NoSQL. Buğra Çakır. 23 Mart 13 Cumartesi

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "NoSQL. Buğra Çakır. 23 Mart 13 Cumartesi"

Transkript

1 NoSQL Buğra Çakır

2 Sunum Planı 1. Veritabanı sistemleri, tarihsel gelişim 2. NoSQL Dünyası 3. Hadoop Ekosistemi

3 RDBMS Sistemleri 1. System R, IBM SEQUEL 2. Ingres QUEL 3. Objeler ve bunların ilişkileri -> Edgar Frank "Ted" Codd A Relational Model of Data for Large Shared Data Banks, Larry Ellison Oracle 4. Objeler ve ilişkiler üzerinde işlem yapmayı sağlayan operatörler -> SQL 5. Veri bütünlüğünü sağlayan yöntemler 3

4 Büyük Balıklar 4

5 RDBMS Pastası IBM Oracle Microsoft Other 5

6 Açık Kaynak Alternatifler 6

7 Neden başka bir veritabanı? Yeni başlayan her projede ilişkisel veritabanı tercih ediliyor??? 7

8 EES - Eşzamanlılık Veri üstünde aynı anda yapılan işlemler Koordinasyon gerekiyor. Veri kaybı riski var. 8

9 EES - Entegrasyon Farklı uygulamalar birbirleriyle iletişime geçmek istiyor. Aynı veritabanı üzerinde birden fazla uygulama işlem yapabilir. Enterprise Integration Patterns : [Hohpe ve Woolf] 9

10 EES - Standartlaşma SQL sürümleri birbirine benziyor. Öğrenmek çok kolay. Birinden diğerine geçmek kolay. 10

11 Veri Modeli-Nesne Tasarımı Nesne modeli ile veri tabanındaki veri modelini birleştirmek gerekiyor. Birindeki değişiklik diğerini etkiliyor. Eşleme yöntemleri devreye giriyor. ibatis Hibernate 11

12 Kullanım Modeli -RDBMS 12

13 Big Data Sosyal ağlar Internete bağlanan cihazlardaki artış Bu veriler nereye depolanacak? Büyük diskler Büyük birincil hafıza Çoklu işlem birimleri (CPU) Maliyet yükseliyor. 13

14 Bir uygulama - Bir veritabanı Her uygulamaya bir veritabanı. Web servisleriyle bağlıyoruz. JSON veya XML ile veriyi tanımlıyoruz. 14

15 Kullanım Modeli -NoSQL 15

16 Kullanım Modeli -NoSQL-SOA 16

17 Kümeleme Aksaklıklar Donanımdaki arızalar Donanıma kolayca ulaşamama problemi Kolay donanım (commodity) Ucuz Bozulduğunda yenisini takabilme imkanı 17

18 Kümeleme İlişkisel veribanları doğası gereği kümeler üzerinde çalışmaya elverişli değiller. Paylaşımlı Disk Mimarileri Oracle RAC Microsoft SQL Server Tek noktadan arıza Paylaşımlı disk mimarisi çöktüğü zaman 18

19 Sharding Birden çok ilişkisel veritabanı sunucusu veri kümesinin alt kümelerini tutar. Uygulama alt kümelerin hangisinde işlem yapılacağını tayin ederek veriye ulaşır. 19

20 Google ve Amazon Maliyetlerin artması Arızalardaki geçişlerin uzun sürmesi Kümelemedeki fonksiyonel yetersizliklerden dolayı Veri depolama için yeni arayışlar başladı... BigTable - Google Dynamo - Amazon 20

21 NoSQL in Farkları SQL kullanmıyor. Teknolojik anlam ifade etmiyor, bir hareket! 21

22 Hareketin Sonucu İlişkisel veritabanları dışındaki alternatifler günyüzüne çıktı. Entegrasyon veritabanlarından -> Uygulama veritabanlarına geçiş başladı. Kümeleme üzerinde çalışabilen veritabanlarına sahibiz. Açık kaynak 22

23 İlişkisel Veri Katmanları Uygulama Veri Modeli - ER diyagram Veritabanı Saklama Modeli - RDBMS Satırlar ve Sütunlar... 23

24 NoSQL Veri Katmanları Key-Value Document Column Family Graph Toplam Modeli (Aggregates) - KeyValue, Document, Column Family 24

25 Toplamlar Birbirine bağlı nesnelerin bir arada tek bir nesne gibi değerlendirilmesi 25

26 Kümeleme Modelleri Scale Up - Sunucu gücünü yükseltme Scale Out - Yeni sunuculara dağıtma Toplam (Aggregate) bu modele uygun. 26

27 Veri Dağıtımı Yöntemler; Replikasyon ve sharding Master-slave Peer to peer 27

28 Tek sunucu Hiçbir dağıtım stratejisi yok. Bütün işlemler tek makina üzerinde gerçekleşiyor. 28

29 Sharding Veriyi alt kümelere ayırıyoruz. Her alt küme ayrı bir sunucuda çalışıyor. Sharding önceden tasarlanmalı! 29

30 Master-Slave Replikasyon Master dakiler Slave e yazılır. Okuma çok yapılıyorsa bu işe yarar. Yazması çok olan uygulamalarda ağır bir yük oluşturur, tavsiye edilmez. Master çökerse, Slave lerden okuma devam eder. Slave ler master olabilir. Read-write uyumsuzluğu olabilir!!! 30

31 Peer2Peer Replikasyon Her node read-write yapabilir. Node lar write operasyonlarını birbirleriyle paylaşırlar. Master-slave de olduğu gibi read-write ve en önemlisi write-write uyumsuzluğu başgösterebilir. 31

32 Geçiş için Programcının üretkenliğini artırıyor. Veriye erişim performansını artırıyor. Servis odaklı mimariye geçişi hızlandırır. 32

33 Key-Value ne zaman? Kullanım Durumları: Oturum Bilgilerinin Tutulması Kullanıcı profil bilgilerinin tutulması Alışveriş kartı bilgilerinin tutulması Önerilmeyen Durumlar: İlişkiler fazlaysa Transaction durumları Key dışında Value ile aramalarda Çoklu anahtarlarla aramalarda 33

34 Document Stores ne zaman? Kullanım Durumları: Loglama İçerik yönetim sistemleri, blog platformları Analitik platformları E-ticaret siteleri Önerilmeyen Durumlar: Kompleks transactionlar Tasarım çok değişiyorsa 34

35 Column-Family ne zaman? Kullanım Durumları: Loglama İçerik yönetim sistemleri, blog platformları Web sitesi analitik uygulamaları E-ticaret siteleri Önerilmeyen Durumlar: Hesaplamalar (SUM, AVG) Tasarım çok değişiyorsa 35

36 Graph ne zaman? Kullanım Durumları: Sosyal ağ siteleri ve buna benzer platformlar Lokasyon tabanlı servisler Öneri sistemleri Önerilmeyen Durumlar: Bulk operasyonların fazla olduğu durumlar. 36

37 Veri Nasıl Saklanıyor? Hızlı, Boyutu küçük - Birincil Hafıza RAM Yavaş, Boyutu büyük - İkincil Hafıza Hard disk 37

38 Veri Depolama 1990 da 1.5GB kapasiteye sahip bir sabit disk ile saniyede 4.4MB bilgi okunabiliyordu. 5.5 dk da tüm disk okunabiliyor de 1.5TB kapasiteye sahip bir sabit disk ile saniyede 100MB bilgi okunabiliyor. 250 dk da tüm disk okunabiliyor. 1.5 GB => 0.25 dk da okunabiliyor! 38

39 Veri Depolama Diske Yazmak Diskten Okumaktan daha yavaş! Peki bunu hızlandırmak için ne yapmalıyız.? Verileri paralel şekilde okuyabiliriz. Örneğin elimizde 100 disk olsun. Her diske verinin 100 de birini yazarız. 100 diski paralel olarak birlikte okuruz. Böylece tüm veriyi yaklaşık 2.5dk dan az bir zamanda okumuş oluruz. 39

40 Bunları Bilmek Lazım! Hacim Veri hacmi (Örn: 1 MB lık bloklar) Hız Verinin akış hızı birim zamanda bize işlememiz gereken veri. (Örn : Saniyede 100 mesaj) Çeşitlilik Log, XML, Yapısal olmayan veri tipleri... 40

41 Sonuç? Farklı senaryolar için yenilikçi özelliklere sahip veritabanları kullanılabilir... 41

42 NoSQL Sakla İşle Analiz 42

43 Yapılan Hata! Her türlü veri tipi için sadece SQL veya NoSQL kullanmak!!! SQL veya NoSQL birlikte kullanılmalı! Elimizdeki verinin karakteristiğini bilmeliyiz, hangi DB tipinde tutulacağına karar verilmeli. SQL ve NoSQL in kullanıldığı ekosistemler oluşturulmalı. 43

44 Veya SQL in tüm özellikleri kullanılmalı! Eğer performans arttırmak için denormalizasyon ve bunun gibi RDBMS özellikleri kullanılmasına rağmen performans artmıyorsa NoSQL düşünülmeli. 44

