Big Data. Professional IT Master. Prof. Dr. Ingo Claßen. Überblick. Verarbeitungsmodell. Verarbeitungsablauf. Verteilte Daten. Ressourcenmanagement
|
|
- Greta Stein
- vor 6 Jahren
- Abrufe
Transkript
1 Big Data Professional IT Master Prof. Dr. Ingo Claßen Hochschule für Technik und Wirtschaft Berlin Überblick Verarbeitungsmodell Verarbeitungsablauf Verteilte Daten Ressourcenmanagement Koordination
2 Überblick Die 3 Vs Volume (Datenmenge) Gigabyte Terabyte Petabyte... Web-Daten, Sensordaten Velocity (Geschwindigkeit) Event-Processing, IOT Variety (Datenvielfalt) Strukturiert, Semistrukturiert, Unstrukturiert Big Data Ingo Claßen 2/21
3 Überblick Anwendungsfälle beispielhaft Customer Analytics Customer Journey Verfolgung von Interaktonspunkten (Web, Mobile, Call Center) Vielzahl von Datenquellen (CRM, Logs) Operational Analytics Vorhersage von Ausfällen Anomalieerkennung Betrug, Compliance Risikoerkennung Erkennung von Attacken Datengetriebene Produkte und Dienste Innovative Produkte und Dienste Z.B Verkauf von Flugkapazität statt Flugzeugturbinen Optimierung des Enterprise Data Warehouse Geringere Kosten Höhere Leistung Big Data Ingo Claßen 3/21
4 Verarbeitungsmodell Verarbeitungsprinzipien Horizontale nahtlose Skalierbarkeit. Scale out, not up Transparente Verteilung der Daten Cluster-basiertes Ressourcenmanagement Fehler treten häufig auf Sende Programme an die Daten, nicht umgekehrt Verarbeitung der Daten in sequenziellen Blöcken Programmiermodell, das vor der Komplexität paralleler Verarbeitung abschirmt Big Data Ingo Claßen 4/21
5 Verarbeitungsmodell Theoretisches Verarbeitungsmodell: Funktionale Programmierung map reduce + = 222 Big Data Ingo Claßen 5/21
6 Verarbeitungsmodell Praktisches Verarbeitungsmodell Schlüssel-Wert-Paare map : K 1 V 1 List[K 2 V 2 ] reduce : K2 List[V 2 ] List[K 3 V 3 ] Verarbeitungsphasen 1. Map 2. Shuffle (Partitionierung, Sortierung) 3. Reduce Big Data Ingo Claßen 6/21
7 Verarbeitungsablauf Map F K F K F -K F K F K F K F -K F K F -K F K F -K F K F 4 FK 3 F-K 1 F 5 FK 3 F-K 2 F 3 FK 2 F-K 1 F=hat Fieber K=ist krank -F=hat kein Fieber -K=ist nicht krank Big Data Ingo Claßen 7/21
8 Verarbeitungsablauf Shuffle F 4 FK 3 F-K 1 F 5 FK 3 F-K 2 F 3 FK 2 F-K 1 F 4, 5, 3 FK 3, 3, 2 F-K 1, 2, 1 F=hat Fieber K=ist krank -F=hat kein Fieber -K=ist nicht krank Big Data Ingo Claßen 8/21
9 Verarbeitungsablauf Reduce F 4, 5, 3 FK 3, 3, 2 F-K 1, 2, 1 F 12 FK 8 F-K 4 F=hat Fieber K=ist krank -F=hat kein Fieber -K=ist nicht krank Big Data Ingo Claßen 9/21
10 Verarbeitungsablauf WordCount Spark-Python text_file = spark.textfile("...") text_file.flatmap(lambda line: line.split()).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a+b) Big Data Ingo Claßen 10/21
11 Verteilte Daten Ziele HDFS Hardware-Fehler Commodity Hardware, Fehler ist Regel statt Ausnahme Hunderte bis tausende Servermaschinen Fehlererkennung, Automatische Wiederherstellung Daten-Streaming Sequentieller Datenzugriff, Batch-Verarbeitung Hoher Durchsatz statt geringer Latenz Große Datenmengen Große Dateien, über die Größe von Festplatten hinaus Große Anzahl von Dateien Einfaches Koheränzmodell Write once read many Keine Änderung, lediglich Anhängen und Abschneiden Verteilung von Algorithmen auf die Daten Schnittstelle für Anwendungen für größere Datenlokalität Portabilität bzgl. Hardware- und Software-Plattformen Big Data Ingo Claßen 11/21
12 Verteilte Daten HDFS-Architektur Big Data Ingo Claßen 12/21
13 Verteilte Daten Replikation Big Data Ingo Claßen 13/21
14 Ressourcenmanagement Ressourcenmanagement Anforderungen Skalierbarkeit (horizontal): Anpassbar an steigende Anforderungen Multi-tenancy: Gemeinsame Ressourcen für verschiedene Nutzergruppen Funktionstüchtigkeit: Robuste Verarbeitung von Updates, Kompatibilität Lokationssensibilität: Programme in Nähe der Daten Gute Auslastung der Cluster-Ressourcen: Dynamische Ressourcenzuteilung Zuverlässigkeit / Verfügbarkeit Sicherheit: Authentifizierung / Autorisierung Ünterstützung verschiedener Programmiermodelle: Batch, iterativ, event-basiert Big Data Ingo Claßen 14/21
