Dimension: px
Commencer à balayer dès la page:

Download "www.parisjug.org www.parisjug.org"

Transcription

1

2 Data grid Du cache distribué aux grilles de données Cyrille Le Clerc Xebia

3 Data grid Du cache distribué aux grilles de données Erwan Alliaume Xebia

4 Data grid Du cache distribué aux grilles de données Jean-Michel Bea Fast Connect

5 «Du cache distribué aux grilles de données» Grid computing 5

6 Intervenants Cyrille Le Clerc (Xebia) Erwan Alliaume (Xebia) Jean-Michel Bea (Fast Connect) Grid computing 6

7 Sommaire Caches distribués Network Attached Memory Grilles de données Data Grid, Cloud et les autres Grid computing 7

8 Cache distribué

9 Votre DBA! Grid computing 9

10 Votre manager Small number of items may make up the bulk of sales Chris Anderson Wired Magazine Grid computing 10

11 Votre application Grid computing 11

12 Une solution? J'ai une idée! Distribuons et cachons notre application Grid computing 12

13 Architecture existante Cache Application BDD 13 Architecture cible Cache Cache Cache Application Application Application BDD

14 Exemples de produits Ehcache Jboss Cache Solution open source la plus populaire Cache Thread-Safe in memory Configuration XML (ehcache.xml) Participation aux transaction JTA Très léger JSR-107 Jcache implementation Singleton / multi instances RI pour le JDK SE 8 ou 9 :) JSR-107 JCache implementation Memory / Disk / Cluster storage Memory / Disk storage Ajout possible de listeners (Cache Manager / Cache Event) JMX Here we are! Distributable 14 Listeners may be plugged in (Cache Manager / Cache Event) JMX Distribuable sur l un ou plusieurs nœud d un cluster

15 Utilisation d un cache Manipulation directe cache.put( Element element ) cache.get ( Object key ) Pull through / Self populating cache.get ( Object key ) Hibernate cache L2 Hibernate / sans cache : 192 secondes Hibernate / Ehcache L2 : 60 secondes Accès direct à Ehcache : 20 secondes Accès direct à Ehcache / session optim: 1 secondes => L2 Ca ne scale pas! get / put sur 1 seul objet => données à répliquer partout 15

16 Storage Mémoire Toujours disponible / Thread safe Souvent basée sur une LinkedHashMap du JDK Peut contenir des Object Non persistent Do not forget, disk is cheap Disque Optionnel, à configurer Doit contenir des Serializable Attention à la sérialisation Java : un Byte[] est 20 fois plus rapide qu un String Jdbc Attention à ne pas perdre de vu le but du cache! 16

17 Cache distribué Plusieurs mécanismes, même problématiques RMI Cache Réplication Cache JGoups Cache Server Application Application Terracotta JMS replication (ehcache 1.6) BDD Plusieurs sources de données, danger! Possibilité de lire des données incohérentes Mises à jour concurrentes Notifications, évictions, contraintes de fiabilité Même problème qu une mémoire partagée Est-ce un problème? Pas forcément! 17

18 Eviction Suppression des éléments du cache Permet de sizer votre cache Time-based / Cache size / Heap size Based LRU / LFU / FIFO / Custom Quelque fois régionalisable (dans Jboss Cache) (deprecated) /myshop : éviction au bout de 10 minutes /myshop/product/pricelist : aucune éviction /myshop/shoppingcarts : éviction au bout de 30 minutes

19 Transaction et réplication Avec transaction Réplication au commit, en 1 seul message Au rollback, aucune réplication Sans transaction Réplication immédiate! 1000 mises à jours => 1000 messages Transactions => cache plus performant? