Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen"

Transkript

1 Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16OH21005 gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor/bei der Autorin.

2 1

3 In diesem Abschnitt geht es um NoSQL. Da dieser Themenbereich sehr umfangreich ist und die eingesetzten Technologien stark im Wandel sind, werden wir uns im wesentlichen die grundlegenden Prinzipien und Lösungsansätze ansehen. Hierzu werden wir folgenden Fragstellungen nachgehen: Was ist NoSQL? Warum braucht man NoSQL? Welche Lösungsansätze gibt es? Was ist das besondere an NoSQL? Welche Kategorien von NOSL gibt es? Was hat der NoSQL Markt zu bieten? In dem kurzen Abschnitt NoSQL unter der Haube werden wir uns kurz befassen mit den wichtigsten allgemeinen Lösungsansätzen von NoSQL Datenbanken. Hierzu werden die wichtigsten Stichworte kennenlernen. Eine Vertiefung der einzelnen Ansätze würde den Rahmen dieser Vorlesung sprengen. Die einzelnen Lösungsansätze und das Arbeiten der mit NoSQL kann man nur in einem gesonderten Kurs gerecht werden. 2

4 Die Abkürzung NoSQL steht für Not-Only-SQL und bietet einen gänzlich anderen Ansatz als die relationalen Datenbanken. Bei den relationalen Datenbanken liegt ein relationales Modell zu Grunde. Die Daten werden durch ein Datenmodell beschrieben, welches als Grundlage für die Definition von Tabellen dient, die durch das Datenbank Managementsystem verwaltet werden. Mit dem No-Only-SQL Ansatz möchte man nun weg von einem starren Datenmodell und starren Tabellen. Zum einen kann es dazu führen, dass bei sehr großen Mengen die max. Größe eines Transaktionslogs überschritten wird. Dies würde dazu führen, dass die Transkation nicht durchgeführt werden kann. Zum anderen kann es passieren, dass die Tabelle über Minuten und ggf. Stunden gesperrt ist und entsprechende Applikationen blockiert sind. Es liegt daher der Gedanke nahe, sich von einem starren Datenbank Schema zu lösen und nach alternativen Konzepten zu suchen. 3

5 SQL unterstützt zwar das Ändern von Tabellen in Form der SQL Anweisung Alter table. Wenn wir uns das Szenario in der Abbildung näher ansehen, werden wir sehr schnell feststellen, wo das Problem liegt. Das betrachtete Szenario ist dabei wie folgt. Es gibt eine Tabelle Person mit den Spalten/Attributen: ID welches den Primärschlüssel beinhaltet Name Name/Nachname einer Person Vorname Vorname einer Person Nun möchten wir die Tabelle um eine Spalte erweitern und eine Spalte Title hinzufügen. Wenn wir nun annehmen, dass in der Tabelle über 1 Million Einträge/Zeilen sind, werden zwangsläufig alle Datensätze innerhalb einer Transaktion gesperrt, um die Änderungen durchführen zu können. Nach dem Einfügen müssen 4

6 gegebenenfalls Index-Verzeichnisse wieder neu aufgebaut werden. Um die ACID- Garantie zu erfüllen, werden zusätzlich alle Aktionen in einem Transaktions-Logging protokolliert. Dies kann dazu führen, dass die Tabelle über eine längeren Zeitraum ( Minuten bis hin zu Stunden) gesperrt ist. Die Antwortzeiten für Anwendungen insb. im Web-Bereich sind somit nicht akzeptabel. Es ist somit offensichtlich, dass man das man nach alternativen Ansätzen gesucht hat, und diese unter dem Stichwort NoSQL zusammengefasst hat. 4

7 Die Suche nach alternativen Konzepten hat aber noch weitere Gründe. Es werden in der Praxis immer mehr Daten zur Verarbeitung herangezogen, die zum Beispiel aus den sozialen Medien und von Internet-of-Things Geräten stammen. Diese Datenquellen liefern : Sehr große Datenmengen. Nicht selten bewegen wir uns dabei im Petabyte- Bereich. Die Daten unterliegen keinem festen Schema Die Werte ändern sich in der Regel sehr schnell Dies entspricht dem Grundgedanken, der mit dem Schlagwort Big-Data umschrieben wird. Hinweis. Dies merkt man schon daran, dass im Zusammenhang von Big data auch immer das Schlagwort NoSQL genannt wird. 5

8 Ein weiteres Problem ist die Skalierbarkeit. Relationale Datenbanken sind nur in begrenztem Umfang Horizontal skalierbar. Horizontal skalierbar bedeutet, man fügt einen weiteren Datenbank Server in seiner Arbeitsumgebung hinzu. Der Grund in der begrenzten horizontalen Skalierbarkeit für relationale Datenbank liegt darin, dass das ACID Modell zu Grunde gelegt wird, welches sich nur schwer in verteilen Systemen umsetzen lässt. Wie wir noch sehen werden, rückt man bei NoSQL von diesem ACID Model ein und verwendet ein sogenanntes BASE Model. Das BASE Model werden wir später noch kennenlernen. Relationale Datenbank Systeme bieten meist nur vertikale Skalierbarkeit. Horizontale Skalierbarkeit: Unter horizontaler Skalierbarkeit (auch Scale-out genannt) versteht man das einfache Hinzufügen bzw. Entfernen von einzelnen Knoten des Systems. 6

