Bellek İçi Raporlama Sistemleri İçin Denormalizasyon Uygulaması

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Bellek İçi Raporlama Sistemleri İçin Denormalizasyon Uygulaması"

Transkript

1 Bellek İçi Raporlama Sistemleri İçin Denormalizasyon Uygulaması Mehmet Yasin Akpınar 1, Erdem Orman 1, Mehmetcan Gayberi 2 1 İdea Teknoloji Çözümleri, İstanbul 2 İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, İstanbul Özet: Veri hacminin artışına bağlı olarak geleneksel veritabanlarının yetersiz kaldığı bilinmektedir. Bu problemi çözmek amacıyla bellek içi veritabanlarından faydalanılmaktadır. Ayrıca denormalizasyon çalışmalarıyla da performansta artış elde edilebilmektedir. Ancak bellek içi veritabanları veri saklamaya elverişli değildir. Bu sebeple disk bazlı yedeklemeye başvurulmaktadır. Bu çalışmada bu yöntemlerin hepsini birlikte barındıran bir metod önerilmiştir ve gerçek veriler üzerinde testler yapılarak önerilen metodun eski sistemle performans açısından karşılaştırması yapılmıştır. Anahtar Sözcükler: Bellek İçi Veritabanı, Birliktelik Kuralı Analizi, Denormalizasyon, Geleneksel Veritabanı. A Denormalization Framework for Reporting Applications in Main Memory Databases Abstract: It is known that traditional databases are becoming insufficient due to the increase in data. To overcome this problem, main memory databases are made use of. Additionally, a performance increase can be achieved thanks to denormalization operations. On the other hand, main memory databases are not compatible for data storage. For that reason, traditional databases are utilized. In this study, a method combining all these procedures is proposed and a performance comparison is presented by testing on actual data. Keywords: Association Rule Analysis, Denormalization, Main Memory Database, Traditional Database. 1. Giriş Ürün takiplerinin elektronik ortama taşınmasıyla birlikte şirket veritabanlarındaki veri hacmi artışı beraberinde birçok problem ortaya çıkarmıştır. Bu problemlerin en önemlilerinden bir tanesi veri yönetiminin zorlaşması ve donanımın yetersiz kalarak performans düşüşü yaşanmasıdır. Bu nedenle veritabanı yönetim sistemlerinde yapılan çalışmalar büyük veri hacmine sahip şirketler için hayati önem taşımaktadır. Bu çalışmalar kapsamında geleneksel disk tabanlı veritabanı sistemlerinin yetersiz kaldığı durumlarda bellekiçi veritabanları tercih edilmektedir. Bununla birlikte veritabanında bulunan yapı analiz edilip denormalizasyon yoluna gidilerek performans artışı sağlanabilmektedir. Bunların dışında bellek içi veritabanı ve geleneksel disk tabanlı sistemler arasında bir kanal oluşturularak veri aktarımının sağlanması ve bu verinin güncelliğinin korunması gerekmektedir.

2 Yapılan araştırmalarda yukarıda bulunan 3 yöntemi aynı anda bulunduran bir uygulama görülmemiştir. Bu bildiride, sayılan 3 yöntem bazı modifikasyonlarla birlikte bir çatı altında toplanmış ve kurumsal raporlama çözümlerinde yüksek performanslı bir sistem elde edilmeye çalışılmıştır. Çalışmanın esas hedefi, raporlama sürecinde hız kazanmak ve mevcut sitem ile raporlanması mümkün olmayan verilerin önerilen yöntem ile raporlanabilmesini sağlamaktır. Giriş Bölümü nde çalışmanın ortaya çıkmasında etkili problemler, amaçlar ve kapsama ait bilgiler verilmiştir. İkinci bölüm olan İlgili Çalışmalarda ise literatür araştırmasında elde edilen bilgiler paylaşılmıştır. Üçüncü Bölüm de önerilen yöntem detaylarıyla anlatılmakta olup, Dördüncü Bölüm de bu yöntemin gerçeklenmesiyle elde edilen karşılaştırmalı sonuçlara yer verilmektedir. Son Bölüm olan Sonuç Bölüm ünde ise çalışmadan elde edilen sonuçlar özetlenmektedir. 2. İlgili Çalışmalar Veri odaklı çözümlerin birçoğunda uzun yıllardır disk tabanlı veritabanları kullanılmaktadır. Bu tip sistemlerde ana bileşen sabit disktir ve veri disk üzerinde depolanır. Ancak sabit disklerin hızı düşük olduğu için genellikle önbellek yapısından destek almaktadır. Buna rağmen önbelleklerinin kısıtlı olması nedeniyle işlenecek veri hacminin artışına bağlı olarak performansları düşmektedir. Teknolojideki gelişme ve değişimler bellek donanımlarına hız artışı ve maliyet düşüşü olarak yansımıştır. Bununla birlikte eskiden yüksek maliyetli olan bellek içi veritabanı kullanımı yaygınlaşmaya başlamıştır yılında yapılan bir çalışmada bellek içi veritabanı sistemlerinin performans odaklı sistemlerdeki payının ciddi şekilde yükseldiği, bu sistemlerin yüksek hızda veri işlemeye olanak sağladığı, çoklu kullanıcılı sistemlerde kullanılabildiği ve önbelleğe duyulan gereksinimi ortadan kaldırdığı tespit edilmiştir [1] yılında yapılan bir çalışmada ise, özellikle 64-bit sunucuların gelişmesiyle bellek içi veritabanlarının kapasitelerinin yükselerek, daha kullanışlı hale geldikleri anlatılmaktadır [2]. Ancak bellek içi veritabanları beraberinde yedekleme problemini de getirmektedir. Fakat bu problem disk bazlı anlık yedekleme ile çözülebilmektedir. Bu alanda yapılan bir çalışmada farklı algoritmalar kullanılarak, hızlı ve az maliyetli bellek içi veritabanı yedekleme ile uğraşılmıştır [3]. Öte yandan geleneksel disk tabanlı sistemlerle birlikte bellek içi tabanlı sistemlerin birlikte kullanıldığı hibrid ilişkisel veritabanı sistemleri de mevcuttur de yapılan bir çalışmada bu tip bir sistem üzerinde çeşitli çalışmalarla ciddi performans artışları sağlanmıştır [4]. Yapılan çalışmalar sadece donanımla kısıtlı kalmamış, yazılımla da performans artışı üzerine çalışılmıştır. Rapor sorgularında zaman açısından JOIN ve UNION yapıları oldukça yüksek maliyete neden olduğu için denormalizasyon yoluna gidilmiş ve bazı tablolar önceden birleştirilerek bu maliyetten kurtulmak istenmiştir. Bu şekilde bir performans artışı sağlanabilmesi için veritabanındaki verinin analiz edilip, ilişkilerin çıkarılması gerekmektedir yılında yapılan bir çalışmada çeşitli denormalizasyon teknikleri detaylı bir şekilde ele alınmıştır [5] yılında yapılan bir başka çalışmada ise sistematik bir veritabanı denormalizasyon yöntemi üretilmiş ve örnek sorgular üzerinden açıklanmıştır [6]. 3. Önerilen Yöntem Bu bölümde önerilen yöntem detaylı bir şekilde alt başlıklar halinde anlatılacaktır. Her alt başlıkta bulunan akış diyagramları bölümün sonunda birleştirilmiş olarak da mevcuttur.

