Was alternative Datenbanken jenseits von Skalierung bieten. NoSQL Datenbanken bieten sich an, um hochskalierende Anwendungen auf Hunderten von Nodes zu realisieren. Stimmt. Das ist aber nicht alles. Nicht-relationale Datenbanken bieten jenseits von Performanz interessante Features, die man auch in Projekten gebrauchen kann, die nicht die Nutzerzahlen von Twitter und Facebook erreichen. Dieser Vortrag greift Aspekte wie Schemafreiheit, Multi-Model-Datemodellierung und "Database as application server" auf und zeigt, wie man diese sinnvoll in Projekten einsetzen kann und was dabei zu beachten ist.
Domain Driven Design fordert eine gemeinsame Sprache ALLER Beteiligten. Die Datenbank-Verantwortlichen stehen häufig aussen vor, da sie in Relationen und Tupeln denken und somit weit weg sind von den Konstrukten von DDD. Dieser Vortrag zeigt, warum und wie nicht-relationale Datenbanken den Gap schliessen können.
Was alternative Datenbanken jenseits von Skalierung bieten. NoSQL Datenbanken bieten sich an, um hochskalierende Anwendungen auf Hunderten von Nodes zu realisieren. Stimmt. Das ist aber nicht alles. Nicht-relationale Datenbanken bieten jenseits von Performanz interessante Features, die man auch in Projekten gebrauchen kann, die nicht die Nutzerzahlen von Twitter und Facebook erreichen. Dieser Vortrag greift Aspekte wie Schemafreiheit, Multi-Model-Datemodellierung und "Database as application server" auf und zeigt, wie man diese sinnvoll in Projekten einsetzen kann und was dabei zu beachten ist.
Domain Driven Design fordert eine gemeinsame Sprache ALLER Beteiligten. Die Datenbank-Verantwortlichen stehen häufig aussen vor, da sie in Relationen und Tupeln denken und somit weit weg sind von den Konstrukten von DDD. Dieser Vortrag zeigt, warum und wie nicht-relationale Datenbanken den Gap schliessen können.
Testing Java EE Applications Using ArquillianReza Rahman
This session outlines how to effectively test Java EE APIs like JSF, Servlet, CDI, EJB 3, JPA, WebSocket and JAX-RS. Java EE includes a number of new features that enhance testability like generic dependency injection, CDI @Alternative, portable extensions, embedded containers and JSF project stages.
Using these features and best of breed tools like JUnit and Arquillian it is possible to perform unit, integration, system and functional testing for Java EE APIs at all layers of the application. In addition to discussing tools and features, the session will also demonstrate testing techniques like designing for testability, mock objects, isolation and test configuration.
Oracle no sql-doag-datenbank_konferenz_juni_2014Gunther Pippèrr
Oracle NoSQL DOAG Datenbank Konferenz 2014 - Düsseldorf, Dienstag, 03.Juni 2014
Oracle NoSQL - Eine Alternative für die traditionelle Datenbank?
Ein neues Mitglied in der Oracle Datenbank Familien
Nur ein Hype oder die Zukunft? Wird es ein miteinander geben?
Die Oracle NoSQL Datenbank bietet als klassischer Key-Value Store über verteilte Knoten Ausfallsicherheit und Performance für die Verarbeitungen von Massendaten. Im Gegensatz zum Schweizer Taschenmesser für viele Problem, dem Oracle DB RDBMS, ist die Oracle NoSQL mehr ein Präzisionswerkzeug für genau eine gezielte Aufgabe. Um die NoSQL Datenbank im Vergleich zum großen Oracle RDBMS System besser einschätzen zu können, wird der prinzipielle Aufbau der Oracle NoSQL dargestellt um die Vorteile dieser Architektur gegen den traditionellen RDBMS Ansatz aufzuzeigen.
