SlideShare ist ein Scribd-Unternehmen logo
DynamoDB- NoSQL as a Service
Steffen Krause
Technology Evangelist
@AWS_Aktuell
skrause@amazon.de
Überblick

1. Erste Schritte
2. Datenmodellierung

3. Partitionierung
4. Reporting & Analytics
1

Erste Schritte
Globale Infrastruktur
Region
Eine unabhängige Menge von AWS Ressourcen in einem
definierten geografischen Gebiet
Eine solide Basis, um ortsabhängigen Privacy- und
Compliance-Anforderungen zu genügen

Availability Zone
Deployment & Administration

Entworfen als unabhängige Verfügbarkeitszone
Physisch getrennt innerhalb eines geografischen
Gebiets

App Services
Comput
e

Storage

Databas
e

Edge Location
Für die Auslieferung von Inhalten mit geringer Latenz

Networking

Globales Netzwerk von Edge Locations
Bietet globale DNS Infrastruktur (Route53) und CloudFront

AWS Global Infrastructure

Content Delivery Network
Datenbank
Relational Database Service (RDS)
Database-as-a-Service
Datenbank-Instanzen ohne Installation und Administration
Skalierbare und fehlertolerante Konfigurationen

DynamoDB
NoSQL Datenbank mit provisioniertem Durchsatz
Hohe, vorhersagbare Performance

Deployment & Administration
App Services
Compute

Storage

Vollständig verteilte, fehlertolerante Architektur

SimpleDB
Database

Networking

Redshift
Data Warehouse Dienst bis in den Petabyte-Bereich
Kostengünstig, vollständig verwaltet

AWS Global Infrastructure

Einfache Anbindung an BI Lösungen
DynamoDB ist ein verwalteter
NoSQL Datenbankdienst
Speichern und Lesen von beliebigen Datenmengen
Beliebige Anzahl Abfragen
Ohne die administrative Last
Konsistente, vorhersagbare
Performance.
Latenz im einstelligen Millisekundenbereich

Auf SSDs gespeichert
Flexibles Datenmodell
Key/Attribut Paare. Kein Schema erforderlich
Leicht zu erstellen. Leicht anzupassen
Umfassende Skalierbarkeit
Keine Größenbeschränkung für Tabellen.
Unbegrenzter Speicherplatz
Keine Downtime.
Dauerhaft
Konsistentes Schreiben direkt auf Festplatte
Replikation in mehrere Data Center und Availability Zones
Sie können sich auf
Ihre Anwendung konzentrieren
Zwei Entscheidungen + drei Klicks
= bereit zur Verwendung
Provisionierter Durchsatz
Primärschlüssel

Zwei Entscheidungen + drei Klicks
= bereit zur Verwendung
Provisionierter Durchsatz
Primärschlüssel

Zwei Entscheidungen + drei Klicks
= bereit zur Verwendung
Provisionierter Durchsatz
Reservierte IOPS für Lesen und Schreiben
Jederzeit nach oben und unten skalierbar
Bezahlt nach Capacity Unit.
Preise pro Stunde provisionierter Durchsatz
Berechnet in Capacity Units
(bis zu 4kB Lesen oder 1kB Schreiben)
Schreib-Durchsatz
Größe der Elemente x Schreibvorgänge pro Sekunde
US $ 0,0065 für 10 Write Units (US-East-1)
Konsistentes Schreiben
Atomare Inkrement und Dekrement Operationen
Optimistische Parallelität: Bedingte Schreiboperationen
Transaktionen
Nur Transaktionen auf Elementebene
Puts, Updates und Deletes sind ACID.
Transaktionen über mehrere Schritte in Java Bibliothek
Strong oder Eventual Consistency

Lese-Durchsatz
Strong oder Eventual Consistency

Lese-Durchsatz
Größe der Elemente x Lesevorgänge pro Sekunde
US$ 0,0065 pro Stunde für 50 Units (US-EAST-1)
Strong oder Eventual Consistency

Lese-Durchsatz
Größe der Elemente x Lesevorgänge pro Sekunde
2
US$ 0,0065 pro Stunde für 100 Units (US-EAST-1)
Strong oder Eventual Consistency

Lese-Durchsatz

Dieselbe Latenz
Verwendung nach Bedarf zur Lese-Zeit
Der provisionierte Durchsatz wird von
DynamoDB verwaltet
Daten werden von DynamoDB
partitioniert und verwaltet
Reservierte Kapazität

Einsparung bis 53% bei 1 Jahr Reservierung
Einsparung bis 76% bei 3 Jahren Reservierung
Indizierter Speicherplatz

US$ 0,25 pro GB pro Monat (US-EAST-1)
Datentransfer out wie üblich:
aws.amazon.com/dynamodb/pricing
Authentifizierung.
Auf Session-Basis zur Minimierung der Latenz.
Verwendet den Amazon Security Token Service.
Durch AWS SDKs behandelt.
Integration mit IAM.
Element/Attribut-Berechtigungen möglich.
Monitoring.
CloudWatch Metriken:
Latenz, Verwendeter Lese- und Schreibdurchsatz,
Fehler, Drosselung,...
Bibliotheken, Wrapper, APIs
ColdFusion, Django, Erlang, Java, .Net,
Node.js, Perl, PHP, Python, Ruby...
http://j.mp/dynamodb-libs
DEMO
2

