Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie
|
|
- Alma Baumann
- vor 6 Jahren
- Abrufe
Transkript
1 Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter Chamoni Prof. Dr. Peter Chamoni - Datenbanksysteme - Wintersemester 2014/
2 Gliederung 1 Grundlagen - Datenbanksysteme 2 SQL Data Definition Language 3 Datenorganisation 4 Datenintegrität und Transaktionsverwaltung 5 SQL Data Manipulation Language 6 Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Datenbanksysteme 2 2
3 Gliederung 6 Neue Konzepte der Datenbanktechnologie 6.1 Grenzen relationaler Datenbanksysteme 6.2 NoSQL Ausgewählte Grundlagen 6.3 Kategorisierung von NoSQL-Systemen Prof. Dr. Peter Chamoni Datenbanksysteme 3 3
4 6.1 Grenzen relationaler Datenbanksysteme Relationale Datenbanksysteme (I) Ausgerichtet auf komplexe Datenbankanwendungen - Große Datenmodelle - Transaktionen: strenge Einhaltung des ACID-Prinzips zur Sicherstellung der Datenintegrität, d.h. Datenkonsistenz, Datensicherheit und des Datenschutzes DBS ist von Anbeginn nicht auf Skalierbarkeit ausgerichtet, vielmehr wird ein Server auf mehr Leistungsfähigkeit technisch aufgerüstet. Skalierung: vertikal ( Scale Up ) bezeichnet die vertikale Vergrößerung von Ressourcen eines Datenbanksystems in Form von Speicher und/oder CPU. Scale Up - führt zu Groß-Systemen - verlangt extrem zuverlässige Hardware - verursacht überproportionale Kosten - erzeugt single point of failure Prof. Dr. Peter Chamoni Datenbanksysteme 4 4
5 6.1 Grenzen relationaler Datenbanksysteme Relationale Datenbanksysteme (II) Zunehmende Performance-Probleme entstanden bei RDBS durch fortwährend steigende Anforderungen im Verlauf der Entwicklung Beispiel: Systemaufrufe Prof. Dr. Peter Chamoni Datenbanksysteme 5 5
6 Gliederung 6 Neue Konzepte der Datenbanktechnologie 6.1 Grenzen relationaler Datenbanksysteme 6.2 NoSQL Ausgewählte Grundlagen 6.3 Kategorisierung von NoSQL-Systemen Prof. Dr. Peter Chamoni Datenbanksysteme 6 6
7 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksysteme (I) NoSQL (not only SQL) (1) Die neuen Systeme sind unabhängig voneinander - aus praktischen Anforderungen heraus - entstanden, z.b. - aus Performance-Anforderungen beim Umgang mit großen Datenmengen (Web 2.0), - Speichern unstrukturierter Daten etc. Diese unabhängigen Wurzeln spiegeln sich auch in einer gewissen Vielfalt von Konzepten wieder. Antwort auf die Anforderungen großer Internet-Sites (Facebook, Google, Amazon ) Seit ca steht NoSQL (not only SQL) für eine Familie von sehr gut skalierbaren Datenbanksystemen, die einen nicht-relationalen Ansatz verfolgen. Prof. Dr. Peter Chamoni Datenbanksysteme 7 7
8 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksysteme (II) NoSQL (not only SQL) (2) Zahlreiche NoSQL-Konzepte lehnen sich an folgende Definition an: Unter NoSQL wird eine neue Generation von Datenbanksystemen verstanden, die meistens einige der nachfolgenden Punkte berücksichtigen: Das zugrundeliegende Datenmodell ist nicht relational. Die Systeme sind von Anbeginn an auf eine verteilte und horizontale Skalierbarkeit ausgerichtet. Das NoSQL-System ist Open Source. Fortsetzung der Definition nächste Folie [ Prof. Dr. Peter Chamoni Datenbanksysteme 8 8
9 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksysteme (III) NoSQL (not only SQL) (3) Ergänzt wird die Definition mit folgenden Merkmalen: Das System ist schemafrei oder hat nur schwache Schemarestriktionen. Aufgrund der verteilten Architektur unterstützt das System eine einfache Datenreplikation. Das System bietet eine einfache API. Dem System liegt meistens auch als Konsistenzmodell zugrunde: eventually consistent / BASE, aber nicht ACID. [ Prof. Dr. Peter Chamoni Datenbanksysteme 9 9
