NoSQL. Buğra Çakır. 23 Mart 13 Cumartesi
|
|
- Yağmur Başar
- 8 yıl önce
- İzleme sayısı:
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 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 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 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 ARGEDOR Bilişim Teknolojileri ARGEDOR ARGEDOR, şirketlere ve son kullanıcılara yenilikçi bilgiyi işleme çözümleriyle dünya çapında mevcut olan
DetaylıNoSql 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
DetaylıYapısal 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
DetaylıBÜYÜK 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
DetaylıMongoDB. Doğan Aydın. Eylül, 2011
MongoDB Doğan Aydın Eylül, 2011 İçindekiler 1 Giriş.................................................... 2 2 Geleneksel Veri Tabanları Ve MongoDB................................. 3 3 Doküman Odaklı.............................................
DetaylıBüyük 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
DetaylıBüyük, 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
DetaylıSemantik 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.
Detaylı1 Milyon Kullanıcıya Nasıl Hizmet Veriyoruz? CloudLMS Teknik Alt Yapı ve Mimarimiz
1 Milyon Kullanıcıya Nasıl Hizmet Veriyoruz? CloudLMS Teknik Alt Yapı ve Mimarimiz 300 kurumsal müşterimizde 1 milyonun üzerinde kullanıcıya günlük 250 binin üzerine sunulan video ile sorunsuz ve mükemmel
DetaylıBüyük 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
DetaylıVeritabanı Uygulamaları Tasarımı
Veritabanı Uygulamaları Tasarımı Veri Tabanı Veritabanı yada ingilizce database kavramı, verilerin belirli bir düzene göre depolandığı sistemlere verilen genel bir isimdir. Günümüzde özel veya kamu kuruluşların
Detaylı16 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
DetaylıVeritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veritabanı Sistemleri
Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veritabanı Sistemleri Konular Büyük Resim Ders Tanıtımı Niçin Veritabanı? Veri ve Bilgi Kavramları Klasik Dosya Yapıları Klasik Dosya Sistemlerinin Zayıflıkarı
Detaylıİçerik. 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
DetaylıMongoDB 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,
DetaylıVeritabanı. Ders 2 VERİTABANI
Veritabanı Veritabanı Nedir? Birbiri ile ilişkili verilerin bir arada uzun süreli bulundurulmasıdır. Veritabanı bazen Veritabanı Yönetim sistemi veya Veritabanı Sistemi yerine de kullanılır. Gerçek dünyanın
DetaylıPostgreSQL - 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:
DetaylıTom 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
Detaylıİnternet 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
DetaylıEMC 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!
DetaylıVERİ 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;
DetaylıHP 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
DetaylıELIF KIOTZEOGLOU RESUL MURAD MERT PACOLARI
ELIF KIOTZEOGLOU 0510130077 RESUL MURAD 0510120082 MERT PACOLARI 0510120083 SQL SQL,(İngilizce "Structured Query Language", Türkçe: Yapılandırılmış Sorgu Dili) verileri yönetmek ve tasarlamak için kullanılan
DetaylıSİSTEM İHTİYAÇLARI (Tiger Enterprise / Tiger 3 Enterprise)
SİSTEM İHTİYAÇLARI (Tiger Enterprise / Tiger 3 Enterprise) / Gereksinimleri : Sunucu: 60 GB boş disk 21-50 kullanıcı arası en az çift işlemcili Intel Xeon Processor L5638 (12M Cache, 2.00 GB boş disk RAID
DetaylıBüyük 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
DetaylıBULUT BİLİŞİM VE BÜYÜK VERİ ARAŞTIRMA LABORATUVARI. Ekim 2017
BULUT BİLİŞİM VE BÜYÜK VERİ ARAŞTIRMA LABORATUVARI Ekim 2017 Bulut Bilişim ve Büyük Veri Araştırma Laboratuvarı (B3LAB) Kamunun ihtiyaçları doğrultusunda, açık kaynak kodlu ve güvenli çözümler için Ar-Ge
DetaylıLKD 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
DetaylıMongoDB. NoSQL Database
Şirketimizin en çok mücadele ettiği konu olan Big Data problemini çözmekte önemli bir araç olacağına inandığım NoSQL sistemler içerisinde en yaygın kullanılan MongoDB veritabanını sizler için inceleyip
DetaylıVeri 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
DetaylıVeri 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
DetaylıBüyük Veri Analitiği (Big Data Analytics)