Datenmodellierung
id = 100

date = 2012-05-1609-00-10

total = 25.00

id = 101

date = 2012-05-1515-00-11

total = 35.00

id = 101

date = 2012-05-1612-00-10

total = 100.00
Tabelle

id = 100

date = 2012-05-1609-00-10

total = 25.00

id = 101

date = 2012-05-1515-00-11

total = 35.00

id = 101

date = 2012-05-1612-00-10

total = 100.00
id = 100

date = 2012-05-1609-00-10

total = 25.00
Element (Item)

id = 101

date = 2012-05-1515-00-11

total = 35.00

id = 101

date = 2012-05-1612-00-10

total = 100.00
id = 100

date = 2012-05-1609-00-10

total = 25.00
Attribut

id = 101

date = 2012-05-1515-00-11

total = 35.00

id = 101

date = 2012-05-1612-00-10

total = 100.00
Wo ist das Schema?
Tabellen benötigen kein formales Schema

Elemente sind Hashes beliebiger Größe
Sekundäre Indizes legen teilweise Schema fest
Indexe

Elemente werden über primäre und sekundäre Schlüssel indiziert

Primäre Schlüssel können zusammengesetzt werden
Sekundäre Schlüssel sind lokal oder global
ID

Date

Total

id = 100

date = 2012-05-16-09-00-10

total = 25.00

id = 101

date = 2012-05-15-15-00-11

total = 35.00

id = 101

date = 2012-05-16-12-00-10

total = 100.00

id = 102

date = 2012-03-20-18-23-10

total = 20.00

id = 102

date = 2012-03-20-18-23-10

total = 120.00
Hash key

ID

Date

Total

id = 100

date = 2012-05-16-09-00-10

total = 25.00

id = 101

date = 2012-05-15-15-00-11

total = 35.00

id = 101

date = 2012-05-16-12-00-10

total = 100.00

id = 102

date = 2012-03-20-18-23-10

total = 20.00

id = 102

date = 2012-03-20-18-23-10

total = 120.00
Hash key

ID

Range key

Date

Total

Zusammengesetzter Primärschlüssel

id = 100

date = 2012-05-16-09-00-10

total = 25.00

id = 101

date = 2012-05-15-15-00-11

total = 35.00

id = 101

date = 2012-05-16-12-00-10

total = 100.00

id = 102

date = 2012-03-20-18-23-10

total = 20.00

id = 102

date = 2012-03-20-18-23-10

total = 120.00
Hash key

ID

Range key

Date

Sekundärer range key

Total

id = 100

date = 2012-05-16-09-00-10

total = 25.00

id = 101

date = 2012-05-15-15-00-11

total = 35.00

id = 101

date = 2012-05-16-12-00-10

total = 100.00

id = 102

date = 2012-03-20-18-23-10

total = 20.00

id = 102

date = 2012-03-20-18-23-10

total = 120.00
Sekundärer Hash key

ID

Date

Sekundärer Range Key

Total

Neu
id = 100

date = 2012-05-16-09-00-10

total = 25.00

id = 101

date = 2012-05-15-15-00-11

total = 35.00

id = 101

date = 2012-05-16-12-00-10

total = 100.00

id = 102

date = 2012-03-20-18-23-10

total = 20.00

id = 102

date = 2012-03-20-18-23-10

total = 120.00
Programmierung von DynamoDB.
Kleines aber wohlgeformtes API
CreateTable

PutItem

UpdateTable

GetItem

DeleteTable

DescribeTable
ListTables
Query

Scan

UpdateItem

DeleteItem
BatchGetItem
BatchWriteItem
CreateTable

PutItem

UpdateTable

GetItem

DeleteTable

DescribeTable
ListTables
Query

Scan

UpdateItem

DeleteItem
BatchGetItem
BatchWriteItem
CreateTable

PutItem

UpdateTable

GetItem

DeleteTable

DescribeTable
ListTables
Query

Scan

UpdateItem

DeleteItem
BatchGetItem
BatchWriteItem
dynamoDB = new AmazonDynamoDBClient(new ClasspathPropertiesFileCredentialsProvider());
dynamoDB.setEndpoint("https://dynamodb.eu-west-1.amazonaws.com");

CreateTableRequest createTableRequest = new CreateTableRequest().withTableName(tableName)
.withKeySchema(new KeySchema(new KeySchemaElement().withAttributeName("name").withAttributeType("S")))
.withProvisionedThroughput(new ProvisionedThroughput().withReadCapacityUnits(10L).withWriteCapacityUnits(10L));
TableDescription createdTableDescription = dynamoDB.createTable(createTableRequest).getTableDescription();

//Wait for table to become available
DescribeTableRequest describeTableRequest = new DescribeTableRequest().withTableName(tableName);
TableDescription tableDescription = dynamoDB.describeTable(describeTableRequest).getTable();