Das NoSQL Konzept und wo kann hier die Oracle NoSQL eingeordnet
Begriff NoSQL kann inzwischen mehr als ein Denkansatz zur Datenverwaltung und Verarbeitung als eine spezielle Technologie definiert werden. Gemeinsam ist den verschiedenen Implementierungen auf dem Markt aber meist der Versuch eine hohe Skalierbarkeit durch massive Parallelisierung über viele Rechnerknoten zu erreichen. Die Oracle NoSQL Datenbank ist dabei ein Vertreter der Key-Value Store Datenbanken. Auf Basis der soliden Berkeley DB Java Edition hat Oracle die bestehenden Replikations- Mechanismen der Berkeley DB optimiert und damit eine neue Datenbank, die Oracle NoSQL entwickelt. Die Oracle NoSQL Datenbank folgt dem aktuellen Trend, moderne Datenbank mehr mit dem CAP / Base Ansatz umzusetzen, als das traditionelle ACID einer Relationale Datenbanken erneut zu implementieren.
JPA – Der Persistenz-Standard in der Java EE und SEhwilming
Die Abbildung relationaler Strukturen einer Datenbank auf die objekt‐orientierte Programmiersprache Java bringt einige Herausforderungen mit sich, bekannt als object-relational impedance mismatch. In Java ermöglicht JDBC zwar die Interaktion mir einer relationalen Datenbank aber nicht die Abbildung der Daten auf Objekte. Die bekannten Produkte wie Hibernate oder EclipseLink widmen sich diesem Problem bereits seit Jahren. Mit JPA hat der Java Community Process einen Standard für Java EE und SE definiert, der ein einheitliches API bietet, welches von den Anbietern unterstützt wird. Der Vortrag zeigt was JPA bietet und welche Vorteile der Standard für die Anwendungsentwicklung mit sich bringt.
Analytics meets Big Data – R/Python auf der Hadoop/Spark-PlattformRising Media Ltd.
Big Data verändert nicht nur die Unternehmens-IT fundamental, sondern auch die Arbeit des Analysten. Die klassischen Analysten sehen sich im Zuge des Wandels zu einer datengetriebenen Unternehmenskultur mit neuen Anforderungen und ungewohnten technologischen Plattformen konfrontiert. Sie müssen als Data Scientist fachliche Fragestellungen unter dem Aspekt der Big Data-Technologien umsetzen, visualisieren und aus den Daten Werte generieren. Anhand eines konkreten Use Cases, der Programmierung eines Recommender-Systems, zeigen wir Ansätze, wie sich die gewohnten Vorgehensweisen und Werkzeuge eines Analysten (namentlich R und Python) mit einer Big Data-Technologie (Spark) kombinieren lassen. Ziel ist es, dem Analysten den Einstieg in die Big Data-Welt zu erleichtern. Wir demonstrieren die Arbeit mit diesem Toolset an anschaulichen Beispielen in einem interaktiven Workshop-Format und laden zur Diskussion und Nachahmung dieser Vorgehensweise ein. Der Workshop richtet sich an Teilnehmer mit Grundkenntnissen aus den Bereichen analytische Methoden und Machine Learning sowie R oder Python. Der Workshop wird auf der Spark-Plattform durchgeführt. Zu Spark werden keine Kenntnisse vorausgesetzt.
Replikation im heterogenen Umfeld mit Oracle GoldenGateIleana Somesan
Replikation mit Oracle GoldenGate im heterogenen Umfeld. Slides von unserer Workshop-Reihe "Oracle GoldenGate-Das Startpaket" (September - Dezember 2013)
BizDataX - Data Masking Solution - Datamasking-ToolDragan Kinkela
Diese Tabelle bietet einen optimalen Überblick über die Unterschiede zwischen dem Einsatz von
Datenbankskripten (z. B. PL/SQL und T-SQL) und der BizDataX-Plattform für die Datenmaskierung.
