SlideShare ist ein Scribd-Unternehmen logo
Cloud Wars – what‘s the smartest
data platform
Vergleich Microsoft Azure, Amazon Web
Services und Google Cloud Platform
Stefan Kirner & Thomas Neureuther Karlsruhe, 22.6.2016
• Teamleiter BI Solutions bei der inovex GmbH
• Langjährige Erfahrung mit dem Microsoft BI Stack
• Data Management Lösungen in der Cloud
2
• inovex Lab für den Researchim Cloud Bereich
• Spezialist für die Implementierung vondata-driven-business
Lösungen
• Erfahrungen im Microsoft SQLServer BI Stack.
Stefan Kirner
Teamleiter BI Solutions bei der inovex GmbH
Werkstudent bei der inovex GmbH
Thomas Neureuther
3NIST
Was ist Cloud Computing?
“Cloud	computing is a	model for
enabling ubiquitous,	convenient,	on-
demand network access to a	shared
pool of configurable computing
resources (e.g.,	networks,	servers,	
storage,	applications,	 and services)	that
can be rapidly provisioned and released
with minimal	management effort or
service provider interaction”
4http://cavdar.net/cloud-computing/#/1
Warum Cloud Computing?
Hier	im	Focus
5Microsoft (Thierry Gasser)
I/P/S-as-a-Service
(On-Premises)
Storage
Servers
Networking
O/S
Middleware
Virtualization
Data
Applications
Runtime
You	manage
Infrastructure
(as	a	Service)
Storage
Servers
Networking
O/S
Middleware
Virtualization
Data
Applications
Runtime
Other	Manages
You	manage
Platform
(as	a	Service)
Other	Manages
You	manage
Storage
Servers
Networking
O/S
Middleware
Virtualization
Applications
Runtime
Data
Software
(as	a	Service)
Other	Manages
Storage
Servers
Networking
O/S
Middleware
Virtualization
Applications
Runtime
Data
6Albert Barron (Ibm) https://www.linkedin.com/pulse/20140730172610-9679881-pizza-as-a-service
Analogie der “as a Service“ Schichten
7http://www.adslzone.net/app/uploads/2014/09/cloud.jpg
Welche Public Cloud?
10Amazon Web Services
Public Cloud Anbieter
• Seit 2006
• Iaas Marktführer
• Dogfood für viele eigene Dienste (Amazon
Store, Video…)
• “PaaS like services with the option of IaaS-
like control in some cases”
- Dan Sullivan - Tom's IT Pro
Amazon Web Services
9Screenshot ConsoleAWS
Public Cloud Anbieter
• Seit 2010
• Als PaaS gestartet wurde seit 2013
sukzessive erweitert mit IaaS-
Komponenten
• Starke SaaS Komponenten
• Dogfood für viele SaaS Dienste (Skype,
XBox etc)
Microsoft Azure
13
Azure Platform Services „Landscape“
11https://i-msdn.sec.s-msft.com/dynimg/IC831231.png
http://www.infoworld.com/article/3051017/cloud-computing/the-importance-of-dogfooding-in-the-cloud.html
Public Cloud Anbieter
• Seit 2008– IaaS, PaaS
• No “Dogfooding“ – Googles Dienste
basieren nicht auf GCP
• Cloud	SDK	und	CLI,	Console als	
WebFrontend
• Go, Java, Python
Google Cloud Platform
15
Google Cloud Platform
13
Storage and Databases Big Data and Analytics Machine Learinig
Compute
Cloud ML
Cloud SpeachAPI
14Forrester- https://d0.awsstatic.com/analyst-
Marktsituation
“The cloud wars betweenAmazon, Google, and Microsoft are
heating up, with the three working tirelessly to attract the
large business customers that bring in the big bucks.
From a technological perspective, though,the three cloud
platforms are basically equal, and offer a similar sales pitch.”
Business Insider, April 2016
15Forrester- https://d0.awsstatic.com/analyst-
Marktsituation
Gartner: 2015 Magic
Quadrant for Cloud
Infrastructure as a
Service, Worldwide
16https://www.gartner.com/doc/reprints?id=1-2G45TQU&ct=150519&st=sb
Marktsituation
Gartner: 2016 Magic
Quadrant for Enterprise
Application Platform as a
Service, Worldwide
17Synergy Research Group - https://www.srgresearch.com/
Marktsituation
18Synergy Research Group - https://www.srgresearch.com/
Marktsituation
19http://searchcloudcomputing.techtarget.com/tip/Compare-AWS-vs-Azure-vs-Google-big-data-services
„The cloud market is evolving quickly, with
an ever-changing set of big data services.
While this makes cloud vendor comparisons
difficult, it's worth the attempt, because the
offerings from the top three cloud providers -
- Amazon Web Services, Microsoft Azure and
Google -- aren't created equal.“
Jim O'Reilly
20
Fazit Marktsituation
• Einheitliches	Bild	zu	PaaS eher	schwierig
• Unterschiedliche	Definitionen	
• Technologien	nicht	immer	vergleichbar/bekannt
• Qualitative	Vergleiche	decken	nur	spezielle	Use
cases ab
Da	müssen	wir	selber	ran!
• Web Interface und Bedienung
• SDK‘s und Programmiersprachen
• Tooling und Integration in
Entwicklungsumgebung
• Dokumentation
21
Web Interface & Handhabung
Vergleich der Cloud Provider Services
22
Web Interface & Handhabung
• Übersichtlich und minimalistisches
Web Interface mit Übersicht über
Dienste
• Tooling
• Plugins für	Eclipse und	
Visual	Studio	vorhanden
• AWS	Command	Line	
Interface
• AWS	SDK
• S3	Browser	
(Desktopanwendung)
AWS Management Console
23Azure Portal
Web Interface & Handhabung
• Web Portal mit sehr verschachtelter
Kacheloptik
• Altes und neues Portal
• Tooling
• Befehlszeilentools	über	
Power	Shell
• CLI	auch	für	Linux	&	Mac	
• Azure SDK	-Mit	passendem	
Toolkit	für	Visual	Studio
• Azure Explorer
Azure Portal
24GCP Console
Web Interface & Handhabung
• Schlichtes Web Interface
• Tooling
• gcloud Tool	- CLI	für	
GCP	Produkte	und	
Services
• Cloud	SDK
• Wenig	IDE	
Unterstützung
25
DEMO TIME
AWS Portal und S3 Bucket
26
Azure Ressourcengruppe und Speicherkonto
27
GCP Storage Bucket
28
29
Web Interface & Handhabung
Dienst Web	Console Azure Portal GCP	Console
Bewertung Portal:☆☆☆
SDK:	☆☆
Tooling:	☆☆
Dokumentation:	☆
CLI:	☆☆☆
Portal:☆☆
SDK:	☆☆
Tooling:	☆☆
Dokumentation:	
☆☆☆
CLI:	☆☆
Portal:☆☆
SDK:	☆☆