Map<String, AttributeValue> item = newItem("Bill & Ted's Excellent Adventure", 1989, "****", "James", "Sara");
PutItemRequest putItemRequest = new PutItemRequest(tableName, item);
PutItemResult putItemResult = dynamoDB.putItem(putItemRequest);

HashMap<String, Condition> scanFilter = new HashMap<String, Condition>();
Condition condition = new Condition()
.withComparisonOperator(ComparisonOperator.GT.toString())
.withAttributeValueList(new AttributeValue().withN("1985"));
scanFilter.put("year", condition);
ScanRequest scanRequest = new ScanRequest(tableName).withScanFilter(scanFilter);

ScanResult scanResult = dynamoDB.scan(scanRequest);
Bedingte Updates.
PutItem, UpdateItem, DeleteItem
können optionale Bedingung enthalten.
UpdateItem ermöglicht atomare Inkrements/Dekrements
Ein API Aufruf, mehrere Elemente
BatchGet gibt mehrere Elemente nach Schlüssel zurück

BatchWrite führt bis zu 25 Put oder Delete Operationen aus
Durchsatz wird nach IOs berechnet, nicht nach API Aufrufen
CreateTable

PutItem

UpdateTable

GetItem

DeleteTable

DescribeTable
ListTables
Query

Scan

UpdateItem

DeleteItem
BatchGetItem
BatchWriteItem
Query kontra Scan
Query für Composite Key Abfragen
Scan für Full Table Scans, Exports.

Beide unterstützen Seiten und Begrenzungen.
Maximale Antwortgröße ist 1 MB
Abfragemuster
Alle Elemente nach Hash Key.
Range key Bedingungen:
==, <, >, >=, <=, begins with, between.

Count, Top und Bottom n Werte
Seitenweise Ergebnisse
BEISPIEL 1:

Beziehungen modellieren
Spieler
user_id =
mza

location =
Cambridge

joined =
2011-07-04

user_id =
jeffbarr

location =
Seattle

joined =
2012-01-20

user_id =
werner

location =
Worldwide

joined =
2011-05-15
Spieler
user_id =
mza

location =
Cambridge

joined =
2011-07-04

user_id =
jeffbarr

location =
Seattle

joined =
2012-01-20

user_id =
werner

location =
Worldwide

joined =
2011-05-15

user_id =
mza

game =
angry-birds

score =
11,000

user_id =
mza

game =
tetris

score =
1,223,000

user_id =
werner

location =
bejewelled

score =
55,000

Ergebnisse
Spieler
user_id =
mza

location =
Cambridge

joined =
2011-07-04

user_id =
jeffbarr

location =
Seattle

joined =
2012-01-20

user_id =
werner

location =
Worldwide

joined =
2011-05-15

Bestenliste

Ergebnisse
user_id =
mza

game =
angry-birds

score =
11,000

game =
angry-birds

score =
11,000

user_id =
mza

user_id =
mza

game =
tetris

score =
1,223,000

game =
tetris

score =
1,223,000

user_id =
mza

user_id =
werner

location =
bejewelled

score =
55,000

game =
tetris

score =
9,000,000

user_id =
jeffbarr
Spieler
user_id =
mza

location =
Cambridge

joined =
2011-07-04

user_id =
jeffbarr

location =
Seattle

joined =
2012-01-20

user_id =
werner

location =
Worldwide

joined =
2011-05-15

Abfrage: Ergebnisse
nach Spielern

Bestenliste

Ergebnisse
user_id =
mza

game =
angry-birds

score =
11,000

game =
angry-birds

score =
11,000

user_id =
mza

user_id =
mza

game =
tetris

score =
1,223,000

game =
tetris

score =
1,223,000

user_id =
mza

user_id =
werner

location =
bejewelled

score =
55,000

game =
tetris

score =
9,000,000

user_id =
jeffbarr
Spieler
user_id =
mza

location =
Cambridge

joined =
2011-07-04

user_id =
jeffbarr

location =
Seattle

joined =
2012-01-20

user_id =
werner

location =
Worldwide

joined =
2011-05-15

Bestenliste pro Spiel
Alternativ: Globaler sekundärer Index
mit projizierten Attributen

Bestenliste

Ergebnisse
user_id =
mza

game =
angry-birds

score =
11,000

game =
angry-birds

score =
11,000

user_id =
mza

user_id =
mza

game =
tetris

score =
1,223,000

game =
tetris

score =
1,223,000

user_id =
mza

user_id =
werner

location =
bejewelled

score =
55,000

game =
tetris

score =
9,000,000

user_id =
jeffbarr
BEISPIEL 2:

Speicherung von großen Elementen
Unbegrenzter Speicherplatz
Unbegrenzte Attribute pro Element
Unbegrenzte Elemente pro Tabelle
Maximal 64k pro Element
Aufteilen auf mehrere Elemente

message_id = 1

part = 1

message =
<first 64k>

message_id = 1

part = 2

message =
<second 64k>

message_id = 1

part = 3

joined =
<third 64k>
Speichern eines Pointers in S3

message_id = 1

message =
http://s3.amazonaws.com...

message_id = 2

message =
http://s3.amazonaws.com...

message_id = 3

message =
http://s3.amazonaws.com...
EXAMPLE 3:

