Big Data Management Thema 14: Cassandra
|
|
- Ida Jaeger
- vor 8 Jahren
- Abrufe
Transkript
1 Thema 14: Cassandra Jan Kristof Nidzwetzki
2 Thema 14: Cassandra 1 / 25 Übersicht 1 Grundlagen Überblick Geschichte Datenmodel 2 Architektur Der logische Ring Persistenz der Daten Tunable Consistency Read Repair 3 Cassandra im Einsatz CQL Cassandra Query Language Performancevergleich 4 Zusammenfassung
3 Thema 14: Cassandra 2 / 25 Grundlagen Überblick Was ist Cassandra? Cassandra in 50 Worten Apache Cassandra is an open source, distributed, decentralized, elastically scalable, highly available, fault tolerant, tuneably consistent, column-oriented database that bases its distribution design on Amazon s Dynamo and its data model on Google s Bigtable. Created at Facebook, it is now used at some of the most popular sites on the Web. 1 1 Quelle: Eben Hewitt, Cassandra: The Definitive Guide, O Reilly Media, 2010, S. 14
4 Thema 14: Cassandra 3 / 25 Grundlagen Geschichte Geschichte von Cassandra Cassandra wurde 2008 von entwickelt... ist in Java geschrieben... wird von der Apache Software Foundation betreut... steht unter der Apache License 2.0
5 Thema 14: Cassandra 4 / 25 Grundlagen Geschichte Wer setzt Cassandra ein? Wo kommt Cassandra zum Einsatz? 2 CERN: Legt Messdaten in Cassandra ab ebay: Betreibt einen hochverfügbaren Cassandra Cluster verteilt über mehrere Rechenzentren HP: Speichert Metadaten für einen Musik Streaming Dienst in Cassandra IBM: Nutzt Cassandra als Backend in einem Webmail-Client Twitter: Verwendet Cassandra zum speichern von Analysen 2 Quelle:
6 Thema 14: Cassandra 5 / 25 Grundlagen Geschichte Familie Architektur Datenmodel
7 Thema 14: Cassandra 6 / 25 Grundlagen Datenmodel Datenmodel Spaltenfamilie 1 Spalte 1 Spalte 2 Spalte 3 Zeilenschlüssel 2 Wert 1 Wert 2 Wert 3 Spaltenfamilie 1 Spalte 1 Spalte 4 Zeilenschlüssel 1 Wert 1 Wert 4 Schlüsselraum 1
8 Thema 14: Cassandra 7 / 25 Grundlagen Datenmodel Datenmodel - Beispiel Person Vorname Nachname Alter user4711 Jörg Zeitstempel: 3 Hansen Zeitstempel: 3 27 Zeitstempel: 3 Person Vorname user0815 Otto Zeitstempel: 56 @domain Zeitstempel: 45 Schlüsselraum 1
9 Thema 14: Cassandra 7 / 25 Grundlagen Datenmodel Datenmodel - Beispiel Person Vorname Nachname Alter user4711 Jörg Zeitstempel: 3 Hansen Zeitstempel: 3 27 Zeitstempel: 3 Person Vorname user0815 Otto Zeitstempel: 56 @domain Zeitstempel: 45 Schlüsselraum 1
10 Thema 14: Cassandra 7 / 25 Grundlagen Datenmodel Datenmodel - Beispiel Person Vorname Nachname Alter user4711 Jörg Zeitstempel: 3 Hansen Zeitstempel: 3 28 Zeitstempel: 65 Person Vorname user0815 Otto Zeitstempel: 56 @domain Zeitstempel: 45 Schlüsselraum 1
11 Thema 14: Cassandra 8 / 25 Architektur Der logische Ring Begriffe Knoten: Ein Server auf dem Cassandra installiert ist Replikationsfaktor: Anzahl der Replikate einer Zeile Partitionierer: Berechnet den Ablageort einer Zeile Platzierungsstategie für Replikate: Bestimmt auf welchen Knoten Replikate abgelegt werden
12 Thema 14: Cassandra 9 / 25 Architektur Der logische Ring Der logische Ring Replikationsfaktor: N = 3 G 1 0 A F E B D C
13 Thema 14: Cassandra 9 / 25 Architektur Der logische Ring Der logische Ring Replikationsfaktor: N = 3 G 1 0 A F E B h(zeilenschlüssel1) D C
14 Thema 14: Cassandra 9 / 25 Architektur Der logische Ring Der logische Ring Replikationsfaktor: N = 3 G 1 0 A F E B h(zeilenschlüssel1) D C
15 Thema 14: Cassandra 9 / 25 Architektur Der logische Ring Der logische Ring Replikationsfaktor: N = 3 G 1 0 A F E B h(zeilenschlüssel1) D C