Tooling:	☆
Dokumentation:	☆☆
CLI:	☆☆
Vergleich der Cloud Provider Services
30
Big Data /Analytics Use-Case
Data	Presentation
Visualisierung	und	Dashboard
Analytics	and Computation
Aggregation	und	Analyse
Collection		and Storage
Event	Broker	und	Stream	Prozessor
Data	Generation	/	Extraction
App,	IoT oder	Sensordaten
31http://lambda-architecture.net/
Lambda Architecture
1. Weiterleitender ankommenden
Daten zu Speed und Batch Layer
2. Batch-Layer
1. Berechnen	der	Batch	Views
2. Rohdaten	aufbewahren
3. Serving Layer indexiert die Batch
Views
4. Speed-Layer erlaubt Echtzeit
Views
5. Querys auf Batch und Echtzeit
Views möglich
32https://blogs.technet.microsoft.com/msuspartner/2016/01/27/azure-partner-community-big-data-advanced-analytics-and-lambda-
Lambda Architektur
Viele Möglichkeiten Lambda
Architektur mit Cloud
Technologien abzubilden
-> Architektur nicht an Dienste
gebunden
Lambda	Architecture on	Azure
Options	for each Layer
33
Big Data /Analytics Use-Case
• Startup ULTRA TENDENCY
aus Japan
• Sensorwerte erfassen und
Strahlenwerte analysieren
• Umsetzung mittels Cloud
basierterAnalyse in Azure
34
Big Data /Analytics Use-Case
• ≈5000 Wetterstationen in
Baden-Württemberg
• Weather Underground API
• Temperatur, Niederschlag,
Luftdruck,
Windgeschwindigkeit
• Aktualisierung ≈ 5 min
35
Pub/Sub Dataflow
Big	Query Data	
Studio	360
Kinesis
Firehose
S3 Elastic Map
Reduce
Data	
Pipeline
Quick	Sight
Event	
Hub
Stream	
Analytics
Data	
Factory
PowerBI
Data	
Generation
Collection	
and Storage
Analytics	and
Computation
Data	
Presentation
Data	Lake
Store
Redshift
Data	Lake
Analytics
Data	Lake
Store
Collection
36
• Kontinuierlicher Strom von Daten empfangen
und verarbeiten
• Mehrere Publisher/Subscriber
• Skalierbar
• Hoch Verfügbar
• Niedrige Latenzen
• Echtzeit Verarbeitung und Analyse
37
Streaming Dienste
Vergleich der Cloud Provider Services
38
Pub/Sub, Message Broker - Streaming
Dienst Kinesis Event Hub Pub/Sub
Beschreibung • Nahe	Echtzeit
• Zeitbasierter	Ereignispuffer
• Datastrom von	verschiedenen	Prozessen	oder	Geräten
• Vereinfacht	das	
empfangen und		
veröffentlichen	von	
Datenströmen	in	Echtzeit
• Datenaufbewahrung	bis	
7 Tage
• Azure Event	Hubs	ist	ein	
hochgradig	skalierbarer	
Dienst	für	das	
Veröffentlichen	und	
Abonnieren	von	
Ereignissen
• Publish/Subscribe
• Hoch	skalierbare	
Message	Queue	mit	
Push/Pull	 Delivery
39
Dienste zur Stream Verarbeitung
Dienst Kinesis Firehose
Kinesis Analytics(Beta)
Kinesis &	Lambda
Stream Analytics Dataflow
Beschreibung • Echtzeitverarbeitung	von	Streams
• Kinesis mit SQL	basierte	
Anfragen
• Lambda	Funktionen	 um	
Events	zu	verarbeiten
• Firehose persistiert	
Stream	nach	S3,	ES	
(1.5),	Redshift
• SQL	basierte	Abfragen
• Windowing
• Echtzeitdashboards	und	
Warnungen
• Programmierung	von
Dataflows in	Java
• Damit	Windowing und	
quasi	jeder	Output	
möglich
40AWS Kinesis
Streaming Dienste
• Kinesis Firehose
• Schreibt	Stream	in	Blöcken	auf	
den	S3	Storage,	Elasticsearch
oder	Redshift
• Keine	Möglichkeiten	der	
Programmierung
• Kinesis Streams
• Macht	es	notwendig	einen	
Stream	Receiver	zu	
programmieren	und	diesen	zu	
deployen
• AWS	Lambda	Funktionen	
• KinesisAnalytics(Beta)
41
Streaming Dienste
• Leistungsstarkes Modell
• Eingabe
• Event	Hub,	Blob,	IoT Hub
• Mehrere	Eingaben	möglich
• Abfrage
• SA-QL:	SQL	Ähnliche	Syntax
• Window Operationen	möglich
• Ausgabe
• Blob,	SQL,	PowerBI ....
• Mehrere	Ausgaben	möglich
Azure StreamAnalytics
42Google DataFlow
Streaming Dienste
• Programmiermodell
– Batch und Stream
Workload
– Pipelineing als DAG
– Arbeiten auf Collections
• Google Dataflow als Runner
für das Dataflow
Programmiermodell
Google Dataflow
43
Dienste zur Stream Verarbeitung
Dienst Amazon	Kinesis Stream	Analytics Dataflow
Bewertung Bedienung:☆☆
Lifecycle Management:	☆
Möglichkeiten:	☆☆
+	Simple	Bedienung
- Für	gleiche	Funktionalität	wie	bei	
Azure coding erforderlich
- Firehose eingeschränkte	
Funktionsumfang
- Kinesis Stream	benötigt	selbst	
implementierten	und	deployten
Receiver	(z.B:	AWS	Lambda)
Bedienung:☆☆☆
Lifecycle Management:	
☆
Möglichkeiten:	☆☆☆
+	Simple	Bedienung
+	Hohe	Funktionalität	mit	
geringem	Aufwand
+	SQL	Syntax	für	Abfrage
- Schlecht	zu	versionieren oder	zu	
Managen
Bedienung:☆☆
Lifecycle
Management:	☆☆
Möglichkeiten:	
☆☆☆
Programmcode	mit	allen	Vor- und	
Nachteilen
+	Sehr	gute	Skalierbarkeit	und	Big	
Data	Fähigkeit
- Höherer	Einarbeitungsaufwand
44
Kosten Message Broker /Stream Verarbeitung
Dienst Amazon	Kinesis Stream	Analytics Dataflow
Preise Shard Stunde	1,7ct
Put Nutzlast	pro	1	Mio
Puts (25KB)	1,65ct
Verlängerte	
Datenaufbewahrung	
2ct/h
Beispiel:	2	Events	a	35KB	
pro	Sekunde
≈13€/Monat
Unit	Stunde	3,1ct	
Nutzlast	0,1ct	pro	GB
Beispiel:	2	Events	a	35KB	
pro	Sekunde
≈20€ Stream	
Analytics/Monat
≈9€ Event	Hub/Monat
Pub/Sub
1	Milion Operationen	
40ct
Halbiert	sich	ab 250M	
Operationen
Batch	1ct	GCEU/h
Stream	1,5ct	GCEU/h
45
DEMO TIME
Azure Stream Analytics
46
AWS Kinesis
47
GCP Pub/Sub
48
GCP Dataflow
49
Analytics and Computation
50
• Daten auslesen, ggf. transformieren und schreiben
(Vergleichbar mit ETL)
• Transformation eher schwieriger
• Orchestrierung Dienste
• Zusammenfassen und Orchestrierung von
Verarbeitungsschritten
• Neue Quellen und Ziele
• Cloud und Hybride Szenarien
• Big-Data Fähigkeit
51
OrchestrierungsDienste
52
Orchestrierungs Dienste
• Erstellen in AWS Management
Console
• Designer	und	Vorlagen
• Properties	in	Drop-Down	
Feldern	verwalten
• Recht	überschaubarer	
Funktionsumfang	ohne	
Detailfunktionen
• Deckt	typische	ETL-Szenarien	
gut	ab	
• Keine	Entwicklungsumgebung	