45 Yöntem Karar vermeden önce -> Verini incele!!! 1. Veri tipini incele, karakteristiğini öğren! (Log, gerçek zamanlı veriler, lokasyon bilgileri, web sayfaları) 2. Ne sıklıkla veriye ulaşıyorsun? 3. Veri tipi hangi sıklıklı değişiyor? 45

46 Nasıl bir seçim? Verinin Karakteristiği NoSQL SQL Dinamik, şema değişiyor Statik, şema değişmiyor Veri miktarı çok fazla, şema değişmiyor Gerçek zamanlı veriler geliyor Veri miktarı çok fazla, statik, şema değişmiyor, gerçek zamanlı değil Güncellenme ve okuma fazlaysa X X X X X X 46

47 NoSQL Tipleri 1. Document Stores Derinin kütüğü => İsim: Derin", Adres: Kavaklıdere", Hobi: oyuncak". 2. Key-Value Store cocuk[ Derin ] = { ilkisim : Derin, Adres : Kavaklıdere, Hobi : oyuncak } 3. Column Stores Tabular Data 4. Graph 47

48 MongoDB Document Store C++ da geliştiriliyor SQL sorgularına benzer bir sorgulama altyapısı var. Lisansı AGPL Master/slave replikasyonu destekliyor (otomatik failover geçişi sağlıyor) Otomatik Sharding desteği var. Sorguları JavaScript te yazılıyor. Özellikler yerine performans ı ön plana çıkarmışlar. 32bit sistemlerde, 3gb hafıza kullanımı sınırı var. Boş veritabanı dosyası 192 MB tutuyor. Coğrafi bilgi sistemleri için desteği mevcut. Ne zaman kullanılmalı?: Dinamik sorguların olduğu, SQL e benzer indeksleme mekanizmalarını kullanmak istediğinizde veya büyük bir DB de iyi bir performans beklediğinizde. Örnek olarak: MySQL veya PostgreSQL kullanıyorsanız, şemanız dinamikse. 48

49 MongoDB Veri Tipleri Table eşittir Collection post = { yazar : Bugra, text : Blog post, date : datetime.datetime.utcnow() } posts = db.posts posts.insert(post) posts.find_one({ yazar : Bugra })

50 MongoDB Kullanım Durumları + Arşivleme, durum loglama + Doküman yönetim sistemleri + Uygulamada JSON kullanıyorsanız uygun olabilir. + Online oyunlarda küçük read/write ların sık olduğu durumlarda. - Karmaşık transaction yapılarında.

51 MongoDB Python Sürücüleri PyMongo - current/installation.html

52 CouchDB Document Store Erlang programlama dili ile geliştiriliyor. Kolay kullanım ve veri bütünlüğü önemliyse. Apache lisansına sahip HTTP ve REST arayüzleriyle DB operasyonları gerçekleştirilebiliyor. master-master replikasyon yapabiliyor. Yazma operasyonları sırasında Okuma yapabiliyor Veriyi sürüm sistemlerinde olduğu gibi sürümlendirebiliyor. Geçmiş verilere ulaşmak mümkün! jquery ile DB sorgulamak mümkün. Ne zaman kullanılmalı? : Bir verinin geçmiş sürümleri de sizin için önemliyse, master/master replikasyon yapabilmek istiyorsanız 52

53 CouchDB Kullanım Durumları HTTP/Rest arayüzü üzerinden bilgileri sunmak, veriler üstünde işlem yapmak için Veri bütünlüğüne önem verdiğiniz durumlarda.

54 CouchDB Python Sürücüleri Couchdb-python couchdb-python/

55 Riak Key-value Erlang programlama dilinde geliştiriliyor. Fault tolerance a açık bir sistem. Apache lisansına sahip HTTP ve REST ile DB işlemleri gerçekleştirilebiliyor. Verinin dağıtımı ve kümelendirme seçeneklerini belirlemek çok basit. Map/reduce algoritmasını veri kümenizde çalıştırabiliyorsunuz. Full-text arama, indeksleme, sorgulama mevcut. (Riak Search Sunucusu ) 55

56 Riak Kullanım Durumları Yüksek bulunabilirlik Hatayı kaldırır Genişleyebilir Operasyon dostu Düşük gecikme

57 Riak Python Sürücüleri Riak-python-client https://github.com/ basho/riak-python-client

58 Redis Key-value store Tüm veritabanı RAM de tutuluyor. Bu yüzden verilere erişim çok hızlı. Basit bir datastore fakat basitliği, kullanım kolaylığı, performansı küçük uygulamalar için vazgeçilmez. 58

59 Redis Kullanım Durumları Kullanıcı bilgilerini tutmak Hızlı bir şekilde saklamak ve sorgulamak istediğiniz her veritipi için kullanılabilir. Arama motoru oluşturmak için Riak-Search

60 Redis Python Sürücüleri redis-py https://github.com/andymccurdy/ redis-py

61 Cassandra Dağıtık key-value store, semi column-oriented Java da yazılıyor BigTable ve Dynamo teknolojilerini içinde barındırıyor. Apache lisansına sahip Thrift mesajlaşma altyapısını kullanıyor. Verinin replikasyonu ve dağıtımı için trade-off ayarlarına sahip. Kolona göre arama yapıyor. Yazmak okumaktan daha hızlı! Apache Hadoop ile birleştirilebiliyor (MapReduce )

62 Cassandra Kullanım Bankalar Finans kurumları Gerçek zamanlı veri analizi yapmak için. Yazmak / Okumaktan daha hızlı!

63 Cassandra Python Sürücüleri Pycassa - pycassa/

64 Neo4J Graph Database GPLv3 veya AGPL lisansıyla dağıtılıyor. Java da yazılıyor. Nesneler arasındaki ilişkiler yoluyla veriyi ifade edebiliyor.

65 Neo4J Kullanım Durumları Nesneler arasındaki ilişkilerin yoğun olduğu durumlarda. İnsan takip uygulamalarında Buğra Çakır ın 03/04/2012 tarihinde Kızılay Metrosuna girdiği anda Buğra Çakır ın arkadaş listesindeki kişilerden hangileri onun 100m yarıçapında bulunuyordu

66 Neo4J Python Sürücüleri python-embedded https://github.com/neo4j/ python-embedded

67 HBase Bigtable tipi veritabanı Apache Lisansıyla dağıtılıyor. Java da yazılıyor. Güvenilir read/write desteği var. Tabloların sharding işlemi otomatik olarak yapılabiliyor. Thrift ve HTTP arayüzleriyle veriye ulaşmak, üzerinde işlem yapmak mümkün

68 HBase Kullanım Durumları Gerçekten çok veriniz varsa Bir kaç değil 10 larca sunucu kullanıyorsanız. Rastgele, gerçek zamanlı read/write durumlarında

69 HBase Python Sürücüleri Thrift üzerinden erişilebiliyor.

70 Performans Wikipedia sayfasının indekslendiği bir performans testbed inde Riak-MongoDB-Cassandra-HBase performanslarını karşılaştıralım.

71 Performans

72 Performans

73 Performans DB read/update Performansı MapReduce Performansı Cassandra İyi Çok İyi Hbase Kötü Ortalama MongoDB İyi Zayıf Riak Zayıf Ortalama

74 Sharding Verilerin hangi makinaya yazılacağını ve nereden okunacağını kendimizin belirlediği yönteme Sharding adı verilir. En popüler algoritmalardan birisi Consistent Hashing dir. 74

75 Sharding A 0,1,2,3 B 4,5,6,7 C 8,9,a,b D c,d,e,f Hash 71db329b58378c8fa8876f0ec04c72e5 -> node B ye eşleniyor. Okuma/Yazma/Silme/Değiştirme B nodunda gerçekleşecek. 75

76 Redis Performans Redis Anahtar Sayısı : Kullanılan Hafıza : 1GB Kullanılan Backend Dosya : 230 MB 0 dan Ayağa Kalkma Zamanı : 10sn Anahtar Arama Zamanı(Key/Value Perf): 0 ms 76

77 Grid Hesaplama MPI üzerinden hesaplama yapılıyor. Shared filesystem mimarisi Network Bandwidth Grid mimarisindeki performansı doğrudan etkileyen bir elemandır. 77

78 İhtiyaç? İhtiyacımız olan; 1. Verinin güvenilir bir şekilde depolanması. 2. Depolanan verinin üzerinde analiz işlemlerinin gerçekleştirilmesi. 78

79 Apache Nutch - Lucene Doug Cutting Apache Lucene Metin arama kütüphanesi Apache Nutch Açık kaynak web crawling, arama kütüphanesi 79

80 Arama Motoru Yapmak? Doug Cutting in tahmini : 1 milyar sayfa index e sahip bir arama motorunun donanım için 0.5 milyon dolara ihtiyacı var. Aylık işletme maliyeti tahminen dolar. 80

81 Apache Nutch 2002 yılında web crawling yapmak için oluşturulan bir proje. Milyonlarca web sitesi indekslenebiliyor. Fakat Milyarlar çalışmıyor! Bunun için NDFS ( Nutch Distributed File System ) 81

82 Arama Motoru Yapmak? Sayfa veritabanı CrawlDB En son güncellenme zamanı Güncellenme aralığı Sayfa içeriği İçerik doğrulaması

83 Arama Motoru Yapmak? Çekilecek Sayfa Listesi FetchList Gazete sayfaları

84 Arama Motoru Yapmak? Ham sayfa verileri PageContent FetchList deki sayfalardan çekilmiş bilgilerin bulunduğu veritabanıdır. Bu bilgiler ham olarak durmaktadır. Üzerinde bir işlem yapılmaz.