Zeitreihen-Daten
Heiße und kalte Tabellen
April
event_id =
1000

timestamp =
2013-04-16-09-59-01

key =
value

event_id =
1001

timestamp =
2013-04-16-09-59-02

key =
value

event_id =
1002

timestamp =
2013-04-16-09-59-02

key =
value

event_id =
1000

timestamp =
2013-03-01-09-59-01

key =
value

event_id =
1001

timestamp =
2013-03-01-09-59-02

key =
value

event_id =

timestamp =

key =

März
Dezember

Januar

Februar

März

April
Daten-Archivierung
Alte Daten nach S3: niedrigere Kosten
Verfügbar für Analysen
Abfragen über heiße und kalte Daten
mit Elastic MapReduce.
3

Partitionierung
Einheitliche Workload.
Daten in mehreren Partitionen
Daten hauptsächlich über Primärschlüssel verteilt

Provisionierter Durchsatz gleichmäßig über Partitionen verteilt
Um den vollen provisionierten Durchsatz zu
nutzen muss die Workload gleichmäßig auf die
Hash Keys verteilt sein
Ungleichmäßig verteilte Workloads
Können auch bei hohem provisionierten Durchsatz
gedrosselt werden
BEST PRACTICE 1:

Unterschiedliche Werte für Hash Keys
Hash Keys sollten eine große Zahl
unterschiedlicher Werte haben
Viele Benutzer mit eindeutiger user_id.
Workload gut verteilt über Hash Keys
user_id =
mza

first_name =
Matt

last_name =
Wood

user_id =
jeffbarr

first_name =
Jeff

last_name =
Barr

user_id =
werner

first_name =
Werner

last_name =
Vogels

user_id =
simone

first_name =
Simone

last_name =
Brunozzi

...

...

...
BEST PRACTICE 2:

Vermeide begrenzte Hash Key Werte
Hash Keys sollten eine große Zahl
unterschiedlicher Werte haben
Geringe Anzahl Status Codes
Ungleichmäßig verteilte Schlüsselwerte
status =
200

date =
2012-04-01-00-00-01

status =
404

date =
2012-04-01-00-00-01

status
404

date =
2012-04-01-00-00-01

status =
404

date =
2012-04-01-00-00-01
BEST PRACTICE 3:

Modell für gleichmäßige Verteilung
Zugriff nach Hash Key Wert sollte gleichmäßig verteilt sein
Große Anzahl Geräte.
Wenige Geräte sind sehr populär, viele sind es nicht
Ungleichmäßig verteilte Workload
mobile_id =
100

access_date =
2012-04-01-00-00-01

mobile_id =
100

access_date =
2012-04-01-00-00-02

mobile_id =
100

access_date =
2012-04-01-00-00-03

mobile_id =
100

access_date =
2012-04-01-00-00-04

...

...
Beispiel-Zugriffsmuster
Workload nach Hash Key
mobile_id =
100.1

access_date =
2012-04-01-00-00-01

mobile_id =
100.2

access_date =
2012-04-01-00-00-02

mobile_id =
100.3

access_date =
2012-04-01-00-00-03

mobile_id =
100.4

access_date =
2012-04-01-00-00-04

...

...
BEST PRACTICE 4:

Vermeide heiße Hash Keys
Keine streng monoton steigende Folge von Hash Keys
Aufsteigende Datums/Zeitwerte sind schlechte Hash Keys
Wenn Datum/Zeit,
dann mit niedrigstem Feld (z.B. Sekunde) beginnen
4

Reporting & Analytics
Skalierbarer Zugriff

Skalierbare Datenanalyse
Skalierbares Backup
Amazon Elastic MapReduce.
Verwalteter Hadoop-Dienst für
datenintensive Workloads
aws.amazon.com/emr
create external table items_db
(id string, votes bigint, views bigint) stored by
'org.apache.hadoop.hive.dynamodb.DynamoDBStorageHandler'
tblproperties
("dynamodb.table.name" = "items",
"dynamodb.column.mapping" =
"id:id,votes:votes,views:views");
select id, likes, views
from items_db
order by views desc;
Zusammenfassung

1. Erste Schritte
2. Datenmodellierung

3. Partitionierung
4. Replikation & Analytics
Free tier.
aws.amazon.com/dynamodb
Danke!
skrause@amazon.de
@AWS_Aktuell
Ressourcen
Getting Started Guide:
http://docs.aws.amazon.com/amazondynamodb/latest/developerguide/Getti
ngStartedDynamoDB.html
http://aws.amazon.com/de
Beginnen Sie mit dem Free Tier:
http://aws.amazon.com/de/free/
Twitter: @AWS_Aktuell
Facebook: http://www.facebook.com/awsaktuell
Webinare: http://aws.amazon.com/de/about-aws/events/
Slides: http://de.slideshare.net/AWSAktuell/
Youtube: http://www.youtube.com/awsaktuell

Weitere ähnliche Inhalte

Andere mochten auch

Clases de testamentos
Clases de testamentosClases de testamentos
Clases de testamentos
Alex Castaño
 
Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte.
Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte. Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte.
Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte.
ikamed
 
