Analytické systémy nad Hadoopom. Lukáš Antalov, Vedoucí týmu vývoje
|
|
- Gabriela Mašková
- před 7 lety
- Počet zobrazení:
Transkript
1 Analytické systémy nad Hadoopom Lukáš Antalov, Vedoucí týmu vývoje
2 Outline Big Data Hadoop Štatistiky Sklik.cz Webová analytika
3 Big Data
4 Big Data sú všade 200 Londýnskych dopravných kamier 8 TB / deň Približný objem správ na Twittery 1.2 PB / rok Databáza transakcií Wal-Mart (2010) 2.5 PB Google Web Index 5.5+ PB Zdroj: Phillip B. Gibbons, Data- Intensive Compu>ng Symposium
5 Prečo sú Big Data dôležité? Pomáhajú * Pochopiť business Poznať produkty, zákazníkov či konkurenciu Zvýšiť obrat z predajov Zlepšiť služby Znížiť náklady
6 Prečo sú Big Data dôležité? Pomáhajú * Pochopiť business Poznať produkty, zákazníkov či konkurenciu Zvýšiť obrat z predajov Zlepšiť služby Znížiť náklady *) Pokiaľ dokážeme efektívne pracovať s datami
7
8 Seznam.cz & Hadoop
9 Seznam.cz & Big Data Fulltext (600 TB) Webová analytika (285 TB) Sklik (40 TB)
10 Apache Hadoop Škálovatelnosť Škálovanie pridávaním ďaľších strojov Lokálne spracovávanie nezahlcuje sieť dátami
11 Apache Hadoop Škálovatelnosť Škálovanie pridávaním ďaľších strojov Lokálne spracovávanie nezahlcuje sieť dátami Flexibilita Akékoľvek typy dát (blobs, dokumenty, záznamy,.) V ľubovolnej forme (štrukturované, neštrukturované)
12 Apache Hadoop Škálovatelnosť Škálovanie pridávaním ďaľších strojov Lokálne spracovávanie nezahlcuje sieť dátami Flexibilita Akékoľvek typy dát (blobs, dokumenty, záznamy,.) V ľubovolnej forme (štrukturované, neštrukturované) Účinnosť Cenovo dostupné (~20k/1 TB) Zjednotený storage, metadata, bezpečnosť Spoľahlivý a výkonný distribuovaný súborový systém MapReduce programovací framework
13 Hadoop Ecosystem Hive DWH systém SQL-like jazyk zvaný HiveQL HBase Stĺpcovo orientovaná databáza ZooKeeper Centralizovaná služba na udržiavanie informacií
14 Hadoop Ecosystem Hive DWH systém SQL-like jazyk zvaný HiveQL HBase Stĺpcovo orientovaná databáza ZooKeeper Centralizovaná služba na udržiavanie informacií Je toho viac: Cascading, Scribe, Cassandra, Hypertable, Voldemort Pig, Howl, Oozie, Chukwa, Mahout Sqoop, Flume, Avro
15 MapReduce v jednoduchosti Zdroj: hbps://developers.google.com/appengine/docs/python/dataprocessing/overview
16 Apache Hive Infraštruktúra pre dátový sklad Systém pre správu a dotazovanie nad štrukturovanými dátami Ukladá data na HDFS Používa MapReduce na výpočty Poskytuje SQL-like dotazovací jazyk zvaný HiveQL Ľahko rozšíritelný
17 Apache HBase Stĺpcovo orientovaná databáza Horizontálne škálovatelná ACID garancia na úrovni riadkov Veľmi nízka latencia Zápis: 1-3ms, 1k-10k zápisov / sec / stroj Čítanie: 0-3ms cache, 10-30ms disk, 10-40k čítaní z cache / sec / stroj Regiony a ich balancovanie
18 Štatistiky Sklik.cz 60 GB 50 GB 40 GB 30 GB 20 GB 10 GB
19 Štatistiky Sklik.cz 60 GB 50 GB 40 GB 30 GB 20 GB 10 GB
20 Webová analytika Zber dát Klientskú časť zabezpečuje javascript Logovanie do JSON formátu V špičke req / sec ~ 500 GB / deň
21 Webová analytika Zber dát Klientskú časť zabezpečuje javascript Logovanie do JSON formátu V špičke req / sec ~ 500 GB / deň Spracovávanie dát MapReduce + Hive Normalizácia dát v dimenziách regulárne výrazy, rozsahy, kategórie Stromová štruktúra
22 Webová analytika Zber dát Klientskú časť zabezpečuje javascript Logovanie do JSON formátu V špičke req / sec ~ 500 GB / deň Spracovávanie dát MapReduce + Hive Normalizácia dát v dimenziách regulárne výrazy, rozsahy, kategórie Stromová štruktúra