16 Thema 14: Cassandra 10 / 25 Architektur Der logische Ring Der logische Ring Logischer Ring mit einer Node root@node1:~# /root/cassandra/bin/nodetool ring Datacenter: datacenter1 ========== Address Rack Status State Load Owns Token node1 rack1 Up Normal KB %
17 Thema 14: Cassandra 11 / 25 Architektur Der logische Ring Der logische Ring Logischer Ring mit zwei Nodes root@node1:~# /root/cassandra/bin/nodetool ring Datacenter: datacenter1 ========== Address Rack Status State Load Owns Token node1 rack1 Up Normal KB 30.07% node2 rack1 Up Normal 1.55 MB 69.93%
18 Thema 14: Cassandra 12 / 25 Architektur Der logische Ring Der logische Ring Logischer Ring mit drei Nodes root@node1:~# /root/cassandra/bin/nodetool ring Datacenter: datacenter1 ========== Address Rack Status State Load Owns Token node1 rack1 Up Normal KB 30.07% node3 rack1 Up Normal KB 44.34% node2 rack1 Up Normal 1.51 MB 25.59%
19 Thema 14: Cassandra 13 / 25 Architektur Persistenz der Daten Persistenz der Daten Schreibzugriff Memory Disk
20 Thema 14: Cassandra 13 / 25 Architektur Persistenz der Daten Persistenz der Daten Schreibzugriff 1. Vermerken des Schreibzugriffs im Commit-Log Memory Disk Commit-Log
21 Thema 14: Cassandra 13 / 25 Architektur Persistenz der Daten Persistenz der Daten Schreibzugriff 2. Vermerken des Schreibzugriffs in der Memtable 1. Vermerken des Schreibzugriffs im Commit-Log Memory Disk Memtable Commit-Log
22 Thema 14: Cassandra 13 / 25 Architektur Persistenz der Daten Persistenz der Daten Schreibzugriff 2. Vermerken des Schreibzugriffs in der Memtable 1. Vermerken des Schreibzugriffs im Commit-Log Memory Memtable Disk SSTables Commit-Log Flush
23 Thema 14: Cassandra 13 / 25 Architektur Persistenz der Daten Persistenz der Daten Schreibzugriff 2. Vermerken des Schreibzugriffs in der Memtable 1. Vermerken des Schreibzugriffs im Commit-Log Memory Disk Memtable SSTables SSTable Commit-Log Flush Compact
24 Thema 14: Cassandra 14 / 25 Architektur Tunable Consistency Lesen Tunable Consistency Konsistenz-Level ONE QUORUM ALL Bedeutung Es werden die Zeilen von dem Knoten zurückgeliefert, welcher als erstes antwortet. Haben ( Replikationsfaktor + 1) Knoten geantwortet, werden die Zeilen mit dem neuesten Zeitstempel an den 2 Client ausgeliefert. Verhält sich wie QUORUM, jedoch wird mit dem Ausliefern der Zeilen gewartet, bis die Zeilen von allen Knoten vorliegen.
25 Thema 14: Cassandra 15 / 25 Architektur Tunable Consistency Tunable Consistency Lesen F 1 0 A Client E B Replikationsfaktor: N = 3 D C
26 Thema 14: Cassandra 15 / 25 Architektur Tunable Consistency Tunable Consistency Lesen F 1 0 A Client E B Replikationsfaktor: N = 3 D C
27 Thema 14: Cassandra 15 / 25 Architektur Tunable Consistency Tunable Consistency Lesen F 1 0 A Konsistenz: ONE Client E B Replikationsfaktor: N = 3 D C
28 Thema 14: Cassandra 15 / 25 Architektur Tunable Consistency Tunable Consistency Lesen F 1 0 A Konsistenz: QUORUM Client E B Replikationsfaktor: N = 3 D C
29 Thema 14: Cassandra 15 / 25 Architektur Tunable Consistency Tunable Consistency Lesen F 1 0 A Konsistenz: ALL Client E B Replikationsfaktor: N = 3 D C
30 Thema 14: Cassandra 16 / 25 Architektur Tunable Consistency Tunable Consistency Schreiben Konsistenz-Level ZERO ANY ONE QUORUM ALL Bedeutung Die Schreiboperation wird asynchron bearbeitet. Auftretende Fehler werden ignoriert. Die Schreiboperation muss auf mindestens einem Knoten durchgeführt worden sein. Hinted Handoffs sind erlaubt. Die Schreiboperation muss auf mindestens einem Knoten durchgeführt worden sein. Es müssen mindestens ( Replikationsfaktor +1) Knoten die 2 Schreiboperation bestätigen. Die Schreiboperation muss von allen Knoten bestätigt worden sein, welche für die Daten zuständig sind.