3 3.1 Mevcut Veritabanındaki Verilerin Analiz Edilmesi Veritabanındaki verilerin analizi birçok konuda bilgi edinilmesini sağlamaktadır. Çalışma kapsamında bu analiz için Log Parser (Kayıt Ayrıştırıcı) uygulaması yazılmıştır. Böylece raporların çekilme sıklıkları, cevap süreleri ve istek zamanları elde edilmiştir. Bu çıktı kullanılarak raporların günlük, haftalık ve aylık histogramları çıkarılmıştır. Bununla birlikte cevap süresi uzun olan ve sistem üzerinde yük oluşturan raporlar tespit edilip, bellek içi veritabanından çekilecek raporlara karar verilmiştir. Ayrıca tablo içeriklerindeki değişiklikler (ekleme, güncelleme, silme) incelenerek, bu değişiklerin günün hangi zaman diliminde yoğunlaştığı öğrenilmiştir. 3.3 Birliktelik Kuralı Analizi Log Parser uygulaması aracılığıyla bellek içi veritabanından çekilmesi kararlaştırılan raporların sorguları SQL Parser aracılığıyla ayrıştırıldıktan sonra birliktelik kuralı analiziyle raporlarda birlikte en çok kullanılan JOIN yapıları elde edilmeye çalışılmıştır. Agrawal, Imieliński ve Swami nin [7] çalışmasını baz alan bu adımda market sepetlerindeki ürünler yerine rapor sorgularında bulunan JOIN yapıları kullanılarak bu yapıları işlenmiş olarak bulunduran ekstra tablolar yaratılmıştır. 2 veya daha fazla tablonun JOIN kuralları çerçevesinde birleşimiyle oluşan bu tablolar küp tablo olarak adlandırılmıştır. Şekil 1: Mevcut Veritabanı Analizi 3.2 Rapor Sorgularının Ayrıştırılması Mevcut veritabanındaki verilerin analizinden sonra kararlaştırılan raporların SQL sorguları yazılan SQL Parser uygulaması aracılığıyla ayrıştırılmıştır. Çıktı olarak TABLO, KOLON, FONKSIYON ve JOIN yapıları elde edilmiştir. Bu bilgiler aracılığıyla mevcut veritabanı yapısından bellek içi veritabanına aktarılması istenilen veriye ulaşılmıştır. Bu adımın sağladığı en büyük yarar bellek içi veritabanına kopyalanacak veri içinde gereksiz bilgilerin bulunmaması dolayısıyla yeni yaratılacak veritabanı boyutunun minimum tutulmasıdır. Şekil 3: Birliktelik Kuralı Analizi 3.4 Boyut Tahmini Çalışmaları Bellek içi veritabanına aktarılacak olan veri ve yaratılacak küp tablolar belirlendikten sonra mevcut veritabanındaki veri tipi, boyutları ve tablolardaki satır sayıları kullanılarak bellek içi veritabanında yer alacak verinin toplam boyutu yaklaşık olarak hesaplanmıştır. Bu hesaplama yapılırken bellek içi veritabanı ürününün sunduğu kolon sıkıştırma özelliği de göz önüne alınmıştır. Böylece oluşturulacak veritabanının donanım gereksinimi elde edilmiştir. Şekil 2: SQL Parser ile Ayrıştırma Şekil 4: Boyut Tahmini Hesaplamaları

4 3.5 Güncelleme Modülü Çalışmaları Mevcut veritabanı ve bellek içi veritabanı sistemleri arasında veri ve dolayısıyla rapor güncelliği sağlanması için bir güncelleme modülü gerekmektedir. Bu işlem birden fazla yöntemle sağlanabildiği için bu yöntemlerin kıyaslanması ve en uygun olanın seçilmesi gerekmektedir. 4. Deneysel Sonuçlar Şekil 5: Genel Akış Bu bölümde bir önceki bölümde anlatılan adımlar takip edilerek algoritmalarda kullanılan parametreler ve elde edilen çıktılar sayısal olarak paylaşılmıştır. Çalışma kapsamında üzerinde çalışılan test sunucusunun özellikleri şu şekildedir; 4 Intel(R) Xeon(R) CPU 2.00 GHz işlemci, 240 GB bellek ve 300 GB disk. Sunucu üzerinde kurulu işletim sistemi ise Windows Server 2008 R2 dir. Hazırlanan test sunucusunda geleneksel disk tabanlı veritabanı ürünü olarak Oracle 11g (Release 2) veritabanı sistemi ürünü, bellek içi veritabanı olarak Oracle TimesTen ( x64) ürünü kullanılmıştır. Bu ürünün seçiminde farklı bellek içi veritabanı sistemlerinin performanslarının karşılaştırıldığı bildiriden faydalanılmıştır [8]. 4.1 Mevcut Veritabanından Elde Edilen Bulgular Mevcut veritabanı analizinin ilk aşamasında Log Parser uygulaması örnek müşteri verilerinden oluşturulan alt küme üzerinde kullanılarak 2013 Eylül Şubat periyodundaki rapor kayıtları (logları) incelenmiştir. Bu çıktıdan daha doğru cevap süresi ortalamaları elde edebilmek amacıyla, sonuçlar üzerinde tek yönlü budanmış ortalama (one-sided trimmed mean) yöntemi kullanılmıştır. Bu yöntemle her raporun en yavaş %1 lik kesimde yer alan kısmı ortalama hesabından çıkarılarak bazı bağlantı veya kullanıcı kaynaklı hataların sonucu etkilememesi amaçlanmıştır. Tek yönlü budanmış çalışma hızı ortalamaları 10 saniyenin üzerinde olan raporların bellek içi veritabanında çalıştırılması uygun görülmüştür. Ayrıca rapor istek frekansları da göz önünde bulundurulmuştur. Raporların istek frekanslarının bütün rapor istekleri içindeki yüzdeleri hesaplanıp değerleri %3 ün üzerindeki raporlar seçilmiştir. Bu iki özelliğe aynı anda sahip olan rapor sayısının 5 olduğu görülmüştür ve performans testlerinde bu alt küme ve raporlar kullanılmıştır. Yine Log Parser dan elde edilen çıktı kullanılarak 4 farklı histogram üretilmiştir. Şekil 6 da bu histogramlar mevcuttur. Veritabanı analizinin ikinci aşamasında ise tablo içeriklerindeki değişiklikler ele alınmıştır. Şekil 7 de verilen sonuçlar ışığında değişiklik miktarlarında sabah 08:00-10:00 arasında bir yoğunluk yaşandığına, ancak asıl yoğunluğun 16:00-20:00 arasında olduğuna ulaşılmıştır. Bu bilgiler daha sonra periyodik güncelleme zamanları belirlenirken kullanılmıştır.