und	Code	Management	
Data Pipeline
53
Orchestrierungs Dienste – Data Pipeline
• Hive in Data Pipeline
• Ressource	Anlegen
• Skript	schreiben	und	
verknüpfen
54
Orchestrierungs Dienste
• Factory Dashboard
• Werkzeuge	für	das	Erstellen	
der	Factory
• Zustandsüberwachung
• Manuelles	Starten	von	
Vorgängen
• Auslastung	und	Diagnosen
Data Factory
55
Orchestrierungs Dienste
• Data Factory Projekt
• Templates	erlauben	
schnelles	Erstellen	einfacher	
Anwendungsfälle
• Deployment aus	Visual	
Studio	oder	Factory	
Dashboard
• JSON-Dokumente	ohne	
Toolunterstützung	füllen	
und	verknüpfen
• Design	by Copy and Paste
Data Factory
56
Orchestrierungs Dienste
Dienst Data	Pipeline Data	Factory
Bewertung Bedienung:☆☆
Lifecycle Management:	☆
Möglichkeiten:	 ☆☆
+	Selbsterklärender	Designer
- Keine	Code	Completion oder	
Syntax	Highlighting	oder	
Validierung	
- Code	kann	lediglich	über	JSON	
exportiert	und	versioniert werden	
(händisch)
Bedienung:☆+
Lifecycle Management:	
☆☆
Möglichkeiten:	 ☆☆
+	Templates	und	Visual	Studio	
Unterstützung
- Kein	Designer	sondern	
zusammenfügen	von	JSON	
Dokumenten
SSIS	weit	
voraus
57
DEMO TIME
Azure Data Factory
58
AWS Data Pipeline
59
Horizontal skalierende analytische Datenspeicher
60
• Parallel	verarbeitende	Instanzen	
• Massively Parallel	Processing	
Architecture
• Skalierbarkeit
• SQL	Querys
61
Horizontal skalierende analytische Datenspeicher
62
Analytische Datenspeicher
• Schnelle Skalierung der Cluster
Instanzen über API Aufrufe
• Postgres-Fork nutzt
spaltenbasierte Datenbank und
massive parallele Verarbeitung
Redshift
63
Analytische Datenspeicher
•Data Lake (Beta) – Store &
Analytics
– Verteilter	Speicher- und	
Analysedienst	großer	Daten
– U-SQL	– TSQL	und	C#
– Visual	Studio	Unterstützung
– Dynamische	Skalierung
– Verteilte	Hardware	und	
Parallelisierung	gänzlich	
abstrahiert
Data Factory - Data LakeAnalytics (Beta)
64
Analytische Datenspeicher
• Unabhängige Skalierung von
Compute- und
Speicherressourcen innerhalb
von Sekunden
• Vielfältige SQL Server-
Funktionalität mit T-SQL
Abfragen
SQL Data Warehouse (Beta)
65
Analytische Datenspeicher
•SQL Querys auf Terabyte von
Daten
•Import/Export Mechanismen
•Bezahlung nach Datenmenge
der Query
•Keine Server
•Browsertool vorhanden (sonst
REST oder CLI) - SDK für .Net,
Java, Python, Go
Google Big Query
66
Analytische Datenspeicher
Dienst AWS	Redshift Azure Data	Lake Big	Query
Beschreibung • Postgres Fork
• Massiv	Parallel
• Store	und	Analytics
• U-SQL	als	Mischung	
von	C#	und T-SQL
• Serverless
• Pay	per	Query	
Preise • $0.25	pro	Stunde	für	
dc1.large	
• $0.85	pro	Stunde	für	
ds2.xlarge
• Analytics	Einheit	
0,017$/Minute
• Abgeschlossener	 Auftrag	
0,025$
SQL-DWH:	ab	0,70$/h
• $5	pro	queryed TB
• $0.02	per	GB	Speicher
• $0.01	per	200	MB	Insert
Dienst Amazon	Redshift Azure Data	Lake Big	Query
Bewertung Bedienung:☆+
Lifecycle Management:	
☆☆
Möglichkeiten:	☆☆
- Keine	Entwicklungsunterstützung	
im	Web	Interface	oder	
Entwicklungsumgebung
Bedienung:☆☆☆
Lifecycle Management:	
☆☆
Möglichkeiten:	☆☆☆
+	Visual	Studio	Unterstützung
+	Strukturierte	und	
Semistrukturierte	Daten
Bedienung:☆☆+
Lifecycle Management:	
☆☆
Möglichkeiten:	☆☆
+	Web	Tooling
67
Analytische Datenspeicher
68
DEMO TIME
AWS Redshift – und Kinesis als Quelle
69
Azure Data Lake Analytics
70
GCP Big Query
71
Data Presentation
72
• Daten Präsentieren
• Umfangreiche Visualisierungen
• Dashboards und Reports über Web
• SaaS
• Anbindung an Datenbanken
• Real-Time Anbindung
73
Datenvisualisierung
74
Datenvisualisierung
Dienst Amazon	Quick	Sight Microsoft	Power	Bi
(kein	Teil von	Azure aber	gut	integrierbar)
Google	Data	Studio	360	
(beta)
Beschreibung • Beta	(nur	für	
ausgewählte	
Kunden)
• Echtzeit	BI	mit	Stream	
Analytics	möglich
• Anbindung	an	
Datenbanken	und	
andere	Datenspeicher
• Beta	(nur	für	
ausgewählte	Kunden)
• Alternativ gute	Integration	von	BI	Tools	wie	Tableau,	Qlik und	einigen	
anderen
Dienst Amazon	Quick	Sight Microsoft	Power	Bi
(kein	Teil von	Azure aber	gut	integrierbar)
Google	Data	Studio	360	
(beta)
Bewertung Bedienung:☆+
Möglichkeiten:	☆+
- Closed Beta
Bedienung:☆☆☆
Möglichkeiten:	☆☆☆
+	Viele	Datenquellen
+	On-Prem	Entwicklung	möglich
Bedienung:☆+
Möglichkeiten:	 ☆+
- Beta
75
Datenvisualisierung
76
DEMO TIME
Power Bi – Daten von Stream Analytics
77
Google Data Studio
78https://datastudio.google.com/#/reporting/0B_U5RNpwhcE6bzVYT2FSNmRBUWc
79http://www.tecchannel.de/a/amazon-web-services-versus-microsoft-windows-azure,2071501,3
„Unterm Strich lässt sich sagen, dass
Microsoft aufgrund seiner PaaS-
Historie technologisch in diesem
Bereich einen deutlichen Vorsprung
hat. Amazon AWS hingegen ist derzeit
noch der unumstrittene Innovations-
und Marktführer im IaaS-Umfeld.“
René Büst - Senior Analyst und Cloud PracticeLead bei Crisp Research
80
Vergleich der Cloud Provider
Amazon	Web	Services Microsoft	Azure Google	Cloud	Platform
Stream ☆☆ ☆☆☆ ☆☆
Orchestration ☆☆+ ☆☆ -
MPP ☆☆ ☆☆+ ☆☆+
Datenvisualisierung ☆+ ☆☆☆ ☆+
Für diesen Use Case hat Microsoft die Nase vorn
81
Demnächst auch als Artikelserie auf:
blog.inovex.de
Regelmäßige Beiträge zu den aktuellsten Technologie-
Themen rund um Web, Mobile, Analytics, Data Center & Co.
Vielen Dank
Stefan Kirner &
Thomas Neureuther
inovex GmbH
Ludwig-Erhard-Allee 6
76131 Karlsruhe
stefan.kirner@inovex.de
tneureuther@inovex.de
Solche	Projekte	und	
Technologien	sind	für	dich	
interessant?
Wir	suchen	
Cloud	Solution	
Architects
und	Werkstudenten	
für	Data	Management	&	Analytics	
Und	viele	andere	Jobs		auf	
https://www.inovex.de/de/karriere
/stellenangebote