85 Arama Motoru Yapmak? İşlenmiş sayfa verileri - ParsedPageContent Ham verilerin belli kodeklerle işlenmiş hallerinin bulunduğu veritabanıdır. Bu kodeklerle örneğin HTML, PDF, Open Office, Microsoft Office, RSS ve diğer formatlardaki bilgileri çözümlemek mümkündür.

86 Arama Motoru Yapmak? Bağlantı veritabanı LinkGraph PageRank ile bir web sitesine kaç tane link olduğunu gösteren veritabanıdır.

87 Arama Motoru Yapmak? Arama Fihristi FullTextSearchIndex Çekilen web sitesi içeriklerinden oluşturulan klasik aramanın gerçekleştirilmesini sağlayan veritabanıdır. Apache Lucene ile oluşturulur.

88 Apache Nutch Google GFS (Google File System) Google MapReduce 2006 da Nutch daki NDFS algoritmaları Lucene alt projesinden ayrılıp yeni bir kök projesi olan Hadoop u oluşturdu. Doug Cutting Yahoo ya katıldı de Hadoop core cluster ile Yahoo nun production search index altyapısı tanıtıldı. 88

89 Apache Hadoop NDFS -> HDFS ( Hadoop File System ) 2008 de Hadoop un kullanıldığı alanlar çeşitlendi. Last.fm Facebook New York Times 89

90 Soy ağacı 90

91 Ekosistem 1. Herşey nasıl başladı? Veri miktarı arttı. 2. Apache Nutch ile web crawling yaptık. 3. Büyük verileri kaydettik. HDFS doğdu! 4. Bu verileri nasıl kullanacağız? 5. MapReduce algoritması ile analitik uygulamalar geliştirip, çalıştırdık java, python gibi dillerle. 6. Yapısal olmayan verileri ne yapacağız? Web logs, Click streams, Apache logs, Server logs fuse,webdav, chukwa, flume, Scribe 7. Hiho ve sqoop u bu verileri HDFS e aktarmak için kullacağız RDBMS den bilgileri alabiliyoruz! 8. MapReduce programlayabilmek için yüksek seviyede diller tanımlandı Pig, Hive, Jaql 9. BI araçları türedi, raporlama, Intellicus 10. Yüksek seviye diller için akış kontrol araçları tanımlandı. - oozie 11. Hadoop işlerinin kontrolü için Hive, HDFS i görüntülemek için Hue, karmasphere, eclipse plugin, cacti, ganglia 12. Yardımcı çatılar geliştirildi. Avro (Serialization), Zookeeper (Koordinasyon) 13. Daha yüksek seviyede işlemler için Yapay Öğrenme Mahout, Yeni bir mapreduce tekniği Elastic map Reduce 14. OLTP HBase 91

92 BigData Ekosistemi 92

93 Hadoop Ekosistem Ambari Deployment, konfigürasyon ve izleme Flume Log ve event verilerinin toplanması HBase Column-oriented DB HDFS Hadoop un kullandığı dağıtık dosya sistemi Hive SQL-benzeri sorgulanabilen bir datawarehouse MapReduce Kümeler üstünde paralel hesaplamayı sağlayan algoritma Pig Hadoop MapReduce hesaplamaları için üst düzey bir dil Oozie Orkestrasyon ve workflow aracı Sqoop RDBMS lerden verileri almaya yarayan araç Whirr Cloud deployment larını sağlayan araç ZookeeperK ü m e ü y e l e r i n i n k o o r d i n a s y o n u v e konfigürasyonu için kullanılan araç 93

94 Hadoop Ekosistem Gelen Veriler: Sqoop, Flume Koordinasyon ve Akış: Zookeeper, Oozie Yönetim ve Dağıtım: Ambari, Whirr 94

95 Apache Sqoop SQL den bilgileri alıp Hadoop ekosistemine aktarmayı kolaylaştırır. Hadoop ekosisteminden SQL e bilgileri aktarmayı kolaylaştırır.

96 Apache Sqoop

97 Apache Flume Hadoop dışındaki veri kümelerini ekosisteme aktarmayı sağlar. Akış bazlı bir mimariye sahiptir.

98 Apache Flume

99 Apache Oozie Hadoop işlerinin (jobs) yönetimini sağlar. İşlerin akış şemalarında işlemesini sağlar.

100 Apache Oozie

101 Apache Zookeper Hadoop ekosistem elemanlarının dağıtık konfigürasyonunu, işlevsel kontrolünü, birlikte çalışabilirliğini sağlar.

102 Apache Pig Hadoop MapReduce hesaplamaları için yüksek seviyede bir dil arayüzü tanımlar. raw = LOAD 'excite.log' USING PigStorage('\t') AS (user, time, query); clean1 = FILTER raw BY org.apache.pig.tutorial.nonurldetector(query ); uniq_frequency3 = FOREACH uniq_frequency2 GENERATE $1 as hour, $0 as ngram, $2 as score, $3 as count, $4 as mean;

103 Apache Hive Hadoop için veri ambarı uygulamasıdır. Büyük veriler üzerinde analiz işlemleri yapmayı sağlar. hive> CREATE TABLE pokes (foo INT, bar STRING); hive> CREATE TABLE invites (foo INT, bar STRING) PARTITIONED BY (ds STRING); ALTER TABLE pokes ADD COLUMNS (new_col INT);

104 Apache Hive hive> LOAD DATA LOCAL INPATH './ examples/files/kv1.txt' OVERWRITE INTO TABLE pokes; hive> SELECT a.foo FROM invites a WHERE a.ds=' ';

105 Hadoop Dağıtımları Cloudera CDH Dağıtımı Hadoop, Hive, Pig, Hbase, Zookeeper, Flume,Sqoop, Mahout, Whirr, Oozie, Fuse-DFS, Hue Hortonworks Hadoop, Hive, Pig, Hbase, Zookeeper, Ambari, Hcatalog IBM Hive, Oozie, Pig, Zookeeper, Avro, Flume, HBase, Lucene Microsoft Hive, Pig 105

106 MapReduce Veri işlemek için kullanılan bir yöntem algoritmadır. Büyük veri setlerinin paralel olarak işlenmesinde kullanılır. Verileri liste şeklinde düşündüğümüz zaman bunlar üzerinde fonsiyonel dillerdeki gibi işlem yapmamızı sağlar. 106

107 MapReduce / Hadoop

108 Teşekkürler!

Büyük Veri de Türkiye den Uygulama Örnekleri Dr. Güven Fidan

Büyük Veri de Türkiye den Uygulama Örnekleri Dr. Güven Fidan Büyük Veri de Türkiye den Uygulama Örnekleri Dr. Güven Fidan ARGEDOR Bilişim Teknolojileri ARGEDOR ARGEDOR, şirketlere ve son kullanıcılara yenilikçi bilgiyi işleme çözümleriyle dünya çapında mevcut olan

Detaylı

NoSql ve MongoDB. Saygın Topatan

NoSql ve MongoDB. Saygın Topatan NoSql ve MongoDB Saygın Topatan NoSql ve MongoDB NoSql nedir Neden ihtiyaç duyuldu Tipleri MongoDb Kavramlar Sharding Şema Tasarımı NoSql in geleceği NoSql Nedir? Nedir 2009 başlarında ortaya çıkmış bir

Detaylı

Yapısal Olmayan Verinin Potansiyelini Açığa Çıkarın

Yapısal Olmayan Verinin Potansiyelini Açığa Çıkarın Yapısal Olmayan Verinin Potansiyelini Açığa Çıkarın Alp Taşdemir 1 Geleneksel Kurumsal Analitik İşleme 2 Temel Paradigma Kayması Internet çağı ve patlayan veri artışı Oluşan eğilimleri ve fırsatları belirlemek

Detaylı

BÜYÜK VERİ. Abdulkadir ŞAN Proje Yöneticisi 7/1/2014 VERİ SİSTEMLERİ. Anayurt Güvenliği Md. Yrd. Metin Madenciliği ve Kaynaştırma Sistemleri

BÜYÜK VERİ. Abdulkadir ŞAN Proje Yöneticisi 7/1/2014 VERİ SİSTEMLERİ. Anayurt Güvenliği Md. Yrd. Metin Madenciliği ve Kaynaştırma Sistemleri BÜYÜK VERİ Abdulkadir ŞAN Proje Yöneticisi 1 VERİ SİSTEMLERİ Relational Database DataWarehouse 2 1 VERİ TÜRLERİ 3 BÜYÜK VERİ NEDİR? Verinin çok büyük bir kısmı YAPISAL OLMAYAN veridir ve şimdi bu veriyi

Detaylı

Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama Paradigmaları

Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama Paradigmaları Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama Paradigmaları Güven Fidan AGMLAB Bilişim Teknolojileri 18/10/11 GRID ÇALIŞTAYI 2007 1 MapReduce Nedir? Büyük data kümelerini işlemek ve oluşturmak

Detaylı

Büyük Veri. Yrd. Doç. Dr. Özgür Yılmazel Gökhan Çapan Anadolu Üniversitesi

Büyük Veri. Yrd. Doç. Dr. Özgür Yılmazel Gökhan Çapan Anadolu Üniversitesi Büyük Veri Yrd. Doç. Dr. Özgür Yılmazel Gökhan Çapan Anadolu Üniversitesi Büyük Veri Nedir? Büyük veriler her yerde Bilimsel hesaplamalar Medikal görseller Web Sunucu log dosyaları Ama büyük veri ne kadar

Detaylı

Semantik Ağ ve Üst Veri Sistemleri İçin Yeni Nesil Veri Tabanı Yönetim Modeli: NoSQL. R. Orçun Madran Atılım Üniversitesi. www.madran.