Büyük Veri Analitiği (Big Data Analytics) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeffrey David
Detaylıİngilizce'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
DetaylıBüyük 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
DetaylıVERİ TABANI YÖNETİM SİSTEMLERİ
VERİ TABANI YÖNETİM SİSTEMLERİ ÖĞR.GÖR.VOLKAN ALTINTAŞ 26.9.2016 Veri Tabanı Nedir? Birbiriyle ilişkisi olan verilerin tutulduğu, Kullanım amacına uygun olarak düzenlenmiş veriler topluluğunun, Mantıksal
DetaylıLicense. Veri Tabanı Sistemleri. Konular büyük miktarda verinin etkin biçimde tutulması ve işlenmesi. Problem Kayıt Dosyaları
License c 2002-2016 T. Uyar, Ş. Öğüdücü Veri Tabanı Sistemleri Giriş You are free to: Share copy and redistribute the material in any medium or format Adapt remix, transform, and build upon the material
Detaylı1 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
DetaylıMOBİL UYGULAMA GELİŞTİRME
MOBİL UYGULAMA GELİŞTİRME PELİN YILDIRIM FATMA BOZYİĞİT YZM 3214 Celal Bayar Üniversitesi Hasan Ferdi Turgutlu Teknoloji Fakültesi Bu Derste Veri Saklama 2 Veri Saklama Veri Saklama her appnin ihtiyaci
DetaylıIBM 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
DetaylıSİGORTACILIKTA 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
DetaylıMİLLİ SAVUNMA ÜNİVERSİTESİ KARA HARP OKULU DEKANLIĞI BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ DERS TANITIM BİLGİLERİ
MİLLİ SAVUNMA ÜNİVERSİTESİ KARA HARP OKULU DEKANLIĞI BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS Veritabanı Yönetimi 4 / Bahar (3+0+0)
DetaylıZekeriya 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
DetaylıRed Hat Jboss Data Grid: Uygulamalarınıza Süper Güç Katın!
Red Hat Jboss Data Grid: Uygulamalarınıza Süper Güç Katın! M. Aykut BULGU Middleware Consultant - Red Hat @systemcraftsman Red Hat Forum İstanbul - 2018 Ben Kimim? Evli ve bir çocuk babasıyım Çocukluğum
DetaylıVeri 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
DetaylıKepware 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-
DetaylıCopyright 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
DetaylıVeritabanı 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
DetaylıGoogle 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
DetaylıPAPERWORK TEKNİK MİMARİ
PAPERWORK ECM TEKNİK MİMARİ 1. Şekilde (1) numara ile gösterilen Content Server adı verilen Uygulama Sunucusudur. Content Server tüm iş mantığını içerir. Veri Tabanına ve arşivlenen belgelere erişim yetkisi
DetaylıÖZGÜR 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
DetaylıSİSTEM İHTİYAÇLARI (Tiger Plus / Tiger 3)
SİSTEM İHTİYAÇLARI (Tiger Plus / Tiger 3) / Gereksinimleri : Sunucu: 60 GB boş disk GB boş disk *** Disk sistemi için pil yedeklemeli, yüksek ön bellekli (512 MB ve üstü) RAID control kartı ve RAID seviyesi
Detaylı10 yıllık sektör deneyimimiz ve yazılım teknolojileri alanında uzmanlaşmış eğitmen kadromuzla, size, ekibinize ve yazılım kültürünüze değer katacak
10 yıllık sektör deneyimimiz ve yazılım teknolojileri alanında uzmanlaşmış eğitmen kadromuzla, size, ekibinize ve yazılım kültürünüze değer katacak eğitimler sunuyoruz. 1 HAKKIMIZDA Kodcu, Agile yönetimsel
DetaylıPostgreSQL - 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:
DetaylıNoSQL. SQL ve Daha Fazlası (Not Only SQL) Hazırlayan: Ahmet Cevahir ÇINAR
NoSQL SQL ve Daha Fazlası (Not Only SQL) Hazırlayan: Ahmet Cevahir ÇINAR Halkımızın Bilgisine: Bu sunum, en sondaki kaynaklar sayfasında belirtilen içerikler öncülüğünde, tek tek kaynakları belirtilememiş
DetaylıBilgisayar 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
DetaylıVeritabanı Yönetim Sistemleri, 2. basım Zehra ALAKOÇ BURMA, 2009, Seçkin Yayıncılık
Veri Kaynaklar Veri Tabanı Sistemleri, 2. basım Prof. Dr. Ünal YARIMAĞAN, 2010, Akademi Yayınevi Veritabanı Yönetim Sistemleri, 2. basım Zehra ALAKOÇ BURMA, 2009, Seçkin Yayıncılık Veritabanı ve Uygulamaları
DetaylıTurquaz. 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
DetaylıVeri 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
DetaylıORM & 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
DetaylıMaltepe 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:
DetaylıVeritabanlarına 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:
DetaylıGenel 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?