15 Ressourcenmanagement YARN Resource Manager (RM) Überwachung Ressourcennutzung Überwachung Knoten-Abstürze Jobannahme Verteilung von Ressourcen Big Data Ingo Claßen 15/21
16 Ressourcenmanagement YARN Node Manager (NM) Zuständig für einen Knoten Überwachung Container innerhalb des Knotens Heartbeat mit RM Big Data Ingo Claßen 16/21
17 Ressourcenmanagement YARN Application Master (AM) Koordination der Anwendung Ressourcenanforderung vom RM Kommunikation mit NM bzgl. Bereitstellung Ressourcen. Überwachung aller Container der Anwendung Heartbeat mit RM Big Data Ingo Claßen 17/21
18 Ressourcenmanagement YARN Container Arbeitseinheiten aus Sicht des AM Big Data Ingo Claßen 18/21
19 Koordination Aufgaben der Koordination Konfigurationsmanagement Synchronisation Gruppenmitgliedschaft Festlegung von Application Master im Falle von Fehlern Big Data Ingo Claßen 19/21
20 Koordination Zookeeper Baukasten für Koordinationsprimitive / /app1 /app2 /app1/p 1 /app1/p 2 /app1/p 3 /app2/p 1 /app2/p 2 create(path, data, flags) delete(path, version) exists(path, watch) getdata(path, watch) setdata(path, data, version) getchildren(path, watch) Big Data Ingo Claßen 20/21
21 Koordination Quellen hadoop-project-dist/hadoop-hdfs/hdfsdesign.html hadoop-yarn-site/yarn.html Big Data Ingo Claßen 21/21
Map Reduce. Programmiermodell. Prof. Dr. Ingo Claÿen. Motivation. Modell. Verarbeitungsablauf. Algorithmen-Entwurf. Map-Reduce in Java
Map Reduce Programmiermodell Prof. Dr. Ingo Claÿen Hochschule für Technik und Wirtschaft Berlin Motivation Modell Verarbeitungsablauf Algorithmen-Entwurf Map-Reduce in Java Motivation Was ist Map-Reduce
MehrBIG UNIVERSITÄTSRECHENZENTRUM
UNIVERSITÄTS RECHENZENTRUM LEIPZIG BIG DATA @ UNIVERSITÄTSRECHENZENTRUM Forschung und Entwicklung Entwicklung eines E-Science-Angebots für die Forschenden an der Universität Leipzig Stefan Kühne Axel Ngonga
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
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:
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
MehrDatenanalyse im Web. Einführung in das Thema. Prof. Dr. Ingo Claÿen. Beispiele für Daten im Web. Extraktion und Aggregation von Informationen
Datenanalyse im Web Einführung in das Thema Prof. Dr. Ingo Claÿen Hochschule für Technik und Wirtschaft Berlin Beispiele für Daten im Web Extraktion und Aggregation von Informationen Datenanalyse im Web
MehrBig Data in a Nutshell. Dr. Olaf Flebbe of ät oflebbe.de
Big Data in a Nutshell Dr. Olaf Flebbe of ät oflebbe.de Zu mir Bigdata Projekt, benutzt Apache Bigtop Linux seit Anfang vor Minix/ATARI Linuxtag 2001? Promoviert in Computational Physics in Tü Seit Jan
Mehr!! Waldemar Reger Köln,
Analyse und Evaluierung von Parameterabhängigkeiten anhand der Laufzeit von MapReduce-Jobs zur Konzeptionierung von Hadoop-Clustern Waldemar Reger Köln, 23.07.2014 Agenda 1. Hadoop Grundlagen 2. Cluster
MehrEinführung in Hadoop
Einführung in Hadoop Inhalt / Lern-Ziele Übersicht: Basis-Architektur von Hadoop Einführung in HDFS Einführung in MapReduce Ausblick: Hadoop Ökosystem Optimierungen Versionen 10.02.2012 Prof. Dr. Christian
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
MehrBig Data Neue Erkenntnisse aus Daten gewinnen
Big Data Neue Erkenntnisse aus Daten gewinnen Thomas Klughardt Senior Systems Consultant 0 Software Dell Software Lösungsbereiche Transform Inform Connect Data center and cloud management Foglight APM,
MehrBig 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
MehrAllgemeine IT-Priorities. und Trends in DACH. in Hendrik Oellers, Sales Director DACH. März, TechTarget 1