9 Vertikale Skalierbarkeit: Bei der vertikalen Skalierbarkeit (Scale-up) bei der die Leistungsfähigkeit einer einzelnen Maschine erhöht wird. 6

10 Um besser zu verstehen, was NoSQL genau ist, schauen wir uns man einige Merkmale / Charakteristiken von NoSQL Systemen an. Die wichtigsten Merkmale sind: Es liegt KEIN relationales Datenmodell zu Grunde Es handelt sich um ein hochverteiltes und horizontal skalierbare System Einhergehend mit Skalierbarkeit ist es notwendig, die Daten auf mehrere Knoten zu verteilen, was eine Datenreplikation beinhaltet. Diese Datenreplikation wird auch data shading genannt. Es wird gefordert, dass das System einfache APIs anbietet, auf denen Applikationen erstellt werden können. Komplexe Operationen wie JOINS sind nicht notwendig. Ein weiteres Merkmal betrifft die Konsistenz der Daten. In der NoSQL Welt ist dies das BASE-Model. 7

11 Auch wenn einige bisher genannten Merkmale auch von relationalen Datenbanken unterstützt werden, gibt es noch weitere Aspekte, die wir uns ansehen müssen, um ein tieferes Verständnis zu bekommen. Wie wollen uns daher nun der folgenden Fragstellung nachgehen: Was NoSQL überhaupt ist? Vorab: NoSQL ist nicht gleich NoSQL. NoSQL ist zunächst mal ein Schlagwort, unter dem alle NICHT-relationalen Datenbanken zusammengefasst werden. Um den Überblick nicht zu verlieren, schauen wir uns nun die einzelnen Kategorien an, in die NoSQL System sich einteilen lassen. Relationale Welt: Aus der relationalen Welt kennen wir bereits die bekannten Herstellen wie Microsoft SQL Server, Oracle, IBM DB2 sowie die unterschiedlichen OpenSource Lösungen wie MySQL etc. 8

12 Dieser relationalen Welt steht die NoSQL Welt gegenüber. NoSQL Welt In der NoSQL Welt unterscheidet man zweit Kategorien. 1. Soft-NoSQL Kategorie In diese Kategorie fallen alle Objektorientierten Datenbanken, XML-Datenbanken etc. Wie wir sehen werden, unterscheiden sich diese vom Konzept schon sehr von den eigentlichen NoSQL Systemen. Einen Überblick über OODB und XML-DB finden Sie in den jeweiligen Abschnitten über Entwicklungstendenzen. 2. Kern-NoSQL Als Kern-NoSQL oder auch Core NoSQL bezeichnete System sind von Hause aus schemalos. Es liegt also kein Schema für die Daten zu Grunde. Wie wir später noch sehen werden. gibt es in diesem Bereich unterschiedliche OpenSource Lösungen. Daher sind hier in der Abbildung keine Produkt Namen aufgeführt. Stattdessen sehen Sie in der Abbildung die unterschiedlichen Unterkategorien von NoSQL-Systemen. Im einzelnen sind dies: Wird-Column Stores Document Stores Key-Value Stores GraphStores Die ersten drei Unter-Kategorien werden wir uns nun näher ansehen um das Core-No-SQL Paradigma besser zu verstehen zu lernen. 8

13 Aus der relationalen Welt kennen wird, dass die Daten in Tabellen abgelegt werden. Die Sichtweise ist dabei zeilen-orientiert. Dies bedeutet, wir haben in einem Tupel alle Werte einer Zeile., Bei dem Column Family Systemen stehen die Spalten im Mittelpunkt. In der Abbildung ist zu sehen, dass alle Werte in einem Tupel, die gleiche Bedeutung haben. So sehen Sie, dass es ein Tupel ( 48, 8, 32,..) gibt, welches die Altersangaben einzelner Personen enthält. 9

14 In der Abbildung sehen Sie nun die Namen einzelner Column-System, die zur Zeit auf dem Markt sind. Wenn Sie also nun in Zukunft in einem Fachartikel oder in einer Produktbeschreibung das Schlagwort Hadoop oder Cassandra lesen, wissen Sie nun, das es sich um einen NoSQL Datenbank aus der Kategorie Column-Family handelt. 10

15 Eine weitere Kategorie von NoSQL Datenbank sind die Key-Value Systeme. Im Zentrum der Betrachtungen stehen hier Daten, die sich als Tupel auffassen lassen. Ein Element wird als Key ( Schlüssel) interpretiert, welcher einen Wert genau identifiziert. Der Wert selbst wird in einem weiteren Element des Tupels hinterlegt. Solche Tupel lassen sich sehr gut in Hash-Tabellen ablegen, wie wir sie von z.b. Java her kennen. Bei dem Wert selbst kann es sich um: Einfache skalare Werte handeln ( z.b. einen Integer Wert) Es kann sich aber auch um ein Array, Liste, etc. handeln 11

16 In der Abbildung sehen Sie nun die Namen einzelner Key-Value Systemen, die zur Zeit auf dem Markt sind. Wenn Sie also nun in Zukunft in einem Fachartikel oder in einer Produktbeschreibung das Schlagwort Volemort lesen, wissen Sie nun, das es sich um einen NoSQL Datenbank aus der Kategorie Key-Value Store handelt. 12