Während sich die meisten Unternehmen bewusst sind, dass Datenmaskierung bei der Erfüllung der Anforderungen für den Schutz vertraulicher Informationen
hilfreich ist, müssen sie gleichzeitig die Entscheidung treffen, eine Lösung für die Datenmaskierung zu kaufen oder eine eigene Lösung zu entwickeln.
Bei der Entwicklung einer unternehmensinternen Lösung müssen in der Regel Datenbankskripte für die verschiedenen Datenbank-Engines geschrieben
werden. Und auch wenn Skripte auf den ersten Blick eine effiziente Methode für die Datenmaskierung sind, da sie meist von erfahrenen DBAs
geschrieben werden, die für diese Aufgabe nicht extra bezahlt werden müssen, beweist die Erfahrung leider das Gegenteil. Hier finden Sie eine Vergleichstabelle
mit den wichtigsten Unterschieden zwischen Datenbankskripten und der BizDataX-Plattform.
Wie findet man sensitive Daten in der Oracle Datenbank? Das Database Assessment Security Tool (DBSAT 2.0.1) liefert in der Version 2.0.1 eine Antwort darauf. Die Präsentation gibt eine Einführung in DBSAT und zeigt die Verwendung. Am Ende wird noch eine Alternative vorgestellt - Data Masking und Subsetting in Oracle Database Enterprise Manager.
Heterogene Daten(-strukturen) in der Oracle DatenbankUlrike Schwinn
Dies sind die Vortragsslides auf der Oracle Big Date Days 2017 zum Thema heterogene Daten(-strukturen) zugreifen und speichern. Hier findet man beispielsweise Informationen zu External Tables, Large Objects, XMLDB OracleText und JSON in 12.2.
Oracle-DB: Panorama-Sampler - Eigenes Workload Repository für PanoramaPeter Ramm
Panorama-Sampler erlaubt die rückwirkende Bewertung von Betriebszuständen der Oracle-DB durch aktive Aufzeichnung der Historie.
Ähnlich dem AWR der Enterprise Edition werden diverse Aspekte protokolliert, inkl. Session- und SQL-Historie.
Rückwirkende Betrachtungen werden somit möglich ohne Lizenzierung des Diagnostics Pack und damit auch nutzbar für Standard Edition.
BPMN, BPEL oder vielleicht doch Java? Oder auch noch ESB?Guido Schmutz
Have you already asked yourself at the beginning of a SOA or Integration project about the technology you want to use? How and by which protocols do the systems to be integrated communicate? Is it a proprietary protocol or should a standard such as SOAP or RESTful web services be used? What are the disadvantages of one or the other? Is it feasible to implement the integration layer completely in Java or do modern integration platforms such as Oracle Service Bus or Oracle SOA Suite provide the important benefits to get closer to the often proposed IT flexibility and agility? Apart from answering other important questions we will also discuss service categorization and virtualization and present the advantages/disadvantages of a pure and programmatic Java-based approach compared to more declarative approach using languages such as BPEL and/or BPMN.
Testing Java EE Applications Using ArquillianReza Rahman
This session outlines how to effectively test Java EE APIs like JSF, Servlet, CDI, EJB 3, JPA, WebSocket and JAX-RS. Java EE includes a number of new features that enhance testability like generic dependency injection, CDI @Alternative, portable extensions, embedded containers and JSF project stages.
Using these features and best of breed tools like JUnit and Arquillian it is possible to perform unit, integration, system and functional testing for Java EE APIs at all layers of the application. In addition to discussing tools and features, the session will also demonstrate testing techniques like designing for testability, mock objects, isolation and test configuration.
Oracle no sql-doag-datenbank_konferenz_juni_2014Gunther Pippèrr
Oracle NoSQL DOAG Datenbank Konferenz 2014 - Düsseldorf, Dienstag, 03.Juni 2014
Oracle NoSQL - Eine Alternative für die traditionelle Datenbank?