Semantik Ağ ve Üst Veri Sistemleri İçin Yeni Nesil Veri Tabanı Yönetim Modeli: NoSQL. R. Orçun Madran Atılım Üniversitesi. www.madran. Semantik Ağ ve Üst Veri Sistemleri İçin Yeni Nesil Veri Tabanı Yönetim Modeli: NoSQL R. Orçun Madran Atılım Üniversitesi www.madran.net İçerik NoSQL Ne Değildir? Neden NoSQL? Ne Zaman NoSQL? NoSQL'in Tarihçesi.

Detaylı

Büyük Veri Analizi. Göksel Okay Kıdemli Sistem Mühendisi

Büyük Veri Analizi. Göksel Okay Kıdemli Sistem Mühendisi Büyük Veri Analizi Göksel Okay Kıdemli Sistem Mühendisi 1 ipad KAZANMAK için 1 - @EMCTurkey hesabını takip etmelisiniz. 2 - Tweetinizde 4 noktayı belirtmeyi unutmayın! Soru Görseli ( soru ekrana geldiğinde

Detaylı

16 Ekim 2010 Özgür Web Günleri Yeditepe Üniversitesi. Nosql Veritabanları

16 Ekim 2010 Özgür Web Günleri Yeditepe Üniversitesi. Nosql Veritabanları 16 Ekim 2010 Özgür Web Günleri Yeditepe Üniversitesi Nosql Veritabanları CAP Theorem Aynı anda aşağıdaki üçü bir arada olamaz! Consistency (Aynı anda tüm birimlerde aynı veri) Availability (Bazı birimlerde

Detaylı

İçerik. Apache Hadoop Project

İçerik. Apache Hadoop Project Apache Hadoop Project İçerik Apache Hadoop Project Hadoop Kullanıcıları Yahoo Alt Projeler Hadoop Cluster Topoloji HDFS HDFS Toplojisi HDFS Veri Modeli ve Akışları (Okuma/Yazma) HDFS e Erişim Hadoop MapReduce

Detaylı

PostgreSQL - Yeni dönemdeki yeri

PostgreSQL - Yeni dönemdeki yeri PostgreSQL - Yeni dönemdeki yeri Devrim GÜNDÜZ Principals System Engineer @ EnterpriseDB Twitter: @DevrimGunduz Red Hat Certified Engineer Topluluk: devrim@postgresql.org Kişisel: devrim@gunduz.org İş:

Detaylı

MongoDB ve Diğer Veritabanlarında Sharding

MongoDB ve Diğer Veritabanlarında Sharding MongoDB ve Diğer Veritabanlarında Sharding Who the f**k is talking? Emir Karaburçak emir.karaburcak@spp42.com @kinchil SPP42 de Yazılım Geliştirme Uzmanı Python, Django, Java, JBoss Seam, Play MongoDB,

Detaylı

Tom PROBERT MapInfo Pro Global Üretim Müdürü. Büyük Veri ve (potansiyel) etkiler

Tom PROBERT MapInfo Pro Global Üretim Müdürü. Büyük Veri ve (potansiyel) etkiler Tom PROBERT MapInfo Pro Global Üretim Müdürü Büyük Veri ve (potansiyel) etkiler Kasım 2015 Tamamı ile Veri Hakkında! Kesinlik Yönetim Kalite Kaynak Doğruluk Entegrasyon Para Strateji Entegrasyon Kalite

Detaylı

HP Yazılım Zirvesi - İstanbul 20 May 2015 - Wyndham Grand Levent Erdem Alaşehir / Finansbank Güvenlik Olay Korelasyonunda Büyük Veri Kullanımı

HP Yazılım Zirvesi - İstanbul 20 May 2015 - Wyndham Grand Levent Erdem Alaşehir / Finansbank Güvenlik Olay Korelasyonunda Büyük Veri Kullanımı HP Yazılım Zirvesi - İstanbul 20 May 2015 - Wyndham Grand Levent Erdem Alaşehir / Finansbank Güvenlik Olay Korelasyonunda Büyük Veri Kullanımı Ajanda Mevcut Durum Vertica ile Çözüm Analiz Mevcut Durum

Detaylı

EMC Forum 2014. Yazılım Temelli Veri Depolama Moro Hekim Sistem Mühendisi moro.hekim@emc.com

EMC Forum 2014. Yazılım Temelli Veri Depolama Moro Hekim Sistem Mühendisi moro.hekim@emc.com EMC Forum 2014 Yazılım Temelli Veri Depolama Moro Hekim Sistem Mühendisi moro.hekim@emc.com 1 ipad KAZANMAK için 1 - @EMCTurkey hesabını takip etmelisiniz. 2 - Tweetinizde 4 noktayı belirtmeyi unutmayın!

Detaylı

VERİ TABANI UYGULAMALARI

VERİ TABANI UYGULAMALARI VERİ TABANI UYGULAMALARI VERİ TABANI NEDİR? Bir konuyla ilgili çok sayıda verinin tutulmasına, depolanmasına ve belli bir mantık içerisinde gruplara ayrılmasına veri tabanı denir. Veri tabanı programları;

Detaylı

Veri Yönetiminde Son Nokta. Sedat Zencirci, Teknoloji Satış Danışmanlığı Direktörü, Orta Asya ve Türkiye

Veri Yönetiminde Son Nokta. Sedat Zencirci, Teknoloji Satış Danışmanlığı Direktörü, Orta Asya ve Türkiye Veri Yönetiminde Son Nokta Sedat Zencirci, Teknoloji Satış Danışmanlığı Direktörü, Orta Asya ve Türkiye Oracle Veri Tabanı 11g & Oracle Exadata Geçen seneden bu yana neler değiģti? Aralık 2010 Oracle Exadata

Detaylı

Büyük veriye genel bakış, mimari ve çözümler

Büyük veriye genel bakış, mimari ve çözümler Büyük veriye genel bakış, mimari ve çözümler Tansel Okay Kurumsal Mimar Gündem Neden Büyük Veri? Farkı nedir? Nasıl? Oracle ın önerdiği mimari yol haritası nedir? Ne sağlıyorsunuz? Örnek(ler) 2 Gündem

Detaylı

Büyük ve Hızlı Veri ile Değer Yaratmak

Büyük ve Hızlı Veri ile Değer Yaratmak Büyük ve Hızlı Veri ile Değer Yaratmak Pivotal FIRAT OZTURK EMC Türkiye 2 Büyük ve Hızlı Veri ile İşinize Değer Katın Pivotal Veri-Odaklı Uygulamalar için Çevik Altyapı Sağlar Yüksek miktarda veriyi gerçek

Detaylı

1 Temel Kavramlar. Veritabanı 1

1 Temel Kavramlar. Veritabanı 1 1 Temel Kavramlar Veritabanı 1 Veri Saklama Gerekliliği Bilgisayarların ilk bulunduğu yıllardan itibaren veri saklama tüm kurum ve kuruluşlarda kullanılmaktadır. Veri saklamada kullanılan yöntemler; Geleneksel

Detaylı

İnternet Programcılığı

İnternet Programcılığı 1 PHP le Ver tabanı İşlemler Yaptığımız web sitelerinin daha kullanışlı olması için veritabanı sistemleri ile bağlantı kurup ihtiyaca göre verileri okuyup yazmasını isteriz. 1.1 Veritabanı Nedir? Veritabanı

Detaylı

LKD Kendi İlacını Kullanıyor

LKD Kendi İlacını Kullanıyor LKD Kendi İlacını Kullanıyor Emre Eryılmaz emre.eryilmaz@linux.org.tr Adil Güneş Akbaş adil.akbas@linux.org.tr Linux Kullanıcıları Derneği 4 Aralık 2010 Linux Kullanıcıları Derneği Amaçlarımız Camia için

Detaylı

Veri Tabanı-I 5.Hafta

Veri Tabanı-I 5.Hafta Veri Tabanı-I 5.Hafta DataBase Oluşturma 1 DATABASE Kolon,özellik,alanColumn,attributes,fields) Sunucu Tablo numarası adı soyadı 0913109001 Ali Can 0913109002 Nuri Koç Database 0913109003 Fatma Kara Satır,Kayıt

Detaylı

IBM Big Data. Emre Uzuncakara emre@tr.ibm.com Big Data Sales. 2009 IBM Corporation

IBM Big Data. Emre Uzuncakara emre@tr.ibm.com Big Data Sales. 2009 IBM Corporation IBM Big Data Emre Uzuncakara emre@tr.ibm.com Big Data Sales Büyük Veri Nedir? Hız Hacim 12 terabyte Günlük Tweet verisi Ürün Analizi 350 5 Çeşitlilik milyon Ticari hareket - saniyede Potansiyel suistimal

Detaylı

SİGORTACILIKTA PERFORMANS: WEBLOGIC COHERENCE, EXADATA

SİGORTACILIKTA PERFORMANS: WEBLOGIC COHERENCE, EXADATA 1 Kasım 2011 Swissotel İstanbul SİGORTACILIKTA PERFORMANS: WEBLOGIC COHERENCE, EXADATA Ali Serdar Yakut Güneş Sigorta Bilgi İşlem Grup Müdürü Presenting with LOGO PUSULA İLE YÖNÜMÜZ

Detaylı

Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri

Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri Konular Veritabanı Tasarım Aşamaları Veri Modeli Nedir? Veri Modeli Temel Bileşenleri İş Kuralları (Business Rules) İş Kurallarını Veri

Detaylı

İngilizce'de Relational Database Management System (RDBMS) olarak ifade edilir.