17 Bei den Document Store Systemen stehen Dokumente im Mittelpunkt. Unter Dokument werden hier aber nicht Textdokument wie zum Beispiel WinWord verstanden. Vielmehr versteht man hier unter Dokument, Daten, die in XML, HTML, JSON Format vorliegen. Im allgemein also alle Daten, die einer Struktur vorliegen, die man mit einer Software weiter verarbeiten kann. Jedem Dokument wird hierbei eine ID zugewiesen, welches das Dokument eindeutig identifiziert. 13

18 In dieser Abbildung sehen Sie noch einmal genauer: Was ist ein Dokument und Das Mapping von ID zu Dokument Auf der linken Seite sehen Sie ein kleines Anwendungs-Szenario. Es wird gezeigt, dass zum Beispiel eine Person, die einen Internet Blog betreibt ( hier Blogger genannt) die einzelnen Beiträge in einem Blog bereitstellt. Jeder Blog-Betrag stellt in diesem Sinne ein Dokument dar. 14

19 In der Abbildung sehen Sie nun die Namen einzelner Dokument Store Systemen, die zur Zeit auf dem Markt sind. Wenn Sie also nun in Zukunft in einem Fachartikel oder in einer Produktbeschreibung das Schlagwort CouchDB oder MongoDB lesen, wissen Sie nun, das es sich um einen NoSQL Datenbank aus der Kategorie Dokument Store handelt. 15

20 In dieser Abbildung sehen Sie eine Gegenüberstellung bzw. Zusammenstellung der wichtigsten Begriffe, aus dem Bereich NoSQL. Zum Vergleich wurden auch die Begriffe aufgeführt, die Sie bereits aus der relationalen Welt kennen. Relationale Welt. Dort haben wir es mit Server, Databases, Tabellen und Primärschlüsseln zu tun Key Value DB Hier werden die Daten auf Clustern verarbeitet und zur Identifikation wird der Begriff Key verwendet. Column Family DB Hier werden die Daten ebenfalls auf Clustern verarbeitet und anstelle von Tabellen, redet man von Column Familie. Document DB Hier werden die Daten ebenfalls auf Servern verwaltet und anstelle von Database redet man hier von DocSpace. Als Schlüssel wird hier der Dokument Name (= 16

21 Id) verwendet. Quelle: Die Tabelle in der Abbildung ist angelehnt an das Buch: NoSQL, EINSTIEG IN DIE WELT NICHT RELATIONALER WEB 2.0 DATENBANKEN Hanser Verlag 16

22 Dies sind nur einige wenige Beispiele von NoSQL Datenbanken und ihre Einordnung in die unterschiedlichen Kategorien. Mehr finden Sie unter: 17

23 Um ein tieferes Verständnis von NOSQL Datenbanken zu erhalten, schauen wir uns zunächst die wichtigsten allgemeinen Lösungsansätze an, wie NoSQL Datenbanken eingesetzt werden und wie diese im Prinzip arbeiten. Im wesentlichen schauen wir aus drei verschiedenen Perspektiven auf die NoSQL Landschaft Dies sind im einzelnen App Wie arbeiten eigentlich Anwendungen API Welche Schnittstellen gibt NoSQL intern Hier interessieren uns im wesentlichen die Lösungsansätze bzgl. Der Skalierbarkeit. App Da ist zum einen die Anwendungswelt. Wenn wir davon ausgehen, dass wir riesige Datenmengen verarbeiten wollen, dann müssen die Applikationen in einem sogenannten Streaming Mode arbeiten. Dies bedeutet, dass Eingabedaten kontinuierlich eingelesen, verarbeitet und ausgegeben werden. Es werden also nicht erst ALLE Daten eingelesen und dann verarbeitet, sondern die Daten werden in einzelnen Blöcken verarbeitet. Darüber hinaus handelt es sich in der Regel um verteilte Anwendungen. Dies beutet, dass die zu erledigende Aufgabe auf unterschiedliche Applikationen 18

24 aufgeteilt sind und diese wiederum auf unterschiedlichen Rechnern ablaufen. API Sofern eine Kommunikation notwendig ist, werden einfache APIS gefordert, die wenn möglich Plattform und Programiersprachen unabhängig sind. NoSQL intern Für den Einsatz eine NoSQL DB ist es sinnvoll sich etwas genauer mit den allgemeinen Konzept zu beschäftigen, die den verschiedenen NoSQL Datenbanken zu Grunde liegen. Hierbei interessiert besonders das Erreichen der Skalierbarkeit. 18

25 Betrachten wir nun zunächst die Anwendungssicht. Dort hat sich das sogenannte MAP-REDUCE durchgesetzt. MAP-REDUCE stellt einen allgemeinen Ansatz dar, bei dem der Fluss der Daten im wesentlichen aus zwei Schritten besteht. Zur Verdeutlichung betrachten wir ein Beispiel. Stellen wir uns vor, wir haben Datenströme und wollen die Häufigkeit von Worten zählen. Schritt 0: Aufteilen und Starten der MAP/REDUCE Prozesse Da es sich um sehr große Datenmengen handelt, werden die Ausgangsdaten auf unterschiedliche MAP-Prozesse verteilt, die sich auch auf unterschiedlichen Rechnern befinden können. Schritt 1: MAP In einem MAP-Schritt, werden die Ausgangsdaten eingelesen und mittels einer map() Funktion transformiert und als Zwischenergebnis abgelegt. In unserem Beispiel würde die map() Funktion als Eingabe Parameter einen String erhalten, in dem ein beliebiger Text abgelegt ist. Ein weitere Parameter enthält einen Key, welche den String identifiziert. 19