DetaylıYaptığımız web sitelerinin daha kullanışlı olması için veritabanı sistemleri ile bağlantı kurup ihtiyaca göre verileri okuyup yazmasını isteriz.
1 PHP ile Veritabanı İşlemleri Yaptığımız web sitelerinin daha kullanışlı olması için veritabanı sistemleri ile bağlantı kurup ihtiyaca göre verileri okuyup yazmasını isteriz. 1.1 Veritabanı Nedir? Veritabanı
DetaylıCluster 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
DetaylıZope 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
DetaylıDSİ 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,
DetaylıSunucu 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
DetaylıCloudera Training for Apache HBase
Cloudera Training for Apache HBase Eğitim Tipi ve Süresi: 3 Days VILT 3 Day VILT 3 Days ILT Cloudera Training for Apache HBase Hadoop ortamında Apache HBase deploy etmeyi ve yönetmeyi öğrenin. Apache HBase,
DetaylıHASTANE OTOMASYONU VERİ TABANI YÖNETİM SİSTEMLERİ TEMEL VERİTABANI KAVRAMLARI
VERİ TABANI YÖNETİM SİSTEMLERİ HASTANE OTOMASYONU Öğr. Gör. Handan ÇETİNKAYA İstanbul Gelişim Üniversitesi Günümüzde en basitinden en karmaşığına kadar pek çok veritabanı mevcuttur. En basiti Microsoft
DetaylıSunucularımızı 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
DetaylıPostgreSQL 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
DetaylıServis Tabanlı Bir Melez Veri Erişim Mimarisi Önerisi
Servis Tabanlı Bir Melez Veri Erişim Mimarisi Önerisi Nail Diker 1, Görkem Giray 2, Murat Osman Ünalır 3 1 Logo Yazılım San. ve Tic. A.Ş., İzmir nail.diker@logo.com.tr 2 gorkemgiray@gmail.com 3 Ege Üniversitesi,
DetaylıOrtamınızda 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
DetaylıİNTERNET PROGRAMCILIĞI 2 10. HAFTA MYSQL - PHPMYADMIN. Hazırlayan Fatih BALAMAN. İçindekiler. Hedefler. Mysql Nedir.