Ein neues Mitglied in der Oracle Datenbank Familien
Nur ein Hype oder die Zukunft? Wird es ein miteinander geben?
Die Oracle NoSQL Datenbank bietet als klassischer Key-Value Store über verteilte Knoten Ausfallsicherheit und Performance für die Verarbeitungen von Massendaten. Im Gegensatz zum Schweizer Taschenmesser für viele Problem, dem Oracle DB RDBMS, ist die Oracle NoSQL mehr ein Präzisionswerkzeug für genau eine gezielte Aufgabe. Um die NoSQL Datenbank im Vergleich zum großen Oracle RDBMS System besser einschätzen zu können, wird der prinzipielle Aufbau der Oracle NoSQL dargestellt um die Vorteile dieser Architektur gegen den traditionellen RDBMS Ansatz aufzuzeigen.
Das NoSQL Konzept und wo kann hier die Oracle NoSQL eingeordnet
Begriff NoSQL kann inzwischen mehr als ein Denkansatz zur Datenverwaltung und Verarbeitung als eine spezielle Technologie definiert werden. Gemeinsam ist den verschiedenen Implementierungen auf dem Markt aber meist der Versuch eine hohe Skalierbarkeit durch massive Parallelisierung über viele Rechnerknoten zu erreichen. Die Oracle NoSQL Datenbank ist dabei ein Vertreter der Key-Value Store Datenbanken. Auf Basis der soliden Berkeley DB Java Edition hat Oracle die bestehenden Replikations- Mechanismen der Berkeley DB optimiert und damit eine neue Datenbank, die Oracle NoSQL entwickelt. Die Oracle NoSQL Datenbank folgt dem aktuellen Trend, moderne Datenbank mehr mit dem CAP / Base Ansatz umzusetzen, als das traditionelle ACID einer Relationale Datenbanken erneut zu implementieren.
JPA – Der Persistenz-Standard in der Java EE und SEhwilming
Die Abbildung relationaler Strukturen einer Datenbank auf die objekt‐orientierte Programmiersprache Java bringt einige Herausforderungen mit sich, bekannt als object-relational impedance mismatch. In Java ermöglicht JDBC zwar die Interaktion mir einer relationalen Datenbank aber nicht die Abbildung der Daten auf Objekte. Die bekannten Produkte wie Hibernate oder EclipseLink widmen sich diesem Problem bereits seit Jahren. Mit JPA hat der Java Community Process einen Standard für Java EE und SE definiert, der ein einheitliches API bietet, welches von den Anbietern unterstützt wird. Der Vortrag zeigt was JPA bietet und welche Vorteile der Standard für die Anwendungsentwicklung mit sich bringt.
Analytics meets Big Data – R/Python auf der Hadoop/Spark-PlattformRising Media Ltd.
Big Data verändert nicht nur die Unternehmens-IT fundamental, sondern auch die Arbeit des Analysten. Die klassischen Analysten sehen sich im Zuge des Wandels zu einer datengetriebenen Unternehmenskultur mit neuen Anforderungen und ungewohnten technologischen Plattformen konfrontiert. Sie müssen als Data Scientist fachliche Fragestellungen unter dem Aspekt der Big Data-Technologien umsetzen, visualisieren und aus den Daten Werte generieren. Anhand eines konkreten Use Cases, der Programmierung eines Recommender-Systems, zeigen wir Ansätze, wie sich die gewohnten Vorgehensweisen und Werkzeuge eines Analysten (namentlich R und Python) mit einer Big Data-Technologie (Spark) kombinieren lassen. Ziel ist es, dem Analysten den Einstieg in die Big Data-Welt zu erleichtern. Wir demonstrieren die Arbeit mit diesem Toolset an anschaulichen Beispielen in einem interaktiven Workshop-Format und laden zur Diskussion und Nachahmung dieser Vorgehensweise ein. Der Workshop richtet sich an Teilnehmer mit Grundkenntnissen aus den Bereichen analytische Methoden und Machine Learning sowie R oder Python. Der Workshop wird auf der Spark-Plattform durchgeführt. Zu Spark werden keine Kenntnisse vorausgesetzt.