26 Die map() Funktion würde nun die Anzahl der gefundenen Wörter als Zwischenergebnis ausgeben. Schritt 2: REDUCE In einem weiteren Schritt werden die Zwischenergebnisse mittels ein reduce() Funktion weiter verarbeitet. Die reduce() Funktion erhält nun eine Liste aus den Zwischenergebnissen und kann für ein gestimmtes Wort die Gesamtanzahl ermitteln. Die map() und die reduce() Funktion muss natürlich von dem Anwendungsprogrammierer/rinnen bereit gestellt werden. Das Verteilen und Starten der einzelnen Anwendungen wird vom dem NoSQL System übernommen. Wie Sie hier schon erahnen können, handelt es sich bei NoSQL-DBs nicht nur um ein System für die reine Datenablage, sondern um ein Framework/Plattform für die Anwendungen. 19

27 Bei den Schnittstellen handelt es sich in der Regel um sogenannte REST Apis. REST steht für Representational State Transfer. Es handelt sich hierbei nicht um eine Implementation, sondern vielmehr um ein Entwurfsmuster. Dem Entwurfsmuster liegen hierbei folgenden Regeln zu Grunde: Der Kommunikation erfolgt über Endpoints (Resource). Ein Endpoint ist nichts weiter als eine Web Resource / URL. Die Daten selbst werden im JSON Format beschrieben. Als Kommunikationsprotokoll bzw. für die Operationen kommt HTTP zum Einsatz. Wobei die Verben GET, HEAD, PUT, POST und DELETE verwendet werden. 20

28 Die Abbildung hier gibt Ihnen einen Überblick über die wichtigsten Lösungsansätze, die innerhalb eines NoSQL Systems zum Einsatz kommen. Das allgemeine Ziel ist ja eine hochskalierbare Datenbank zur Verfügung zu stellen. Die kleine Tabelle zeigt nun in der linken Spalte die Anforderungen, die es zu erfüllen gibt. In der rechten Spalte sind die wichtigsten Stichworte zu den jeweiligen Lösungsansätzen aufgeführt. Eine detaillierte Erklärung zu den einzelnen Lösungsansätzen verlangt einen tieferen Einblick in die theoretischen Grundlagen. Daher wird an dieser Stele nur eine kurze Erklärung gegeben, um zu verstehen, was genau das zu lösende Problem ist. Multiversion Control ( genauer MVCC = Multiversion Concurrency Control) Hierbei geht es um die Möglichkeit, wie verteile Anwendung möglich effizient auf Daten zugreifen können ohne sich gegenseitig zu blockieren. In relationalen Datenbank wird meist ein pessimistisches Sperrverhalten zu Grunde gelegt. Dies bedeutet, dass angenommen wird, dass die Daten zu sperren sind, da sie verändert werden in Zukunft. 21

29 In NoSQL Datenbanken geht man von einem optimistischen Sperrverhalten aus. Dies bedeutet, dass angenommen wird, dass die Daten nur gelesen werden und keine Sperren notwendig sind. Wenn geändert wird, kann man immer noch eine Sperre setzen. Siehe auch : BASE Bei relationalen Datenbanken lieg das ACID Model zu Grunde. (ACID = Atomic, Consistency, Integrity, Durability) Laut CAP Theorem von Brewer widerspricht sich hohe Verfügbarkeit mit der Consistency wie wie sie in dem ACID Modell gefordert wird. Daher wird bei NOSQL Systeme das sogenannte BASE Model verwendet. BASE steht dabei für Basically, Availability, Soft State Eventually Consistent. Wie Sie dem Namen bereits entnehmen können, ordnet man der Anforderung nach Verfügbarkeit höheren Stellenwert ein als die der Anforderung nach Konsistenz. Quellen: CAP Theorem: CAP Theorem: BASE: Vector Clocks Da es sich bei NOSQL um eine verteiltes System handelt, bei dem Daten parallel verarbeitet werden, besitzt jede beteiligte Instanz eine Kopie der Daten. Somit benötigt man ein Verfahren, mit dem man feststellen kann, welche Version der Daten nun die Aktuelles ist. Bei Vector Clocks handelt es sich genau um ein solches Verfahren, bei dem die einzelnen Komponenten in dem verteilten System für jeden Datensatz, der verarbeitet wird, ein Zeitstempel erzeugt wird. Dies ermöglicht dem System zu erkennen, welche Version eines Datensatzes die Aktuellste ist. PAXOS Commitment Protokolle Um eine Datenintegrität sicherzustellen, wird ähnlich wie bei den relationalen Datenbanken ein Commit (Bestätigung) Protokoll eingesetzt, um Daten zu quittieren. Bei den NoSQL System kommen hier sogenannte PAXOS Protokolle zum Einsatz. 21

30 PAXOS ist also ein Familie von Protokollen. Eine genaue Beschreibung der PXOS Familien würde den Rahmen des Kurses sprengen. Für alle, die es genau wissen möchten, empfehle ich das nachfolgende Dokument: 21