10 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksysteme (IV) NoSQL Datenbanksysteme (4) Ausgerichtet auf Internet-Anwendungen - Rasantes Daten-Wachstum - Stabile Zugriffszeiten - Hohe Verfügbarkeit NoSQL-Systemen sind i.d.r. von Anbeginn auf Skalierbarkeit ausgerichtet, d.h. es können Rechnerknoten dynamisch eingebunden werden, die einen Teil der Last/Daten tragen können. Skalierung: horizontal ( Scale Out )... bezeichnet die Erweiterung des Systems durch Einfügen zusätzlicher Computerressourcen Scale Out - führt zu verteilten Systemen, - erzeugt many points of failure Prof. Dr. Peter Chamoni Datenbanksysteme 10 10
11 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksysteme (V) NoSQL Datenbanksysteme (5) Skalierung: horizontal ( Scale Out ) Erweiterung des Systems durch Einfügen zusätzlicher Computerressourcen. Verteilte Systeme sind nicht einfach zu betreiben bzgl. - Homogenität, Heterogenität - Sicherheit - Administration - Kommunikation, Bandbreite, Transportkosten u.v.m Konsistenzmodell in verteilten Datenbanksystemen: Ist es möglich, ein Datenbanksystem zu entwickeln, - ausgehend vom Konsistenzprinzip wie bei dem Entwurf relationaler Datenbanksysteme, - ABER: es gleichzeitig bzgl. der horizontalen Skalierbarkeit einfacher und performanter zu gestalten? Prof. Dr. Peter Chamoni Datenbanksysteme 11 11
12 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (VI) CAP-Theorem (1) (Eric Brewer, PODC 2000) In einem verteilten System können jeweils höchstens zwei der Eigenschaften gleichzeitig erfüllt sein: Konsistenz (Consistency) Die verteilte Datenbank erreicht nach Abschluss einer Transaktion einen konsistenten Zustand. Consistency Verfügbarkeit (Availability) Das System muss für einen konkreten Anwendungsfall eine akzeptable Reaktionszeit aufweisen, die bis zu einer vordefinierten Last eingehalten werden muss. Availability Partition Tolerance Ausfalltoleranz (Partition Tolerance) Das System kann weiterarbeiten trotz Ausfall eines Knotens oder einer Kommunikationsverbindung zwischen den Knoten. Prof. Dr. Peter Chamoni Datenbanksysteme 12 12
13 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (VII) CAP-Theorem (2) In der Praxis steht ein Unternehmen gemäß des CAP-Theorems somit vor der Entscheidung: Lockerung der Forderung nach strikter Einhaltung oder der Konsistenz im System Consistency das Risiko zu tragen, dass das System bei einem Ausfall der Verbindungen gar nicht oder nicht mit einer akzeptablen Reaktionszeit antwortet. Availability Partition Tolerance Für ein Webunternehmen, dessen Profit von der Erreichbarkeit seines Dienstes abhängt, ist dieses Risiko wohl eher nicht tragbar! Prof. Dr. Peter Chamoni Datenbanksysteme 13 13
14 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (VIII) Alternatives Konsistenzmodell: BASE ist ein Gegenkonzept zu ACID, basierend auf der Annahme, dass ein Verzicht auf Strong Consistency und dafür eine höhere Achtsamkeit auf Verfügbarkeit des Systems eine Steigerung der Skalierbarkeit ermöglicht. wird zur Lösung des Konflikts des CAP-Theorems herangezogen. BASE Eine NoSQL-Datenbank sollte über folgende Eigenschaften verfügen: grundsätzlich verfügbar (Basically Available) loser Zustand Konsistenz (Soft State) schlussendlich konsistent (Eventually Consistent) (schwache Konsistenz) Prof. Dr. Peter Chamoni Datenbanksysteme 14 14
15 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (IX) Map/Reduce Framework (1) spielt eine zentrale Rolle im Kontext von NoSQL-Datenbanken. Das Verfahren ist geeignet, große verteilte Datenmengen bei paralleler Ausführung effizient zu durchsuchen. Die Ursprünge des Verfahrens liegen in der funktionalen Programmierung: LISP erlaubt Entwicklern die Nutzung der Map/Reduce-Routinen, um parallele Programme zu erstellen, ohne dass der Entwickler sich um die Programmierung - der Kommunikation innerhalb des Rechner-Clusters - des Aufgaben-Monitorings oder - der Fehlerbehandlung kümmern muss. Prof. Dr. Peter Chamoni Datenbanksysteme 15 15