31 Thema 14: Cassandra 17 / 25 Architektur Read Repair Read Repair F 1 0 A Konsistenz: ONE Client E B Replikationsfaktor: N = 3 D C
32 Read Repair Thema 14: Cassandra 17 / 25 Architektur Read Repair Konsistenz: ONE F 1 <1,100000> 0 A Client E B Replikationsfaktor: N = 3 <1,100000>: Wert = 1, geschrieben bei Zeitstempel D C
33 Read Repair Thema 14: Cassandra 17 / 25 Architektur Read Repair F 1 <1,100000> 0 A E <3,100020> B <3,100020> Replikationsfaktor: N = 3 <1,100000>: Wert = 1, geschrieben bei Zeitstempel D C
34 Read Repair Thema 14: Cassandra 17 / 25 Architektur Read Repair F 1 <3,100020> 0 A E B Replikationsfaktor: N = 3 <1,100000>: Wert = 1, geschrieben bei Zeitstempel D C
35 Cassandra im Einsatz Thema 14: Cassandra 18 / 25 CQL Cassandra Query Language CQL Cassandra Query Language CQL ist eine Abfragesprache ähnlich SQL
36 Cassandra im Einsatz Thema 14: Cassandra 18 / 25 CQL Cassandra Query Language CQL Cassandra Query Language CQL ist eine Abfragesprache ähnlich SQL... ist an die Syntax von SQL angelehnt
37 Cassandra im Einsatz Thema 14: Cassandra 18 / 25 CQL Cassandra Query Language CQL Cassandra Query Language CQL ist eine Abfragesprache ähnlich SQL... ist an die Syntax von SQL angelehnt... bietet eine stabile Schnittstelle zu Cassandra (JDBC-Treiber verfügbar)
38 Cassandra im Einsatz Thema 14: Cassandra 18 / 25 CQL Cassandra Query Language CQL Cassandra Query Language CQL ist eine Abfragesprache ähnlich SQL... ist an die Syntax von SQL angelehnt... bietet eine stabile Schnittstelle zu Cassandra (JDBC-Treiber verfügbar)... enthält keine Anweisungen für Joins, etc.
39 Cassandra im Einsatz Thema 14: Cassandra 19 / 25 CQL Cassandra Query Language CQL am Beispiel Abfrage einer Zeile Casandra CLI und CQL # CLI get People[ 21 ]; # CQL SELECT * from People WHERE key = 21;
40 Cassandra im Einsatz Thema 14: Cassandra 20 / 25 CQL Cassandra Query Language CQL am Beispiel Anlegen einer Zeile Casandra CLI und CQL # CLI set users[ jsmith ][firstname] = John ; set users[ jsmith ][lastname] = Smith ; set users[ jsmith ][age] = 22 ; # CQL INSERT INTO users (KEY, firstname, lastname, age) VALUES ( jsmith, John, Smith, 22 );
41 Cassandra im Einsatz Thema 14: Cassandra 21 / 25 CQL Cassandra Query Language CQL am Beispiel Anlegen einer Zeile unter Angabe eines Konsistenz-Levels # CLI consistencylevel as QUORUM; set users[ jsmith ][firstname] = John ; set users[ jsmith ][lastname] = Smith ; set users[ jsmith ][age] = 22 ; # CQL INSERT INTO users (KEY, firstname, lastname, age) VALUES ( jsmith, John, Smith, 22 ) USING CONSISTENCY QUORUM;
42 Cassandra im Einsatz Thema 14: Cassandra 22 / 25 Performancevergleich Performance Paper: Solving big data challenges for enterprise application performance management, 2012 Throughput (Operations/sec) Cassandra HBase Number of Nodes Voldemort VoltDB Redis MySQL Abbildung: 5% schreibende Zugriffe, 95% lesende Zugriffe.
43 Cassandra im Einsatz Thema 14: Cassandra 23 / 25 Performancevergleich Performance Paper: Solving big data challenges for enterprise application performance management, Throughput (Ops/sec) Cassandra HBase Number of Nodes Voldemort VoltDB Redis MySQL Abbildung: 50% schreibende Zugriffe, 50% lesende Zugriffe.