31 22

Überblick und Vergleich von NoSQL. Datenbanksystemen

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

Mehr

Einführung in CouchDB

Einführung 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

Mehr

Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie

Datenbanksysteme 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

Mehr

Stefan 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 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

Mehr

ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik

ANALYTICS, 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

Mehr

NoSQL. 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 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

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

NoSQL HANSER. Einstieg in die Web 2.0 Datenbanken. Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner

NoSQL 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

Mehr

NoSQL. 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 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)

Mehr

NoSQL-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 NoSQL-Databases Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de Klassische SQL-Datenbanken Anwendungsgebiet: Geschäftsanwendungen Behördenanwendungen

Mehr

Persönlichkeiten bei bluehands

Persönlichkeiten 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

Mehr

SimpleVOC-Yetanother. Bausteine für eine Key/Value- Datenbank

SimpleVOC-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

Mehr

Soziotechnische Informationssysteme

Soziotechnische Informationssysteme Soziotechnische Informationssysteme 8. NoSQL Relationale Datenbank NoSQL Datenbank Relationale Datenbank? NoSQL Datenbank RDBM 2 Warum? Skalierbarkeit Riesige Datenmengen Performanz und Elastizität Auslastung

Mehr

Apache HBase. A BigTable Column Store on top of Hadoop

Apache 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,

Mehr

NoSQL 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 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

Mehr

Wide Column Stores. Felix Bruckner Mannheim, 15.06.2012

Wide 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

Mehr

NoSQL-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 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

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

SQL- & NoSQL-Datenbanken. Speichern und Analysen von großen Datenmengen

SQL- & 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

Mehr

Institut für Verteilte Systeme

Institut 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 :

Mehr

Algorithmen. Consistent Hashing Bloom Filter MapReduce. Distributed Hash Tables. Einführung 1

Algorithmen. 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?

Mehr

Think Big. Skalierbare Anwendungen mit Azure. Aydin Mir Mohammadi Bluehands GmbH & co.mmunication KG

Think 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/

Mehr

Wide column-stores für Architekten

Wide column-stores für Architekten Wide column-stores für Architekten Andreas Buckenhofer Daimler TSS GmbH Ulm Schlüsselworte Big Data, Hadoop, HBase, Cassandra, Use Cases, Row Key, Hash Table NoSQL Datenbanken In den letzten Jahren wurden

Mehr

Referenzielle Integrität SQL

Referenzielle 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

Mehr

NoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt

NoSQL & 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

Mehr

NoSQL Databases and Big Data

NoSQL 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

Mehr

Big Data Management Thema 14: Cassandra

Big 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

Mehr

NoSQL. Hintergründe und Anwendungen. Andreas Winschu

NoSQL. 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

Mehr

Hadoop. Eine Open-Source-Implementierung von MapReduce und BigTable. von Philipp Kemkes

Hadoop. 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)

Mehr

Oracle Big Data Technologien Ein Überblick

Oracle Big Data Technologien Ein Überblick Oracle Big Data Technologien Ein Überblick Jürgen Vester Oracle Deutschland B.V. & Co KG Um was geht es bei Big Data? Bei Big Data sprechen wir eine Klasse von Daten an, die in der

Mehr

5. Programmierschnittstellen für XML

5. Programmierschnittstellen für XML 5. Programmierschnittstellen für Grundlagen Dr. E. Schön FH Erfurt Sommersemester 2015 Seite 135 Programmierschnittstelle Notwendigkeit: Zugriff auf -Daten durch Applikationen wiederverwendbare Schnittstellen

Mehr

5. Programmierschnittstellen für XML

5. Programmierschnittstellen für XML 5. Programmierschnittstellen für für Medientechnologen Dr. E. Schön Wintersemester 2015/16 Seite 146 Notwendigkeit: Programmierschnittstelle Zugriff auf -Daten durch Applikationen wiederverwendbare Schnittstellen

Mehr

Big Data und Oracle bringen die Logistik in Bewegung

Big Data und Oracle bringen die Logistik in Bewegung OPITZ CONSULTING Deutschland GmbH Dortmund, 07.05.2014 Bild-Quelle: Web-Seite von Pasta ZARA, Big Artikel Data So und entstehen Oracle bringen unsere die Nudeln Logistik in Bewegung http://de.pastazara.com/so-entstehen-unsere-nudeln

Mehr

Web Technologien NoSQL Datenbanken

Web 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

Mehr

Architekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131

Architekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131 Architekturen Von der DB basierten zur Multi-Tier Anwendung DB/CRM (C) J.M.Joller 2002 131 Lernziele Sie kennen Design und Architektur Patterns, welche beim Datenbankzugriff in verteilten Systemen verwendet

Mehr

Fakultät für Informatik & Wirtschaftsinformatik DB & IS II SS 2015. NoSQL. http://www.w3resource.com/mongodb/nosql.php. Dr. Christian Senger.