23 Typické workflow Predpočítanie dát návštevy (MapReduce) Samotný výpočet (Hive) Tvorba dimenzií z výsledku dotazu Agregácia (C++ alebo MapReduce) Uloženie výsledku v OLAP databázach Zmazanie medzivýpočtov
24 Nenáročné na použitie Definícia dimenzií Výber z dostupných metrik Voľba granularit Na základe konfigurácie sa vygeneruje HiveQL dotaz! Možnosť Ad hoc dotazov pre analytikov
25 Záver Hadoop! Pochopiť silu HBase Experimentovať Vytvárať query-centric schémy Monitorovať a optimalizovať
26 Děkuji za pozornost Lukáš Antalov, Vedoucí týmu účet
BIG DATA je oveľa viac ako Hadoop. Martin Pavlík
BIG DATA je oveľa viac ako Hadoop Martin Pavlík Analýza všech dostupných dat? Big data =? = Buzzword? = Hadoop? Hadoop Jen ke zpracování nestrukturovaných dat? Mentální posun něco za něco 2 Big data =
VíceHadoop a HDFS. Bc. Milan Nikl
3.12.2013 Hadoop a HDFS Bc. Milan Nikl Co je Hadoop: Open-Source Framework Vyvíjený Apache Software Foundation Pro ukládání a zpracovávání velkých objemů dat Big Data trojrozměrný růst dat (3V) Objem (Volume)
VíceMetaCentrum. datové služby. Miroslav Ruda, Zdeněk Šustr
MetaCentrum datové služby Miroslav Ruda, Zdeněk Šustr Agenda Národní gridová infrastruktura přehled služeb MetaCentra aktuální stav výpočetní grid cloudové prostředí MapReduce výpočty Národní gridová infrastruktura
VíceMetaCentrum. Miroslav Ruda 2. 12. 2014 CESNET
MetaCentrum Miroslav Ruda CESNET 2. 12. 2014 Agenda Národní gridová infrastruktura přehled služeb MetaCentra aktuální stav výpočetní grid cloudové prostředí MapReduce výpočty Národní gridová infrastruktura
VíceB0M33BDT 7. přednáška Architektury a bezpečnost. Marek Sušický Milan Kratochvíl
B0M33BDT 7. přednáška Architektury a bezpečnost Marek Sušický Milan Kratochvíl 5. prosinec 2018 Osnova Něco ze života Architektury Hadoop Lambda Kappa Zetta Security a dopady do architektury 2 Jak vypadá
VíceOpen Source projekty pro Big Data
Open Source projekty pro Big Data Leo Galamboš LG@HQ.EGOTHOR.ORG Řešení pro velká data Oblasti 1. ukládání dat 2. zpracování dat 3. analýza dat (Dobrá zpráva) OSS řešení nyní pokrývají všechny oblasti
VíceBig Data Business snídaně
Jakub Augustín Big Data Competency Leader Big Data Business snídaně Prepared for: 28. 5. 2015 1 Co jsou Big Data? 2 Datová exploze Let na měsíc = Small Data Let letadlem = Big Data Modul Apolo: Operační
VíceBIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012
BIG DATA Nové úlohy pro nástroje v oblasti BI 27. listopadu 2012 AGENDA 1. Úvod 2. Jaké jsou potřeby? 3. Možné řešení 2 Jaké jsou potřeby? Dopady Analýza dat potřeba nového přístupu Jak na nestrukturovaná
VíceUAI/612 - Cloudová Řešení. Technologie
UAI/612 - Cloudová Řešení Technologie Rekapitulace Multitenance Bezestavovost Škálovatelnost Cachování Bezpečnost Způsoby nasazení Datová úložiště SQL databáze NoSQL databáze Cloudová datová úložiště (API)
VícePetr Nevrlý
Fulltextové vyhledávání Petr Nevrlý Vyhledávání Cíl vyhledávání Architektura Vyhledávání Robot Údaje z provozu Obsah přednášky Novinky ve fulltextu za rok 2010 Robot v3.0
VíceDatová věda (Data Science) akademický navazující magisterský program
Datová věda () akademický navazující magisterský program Reaguje na potřebu, kterou vyvolala rychle rostoucí produkce komplexních, obvykle rozsáhlých dat ve vědě, v průmyslu a obecně v hospodářských činnostech.