Midete
MideteMidete
Midete
RedesCemefi
 
Asexoria
AsexoriaAsexoria
Asexoria
RedesCemefi
 
3 tejidoconectivo-100312100849-phpapp02
3 tejidoconectivo-100312100849-phpapp023 tejidoconectivo-100312100849-phpapp02
3 tejidoconectivo-100312100849-phpapp02
Ana Cecilia Garcia
 
Zalando und AWS: Security First in der Public Cloud
Zalando und AWS: Security First in der Public Cloud Zalando und AWS: Security First in der Public Cloud
Zalando und AWS: Security First in der Public Cloud
AWS Germany
 
Die Jute Bonustasche
Die Jute BonustascheDie Jute Bonustasche
Die Jute Bonustasche
livingResponsible
 
LAYOUT:Principios de composición digital
LAYOUT:Principios  de  composición  digitalLAYOUT:Principios  de  composición  digital
LAYOUT:Principios de composición digital
Juan Perez
 
1er Foro RAM: Derecho a la Consulta
1er Foro RAM: Derecho a la Consulta1er Foro RAM: Derecho a la Consulta
1er Foro RAM: Derecho a la Consulta
RedesCemefi
 
Ent2541
Ent2541Ent2541
Spruchverfahren aktuell (SpruchZ) Nr. 9/2015
Spruchverfahren aktuell (SpruchZ) Nr. 9/2015Spruchverfahren aktuell (SpruchZ) Nr. 9/2015
Spruchverfahren aktuell (SpruchZ) Nr. 9/2015
SpruchZ
 
Klöckner & Co - DSW Anlegerforum 2011
Klöckner & Co - DSW Anlegerforum 2011Klöckner & Co - DSW Anlegerforum 2011
Klöckner & Co - DSW Anlegerforum 2011
Klöckner & Co SE
 
Amepar
AmeparAmepar
Amepar
RedesCemefi
 
Fundación Jesus García
Fundación Jesus GarcíaFundación Jesus García
Fundación Jesus García
RedesCemefi
 
Story board
Story boardStory board
Story board
Luis_Jurado_FL
 
Spruchverfahren aktuell (SpruchZ) Nr. 4/2013
Spruchverfahren aktuell (SpruchZ) Nr. 4/2013Spruchverfahren aktuell (SpruchZ) Nr. 4/2013
Spruchverfahren aktuell (SpruchZ) Nr. 4/2013
SpruchZ
 
Genesis
GenesisGenesis
Genesis
yudysolanyi
 
El medio y medio
El medio y medioEl medio y medio
El medio y medio
Natalia Martinez
 

Andere mochten auch (20)

Clases de testamentos
Clases de testamentosClases de testamentos
Clases de testamentos
 
Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte.
Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte. Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte.
Weihnachten 2012: Eine wunderbare Weihnachtsgeschichte.
 
Midete
MideteMidete
Midete
 
Asexoria
AsexoriaAsexoria
Asexoria
 
3 tejidoconectivo-100312100849-phpapp02
3 tejidoconectivo-100312100849-phpapp023 tejidoconectivo-100312100849-phpapp02
3 tejidoconectivo-100312100849-phpapp02
 
Zalando und AWS: Security First in der Public Cloud
Zalando und AWS: Security First in der Public Cloud Zalando und AWS: Security First in der Public Cloud
Zalando und AWS: Security First in der Public Cloud
 
Berlin
BerlinBerlin
Berlin
 
Die Jute Bonustasche
Die Jute BonustascheDie Jute Bonustasche
Die Jute Bonustasche
 
LAYOUT:Principios de composición digital
LAYOUT:Principios  de  composición  digitalLAYOUT:Principios  de  composición  digital
LAYOUT:Principios de composición digital
 
1er Foro RAM: Derecho a la Consulta
1er Foro RAM: Derecho a la Consulta1er Foro RAM: Derecho a la Consulta
1er Foro RAM: Derecho a la Consulta
 
Ent2541
Ent2541Ent2541
Ent2541
 
Animacions
AnimacionsAnimacions
Animacions
 
Spruchverfahren aktuell (SpruchZ) Nr. 9/2015
Spruchverfahren aktuell (SpruchZ) Nr. 9/2015Spruchverfahren aktuell (SpruchZ) Nr. 9/2015
Spruchverfahren aktuell (SpruchZ) Nr. 9/2015
 
Klöckner & Co - DSW Anlegerforum 2011
Klöckner & Co - DSW Anlegerforum 2011Klöckner & Co - DSW Anlegerforum 2011
Klöckner & Co - DSW Anlegerforum 2011
 
Amepar
AmeparAmepar
Amepar
 
Fundación Jesus García
Fundación Jesus GarcíaFundación Jesus García
Fundación Jesus García
 
Story board
Story boardStory board
Story board
 
Spruchverfahren aktuell (SpruchZ) Nr. 4/2013
Spruchverfahren aktuell (SpruchZ) Nr. 4/2013Spruchverfahren aktuell (SpruchZ) Nr. 4/2013
Spruchverfahren aktuell (SpruchZ) Nr. 4/2013
 