44 Thema 14: Cassandra 24 / 25 Zusammenfassung Zusammenfassung Ist ein spaltenorientiertes Datenbankmanagementsystem
45 Thema 14: Cassandra 24 / 25 Zusammenfassung Zusammenfassung Ist ein spaltenorientiertes Datenbankmanagementsystem Datenmodel von Google Bigtale
46 Thema 14: Cassandra 24 / 25 Zusammenfassung Zusammenfassung Ist ein spaltenorientiertes Datenbankmanagementsystem Datenmodel von Google Bigtale Architektur von Amazon Dynamo
47 Thema 14: Cassandra 24 / 25 Zusammenfassung Zusammenfassung Ist ein spaltenorientiertes Datenbankmanagementsystem Datenmodel von Google Bigtale Architektur von Amazon Dynamo Setzt auf Tunable Consistency
48 Thema 14: Cassandra 24 / 25 Zusammenfassung Zusammenfassung Ist ein spaltenorientiertes Datenbankmanagementsystem Datenmodel von Google Bigtale Architektur von Amazon Dynamo Setzt auf Tunable Consistency Inkonsistenzen werden u. A. mittels Read Repair behoben
49 Thema 14: Cassandra 24 / 25 Zusammenfassung Zusammenfassung Ist ein spaltenorientiertes Datenbankmanagementsystem Datenmodel von Google Bigtale Architektur von Amazon Dynamo Setzt auf Tunable Consistency Inkonsistenzen werden u. A. mittels Read Repair behoben Skaliert gut über mehrere Knoten
50 Thema 14: Cassandra 25 / 25 Zusammenfassung Vielen Dank für Ihre Aufmerksamkeit
FernUniversität in Hagen - Seminar 01912 im Sommersemester 2013. Big Data Management
FernUniversität in Hagen - Seminar 01912 im Sommersemester 2013 Big Data Management Thema 14 Cassandra Referent: Jan Kristof Nidzwetzki 2 Jan Kristof Nidzwetzki, Thema 14: Cassandra Inhaltsverzeichnis
MehrNoSQL Datenbanken am Beispiel von HBase. Daniel Georg
NoSQL Datenbanken am Beispiel von HBase Daniel Georg No to SQL at all sondern Not only SQL Open- Source Community Erst im Jahr 2009 gestartet Community bietet verschiede Lösungen: Casandra, CouchDD, HBase,
MehrNoSQL 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
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
MehrApache Cassandra, wieso brauche ich das?
Apache Cassandra, wieso brauche ich das? Jan Ott, Trivadis AG Apache Cassandra ist eine NoSQL-Datenbank und konkurriert somit nicht nur mit anderen NoSQL-Datenbanken wie zum Beispiel MongoDB, sondern auch
MehrWide-Column Datenmodell nach BigTable
Wide-Column Datenmodell nach BigTable Cassandra Gliederung Wide-Column Datenmodell nach BigTable Einführung Datenmodell nach BigTable Rows Columns Timestamps Thrift RPC API Fazit Einführung Wichtigsten
MehrArchitektur von Cassandra
Seminar: NoSQL Wintersemester 201/2014 Cassandra Zwischenpräsentation 1 Ablauf Replica Partitioners Snitches Besteht aus mehrere Knoten Jeder Knoten kann (Lesen, Schreib. oder Löschen) Verwendet Hash Algorithm
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?
MehrHochverfügbare Webanwendungen mit Apache Cassandra. msg systems ag, 26. November 2014
R8 Hochverfügbare Webanwendungen mit Apache Cassandra 1 Forschung zu Wirtschaft 2 Name R8 Name R8 3 Applikations-Framework Big-Data-Framework für besonders anspruchsvolle Kunden 4 derzeitige Architekturen
MehrVerteilte Systeme: Web Services
Wegweiser Verteilte Systeme: Web Services Einführung 1 SOA Service Oriented Architecture Frontend Business Logik Persistenz Service Consumer Service Provider Div. Design Prinzipien Lose Kopplung Abstraktion
MehrGoogle's BigTable: Ein verteiltes Speichersystem für strukturierte Daten. von Florian Eiteljörge
Google's BigTable: Ein verteiltes Speichersystem für strukturierte Daten von Florian Eiteljörge 1. Was ist Bigtable? 2. Datenmodell Übersicht 3. Implementierung/Architektur von Bigtable 4. Vergleich mit
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
Mehr!"#$"%&'()*$+()',!-+.'/',
Soziotechnische Informationssysteme 5. Facebook, Google+ u.ä. Inhalte Historisches Relevanz Relevante Technologien Anwendungsarchitekturen 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3, Historisches Facebook
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
MehrPräsentation mongodb. David Wild
Präsentation mongodb David Wild 11.12.2012 Einleitung 2009 vom US-Startup 10gen als Open-Source-Lösung vorgestellt Einleitung 2009 vom US-Startup 10gen als Open-Source-Lösung vorgestellt Name stammt aus
MehrDatenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2015/16.
Datenbanksysteme Wintersemester 2015/16 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de MapReduce, Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 15/16 2 / 35 MapReduce,
MehrANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik
ARFA ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik Ralf Leipner Domain Architect Analytics, Risk Management & Finance 33. Berner Architekten
MehrDatenbanken und Datenbanktypen Tag 1 : Kapitel 1. Christian Inauen. Lernziele. Entwicklung der Datenbanken.