VíceInfor Performance management. Jakub Urbášek
Infor Performance management Jakub Urbášek Agenda prezentace Stručně o produktu Infor PM 10 Komponenty Infor PM - PM OLAP a PM Office Plus Reporting Analýza Plánování / operativní plánování Infor Performance
VíceZáklady business intelligence. Jaroslav Šmarda
Základy business intelligence Jaroslav Šmarda Základy business intelligence Business intelligence Datový sklad On-line Analytical Processing (OLAP) Kontingenční tabulky v MS Excelu jako příklad OLAP Dolování
VíceMBI - technologická realizace modelu
MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,
VíceDATABÁZOVÉ SYSTÉMY. Metodický list č. 1
Metodický list č. 1 Cíl: Cílem předmětu je získat přehled o možnostech a principech databázového zpracování, získat v tomto směru znalosti potřebné pro informačního manažera. Databázové systémy, databázové
VíceProgramovanie.NET, C++ - najbližšie termíny:
Programovanie.NET, C++ - najbližšie termíny: Visual C/C++ - základy Kurz Visual C/C++ je zameraný na zvládnutie základných programátorských zručností. Denné kurzy (3 dni): 9:00-15:00: 21.01.2019, 04.03.2019,
VíceMichal Laclavík Martin Šeleng. Vyh adávanie informácií
Michal Laclavík Martin Šeleng Vyh adávanie informácií Slovenská technická univerzita v Bratislave 2012 RNDr. Michal Laclavík, PhD., Mgr. Martin Šeleng, PhD. Lektori: Prof. Ing. Ján Parali, PhD. Mgr. Gabriela
VíceTuto knihu bychom rádi věnovali: Kryštofovi. Irena. Rodině, která mne podpořila při práci na knize, i když dobře věděla, co ji čeká.
Tuto knihu bychom rádi věnovali: Kryštofovi. Irena Rodině, která mne podpořila při práci na knize, i když dobře věděla, co ji čeká. Jirka Mým učitelům z Ústavu filosofie a religionistiky FF UK. Karel Sofince,
VíceAnalýza nestrukturovaných dat pomocí Oracle Endeca Information Discovery
Analýza nestrukturovaných dat pomocí Oracle Endeca Information Discovery Petr Podbraný Oracle Business Intelligence Sales Consultant 1 2012 Oracle Corporation Co znamená Information Discovery? Zjednodušeně
VíceAnalýzou dat k efektivnějšímu rozhodování
Analýzou dat k efektivnějšímu rozhodování Chytrá řešení pro veřejnou správu Václav Bahník, ECM Solution Consultant Marek Šoule, ECM Software Sales Representative 8.4.2013 Řízení efektivního poskytování
VíceTovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale
je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně vyhledávat informace,
VíceJak správně navrhnout moderní a efektivní řešení pro ukládání dat
Moderní a spolehlivá řešení pro ukládání dat Jak správně navrhnout moderní a efektivní řešení pro ukládání dat Petr Dvořák GAPP System, spol. s r.o. 2. dubna 2014 Architektura ukládání aktivních dat Typ
VíceBig Data od velkých očekávání k praktickému využití. DSW, Praha, 23.9.2014
Big Data od velkých očekávání k praktickému využití DSW, Praha, 23.9.2014 Gartner: Hype Cycle for Emerging Technologies Zdroj: Gartner 3D scanners? NFC předběhlo cloud compu3ng? Internet of things zrychlil
VícePostgreSQL jako platforma pro datové sklady
PostgreSQL jako platforma pro datové sklady Vratislav Beneš benes@optisolutions.cz 1. Co to jsou datové sklady? 2. Požadavky na datový sklady 3. Technické řešení datového skladu 4. PostgreSQL a datové
VícePortfolio úložišť WD pro datová centra Kapacitní úložiště prošlo vývojem
Kapacitní úložiště, které posune váš výkon k inovacím. WD a logo WD jsou registrované ochranné známky společnosti Western Digital Technologies, Inc. v USA a dalších zemích; WD Ae, WD Re+, WD Re, WD Se,
VíceB0M33BDT Technologie pro velká data. Storage
B0M33BDT Technologie pro velká data Storage Milan Kratochvíl 24.10.2018 Motivace Jak efektivně ukládat data v Hadoop ekosystému? formát ukládání dat a jejich komprese možnost paralelně zpracovávat na mnoha
VíceTovek Tools. Tovek Tools jsou standardně dodávány ve dvou variantách: Tovek Tools Search Pack Tovek Tools Analyst Pack. Připojené informační zdroje
jsou souborem klientských desktopových aplikací určených k indexování dat, vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci s velkým objemem textových
VíceUkladanie a dostupnosť dát
Ukladanie a dostupnosť dát Marián Kováčik, Technický špecialista IBM Modular Systems Obsah IBM MidMarket Roadshow, 16.-18.9.2008 1. Portfólio entry a midrange level diskových polí 2. Funkcie diskových
VícePRODUKTY. Tovek Tools
jsou desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních zdrojů.
