Mehr

Nationalen Forum für Fernerkundung und Copernicus 2017

Nationalen Forum für Fernerkundung und Copernicus 2017 Nationalen Forum für Fernerkundung und Copernicus 2017 Zugang zu Copernicus Daten und Produkten in Nahe Echtzeit Egbert Schwarz Deutsches Zentrum für Luft und Raumfahrt (DLR) Deutsches Fernerkundungsdatenzentrum

Mehr

Beobachtung der Biosphärendynamik II

Beobachtung der Biosphärendynamik II Dynamik der Biosphäre Beobachtung der Biosphärendynamik II Wintersemester 2008/2009 Wolfgang Cramer Lehrstuhl "Globale Ökologie" http://www.pik-potsdam.de/~cramer -> "Teaching" Letzte Woche Die exogene

Mehr

Microsoft Azure Services-Plattform

Microsoft Azure Services-Plattform Azure Services-Plattform Basis für Software-plus-Services Lösungen Holger Sirtl Architekturberater Developer Platform & Strategy Group Deutschland GmbH http://blogs.msdn.com/hsirtl Agenda Betriebsmodelle

Mehr

Bibliotheksmanagement im Netz - vernetzt

Bibliotheksmanagement im Netz - vernetzt OCLC Informationstag 12. Mai 2011 Bibliotheksmanagement im Netz - vernetzt Annette Dortmund Product Manager LBS / WMS EMEA OCLC Überblick Arbeiten im Web: Die Cloud Bibliotheksmanagement im Netz: OCLC

Mehr

!! Waldemar Reger Köln,

!! 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

GMES Aktueller Status

GMES Aktueller Status GMES Aktueller Status AHORN 2011 Imst 17. November 2011 Dr. Thomas Geist Global Monitoring for Environment and Security Was ist GMES? Was ist der aktuelle Status und wie geht es weiter? Was sind die GMES

Mehr

Dezentrale Datenproduktion und -analyse bei DØ

Dezentrale Datenproduktion und -analyse bei DØ Dezentrale Datenproduktion und -analyse bei DØ Thomas Nunnemann LMU München nunne@fnal.gov DPG Mainz 31.3.04 Computing: Aufgaben/Anforderungen Datenaustausch verteilter Datenbankzugriff Prozessierung von

Mehr

Präsentation einer agilen Methode

Präsentation einer agilen Methode Präsentation einer agilen Methode Adaptive Software Development Rainer Ulrich Überblick 1. Entstehung 2. Einordnung 3. Manifesto for Agile Software Development 4. Ansatz 5. Adaptive Conceptual Model 5.1.

Mehr

HIR Method & Tools for Fit Gap analysis

HIR Method & Tools for Fit Gap analysis HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes

Mehr

"We$have$$ Igni,on"$ Pungenday, the 35th day of Discord in the YOLD 3179. Photo by Jurvetson (flickr)

We$have$$ Igni,on$ Pungenday, the 35th day of Discord in the YOLD 3179. Photo by Jurvetson (flickr) "We$have$$ Igni,on"$ Pungenday, the 35th day of Discord in the YOLD 3179 0001 Photo by Jurvetson (flickr) Referenten$Vorstellung Daniel$Kirstenpfad$/$Baujahr$1980$! seit!januar!2012!cto!rakuten(deutschland(

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web.

Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web. Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web.de Damages caused by Diprion pini Endangered Pine Regions in Germany

Mehr

Hadoop. High Performance Batches in der Cloud. Hadoop. Folie 1 25. Januar 2011

Hadoop. High Performance Batches in der Cloud. Hadoop. Folie 1 25. Januar 2011 High Performance Batches in der Cloud Folie 1 Alles geht in die Cloud Image: Chris Sharp / FreeDigitalPhotos.net Cloud und Batches passen zusammen Batches Cloud Pay-per-Use Nur zeitweise genutzt Hohe Rechenkapazitäten

Mehr

ESA's SENTINEL-2 Programme:

ESA's SENTINEL-2 Programme: ESA's SENTINEL-2 Programme: Systemcharakteristik und Anwendungspotenziale für die Umweltwissenschaften Gunter Menz & Frauke Becker (unter Beteiligung: Bianca Hörsch ESA) Remote Sensing and Research Group