Replikation im heterogenen Umfeld mit Oracle GoldenGateIleana Somesan
Replikation mit Oracle GoldenGate im heterogenen Umfeld. Slides von unserer Workshop-Reihe "Oracle GoldenGate-Das Startpaket" (September - Dezember 2013)
BizDataX - Data Masking Solution - Datamasking-ToolDragan Kinkela
Diese Tabelle bietet einen optimalen Überblick über die Unterschiede zwischen dem Einsatz von
Datenbankskripten (z. B. PL/SQL und T-SQL) und der BizDataX-Plattform für die Datenmaskierung.
Während sich die meisten Unternehmen bewusst sind, dass Datenmaskierung bei der Erfüllung der Anforderungen für den Schutz vertraulicher Informationen
hilfreich ist, müssen sie gleichzeitig die Entscheidung treffen, eine Lösung für die Datenmaskierung zu kaufen oder eine eigene Lösung zu entwickeln.
Bei der Entwicklung einer unternehmensinternen Lösung müssen in der Regel Datenbankskripte für die verschiedenen Datenbank-Engines geschrieben
werden. Und auch wenn Skripte auf den ersten Blick eine effiziente Methode für die Datenmaskierung sind, da sie meist von erfahrenen DBAs
geschrieben werden, die für diese Aufgabe nicht extra bezahlt werden müssen, beweist die Erfahrung leider das Gegenteil. Hier finden Sie eine Vergleichstabelle
mit den wichtigsten Unterschieden zwischen Datenbankskripten und der BizDataX-Plattform.
Wie findet man sensitive Daten in der Oracle Datenbank? Das Database Assessment Security Tool (DBSAT 2.0.1) liefert in der Version 2.0.1 eine Antwort darauf. Die Präsentation gibt eine Einführung in DBSAT und zeigt die Verwendung. Am Ende wird noch eine Alternative vorgestellt - Data Masking und Subsetting in Oracle Database Enterprise Manager.
Heterogene Daten(-strukturen) in der Oracle DatenbankUlrike Schwinn
Dies sind die Vortragsslides auf der Oracle Big Date Days 2017 zum Thema heterogene Daten(-strukturen) zugreifen und speichern. Hier findet man beispielsweise Informationen zu External Tables, Large Objects, XMLDB OracleText und JSON in 12.2.
Oracle-DB: Panorama-Sampler - Eigenes Workload Repository für PanoramaPeter Ramm
Panorama-Sampler erlaubt die rückwirkende Bewertung von Betriebszuständen der Oracle-DB durch aktive Aufzeichnung der Historie.
Ähnlich dem AWR der Enterprise Edition werden diverse Aspekte protokolliert, inkl. Session- und SQL-Historie.
Rückwirkende Betrachtungen werden somit möglich ohne Lizenzierung des Diagnostics Pack und damit auch nutzbar für Standard Edition.
BPMN, BPEL oder vielleicht doch Java? Oder auch noch ESB?Guido Schmutz
Have you already asked yourself at the beginning of a SOA or Integration project about the technology you want to use? How and by which protocols do the systems to be integrated communicate? Is it a proprietary protocol or should a standard such as SOAP or RESTful web services be used? What are the disadvantages of one or the other? Is it feasible to implement the integration layer completely in Java or do modern integration platforms such as Oracle Service Bus or Oracle SOA Suite provide the important benefits to get closer to the often proposed IT flexibility and agility? Apart from answering other important questions we will also discuss service categorization and virtualization and present the advantages/disadvantages of a pure and programmatic Java-based approach compared to more declarative approach using languages such as BPEL and/or BPMN.