İngilizce'de Relational Database Management System (RDBMS) olarak ifade edilir. İlişkisel Veritabanı Yaklaşımı: İngilizce'de Relational Database Management System (RDBMS) olarak ifade edilir. İlişkisel veri tabanı yönetim sistemi verilerin tablolarda satır ve sutunlar halinde tutulduğu

Detaylı

Copyright 2012 EMC Corporation. All rights reserved.

Copyright 2012 EMC Corporation. All rights reserved. 1 Oracle ve SAP Yedeklemesinde Yeni Stratejiler Erinç Mendilcioğlu Kıdemli Sistem Mühendisi 2 Veri Yedeklemede Karşılaşılan Zorluklar Verilerin Çok Hızlı Büyümesi Applikasyon Çeşitliliği Her Geçen Gün

Detaylı

Bilgisayar Teknolojileri Bölümü Bilgisayar Programcılığı Programı. Öğr. Gör. Cansu AYVAZ GÜVEN

Bilgisayar Teknolojileri Bölümü Bilgisayar Programcılığı Programı. Öğr. Gör. Cansu AYVAZ GÜVEN Bilgisayar Teknolojileri Bölümü Bilgisayar Programcılığı Programı Öğr. Gör. Cansu AYVAZ GÜVEN VERİTABANI-I Veri Nedir? Bilgisayarların yaygınlaşması ile birlikte bir çok verinin saklanması gerekli hale

Detaylı

Veritabanlarına ve SQL'e Giriş. Devrim GÜNDÜZ. Teknoloji Destek Merkezi -- www.tdmsoft.com. devrim@gunduz.org

Veritabanlarına ve SQL'e Giriş. Devrim GÜNDÜZ. Teknoloji Destek Merkezi -- www.tdmsoft.com. devrim@gunduz.org Veritabanlarına ve SQL'e Giriş Devrim GÜNDÜZ Teknoloji Destek Merkezi -- www.tdmsoft.com devrim@gunduz.org http://seminer.linux.org.tr http://www.gunduz.org Giriş Bu seminerde, aşağıdaki konular anlatılacaktır:

Detaylı

Veri Tabanı-I 1.Hafta

Veri Tabanı-I 1.Hafta Veri Tabanı-I 1.Hafta 2010-2011 Bahar Dönemi Mehmet Akif Ersoy Üniversitesi Meslek Yüksekokulu Burdur 2011 Muhammer İLKUÇAR 1 Veri ve Veri Tabanı Nedir? Veri Bir anlamı olan ve kaydedilebilen

Detaylı

Kepware Veritabanı Ürünleri. Teknolojiye Genel Bir Bakış

Kepware Veritabanı Ürünleri. Teknolojiye Genel Bir Bakış Kepware Veritabanı Ürünleri Teknolojiye Genel Bir Bakış Gündem Veritabanı Client API teknolojisinin gözden geçirilmesi ODBC istemci sürücüsü- bir KEPServerEX Plug-In Haberleşme Sürücüsüdür. DataLogger-

Detaylı

Sunucularımızı Gözleyelim. Oğuz Yarımtepe @oguzy oguzyarimtepe ~ gmail.com http://about.me/oguzy

Sunucularımızı Gözleyelim. Oğuz Yarımtepe @oguzy oguzyarimtepe ~ gmail.com http://about.me/oguzy Sunucularımızı Gözleyelim Oğuz Yarımtepe @oguzy oguzyarimtepe ~ gmail.com http://about.me/oguzy Gözlem yapmak kolay değildir! Eğer başarılı ise, farklı gözlem yöntemlerini uygun ve hassas bir şekilde güzel

Detaylı

ORM & Hibernate. Ahmet Demirelli. SCJP 5.0, SCWCD 1.4 ahmetdemirelli@sabanciuniv.edu

ORM & Hibernate. Ahmet Demirelli. SCJP 5.0, SCWCD 1.4 ahmetdemirelli@sabanciuniv.edu ORM & Hibernate Ahmet Demirelli SCJP 5.0, SCWCD 1.4 ahmetdemirelli@sabanciuniv.edu Sabancı Üniversitesi Bilişim Teknolojileri Yüksek Lisans Programı Seminerleri 2008 Hakkımızda SabancıÜniversitesi BT Yüksek

Detaylı

PostgreSQL ve JBoss ile Java Kurumsal Çözümler. Nicolai Tufar ntufar@tdmsoft.com

PostgreSQL ve JBoss ile Java Kurumsal Çözümler. Nicolai Tufar ntufar@tdmsoft.com PostgreSQL ve JBoss ile Java Kurumsal Çözümler Nicolai Tufar ntufar@tdmsoft.com Kurumsal Çözümler Kurumsal çözüm nedir? Kurumsal olmayan uygulamalar Bilimsel hesaplamalar Gerçek zamanlı donanım kontrol

Detaylı

Zekeriya Beşiroğlu TURKISH ORACLE USER GROUP. Oracle Cloud G nin GİDİŞİ. C nin GELİŞİ. Bilginc IT Academy /Oracle University Istanbul

Zekeriya Beşiroğlu TURKISH ORACLE USER GROUP. Oracle Cloud G nin GİDİŞİ. C nin GELİŞİ. Bilginc IT Academy /Oracle University Istanbul TURKISH ORACLE USER GROUP Zekeriya Beşiroğlu Oracle Cloud G nin GİDİŞİ C nin GELİŞİ Bilginc IT Academy /Oracle University Istanbul Kıdemli Oracle Eğitmeni ve Danışmanı http://zekeriyabesiroglu.blogspot.com

Detaylı

ÖZGÜR YAZILIMLAR İLE J2EE

ÖZGÜR YAZILIMLAR İLE J2EE ÖZGÜR YAZILIMLAR İLE J2EE Buğra Çakır bugra@ibrahimcakir.com Seminer İçeriği 1. İki ve üç katmanlı yazılım mimarileri 2. Java ve J2EE platformu 3. Özgür yazılımlar ile J2EE 4. Eclipse, Lomboz ve JBoss

Detaylı

Maltepe Üniversitesi Endüstri Mühendisliği Bölümü Veri Tabanı Yönetimi (END 210)

Maltepe Üniversitesi Endüstri Mühendisliği Bölümü Veri Tabanı Yönetimi (END 210) Maltepe Üniversitesi Endüstri Mühendisliği Bölümü Veri Tabanı Yönetimi (END 210) GENEL DERS BİLGİLERİ Öğretim Elemanı : Öğr.Gör. Erdal GÜVENOĞLU Ofis : MUH 312 Ofis Saatleri : Pazartesi: 14:00 14:50, Salı:

Detaylı

Google Web Toolkit ile Öğretim Elemanı Otomasyon Sistemi

Google Web Toolkit ile Öğretim Elemanı Otomasyon Sistemi Google Web Toolkit ile Öğretim Elemanı Otomasyon Sistemi Mehmet Karakoç Akdeniz Üniversitesi Bilgisayar Bilimleri Araştırma ve Uygulama Merkezi 28.11.2014 inet-tr'14 : GWT AUFaculty Project 1 İçerik Giriş

Detaylı

Ortamınızda A.D. veya LDAP sistemi var ise aşağıdaki linkten KoruMail LDAP-AD isimli dokümanı inceleyebilirsiniz.

Ortamınızda A.D. veya LDAP sistemi var ise aşağıdaki linkten KoruMail LDAP-AD isimli dokümanı inceleyebilirsiniz. KoruMail, kullanıcı doğrulama işlemi için herhangi bir dizin sunucu (MS Active Directory, Novell edirectory, Sun Directory Server, OpenLDAP) olmadığı durumlarda kullanıcıları dizin sunucu yerine, MySQL

Detaylı

Genel Kavramlar. Bilgisayar ortamında işlenebilecek durumda bulunan kayıtlar. Birbiri ile ilişkili veriler topluluğu ve veriler arası ilişkiler

Genel Kavramlar. Bilgisayar ortamında işlenebilecek durumda bulunan kayıtlar. Birbiri ile ilişkili veriler topluluğu ve veriler arası ilişkiler Genel Kavramlar Veri Nedir? Bilgisayar ortamında işlenebilecek durumda bulunan kayıtlar Veri Tabanı Nedir? Birbiri ile ilişkili veriler topluluğu ve veriler arası ilişkiler Veritabanı Yönetim Sistemi (DBMS)Nedir?