Fakultät 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-

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

NoSQL Datenbanken am Beispiel von CouchDB

NoSQL 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

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

Charakteristika und Vergleich von SQL- und NoSQL- Datenbanken

Charakteristika 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

Mehr

CouchDB & CouchApps. Strukturlose Speicherung von Daten und Anwendungen. B1 Systems GmbH. March 18, 2012. http://www.b1-systems.de

CouchDB & CouchApps. Strukturlose Speicherung von Daten und Anwendungen. B1 Systems GmbH. March 18, 2012. http://www.b1-systems.de CouchDB & CouchApps Strukturlose Speicherung von Daten und Anwendungen B1 Systems GmbH http://www.b1-systems.de March 18, 2012 c B1 Systems GmbH 2004 2012 Chapter -1, Slide 1 CouchDB Grundlagen CouchDB

Mehr

1 Einführung... 25. 2 Die Grundlagen... 55. 3 Praxis 1 das Kassenbuch (zentraler CouchDB-Server)... 139. 4 Praxis 2 das Kassenbuch als CouchApp...

1 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

Mehr

Ein 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? 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

Mehr

Aktuelle SE Praktiken für das WWW

Aktuelle 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

Mehr

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz

25.09.2014. 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)

Mehr

Eclipse und EclipseLink

Eclipse und EclipseLink Eclipse und EclipseLink Johannes Michler Johannes.Michler@promatis.de PROMATIS, Ettlingen Zugriff auf Oracle Datenbanken aus Eclipse RCP Anwendungen via EclipseLink 18.09.2009 1 Gliederung Eclipse als

Mehr

Rein relationale DB in Prod? Datenbanken in produktiven Einsatz? SQL + NoSQL DB in Prod? (MongoDB, Redis, CouchDB, Cassandra)

Rein 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

Mehr

ISBN: 978-3-8428-0679-5 Herstellung: Diplomica Verlag GmbH, Hamburg, 2011

ISBN: 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

Mehr

XAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL

XAMPP-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.

Mehr

DataSpace 2.0 Die sichere Kommunikations-Plattform für Unternehmen und Organisationen. Your Data. Your Control

DataSpace 2.0 Die sichere Kommunikations-Plattform für Unternehmen und Organisationen. Your Data. Your Control DataSpace 2.0 Die sichere Kommunikations-Plattform für Unternehmen und Organisationen Your Data. Your Control WebGUI CMIS GW (JSON) GDS2 API (JSON) WebDAV GDS core Moderne Software Architektur Object-Store

Mehr

Eine Einführung in Apache CouchDB. Java-Forum Stuttgart 2011

Eine 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?

Mehr

Auf 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 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

Mehr

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2

Seminar 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

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

MapReduce in der Praxis

MapReduce 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

Mehr

DATENBANK LÖSUNGEN. mit Azure. Peter Schneider Trainer und Consultant. Lernen und Entwickeln. www.egos.co.at

DATENBANK LÖSUNGEN. mit Azure. Peter Schneider Trainer und Consultant. Lernen und Entwickeln. www.egos.co.at DATENBANK LÖSUNGEN mit Azure Peter Schneider Trainer und Consultant Agenda Cloud Services, Data Platform, Azure Portal Datenbanken in Virtuelle Maschinen Azure SQL Datenbanken und Elastic Database Pools

Mehr

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

DATENBANKEN 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.

Mehr

Datenbanksysteme 2015

Datenbanksysteme 2015 Datenbanksysteme 2015 Kapitel 09: Datenbankapplikationen Oliver Vornberger Institut für Informatik Universität Osnabrück Datenbankapplikationen ODBC MS Visio MS Access Embedded SQL JDBC Application SQLJ

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen

SQL- & 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

Mehr

Datenbanken Unit 4: Das Relationale Modell & Datenintegrität

Datenbanken Unit 4: Das Relationale Modell & Datenintegrität Datenbanken Unit 4: Das Relationale Modell & Datenintegrität 15. III. 2016 Outline 1 Organisatorisches 2 SQL 3 Relationale Algebra Notation 4 Datenintegrität Organisatorisches Erster Zwischentest: nach

Mehr

Dominik Wagenknecht Accenture. Der No Frills Big Data Workshop -Teil3

Dominik Wagenknecht Accenture. Der No Frills Big Data Workshop -Teil3 Dominik Wagenknecht Accenture Der No Frills Big Data Workshop -Teil3 Der no frills BigData Workshop JAX 2012, 16.4.2012, Mainz Teil 3 Google ist ein Pionier von BigData und hat mit MapReduce und BigTable

Mehr

In diesem Anschnitt geht es um die SQL Anweisungen, mit denen ich den Zugriff auf das Datenbankschema steuern kann.

In diesem Anschnitt geht es um die SQL Anweisungen, mit denen ich den Zugriff auf das Datenbankschema steuern kann. In diesem Anschnitt geht es um die SQL Anweisungen, mit denen ich den Zugriff auf das Datenbankschema steuern kann. All diese Befehle werden unter dem Begriff SQL DLC Data Control Language zusammengefasst.