Weitere ähnliche Inhalte

Was ist angesagt?

Der Status Quo des Chaos Engineerings
Der Status Quo des Chaos EngineeringsDer Status Quo des Chaos Engineerings
Der Status Quo des Chaos Engineerings
QAware GmbH
 
4×4: Big Data in der Cloud
4×4: Big Data in der Cloud4×4: Big Data in der Cloud
4×4: Big Data in der Cloud
Danny Linden
 
Leveraging the Power of Solr with Spark
Leveraging the Power of Solr with SparkLeveraging the Power of Solr with Spark
Leveraging the Power of Solr with Spark
QAware GmbH
 
Monitoring Openstack - LinuxTag 2013
Monitoring Openstack - LinuxTag 2013Monitoring Openstack - LinuxTag 2013
Monitoring Openstack - LinuxTag 2013
NETWAYS
 
CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...
CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...
CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...
LeanIX GmbH
 
A Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConf
A Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConfA Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConf
A Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConf
Mario-Leander Reimer
 
Java in the Cloud - am Beispiel der Google App Engineg
Java in the Cloud - am Beispiel der Google App EnginegJava in the Cloud - am Beispiel der Google App Engineg
Java in the Cloud - am Beispiel der Google App Engineg
gedoplan
 
Python-Bibliotheken zur Datenvisualisierung
Python-Bibliotheken zur DatenvisualisierungPython-Bibliotheken zur Datenvisualisierung
Python-Bibliotheken zur Datenvisualisierung
cusy GmbH
 
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
NETWAYS
 
Serverless Application Framework
Serverless Application FrameworkServerless Application Framework
Serverless Application Framework
BATbern
 
Günzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloud
Günzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloudGünzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloud
Günzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloud
Andreas Günzel
 
Kubernetes ist so viel mehr als ein Container Orchestrierer
Kubernetes ist so viel mehr als ein Container OrchestriererKubernetes ist so viel mehr als ein Container Orchestrierer
Kubernetes ist so viel mehr als ein Container Orchestrierer
QAware GmbH
 
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
confluent
 
Public Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBBPublic Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBB
BATbern
 
Cloud Native und Java EE: Freund oder Feind?
Cloud Native und Java EE: Freund oder Feind?Cloud Native und Java EE: Freund oder Feind?
Cloud Native und Java EE: Freund oder Feind?
Josef Adersberger
 