Allgemeine IT-Priorities und Trends in DACH in 2018 Hendrik Oellers, Sales Director DACH März, 2018 TechTarget 1 Diese Umfrage wurde in deutscher Sprache in Deutschland, Österreich & der Schweiz (DACH)
MehrSkalierbare Webanwendungen
Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit
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
MehrJune 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration
June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen
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
MehrOracle Big Data Discovery Ein Überblick
Oracle Big Data Discovery Ein Überblick Hadoop Data Reservoir gewinnt weiter an Bedeutung Data Warehouse Bekannte Datenquellen Data Reservoir Entstehende Datenquellen Hadoop Umsatz und Forecast 49% CAGR,
MehrCloud Computing in SAP Umgebungen
1 Cloud Computing in SAP Umgebungen Agenda 2 The Cloud Aufbau und Nutzen VMware Architektur vsphere 4.0 IT-Management in virtuellen Umgebungen Abrechenbarkeit Aufbau der Cloud 4 Rechenzentrum/ Cloud Cloud-
MehrBig Data Konnektoren: Hadoop und die Oracle DB
Big Data Konnektoren: Hadoop und die Oracle DB Philipp Loer ORDIX AG, Paderborn Schlüsselwörter Hadoop, Hive, OLH, OSCH Einleitung Der Vortrag beginnt mit einer Einführung in die Big Data Welt mit Apache
MehrAnalyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria
Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards
MehrBIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY
BIG DATA IM RETAIL-SEKTOR AM BEISPIEL KASSENBONDATEN BUSINESS ANALYTICS DAY 08.03.2017 REWE Systems GmbH Jonas Freiknecht inovex GmbH Bernhard Schäfer AGENDA 1 / Vorstellung REWE Systems GmbH und inovex
MehrOmnichannel Automation mit elastischer Skalierung
Omnichannel Automation mit elastischer Skalierung Stefan Dix GMC Software Technology GmbH 27. April 2017 1 Doxnet Education Day in Frankfurt Agenda Wer ist GMC? Was macht GMC Inspire? Dokumente in der
MehrProduktionscontrolling auf dem Weg zur Industrie 4.0
Produktionscontrolling auf dem Weg zur Industrie 4.0 Intelligente Produktion durch Real-Time-Big-Data-Analyse von Sensordaten & Bern, 27.05.2016 Jörg Rieth Jedox vereinfacht Planung, Reporting & Analyse
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
MehrNutzung der Scientific Computing Cluster. Lars-Peter Meyer
Nutzung der Scientific Computing Cluster Lars-Peter Meyer Cluster Hardware Galaxy (shared nothing) 90 Worker mit jeweils 2 Cores (2x6 Cores, Intel Haswell E5 2620v3 @2,4 GHz) 28 GByte DDR4 ECC RAM RAM
MehrBDCA Kick-Off München,
BDCA Kick-Off München, 3.3.2015 Unser Modus: Sprinter Fakten! Seit 2005! 60+ Mitarbeiter:! Certified Scrum Masters/Product Owners! Certified Java Spring Professionals! Certified MongoDB Devs/Admins! Certified
MehrBig Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover
Big Data Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Agenda Was ist Big Data? Parallele Programmierung Map/Reduce Der Big Data Zoo 2 3Vs oder: Was ist Big Data? Deutsche Telekom:
MehrA Big Data Change Detection System. Carsten Lanquillon und Sigurd Schacht
A Big Data Change Detection System Carsten Lanquillon und Sigurd Schacht Digitale Transformation in Unternehmen u Umfassende Erfassung, Speicherung und Verfügbarkeit von Daten à Big Data Quelle: Rolland
MehrAutomatisierung, Virtualisierung & Management Es muss nicht immer VMware sein
16. Bonner Microsoft-Tag für Bundesbehörden Automatisierung, Virtualisierung & Management Es muss nicht immer VMware sein Roj Mircov & Ansgar Heinen Microsoft Deutschland GmbH IT Trends mit hohem Einfluß
MehrEinführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar
Einführung in Big Data und Hadoop (mit verschiedenen Live Demos) Eintägiges Intensivseminar Die Referenten sind keine exklusiven Trainer, sondern Berater aus dem Projektgeschäft, die auch Trainings durchführen.