Tag 1 : und 10.08.2015 Jede/r Lernende... kann in eigenen Worten die Entstehung von erläutern kennt die verschiedenen Arten von mit entsprechenden Eigenschaften kann die Abkürzungen ACID, BASE und CAP
MehrNoSQL. Prof. Dr. Ingo Claßen. Einführung. Kategorisierung von NoSQL-Systemen. Verteilung. Konsistenz. Literatur
NoSQL Prof. Dr. Ingo Claßen Hochschule für Technik und Wirtschaft Berlin Einführung Kategorisierung von NoSQL-Systemen Verteilung Konsistenz Literatur Einführung Warum NoSQL Unterstützung großer Datenmengen
MehrÜben von DDL und DML. Ergebnis:
SQL DDL Üben von DDL und DML https://www.jdoodle.com/execute-sql-online Ergebnis: Befehlsgruppen in SQL DDL Data Definition Language DML Data Manipulation Language CREATE: Tabellen anlegen DROP: Tabellen
Mehr<Insert Picture Here> Web-2.0-Anwendungen mit MySQL
Web-2.0-Anwendungen mit MySQL Ralf Gebhardt Principal Sales Consultant MySQL Agenda Die Definition von Web-2.0 Web-2.0-Architektur MySQL als Datenbankschicht Teil 1 MySQL Replikation
MehrOpen Source Data Center Virtualisierung mit OpenNebula. 05.03.2013 CeBIT 2013. Bernd Erk www.netways.de
Open Source Data Center Virtualisierung mit OpenNebula 05.03.2013 CeBIT 2013 Bernd Erk VORSTELLUNG NETWAYS NETWAYS! Firmengründung 1995! GmbH seit 2001! Open Source seit 1997! 35 Mitarbeiter! Spezialisierung
MehrOpen Source Data Center Virtualisierung mit OpenNebula. 22.05.2013 LinuxTag Berlin. Bernd Erk www.netways.de
Open Source Data Center Virtualisierung mit OpenNebula 22.05.2013 LinuxTag Berlin Bernd Erk VORSTELLUNG NETWAYS NETWAYS! Firmengründung 1995! GmbH seit 2001! Open Source seit 1997! 38 Mitarbeiter! Spezialisierung
MehrSkalierbare Webanwendungen
Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit
Mehrdaniel.kreuzhofer@microsoft.com Image source http://commons.wikimedia.org/wiki/file:modern_warehouse_with_pallet_rack_storage_system.jpg Definitionen Azure Region Eine Ansammlung von Rechenzentren, die
MehrBeratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting
Beratung Results, no Excuses. Consulting Lösungen Grown from Experience. Ventum Consulting SQL auf Hadoop Oliver Gehlert 1 Ventum Consulting Daten und Fakten Results, no excuses Fachwissen Branchenkenntnis
MehrEXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution
EXASOL @ Symposium on Scalable Analytics Skalierbare Analysen mit EXASolution EXASOL AG Wer sind wir R&D: + seit 2000 + laufend Forschungsprojekte Produkt: Analytische Datenbank EXASolution Focus auf Komplexität
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 & 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
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"
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
MehrSODA. Die Datenbank als Document Store. Rainer Willems. Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG
SODA Die Datenbank als Document Store Rainer Willems Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG vs No Anforderungskonflikte Agile Entwicklung Häufige Schema-Änderungen Relationales
MehrMultimedia im Netz Wintersemester 2013/14. Übung 03 (Nebenfach)
Multimedia im Netz Wintersemester 2013/14 Übung 03 (Nebenfach) Ludwig-Maximilians-Universität München Multimedia im Netz WS 2013/14 - Übung 3-1 Datenbanken und SQL Mit Hilfe von Datenbanken kann man Daten
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
MehrBig Data in der Praxis
Jonas Freiknecht Big Data in der Praxis Lösungen mit Hadoop, HBase und Hive Daten speichern, aufbereiten, visualisieren HANSER Vorwort XI 1 Einleitung 1 2 Big-Data 7 2.1 Historische Entstehung 8 2.2 Big-Data
MehrPerformance Tuning & Scale-Out mit MySQL
Performance Tuning & Scale-Out mit MySQL Erfa-Gruppe Internet Briefing 2. März 2010 Oli Sennhauser Senior MySQL Consultant, FromDual oli.sennhauser@fromdual.com www.fromdual.com 1 Inhalt Allgemeines zu
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)
MehrACCESS SQL ACCESS SQL
ACCESS SQL Datenbankabfragen mit der Query-Language ACCESS SQL Datenbankpraxis mit Access 34 Was ist SQL Structured Query Language Bestehend aus Datendefinitionssprache (DDL) Datenmanipulationssprache
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)
MehrPHP- Umgang mit Datenbanken (1)
PHP- Umgang mit Datenbanken (1) Weitere Funktionen zum Umgang mit Datenbanken (Erzeugen, Löschen) und Tabellen (Erzeugen, Löschen) Zum Beispiel für das Erzeugen einer neuen Datenbank $dbname= blumendb
MehrISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski. www.iit.tu-cottbus.de
08 Datenbanken Übung SQL Einführung Eckbert Jankowski www.iit.tu-cottbus.de Datenmodell (Wiederholung, Zusammenfassung) Objekte und deren Eigenschaften definieren Beziehungen zwischen den Objekten erkennen/definieren
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
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
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
MehrSchneller als Hadoop?