VíceDatabázové systémy. Dátové modelovanie - relačný model
Databázové systémy Dátové modelovanie - relačný model Review:Úrovne abstrakcie modelov Vysoko-úrovňové (konceptuálne) modely Koncepty tak, ako ich vnímajú ľudia Prezentačné (implementačné) modely ľudia
VíceKapitola 1: Úvod. Systém pro správu databáze (Database Management Systém DBMS) Účel databázových systémů
- 1.1 - Kapitola 1: Úvod Účel databázových systémů Pohled na data Modely dat Jazyk pro definici dat (Data Definition Language; DDL) Jazyk pro manipulaci s daty (Data Manipulation Language; DML) Správa
VícePROVÁZÁNÍ ECM/DMS DO INFORMAČNÍCH SYSTÉMŮ STÁTNÍ A VEŘEJNÉ SPRÁVY
PROVÁZÁNÍ ECM/DMS DO INFORMAČNÍCH SYSTÉMŮ STÁTNÍ A VEŘEJNÉ SPRÁVY SYSCOM SOFTWARE Firma vznikla vroce 1994. Zaměřuje se na dodávky komplexních služeb voblasti informačních technologií. Orientuje se zejména
VíceViolin Technologický partner Fujitsu. Bleskově zrychlete váš business. Martin Káňa Storage World. Copyright 2011 FUJITSU
Violin Technologický partner Fujitsu Bleskově zrychlete váš business Martin Káňa Storage World Copyright 2011 FUJITSU Violin Memory Company Založena v roce 2005, první flashový produkt uveden v roce 2009
VíceSoftwarově definované úložiště pod taktovkou EMC Lukáš Bělovský, konzultant Gapp System
G System, spol. s r.o., Petržílkova 23, 158 00, Praha Softwarově definované úložiště pod taktovkou EM Lukáš Bělovský, konzultant G System Agenda Trend dneška - softwarově definované Software Defined Storage
VíceAdventureWorksDW2014 SQL Server Data Tools Multidimenziona lnı model Tabula rnı model Multidimenziona lnı mo d Tabula rnı mo d MS SQL Server 2016 Tabula rnı mo d Azure Analysis Services 16 3.2 Dimenzionální
VíceDatabázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz
Databázové systémy Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Vývoj databázových systémů Ukládání dat Aktualizace dat Vyhledávání dat Třídění dat Výpočty a agregace 60.-70. léta Program Komunikace Výpočty
VíceSEARCH & BIG DATA [ & ANALYTICS] INFORUM 2015, Pavel Kocourek
SEARCH & BIG DATA [ & ANALYTICS] INFORUM 2015, Pavel Kocourek NÁSLEDUJÍCÍCH 25 MINUT Proč je letošní prezentace modro-zelená Vyhledávání a Big data Search architektura s využitím Big data Co to může přinést
VíceDatová kvalita základ úspěšného BI. RNDr. Ondřej Zýka, Profinit
Datová kvalita základ úspěšného BI RNDr. Ondřej Zýka, Profinit 1.6.2012 Datová exploze Snižování nákladů o Zdvojnásobení objemu podnikových dat každé dva roky o Konkurenční tlak o Ekonomická krize o V
VíceDatabázové a informační systémy
Databázové a informační systémy doc. Ing. Miroslav Beneš, Ph.D. katedra informatiky FEI VŠB-TUO A-1007 / 597 324 213 http://www.cs.vsb.cz/benes Miroslav.Benes@vsb.cz Obsah Jak ukládat a efektivně zpracovávat
VícePetr Nevrlý <petr.nevrly@firma.seznam.cz>
Fulltextové vyhledávání Petr Nevrlý Obsah přednášky Cíl vyhledávání Architektura Vyhledávání Robot Údaje z provozu Cíl fulltextového vyhledávání Poskytnutí odpovědi na dotaz
Více14 14.1a 14.1b 14.4 14.5 14.2 14.3 N 14.1a... 2 1 0 14.1b 14.2 14.4 4,5 14.3 14.5 Gb 6,3x16 39 19 19.1.2 19.1.2 19.1 19.1.7 19.1.8 19.1.9 19.1.1 19.1.4 19.1.5 19.1.6 19.1.9 19.1.1 19.1.4 19.1.5 19.1.6
VíceSouborové systémy a práce s daty David Antoš
Souborové systémy a práce s daty David Antoš antos@ics.muni.cz Úvod obecný úvod do síťových souborových systémů souborové systémy v MetaCentru jejich použití práce s nimi praktické poznámky kvóty efektivní
VíceModerní přístupy a nástroje GIS v ochraně přírody a krajiny ČR
Moderní přístupy a nástroje GIS v ochraně přírody a krajiny ČR Jan Zárybnický AOPK ČR, resortní organizace MŽP Esri konference, 8. 11. 2017 AOPK ČR Resortní organizace MŽP Územní působnost se vztahuje