Genesis
GenesisGenesis
Genesis
 
El medio y medio
El medio y medioEl medio y medio
El medio y medio
 

Ähnlich wie Webinar DynamoDB deutsch

OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...
OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...
OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...
AWS Germany
 
Amazon Redshift
Amazon RedshiftAmazon Redshift
Amazon Redshift
AWS Germany
 
Meet Magento - High performance magento
Meet Magento - High performance magentoMeet Magento - High performance magento
Meet Magento - High performance magento
AOE
 
SQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die Cloud
SQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die CloudSQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die Cloud
SQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die Cloud
AWS Germany
 
Best Practices SharePoint and SQL Installation
Best Practices SharePoint and SQL InstallationBest Practices SharePoint and SQL Installation
Best Practices SharePoint and SQL InstallationSamuel Zürcher
 
Wordpress on steroids
Wordpress on steroidsWordpress on steroids
Wordpress on steroids
Blogwerk AG
 
High Performance Multi-Server Magento in der Cloud
High Performance Multi-Server Magento in der CloudHigh Performance Multi-Server Magento in der Cloud
High Performance Multi-Server Magento in der CloudAOE
 
Schlanke Webarchitekturen nicht nur mit JSF 2 und CDI
Schlanke Webarchitekturen nicht nur mit JSF 2 und CDISchlanke Webarchitekturen nicht nur mit JSF 2 und CDI
Schlanke Webarchitekturen nicht nur mit JSF 2 und CDI
adesso AG
 
DOAG: NoSQL with MySQL
DOAG: NoSQL with MySQLDOAG: NoSQL with MySQL
DOAG: NoSQL with MySQLFromDual GmbH
 
mongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - GrundlagenmongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - Grundlagen
inovex GmbH
 
Internet Briefing 2011: NoSQL with MySQL
Internet Briefing 2011: NoSQL with MySQLInternet Briefing 2011: NoSQL with MySQL
Internet Briefing 2011: NoSQL with MySQLFromDual GmbH
 
Do´s and Dont´s mit Oracle RDS
Do´s and Dont´s mit Oracle RDS Do´s and Dont´s mit Oracle RDS
Do´s and Dont´s mit Oracle RDS
esentri AG
 
SCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - Winterberg
SCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - WinterbergSCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - Winterberg
SCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - Winterberg
OPITZ CONSULTING Deutschland
 
SOA Suite 11g Deep Dive
SOA Suite 11g Deep DiveSOA Suite 11g Deep Dive
SOA Suite 11g Deep Dive
esentri AG
 
Frontend-Architektur der 1&1 Bestellsysteme
Frontend-Architektur der 1&1 BestellsystemeFrontend-Architektur der 1&1 Bestellsysteme
Frontend-Architektur der 1&1 BestellsystemeNico Steiner
 
Skalierung & Performance
Skalierung & PerformanceSkalierung & Performance
Skalierung & Performanceglembotzky
 
Big Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im Überblick
Big Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im ÜberblickBig Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im Überblick
Big Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im Überblick
Karin Patenge
 
Dokumentenorientiere Datenbanken am Beispiel CouchDB
Dokumentenorientiere Datenbanken am Beispiel CouchDBDokumentenorientiere Datenbanken am Beispiel CouchDB
Dokumentenorientiere Datenbanken am Beispiel CouchDBMario Müller
 
Roadshow Oracle Database 12c: News & Features
Roadshow Oracle Database 12c: News & FeaturesRoadshow Oracle Database 12c: News & Features
Roadshow Oracle Database 12c: News & Features
Digicomp Academy AG
 
Presentation bp7 - citrix xen desktop
Presentation   bp7 - citrix xen desktopPresentation   bp7 - citrix xen desktop
Presentation bp7 - citrix xen desktop
xKinAnx
 

Ähnlich wie Webinar DynamoDB deutsch (20)

OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...
OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...
OOP 2014 SQL oder NoSQL - die Auswahl der richtigen Datenbankplattform für di...
 
Amazon Redshift
Amazon RedshiftAmazon Redshift
Amazon Redshift
 
Meet Magento - High performance magento
Meet Magento - High performance magentoMeet Magento - High performance magento
Meet Magento - High performance magento
 
SQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die Cloud
SQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die CloudSQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die Cloud
SQL oder NoSQL - Die Auswahl der richtigen Datenbankplattform für die Cloud
 
Best Practices SharePoint and SQL Installation
Best Practices SharePoint and SQL InstallationBest Practices SharePoint and SQL Installation
Best Practices SharePoint and SQL Installation
 
Wordpress on steroids
Wordpress on steroidsWordpress on steroids
Wordpress on steroids
 
High Performance Multi-Server Magento in der Cloud
High Performance Multi-Server Magento in der CloudHigh Performance Multi-Server Magento in der Cloud
High Performance Multi-Server Magento in der Cloud
 
Schlanke Webarchitekturen nicht nur mit JSF 2 und CDI
Schlanke Webarchitekturen nicht nur mit JSF 2 und CDISchlanke Webarchitekturen nicht nur mit JSF 2 und CDI
Schlanke Webarchitekturen nicht nur mit JSF 2 und CDI
 