Schneller als Hadoop? Einführung in Spark Cluster Computing 19.11.2013 Dirk Reinemann 1 Agenda 1. Einführung 2. Motivation 3. Infrastruktur 4. Performance 5. Ausblick 19.11.2013 Dirk Reinemann 2 EINFÜHRUNG
MehrS3 your Datacenter. Software Defined Object Storage. Die kostengünstige und skalierbare Lösung für Ihre unstrukturierten Daten
S3 your Datacenter Software Defined Object Storage Die kostengünstige und skalierbare Lösung für Ihre unstrukturierten Daten Unstrukturierte Daten explodieren Volume in Exabytes Sensors & Devices Social
MehrFolien php/mysql Kurs der Informatikdienste
Folien php/mysql Kurs der Informatikdienste 1. Einführung in die Datenbank MySQL Kursbeispiel und Kursziele 1.1 Das Kursbeispiel: eine kleine Personalverwaltung 1.2 Was brauchen wir? 1.3 Ziele Kurs AEMS1,
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
MehrPostgreSQL im Cluster. Hans-Jürgen Schönig Hans-Jürgen Schönig
PostgreSQL im Cluster Über uns PostgreSQL Dienstleistungen Cybertec bietet Ihnen... 24x7 Support für PostgreSQL PostgreSQL Consulting Performance Tuning PostgreSQL Training Cloud & Clustering PostgreSQL
MehrCassandra Query Language (CQL)
Cassandra Query Language (CQL) Seminar: NoSQL Wintersemester 2013/2014 Cassandra Zwischenpräsentation 1 Gliederung Basic facts Datentypen DDL/DML ähnlich zu SQL Besonderheiten Basic facts CQL kurz für
MehrEinführung in parallele Dateisysteme am Beispiel von GPFS. Proseminar von Jakob Schmid im SS 2014
Einführung in parallele Dateisysteme am Beispiel von GPFS Proseminar von Jakob Schmid im SS 2014 Gliederung Definition Anwendungsgebiete Anforderungen Beispiel: General Parallel File System (GPFS) Zusammenfassung
MehrOracle Database Cloud Service
1 Oracle Database Cloud Service Gerd Schoen Senior Leitender Systemberater 2 Copyright 2012, Oracle and/or its affiliates. All rights reserved. Insert Information Protection Policy Classification from
MehrNeue Welten: Externe Daten mit APEX nutzen
Neue Welten: Externe Daten mit APEX nutzen Carsten Czarski Oracle Application Express Development-Team DOAG Regio München - 17. Mai 2018 Copyright 2017 Oracle and/or its affiliates. All rights reserved.
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
MehrOracle 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
MehrNoSQL Datenbanken EIN ÜBERBLICK ÜBER NICHT-RELATIONALE DATENBANKEN UND DEREN POTENTIALE IM ALLGEMEINEN UND IN DER INDUSTRIE
NoSQL Datenbanken EIN ÜBERBLICK ÜBER NICHT-RELATIONALE DATENBANKEN UND DEREN POTENTIALE IM ALLGEMEINEN UND IN DER INDUSTRIE Was bedeutet NoSQL? Ein Sammelbegriff für alternative Datenbanklösungen, die
MehrTuning des Weblogic /Oracle Fusion Middleware 11g. Jan-Peter Timmermann Principal Consultant PITSS
Tuning des Weblogic /Oracle Fusion Middleware 11g Jan-Peter Timmermann Principal Consultant PITSS 1 Agenda Bei jeder Installation wiederkehrende Fragen WievielForms Server braucheich Agenda WievielRAM
MehrBerechnung von Kennzahlen mit der SQL Model Clause
Berechnung von Kennzahlen mit der Thomas Mauch 12.07.2018 DOAG BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 AGENDA 1. Einführung 2. Syntax 3. Performance
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
MehrOracle 9i Einführung Performance Tuning
Kurs Oracle 9i Einführung Performance Tuning Teil 3 Der Optimizer Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 16 Seite 1 von 16 1. auf Tabellen 2. 3. Optimizer 4. Optimizer RBO 5. Optimizer CBO 6.