5 Şekil 6: Rapor İsteklerinin Çeşitli Histogramları Şekil 7: Büyük Veriye Sahip Tablo İçeriklerinin Günün Saatlerine Göre Değişimleri

6 4.2 Rapor Sorgularının Ayrıştırılması Rapor kayıtları incelemesiyle bellek içi veritabanından çekilmesi kararlaştırılan 5 raporun sorgularının SQL Parser aracılığıyla ayrıştırılması sonucu yeni yaratılacak veritabanına aktarılması gereken verinin 19 tabloda yer aldığı saptanmıştır. Ayrıca bu 5 raporun sorgularında bulunan JOIN yapıları da birliktelik kuralı analizi için kaydedilmiştir. 4.3 Birliktelik Kuralı Çalışmaları Çalışmanın bu aşamasında en çok bilinen ve uygulaması en kolay birliktelik kuralı algoritmalarından biri olan Apriori Algoritması gerçeklenmiştir. Bununla birlikte rapor sorgularından elde edilen JOIN yapılarıyla birlikte rapor frekansları kullanılarak apriori algoritması için bir girdi dosyası hazırlanmıştır. Apriori Algoritmasında kullanılan terim ve formüller Tan, Steinbach ve Kumar ın kitaplarından alınmıştır [9]. Algoritma gerçeklenirken birçok farklı parametre denenmiştir. Bu parametreler içinden veritabanı uzmanı ile birlikte en doğru sonuçların support=0,33 ve confidence=0,01 parametreleriyle elde edildiği görülmüştür. Bir başka deyişle raporların en az 1/3 ünde yer alan JOIN ilişkilerinin küp tablo halinde saklanması gerektiği sonucuna varılmıştır. Bu parametreler doğrultusunda elde edilen çıktı filtrelenmiştir. Bu adımda amaçlanan mümkün olan en çok JOIN ilişkisini bir arada bulunduran küp tablolar yaratabilmektir. Bunu sağlamak için bir başka kuralın alt kümesi olan kurallar elenmiştir ve geriye sadece 4 küp tablo önerisi kalmıştır. 4.4 Boyut Tahmini Çalışmaları Rapor sorgularının ayrıştırılmasından elde edilen 19 tablo ve birliktelik kuralı analiziyle elde edilen kurallar doğrultusunda bu tablolardan yaratılacak olan 4 küp tablonun toplam boyutu 26GB olarak hesaplanmıştır. Bu hesaplamada kullanılan formül Şekil 8 de verilmiştir. int row_size = 0; int size = 0; for each column in table_columns { } If (data_type == "NVARCHAR2" && character _length > 64) size = 2 * avg_column_length + 24; Else If (data_type == "NVARCHAR2" && character _length <= 64) size = 2 * character_length + 8; Else If (data_type == "DATE") size = 7; Else If (data_type == "NUMBER") size = data_precision + data_scale; row_size += size; double table_size = row_count * row_size; // in bytes table_size = table_size/ ; // in megabytes Şekil 8: Boyut tahmini formülü Formülde yer alan avg_column_length, character _length, data_precision, data_scale, data_type değişkenleri Oracle Veritabanı ürününden çekilen bilgilerdir. Bu adımdan sonra bellek içi veritabanı yaratılmıştır. Çalışma kapsamında yazılan aktarım modülüyle mevcut veritabanından bellek içi veritabanına veri aktarımı otomatik olarak gerçekleştirilmiştir ve bu veriler kullanılarak küp tabloların bellek içi veritabanında yaratılması sağlanmıştır. Bu modül girdi olarak 4.2 ve 4.3 numaralı bölümlerde elde edilen bilgileri içeren bir XML dosyası kullanmaktadır. Aktarım işlemi yalnızca bir defa sistem kurulurken çalıştırılmıştır. Sonrasında ise verinin güncelliğini sağlamak için güncelleme modülünden faydalanılmıştır. Ayrıca Timesten ürününün bize sunduğu bir özellik olan kolon bazlı sıkıştırma tablolar yaratılırken uygulanarak 26GB olarak belirlenen veri boyutunun veri aktarımı

7 sonrasında 18GB seviyesine düşürülmesi sağlanmıştır. 4.5 Güncelleme Modülü Çalışmaları Önerilen Yöntem Bölümü nde bahsedildiği üzere bu işlem algoritmik, anlık ve periyodik olmak üzere 3 farklı şekilde yapılabilmektedir. Bu 3 yöntemin güçlü ve zayıf yönleri yapılan deneylerde saptanmış ve Tablo 1 de gösterilmiştir: Tablo 1: Çeşitli Güncelleme Yöntemlerinin Karşılaştırmaları Algoritmik Güncelleme Anlık Güncelleme Periyodik Güncelleme Anlık Bilgi Doğruluğu Sistem Yükü Çalışma kapsamında amaçlanan hedeflerden bir tanesinin sistem üzerindeki yükü azaltmak olması ile algoritmik ve anlık güncelleme yöntemleri çelişmektedir. Ayrıca karmaşıklığı düşük olan periyodik güncelleme yüksek hızı ile de öne çıkmaktadır. Bu noktalar göz önüne alındığında periyodik güncelleme en uygun yöntem olarak seçilmiştir. Bununla birlikte mevcut veritabanı analizinde elde edilen tablo içeriklerinin günün saatlerine göre değişimi ele alınarak periyodik güncelleme zamanlarına karar verilmiş ve anlık bilgi doğruluğunun en yüksek seviyede tutulması hedeflenmiştir. Bütün işlemler tamamlandığında windows servis halinde yazılan güncelleme modülü ile istenilen periyotlarda güncellemenin otomatik olarak yapılması sağlanmıştır. Bu modül yine aktarım modülünde olduğu gibi bir XML girdisi kullanarak mevcut veritabanındaki içeriklerinde değişiklik olan tabloların bellek içi veritabanına aktarımından ve küp tabloların yeniden oluşturulmasından sorumludur. 4.6 Performans Testleri Karmaşıklık Hız ORTA YÜKSEK YÜKSEK ORTA YÜKSEK YÜKSEK DÜŞÜK ORTA ORTA DÜŞÜK DÜŞÜK YÜKSEK Son olarak önerilen sistem ve geleneksel sistem arasında bir performans kıyaslaması yapabilmek için seçilen 5 raporun SQL sorguları bellek içi veritabanında çalışacak şekilde yeniden düzenlenmiştir. İki sistem üzerinden de çalıştırılan sorguların doğruluğu onaylandıktan sonra Tablo 2 deki bulgulara ulaşılmıştır: Tablo 2: Performans Testi Sonuçları Raporlar Veritabanı Süre Hızlanma Seçimi (sn.) katsayısı Rapor 1 Disk 1,99 Bellek İçi 0,53 3,75 x Disk 8,08 Rapor 2 Rapor 3 Rapor 4 Rapor 5 5. Sonuç Bellek İçi 0,25 32,32 x Bellek İçi + Küp Tablolar 0,2 40,40 x Disk 111,08 Bellek İçi 7,97 13,94 x Disk 12,78 Bellek İçi 0, x Bellek İçi + Küp Tablolar 0, x Disk 19,59 Bellek İçi 0,78 25,11 x Yapılan deneylerde de görüldüğü üzere, büyük veri hacmine sahip raporlama sistemlerinde bellek içi veritabanı performans açısından olumlu sonuçlar göstermektedir. Ayrıca rapor isteklerinin derinlik ve karmaşıklığına göre geleneksel ve bellek içi veritabanı sistemlerine ayrıştırılması ile disk tabanlı sisteme de katkı sağlamaktadır. Bununla birlikte cevap sürelerinde yaşanan azalma da sistem üzerindeki yükün azalması konusunda önemli bir fayda sağlamaktadır. Bellek içi veritabanı sistemi üzerinde çalışacak raporların ve yaratılacak küp tabloların seçiminde verinin yapısı ve kullanıcı yorumu etkilidir. Ancak yüksek frekansta ve yüksek karmaşıklıkta olan rapor isteklerinin bellek içi veritabanı sistemine iletilmesi, diğer daha düşük frekans ve düşük karmaşıklıktaki rapor isteklerinin ise geleneksel sistem üzerinden cevaplanması daha uygun görülmektedir. Sonuç olarak, büyük veri üzerinde çalışmakta olan raporlama ve benzeri çözümlerde, bellek