Detaylı

Küme Bilgisayarlar. Enabling Grids for E-sciencE. Onur Temizsoylu. Grid ve Küme Bilgisayarlarda Uygulama Geliştirme Eğitimi ODTÜ, Ankara

Küme Bilgisayarlar. Enabling Grids for E-sciencE. Onur Temizsoylu. Grid ve Küme Bilgisayarlarda Uygulama Geliştirme Eğitimi ODTÜ, Ankara Küme Bilgisayarlar Onur Temizsoylu ODTÜ, Ankara www.eu-egee.org EGEE and glite are registered trademarks İçerik Neden hesaplamada kümeleme? Kümeleme nedir? Yüksek kullanılabilirlik kümeleri Yük dengeleme

Detaylı

Zope Uygulama Sunucusu

Zope Uygulama Sunucusu Zope Uygulama Sunucusu H. Turgut Uyar uyar@cs.itu.edu.tr http://www.cs.itu.edu.tr/~uyar/ resim http://www.coresis.com/penguin/ adresinden alınmıştır Web Siteleri web siteleri giderek daha karmaşık bir

Detaylı

DSİ kapsamında oluşturulan dağınık durumdaki verilerinin düzenlenmesi, yeniden tasarlanarak tek bir coğrafi veri tabanı ortamında toplanması,

DSİ kapsamında oluşturulan dağınık durumdaki verilerinin düzenlenmesi, yeniden tasarlanarak tek bir coğrafi veri tabanı ortamında toplanması, Projenin Amacı DSİ Genel Müdürlüğünde, Bölge Vaziyet Planı çalışmaları kapsamında üretilen ve mevcut DSİ faaliyetlerini içeren CBS veri setleri ile CBS Veritabanının incelenerek yine mevcut CBS donanım,

Detaylı

BIM 312 Database Management Systems. Veritabanı Kavramına Giriş

BIM 312 Database Management Systems. Veritabanı Kavramına Giriş BIM 312 Database Management Systems Veritabanı Kavramına Giriş Veritabanı Nedir? Veritabanı, birbirleriyle ilişkili verilerin hızlı ve verimli bir şekilde ulaşılmasına olanak verecek biçimde saklanmasıyla

Detaylı

Veri Tabanı Yönetim Sistemleri Bölüm - 3

Veri Tabanı Yönetim Sistemleri Bölüm - 3 Veri Tabanı Yönetim Sistemleri Bölüm - 3 İçerik Web Tabanlı Veri Tabanı Sistemleri.! MySQL.! PhpMyAdmin.! Web tabanlı bir veritabanı tasarımı. R. Orçun Madran!2 Web Tabanlı Veritabanı Yönetim Sistemleri

Detaylı

Turquaz. Açık kodlu muhasebe yazılımı http://www.turquaz.com. Turquaz Proje Grubu

Turquaz. Açık kodlu muhasebe yazılımı http://www.turquaz.com. Turquaz Proje Grubu Turquaz Açık kodlu muhasebe yazılımı http://www.turquaz.com Turquaz Proje Grubu Konu Başlıkları 1. Turquaz Proje Grubu 2. Programın fikri 3. Geliştirme aşaması 4. Programın içeriği 5. Yapılacaklar 6. Dizayn

Detaylı

Maltepe Üniversitesi Bilgisayar Mühendisliği Bölümü Veri Tabanı ve Yönetimi (BİL 301)

Maltepe Üniversitesi Bilgisayar Mühendisliği Bölümü Veri Tabanı ve Yönetimi (BİL 301) Maltepe Üniversitesi Bilgisayar Mühendisliği Bölümü Veri Tabanı ve Yönetimi (BİL 301) GENEL DERS BİLGİLERİ Öğretim Elemanı : Öğr. Gör. Erdal GÜVENOĞLU Ofis : MUH 313 Ofis Saatleri : Pazartesi: 10.00-12.00,

Detaylı

LOUPE, IP Data ağlarında çalışan katma değerli servislerinizi kolaylıkla izlemenizi sağlar. www.netas.com.tr

LOUPE, IP Data ağlarında çalışan katma değerli servislerinizi kolaylıkla izlemenizi sağlar. www.netas.com.tr LOUPE, IP Data ağlarında çalışan katma değerli servislerinizi kolaylıkla izlemenizi sağlar. www.netas.com.tr IP Tabanlı Servis Oturumlarınızı İzlemenin Kolay Yolu Loupe, Katma Değerli Servislerinizi IP

Detaylı

Büyük Veri nin Gücünden Faydalanın

Büyük Veri nin Gücünden Faydalanın Ayhan ÖNDER, Pure Data for Analytics Technical Specialist, ayhano@tr.ibm.com Büyük Veri nin Gücünden Faydalanın Information Management Big Data Daha önce analizi mümkün olmayan muazam büyüklük ve/veya

Detaylı

Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri. Mustafa Kemal Üniversitesi

Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri. Mustafa Kemal Üniversitesi Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri Veri modelleri, veriler arasında ilişkisel ve sırasal düzeni gösteren kavramsal tanımlardır. Her program en azından bir veri modeline dayanır. Uygun

Detaylı

Ahmet Demirhan. 07 Haziran 2012 - İstanbul

Ahmet Demirhan. 07 Haziran 2012 - İstanbul Ahmet Demirhan 07 Haziran 2012 - İstanbul Halkbank 800 Yurtiçi Şube 5 Yurtdışı Şube 1 Yurtdışı Temsilcilik 2200 ATM 13.700 Personel Halkbank Tam 6 Banka Töbank Sümerbank Etibank Emlak Bankası ve Pamukbank

Detaylı

System Center Operations Manager 2007 Kurulum,Client Discovery ve Performans İzlemesi

System Center Operations Manager 2007 Kurulum,Client Discovery ve Performans İzlemesi System Center Operations Manager 2007 Kurulum,Client Discovery ve Performans İzlemesi Serhad MAKBULOĞLU MCSE/MCITP/MCT Serhad.makbuloglu@cozumpark.com Ajanda System Center Ürün Ailesine Genel Bakış SCOM

Detaylı

Sunucu Taraflı JavaScript ile Gerçek Zamanlı Web Uygulamaları Geliştirme

Sunucu Taraflı JavaScript ile Gerçek Zamanlı Web Uygulamaları Geliştirme Sunucu Taraflı JavaScript ile Gerçek Zamanlı Web Uygulamaları Geliştirme Emrah Ayanoğlu, Onur Özcan, Alperen Eraslan Inet-TR 12 8 Kasım 2012 İÇERİK 1 Node.js nedir? Google tarafından Chrome un JavaScript

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS VERİ TABANI BG-313 3/1 3+1+0 3+0,5 5 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS

Detaylı

PostgreSQL Veritabanı Sunucusu. Başarım Arttırma Yöntemleri

PostgreSQL Veritabanı Sunucusu. Başarım Arttırma Yöntemleri PostgreSQL Veritabanı Sunucusu Başarım Arttırma Yöntemleri Devrim GÜNDÜZ PostgreSQL Geliştiricisi Command Prompt, Inc. devrim@commandprompt.com devrim@postgresql.org[.tr] LKD Seminerleri Linux Kullanıcıları

Detaylı

Veri Tabanı-I 1.Hafta

Veri Tabanı-I 1.Hafta Veri Tabanı-I 1.Hafta 2015-2016 Bahar Dönemi Mehmet Akif Ersoy Üniversitesi Teknik Bilimler Meslek Yüksekokulu Burdur 2015 Yrd.Doç.Dr. M. İLKUÇAR 1Muhammer İLKUÇAR, MAKÜ-2011 BURDUR

Detaylı

Şişli Mesleki ve Teknik Anadolu Lisesi Web Programcılığı Dalı 2014 WEB PROGRAMCILIĞI DALI

Şişli Mesleki ve Teknik Anadolu Lisesi Web Programcılığı Dalı 2014 WEB PROGRAMCILIĞI DALI WEB PROGRAMCILIĞI DALI 007 Yılında Milli Eğitim Bakanlığınca hayata geçirilen MEGEP projesi kapsamında, bilişim teknolojileri alanında açılabilecek dallardan biri olan Web Programcılığı Dalı okulumuzda

Detaylı

Bölüm 1: Veritabanı Yönetim Sistemlerine Giriş

Bölüm 1: Veritabanı Yönetim Sistemlerine Giriş Bölüm 1: Veritabanı Yönetim Sistemlerine Giriş -1- Dr. Serkan DİŞLİTAŞ 1.1. Veri ve Bilgi (Data & Information) Hesaplama, saklama gibi çeşitli işlemler amacıyla bilgisayara verilen sayı, yazı, resim, ses,

Detaylı

Bilgisayar Mühendisliğine Giriş. Yrd.Doç.Dr.Hacer KARACAN

Bilgisayar Mühendisliğine Giriş. Yrd.Doç.Dr.Hacer KARACAN Bilgisayar Mühendisliğine Giriş Yrd.Doç.Dr.Hacer KARACAN İçerik Dosya Organizasyonu (File Organization) Veritabanı Sistemleri (Database Systems) BM307 Dosya Organizasyonu (File Organization) İçerik Dosya