16 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (X) Map/Reduce Framework (2) Das Framework nutzt zwei Algorithmen, die jeweils nebenläufig auf verschiedenen Rechnerknoten in zwei Phasen hintereinander ausgeführt werden: Map Reduce verteilt Aufgaben an die verschiedenen Knoten im Netzwerk; Die Funktion map() wendet eine Funktion sukzessive auf alle Elemente einer Liste an und gibt eine durch die Funktion modifizierte Liste zurück. sortiert die Aufgaben; Eingabe Die Funktion reduce() akkumuliert einzelne Funktionsergebnisse der Listenpaare und reduziert sie damit auf einen Ausgabewert. Zwischenergebnisse Ausgabe Prof. Dr. Peter Chamoni Datenbanksysteme 16 16
17 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (XI) Map/Reduce Framework (3) Beispiel: durchschnittl. erreichte Punktzahl im letzten Semester auf Jahresebene MatrikelnummerDatumPunktzahl Eingabe MAP Combine Reduce (2014,25) (2014, [25, 47]) (2014,36) (2015,57) (2015,57) (2015,57) (2014,47) Prof. Dr. Peter Chamoni Datenbanksysteme 17 17
18 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (XII) Map/Reduce Framework (4) wird zur Lösung einer Vielzahl von Aufgaben genutzt, die eine Berechnung großer Datenmengen in einem Verbund von Rechnern erfordern. Beispielhaft sollen folgende Anwendungsbereiche genannt werden - Zählen von Zugriffen auf eine URL Map: verarbeitet die Zugriffe auf Webseiten aus vorhandenen Aufzeichnungen und gibt die Key/Value-Paare (URL, 1 ) aus. Reduce: addiert die Zwischenergebnisse pro URL und liefert als Ergebnisse die Zugriffe pro URL. - Wortindex Erstellung - Suchen in verteilten Datenbeständen (Grep) oder Sortieren - Erstellung des Link-Graphen über die Verlinkung von Webseiten zu einem Ziel Prof. Dr. Peter Chamoni Datenbanksysteme 18 18
19 6.2 NoSQL Ausgewählte Grundlagen NoSQL Datenbanksystem (XIII) Map/Reduce Framework (5) ist für viele Einsatzbereiche effizient anwendbar. Aus diesem Grunde wurden seit der ersten Vorstellung zahlreiche Implementierungen erzeugt, z.b. Implementierungen - Google Map/Reduce Framework ist in C ++ implementiert und bietet APIs für Python und Java. - Hadoop ist ein Apache Open Source-Java-Framework für skalierbare, verteilte Software. - CouchDB nutzt ein Map/Reduce Framework zur Definition von Views über verteite Dokumente. - u.v.m (z.b. Prof. Dr. Peter Chamoni Datenbanksysteme 19 19
20 Gliederung 6 Neue Konzepte der Datenbanktechnologie 6.1 Grenzen relationaler Datenbanksysteme 6.2 NoSQL Ausgewählte Grundlagen 6.3 Kategorisierung von NoSQL-Systemen Prof. Dr. Peter Chamoni Datenbanksysteme 20 20
21 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (I) Aufgrund der weit gefassten Definition zählen zu NoSQL eine Vielzahl verschiedener Konzepte, wobei die derzeit wichtigsten sind: Column Stores /Column Families Document Stores Key/Value/Tuple Stores Graph-Datenbanken u.v.m. Prof. Dr. Peter Chamoni Datenbanksysteme 21 21
22 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (II) Key Value Store Schema: verwendet Schlüssel (Keys) zur Indizierung von Daten (Values). Struktur der Daten ist nicht vorgegeben. Datentyp zumeist nicht vorgegeben Das einfache Datenmodell ermöglicht eine schnelle und effiziente Datenverwaltung. Abfragen sind auf Schlüssel beschränkt. Nachteilig: eigene, beliebig komplexe Abfragen können oft nicht selbst geschrieben werden, sondern entscheidend ist die Mächtigkeit des API. Membase (Couchbase), Redis (Vmware), Azure Table Storage (Microsoft), Berkeley DB (Oracle) Prof. Dr. Peter Chamoni Datenbanksysteme 22 22
23 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (III) Dokumentorientierte Datenbank (Document Store) Ähnlich zu Key Value Datenbank Daten sind jedoch Dokumente. Diese Dokumente werden nach einem bestimmten Format (XML, JSON, etc.) ausgetauscht und gespeichert. Neben Schlüssel-Abfragen kann auch nach Inhalten oder Meta-Daten (z.b. Tags, Sammlungen etc.) gesucht werden. BaseX (XML), CouchDB (Apache, JSON), MongoDB (JSON), Lotus Notes (IBM, Domino XML) Prof. Dr. Peter Chamoni Datenbanksysteme 23 23