SAP Datashpere - von Bits und Bites zu Widgets und ChartsIBsolution GmbH
Inhalt:
Die Data Warehouse Cloud ermöglicht es Ihnen die Modellierung der Daten durchzuführen und in Modellen zusammenzuführen. Auf diese Weise können Sie Ihre Daten für das Reporting und den Analysen zur Verfügung stellen.
In diesem Webinar demonstrieren wir Ihnen das Space Management, mit dem die Datenspeicherung und Wartung des Datenmodells erfolgt. Des Weiteren gehen wir auf die Datenintegration mit remote und lokalen Tabellen sowie der BW Bridge ein und erläutern die Implementierung einer Datenzugriffskontrolle (DAC) für das Reporting. Ebenso werden die Highlights und Features der neuen Semantik des Analytical Model (AM) durchleuchtet und über SAC dargestellt.
Zielgruppe:
- Fachbereichs IT
- alle Fachbereiche mit IT Skills
Agenda:
- Space Management
- Datenintegration
- Analytical Model
- Implementierung einer Datenzugriffskontrolle (DAC) für das Reporting
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Instagram: https://www.instagram.com/ibsolution/?hl=de
Das könnte Sie auch interessieren: https://www.ibsolution.com/academy/blog/data-and-analytics/sap-datasphere-die-neue-generation-des-daten-managements
Oracle Private & Public Database-as-a-Serviceoraclebudb
Dieser Foliensatz gibt einen Überblick, welche Möglichkeiten Oracle bietet, "Datenbanken auf Knopfdruck" im Sinne eines Database-as-a-Service (DBaaS) bereitzustellen.
Behandelt werden sowohl die Public Cloud als auch Private Cloud.
Die Datenbank ist nicht immer Schuld - Gründe warum Datenbank-Migration schei...Markus Flechtner
Datenbank-Migrationen und -Upgrades scheitern oft nicht an Fehlern in der Datenbank-Software oder in den jeweiligen Prozeduren. Oft sind es (vemeintlich) kleinere Dinge wie veraltete Clients oder fehlende Netzwerk-Anpassungen, die eine Migration zum Scheitern bringen. Der Vortrag bringt Beispiele und Tipps zur Vermeidung.
Java Code Quality: Gute Software braucht guten Code - Regeln für verständlich...GFU Cyrus AG
Kurzbeschreibung
Softwarequalität ist keine Spracheigenschaft. In jeder noch so guten Programmiersprache kann man schlechte Programme schreiben – sogar in Java. Herr Seekamp, Senior Consultant bei der GEDOPLAN GmbH, macht in diesem Vortrag anhand von Fallbeispielen aus seinen Projekten deutlich, was verständlichen und wartbaren Code ausmacht, welche Regeln man dafür beherzigen sollte und welche Analysewerkzeuge dabei unterstützen können.
Inhalt
Regeln für guten Java-Code
Statische Code-Analyse
Refactoring
Werkzeuge zur Sicherung der Qualität
Ähnlich wie Einführung in nosql // ArangoDB mit Symfony 2 (20)
ATO 2022 - Machine Learning + Graph Databases for Better Recommendations (3)....ArangoDB Database
Note: You have to download the slides and use either powerpoint or google slides to make the links clickable.
ATO 2022 - Machine Learning + Graph Databases for Better Recommendations (3).pptx
Note: You have to download the slides and use either powerpoint or google slides to make the links clickable.
Machine Learning + Graph Databases for Better Recommendations
Presented by Chris Woodward
Note: You have to download the slides and use either powerpoint or google slides to make the links clickable.
Machine Learning + Graph Databases for Better Recommendations
Presented by Chris Woodward
The ArangoML Group had a detailed discussion on the topic "GraphSage Vs PinSage" where they shared their thoughts on the difference between the working principles of two popular Graph ML algorithms. The following slidedeck is an accumulation of their thoughts about the comparison between the two algorithms.