Detaylı

BİL 542 Paralel Hesaplama. Dersi Projesi. MPJ Express Java Paralel Programlama

BİL 542 Paralel Hesaplama. Dersi Projesi. MPJ Express Java Paralel Programlama BİL 542 Paralel Hesaplama Dersi Projesi MPJ Express Java Paralel Programlama Recep Ali YILMAZ 131419106 Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği Yüksek Lisans Programı

Detaylı

1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları

1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları 1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları Uyarı 1: Kuruluma başlamadan önce Oracle 11g Release 2 veritabanı kurulumunu eksiksiz bir şekilde gerçekleştirmiş olmanız beklenmektedir. İlgili kurulum

Detaylı

İŞLETİM SİSTEMLERİNE GİRİŞ. Modern bilgisayar çalışma prensipleri, Von Neumann ın 1945 de geliştirdiği

İŞLETİM SİSTEMLERİNE GİRİŞ. Modern bilgisayar çalışma prensipleri, Von Neumann ın 1945 de geliştirdiği İŞLETİM SİSTEMLERİNE GİRİŞ Von Neumann Mimarisi Modern bilgisayar çalışma prensipleri, Von Neumann ın 1945 de geliştirdiği mimariyi temel almaktadır. Merkezi İşlem Birimi Aritmetik ve Mantık Birimi Kontrol

Detaylı

GittiGidiyor ve Açık Kaynak Kodlu Yazılımlar

GittiGidiyor ve Açık Kaynak Kodlu Yazılımlar GittiGidiyor ve Açık Kaynak Kodlu Yazılımlar Hakan ERDOĞAN - Orhan DOĞAN Ekim, 2010 Gündem GittiGidiyor Biz Kimiz, Tarihçe GittiGidiyor Yazılım, Sistem ve Network Ekibi GittiGidiyor Sosyal Yaşam, Etkinlikler

Detaylı

TeamBase5 BELEDİYE İLETİŞİM MERKEZİ SIEMENS

TeamBase5 BELEDİYE İLETİŞİM MERKEZİ SIEMENS SIEMENS TeamBase5 BELEDİYE İLETİŞİM MERKEZİ SIEMENS TEAMBASE 5 BELEDİYE İLETİŞİM MERKEZİ Her geçen gün hızla değişen ve gelişen teknoloji, kurumların ve vatandaşların birbirleriyle olan iletişimlerine

Detaylı

Cluster i Linux'ta Kümeleme Özgür Yazılım ve Açık Kaynak G 2006 Ali Erdinç Köroğlu

Cluster i Linux'ta Kümeleme Özgür Yazılım ve Açık Kaynak G 2006 Ali Erdinç Köroğlu Cluster i Linux'ta Kümeleme Özgür Yazılım ve Açık Kaynak G 2006 Ali Erdinç Köroğlu Kümelere giriş giriş :) :) Kümeleme nedir? Kümeleme çeşitleri ve ve amaçları RedHat Cluster'a giriş giriş RedHat Cluster

Detaylı

SQL veri tabalarına erişmek ve onları kullanmak için geliştirilmiş bir lisandır.

SQL veri tabalarına erişmek ve onları kullanmak için geliştirilmiş bir lisandır. SQL veri tabalarına erişmek ve onları kullanmak için geliştirilmiş bir lisandır. Bu dersimizde biz Microsoft SQL Server veritabanı sistemini kullanmayı öğreneceğiz. SQL Nedir? SQL Structured Query Language

Detaylı

FABREKA YAZILIM ELEKTRONİK DANIŞMANLIK TİC. LTD. ŞTİ.

FABREKA YAZILIM ELEKTRONİK DANIŞMANLIK TİC. LTD. ŞTİ. FABREKA YAZILIM ELEKTRONİK DANIŞMANLIK TİC. LTD. ŞTİ. VEBIAN V1.5 PERFORMANS ÖNERİLERİ DOKÜMANI 08.02.2015 İçindekiler Amaç ve Kapsam... 2 Performansı Belirleyen Etkenler... 3 Rapor Nasıl Görüntülenir...

Detaylı

VERİ TABANI SİSTEMLERİ

VERİ TABANI SİSTEMLERİ VERİ TABANI SİSTEMLERİ 1- Günümüzde bilgi sistemleri Teknoloji ve bilgi. 2- Bilgi sistemlerinin Geliştirilmesi İşlevsel Gereksinimleri 1.AŞAMA Gereksinim Belirleme ve Analiz Veri Gereksinimleri Gereksinimler

Detaylı

NFS (Network File System) & NIS (Network Information System) H. Coşkun Gündüz cgunduz@cs.bilgi.edu.tr

NFS (Network File System) & NIS (Network Information System) H. Coşkun Gündüz cgunduz@cs.bilgi.edu.tr NFS (Network File System) & NIS (Network Information System) H. Coşkun Gündüz cgunduz@cs.bilgi.edu.tr NFS içerik: NFS nedir? Tarihçe NFS sunucu yapılandırma NFS istemci yapılandırma Genel problemler ve

Detaylı

Postgresql: Web Programcısı için Gündelik İpuçları Postgres 2014 Türkiye

Postgresql: Web Programcısı için Gündelik İpuçları Postgres 2014 Türkiye Postgresql: Web Programcısı için Gündelik İpuçları Postgres 2014 Türkiye Üstün Özgür December 6, 2014 Outline Giriş Web uygulama çatıları (frameworkler) MVC Java Spring + Hibernate, Python Django, Ruby

Detaylı

Sınırsız Analitik. MicroStrategy Analitik Platform

Sınırsız Analitik. MicroStrategy Analitik Platform Sınırsız Analitik MicroStrategy Analitik Platform Detailer Dashboardlar 2 Detailer Dashboardlar 3 Detailer Dashboardlar 4 Detailer Dashboardlar 5 Detailer Dashboardlar 6 Detailer Dashboardlar 7 Detailer

Detaylı

ArcGIS ile Elektrik Dağıtımı Uygulamaları Eğitimi

ArcGIS ile Elektrik Dağıtımı Uygulamaları Eğitimi ArcGIS ile Elektrik Dağıtımı Uygulamaları Eğitimi http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr Kursun Süresi: 5 Gün 30 Saat ArcGIS ile Elektrik Dağıtımı Uygulamaları

Detaylı

Mimar Sinan Mahallesi Davutpaşa Caddesi 73. Sokak No:1 Daire:4 Esenler/İSTANBUL

Mimar Sinan Mahallesi Davutpaşa Caddesi 73. Sokak No:1 Daire:4 Esenler/İSTANBUL Son güncellenme tarihi: 10.02.2013 SERHAT KÖSE Telefon : 0 (546) 426 65 11 Adres : E-Posta : Mimar Sinan Mahallesi Davutpaşa Caddesi 73. Sokak No:1 Daire:4 Esenler/İSTANBUL serhat@serhatkose.com serhatkose1990@gmail.com

Detaylı

Compiere Açık kodlu ERP + CRM yazılımı. Hüseyin Ergün Önsel Armağan Serkan Demir

Compiere Açık kodlu ERP + CRM yazılımı. Hüseyin Ergün Önsel Armağan Serkan Demir Compiere Açık kodlu ERP + CRM yazılımı Hüseyin Ergün Önsel Armağan Serkan Demir ERP Nedir? ERP = Kurumsal Kaynak Planlama Organizasyonların farklı fonksiyonlarının ve departmanlarının kullandığı enformasyonu

Detaylı

Oracle Exadata X4-2 Veritabanı Makinesi. Bora Ovalı Kıdemli Teknik Danışman Oracle ISV/OEM Satış

Oracle Exadata X4-2 Veritabanı Makinesi. Bora Ovalı Kıdemli Teknik Danışman Oracle ISV/OEM Satış Oracle Exadata X4-2 Veritabanı Makinesi Bora Ovalı Kıdemli Teknik Danışman Oracle ISV/OEM Satış Oracle Confidential Internal/Restricted/Highly Restricted Ajanda 1 2 Klasik Veritabanı Sistemleri ve Oracle

Detaylı

LOG SHIPPING Yusuf KAHVECİ Senior Database Administrator @2014

LOG SHIPPING Yusuf KAHVECİ Senior Database Administrator @2014 LOG SHIPPING Yusuf KAHVECİ Senior Database Administrator @2014 www.sqlturkiye.com info@sqlturkiye.com 1 YUSUF KAHVECİ KİMDİR? Merhaba Sevgili Arkadaşlar, 1987 İstanbul doğumluyum. Bilgisayar Mühendisliği

Detaylı

1.PROGRAMLAMAYA GİRİŞ

1.PROGRAMLAMAYA GİRİŞ 1.PROGRAMLAMAYA GİRİŞ Bilindiği gibi internet üzerindeki statik web sayfaları ziyaretçinin interaktif olarak web sayfasını kullanmasına olanak vermemektedir. Bu yüzden etkileşimli web sayfaları oluşturmak