Mehr<Insert Picture Here> 8. Business Intelligence & Data Warehouse Konferenz
1 The Safe Harbor The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment
MehrSimulationen und Mathematische Programmierung mit SAS Dr. Mihai Paunescu
AGENDA Simulationen und Mathematische Programmierung mit SAS Dr. Mihai Paunescu Die SAS Communities - Hilfe in der Not zu jeder Zeit, wenn SAS nicht tut, was man will Kurt Bremser, Data Warehouse Administrator
MehrVARONIS DATANYWHERE. Funktionen und Vorteile BENUTZERFREUNDLICHKEIT VARONIS CALIBER SECURITY VERWENDUNG IHRER BESTEHENDEN INFRASTRUKTUR
VARONIS DATANYWHERE VARONIS DATANYWHERE Funktionen und Vorteile BENUTZERFREUNDLICHKEIT Gleiche Drag and Drop-Funktion wie bei Netzlaufwerken oder Cloud- Synchronisierungsordnern Kein Schulungsbedarf für
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
MehrHadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014
Hadoop in a Nutshell Einführung HDFS und MapReduce Oracle/metafinanz Roadshow Februar 2014 Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services die
MehrBENUTZERDEFINIERTE ARTIKEL Dimensionierung von Unternehmens- IT-Systemen mit Linux
Dimensionierung von Unternehmens- IT-Systemen mit Linux ERFOLGREICHE UNTERNEHMEN wollen im Zuge ihres Wachstums nicht feststellen müssen, dass infolge zunehmender Workloads ihre IT-Systeme den technischen
MehrVerteilte Betriebssysteme
Verteiltes System Eine Sammlung unabhängiger Rechner, die dem Benutzer den Eindruck vermitteln, es handle sich um ein einziges System. Verteiltes Betriebssystem Betriebssystem für verteilte Systeme Verwaltet
MehrBig Data Vom Hype zum Geschäftsnutzen
Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010
MehrWie sieht die IT-Infrastruktur von Morgen aus?