24 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (IV) Spaltenorientierte Datenbank (Column Store) (1) Ein Schlüssel zeigt auf beliebig viele Versionen eines Tupels. In einem solchen Tupel kann es zahlreiche sog. Column-Families geben. Die Column-Families werden über Schlüssel identifiziert. Struktur der Daten ist nicht vorgegeben. Performance-Vorteile gegenüber RDBS bei Operationen über viele Einträge mit Schlüsseln geringer Dimensionalität (wenige Spalten). Cassandra (Apache), Hadoop / HBase (Apache), BigTable (Google), Dynamo (Amazon) Prof. Dr. Peter Chamoni Datenbanksysteme 24 24
25 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (V) Spaltenorientierte Datenbank (Column Store) (2) Zeilenorientiert 1 Meier Paul EUR 2 Schulze Peter EUR 3 Schlauch Mike EUR 4 Schmidt Bert EUR Operation: Ermittlung des durchschnittlichen Gehalts Spaltenorientiert 1,2,3,4 Meier, Schulze, Schlauch, Schmidt Paul, Peter, Mike, Bert EUR, EUR, EUR, EUR Prof. Dr. Peter Chamoni Datenbanksysteme 25 25
26 6.3 Kategorisierung von NoSQL-Systemen NoSQL Systemkategorien (VI) Graph-Datenbank Verwaltung von Graph- oder Baumstrukturen, in denen die Elemente miteinander verknüpft sind. - Knoten des Graphen = Daten - Kanten des Graphen = Beziehungen zwischen den Daten - Knoten und Kanten des Graphen können mit properties, also Eigenschaften versehen oder gewichtet werden. Absatz Kunde im Monat Die Daten werden über ihre (relative) Position im Graphen identifiziert (traversieren), somit wird kein Schlüssel benötigt. 10 PCE Web 3.0 Semantisches Web Neo4J, sones GraphDB, Trinity (Microsoft), AllegroGraph Prof. Dr. Peter Chamoni Datenbanksysteme 26 26
27 6.3 Kategorisierung von NoSQL-Systemen Neue Konzepte der Datenbanktechnologie Polyglot Persistence der kombinierte Einsatz von relationalen Datenbanksystemen und NoSQL-Systemen. Idee: Für jede unterschiedliche Anforderung die perfekte Datenbank Problem: Cost of Complexity Einsatz, Wartung, Weiterentwicklung und Interkonnektivität von mehr als einer Datenbank sind sehr zeitaufwändig und kostenintensiv. Database-as-a-Service (DaaS) Datenbanken können in der Cloud als Service verwendet werden. senkt die cost of complexity Prof. Dr. Peter Chamoni Datenbanksysteme 27 27
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
MehrWeb Technologien NoSQL Datenbanken
Web Technologien NoSQL Datenbanken Univ.-Prof. Dr.-Ing. Wolfgang Maass Chair in Information and Service Systems Department of Law and Economics WS 2011/2012 Wednesdays, 8:00 10:00 a.m. Room HS 021, B4
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
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
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
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-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
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
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
MehrSoziotechnische Informationssysteme
Soziotechnische Informationssysteme 8. NoSQL Relationale Datenbank NoSQL Datenbank Relationale Datenbank? NoSQL Datenbank RDBM 2 Warum? Skalierbarkeit Riesige Datenmengen Performanz und Elastizität Auslastung
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?
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)
MehrOracle 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"
MehrAktuelle SE Praktiken für das WWW
Aktuelle SE Praktiken für das WWW SQL vs. NoSQL W. Mark Kubacki 23.06.2010 Gliederung Zusammenfassung Entstehungsgeschichte SQL vs. NoSQL Systemarchitekturen und Wachstumsmuster SQL NoSQL Überblick und
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
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?