Mehr5000 User+, Erfahrungen im Produktivbetrieb einer Saas-DB. DOAG 2011 Konferenz + Ausstellung Bernhard Vogel & Frank Szilinski, esentri
5000 User+, Erfahrungen im Produktivbetrieb einer Saas-DB DOAG 2011 Konferenz + Ausstellung Bernhard Vogel & Frank Szilinski, esentri Agenda Was ist RDS? Warum RDS? Setup Betrieb Lizensierung Datensicherheit
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
MehrDeclarative Data Cleaning
Declarative Data Cleaning Vortragsgrundlage: Helena Galhardas, Daniela Florescu, Dennis Shasha, Eric Simon, Cristian Augustin Saita: Declarative Data Cleaning: Language, Model, and Algorithms, in VLDB
MehrFast Analytics on Fast Data
Fast Analytics on Fast Data Kudu als Storage Layer für Banking Applikationen Problem Klassischer Kreditprozess Beantragung in der Filiale Aufwendiger Prozess Nachweis durch Dokumente Manuelle Bewilligung
MehrQuery Result Caching. Optimierung des Datenbankzugriffs
Query Result Caching Optimierung des Datenbankzugriffs Andreas Hubmer 19.11.2012 Inhalt Problemstellung Tabellen-Cache DBProxy Objekt-Cache 1 st -/2 nd -Level Cache Query Cache 2 Problemstellung Application-
MehrAnwendungsentwicklung Datenbanken SQL. Stefan Goebel
Anwendungsentwicklung Datenbanken SQL Stefan Goebel SQL Structured Query Language strukturierte Abfragesprache von ANSI und ISO standardisiert deklarativ bedeutet was statt wie SQL beschreibt, welche Daten
MehrSQL oder NoSQL: Das ist die Frage! Oracle NoSQL Database
SQL oder NoSQL: Das ist die Frage! Oracle NoSQL Database Carsten Czarski Oracle Deutschland B.V. & Co KG Agenda NoSQL: Was ist das und wozu ist das gut? Anwendungsbereiche für NoSQL-Technologien,
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
MehrÜbung 3. Interaktive Abfragen auf eine SQL-Datenbank. Prof. Dr. Andreas Schmietendorf. Wirtschaftsinformatik
Übung 3 Interaktive Abfragen auf eine SQL-Datenbank 1 Umgang mit der IBOConsole 2 Umgang mit der IBOConsole Zugriff auf Datenbanken - Interbase (Borland) - Firebird (Open Source) Funktionsumfang - Datenbanken
MehrMySQL Cluster und MySQL Proxy
MySQL Cluster und MySQL Proxy Alles Online Diese Slides gibt es auch unter: http://rt.fm/s4p Agenda (Don't) Panic Web- und MySQL-Server MySQL Master-Master Cluster MySQL Proxy und Cluster MySQL Master-Slave/Master
Mehr7. Datenbank-Zugriff. Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn. Zum Beispiel aus PHP-Skripten: Client 7-2
5 Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn 7 7. Datenbank-Zugriff Zum Beispiel aus PHP-Skripten: Client 7-2 Struktur einer Datenbank 7-3 Erzeugen von Datenbanken
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
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,
MehrDatenbanken in der schönen neuen Welt
- It's time to rethink - Datenbanken in der schönen neuen Welt W-JAX 5. November 2014 Version: 1.0 Orientation in Objects GmbH Weinheimer Str. 68 68309 Mannheim www.oio.de info@oio.de Um was geht s? Die
MehrGridMate The Grid Matlab Extension
GridMate The Grid Matlab Extension Forschungszentrum Karlsruhe, Institute for Data Processing and Electronics T. Jejkal, R. Stotzka, M. Sutter, H. Gemmeke 1 What is the Motivation? Graphical development
MehrPHP MySQL - myphpadmin Formulardaten in eine Datenbank speichern
PHP MySQL - myphpadmin Formulardaten in eine Datenbank speichern Datenbanken werden durch ein spezielles Programm verwaltet, einen sogenannten Datenbankserver, in unserem Fall den MySQL-Datenbankserver.