8 içi veritabanı destekli bir yapının hem performans hem de sistem kaynak kullanımı açısından ciddi bir yararı olduğu saptanmıştır. Ayrıca karmaşıklığı yüksek olan sorgular içeren bir sistemde denormalizasyon yoluyla maliyeti yüksek bazı işlemlerin önceden yapılarak her sorguda tekrar çalıştırılmasının önüne geçilmiş ve büyük veri üzerinde çalışmayı kolaylaştırdığı ortaya konulmuştur. 6. Teşekkür Bu bildirideki çalışmalar "Idea Teknoloji ve Bilgisayar Çözümleri Ltd. Sti." kurumu tarafından numaralı TEYDEB projesi kapsamında desteklenmiştir. 7. Kaynaklar [1] Francesco Pagano, Davide Pagano: Using In-Memory Encrypted Databases on the Cloud. Securing Services on the Cloud (IWSSC), st International Workshop (2011) [6] Yma Pinto: A Framework for Systematic Database Denormalization. Global Journal of Computer Science and Technology, Vol 9, No (2009) [7] Agrawal, R.; Imieliński, T.; Swami, A: Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD international conference on Management of data - SIGMOD (1993) [8] Şule Gündüz Öğüdücü, Mehmetcan Gayberi, Erhan Akpınar, Hakan Kutluay: A Study for Performance Comparison of Different In-Memory Databases. Application of Information and Communication Technologies (AICT), th IEEE International Conference (2013) [9] Pang-Ning Tan, Michael Steinbach, Vipin Kumar: Introduction to Data Mining. Addison-Wesley (2005) [2] Sansar Choinyambuu: In Memory Database:Performance evaluation based on query time. Seminar Database Systems. (2012) [3] Lasaro Camargos, Fernando Pedone, Rodrigo Schmidt: A Primary-Backup Protocol for In-Memory Database Replication. Network Computing and Applications, NCA Fifth IEEE International Symposium (2006) [4] Joan Guisado Gamez: In-memory and Ondisk Hybrid Relational Database Management System. Bitirme Tezi. (2011) [5] G. Lawrence Sanders, Seungkyoon Shin: Denormalization Effects on Performance of RDBMS. Proceedings of the 34th Annual Hawaii International Conference on System Sciences, (2001)

Kurumsal Raporlama Çözümlerinde Bellek İçi Veritabanı Kullanımı

Kurumsal Raporlama Çözümlerinde Bellek İçi Veritabanı Kullanımı Kurumsal Raporlama Çözümlerinde Bellek İçi Veritabanı Kullanımı Mehmet Yasin Akpınar 1, Mehmetcan Gayberi 1, Erdem Orman 1, Şule Gündüz Öğüdücü 2 1 İdea Teknoloji Çözümleri, İstanbul, Türkiye {mehmet.akpinar,

Detaylı

Kurumsal Raporlama Çözümlerinde Bellek İçi Veritabanı Kullanımı

Kurumsal Raporlama Çözümlerinde Bellek İçi Veritabanı Kullanımı Kurumsal Raporlama Çözümlerinde Bellek İçi Veritabanı Kullanımı Mehmet Yasin Akpınar 1, Mehmetcan Gayberi 1, Erdem Orman 1, Şule Gündüz Öğüdücü 2 1 İdea Teknoloji Çözümleri, İstanbul, Türkiye {mehmet.akpinar,

Detaylı

Veritabanı. Ders 2 VERİTABANI

Veritabanı. 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

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

inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining

inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining Veri Madenciliğ inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining Mehmet Aydın Ula ş, Ethem Alpaydın (Boğaziçi Üniversitesi Bilgisayar Mühendisliği) Nasuhi Sönmez, Ataman Kalkan (GİMA

Detaylı

SİSTEM İHTİYAÇLARI (Tiger Enterprise / Tiger 3 Enterprise)

SİSTEM 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

Detaylı

SİSTEM İHTİYAÇLARI (Tiger Plus / Tiger 3)

SİSTEM 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

Detaylı

Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi

Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi Web Server Sunucu Loglarının K-Komşu Algoritması ile İ ncelenmesi İçindekiler 1 Özet... 2 2 Giriş... 3 3 Uygulama... 4 4 Sonuçlar... 6 1 1 Özet Web sunucu logları üzerinde veri madenciliği yapmanın temel

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Birliktelik Kuralları Birliktelik Kurallarının Temelleri Support ve Confidence Apriori Algoritması

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

1. Hafta MS SQL Server 2008 Kurulum ve Tanıtımı BPR255 Veritabanı. Bu Derste Öğrenecekleriniz: Kurulum:

1. Hafta MS SQL Server 2008 Kurulum ve Tanıtımı BPR255 Veritabanı. Bu Derste Öğrenecekleriniz: Kurulum: Bu Derste Öğrenecekleriniz: 1- MS SQL Server 2008 Kurulumu ve Tanıtımı 2- Komut Kullanarak Veritabanı Oluşturma ve Silme 3- SQL Yazım Kuralları Kurulum: Sistem gereksinimleri: Desteklenen işletim sistemleri:

Detaylı

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara Veri Madenciliğine Genel Bir Bakış Veri Madenciliğinin Görevleri Sınıflama Seri Sınıflama Algoritmaları Paralel Sınıflama

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

VIERO ARAÇ SAYIM SİSTEMİ

VIERO ARAÇ SAYIM SİSTEMİ VIERO ARAÇ SAYIM SİSTEMİ VIERO, görüntü tabanlı analiz sayesinde, ortalama araç hızı bilgisi üretmekte ve araç yoğunluğunu da ölçmektedir. Viero Araç Sayım Sistemi Viero Araç Sayım Sistemi, görüntü tabanlı

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

APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ

APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ Murat KARABATAK 1, Melih Cevdet İNCE 2 1 Fırat Üniversitesi Teknik Eğitim Fakültesi Elektronik Bilgisayar Eğitimi Bölümü 2 Fırat Üniversitesi Mühendislik

Detaylı

Bilgi ve Olay Yönetim Sistemi

Bilgi ve Olay Yönetim Sistemi 1 Bilgi ve Olay Yönetim Sistemi Kurulum Kılavuzu Nisan 2016 Versiyon Sürüm 2.1.3 2 İçindekiler Bilgi ve Olay Yönetim Sistemi... 1 1. Sistem Gereksinimleri... 3 2. Kurulum... 3 3. Lisanslama... 10 4. Windows

Detaylı

PERFORMANCE COMPARISON OF KARATSUBA AND NIKHILAM MULTIPLICATION ALGORITHMS FOR DIFFERENT BIT LENGTHS

PERFORMANCE COMPARISON OF KARATSUBA AND NIKHILAM MULTIPLICATION ALGORITHMS FOR DIFFERENT BIT LENGTHS İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl:14 Sayı: 27 Bahar 2015 s. 55-64 Araştırma Makalesi KARATSUBA VE NIKHILAM ÇARPMA İŞLEMİ ALGORİTMALARININ FARKLI BİT UZUNLUKLARI İÇİN PERFORMANSLARININ