Wie sieht die IT-Infrastruktur von Morgen aus? WELCHE MÖGLICHKEITEN BIETEN CO-LOCATION UND CLOUD TELEDATA TECHDAYS #1, TELEDATA CENTER IMMENSTAAD, 13.10.2016 Sebastian Mangelkramer TeleData GmbH I Kornblumenstraße
MehrAufbau eines Clusters mit der NoSQL- Datenbank MongoDB auf Basis von Einplatinencomputern
Fachbereich 2 Informatik und Ingenieurwissenschaften Im Studiengang Informatik Aufbau eines Clusters mit der NoSQL- Datenbank MongoDB auf Basis von Einplatinencomputern Kolloquium zur Bachelorthesis Danijel
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
Mehr<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
MehrMapReduce-Konzept. Thomas Findling, Thomas König
MapReduce - Konzept 1 Inhalt 1. Motivation 2. Einführung MapReduce Google Rechenzentren Vergleich MapReduce und Relationale DBS 3. Hadoop Funktionsweise Input / Output Fehlerbehandlung 4. Praxis-Beispiel
MehrDeep Dive in WebLogic Server und Multi- Tenancy
überraschend mehr Möglichkeiten! Deep Dive in WebLogic Server 12.2.2.1 und Multi- Tenancy Mohammad Esad-Djou, Solution Architect Borys Neselovskyi, Solution Architect OPITZ CONSULTING 2016 Agenda 1 2 3
MehrSTRATEGISCHE BERATUNG FÜR DIE ENERGIEWIRTSCHAFT
STRATEGISCHE BERATUNG FÜR DIE ENERGIEWIRTSCHAFT valantic begleitet Sie auf dem Weg der digitalen Transformation. Von der Strategie bis zur handfesten Realisation Industrie 4.0 Design & Usability Mobility
MehrBig Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie
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
MehrVorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
MehrIBM Workshop Hands-on Workshop zur IBM Big Data Plattform und BigInsights
IBM Workshop Hands-on Workshop zur IBM Big Data Plattform und BigInsights Harald Gröger, Gerhard Wenzel, Martin Clement Client Technical Specialists Big Data Inhalt Durch Lösungen für Big Data können aus
MehrDatenbearbeitung in der Cloud anhand von Apache Hadoop Hochschule Mannheim
Tobias Neef Cloud-Computing Seminar Hochschule Mannheim WS0910 1/23 Datenbearbeitung in der Cloud anhand von Apache Hadoop Hochschule Mannheim Tobias Neef Fakultät für Informatik Hochschule Mannheim tobnee@gmail.com
MehrErfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien
Wir unternehmen IT. Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien Karlsruhe, 30.09.2015 $id thgreiner Thorsten Greiner Teamleiter Software Development ConSol* Software GmbH, Düsseldorf
MehrSTART DER INSTITUTS- PARTNERSCHAFT ZUM THEMA DIGITALISIERUNG
START DER INSTITUTS- PARTNERSCHAFT ZUM THEMA DIGITALISIERUNG HAMBURG 23. MAI 2017 PROF. DR. DIMKA KARASTOYANOVA KOLLABORATIVE, DYNAMISCHE UND KOMPLEXE SYSTEME FÜR DIE LOGISTIK HAMBURG 23. MAI 2017 SCM
MehrVon Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrRavenDB, schnell und skalierbar
RavenDB, schnell und skalierbar Big Data & NoSQL, Aydin Mir Mohammadi bluehands GmbH & Co.mmunication KG am@bluehands.de Immer mehr Mehr Performance Mehr Menge Mehr Verfügbarkeit Skalierung http://www.flickr.com/photos/39901968@n04/4864698533/
MehrIst Big-Data-Technologie auch bei kleinen Datenmengen sinnvoll einsetzbar?
Ist Big-Data-Technologie auch bei kleinen Datenmengen sinnvoll einsetzbar? i+e 2015 / Freiburg Peter Soth exensio GmbH Am Rüppurrer Schloß 12 76199 Karlsruhe Unsere Expertise Tätigkeitsfelder IT-Consulting
MehrVeeam und Microsoft. Marco Horstmann System Engineer, Veeam
Veeam und Microsoft Marco Horstmann System Engineer, Veeam Software marco.horstmann@veeam.com @marcohorstmann Windows Server 2016 Support Die vollständige und fortschrittliche Unterstützung von Veeam erschliesst
MehrMapReduce. Jens Dörre. Universität Passau Projekt MAPREDUCEFOUNDATION. Funktionale Programmierung
MapReduce Jens Dörre Universität Passau Projekt MAPREDUCEFOUNDATION Funktionale Programmierung Jens Dörre (Uni Passau) MapReduce Funktionale Programmierung 1 / 25 Gliederung 1 MapReduce allgemein 2 MapReduce
MehrErfolg durch Wissen. Petershauser Straße 6, D Hohenkammer
Erfolg durch Wissen www.analyticalsemantics.com Petershauser Straße 6, D-85411 Hohenkammer Plattform der Analytical Semantics AG Funktionsweise und Plattform Prozess der Informationslogistik Lösungen für
MehrBIG DATA ANALYTICS STATUS QUO VADIS
Heading BIG DATA ANALYTICS STATUS QUO VADIS Name, Position Reiner Pistorius 17.03.2016 1 18.03.2016 1 Willkommen, Vorstellung, Warm up 2 Definition Big Data 3 Einsatz in Unternehmen heute 4 Künftige Entwicklung,
MehrMACH EXPERTISE BIG DATA. in der öffentlichen Verwaltung
MACH EXPERTISE BIG DATA in der öffentlichen Verwaltung 2 Big Data in der öffentlichen Verwaltung: VIELFACH FEHLT NOCH DAS PROBLEM ZUR LÖSUNG Big Data ist einer der meist diskutierten IT-Trends der letzten
MehrDie Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com
Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen
MehrInfrastruktur & Datenarchitekturen für Big-Data-Szenarien Hadoop & Co. Im Detail. Referent: Steffen Vierkorn
Infrastruktur & Datenarchitekturen für Big-Data-Szenarien Hadoop & Co. Im Detail Referent: Steffen Vierkorn Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00 11.30 11.30
MehrCloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2.