MehrIst Dein PostgreSQL logisch genug für bidirektionalität? , Swiss PGDay Harald Armin Massa
Ist Dein PostgreSQL logisch genug für bidirektionalität? 2018-06-29, Swiss PGDay 2018 Harald Armin Massa Replikation, warum? Skalierung unterschiedliche Nutzung der Daten OLTP / OLAP Unterschiedliche Orte
MehrMultimedia im Netz. Übung zur Vorlesung. Ludwig-Maximilians-Universität Wintersemester 2010/2011
Übung zur Vorlesung Multimedia im Netz Ludwig-Maximilians-Universität Wintersemester 2010/2011 Ludwig-Maximilians-Universität München Multimedia im Netz - Übung - 2-1 Übungsblatt - 2 Thema: HTML, PHP und
MehrÜbung PL/SQL Trigger Lösungen
Übung PL/SQL Trigger Lösungen 1) Gebe das aktuelle Datum aus. Wofür steht dual? Ändere das Datum für Deine aktuelle Session auf das Format Jahr (4 Stellen) Monat (2 Stellen) Tag (2 Stellen)[Leerzeichen]Stunde
MehrExercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1
Exercise (Part II) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All
MehrBig Data & Analytics Nationaler Akademietag, Fulda Referent: Meinhard Lingo
Big Data & Analytics Nationaler Akademietag, Fulda 20.04.2018 Referent: Meinhard Lingo E-Mail: meinhard.lingo@bs1in.de Big Data & Analytics Big Data-Anwendungen: Ein Paradigmenwechsel. Kompetenzen? mögliche
MehrPHP + MySQL. Die MySQL-Datenbank. Hochschule Karlsruhe Technik & Wirtschaft Internet-Technologien T3B250 SS2014 Prof. Dipl.-Ing.
PHP + MySQL Die MySQL-Datenbank Zusammenspiel Apache, PHP, PHPMyAdmin und MySQL PHPMyAdmin Verwaltungstool Nutzer Datei.php oder Datei.pl Apache HTTP-Server PHP Scriptsprache Perl Scriptsprache MySQL Datenbank
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
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
MehrDie wichtigsten Hadoop-Komponenten für Big Data mit SAS
Webinar@Lunchtime Die wichtigsten Hadoop-Komponenten für Big Data mit SAS Herzlich Willkommen bei Webinar@Lunchtime Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Xing-Profil:
MehrIn diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen.
1 In diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen. Zunächst stellt sich die Frage: Warum soll ich mich mit der Architektur eines DBMS beschäftigen?
MehrSQL, MySQL und FileMaker
SQL, MySQL und FileMaker Eine kurze Einführung in SQL Vorstellung von MySQL & phpmyadmin Datenimport von MySQL in FileMaker Autor: Hans Peter Schläpfer Was ist SQL? «Structured Query Language» Sprache
MehrNeues aus der nicht-, semi- und relationalen Welt
Neues aus der nicht-, semi- und relationalen Welt Information Management Thomas Klughardt Senior System Consultant Das Big Data Problem Was bedeutet Big Data? Performancekritisch Echtzeit Cold Storage
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
MehrGarten - Daten Bank. - survival pack -
Garten - Daten Bank - survival pack - Dr. Karsten Tolle PRG2 SS 2017 Inhalt heute Kurz: Motivation und Begriffe SQL (survival pack) create table (Tabelle erzeugen) insert into (Einfügen) select (Anfragen)
MehrHochschule für Technik, Wirtschaft und Kultur Leipzig Fakultät Informatik, Mathematik und Naturwissenschaften. Abstract. Wide Column Stores: Cassandra
Hochschule für Technik, Wirtschaft und Kultur Leipzig Fakultät Informatik, Mathematik und Naturwissenschaften Abstract Wide Column Stores: Cassandra Oberseminar Datenbanksysteme - Aktuelle Trends vorgelegt
MehrNachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)
Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der
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 Hampe, Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN:
sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42355-8 Weitere Informationen oder Bestellungen
MehrOracle native json Support. Erste Schritte
Oracle native json Support Erste Schritte 1 Ausgangslage Als erster Schritt erstellen wir eine Tabelle, die wir für den weiteren Verlauf brauchen werden. Die Felder Id, Created und Username sind normale
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
MehrTSM 5.2 Experiences Lothar Wollschläger Zentralinstitut für Angewandte Mathematik Forschungszentrum Jülich
TSM 5.2 Experiences Lothar Wollschläger Zentralinstitut für Angewandte Mathematik Forschungszentrum Jülich L.Wollschlaeger@fz-juelich.de Contents TSM Test Configuration Supercomputer Data Management TSM-HSM
MehrWillkommen. Datenbanken und Anbindung
Willkommen Datenbanken und Anbindung Welche stehen zur Wahl? MySQL Sehr weit verbreitetes DBS (YT, FB, Twitter) Open-Source und Enterprise-Version Libs in C/C++ und Java verfügbar Grundsätzlich ist ein
Mehr