İNTERNET PROGRAMCILIĞI 2 10. HAFTA İçindekiler MYSQL - PHPMYADMIN Mysql Nedir PhpMyAdmin Nedir PhpMyAdmin Arayüzü Hedefler Mysql' in görevini söyleyebilir PhpMyAdmin' in kullanım amacını söyler Hazırlayan
DetaylıLOUPE, 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
DetaylıAlgoritma 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
DetaylıDENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS Veri Tabanı Yönetimi BİM-324 3/II 3+0+0 3 4,5 Dersin Dili Dersin
DetaylıOracle Database 11g: Introduction to SQL
Oracle Database 11g: Introduction to SQL Mehmet Salih DEVECI GTECH-Kıdemli Veritabanı Yöneticisi Mehmetsalih.deveci@gtech.com.tr BÖLÜM- 1: SQL E GİRİŞ SELECT ifadesinin kabiliyetlerinin ortaya çıkarılması
DetaylıPostgreSQL ile Kümeleme Teknikleri
PostgreSQL ile Kümeleme Teknikleri Devrim GÜNDÜZ Principal Systems Engineer @ EntepriseDB PostgreSQL Major Contributor Red Hat Certified Engineer Twitter: @DevrimGunduz Topluluk: devrim@postgresql.org
DetaylıÖzgür 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
DetaylıPostgreSQL 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
Detaylı1. 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
DetaylıŞişli 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
DetaylıBİLGİSAYAR 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
DetaylıMobil Cihazlarda Gömülü Veritabanlarının Karşılaştırılması: SqLite ve CouchBase Lite
Mobil Cihazlarda Gömülü Veritabanlarının Karşılaştırılması: SqLite ve CouchBase Lite Erkan Güler 1, Taner Arabacıoğlu 2, Özel Sebetci 3 1 Adnan Menderes Üniversitesi, Bilgisayar Teknolojileri ve Programlama
DetaylıKüme 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
DetaylıProgramlama Dilleri sıralaması Programlama Dilleri sıralaması 2016
Programlama Dilleri sıralaması 2016 Programlama Dilleri sıralaması 2016 Programcı olmak şu aralar popüler oldu, Türkiye de ve Dünya da en çok kazandıran mesleklerden biridir bu nedenle Programlama Dilleri
DetaylıFABREKA 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...
DetaylıBİL 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
DetaylıVeritabanı Yönetim Sistemleri (Veritabanı Kavramı) İş Kuralları ve Veri Modelleri
Celal Çeken Veysel Harun Şahin Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) İş Kuralları ve Veri Modelleri Konular Veritabanı Tasarımı Yaşam Döngüsü Veri Modeli Nedir? Veri Modeli Temel Bileşenleri
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıVeri Tabanı Hafta Dersi
Veri Tabanı - 1 7. Hafta Dersi Dersin Hedefleri SQL Yapısal Sorgulama Dili Veri Tanımlama Dili (DDL) Create Alert Drop Veri tanımlama dili verinin ne olduğundan çok verinin tipi ile ilgilenir. Veri tabanı
DetaylıMaltepe 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,
DetaylıData Science Boot Camp
Data Science Boot Camp Eğitim Detayları Eğitim Süresi : 3 Gün Kontenjan : 12 Ön Koşullar : Eğitim Hakkında Data Science Boot Camp Sertifikasyon Programı Introductory Python, Data Science with Python: Data
DetaylıAhmet 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
DetaylıEMRE CAMADAN KİŞİSEL BİLGİLER EĞİTİM. E-Posta: Cep:
E-Posta: iletisim@emcamadan.com.tr Cep: 0 553 134 43 97 KİŞİSEL BİLGİLER Doğum Tarihi: 28 Haziran 1989 Sürücü Belgesi: B Sınıfı / 2008 EĞİTİM (2015 - ) M.Sc. Bilgisayar Mühendisliği, Mühendislik Mimarlık
DetaylıVERİTABANI VERİTABANIN AVANTAJLARI ÖZET
ÖZET NEDİR? İYİ BİR NIN ÖZELLİKLERİ NIN AVANTAJLARI VERİ TABANI TİPLERİ ÇEŞİTLERİ HANGİ NI KULLANMALIYIZ? NEDİR? Veritabanı düzenli bilgiler topluluğudur. Veritabanı basit olarak bilgi depolayan bir yazılımdır.
DetaylıTeamBase5 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
DetaylıScript. Statik Sayfa. Dinamik Sayfa. Dinamik Web Sitelerinin Avantajları. İçerik Yönetim Sistemi. PHP Nedir? Avantajları.
Script Statik Sayfa Dinamik Sayfa Dinamik Web Sitelerinin Avantajları İçerik Yönetim Sistemi PHP Nedir? Avantajları Dezavantajları Script HTML kodları arasına yerleştirilen küçük kodlardır. Web sayfalarında
DetaylıMobil Cihazlardan Web Servis Sunumu
Mobil Cihazlardan Web Servis Sunumu Özlem Özgöbek Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2010 İnternet erişiminin yaygınlaşması ve artık mobil cihazlar üzerinden bile yüksek hızlı veri iletişimine
DetaylıBölüm 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