Webinar: ArangoDB 3.8 Preview - Analytics at Scale ArangoDB Database
The ArangoDB community and team are proud to preview the next version of ArangoDB, an open-source, highly scalable graph database with multi-model capabilities. Join our CTO, Jörg Schad, Ph.D. and Developer Relation Engineer Chris Woodward in this webinar to learn more about ArangoDB 3.8 and the roadmap for upcoming releases.
These are the slides from the Getting Started with ArangoDB Oasis webinar: https://www.arangodb.com/events/getting-started-with-arangodb-oasis/
Get your own Oasis with a free 14-day trial (no credit card required) at https://cloud.arangodb.com/home.
These are the slides to the webinar about Custom Pregel algorithms in ArangoDB https://youtu.be/DWJ-nWUxsO8. It provides a brief introduction to the capabilities and use cases for Pregel.
Hacktoberfest 2020 'Intro to Knowledge Graph' with Chris Woodward of ArangoDB and reKnowledge. Accompanying video is available here: https://youtu.be/ZZt6xBmltz4
A Graph Database That Scales - ArangoDB 3.7 Release WebinarArangoDB Database
örg Schad (Head of Engineering and ML) and Chris Woodward (Developer Relations Engineer) introduce the new capabilities to work with graph in a distributed setting. In addition explain and showcase the new fuzzy search within ArangoDB's search engine as well as JSON schema validation.
Get started with ArangoDB: https://www.arangodb.com/arangodb-tra...
Explore ArangoDB Cloud for free with 1-click demos: https://cloud.arangodb.com/home
ArangoDB is a native multi-model database written in C++ supporting graph, document and key/value needs with one engine and one query language. Fulltext search and ranking is supported via ArangoSearch the fully integrated C++ based search engine in ArangoDB.
gVisor, Kata Containers, Firecracker, Docker: Who is Who in the Container Space?ArangoDB Database
View the video of this webinar here: https://www.arangodb.com/arangodb-events/gvisor-kata-containers-firecracker-docker/
Containers* have revolutionized the IT landscape and for a long time. Docker seemed to be the default whenever people were talking about containerization technologies**. But traditional container technologies might not be suitable if strong isolation guarantees are required. So recently new technologies such as gVisor, Kata Container, or firecracker have been introduced to close the gap between the strong isolation of virtual machines and the small resource footprint of containers.
In this talk, we will provide an overview of the different containerization technologies, discuss their tradeoffs, and provide guidance for different use cases.
* We will define the term container in more detailed during the talk
** and yes we will also cover some of the pre-docker container space!
We all know good training data is crucial for data scientists to build quality machine learning models. But when productionizing Machine Learning, Metadata is equally important. Consider for example:
- Provenance of model allowing for reproducible builds
- Context to comply with GDPR, CCPA requirements
- Identifying data shift in your production data
This is the reason we built ArangoML Pipeline, a flexible Metadata store which can be used with your existing ML Pipeline.
Today we are happy to announce a release of ArangoML Pipeline Cloud. Now you can start using ArangoML Pipeline without having to even start a separate docker container.
In this webinar, we will show how to leverage ArangoML Pipeline Cloud with your Machine Learning Pipeline by using an example notebook from the TensorFlow tutorial.
Find the video here: https://www.arangodb.com/arangodb-events/arangoml-pipeline-cloud/
Find the recording of this webinar here: https://www.arangodb.com/arangodb-events/3-7-roadmap-performance-at-scale/
After the release of ArangoDB 3.6 we are starting to work on the next version with even more exciting features. As an open-source project we would love to hear your ideas and discuss the roadmap with our community.
Would you like to learn more about Satellite Graphs, Schema Validation, a number of performance and security improvements?
Than join Jörg Schad, Head of Engineering and Machine Learning at ArangoDB, who will share the latest plans for the upcoming ArangoDB 3.7 release as well as the long term roadmap.