VíceBigData. Marek Sušický
BigData Marek Sušický 28. Únoru 2017 Osnova Big data a Hadoop Na jakém hardware + sizing Jak vypadá cluster - architektura HDFS Distribuce Komponenty YARN, správa zdrojů 2 Big data neznamená Hadoop 3 Apache
VíceVývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz
Vývoj moderních technologií při vyhledávání Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz INFORUM 2007: 13. konference o profesionálních informačních zdrojích Praha, 22. - 24.5. 2007 Abstrakt Vzhledem
VícePPC brief. Zadanie pre tvorbu PPC reklamnej kampane
PPC brief Zadanie pre tvorbu PPC reklamnej kampane Tento dokument slúži ako východiskový bod projektu pre tvorbu PPC reklamnej kampane. Vďaka nemu si môžeme ujasniť základné informácie potrebné na začatie
Více10. Datové sklady (Data Warehouses) Datový sklad
10. Datové sklady (Data Warehouses) Datový sklad komplexní data uložená ve struktuře, která umožňuje efektivní analýzu a dotazování data čerpána z primárních informačních systémů a dalších zdrojů OLAP
VíceB Organizace databáze na fyzické úrovni u serveru Oracle
B Organizace databáze na fyzické úrovni u serveru Oracle B.1. Základní koncepty... 2 B.2. Možnosti rozšíření prostoru databáze... 9 B.3. Indexování a shlukování... 12 Literatura... 16 J. Zendulka: Databázové
VíceERP: Integrační platforma ve výrobní společnosti. Ing. Tomáš Hanáček Dynamica, a.s.
ERP: Integrační platforma ve výrobní společnosti Ing. Tomáš Hanáček Dynamica, a.s. Něco málo historie Terminálové sítě PC sítě Sálové počítače centrální zpracování dat Počet uživatelů podnikového IS v
VíceMarketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Zdroje Studijní materiály Heleny Palovské
VíceSledování výkonu aplikací?
Sledování výkonu aplikací? FlowMon APM Pavel Minařík minarik@invea.com Problémy s výkonností aplikací Je příčina problému v síti nebo v aplikaci? Jedná se o pomalou odezvu aplikačního nebo databázového
VíceKrok 1 Pochopenie systémov. Krok 2 Hodnotenie silných a slabých stránok. Krok 3 Zber podkladov. - hodnotenie - overenie - postupy a smernice
Obr. 1. Popis procesných krokov Činnosti pred auditom Činnosti počas auditu Krok 1 Pochopenie systémov Výber a naplánovanie auditu spolu s dohodnutím cieľov Príprava koncepcie správy a finálnej prezentácie
VíceNahrávací systém TriREC
\ 2011 Nahrávací systém TriREC 9.12.2011 OBSAH Nahrávací systém TriREC...2 Základní vlastnosti:...2 Škálovatelnost...2 Controller...3 Recorder...3 Storage...3 Integrátor...3 Vstupy...3 Nahrávání...3 Sledování...4
VíceDatová centra a úložiště. Jaroslav G. Křemének g.j.kremenek@gmail.com
Datová centra a úložiště Jaroslav G. Křemének g.j.kremenek@gmail.com České národní datové úložiště Součást rojektu CESNET Rozšíření národní informační infrastruktury ro VaV v regionech (eiger) Náklady
VíceBusiness Intelligence
Business Intelligence Josef Mlnařík ISSS Hradec Králové 7.4.2008 Obsah Co je Oracle Business Intelligence? Definice, Od dat k informacím, Nástroj pro operativní řízení, Integrace informací, Jednotná platforma
VíceRegistrační číslo projektu: CZ.1.07/1.5.00/34.0553 Elektronická podpora zkvalitnění výuky CZ.1.07 Vzděláním pro konkurenceschopnost
Registrační číslo projektu: CZ.1.07/1.5.00/34.0553 CZ.1.07 Vzděláním pro konkurenceschopnost Projekt je realizován v rámci Operačního programu Vzdělávání pro konkurence schopnost, který je spolufinancován
VíceNerelační databázové modely. Helena Palovská
Nerelační databázové modely Helena Palovská palovska@vse.cz Různé modely pro databázovou strukturu databázové modely 1960 SŘBD hierarchický, síťový relační 1970 1980 hierarchické, síťové relační objektový
VíceNové funkce a technologie v současných a budoucích verzích Invenia. Jiří Kunčar