Detaylı

Kets DocPlace LOGO Entegrasyonu

Kets DocPlace LOGO Entegrasyonu Kets DocPlace LOGO Entegrasyonu Kets DocPlace Kurulumu Öncesinde Yapılması Gereken İşlemler Windows 7, Windows 8, Windows Server 2008 R2, Windows Server 2012 veya daha yeni işletim sistemlerinde Programlar

Detaylı

Dicle Üniversitesi Bilgi İşlem Online Talep Takip Sistemi

Dicle Üniversitesi Bilgi İşlem Online Talep Takip Sistemi Dicle Üniversitesi Bilgi İşlem Online Talep Takip Sistemi Cengiz Coşkun 1, Abdullah Baykal 2 1 Dicle Üniversitesi Bilgi İşlem Daire Başkanlığı, Diyarbakır 2 Dicle Üniversitesi Fen Fakültesi, Matematik

Detaylı

VIERO, görüntü tabanlı analiz sayesinde, ortalama araç hızı bilgisi üretmekte ve araç yoğunluğunu da ölçmektedir. VIERO Araç Sayım Sistemi

VIERO, görüntü tabanlı analiz sayesinde, ortalama araç hızı bilgisi üretmekte ve araç yoğunluğunu da ölçmektedir. VIERO Araç Sayım Sistemi ARAÇ SAYIM SİSTEMİ VIERO, görüntü tabanlı analiz sayesinde, ortalama araç hızı bilgisi üretmekte ve araç yoğunluğunu da ölçmektedir. VIERO Araç Sayım Sistemi VIERO Araç Sayım Sistemi, görüntü tabanlı olarak,

Detaylı

"SQL Server Management Studio" yazılımını yüklemek için alttaki resmi sitesinden 180 günlük deneme sürümünü indirebilirsiniz.

SQL Server Management Studio yazılımını yüklemek için alttaki resmi sitesinden 180 günlük deneme sürümünü indirebilirsiniz. Microsoft SQL Server 2008 R2 Kurulumu "SQL Server Management Studio" yazılımını yüklemek için alttaki resmi sitesinden 180 günlük deneme sürümünü indirebilirsiniz. http://www.microsoft.com/sqlserver/en/us/get-sql-server/try-it.aspx

Detaylı

PERSONEL TAKİP SİSTEMİ

PERSONEL TAKİP SİSTEMİ PERSONEL TAKİP SİSTEMİ PERSONEL TAKİP 1.0 1- PROGRAMIN AMACI : Bu Program Personellerin Giriş Çıkışlarını Yorumlayarak Puantaj Oluşturmak için Tasarlanmıştır. Personellerin Giriş Ve Çıkışlarında Yapmaları

Detaylı

POSTGRESQL'de İleri Seviyede Veri Kurtarma ve Yedekleme

POSTGRESQL'de İleri Seviyede Veri Kurtarma ve Yedekleme POSTGRESQL'de İleri Seviyede Veri Kurtarma ve Yedekleme Devrim Gündüz PostgreSQL Geliştiricisi devrim@commandprompt.com devrim@gunduz.org devrim@postgresql.org LKD Seminerleri Linux Kullanıcıları Derneği'nin

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

Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.

Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi

Detaylı

Doküman No.: P510 Revizyon No: 00

Doküman No.: P510 Revizyon No: 00 Doküman Adı: BAKIM ONARIM ve DESTEK SÜREÇLERİ Doküman No.: P510 Revizyon No: 00 Sayfa No Rev. Revizyon Nedeni İsim Hazırlayan Kontrol Onay M. HASPOLAT O. CAMCI E. SEZER A. BAŞTÜRK İmza Yürürlük Tarihi

Detaylı

Üniversitesi. {g.karatas, Library, Science Direct ve Wiley veri içerisinde

Üniversitesi. {g.karatas, Library, Science Direct ve Wiley veri içerisinde :, Üniversitesi 34156, stanbul, {g.karatas, c.catal}@iku.edu.tr Özet. sistematik ebilmek üzere, yöntemlerini in n veri belirlemek, ortaya konulan. IEEE Explorer, ACM Digital Library, Science Direct ve

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

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

VERİTABANI VERİTABANIN AVANTAJLARI ÖZET

VERİTABANI 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.

Detaylı

BAŞARI HİKAYESİ. AVM Kişi Sayım ve Raporlama Yönetim Paneli

BAŞARI HİKAYESİ. AVM Kişi Sayım ve Raporlama Yönetim Paneli BAŞARI HİKAYESİ AVM Kişi Sayım ve Raporlama Yönetim Paneli Müşteri Corio, dünyanın perakende odaklı en büyük gayrimenkul yatırım şirketlerinden biridir. Alışveriş Merkezleri geliştirme, iyileştirme ve

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

UNIVERSAL BİLGİ TEKNOLOJİLERİ

UNIVERSAL BİLGİ TEKNOLOJİLERİ UNIVERSAL BİLGİ TEKNOLOJİLERİ Coğrafi Bilgi Sistemleri (CBS) ile Bilgisayar Destekli Tasarım (CAD) Sistemleri Arasındaki Temel Farklar Universal Bilgi Teknolojileri Ltd. Şti. 2010. Tüm hakları saklıdır.

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

Coslat Monitor (Raporcu)

Coslat Monitor (Raporcu) Coslat Monitor (Raporcu) Coslat Monitor, Coslat Firewall, Hotspot ve Mirror uygulamalarında oluşturulan zaman damgalı kayıtların analiz edilmesini ve raporlanmasını sağlayan uygulamadır. Coslat Monitor

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

Bulanık Mantık Tabanlı Uçak Modeli Tespiti

Bulanık Mantık Tabanlı Uçak Modeli Tespiti Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa

Detaylı

DESTEK DOKÜMANI. Ürün : Tiger Enterprise/ Tiger Plus/ Go Plus/Go Bölüm : Kurulum İşlemleri

DESTEK DOKÜMANI. Ürün : Tiger Enterprise/ Tiger Plus/ Go Plus/Go Bölüm : Kurulum İşlemleri LOGO PROGRAM KURULUMU VE AYARLARI Logo programlarının yüklemesi için kullanılacak,setup dosyaları ftp://download.logo.com.tr/ adresinden indirilerek yapılır. Örneğin Kobi ürünleri için; ftp://download.logo.com.tr/windows/kobi/guncel/go_plus/klasöründen

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

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

SIRA NO SORUMLU BİRİM FAALİYET SORUMLU DURUM AÇIKLAMA

SIRA NO SORUMLU BİRİM FAALİYET SORUMLU DURUM AÇIKLAMA T.Ü. BİLGİ İŞLEM DAİRE BAŞKANLIĞI İŞ PLANI FORMU Doküman No: BİDB-F-06 Yürürlük Tarihi: 01.01.2012 Revizyon No: 0 Tarihi: - TRAKYA ÜNİVERSİTESİ BİLGİ İŞLEM DAİRE BAŞKANLIĞI İŞ PLANI FORMU SIRA NO SORUMLU

Detaylı

LOGO NETSİS 3 STANDARD FİYAT LİSTESİ 5 Nisan 2016 tarihinden itibaren geçerlidir.