Cloud-Native ohne Vendor Lock-in mit Kubernetes
Cloud-Native ohne Vendor Lock-in mit KubernetesCloud-Native ohne Vendor Lock-in mit Kubernetes
Cloud-Native ohne Vendor Lock-in mit Kubernetes
ConSol Consulting & Solutions Software GmbH
 
10 Gute Gruende - NetApp DevOps
10 Gute Gruende - NetApp DevOps10 Gute Gruende - NetApp DevOps
10 Gute Gruende - NetApp DevOps
NetApp_Germany
 
Einführung in NoSQL-Datenbanken
Einführung in NoSQL-DatenbankenEinführung in NoSQL-Datenbanken
Einführung in NoSQL-Datenbanken
Tobias Trelle
 
Making the internet faster HTTP/3 und QUIC
Making the internet faster HTTP/3 und QUICMaking the internet faster HTTP/3 und QUIC
Making the internet faster HTTP/3 und QUIC
QAware GmbH
 
Serverless Survival Guide
Serverless Survival GuideServerless Survival Guide
Serverless Survival Guide
OPEN KNOWLEDGE GmbH
 

Was ist angesagt? (20)

Der Status Quo des Chaos Engineerings
Der Status Quo des Chaos EngineeringsDer Status Quo des Chaos Engineerings
Der Status Quo des Chaos Engineerings
 
4×4: Big Data in der Cloud
4×4: Big Data in der Cloud4×4: Big Data in der Cloud
4×4: Big Data in der Cloud
 
Leveraging the Power of Solr with Spark
Leveraging the Power of Solr with SparkLeveraging the Power of Solr with Spark
Leveraging the Power of Solr with Spark
 
Monitoring Openstack - LinuxTag 2013
Monitoring Openstack - LinuxTag 2013Monitoring Openstack - LinuxTag 2013
Monitoring Openstack - LinuxTag 2013
 
CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...
CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...
CodeTalks Vortrag: Automatisierung mit Ansible & Jenkins @ LeanIX Enterprise ...
 
A Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConf
A Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConfA Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConf
A Hitchhiker’s Guide to the Cloud Native Stack. #ContainerConf
 
Java in the Cloud - am Beispiel der Google App Engineg
Java in the Cloud - am Beispiel der Google App EnginegJava in the Cloud - am Beispiel der Google App Engineg
Java in the Cloud - am Beispiel der Google App Engineg
 
Python-Bibliotheken zur Datenvisualisierung
Python-Bibliotheken zur DatenvisualisierungPython-Bibliotheken zur Datenvisualisierung
Python-Bibliotheken zur Datenvisualisierung
 
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
 
Serverless Application Framework
Serverless Application FrameworkServerless Application Framework
Serverless Application Framework
 
Günzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloud
Günzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloudGünzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloud
Günzel/Griesbaum -OpenShift und GitLab: Continuous delivery in der cloud
 
Kubernetes ist so viel mehr als ein Container Orchestrierer
Kubernetes ist so viel mehr als ein Container OrchestriererKubernetes ist so viel mehr als ein Container Orchestrierer
Kubernetes ist so viel mehr als ein Container Orchestrierer
 
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
 
Public Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBBPublic Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBB
 
Cloud Native und Java EE: Freund oder Feind?
Cloud Native und Java EE: Freund oder Feind?Cloud Native und Java EE: Freund oder Feind?
Cloud Native und Java EE: Freund oder Feind?
 
Cloud-Native ohne Vendor Lock-in mit Kubernetes
Cloud-Native ohne Vendor Lock-in mit KubernetesCloud-Native ohne Vendor Lock-in mit Kubernetes
Cloud-Native ohne Vendor Lock-in mit Kubernetes
 
10 Gute Gruende - NetApp DevOps
10 Gute Gruende - NetApp DevOps10 Gute Gruende - NetApp DevOps
10 Gute Gruende - NetApp DevOps
 
Einführung in NoSQL-Datenbanken
Einführung in NoSQL-DatenbankenEinführung in NoSQL-Datenbanken
Einführung in NoSQL-Datenbanken
 
Making the internet faster HTTP/3 und QUIC
Making the internet faster HTTP/3 und QUICMaking the internet faster HTTP/3 und QUIC
Making the internet faster HTTP/3 und QUIC
 
Serverless Survival Guide
Serverless Survival GuideServerless Survival Guide
Serverless Survival Guide
 

Andere mochten auch

SysDig Metriken zentralisieren
SysDig Metriken zentralisierenSysDig Metriken zentralisieren
SysDig Metriken zentralisieren
inovex GmbH
 
Automated Application Management with SaltStack
Automated Application Management with SaltStackAutomated Application Management with SaltStack
Automated Application Management with SaltStack
inovex GmbH
 
Datenprodukte für Deutschlands größten Fahrzeugmarkt
Datenprodukte für Deutschlands größten FahrzeugmarktDatenprodukte für Deutschlands größten Fahrzeugmarkt
Datenprodukte für Deutschlands größten Fahrzeugmarkt
inovex GmbH
 
Microsoft Azure Web apps and Storage services - Azure Boot Camp - Exilesoft
Microsoft Azure Web apps and Storage services -  Azure Boot Camp - ExilesoftMicrosoft Azure Web apps and Storage services -  Azure Boot Camp - Exilesoft
Microsoft Azure Web apps and Storage services - Azure Boot Camp - Exilesoft
Thurupathan Vijayakumar
 
Die dunkle Seite der Microservices - und wie du sie besiegen kannst
Die dunkle Seite der Microservices - und wie du sie besiegen kannst Die dunkle Seite der Microservices - und wie du sie besiegen kannst
Die dunkle Seite der Microservices - und wie du sie besiegen kannst
inovex GmbH
 
Dockerized Microservices
Dockerized MicroservicesDockerized Microservices
Dockerized Microservices
inovex GmbH
 
Microservices under the microscope
Microservices under the microscopeMicroservices under the microscope
Microservices under the microscope
Ross Garrett
 
Microservices, geerdet
Microservices, geerdetMicroservices, geerdet
Microservices, geerdet
inovex GmbH
 
Advanced Cojure Microservices
Advanced Cojure MicroservicesAdvanced Cojure Microservices
Advanced Cojure Microservices
inovex GmbH
 
Continuous Integration for Fun and Profit
Continuous Integration for Fun and ProfitContinuous Integration for Fun and Profit
Continuous Integration for Fun and Profit
inovex GmbH
 