Cloud Computing Frank Hallas und Alexander Butiu Universität Erlangen Nürnberg, Lehrstuhl für Hardware/Software CoDesign Multicorearchitectures and Programming Seminar, Sommersemester 2013 1. Definition
MehrZend PHP Cloud Application Platform
Zend PHP Cloud Application Platform Jan Burkl System Engineer All rights reserved. Zend Technologies, Inc. Zend PHP Cloud App Platform Ist das ein neues Produkt? Nein! Es ist eine neue(re) Art des Arbeitens.
MehrBig-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht
Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik
MehrMATCHING VON PRODUKTDATEN IN DER CLOUD
MATCHING VON PRODUKTDATEN IN DER CLOUD Dr. Andreas Thor Universität Leipzig 15.12.2011 Web Data Integration Workshop 2011 Cloud Computing 2 Cloud computing is using the internet to access someone else's
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
MehrBig Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr.
Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Florian Johannsen AGENDA 1. Big Data Projekt der freenet Group Dr. Florian Johannsen
Mehrvfabric-daten Big Data Schnell und flexibel
vfabric-daten Big Data Schnell und flexibel September 2012 2012 VMware Inc. All rights reserved Im Mittelpunkt: Daten Jeden Morgen wache ich auf und frage mich: Wie kann ich den Datenfluss optimieren,
MehrODI und Big Data Möglichkeiten und ein Erfahrungsbericht Dr. Holger Dresing Oracle Deutschland B.V. & Co. KG Hannover
ODI und Big Data Möglichkeiten und ein Erfahrungsbericht Dr. Holger Dresing Oracle Deutschland B.V. & Co. KG Hannover Schlüsselworte Oracle Data Integrator ODI, Big Data, Hadoop, MapReduce,, HDFS, PIG,
MehrBig Data Eine Einführung ins Thema
Joachim Hennebach Marketing Manager IBM Analytics 11. Februar 2016 Big Data Eine Einführung ins Thema Nur kurz: Was ist Big Data? (Die 5 Vs.) Volumen Vielfalt Geschwindigkeit Datenwachstum Von Terabytes
MehrDduP - Towards a Deduplication Framework utilising Apache Spark
- Towards a Deduplication Framework utilising Apache Spark utilising Apache Spark Universität Hamburg, Fachbereich Informatik Gliederung 1 Duplikaterkennung 2 Apache Spark 3 - Interactive Big Data Deduplication
MehrInformation Management
Information Management Fakten, Visionen, Strategien Frank Theisen Direktor Information Management Northeast Europe IBM Watson: Eine Demonstration wie wichtig die Analyse und der Einsatz von Informationen
MehrSicher und wertschöpfend Cloud-basierte Services
Sicher und wertschöpfend Cloud-basierte Services Die Verarbeitung großer Datenmengen spielt gerade in vernetzten Unternehmen mit softwarebasierter Fertigung, dem Digital Enterprise, eine große Rolle. Mit
MehrBig Data Lösungen mit Apache Hadoop. Gunnar Schröder, T-Systems Multimedia Solutions GmbH
Big Data Lösungen mit Apache Hadoop Gunnar Schröder, T-Systems Multimedia Solutions GmbH Was ist Big Data? 2 Charakteristiken von Big Data Three Vs of Big Data VOLUME Terabytes Petabytes Exabytes Zettabytes
MehrIn-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden
In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden
MehrOracle Database 10g Die RAC Evolution
Oracle Database 10g Die RAC Evolution Markus Michalewicz BU Database Technologies ORACLE Deutschland GmbH 2 Page 1 www.decus.de 1 RAC-Revolution, RAC-Evolution & Computing Oracle8i mit OPS Oracle9i Rel.