LOGO NETSİS 3 STANDARD FİYAT LİSTESİ 5 Nisan 2016 tarihinden itibaren geçerlidir. 1. 2. 3. 4. LOGO NETSİS 3 STANDARD FİYAT LİSTESİ 5 Nisan 2016 tarihinden itibaren geçerlidir. Genel Açıklamalar Fiyat listesinde bulunan tüm lisans ve eğitim fiyatları ile eğitim süreleri Logo tarafından

Detaylı

Gezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması

Gezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması Gezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması E M R U L L A H S O N U Ç A K A D E M I K B I L I Ş I M Ş U B A T 2 0 1 5 E M R U L L A H S O N U Ç,

Detaylı

Düşünelim? Günlük hayatta bilgisayar hangi alanlarda kullanılmaktadır? Bilgisayarın farklı tip ve özellikte olmasının sebepleri neler olabilir?

Düşünelim? Günlük hayatta bilgisayar hangi alanlarda kullanılmaktadır? Bilgisayarın farklı tip ve özellikte olmasının sebepleri neler olabilir? Başlangıç Düşünelim? Günlük hayatta bilgisayar hangi alanlarda kullanılmaktadır? Bilgisayarın farklı tip ve özellikte olmasının sebepleri neler olabilir? Bilgisayar Bilgisayar, kendisine verilen bilgiler

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

HASTA TAKİP SİSTEMLERİNDE RFID UYGULAMASI

HASTA TAKİP SİSTEMLERİNDE RFID UYGULAMASI HASTA TAKİP SİSTEMLERİNDE RFID UYGULAMASI Osman TAN İlker KORKMAZ Okan GİDİŞ Sercan UYGUN AB'09, Harran Üniversitesi, 11.02.2009 1/21 SUNUM İÇERİĞİ Giriş RFID ve RFID Uygulamaları Problem Tanımı Motivasyon

Detaylı

SAP İNOVASYON FORUM Eski Köye Yeni Adet

SAP İNOVASYON FORUM Eski Köye Yeni Adet SAP İNOVASYON FORUM Eski Köye Yeni Adet Barış Güneş Kıvanç Oktaş Use this title slide only with an image 2015 SAP SE or an SAP affiliate company. All rights reserved. Internal 2 2015 SAP SE or an SAP affiliate

Detaylı

BT İşyükü Otomasyonu Çözümleri.

BT İşyükü Otomasyonu Çözümleri. BT İşyükü Otomasyonu Çözümleri www.likyateknoloji.com Likya Teknoloji Likya Teknoloji 2008 yılından bu yana Kurumsal ürün ve çözümler geliştirmektedir. Teknoloji Şirketi BT İşyükü otomasyonu çözümleri

Detaylı

18.8.2014 ANET YAZILIM LOG YÖNETİMİ. Karşılaştırma Tablosu ANET YAZILIM

18.8.2014 ANET YAZILIM LOG YÖNETİMİ. Karşılaştırma Tablosu ANET YAZILIM 18.8.2014 ANET YAZILIM LOG YÖNETİMİ Karşılaştırma Tablosu ANET YAZILIM ANET LOG COLLECTOR SAFELOG CSL SureLog/Fauna SureSec Agent Gereksinimi Yok Yok Yok Yok Yok Anlık Hash ve Zaman Damgası Evet Evet Evet

Detaylı

Kurumsal Yönetim Sistemleri Sistemleri

Kurumsal Yönetim Sistemleri Sistemleri Yazılım Danışmanlık Ltd. Şti. Kurumsal Yönetim Sistemleri Sistemleri Yönetim Kurumsal Yönetim Sistemleri Kurumsal Yönetim Sistemleri Kurumsal Akosis, sektörel olarak farklılık gösteren dinamikler ve iş

Detaylı

HAKKIMIZDA. Misyonumuz; Vizyonumuz;

HAKKIMIZDA. Misyonumuz; Vizyonumuz; HAKKIMIZDA SOFTKEY kurumsal teknoloji hizmetlerinde, müşteri odaklı yaklaşımı, rekabetçi fiyatları ve eksiksiz destek hizmeti sunmak amacıyla kurulmuştur. Sektörün önde gelen teknoloji firmaları ile iş

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

Pursaklar İMKB Teknik ve Endüstri Meslek Lisesi

Pursaklar İMKB Teknik ve Endüstri Meslek Lisesi Modül 1: Eylül 3 (1) Veritabanı kavramını bilme. Tablo kavramını bilme. İlişkisel veritabanı kavramını bilme. Tablo yapısını tanımlayabilme. Tablolar arasında ilişkiler kurabilme. Anahtar alan kavramını

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

Q-Biz İş Zekası Versiyon Yenilikleri

Q-Biz İş Zekası Versiyon Yenilikleri Q-Biz İş Zekası Versiyon Yenilikleri İçindekiler Q-Biz İş Zekası Versiyon Yenilikleri... 1 1. Q-Biz Viewer... 3 2. Kurumsal Karne Modülü... 4 3. Planlanmış Görevler... 7 4. Dashboard (Gösterge Paneli)...

Detaylı

İRİSTEN KİMLİK TANIMA SİSTEMİ

İRİSTEN KİMLİK TANIMA SİSTEMİ ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir

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

Novartis İş Zekası Çözümü. 7 Kasım 2012, İstanbul Kaan Marangoz, Novartis

Novartis İş Zekası Çözümü. 7 Kasım 2012, İstanbul Kaan Marangoz, Novartis Novartis İş Zekası Çözümü 7 Kasım 2012, İstanbul Kaan Marangoz, Novartis Gündem Novartis İlaç Sektörü Cognos Raporlama Sistemi Projeler Faydalar 2 Novartis Biz kimiz? AMACIMIZ Hastalıkları önleyen ve tedavi

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

Ağ Temelli Donanım Envanter Takip Yazılımı

Ağ Temelli Donanım Envanter Takip Yazılımı Ağ Temelli Donanım Envanter Takip Yazılımı Maltepe Üniversitesi, Bilişim Bölüm Başkanlığı, İstanbul onder@maltepe.edu.tr,eminb@maltepe.edu.tr, emincan@maltepe.du.tr Özet: Ağ yapılarında kullanılan ip tabanlı

Detaylı

Lojistik Bilişim Çözümleri. ÇÖZÜM Bilgisayar ve Yazılım

Lojistik Bilişim Çözümleri. ÇÖZÜM Bilgisayar ve Yazılım Lojistik Bilişim Çözümleri ÇÖZÜM Bilgisayar ve Yazılım ÇÖZÜM Bilgisayar ve Yazılım 15 yıllık bir tecrübe ve bilgi birikimi ile 2002 yılında kurulmuştur. Ana faaliyet konumuz Lojistik Bilişim Çözümleri

Detaylı

License. Veri Tabanı Sistemleri. Konular büyük miktarda verinin etkin biçimde tutulması ve işlenmesi. Problem Kayıt Dosyaları

License. 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

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

UZAKTAN EĞİTİM MERKEZİ

UZAKTAN EĞİTİM MERKEZİ ÜNİTE 2 VERİ TABANI İÇİNDEKİLER Veri Tabanı Veri Tabanı İle İlgili Temel Kavramlar Tablo Alan Sorgu Veri Tabanı Yapısı BAYBURT ÜNİVERSİTESİ UZAKTAN EĞİTİM MERKEZİ BİLGİSAYAR II HEDEFLER Veri tabanı kavramını

Detaylı

BM-311 Bilgisayar Mimarisi

BM-311 Bilgisayar Mimarisi 1 BM-311 Bilgisayar Mimarisi Hazırlayan: M.Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Giriş Donanım performans kriterleri Eş zamanlı çalışma Güç tüketimi Yazılım performans kriterleri

Detaylı

@6 SERİSİ ÜRÜN KURULUMU

@6 SERİSİ ÜRÜN KURULUMU @6 SERİSİ ÜRÜN KURULUMU Ürün Grubu [X] Fusion [X] Fusion Standard [X] Entegre W3 Kategori [X] Yeni Fonksiyon Versiyon Önkoşulu @6 Uygulama @6 serisi ürünlerin kurulum işlemleri sadece on-line internet

Detaylı

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi Bil101 Bilgisayar Yazılımı I Bilgisayar Yüksek Mühendisi Kullanıcıdan aldığı veri ya da bilgilerle kullanıcının isteği doğrultusunda işlem ve karşılaştırmalar yapabilen, veri ya da bilgileri sabit disk,

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

KANTAR UYGULAMASI Kurulum Kılavuzu

KANTAR UYGULAMASI Kurulum Kılavuzu KANTAR UYGULAMASI Kurulum Kılavuzu Serhat Öztürk Medyasoft Danışmanlık ve Eğitim A.Ş. v.1.0 Kantar Uygulaması üç temel parçadan oluşur. Veritabanı, WCF servisi ve Masaüstü uygulaması. Bu nedenle sistemde

Detaylı

Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi

Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Emre Güngör 1,2, Nesibe Yalçın 1,2, Nilüfer Yurtay 3 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 11210, Merkez, Bilecik

Detaylı

CHAOS TM Dinamik Kavşak Kontrol Sistemi

CHAOS TM Dinamik Kavşak Kontrol Sistemi CHAOS TM Dinamik Kavşak Kontrol Sistemi CHAOS, araçların trafik ışıklarında bekleme süresini en aza indirir. Dinamik Kavşak Kontrol Sistemi Dinamik kavşak kontrol sistemi olarak adlandırılan CHAOS TM,

Detaylı

BioAffix Ones Technology nin tescilli markasıdır.

BioAffix Ones Technology nin tescilli markasıdır. BioAffix Ones Technology nin tescilli markasıdır. NEDEN BİYOMETRİK?DOĞRULAMA Biyometrik veri taklit edilemez, şifre gibi unutulamaz! Şifre olmadığı için, casus yazılımlara karşı güvenlidir! Biyometrik

Detaylı

Devlet Demiryolları için Maliyet Tabanlı Rekabetçi Fiyatlandırma Sistemi (MATRİS) Selim Çetiner Serhan Turhan - 9 Aralık 2014, Salı

Devlet Demiryolları için Maliyet Tabanlı Rekabetçi Fiyatlandırma Sistemi (MATRİS) Selim Çetiner Serhan Turhan - 9 Aralık 2014, Salı Devlet Demiryolları için Maliyet Tabanlı Rekabetçi Fiyatlandırma Sistemi (MATRİS) Selim Çetiner Serhan Turhan - 9 Aralık 2014, Salı MATRİS Gündem Maliyet Tabanlı Rekabetçi Fiyatlandırma Sisteminin İhtiyaç

Detaylı

Fırat Üniversitesi Personel Otomasyonu

Fırat Üniversitesi Personel Otomasyonu Fırat Üniversitesi Personel Otomasyonu Fırat Üniversitesi, Enformatik Bölümü, 23119, Elazığ fatihtalu@firat.edu.tr, rdas@firat.edu.tr Özet: Bu çalışmada, Fırat Üniversitesi Personel Daire Başkanlığı için

Detaylı

18.8.2014 ANET YAZILIM LOG YÖNETİMİ. Karşılaştırma Tablosu ANET YAZILIM

18.8.2014 ANET YAZILIM LOG YÖNETİMİ. Karşılaştırma Tablosu ANET YAZILIM 18.8.2014 ANET YAZILIM LOG YÖNETİMİ Karşılaştırma Tablosu ANET YAZILIM ANET LOG COLLECTOR SAFELOG CSL SureLog SureLog(Korelasyonlu) SureSec Agent Gereksinimi Yok Yok Yok Yok Yok Yok Anlık Hash ve Zaman

Detaylı

Bulut Bilişim. Ege Üniversitesi Bilgisayar Mühendisliği Web Servisleri

Bulut Bilişim. Ege Üniversitesi Bilgisayar Mühendisliği Web Servisleri Bulut Bilişim Ege Üniversitesi Bilgisayar Mühendisliği Web Servisleri Ediz TÜRKOĞLU 05-07-8509 Özlem GÜRSES 05-07-8496 Savaş YILDIZ 05-07-8569 Umut BENZER 05-06-7670 İ çerik İçerik...2 Bulut Bilişim Nedir?...3

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

Nakit Akışı Yönetimi ELE K T RON- SENK RON YA ZI LIM LTD.ŞTI.

Nakit Akışı Yönetimi ELE K T RON- SENK RON YA ZI LIM LTD.ŞTI. Nakit Akışı Yönetimi ELE K T RON- SENK RON YA ZI LIM LTD.ŞTI. Nakit Akışı Yönetimi Sunum İçeriği Şirket Profili Nakit Akış Yönetimi Nedir? İhtiyaçlar Yazılımın Özellikleri Sağlanan Faydalar Gereksinimler

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

Windows Server 2012: Sanallaştırmanın ötesine geçin. Oğuz Pastırmacı IT Pro Teknolojileri Yöneticisi Microsoft Türkiye

Windows Server 2012: Sanallaştırmanın ötesine geçin. Oğuz Pastırmacı IT Pro Teknolojileri Yöneticisi Microsoft Türkiye Windows Server 2012: Sanallaştırmanın ötesine geçin Oğuz Pastırmacı IT Pro Teknolojileri Yöneticisi Microsoft Türkiye Endüstrideki trendler ve zorluklar Windows Server 2012: Sanallaştırmanın ötesinde Eksiksiz

Detaylı

Kılavuz içerisinde sisteme ait tüm özellikler anlatılmakta olup, yapacağınız konfigürasyonlar satın aldığınız lisans ile sınırlıdır.

Kılavuz içerisinde sisteme ait tüm özellikler anlatılmakta olup, yapacağınız konfigürasyonlar satın aldığınız lisans ile sınırlıdır. 1 HAKKIMIZDA Aktiftelecom, 1994 yılından bu yana deneyimli kadrosu ile telekomünikasyon sektöründe hizmet vermektedir. Satış sonrası hizmetler konusunda uzmanlaşmış teknik destek ekibi ve yurt çapında

Detaylı

Sayaç Okumalarında Mobil Uygulama Kullanımı ve E-Abone Uygulamaları

Sayaç Okumalarında Mobil Uygulama Kullanımı ve E-Abone Uygulamaları Sayaç Okumalarında Mobil Uygulama Kullanımı ve E-Abone Uygulamaları Gözde Bakırlı Dilşah Çetin Erol Mutlu Levent Denktaş Olgu Bilgisayar Sistemleri Yrd.Doç.Dr. Derya BİRANT Prof.Dr. Alp KUT Dokuz Eylül

Detaylı

KOBİ ÜRÜNLERİ FİYAT LİSTESİ 5 Nisan 2016 tarihinden itibaren geçerlidir.