Erfolgsfaktoren von Datenprodukten
Erfolgsfaktoren von DatenproduktenErfolgsfaktoren von Datenprodukten
Erfolgsfaktoren von Datenprodukten
inovex GmbH
 
Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)
Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)
Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)
ACA IT-Solutions
 
Gitlab meets Kubernetes
Gitlab meets KubernetesGitlab meets Kubernetes
Gitlab meets Kubernetes
inovex GmbH
 
Intelligent infrastructure with SaltStack
Intelligent infrastructure with SaltStackIntelligent infrastructure with SaltStack
Intelligent infrastructure with SaltStack
Love Nyberg
 
Test and Protect Your API
Test and Protect Your APITest and Protect Your API
Test and Protect Your API
SmartBear
 
Implementing Continous Deployment
Implementing Continous DeploymentImplementing Continous Deployment
Implementing Continous Deployment
arosien
 
Monitoring with Graylog - a modern approach to monitoring?
Monitoring with Graylog - a modern approach to monitoring?Monitoring with Graylog - a modern approach to monitoring?
Monitoring with Graylog - a modern approach to monitoring?
inovex GmbH
 
Microsoft Azure vs Amazon Web Services (AWS) Services & Feature Mapping
Microsoft Azure vs Amazon Web Services (AWS) Services & Feature MappingMicrosoft Azure vs Amazon Web Services (AWS) Services & Feature Mapping
Microsoft Azure vs Amazon Web Services (AWS) Services & Feature Mapping
Ilyas F ☁☁☁
 

Andere mochten auch (18)

SysDig Metriken zentralisieren
SysDig Metriken zentralisierenSysDig Metriken zentralisieren
SysDig Metriken zentralisieren
 
Automated Application Management with SaltStack
Automated Application Management with SaltStackAutomated Application Management with SaltStack
Automated Application Management with SaltStack
 
Datenprodukte für Deutschlands größten Fahrzeugmarkt
Datenprodukte für Deutschlands größten FahrzeugmarktDatenprodukte für Deutschlands größten Fahrzeugmarkt
Datenprodukte für Deutschlands größten Fahrzeugmarkt
 
Microsoft Azure Web apps and Storage services - Azure Boot Camp - Exilesoft
Microsoft Azure Web apps and Storage services -  Azure Boot Camp - ExilesoftMicrosoft Azure Web apps and Storage services -  Azure Boot Camp - Exilesoft
Microsoft Azure Web apps and Storage services - Azure Boot Camp - Exilesoft
 
Die dunkle Seite der Microservices - und wie du sie besiegen kannst
Die dunkle Seite der Microservices - und wie du sie besiegen kannst Die dunkle Seite der Microservices - und wie du sie besiegen kannst
Die dunkle Seite der Microservices - und wie du sie besiegen kannst
 
Dockerized Microservices
Dockerized MicroservicesDockerized Microservices
Dockerized Microservices
 
Microservices under the microscope
Microservices under the microscopeMicroservices under the microscope
Microservices under the microscope
 
Microservices, geerdet
Microservices, geerdetMicroservices, geerdet
Microservices, geerdet
 
Advanced Cojure Microservices
Advanced Cojure MicroservicesAdvanced Cojure Microservices
Advanced Cojure Microservices
 
Continuous Integration for Fun and Profit
Continuous Integration for Fun and ProfitContinuous Integration for Fun and Profit
Continuous Integration for Fun and Profit
 
Erfolgsfaktoren von Datenprodukten
Erfolgsfaktoren von DatenproduktenErfolgsfaktoren von Datenprodukten
Erfolgsfaktoren von Datenprodukten
 
Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)
Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)
Axway Introduction & Digital Business (by Jo Van Audenhove & Rogier van Boxtel)
 
Gitlab meets Kubernetes
Gitlab meets KubernetesGitlab meets Kubernetes
Gitlab meets Kubernetes
 
Intelligent infrastructure with SaltStack
Intelligent infrastructure with SaltStackIntelligent infrastructure with SaltStack
Intelligent infrastructure with SaltStack
 
Test and Protect Your API
Test and Protect Your APITest and Protect Your API
Test and Protect Your API
 
Implementing Continous Deployment
Implementing Continous DeploymentImplementing Continous Deployment
Implementing Continous Deployment
 
Monitoring with Graylog - a modern approach to monitoring?
Monitoring with Graylog - a modern approach to monitoring?Monitoring with Graylog - a modern approach to monitoring?
Monitoring with Graylog - a modern approach to monitoring?
 
Microsoft Azure vs Amazon Web Services (AWS) Services & Feature Mapping
Microsoft Azure vs Amazon Web Services (AWS) Services & Feature MappingMicrosoft Azure vs Amazon Web Services (AWS) Services & Feature Mapping
Microsoft Azure vs Amazon Web Services (AWS) Services & Feature Mapping
 

Ähnlich wie Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Amazon Web Services und Google Cloud Platform

Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft  Azure | Projekt-ErfahrungenDr. Ingo Laue - Microsoft  Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
CloudCamp Hamburg
 
Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“
Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“
Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“
OPEN KNOWLEDGE GmbH
 
Cloud Computing - Technische Grundlagen, Chancen und Probleme des Trends
Cloud Computing - Technische Grundlagen, Chancen und Probleme des TrendsCloud Computing - Technische Grundlagen, Chancen und Probleme des Trends
Cloud Computing - Technische Grundlagen, Chancen und Probleme des Trends
Michael Xander
 
Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...
Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...
Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...
Univention GmbH
 
Innovationen aus der Cloud ganz einfach nutzen
Innovationen aus der Cloud ganz einfach nutzenInnovationen aus der Cloud ganz einfach nutzen
Innovationen aus der Cloud ganz einfach nutzen
Amazon Web Services
 
Eine Referenzarchitektur für das Digitale Produkt
Eine Referenzarchitektur für das Digitale ProduktEine Referenzarchitektur für das Digitale Produkt
Eine Referenzarchitektur für das Digitale Produkt
Intelliact AG
 
Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft Azure | Projekt-ErfahrungenDr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Symposia Media
 
Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)
AWS Germany
 
Infrastructure Solution Day | Hybrid
Infrastructure Solution Day | HybridInfrastructure Solution Day | Hybrid
Infrastructure Solution Day | Hybrid
Microsoft Österreich
 