Mehr

SQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar

SQL 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-

Mehr

The R(E)volution of Data Stores

The 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

Mehr

PostgreSQL im praktischen Einsatz. Stefan Schumacher

PostgreSQL im praktischen Einsatz. Stefan Schumacher PostgreSQL im praktischen Einsatz 2. Brandenburger Linux Infotag 2005 Stefan Schumacher , PGP Key http:/// $Header: /home/daten/cvs/postgresql/folien.tex,v 1.11 2005/04/25

Mehr

10. Datenbank Design 1

10. Datenbank Design 1 1 Die Hauptaufgabe einer Datenbank besteht darin, Daten so lange zu speichern bis diese explizit überschrieben oder gelöscht werden. Also auch über das Ende (ev. sogar der Lebenszeit) einer Applikation

Mehr

php Hier soll ein Überblick über das Erstellen von php Programmen gegeben werden. Inhaltsverzeichnis 1.Überblick...2 2.Parameterübergabe...

php Hier soll ein Überblick über das Erstellen von php Programmen gegeben werden. Inhaltsverzeichnis 1.Überblick...2 2.Parameterübergabe... php Hier soll ein Überblick über das Erstellen von php Programmen gegeben werden. Inhaltsverzeichnis 1.Überblick...2 2.Parameterübergabe...7 3.Zugriff auf mysql Daten...11 Verteilte Systeme: php.sxw Prof.

Mehr

Analyse und Auswertung großer heterogener Datenmengen

Analyse 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

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

Shoptransfer Assistent für den Datenaustausch mit den Web Shops

Shoptransfer Assistent für den Datenaustausch mit den Web Shops 1 Allgemein GDI organisiert mit dem Web Shop Modul die Datenhaltung innerhalb der GDI Warenwirtschaft. Der Datenaustausch mit den Shops erfolgt über externe Schnittstellen. Dabei werden Shopwarengrupppen

Mehr

Java Application 1 Java Application 2. JDBC DriverManager. JDBC-ODBC Br idge. ODBC Driver Manager. Dr iver C. Dr iver D.

Java Application 1 Java Application 2. JDBC DriverManager. JDBC-ODBC Br idge. ODBC Driver Manager. Dr iver C. Dr iver D. 1 Copyright 1996-1997 by Axel T. Schreiner. All Rights Reserved. 7 Datenbankzugriff Prinzip Dieser Abschnitt beschäftigt sich mit dem Paket java.sql, das eine SQL-Schnittstelle für Java verkapselt. Java-Programme

Mehr

3. Das Relationale Datenmodell

3. Das Relationale Datenmodell 3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie

Mehr

Reporting Lösungen für APEX wähle Deine Waffen weise

Reporting Lösungen für APEX wähle Deine Waffen weise Reporting Lösungen für APEX wähle Deine Waffen weise Dietmar Aust Opal-Consulting Köln Schlüsselworte: Oracle APEX, Reporting, JasperReports, PL/PDF, BI Publisher, OPAL:XP, Doxxy, Oracle Rest Data Services

Mehr

Grundlagen der Informatik 2

Grundlagen der Informatik 2 Grundlagen der Informatik 2 Dipl.-Inf., Dipl.-Ing. (FH) Michael Wilhelm Hochschule Harz FB Automatisierung und Informatik mwilhelm@hs-harz.de Raum 2.202 Tel. 03943 / 659 338 1 Gliederung 1. Einführung

Mehr

Kapitel 33. Der xml-datentyp. In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023

Kapitel 33. Der xml-datentyp. In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023 Kapitel 33 Der xml-datentyp In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023 995 996 Kapitel 33: Der xml-datentyp Eine der wichtigsten

Mehr

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird. Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,

Mehr

Datumsangaben, enthält mindestens Jahr, Monat, Tag

Datumsangaben, enthält mindestens Jahr, Monat, Tag Datenbanken mit SQL Informatik - Sprenger Häufig wird mit Tabellenkalkulationen gearbeitet, obwohl der Einsatz von Datenbanken sinnvoller ist. Tabellenkalkulationen wie Microsoft Excel oder LibreOffice

Mehr

D1: Relationale Datenstrukturen (14)

D1: Relationale Datenstrukturen (14) D1: Relationale Datenstrukturen (14) Die Schüler entwickeln ein Verständnis dafür, dass zum Verwalten größerer Datenmengen die bisherigen Werkzeuge nicht ausreichen. Dabei erlernen sie die Grundbegriffe

Mehr

SQL. SQL: Structured Query Language. Früherer Name: SEQUEL. Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99

SQL. SQL: Structured Query Language. Früherer Name: SEQUEL. Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99 SQL Früherer Name: SEQUEL SQL: Structured Query Language Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99 SQL ist eine deklarative Anfragesprache Teile von SQL Vier große Teile:

Mehr

Kapitel 7: Referentielle Integrität

Kapitel 7: Referentielle Integrität Kapitel 7: Referentielle Integrität Im Allgemeinen sind nur solche Instanzen einer Datenbank erlaubt, deren Relationen die der Datenbank bekannten Integritätsbedingungen (IB) erfüllen. Integritätsbedingungen

Mehr

Search-Driven Applications. Florian Hopf, freiberuflicher Softwareentwickler Tobias Kraft, exensio GmbH

Search-Driven Applications. Florian Hopf, freiberuflicher Softwareentwickler Tobias Kraft, exensio GmbH Search-Driven Applications Florian Hopf, freiberuflicher Softwareentwickler Tobias Kraft, exensio GmbH Agenda Motivation Aufbau der Such-Datenstruktur Anwendungsfälle Fallstricke Was ist Suche? Was wollen

Mehr

Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin

Datenbanken 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,

Mehr

OrientDB. Eine NoSQL-Datenbank. Jonas Schmeck. ABSTRACT. Keywords

OrientDB. Eine NoSQL-Datenbank. Jonas Schmeck. ABSTRACT. Keywords OrientDB Eine NoSQL-Datenbank Jonas Schmeck Universität Siegen Fakultät IV jonas.schmeck@student.uni-siegen.de ABSTRACT Diese Ausarbeitung beschäftigt sich mit der NoSQL-Datenbank OrientDB. Es werden grundsätzliche