MehrInstitut für Verteilte Systeme
Institut für Verteilte Systeme Prof. Dr. Franz Hauck Seminar: Multimedia- und Internetsysteme, Wintersemester 2010/11 Betreuer: Jörg Domaschka Bericht zur Seminarssitzung am 2011-01-31 Bearbeitet von :
MehrKapitel 4 Teil 2 NoSQL-Datenbanksysteme
Kapitel 4 Teil 2 NoSQL-Datenbanksysteme Inhalt: CAP (Consistency/Availability/Partition-Tolerance); BASE (Basically Available, Soft State, Eventually Consistent); Datenmodelle: Key-Value-Stores, Spaltenbasierte
MehrSeminar Cloud Data Management WS09/10. Tabelle1 Tabelle2
Seminar Cloud Data Management WS09/10 Tabelle1 Tabelle2 1 Einführung DBMS in der Cloud Vergleich verschiedener DBMS Beispiele Microsoft Azure Amazon RDS Amazon EC2 Relational Databases AMIs Was gibt es
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
MehrSeminar WS 2012/13. S. Chaudhuri et al, CACM, Aug. 2011. Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP
Seminar WS 2012/13 S. Chaudhuri et al, CACM, Aug. 2011 Parallel DBS vs. Open Platforms for Big Data, e.g. HaDoop Near-Realtime OLAP 2 Vorkonfigurierte, komplette Data Warehouse-Installation Mehrere Server,
MehrDatenbanktechnologien für Big Data
Datenbanktechnologien für Big Data Oktober 2013 Prof. Dr. Uta Störl Hochschule Darmstadt Big Data Technologien Motivation Big Data Technologien NoSQL-Datenbanksysteme Spaltenorientierte Datenbanksysteme
MehrDatenbanken und SQL. Kapitel 1. Übersicht über Datenbanken. Edwin Schicker: Datenbanken und SQL (1)
Datenbanken und SQL Kapitel 1 Übersicht über Datenbanken Übersicht über Datenbanken Vergleich: Datenorganisation versus Datenbank Definition einer Datenbank Bierdepot: Eine Mini-Beispiel-Datenbank Anforderungen
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
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
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
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,
MehrMapReduce in der Praxis
MapReduce in der Praxis Rolf Daniel Seminar Multicore Programmierung 09.12.2010 1 / 53 Agenda Einleitung 1 Einleitung 2 3 Disco Hadoop BOOM 4 2 / 53 1 Einleitung 2 3 Disco Hadoop BOOM 4 3 / 53 Motivation
MehrThe R(E)volution of Data Stores
The R(E)volution of Data Stores Willkommen Schön, dass sie in diese Session kommen, ich bin Dominik Wagenknecht NoSQL Initiative Lead Technology Architect Accenture Wien Mobil: +43 676 8720 33921 dominik.wagenknecht@accenture.com
MehrRein relationale DB in Prod? Datenbanken in produktiven Einsatz? SQL + NoSQL DB in Prod? (MongoDB, Redis, CouchDB, Cassandra)
1 Rein relationale DB in Prod? Datenbanken in produktiven Einsatz? 2 SQL + NoSQL DB in Prod? (MongoDB, Redis, CouchDB, Cassandra) 3 DB-Cluster in der Cloud? NoSQL?!? SQL Normalformen Come as you are Warum
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-
MehrPersönlichkeiten bei bluehands
Persönlichkeiten bei Technologien bei Skalierbare Anwendungen mit Windows Azure GmbH & co.mmunication KG am@.de; posts..de/am 1 2 3 4 5 6 7 8 9 Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit
MehrNoSQL Datenbanken. Seminar:Software as a Service, Cloud-Computing und aktuelle Entwicklungen Dozent: Dipl. Inf. Andreas Göbel
NoSQL Datenbanken Seminar:Software as a Service, Cloud-Computing und aktuelle Entwicklungen Dozent: Dipl. Inf. Andreas Göbel 17. Juni 2010 Gliederung Der Begriff NoSQL Wichtige Konzepte NoSQL-Arten Cassandra
MehrSQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen
SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen Lennart Leist Inhaltsverzeichnis 1 Einführung 2 1.1 Aufgaben einer Datenbank...................... 2 1.2 Geschichtliche Entwicklung
MehrApache 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
MehrWide Column Stores. Felix Bruckner Mannheim, 15.06.2012
Wide Column Stores Felix Bruckner Mannheim, 15.06.2012 Agenda Einführung Motivation Grundlagen NoSQL Grundlagen Wide Column Stores Anwendungsfälle Datenmodell Technik Wide Column Stores & Cloud Computing
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. Hintergründe und Anwendungen. Andreas Winschu
NoSQL Hintergründe und Anwendungen Andreas Winschu 1 Inhalt 1. Motivation 2. RDBMS 3. CAP Theorem 4. NoSQL 5. NoSql Overview 6. NoSQl Praxis 7. Zusammenfassung und Ausblick 2 1.Motivation Datenbanken Permanente
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
Mehrwhitepaper NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz
whitepaper NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz NoSQL Not only... but also SQL: Flexibilität und Vielfalt in der Persistenz Dieses Dokument soll die Technologien,
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)
MehrNoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen. Datenbank-Stammtisch, 8.