Nové funkce a technologie v současných a budoucích verzích Invenia Jiří Kunčar jiri.kuncar@cern.ch Obsah úvod vývojový proces verze novinky nové technologie závěr CERN European Organization for Nuclear
VícePríručka so stručným návodom
Príručka so stručným návodom Microsoft Access 2013 sa líši od predchádzajúcich verzií, preto sme vytvorili túto príručku, aby ste sa s ním čo najrýchlejšie oboznámili. Zmena veľkosti obrazovky alebo zatvorenie
VícePoužití databází na Webu
4IZ228 tvorba webových stránek a aplikací Jirka Kosek Poslední modifikace: $Date: 2010/11/18 11:33:52 $ Obsah Co nás čeká... 3 Architektura webových databázových aplikací... 4 K čemu se používají databázové
VíceObsah. Předmluva 13. O autorovi 15. Poděkování 16. O odborných korektorech 17. Úvod 19
Předmluva 13 O autorovi 15 Poděkování 16 O odborných korektorech 17 Úvod 19 Co kniha popisuje 19 Co budete potřebovat 20 Komu je kniha určena 20 Styly 21 Zpětná vazba od čtenářů 22 Errata 22 KAPITOLA 1
VíceDigitalizace a oběh dokumentů VUMS LEGEND, spol. s.r.o.
Digitalizace a oběh dokumentů Automatizace obchodních porcesů Likvidace odběratelských a dodávatelských faktur Efektivita firemních procesů je jedním ze základních pilířů fungování celé společnosti. Některé
VíceMobilná aplikácia pre zaznamenávanie údajov systému HACCP
Mobilná aplikácia pre zaznamenávanie údajov systému HACCP Verejné stravovanie Verzia: 2017 Všetky práva vyhradené HACCP Consulting Súčasné požiadavky legislatívy Prevádzkovatelia sú povinný viesť záznamy
VíceSOAP & REST služby. Rozdíly, architektury, použití
SOAP & REST služby Rozdíly, architektury, použití Obsah Srovnání SOAP a REST služeb Service Oriented Architecture Microservice Architecture Příklady použití Nástroje pro vývoj SOAP a REST služeb (v Java)
VíceDatabáze Bc. Veronika Tomsová
Databáze Bc. Veronika Tomsová Databázové schéma Mapování konceptuálního modelu do (relačního) databázového schématu. 2/21 Fyzické ik schéma databáze Určuje č jakým způsobem ů jsou data v databázi ukládána
Více7. října 2008, Systémy pro zpřístupňování evškp 2008. Miroslav Křipač Michal Brandejs, Jitka Brandejsová, Jan Kasprzak, Martin Stančík
7. října 2008, Systémy pro zpřístupňování evškp 2008 Miroslav Křipač Michal Brandejs, Jitka Brandejsová, Jan Kasprzak, Martin Stančík Masarykova univerzita Národní registr VŠKP a systém na odhalování plagiátů
VíceECM. Enterprise Content Management. čt 9:15 Petr Bouška (xboup00) Zbyněk Hostaš Lukáš Maršíček Martin Nikl (xnikm00)
ECM Enterprise Content Management čt 9:15 Petr Bouška (xboup00) Zbyněk Hostaš Lukáš Maršíček Martin Nikl (xnikm00) Co nás čeká... Definice ECM Problém podnikového obsahu Historie vzniku ECM Architektura
VíceSeminář pro vedoucí knihoven a SVI ústavů AV ČR
Seminář pro vedoucí knihoven a SVI ústavů AV ČR ASEP bibliografická databáze - online katalog, analytika ASEP repozitář pro plné texty výsledků datový repozitář ASEP bibliografická databáze, repozitář
VíceRegionálne a národné patentové databázy NEMECKO, EUROÁZIA, USA
Regionálne a národné patentové databázy NEMECKO, EUROÁZIA, USA Ľubomír K U C K A PATLIB Centrum Bratislava Centrum vedecko technických informácií SR 8. jún 2011 OBSAH Databázy Patentového a známkového
VíceBusiness Intelligence
Business Intelligence Skorkovský KAMI, ESF MU Principy BI zpracování velkých objemů dat tak, aby výsledek této akce manažerům pomohl k rozhodování při řízení procesů výsledkem zpracování musí být relevantní
VíceSystémy pro podporu. rozhodování. 2. Úvod do problematiky systémů pro podporu. rozhodování
1 Systémy pro podporu rozhodování 2. Úvod do problematiky systémů pro podporu rozhodování 2 Připomenutí obsahu minulé přednášky Rozhodování a jeho počítačová podpora Manažeři a rozhodování K čemu počítačová