DOAG: NoSQL with MySQL
DOAG: NoSQL with MySQLDOAG: NoSQL with MySQL
DOAG: NoSQL with MySQL
 
mongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - GrundlagenmongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - Grundlagen
 
Internet Briefing 2011: NoSQL with MySQL
Internet Briefing 2011: NoSQL with MySQLInternet Briefing 2011: NoSQL with MySQL
Internet Briefing 2011: NoSQL with MySQL
 
Do´s and Dont´s mit Oracle RDS
Do´s and Dont´s mit Oracle RDS Do´s and Dont´s mit Oracle RDS
Do´s and Dont´s mit Oracle RDS
 
SCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - Winterberg
SCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - WinterbergSCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - Winterberg
SCA und SDO: Konzepte und Design - OPITZ CONSULTING - Maier - Winterberg
 
SOA Suite 11g Deep Dive
SOA Suite 11g Deep DiveSOA Suite 11g Deep Dive
SOA Suite 11g Deep Dive
 
Frontend-Architektur der 1&1 Bestellsysteme
Frontend-Architektur der 1&1 BestellsystemeFrontend-Architektur der 1&1 Bestellsysteme
Frontend-Architektur der 1&1 Bestellsysteme
 
Skalierung & Performance
Skalierung & PerformanceSkalierung & Performance
Skalierung & Performance
 
Big Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im Überblick
Big Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im ÜberblickBig Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im Überblick
Big Data Community Webinar vom 16. Mai 2019: Oracle NoSQL DB im Überblick
 
Dokumentenorientiere Datenbanken am Beispiel CouchDB
Dokumentenorientiere Datenbanken am Beispiel CouchDBDokumentenorientiere Datenbanken am Beispiel CouchDB
Dokumentenorientiere Datenbanken am Beispiel CouchDB
 
Roadshow Oracle Database 12c: News & Features
Roadshow Oracle Database 12c: News & FeaturesRoadshow Oracle Database 12c: News & Features
Roadshow Oracle Database 12c: News & Features
 
Presentation bp7 - citrix xen desktop
Presentation   bp7 - citrix xen desktopPresentation   bp7 - citrix xen desktop
Presentation bp7 - citrix xen desktop
 

Mehr von AWS Germany

Analytics Web Day | From Theory to Practice: Big Data Stories from the Field
Analytics Web Day | From Theory to Practice: Big Data Stories from the FieldAnalytics Web Day | From Theory to Practice: Big Data Stories from the Field
Analytics Web Day | From Theory to Practice: Big Data Stories from the Field
AWS Germany
 
Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...
Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...
Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...
AWS Germany
 
Modern Applications Web Day | Impress Your Friends with Your First Serverless...
Modern Applications Web Day | Impress Your Friends with Your First Serverless...Modern Applications Web Day | Impress Your Friends with Your First Serverless...
Modern Applications Web Day | Impress Your Friends with Your First Serverless...
AWS Germany
 
Modern Applications Web Day | Manage Your Infrastructure and Configuration on...
Modern Applications Web Day | Manage Your Infrastructure and Configuration on...Modern Applications Web Day | Manage Your Infrastructure and Configuration on...
Modern Applications Web Day | Manage Your Infrastructure and Configuration on...
AWS Germany
 
Modern Applications Web Day | Container Workloads on AWS
Modern Applications Web Day | Container Workloads on AWSModern Applications Web Day | Container Workloads on AWS
Modern Applications Web Day | Container Workloads on AWS
AWS Germany
 
Modern Applications Web Day | Continuous Delivery to Amazon EKS with Spinnaker
Modern Applications Web Day | Continuous Delivery to Amazon EKS with SpinnakerModern Applications Web Day | Continuous Delivery to Amazon EKS with Spinnaker
Modern Applications Web Day | Continuous Delivery to Amazon EKS with Spinnaker
AWS Germany
 
Building Smart Home skills for Alexa
Building Smart Home skills for AlexaBuilding Smart Home skills for Alexa
Building Smart Home skills for Alexa
AWS Germany
 
Hotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructure
Hotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructureHotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructure
Hotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructure
AWS Germany
 
Wild Rydes with Big Data/Kinesis focus: AWS Serverless Workshop
Wild Rydes with Big Data/Kinesis focus: AWS Serverless WorkshopWild Rydes with Big Data/Kinesis focus: AWS Serverless Workshop
Wild Rydes with Big Data/Kinesis focus: AWS Serverless Workshop
AWS Germany
 
Log Analytics with AWS
Log Analytics with AWSLog Analytics with AWS
Log Analytics with AWS
AWS Germany
 
Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS
Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS
Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS
AWS Germany
 
AWS Programme für Nonprofits
AWS Programme für NonprofitsAWS Programme für Nonprofits
AWS Programme für Nonprofits
AWS Germany
 
Microservices and Data Design
Microservices and Data DesignMicroservices and Data Design
Microservices and Data Design
AWS Germany
 
Serverless vs. Developers – the real crash
Serverless vs. Developers – the real crashServerless vs. Developers – the real crash
Serverless vs. Developers – the real crash
AWS Germany
 