KOBİ ÜRÜNLERİ FİYAT LİSTESİ 5 Nisan 2016 tarihinden itibaren geçerlidir. KOBİ ÜRÜNLERİ FİYAT LİSTESİ 5 Nisan 2016 tarihinden itibaren geçerlidir. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. Genel Açıklamalar Fiyat listesinde bulunan tüm lisans ve eğitim fiyatları ile eğitim süreleri

Detaylı

ÖZGEÇMİŞ. Unvan Bölüm Üniversite Yıl Yrd. Doç. Dr. Yazılım Mühendisliği Bahçeşehir Üniversitesi 2007

ÖZGEÇMİŞ. Unvan Bölüm Üniversite Yıl Yrd. Doç. Dr. Yazılım Mühendisliği Bahçeşehir Üniversitesi 2007 1. Adı Soyadı: Mehmet Alper TUNGA 2. Doğum Tarihi: 11/06/1975 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Bölüm/Program Üniversite Yıl Lisans Matematik Mühendisliği İstanbul Teknik Üniversitesi

Detaylı

İşletme ve Devreye Alma Planı Yerel Okul Sunucusu Uygulama Yazılımları Prototipi TRscaler Technology Solutions

İşletme ve Devreye Alma Planı Yerel Okul Sunucusu Uygulama Yazılımları Prototipi TRscaler Technology Solutions İşletme ve Devreye Alma Planı Yerel Okul Sunucusu Uygulama Yazılımları Prototipi 05.12.2013 TRscaler Technology Solutions SİSTEM MİMARİSİ: Yerel Okul Sunucusu Uygulama Yazılımları Prototipi Teknik Şartnamesinde

Detaylı

NETWORK MANAGMENT SYSTEM (NMS) KULLANMA KLAVUZU

NETWORK MANAGMENT SYSTEM (NMS) KULLANMA KLAVUZU NETWORK MANAGMENT SYSTEM (NMS) KULLANMA KLAVUZU Z Telemetri Telekomünikasyon Yazılım San. Tic. LTD. ŞTI. Kavaklıdere Mah. Atatürk Bulvarı No: 151/804 Çankaya / Ankara info@ztelemetry.com Tel: +90 312 417

Detaylı

Yrd.Doç. Dr. Tülin ÇETİN

Yrd.Doç. Dr. Tülin ÇETİN Yrd.Doç. Dr. Tülin ÇETİN ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Ege Üniversitesi Bilgisayar Mühendisliği 1987-1992 Lisans Celal Bayar Üniversitesi İnşaat Mühendisliği 2001-2004 Y. Lisans

Detaylı

Bilecik Üniversitesi Mühendislik Fakültesi Moodle Uzaktan Öğretim Sistemi

Bilecik Üniversitesi Mühendislik Fakültesi Moodle Uzaktan Öğretim Sistemi Akademik Bilişim 12 - XIV. Akademik Bilişim Konferansı Bildirileri Bilecik Üniversitesi Mühendislik Fakültesi Moodle Uzaktan Öğretim Sistemi Bilgisayar Mühendisliği Bölümü, Bilecik Üniversitesi, Bilecik

Detaylı

Borsa Bilgi Sistemi TEKLİF DOSYASI

Borsa Bilgi Sistemi TEKLİF DOSYASI Borsa Bilgi Sistemi TEKLİF DOSYASI GİRİŞ Alpata Yazılım, müşterilerine yeni bin yılda çağdaş teknolojilerle daha iyi hizmetler üretmek amacı ile, farklı bir vizyon ve yapılanma düşüncesinden hareketle

Detaylı

Avlanmaya Açık ve Kapalı Alanlara İlişkin Coğrafi Bilgi Sistemi Projesi

Avlanmaya Açık ve Kapalı Alanlara İlişkin Coğrafi Bilgi Sistemi Projesi Avlanmaya Açık ve Kapalı Alanlara İlişkin Coğrafi Bilgi Sistemi Projesi Kurum adı : T.C. Orman ve Su İşleri Bakanlığı, Bilgi İşlem Dairesi Başkanlığı, Doğa Koruma ve Milli Parklar Genel Müdürlüğü Av ve

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

BAY.t Entegre_PRO v5.2 Yapılan Geliştirmeler HIZLI SATIŞ

BAY.t Entegre_PRO v5.2 Yapılan Geliştirmeler HIZLI SATIŞ BAY.t Entegre_PRO v5.2 Yapılan Geliştirmeler HIZLI SATIŞ Bay-t Entegre PRO serisinin yeni modülü Dokunmatik Hızlı Satış, perakende satış yapan tüm işletmelerin ihtiyaçlarına yönelik olarak dokunmatik ekranlara

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

IBM BulutHizmetleri. Ali Gündüz IBM Bulut Hizmetleri Ülke Lideri

IBM BulutHizmetleri. Ali Gündüz IBM Bulut Hizmetleri Ülke Lideri IBM BulutHizmetleri Ali Gündüz IBM Bulut Hizmetleri Ülke Lideri Pek çok servis ve kolay kullanım ile Kurumsal bulut kullanımı için geniş hizmet portfolyosu IBM Cloud marketplace IBM ve Üçüncü Partiler

Detaylı

GEOPORTAL SİSTEMLERİNDE GRID VE CLOUD COMPUTING TEKNOLOJİLERİNİN KULLANILABİLİRLİĞİNİN ARAŞTIRILMASI

GEOPORTAL SİSTEMLERİNDE GRID VE CLOUD COMPUTING TEKNOLOJİLERİNİN KULLANILABİLİRLİĞİNİN ARAŞTIRILMASI GEOPORTAL SİSTEMLERİNDE GRID VE CLOUD COMPUTING TEKNOLOJİLERİNİN KULLANILABİLİRLİĞİNİN ARAŞTIRILMASI Fatih SARI 1 1 SÜ, Selçuk Üniversitesi, Harita Müh. Bölümü, Selçuklu 42250 Konya, fatihsari@selcuk.edu.tr

Detaylı

Infraskope Server 2012 Yeni Özellikler

Infraskope Server 2012 Yeni Özellikler Yeni Özellikler Türk mühendisleri tarafından geliştirilen Infraskope Server 2012, yüksek performanslı bir log toplama ve kurumsal güvenlik olay yönetim uygulamasıdır (SIEM). Bu dokümanda Infraskope Server

Detaylı

Algoritma Geliştirme ve Veri Yapıları 1 Temel Algoritma Kavramları. Mustafa Kemal Üniversitesi

Algoritma Geliştirme ve Veri Yapıları 1 Temel Algoritma Kavramları. Mustafa Kemal Üniversitesi Algoritma Geliştirme ve Veri Yapıları 1 Temel Algoritma Kavramları Giriş 1) Algoritma geliştirme üzerine temel kavramlar 2) Veri modelleri 3) Veri yapıları 4) Algoritma veya yazılım şekilsel gösterimi

Detaylı

Sunucu Bilgisayarlarda Kullanılan CISC ve RISC İşlemcilerin Performans Karşılaştırımı

Sunucu Bilgisayarlarda Kullanılan CISC ve RISC İşlemcilerin Performans Karşılaştırımı Sunucu Bilgisayarlarda Kullanılan CISC ve RISC İşlemcilerin Performans Karşılaştırımı Aylin Kantarcı Ege Üniversitesi Akademik Bilişim 2015 Eskişehir, 2015 GİRİŞ CISC işlemciler Geriye uyumluluk Karmaşık

Detaylı