A Database Administrator walks into a NoSQL bar, but turns and leaves because he cannot find a table. NoSQL Please! Wie Web2.0, Big Data und die Cloud neue Datenbanksysteme erfordern und hervorbringen.
MehrJava Forum Stuttgart 2013 Kai.Spichale@adesso.de twitter.com/kspichale spichale.blogspot.de
NoSQL für Java-Entwickler Java Forum Stuttgart 2013 Kai.Spichale@adesso.de twitter.com/kspichale spichale.blogspot.de 23.06.2013 Agenda Datengröße Key-value Stores 1. Wide Column 2. Cassandra Document
MehrEinführung in NoSql-Datenbanken und der Vergleich zu relationalen Datenbanken
Fachhochschule Aachen Fachbereich 9 Medizintechnik und Technomathematik Seminararbeit im Studiengang Scientific Programming Einführung in NoSql-Datenbanken und der Vergleich zu relationalen Datenbanken
MehrClouds. 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
MehrTeil VI. Datenbanken
Teil VI Datenbanken Überblick 1 Grundlegende Begriffe Motivation 2 Relationale Datenbanksysteme Das Relationale Datenmodell SQL 3 Entwurf von Datenbanken Das Enity Relationship (ER) Modell Abbildung von
MehrConfiguration Management mit Verbosy 17.04.2013 OSDC 2013. Eric Lippmann www.netways.de
Configuration Management mit Verbosy 17.04.2013 OSDC 2013 Eric Lippmann Kurzvorstellung NETWAYS Expertise OPEN SOURCE SYSTEMS MANAGEMENT OPEN SOURCE DATA CENTER Monitoring & Reporting Configuration Management
MehrDokumentenorientierte Datenbanken - MongoDB
Dokumentenorientierte Datenbanken - MongoDB Jan Hentschel Ultra Tendency UG Übersicht Dokumente sind unabhängige Einheiten Bessere Performance (zusammengehörige Daten werden gemeinsam gelesen) Objektmodell
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
MehrNoSQL-Datenbanksysteme
NoSQL-Datenbanksysteme Hochschule Harz 14.06.2013 Prof. Dr. Uta Störl Hochschule Darmstadt uta.stoerl@h-da.de NoSQL: DAS aktuelle Datenbank Buzzword Quelle: http://geekandpoke.typepad.com/geekandpoke/2011/01/nosql.html
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
MehrNoSQL-Datenbanksysteme: Revolution oder Evolution?
NoSQL-Datenbanksysteme: Revolution oder Evolution? Kolloquium Institut für Informatik, Universität Rostock 24.01.2013 Prof. Dr. Uta Störl Hochschule Darmstadt uta.stoerl@h-da.de NoSQL: DAS aktuelle Datenbank-Buzzword
MehrEHCache und Terracotta. Jochen Wiedmann, Software AG
EH und Terracotta Jochen Wiedmann, Software AG Autor Perl-Contributor DBD::mySQL 2, DBI::Proxy, DBI::Shell, DBD::CSV, Net::Daemon, RPC::Pl(Client Server) (Autor) DBI (Developer) ASF-Member (Apache Software
MehrÜberblick über NoSQL Datenbanken
1 Überblick über NoSQL Datenbanken Seminararbeit Software Systems Engineering - WS 2012 / 2013 Mario David - Student - Master Informatik (SSE) Universität zu Lübeck Zusammenfassung Diese Seminararbeit
MehrSemantic Web: Resource Description Framework (RDF)
Big Data Semantic Web: RDF Information Retrieval Map Reduce: Massiv parallele Verarbeitung Datenströme Peer to Peer Informationssysteme No SQL Systeme Multi-Tenancy/Cloud-Datenbanken Semantic Web: Resource
MehrThink Big. Skalierbare Anwendungen mit Azure. Aydin Mir Mohammadi Bluehands GmbH & co.mmunication KG
Skalierbare Anwendungen mit Azure Bluehands GmbH & co.mmunication KG 1 2 3 4 5 6 7 8 9 Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit Skalierung http://www.flickr.com/photos/39901968@n04/4864698533/
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
MehrWide Column Stores mit Map/Reduce im Bereich Web Analytics am Beispiel von Apache HBase und Cassandra
Wide Column Stores mit Map/Reduce im Bereich Web Analytics am Beispiel von Apache HBase und Cassandra René Trauner M A S T E R A R B E I T eingereicht am Fachhochschul-Masterstudiengang Interactive Media
MehrEinführung 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
MehrBig 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
MehrKein blasses Schema? NoSQL und Big Data mit Hibernate OGM
Kein blasses Schema? NoSQL und Big Data mit Hibernate OGM Thomas Much thomas@muchsoft.com www.muchsoft.com 1 NoSQL und Big Data Herzlich Willkommen in der NoSQL-Welt OnlySQL Not 2 NoSQL und Big Data NoSQL
MehrSQL on Hadoop für praktikables BI auf Big Data.! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh
SQL on Hadoop für praktikables BI auf Big Data! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh War nicht BigData das gleiche NoSQL? 2 Wie viele SQL Lösungen für Hadoop gibt es mittlerweile? 3 ! No SQL!?