Cloud Computing ­- eine Revolution? by Hartmut Streppel
Cloud Computing ­- eine Revolution? by Hartmut StreppelCloud Computing ­- eine Revolution? by Hartmut Streppel
Cloud Computing ­- eine Revolution? by Hartmut Streppel
Medien Meeting Mannheim
 
Modernes Rechenzentrum
Modernes Rechenzentrum Modernes Rechenzentrum
Modernes Rechenzentrum
Microsoft Österreich
 
Webcast: SAP on Azure für den Mittelstand - Erfolgsfaktor Integration
Webcast: SAP on Azure für den Mittelstand - Erfolgsfaktor IntegrationWebcast: SAP on Azure für den Mittelstand - Erfolgsfaktor Integration
Webcast: SAP on Azure für den Mittelstand - Erfolgsfaktor Integration
QUIBIQ Hamburg
 
Steinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen EvolutionSteinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen Evolution
QAware GmbH
 
On the Portability of Applications in Platform as a Service
On the Portability of Applications in Platform as a ServiceOn the Portability of Applications in Platform as a Service
On the Portability of Applications in Platform as a Service
Stefan Kolb
 
Dataservices - Data Processing mit Microservices
Dataservices - Data Processing mit MicroservicesDataservices - Data Processing mit Microservices
Dataservices - Data Processing mit Microservices
QAware GmbH
 
Steinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen EvolutionSteinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen Evolution
QAware GmbH
 
Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...
Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...
Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...
confluent
 
Steinzeit war gestern! Wege der Cloud-nativen Evolution.
Steinzeit war gestern! Wege der Cloud-nativen Evolution.Steinzeit war gestern! Wege der Cloud-nativen Evolution.
Steinzeit war gestern! Wege der Cloud-nativen Evolution.
QAware GmbH
 
Fachvortrag «Cloudifizierung - produktive Nutzung von Public Clouds
Fachvortrag «Cloudifizierung - produktive Nutzung von Public CloudsFachvortrag «Cloudifizierung - produktive Nutzung von Public Clouds
Fachvortrag «Cloudifizierung - produktive Nutzung von Public Clouds
Stefan Regniet
 

Ähnlich wie Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Amazon Web Services und Google Cloud Platform (20)

Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft  Azure | Projekt-ErfahrungenDr. Ingo Laue - Microsoft  Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
 
Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“
Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“
Auf gehts in die Cloud: „Das kann doch nicht so schwer sein!“
 
Cloud Computing - Technische Grundlagen, Chancen und Probleme des Trends
Cloud Computing - Technische Grundlagen, Chancen und Probleme des TrendsCloud Computing - Technische Grundlagen, Chancen und Probleme des Trends
Cloud Computing - Technische Grundlagen, Chancen und Probleme des Trends
 
Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...
Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...
Enterprise-IT in the multi and hybrid cloud area (Steve Janata, COO Crisp-Res...
 
Innovationen aus der Cloud ganz einfach nutzen
Innovationen aus der Cloud ganz einfach nutzenInnovationen aus der Cloud ganz einfach nutzen
Innovationen aus der Cloud ganz einfach nutzen
 
Eine Referenzarchitektur für das Digitale Produkt
Eine Referenzarchitektur für das Digitale ProduktEine Referenzarchitektur für das Digitale Produkt
Eine Referenzarchitektur für das Digitale Produkt
 
Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft Azure | Projekt-ErfahrungenDr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
Dr. Ingo Laue - Microsoft Azure | Projekt-Erfahrungen
 
Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)Big Data Webinar (Deutsch)
Big Data Webinar (Deutsch)
 
Infrastructure Solution Day | Hybrid
Infrastructure Solution Day | HybridInfrastructure Solution Day | Hybrid
Infrastructure Solution Day | Hybrid
 
Cloud Computing ­- eine Revolution? by Hartmut Streppel
Cloud Computing ­- eine Revolution? by Hartmut StreppelCloud Computing ­- eine Revolution? by Hartmut Streppel
Cloud Computing ­- eine Revolution? by Hartmut Streppel
 
Modernes Rechenzentrum
Modernes Rechenzentrum Modernes Rechenzentrum
Modernes Rechenzentrum
 
Webcast: SAP on Azure für den Mittelstand - Erfolgsfaktor Integration
Webcast: SAP on Azure für den Mittelstand - Erfolgsfaktor IntegrationWebcast: SAP on Azure für den Mittelstand - Erfolgsfaktor Integration
Webcast: SAP on Azure für den Mittelstand - Erfolgsfaktor Integration
 
Steinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen EvolutionSteinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen Evolution
 
On the Portability of Applications in Platform as a Service
On the Portability of Applications in Platform as a ServiceOn the Portability of Applications in Platform as a Service
On the Portability of Applications in Platform as a Service
 
Dataservices - Data Processing mit Microservices
Dataservices - Data Processing mit MicroservicesDataservices - Data Processing mit Microservices
Dataservices - Data Processing mit Microservices
 
Steinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen EvolutionSteinzeit war gestern! Wege der cloud-nativen Evolution
Steinzeit war gestern! Wege der cloud-nativen Evolution
 
Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...
Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...
Clash of Cultures: Agile Microservices & Business Intelligence (Frank Schmidt...
 
Cloud Computing
Cloud ComputingCloud Computing
Cloud Computing
 
Steinzeit war gestern! Wege der Cloud-nativen Evolution.
Steinzeit war gestern! Wege der Cloud-nativen Evolution.Steinzeit war gestern! Wege der Cloud-nativen Evolution.
Steinzeit war gestern! Wege der Cloud-nativen Evolution.
 