Mehr

Machbarkeitsstudie zum digitalen Lesesaal: Ein gemeinsamer Ansatz der Staatsarchive Basel-Stadt und St.Gallen

Machbarkeitsstudie zum digitalen Lesesaal: Ein gemeinsamer Ansatz der Staatsarchive Basel-Stadt und St.Gallen Machbarkeitsstudie zum digitalen Lesesaal: Ein gemeinsamer Ansatz der e Basel-Stadt und St.Gallen 18. Tagung des Arbeitskreises Archivierung von Unterlagen aus digitalen Systemen 12. März 2014 Weimar Lambert

Mehr

GMES Integrated Application Promotion (IAP)

GMES Integrated Application Promotion (IAP) GMES Integrated Application Promotion (IAP) AHORN 2008 Salzburg 20. November 2008 Dr. Thomas Geist GMES was ist das? Global Monitoring for Environment and Security Eine gemeinsame strategische Initiative

Mehr

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar!

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar! Clouds Wolkig bis Heiter Erwartungen der Nutzer Er ist verwöhnt! Verfügbarkeit Viele Anwendungen Intuitive Interfaces Hohe Leistung Er ist nicht dankbar! Mehr! Mehr! Mehr! Moore 1 Erwartungen der Entwickler

Mehr

ETL in den Zeiten von Big Data

ETL in den Zeiten von Big Data ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse

Mehr

Prepositions are words that give information to the reader. Vorwörter geben dem Leser Informationen.

Prepositions are words that give information to the reader. Vorwörter geben dem Leser Informationen. What is the role of prepositions? Prepositions are words that give information to the reader. They can tell us where something takes place when something takes place why something takes place or give a

Mehr

Distributed testing. Demo Video

Distributed testing. Demo Video distributed testing Das intunify Team An der Entwicklung der Testsystem-Software arbeiten wir als Team von Software-Spezialisten und Designern der soft2tec GmbH in Kooperation mit der Universität Osnabrück.

Mehr

Customer-specific software for autonomous driving and driver assistance (ADAS)

Customer-specific software for autonomous driving and driver assistance (ADAS) This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs

Mehr

Peter Dikant mgm technology partners GmbH. Echtzeitsuche mit Hadoop und Solr

Peter Dikant mgm technology partners GmbH. Echtzeitsuche mit Hadoop und Solr Peter Dikant mgm technology partners GmbH Echtzeitsuche mit Hadoop und Solr ECHTZEITSUCHE MIT HADOOP UND SOLR PETER DIKANT MGM TECHNOLOGY PARTNERS GMBH WHOAMI peter.dikant@mgm-tp.com Java Entwickler seit

Mehr

Synergien und Unterschiede von Datenportalen

Synergien und Unterschiede von Datenportalen Synergien und Unterschiede von Datenportalen Das Beispiel von COSYNA und WiMo Hajo Krasemann (HZG), Gisbert Breitbach (HZG), Daniel Behr (HZG) MDI-DE Abschlussworkshop: 26.4.2013 Inhalt Allgemeiner Sinn

Mehr

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

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

Mehr

Bosch Rexroth - The Drive & Control Company

Bosch Rexroth - The Drive & Control Company Bosch Rexroth - The Drive & Control Company Alle Rechte bei Bosch Rexroth AG, auch für den Fall von Schutzrechtsanmeldungen. Jede Verfügungsbefugnis, wie Kopier- und Weitergaberecht, bei uns. 1 Case study

Mehr

Einkommensaufbau mit FFI:

Einkommensaufbau mit FFI: For English Explanation, go to page 4. Einkommensaufbau mit FFI: 1) Binäre Cycle: Eine Position ist wie ein Business-Center. Ihr Business-Center hat zwei Teams. Jedes mal, wenn eines der Teams 300 Punkte

Mehr

EMC. Data Lake Foundation

EMC. Data Lake Foundation EMC Data Lake Foundation 180 Wachstum unstrukturierter Daten 75% 78% 80% 71 EB 106 EB 133 EB Weltweit gelieferte Gesamtkapazität Unstrukturierte Daten Quelle März 2014, IDC Structured vs. Unstructured

Mehr

Bringing sense and simplicity to life

Bringing sense and simplicity to life Neue Einsatzbereiche der digitalen Spracherkennung: Informationsaufbereitung für Elektronische Patientenakten mit Wissensbanken und medizinischen Terminologien Klaus Stanglmayr Wednesday, June 20, 2007