MehrEinführung. Kapitel 1 2 / 508
Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit
MehrNoSQL-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
MehrDas 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:
MehrGliederung Datenbanksysteme
Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte
MehrVERSCHLÜSSELUNG MITTELS QUERY- REWRITING AUF DER CLOUD-DATENBANK AMAZON DYNAMODB
Eingereicht von Michaela Wakolbinger, MSc VERSCHLÜSSELUNG MITTELS QUERY- REWRITING AUF DER CLOUD-DATENBANK AMAZON DYNAMODB Angefertigt am Institut für Wirtschaftsinformatik - Data & Knowledge Engineering
MehrAbstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015
Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken
MehrDatenbanken. Methodik der Lehrveranstaltung
Lehrkräfte: Datenbanken (DB) 1.) Prof. Dr.-Ing. Martin Pollakowski Fachbereich Elektrotechnik Raum C-4.03, Tel.: - 226, E-Mail: martin.pollakowski@fh-gelsenkirchen.de 2.) Dipl.-Ing. Peter Mroczek Raum:
MehrDefinition Informationssystem
Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation
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.
MehrRelationale Datenbanken Kursziele
Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. DB Einleitung / Entity-Relationship
MehrDie Grundbegriffe Die Daten Die Informationen
Die Grundbegriffe Die Daten sind diejenigen Elemente, die vom Computer verarbeitet werden. Die Informationen sind Wissenselemente, welche durch die Analyse von Daten erhalten werden können. Die Daten haben
MehrNoSQL-Datenbanken. Markus Kramer. deren Probleme herauszuarbeiten und andere Grundlagen zu erläutern.
1 NoSQL-Datenbanken Markus Kramer Zusammenfassung NoSQL-Datenbanken sind zu einer interessanten Alternative zu herkömmlichen Datenbanken geworden. In dieser Arbeit werden die dahinter liegenden Konzepte
MehrVorbesprechung Hauptseminar "Cloud Computing"
Vorbesprechung Hauptseminar "Cloud Computing" Dimka Karastoyanova, Johannes Wettinger, Frank Leymann {karastoyanova, wettinger, leymann}@iaas.uni-stuttgart.de Institute of Architecture of Application Systems
MehrMapReduce. www.kit.edu. Johann Volz. IPD Snelting, Lehrstuhl Programmierparadigmen
MapReduce Johann Volz IPD Snelting, Lehrstuhl Programmierparadigmen KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Wozu MapReduce?
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
MehrWeb & Datenbanken SoSe2013. Web & Datenbanken
Web & Datenbanken Vorlesung Prof. Johann Christoph Freytag, Ph.D. Institut für Informatik, Humboldt-Universität zu Berlin Bitte Handys ausschalten! 1.1 Ziel des Vortrags Welche DBMS gibt es Welche ist
MehrAusgewählte Kapitel der Systemsoftware: Cloud Computing
Ausgewählte Kapitel der Systemsoftware: Cloud Computing Zunächst heiter bis wolkig, später dauerhaft bedeckt Timo Hönig Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl Informatik 4 (Verteilte
MehrDatenbanken (WS 2015/2016)
Datenbanken (WS 2015/2016) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde
MehrHS München Fakultät 07. Studienarbeit. Big Data. Hype oder Chance?
HS München Fakultät 07 Studienarbeit Big Data Hype oder Chance? Verfasser: Sebastian Kraubs Matrikelnummer: 03315808 Erstprüfer/-in / Betreuer/-in: Michael Theis Ich, Sebastian Kraubs, versichere, dass
MehrSharePoint Provider for Oracle
SharePoint Provider for Oracle DOAG 2011 (Atos) (Oracle) SharePoint Provider for Oracle Integration der Oracle Datenbank als zentrales Repository für alle Dokumente in Microsoft SharePoint Farmen Aufwertung
MehrSEMT. Prof. G. Bengel. Searching as a Service (Programming Model: MapReduce)
Hochschule Mannheim Fakultät für Informatik SEMT Prof. G. Bengel Sommersemester 2009 Semester 8I Searching as a Service (Programming Model: MapReduce) Michel Schmitt (520361) 1.06.2009 Inhalt 1. Einführung...