The long-awaited Managed Service for ArangoDB is finally here! Users have a fully managed document, graph, and key/value store, plus a search engine, in one place. As we thought of such a powerful service — something that gives you room to breathe, relax, and having someone else taking care of everything —, we called it Oasis.
In this live webinar, Ewout Prangsma, Architect & Teamlead of ArangoDB Oasis, walks you through all the main capabilities of the new service, including high availability, elastic scalability, enterprise-grade security, and also demo the different deployment modes you have at your fingertips.
Before the Q&A part, Ewout also shares what you will be capable of in the future.
The new ArangoDB 3.5 release is here and includes a number of minor and major new features. For example, the ability to perform distributed JOIN operations with SmartJoins, new text search features in ArangoSearch, new consistent backup mechanism, and extended graph database features including k-shortest path queries and the new PRUNE keyword for more efficient queries. Jörg Schad, our Head of Engineering and Machine Learning, will discuss these new features and provide a hands-on demo on how to leverage them for your use case.
Associated webinar recording: https://youtu.be/sTWVmw4GT9A
The new ArangoDB 3.5 release is here and includes a number of minor and major new features. For example, the ability to perform distributed JOIN operations with SmartJoins, new text search features in ArangoSearch, new consistent backup mechanism, and extended graph database features including k-shortest path queries and the new PRUNE keyword for more efficient queries. Jörg Schad, our Head of Engineering and Machine Learning, will discuss these new features and provide a hands-on demo on how to leverage them for your use case.
These are the slides from the webinar, where Chris & Jan walked through the basic concepts, key features and query options you have within ArangoDB as well as discuss scalability considerations for different data models. Chris is the hands-on guy and will showcase a variety of query options you have with a native multi-model database like ArangoDB
In these slides, Jan Steemann, core member of the ArangoDB project, introduced to the idea of native multi-model databases and how this approach can provide much more flexibility for developers, software architects & data scientists.
Running complex data queries in a distributed systemArangoDB Database
With the always-growing amount of data, it is getting increasingly hard to store and get it back efficiently. While the first versions of distributed databases have put all the burden of sharding on the application code, there are now some smarter solutions that handle most of the data distribution and resilience tasks inside the database.
This poses some interesting questions, e.g.
- how are other than by-primary-key queries actually organized and executed in a distributed system, so that they can run most efficiently?
- how do the contemporary distributed databases actually achieve transactional semantics for non-trivial operations that affect different shards/servers?
This talk will give an overview of these challenges and the available solutions that some open source distributed databases have picked to solve them.
63. +
Data model
{
"genre": "sci-fi",
"title": "Star wars",
"topics":
["spaceship",
"laser-games",
“romance“]
}
Relational model
Aggregate model
- nested structure
- redundancy = ok
- ! joins
64. +
Scope of the PHP driver
n Driver wraps around the HTTP interface
n Access
n Documents
n Collections
n Graphs
n Transactions
n „Advanced“ queries using AQL (ArangoDB‘s query language similar
to SQL, but also handling graphs, lists...)
n maps JSON documents to extendable PHP objects
n nested structures are mapped to arrays
n access document properties via get(attributename)
65. +List example: controller
// src/Triagens/ArangodbBundle/Controller/DefaultController.php
use triagensArangoDbDocument;
use triagensArangoDbCollectionHandler as
CollectionHandler;
public function listAction($genre) {
$connection = $this-
>get('mop_arangodb.default_connection');
$collectionHandler = new CollectionHandler($connection);
$movie = new Document();
66. +
List example: view
// src/Triagens/ArangodbBundle/Resources/views/list.html.twig
{% if movies|length > 0 %}
{% for movie in movies %}
<h1>{{movie.get("title")}}</h1>
{% for topic in movie.get("topics") %}
- {{topic}} <br>
{% endfor %}
{% endfor %}
{% else %}
No movies found.
{% endif %}