Mehr

Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung

Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung 29.10.2013 Susan Volkmann, IBM Cloud Leader Deutschland, Österreich, Schweiz (DACH) "The Grounded

Mehr

FEBE Die Frontend-Backend-Lösung für Excel

FEBE Die Frontend-Backend-Lösung für Excel FEBE Die Frontend--Lösung für FEBE Die Frontend--Lösung für FEBE.pptx 8.04.206 0:43 FEBE Die Frontend--Lösung für Nutzer A alle_aufträge neuer_auftrag Auftragsänderung Nutzer B alle_aufträge neuer_auftrag

Mehr

Online Learning in Management

Online Learning in Management 43 rd EUCEN Conference 2012 Workshop: Supporting the individual learner in ULLL The Makes and Brakes of Collaborative E-Learning: Online Learning in Management - A case study - Dr. Marion Bruhn-Suhr University

Mehr

Das SCAPE Projekt: Langzeitarchivierung und Skalierbarkeit Teil 1: Überblick über das SCAPE Projekt

Das SCAPE Projekt: Langzeitarchivierung und Skalierbarkeit Teil 1: Überblick über das SCAPE Projekt Das SCAPE Projekt: Langzeitarchivierung und Skalierbarkeit Teil 1: Überblick über das SCAPE Projekt Dr. Sven Schlarb Österreichische Nationalbibliothek SCAPE ½ Informationstag 05. Mai 2014, Österreichische

Mehr

Agiles Projektmanagement. erklärt in 30 Minuten! IT-Forum Agiles Projektmanagement, NIK 29. Juni 2011. Thomas Hemmer

Agiles Projektmanagement. erklärt in 30 Minuten! IT-Forum Agiles Projektmanagement, NIK 29. Juni 2011. Thomas Hemmer Agiles Projektmanagement erklärt in 30 Minuten! IT-Forum Agiles Projektmanagement, NIK 29. Juni 2011 Thomas Hemmer Chief Technology Officer thomas.hemmer@conplement.de conplement AG, Nürnberg 2 conplement

Mehr

Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013

Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien. Berlin, Mai 2013 Prozessoptimierung in der Markt- und Medienforschung bei der Deutschen Welle (DW) mit Big Data Technologien Berlin, Mai 2013 The unbelievable Machine Company? 06.05.13 The unbelievable Machine Company

Mehr

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

Multicast Backbone in the Cloud. Sebastian Zagaria Prof. Dr. Thomas C. Schmidt

Multicast Backbone in the Cloud. Sebastian Zagaria Prof. Dr. Thomas C. Schmidt Multicast Backbone in the Cloud Sebastian Zagaria Prof. Dr. Thomas C. Schmidt Gliederung Motivation HAMcast Project Cloud Computing Multicast Backbone in the Cloud Ausblick Motivation Probleme von IP Multicast

Mehr

Der Nutzen und die Entscheidung für die private Cloud. Martin Constam Rechenpower in der Private Cloud 12. Mai 2014

Der Nutzen und die Entscheidung für die private Cloud. Martin Constam Rechenpower in der Private Cloud 12. Mai 2014 Der Nutzen und die Entscheidung für die private Cloud Martin Constam Rechenpower in der Private Cloud 12. Mai 2014 1 Übersicht - Wer sind wir? - Was sind unsere Aufgaben? - Hosting - Anforderungen - Entscheidung

Mehr

Oracle Big Data Technologien Ein Überblick

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

Mehr

Darstellung und Anwendung der Assessmentergebnisse

Darstellung und Anwendung der Assessmentergebnisse Process flow Remarks Role Documents, data, tool input, output Important: Involve as many PZU as possible PZO Start Use appropriate templates for the process documentation Define purpose and scope Define

Mehr

MapReduce-Konzept. Thomas Findling, Thomas König

MapReduce-Konzept. Thomas Findling, Thomas König MapReduce - Konzept 1 Inhalt 1. Motivation 2. Einführung MapReduce Google Rechenzentren Vergleich MapReduce und Relationale DBS 3. Hadoop Funktionsweise Input / Output Fehlerbehandlung 4. Praxis-Beispiel

Mehr