VíceOracle XML DB. Tomáš Nykodým
Oracle XML DB Tomáš Nykodým xnykodym@fi.muni.cz Osnova Oracle XML DB Architektura Oracle XML DB Hlavní rysy Oracle XML DB Hlavní rysy Oracle XML DB - pokračování XMLType XML Repository Využívání databázových
VíceABBYY Automatizované zpracování dokumentů
ABBYY Automatizované zpracování dokumentů tradiční řešení OCR versus Cloud Jiří Dvořák ECM konzultant Světový leader v produktech pro zpracování dokumentů Individulání uživatelé Malé a střední společnosti
VícePetr Nevrlý <petr.nevrly@firma.seznam.cz>
Fulltextové vyhledávání Petr Nevrlý Vyhledávání Architektura ve zkratce Vyhledávání Robot Aktuální údaje z provozu Obsah přednášky Novinky ve fulltext (2009) Screenshot generátor
VíceRegistr živnostenského podnikání předchůdce cloudových řešení
Registr živnostenského podnikání předchůdce cloudových řešení Ing. Miloslav Marčan, Ministerstvo průmyslu a obchodu ČR Ing. Martin Záklasník, PhD., Sales Director T-Systems Czech Republic Deutsche Telekom
VíceB0M33BDT Technologie pro velká data. Storage
B0M33BDT Technologie pro velká data Storage Milan Kratochvíl 25.10.2017 Motivace Jak efektivně ukládat data v Hadoop ekosystému? formát ukládání dat a jejich komprese možnost paralelně zpracovávat na mnoha
VíceŘízení znalostí, týmová spolupráce a vyhledávání ve velkých a středních firmách
Řízení znalostí, týmová spolupráce a vyhledávání ve velkých a středních firmách Aleš Chudý, ředitel divize IW Seminář pro manažery Bratislava 29.4.2008 Agenda: Měnící se svět kolem nás Trendy Jediný svět
VíceDell Statistica V12.7 novinky ve verzi
Aktivace licence produktu Na níže uvedeném odkazu naleznete bližší informace pro aktivaci produktu: https://support.software.dell.com/statistica/kb/150908 Upgrade a pokyny k instalaci 1. Pokyny k instalaci
VíceZajištění bezpečného provozu aplikací. odpovídající současným požadavkům
Zajištění bezpečného provozu aplikací odpovídající současným požadavkům Ing. Martin Pavlica 29. listopadu 2011 Vrcholové cíle podnikání a činnosti státních institucí Generovat zisk, dosahovat dlouhodobého
VíceSlužby informačního systému katastru nemovitostí ČR. Jiří Poláček
Služby informačního systému katastru nemovitostí ČR Jiří Poláček Obsah prezentace Přehled služeb Zkušenosti s nově zavedenými službami Provozní statistiky Připravované novinky Stránka 2 On-line Geoportál
VíceFujitsu Day Praha 2018
Fujitsu Day Praha 2018 Human Centric Innovation Co-creation for Success Hyper-konvergovaná infrastruktura zjednodušení datového centra Radek Procházka Head of Pre-Sales Fujitsu Technology Solutions Hyper-konvergovaná
VíceJak velká jsou? Obchodní analytici FB velké datové sady BI = business intelligence. OLAP = Online Analytical Processing. DWH = Data Warehouse
název B = Bajt KB = Kilobajt MB = Megabajt GB = Gigabajt TB = Terabajt PB = Petabajt EB = Exabajt ZB = Zettabajt YB = Yottabajt velikost 8 b 2^10 B 2^20 B 2^30 B 2^40 B 2^50 B 2^60 B 2^70 B 2^80 B Jak
VíceNetezza. Martin Pavlík. 2. Února 2011. to pravé řešení pro analytický datový sklad
Netezza to pravé řešení pro analytický datový sklad Martin Pavlík 2. Února 2011 Co je Netezza? Napříč odvětvími Retail Telekomunikace Co Netezza dodává Vysoce výkonné appliance Firma Špičková technologie
VíceAktuální otázky provozu datových skladů PAVEL HNÍK
Aktuální otázky provozu datových skladů PAVEL HNÍK K čemu slouží datové sklady IT podporuje business podniků S velikostí podniku se zvyšuje náročnost zpracování dat DWH = unifikovaná datová základna pro
VíceMetaCentrum. Miroslav Ruda. březen 2017, Brno CESNET
MetaCentrum Miroslav Ruda CESNET březen 2017, Brno Osnova krátký úvod o MetaCentru pro nováčky novinky projektové národní projekty VI CESNET a VVV národní projekty ELIXIR a VVV ELIXIR CERIT-SC, podrobnosti