Mehr

NEWpixi* API und die Umstellung auf REST. Freitag, 3. Mai 13

NEWpixi* API und die Umstellung auf REST. Freitag, 3. Mai 13 NEWpixi* API und die Umstellung auf REST Fakten NEWpixi* API Technik REST-basierend.NET Webservice IIS Webserver Release 31. August 2013, zusammen mit dem NEWpixi* ELI Release Legacy API und erste NEWpixi*

Mehr

<Insert Picture Here> RAC Architektur und Installation

<Insert Picture Here> RAC Architektur und Installation RAC Architektur und Installation Elmar Ströhmer Michael Künzner Oracle Server Technologies Competence Center Agenda Überblick und Architekturen von HA-Systemen Hardware Die Basis

Mehr

Karl Glatz Oktober 2009. Vorstellung der verteilten NoSQL Datenbank CouchDB

Karl Glatz Oktober 2009. Vorstellung der verteilten NoSQL Datenbank CouchDB Karl Glatz Oktober 2009 Vorstellung der verteilten NoSQL Datenbank CouchDB Web Awendung (AJAX) MySQL SQL Web Server PHP HTTP (HTML) ORM (Framework) JSON API (AJAX) Web Browser Java Script HTTP RESTful

Mehr

Transaktionen in der Praxis. Dr. Karsten Tolle

Transaktionen in der Praxis. Dr. Karsten Tolle Transaktionen in der Praxis Dr. Karsten Tolle Praxisbeispiel in Java Connection con = null; try { con = DriverManager.getConnection("jdbc:db2:sample"); } catch (Exception e) { e.printstacktrace(); } con.setautocommit(false);

Mehr

NoSQL mit Postgres 15. Juni 2015

NoSQL 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

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Auf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort 13

Auf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort 13 Auf einen Blick Vorwort 13 Teil 1 Vorbereitung Kapitel 1 Einleitung 17 Kapitel 2 SQL - der Standard relationaler Datenbanken 21 Kapitel 3 Die Beispieldatenbanken 39 Teil 2 Abfrage und Bearbeitung Kapitel

Mehr

Einführung in die Cross-Plattform Entwicklung Web Services mit dem Intel XDK

Einführung in die Cross-Plattform Entwicklung Web Services mit dem Intel XDK Einführung in die Cross-Plattform Entwicklung Web Services mit dem Intel XDK Einführung Dieses Hands-on-Lab (HOL) macht den Leser mit dem Intel XDK und dem Zugriff auf Web Services vertraut. Der Web Service

Mehr

Verschiedene Arten des Datenbankeinsatzes

Verschiedene Arten des Datenbankeinsatzes 1 Beispiele kommerzieller DBMS: Kapitelinhalt Was charakterisiert und unterscheidet verschiedene Einsatzbereiche für. Welche prinzipiell unterschiedlichen Anforderungen ergeben sich für das DBMS bei Ein-

Mehr

Dokumentenorientierte Datenbanken - MongoDB

Dokumentenorientierte Datenbanken - MongoDB Dokumentenorientierte Datenbanken - MongoDB Jan Hentschel Ultra Tendency UG Übersicht Dokumente sind unabhängige Einheiten Bessere Performance (zusammengehörige Daten werden gemeinsam gelesen) Objektmodell

Mehr

Skalierbare Webanwendungen mit Python und Google App Engine

Skalierbare Webanwendungen mit Python und Google App Engine Skalierbare Webanwendungen mit Python und Google App Engine Oliver Albers 03. Juli 2008 1/32 Einführung Worum geht es? Pro und Contra Technik Genereller Aufbau Anwendungskonfiguration Verarbeitung von

Mehr

Dokumentation QuickHMI-Schnittstelle für Oracle Datenbanken

Dokumentation QuickHMI-Schnittstelle für Oracle Datenbanken Dokumentation QuickHMI-Schnittstelle für Oracle Datenbanken Version 2.0 D-28359 Bremen info@indi-systems.de Tel + 49 421-989703-30 Fax + 49 421-989703-39 Inhaltsverzeichnis Was ist die QuickHMI-Schnittstelle

Mehr

EXASOL Anwendertreffen 2012

EXASOL 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

Mehr

Datenbanken (WS 2015/2016)

Datenbanken (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

Mehr

NoSQL Deep Dive mit Cassandra. Kai Spichale

NoSQL Deep Dive mit Cassandra. Kai Spichale NoSQL Deep Dive mit Cassandra Kai Spichale 13.04.2011 1 NoSQL 13.04.2011 2 BerlinExpertDays NoSQL Wide Column Stores / Column Families Document Stores Graph Databases Key Value / Tupe Stores 13.04.2011

Mehr

Theorie und Praxis einer JSON-RPC-basierten Web-API

Theorie und Praxis einer JSON-RPC-basierten Web-API Theorie und Praxis einer JSON-RPC-basierten Web-API Christian Krause Christian.Krause@raritan.com Raritan Deutschland GmbH Chemnitzer LinuxTage 2015 Gliederung 1 2 Remote Procedure Call Interface Definition

Mehr