Mehrvinsight BIG DATA Solution
vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,
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
MehrSAS UND DIE CLOUD EIN ÜBERBLICK ING. PHILLIP MANSCHEK, SAS AUSTRIA
SAS UND DIE CLOUD EIN ÜBERBLICK ING. PHILLIP MANSCHEK, SAS AUSTRIA CLOUD PRIVAT CLOUD GESCHÄFTLICH WELTWEIT FÜHRENDE JETZT NOCH EINFACHER! MARKTFÜHRENDE laut Gartner, Forrester & anderen Analysten INTEGRIERTE
MehrBig Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von
MehrXIV Storage reinvented
Manuel Schweiger Technical Sales Support Storage XIV Storage reinvented Architektur: Gestern, heute, morgen Zentraler Cache, CPU, Backplane Spezielles HW Design -> Hohe Kosten Manuelles Tuning notwendig
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
MehrParadise Found Roadshow 2017
Paradise Found Roadshow 2017 Von Daten zu wertvollen Informationen Wie Sie datenschutzkonform und agil ihre Daten für maschinelles Lernen aufbereiten Wie wichtig ist heute Data Preparation für Data Discovery
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
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)
MehrAnalytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence
Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen
MehrWas ist Analyse? Hannover, CeBIT 2014 Patrick Keller
Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität
MehrInformatik Einführung in das ROS Robot Operating System
Informatik Einführung in das ROS Robot Operating System Robotik / AMR / Sensorik Jan Bühler Mannheim, 17.10.2011 Hochschule Mannheim University of Applied Sciences Inhalt 1.Aufgaben des ROS Robot Operating
MehrSMART BIG DATA IN DER INDUSTRIELLEN FERTIGUNG
SMART BIG DATA IN DER INDUSTRIELLEN FERTIGUNG Dr. Gerald Ristow Senior Research Manager 9. März 2017 2017 Software AG. Alle Rechte vorbehalten. AGENDA Motivation Forschungsprojekt BigPro Referenzarchitektur
MehrSQL on Hadoop für praktikables BI auf Big Data.! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh
SQL on Hadoop für praktikables BI auf Big Data! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh War nicht BigData das gleiche NoSQL? 2 Wie viele SQL Lösungen für Hadoop gibt es mittlerweile? 3 ! No SQL!?
MehrBig Data & Big Business
Big Data & Big Business Wolfgang Nimführ Big Data & DWH Community Leader, Information Agenda Executive Consultant IBM Software Group Europe Big Data ein Hype? Searches for "big data" on Gartner's website
MehrBig Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen
Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien
MehrProf. Dr.-Ing. Rainer Schmidt 1
Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2
MehrDateisysteme und Datenverwaltung in der Cloud
Dateisysteme und Datenverwaltung in der Cloud Sebastian Fischer Master-Seminar Cloud Computing - WS 2013/14 Institut für Telematik, Universität zu Lübeck Dateisysteme und Datenverwaltung in der Cloud 1
MehrVerteilte Systeme. Map Reduce. Secure Identity Research Group
Verteilte Systeme Map Reduce Map Reduce Problem: Ein Rechen-Job (meist Datenanalyse/Data-Mining) soll auf einer riesigen Datenmenge ausgeführt werden. Teile der Aufgabe sind parallelisierbar, aber das
Mehr#DeloitteInnovation: In-Time Nutzen Sie das volle Potenzial von SAP HANA
#DeloitteInnovation: In-Time Nutzen Sie das volle Potenzial von SAP HANA Deloitte In-Time in a Nutshell In-Time ist das erste und bisher einzige SAP HANA Optimierungs- Add-on, welches die Effektivität
MehrThementisch Anwendungsgebiete und
Thementisch Anwendungsgebiete und b Erfolgsgeschichten KMUs und Big Data Wien 08. Juni 2015 Hermann b Stern, Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center for Data-driven
MehrTool Integration mit agosense.symphony
Tool Integration mit agosense.symphony REFERENT Webinar Nr. 12 29. September 2016 15 Uhr 16 Uhr Ralf Klimpke ralf.klimpke@agosense.com +49.7154.99951.70 Kurzer Hinweis zu Beginn Fragen stellen während
Mehr