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
MehrDWH Szenarien. www.syntegris.de
DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen
MehrNoSQL für Anwendungen
NoSQL für Anwendungen Hochschule Mannheim Fakultät für Informatik Cluster Grid Computing Seminar SS 2012 Lemmy Tauer (729400) lemmy.coldlemonade.tauer@gmail.com NoSQL CAP / ACID / Kompromisse Key-Value
MehrAnalyse und Auswertung großer heterogener Datenmengen
Analyse und Auswertung großer heterogener Datenmengen Herausforderungen für die IT-Infrastruktur Richard Göbel Inhalt Big Data Was ist das eigentlich? Was nützt mir das? Wie lassen sich solche großen Datenmengen
MehrBig Data Analytics: Herausforderungen und Systemansätze. Prof. Dr. Erhard Rahm. http://dbs.uni-leipzig.de
Big Data Analytics: Herausforderungen und Systemansätze Prof. Dr. Erhard Rahm http://dbs.uni-leipzig.de 2 Massives Wachstum an Daten Gartner: pro Tag werden 2.5 Exabytes an Daten generiert 90% aller Daten
MehrGliederung Datenbanksysteme
Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte
MehrNoSQL - schöne neue Datenbankwelt oder vorübergehender Hype?
NoSQL - schöne neue Datenbankwelt oder vorübergehender Hype? Bis vor kurzem war die Frage, welche Datenbank man in seiner Applikation verwenden soll, normalerweise kein heiß diskutiertes Thema. Wo aus
MehrWeitere Decision-Support Anfrage- Typen
Big Data Top-k / Ranking / Skyline Semantic Web: RDF Information Retrieval PageRank / HITS Map Reduce: Massiv parallele Verarbeitung Datenströme Peer to Peer Informationssysteme No SQL Systeme Multi-Tenancy/Cloud-Datenbanken
Mehr7. Big Data und NoSQL-Datenbanken
7. Big Data und NoSQL-Datenbanken Motivation Big Data Herausforderungen Einsatzbereiche Systemarchitekturen für Big Data Analytics Analyse-Pipeline Hadoop, MapReduce, Spark/Flink NoSQL-Datenbanken Eigenschaften
MehrCloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2.
Cloud Computing Frank Hallas und Alexander Butiu Universität Erlangen Nürnberg, Lehrstuhl für Hardware/Software CoDesign Multicorearchitectures and Programming Seminar, Sommersemester 2013 1. Definition
MehrSchemaless NoSQL Data Stores Object-NoSQL Mappers to the Rescue?
Schemaless NoSQL Data Stores Object-NoSQL Mappers to the Rescue? Uta Störl, Thomas Hauf, Meike Klettke, Stefanie Scherzinger Hochschule Darmstadt, Uni Rostock, OTH Regensburg Motivation Herausforderungen
MehrDatenbanksysteme Kapitel: SQL Data Definition Language
Datenbanksysteme Kapitel: SQL Data Definition Language Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter Chamoni - Prof.
MehrTreffpunkt Semicolon. NoSQL. mit JPA und Hibernate OGM. Thomas Much 09.09.2014
Treffpunkt Semicolon NoSQL mit JPA und Hibernate OGM Thomas Much 09.09.2014 Über... Thomas Much Dipl.-Inform. (Universität Karlsruhe (TH)) Berater, Architekt, Entwickler, Coach (seit 1990) Trainer für
MehrCloud-Provider im Vergleich. Markus Knittig @mknittig
Cloud-Provider im Vergleich Markus Knittig @mknittig As Amazon accumulated more and more services, the productivity levels in producing innovation and value were dropping primarily because the engineers
MehrPavlo Baron. Big Data. für IT-Entscheider. Riesige Datenmengen. und moderne Technologien. gewinnbringend nutzen HANSER
Pavlo Baron Big Data für IT-Entscheider Riesige Datenmengen und moderne Technologien gewinnbringend nutzen HANSER Inhalt Vorwort XI 1 Management Summary 1 2 Was? 7 2.1 Mein klassisches Business ist konkurrenzlos,
Mehr