VíceModerné vzdelávanie pre vedomostnú spoločnosť/projekt je spolufinancovaný zo zdrojov EÚ. Grafy
Moderné vzdelávanie pre vedomostnú spoločnosť/projekt je spolufinancovaný zo zdrojov EÚ Grafy Graf efektívne vizuálne nástroje dáta lepšie pochopiteľné graf môže odhaliť trend alebo porovnanie zobrazujú
VíceTvorba logického a fyzického dátového modelu relačnej databázy pomocou nástrojov od firmy Oracle výukový tutoriál
Tvorba logického a fyzického dátového modelu relačnej databázy pomocou nástrojov od firmy Oracle výukový tutoriál Prvým krokom pri vytvorení relačnej databázy je návrh jej štruktúry a realizáciaa logického
VíceMožnosti využití cloudových služeb pro provoz IT
Možnosti využití cloudových služeb pro provoz IT Jan Cipra Využití cloudových služeb Bezpečnost Jak je to se zabezpečením našich dat? Flexibilita Cena Jsou cloudové služby Flexibilnější? Jsou cloudové
VíceSimplify I.T. ve veřejném sektoru. Josef Švenda Country Leader, Oracle Czech
Simplify I.T. ve veřejném sektoru Josef Švenda Country Leader, Oracle Czech Výzvy které slyšíme u zákazníků Efektivita na operativní úrovni Jak dokážeme poskytovat služby občanům a institucím efektivnějším
Více7.1 Návrhové zobrazenie dotazu
7.1 Návrhové zobrazenie dotazu Ovládanie návrhového zobrazenia, ktoré je jedným z možností zobrazenia dotazu, je nevyhnutné pri tvorbe zložitejších dotazov, pretože v ňom môžeme definovať akýkoľvek dotaz
VíceExperimentální systém pro WEB IR
Experimentální systém pro WEB IR Jiří Vraný Školitel: Doc. RNDr. Pavel Satrapa PhD. Problematika disertační práce velmi stručný úvod WEB IR information retrieval from WWW, vyhledávání na webu Vzhledem
VíceB0M33BDT Stream processing. Milan Kratochvíl
B0M33BDT Stream processing Milan Kratochvíl 13. prosinec 2017 Stream processing Průběžné zpracování trvalého toku zpráv Vstupní stream Message processor Stream processor Úložiště Stream processing Hlavní
VíceFUJITSU PRIMEFLEX. Human Centric Innovation in Action. Integrované systémy pro Vaše řešení. 30. května 2017 Pavel Čáslavský. 0 Copyright 2017 FUJITSU
FUJITSU PRIMEFLEX Human Centric Innovation in Action Integrované systémy pro Vaše řešení 30. května 2017 Pavel Čáslavský 0 Copyright 2017 FUJITSU Integrované systémy FUJITSU PRIMEFLEX Definice Před-konfigurované,
VíceTematický výchovno - vzdelávací plán
Základná škola, Školská 3, 076 43 Čierna nad Tisou Tematický výchovno - vzdelávací plán Stupeň vzdelania: Nižšie stredné vzdelávanie Vzdelávacia oblasť: Matematika a práca s informáciami Predmet: Informatika
VíceZáklady databází. O autorech 17 PRVNÍ ČÁST. KAPITOLA 1 Začínáme 19
3 Obsah Novinky v tomto vydání 10 Význam základních principů 11 Výuka principů nezávisle na databázových produktech 12 Klíčové pojmy, kontrolní otázky, cvičení, případové studie a projekty 12 Software,
VíceNTK Discovery. Od katalogu k centralizovanému vyhledávání
NTK Discovery Od katalogu k centralizovanému vyhledávání Strategie NTK v oblasti zpřístupňování fondů Strategická priorita 3.4.2: Optimalizace uživatelské přívětivosti všech knihovních služeb NTK Implementace
VícePRODUKTY. Tovek Tools
Analyst Pack je desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních
VíceTM1 vs Planning & Reporting
R TM1 vs Planning & Reporting AUDITOVATELNOST? ZABEZPEČENÍ? SDÍLENÍ? KONSOLIDACE? PROPOJITELNOST???? TM1?? COGNOS PLANNING IBM COGNOS 8 PLANNING Cognos Planning Podpora plánovacího cyklu Jednoduchá tvorba
VíceUkládání a archivace dat
Ukládání a archivace dat vzniklých digitalizací v Digitálním archivu SOA v Třeboni Základní cíle projektu Vytvořit systém, který bude zaštiťovat postupy spojené s digitalizací archivních materiálů vytváření
Více