Fachvortrag «Cloudifizierung - produktive Nutzung von Public Clouds
Fachvortrag «Cloudifizierung - produktive Nutzung von Public CloudsFachvortrag «Cloudifizierung - produktive Nutzung von Public Clouds
Fachvortrag «Cloudifizierung - produktive Nutzung von Public Clouds
 

Mehr von inovex GmbH

lldb – Debugger auf Abwegen
lldb – Debugger auf Abwegenlldb – Debugger auf Abwegen
lldb – Debugger auf Abwegen
inovex GmbH
 
Are you sure about that?! Uncertainty Quantification in AI
Are you sure about that?! Uncertainty Quantification in AIAre you sure about that?! Uncertainty Quantification in AI
Are you sure about that?! Uncertainty Quantification in AI
inovex GmbH
 
Why natural language is next step in the AI evolution
Why natural language is next step in the AI evolutionWhy natural language is next step in the AI evolution
Why natural language is next step in the AI evolution
inovex GmbH
 
WWDC 2019 Recap
WWDC 2019 RecapWWDC 2019 Recap
WWDC 2019 Recap
inovex GmbH
 
Network Policies
Network PoliciesNetwork Policies
Network Policies
inovex GmbH
 
Interpretable Machine Learning
Interpretable Machine LearningInterpretable Machine Learning
Interpretable Machine Learning
inovex GmbH
 
Jenkins X – CI/CD in wolkigen Umgebungen
Jenkins X – CI/CD in wolkigen UmgebungenJenkins X – CI/CD in wolkigen Umgebungen
Jenkins X – CI/CD in wolkigen Umgebungen
inovex GmbH
 
AI auf Edge-Geraeten
AI auf Edge-GeraetenAI auf Edge-Geraeten
AI auf Edge-Geraeten
inovex GmbH
 
Prometheus on Kubernetes
Prometheus on KubernetesPrometheus on Kubernetes
Prometheus on Kubernetes
inovex GmbH
 
Deep Learning for Recommender Systems
Deep Learning for Recommender SystemsDeep Learning for Recommender Systems
Deep Learning for Recommender Systems
inovex GmbH
 
Azure IoT Edge
Azure IoT EdgeAzure IoT Edge
Azure IoT Edge
inovex GmbH
 
Representation Learning von Zeitreihen
Representation Learning von ZeitreihenRepresentation Learning von Zeitreihen
Representation Learning von Zeitreihen
inovex GmbH
 
Talk to me – Chatbots und digitale Assistenten
Talk to me – Chatbots und digitale AssistentenTalk to me – Chatbots und digitale Assistenten
Talk to me – Chatbots und digitale Assistenten
inovex GmbH
 
Künstlich intelligent?
Künstlich intelligent?Künstlich intelligent?
Künstlich intelligent?
inovex GmbH
 
Dev + Ops = Go
Dev + Ops = GoDev + Ops = Go
Dev + Ops = Go
inovex GmbH
 
Das Android Open Source Project
Das Android Open Source ProjectDas Android Open Source Project
Das Android Open Source Project
inovex GmbH
 
Machine Learning Interpretability
Machine Learning InterpretabilityMachine Learning Interpretability
Machine Learning Interpretability
inovex GmbH
 
Performance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use casePerformance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use case
inovex GmbH
 
People & Products – Lessons learned from the daily IT madness
People & Products – Lessons learned from the daily IT madnessPeople & Products – Lessons learned from the daily IT madness
People & Products – Lessons learned from the daily IT madness
inovex GmbH
 
Infrastructure as (real) Code – Manage your K8s resources with Pulumi
Infrastructure as (real) Code – Manage your K8s resources with PulumiInfrastructure as (real) Code – Manage your K8s resources with Pulumi
Infrastructure as (real) Code – Manage your K8s resources with Pulumi
inovex GmbH
 

Mehr von inovex GmbH (20)

lldb – Debugger auf Abwegen
lldb – Debugger auf Abwegenlldb – Debugger auf Abwegen
lldb – Debugger auf Abwegen
 
Are you sure about that?! Uncertainty Quantification in AI
Are you sure about that?! Uncertainty Quantification in AIAre you sure about that?! Uncertainty Quantification in AI
Are you sure about that?! Uncertainty Quantification in AI
 
Why natural language is next step in the AI evolution
Why natural language is next step in the AI evolutionWhy natural language is next step in the AI evolution
Why natural language is next step in the AI evolution
 
WWDC 2019 Recap
WWDC 2019 RecapWWDC 2019 Recap
WWDC 2019 Recap
 
Network Policies
Network PoliciesNetwork Policies
Network Policies
 
Interpretable Machine Learning
Interpretable Machine LearningInterpretable Machine Learning
Interpretable Machine Learning
 
Jenkins X – CI/CD in wolkigen Umgebungen
Jenkins X – CI/CD in wolkigen UmgebungenJenkins X – CI/CD in wolkigen Umgebungen
Jenkins X – CI/CD in wolkigen Umgebungen
 
AI auf Edge-Geraeten
AI auf Edge-GeraetenAI auf Edge-Geraeten
AI auf Edge-Geraeten
 
Prometheus on Kubernetes
Prometheus on KubernetesPrometheus on Kubernetes
Prometheus on Kubernetes
 
Deep Learning for Recommender Systems
Deep Learning for Recommender SystemsDeep Learning for Recommender Systems
Deep Learning for Recommender Systems
 
Azure IoT Edge
Azure IoT EdgeAzure IoT Edge
Azure IoT Edge
 
Representation Learning von Zeitreihen
Representation Learning von ZeitreihenRepresentation Learning von Zeitreihen
Representation Learning von Zeitreihen
 
Talk to me – Chatbots und digitale Assistenten
Talk to me – Chatbots und digitale AssistentenTalk to me – Chatbots und digitale Assistenten
Talk to me – Chatbots und digitale Assistenten
 
Künstlich intelligent?
Künstlich intelligent?Künstlich intelligent?
Künstlich intelligent?
 
Dev + Ops = Go
Dev + Ops = GoDev + Ops = Go
Dev + Ops = Go
 
Das Android Open Source Project
Das Android Open Source ProjectDas Android Open Source Project
Das Android Open Source Project
 
Machine Learning Interpretability
Machine Learning InterpretabilityMachine Learning Interpretability
Machine Learning Interpretability
 
Performance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use casePerformance evaluation of GANs in a semisupervised OCR use case
Performance evaluation of GANs in a semisupervised OCR use case
 
People & Products – Lessons learned from the daily IT madness
People & Products – Lessons learned from the daily IT madnessPeople & Products – Lessons learned from the daily IT madness
People & Products – Lessons learned from the daily IT madness
 
Infrastructure as (real) Code – Manage your K8s resources with Pulumi
Infrastructure as (real) Code – Manage your K8s resources with PulumiInfrastructure as (real) Code – Manage your K8s resources with Pulumi
Infrastructure as (real) Code – Manage your K8s resources with Pulumi
 

Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Amazon Web Services und Google Cloud Platform