Detaylı

1-Veritabanı Yönetim Sistemleri /Tanım

1-Veritabanı Yönetim Sistemleri /Tanım 1-Veritabanı Yönetim Sistemleri /Tanım Öğr. Gör. Saliha Kevser KAVUNCU Sungurlu MYO/VTYS-I özet VERİTABANI NEDİR? İYİ BİR VERİTABANININ ÖZELLİKLERİ VERİTABANININ AVANTAJLARI VERİ TABANI TİPLERİ VERİTABANI

Detaylı

Google Search API ile ajax arama

Google Search API ile ajax arama Google Search API ile ajax arama 14 Ağustos Salı 12 http://mfyz.com/google-search-api-ile-ajax-arama Eğer bir kaynak arıyorsanız, indexlerin güncelliği, genişliği gibi nedenlerden dolayı, diğer arama motorları

Detaylı

Kültür Varlıklarının Web Otomasyonu

Kültür Varlıklarının Web Otomasyonu Kültür Varlıklarının Web Otomasyonu SUNUM İÇERİĞİ PROJE GEREKLİLİĞİ PROJE İHTİYAÇLARI SİSTEM TASARIMINA GÖRE TEKNOLOJİK ALT YAPI DÜZENLENEN SİSTEMİN GETİRDİĞİ AVANTAJLAR PROJE GEREKLİLİĞİ Taşınmaz kültür

Detaylı

PostgreSQL 9.3 Kullanılabilirlik ve Başarım

PostgreSQL 9.3 Kullanılabilirlik ve Başarım PostgreSQL 9.3 Kullanılabilirlik ve Başarım Devrim Gündüz 2013 EnterpriseDB Corporation. All rights reserved. Principal Systems Engineer @ EnterpriseDB devrim.gunduz@enterprisedb.com Twitter : @DevrimGunduz

Detaylı

Unutulmuş Özellikler: Oracle Veritabanına Yaptığınız Yatırımı Sonuna Kadar Kullanın

Unutulmuş Özellikler: Oracle Veritabanına Yaptığınız Yatırımı Sonuna Kadar Kullanın Unutulmuş Özellikler: Oracle Veritabanına Yaptığınız Yatırımı Sonuna Kadar Kullanın TROUG Oracle Day 2011 etkinliği Swiss Hotel 01/11/2010 H.Tonguç Yılmaz - tonguc.yilmaz@gmail.com http://friendfeed.com/tongucy

Detaylı

Öğr.Gör. Gökhan TURAN www.gokhanturan.com. Gölhisar Meslek Yüksekokulu

Öğr.Gör. Gökhan TURAN www.gokhanturan.com. Gölhisar Meslek Yüksekokulu Öğr.Gör. Gökhan TURAN www.gokhanturan.com Gölhisar Meslek Yüksekokulu Windows Sunucu İşletim Sistemi Tarihi 1993: Windows NT Advanced Server 3.1 1994: Windows NT Server 3.5 1995: Windows NT Server 3.51

Detaylı

bilişim ltd İş Zekâsı Sistemi

bilişim ltd İş Zekâsı Sistemi BI İş Zekâsı Sistemi Bilişim Ltd. 1985 te kurulan Bilişim Ltd, Türkiye nin üstün başarıyla sonuçlanmış önemli projelerine imza atan öncü bir yazılımevi ve danışmanlık kurumu dur. Önemli kuruluşların bilgi

Detaylı

Özgür Yazılımlarla Web Programlama. Özlem Özgöbek ozlem.ozgobek@linux.org.tr

Özgür Yazılımlarla Web Programlama. Özlem Özgöbek ozlem.ozgobek@linux.org.tr Özgür Yazılımlarla Web Programlama Özlem Özgöbek ozlem.ozgobek@linux.org.tr Web Nedir? İnternet dünya çapında birbirine bağlı bilgisayar ağlarından oluşan bir sistemdir. Web ise internette çalışan servislerden

Detaylı

Grid Bilgi Sistemleri (Grid Information Systems)

Grid Bilgi Sistemleri (Grid Information Systems) Grid Bilgi Sistemleri (Grid Information Systems) TR-Grid Kullanıcı Eğitimi (9-10 Temmuz 2007) Hakan Bayındır Bu Sunumda Grid Bilgi Sistemleri glite Bilgi Sistemi GLUE Şeması Grid Elemanları LCG Bilgi Sistemi

Detaylı

2 Temel Kavramlar (Devam) Veritabanı 1

2 Temel Kavramlar (Devam) Veritabanı 1 2 Temel Kavramlar (Devam) Veritabanı 1 Veritabanı Kullanıcıları Veritabanı Yöneticisi (DBA-Database Administrator) Tasarım,oluşturma ve işletiminden sorumludur. Görevleri; Tasarımı Performans Analizi Erişim

Detaylı

Java EE 5 Teknolojileri Jboss Seam

Java EE 5 Teknolojileri Jboss Seam Java EE 5 Teknolojileri Jboss Seam Hakan Uygun İçerik Kurumsal Uygulama Nedir? Java Teknolojileri Web Uygulaması Java EE Bileşenleri JBoss Seam Yazılım İhtiyaçları Bireysel Kullanıcı Eğitim Eğlence İletişim

Detaylı

Veri Ambarından Veri Madenciliğine

Veri Ambarından Veri Madenciliğine Veri Ambarından Veri Madenciliğine Yrd. Doç. Dr. Ömer Utku Erzengin 1, Uzman Emine Çetin Teke 2, İstatistikçi Nurzen Üzümcü 3 1 Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi İstatistik Bölümü 2

Detaylı

Üst Düzey Programlama

Üst Düzey Programlama Üst Düzey Programlama JDBC (Java Database Connectivity) Üst Düzey Programlama-ders07/ 1 JDBC JDBC ilişkisel veritabanlarına erişim için Java dilinde kullanılan standart bir kütüphanedir. Bu kütüphanedeki

Detaylı

IT-515 E-Devlet ve e-dönüşüm Türk Hava Kurumu Üniversitesi Bilişim Teknolojileri Yüksek Lisans Programı 2014

IT-515 E-Devlet ve e-dönüşüm Türk Hava Kurumu Üniversitesi Bilişim Teknolojileri Yüksek Lisans Programı 2014 IT-515 E-Devlet ve e-dönüşüm Türk Hava Kurumu Üniversitesi Bilişim Teknolojileri Yüksek Lisans Programı 2014 Geleceği (Kamuda Mevcut Ahmet Sözer h.ahmetsozer@hotmail.com Ders Öğretim Görevlileri Dr. İzzet

Detaylı

Sosyal Medya Analitiği Demo

Sosyal Medya Analitiği Demo Somemto Big Data ORACLE BIG DATA APPLIANCE Sosyal Medya Analitiği Demo Abdulkerim Mızrak DWH/BI Yöneticisi 11.02.2013 İstanbul, TR Ajanda Sosyal Medya Analitiği(SMA) Nedir? SMA Neden Önemlidir? Demo İçerik

Detaylı

TÜRKSAT UYDU HABERLEŞME KABLO TV VE İŞLETME A.Ş. İŞÇİ STATÜSÜNDE PERSONEL ALIM İLANI (Bilişim Hizmetleri)

TÜRKSAT UYDU HABERLEŞME KABLO TV VE İŞLETME A.Ş. İŞÇİ STATÜSÜNDE PERSONEL ALIM İLANI (Bilişim Hizmetleri) TÜRKSAT UYDU HABERLEŞME KABLO TV VE İŞLETME A.Ş. İŞÇİ STATÜSÜNDE PERSONEL ALIM İLANI (Bilişim Hizmetleri) İlan BİL - (İdari Süreç) Satınalma süreçleri ve/veya ihale konusunda deneyimli Şartname/sözleşme

Detaylı

JetSMS Direct Çözümü

JetSMS Direct Çözümü JetSMS Direct Çözümü Çözümlerimizle İşinizde Değer Yaratalım JetSMS Direct Nedir? JetSMS Direct gelişkin özellikleri ile güvenilir ve stabil çözümler sağlar JetSMS Direct son derece kapsamlı bir SMS yönetim

Detaylı

Açık Kaynak Arama Teknolojileri: Lucene, Solr ve Nutch

Açık Kaynak Arama Teknolojileri: Lucene, Solr ve Nutch Açık Kaynak Arama Teknolojileri: Lucene, Solr ve Nutch Gönenç Ercan Mantis Yazılım Ltd. Arama Motorları Nasıl Çalışır? Sorgu yapılınca İnternet teki bütün sayfaları tek tek açıp kelimeler geçiyor mu diye

Detaylı

Büyük veri ile neler yaptık?

Büyük veri ile neler yaptık? Büyük veri ile neler yaptık? Devrim Gündüz Principal Systems Engineer @ EnterpriseDB devrim.gunduz@enterprisedb.com Twitter : @DevrimGunduz @EnterpriseDB 2013 EnterpriseDB Corporation. All rights reserved.

Detaylı

2. hafta Bulut Bilişime Giriş

2. hafta Bulut Bilişime Giriş 1 2. hafta Bulut Bilişime Giriş 3. Bulut Bilişime Duyulan İhtiyaç Son yıllarda veri kullanımında görülen artışlar sayesinde verinin elde edilmesi ve üzerinde analizler yapılarak genel değerlendirmelerde

Detaylı