Query your data in S3 with SQL and optimize for cost and performance
Query your data in S3 with SQL and optimize for cost and performanceQuery your data in S3 with SQL and optimize for cost and performance
Query your data in S3 with SQL and optimize for cost and performance
AWS Germany
 
Secret Management with Hashicorp’s Vault
Secret Management with Hashicorp’s VaultSecret Management with Hashicorp’s Vault
Secret Management with Hashicorp’s Vault
AWS Germany
 
EKS Workshop
 EKS Workshop EKS Workshop
EKS Workshop
AWS Germany
 
Scale to Infinity with ECS
Scale to Infinity with ECSScale to Infinity with ECS
Scale to Infinity with ECS
AWS Germany
 
Containers on AWS - State of the Union
Containers on AWS - State of the UnionContainers on AWS - State of the Union
Containers on AWS - State of the Union
AWS Germany
 
Deploying and Scaling Your First Cloud Application with Amazon Lightsail
Deploying and Scaling Your First Cloud Application with Amazon LightsailDeploying and Scaling Your First Cloud Application with Amazon Lightsail
Deploying and Scaling Your First Cloud Application with Amazon Lightsail
AWS Germany
 

Mehr von AWS Germany (20)

Analytics Web Day | From Theory to Practice: Big Data Stories from the Field
Analytics Web Day | From Theory to Practice: Big Data Stories from the FieldAnalytics Web Day | From Theory to Practice: Big Data Stories from the Field
Analytics Web Day | From Theory to Practice: Big Data Stories from the Field
 
Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...
Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...
Analytics Web Day | Query your Data in S3 with SQL and optimize for Cost and ...
 
Modern Applications Web Day | Impress Your Friends with Your First Serverless...
Modern Applications Web Day | Impress Your Friends with Your First Serverless...Modern Applications Web Day | Impress Your Friends with Your First Serverless...
Modern Applications Web Day | Impress Your Friends with Your First Serverless...
 
Modern Applications Web Day | Manage Your Infrastructure and Configuration on...
Modern Applications Web Day | Manage Your Infrastructure and Configuration on...Modern Applications Web Day | Manage Your Infrastructure and Configuration on...
Modern Applications Web Day | Manage Your Infrastructure and Configuration on...
 
Modern Applications Web Day | Container Workloads on AWS
Modern Applications Web Day | Container Workloads on AWSModern Applications Web Day | Container Workloads on AWS
Modern Applications Web Day | Container Workloads on AWS
 
Modern Applications Web Day | Continuous Delivery to Amazon EKS with Spinnaker
Modern Applications Web Day | Continuous Delivery to Amazon EKS with SpinnakerModern Applications Web Day | Continuous Delivery to Amazon EKS with Spinnaker
Modern Applications Web Day | Continuous Delivery to Amazon EKS with Spinnaker
 
Building Smart Home skills for Alexa
Building Smart Home skills for AlexaBuilding Smart Home skills for Alexa
Building Smart Home skills for Alexa
 
Hotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructure
Hotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructureHotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructure
Hotel or Taxi? "Sorting hat" for travel expenses with AWS ML infrastructure
 
Wild Rydes with Big Data/Kinesis focus: AWS Serverless Workshop
Wild Rydes with Big Data/Kinesis focus: AWS Serverless WorkshopWild Rydes with Big Data/Kinesis focus: AWS Serverless Workshop
Wild Rydes with Big Data/Kinesis focus: AWS Serverless Workshop
 
Log Analytics with AWS
Log Analytics with AWSLog Analytics with AWS
Log Analytics with AWS
 
Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS
Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS
Deep Dive into Concepts and Tools for Analyzing Streaming Data on AWS
 
AWS Programme für Nonprofits
AWS Programme für NonprofitsAWS Programme für Nonprofits
AWS Programme für Nonprofits
 
Microservices and Data Design
Microservices and Data DesignMicroservices and Data Design
Microservices and Data Design
 
Serverless vs. Developers – the real crash
Serverless vs. Developers – the real crashServerless vs. Developers – the real crash
Serverless vs. Developers – the real crash
 
Query your data in S3 with SQL and optimize for cost and performance
Query your data in S3 with SQL and optimize for cost and performanceQuery your data in S3 with SQL and optimize for cost and performance
Query your data in S3 with SQL and optimize for cost and performance
 
Secret Management with Hashicorp’s Vault
Secret Management with Hashicorp’s VaultSecret Management with Hashicorp’s Vault
Secret Management with Hashicorp’s Vault
 
EKS Workshop
 EKS Workshop EKS Workshop
EKS Workshop
 
Scale to Infinity with ECS
Scale to Infinity with ECSScale to Infinity with ECS
Scale to Infinity with ECS
 
Containers on AWS - State of the Union
Containers on AWS - State of the UnionContainers on AWS - State of the Union
Containers on AWS - State of the Union
 
Deploying and Scaling Your First Cloud Application with Amazon Lightsail
Deploying and Scaling Your First Cloud Application with Amazon LightsailDeploying and Scaling Your First Cloud Application with Amazon Lightsail
Deploying and Scaling Your First Cloud Application with Amazon Lightsail
 

Webinar DynamoDB deutsch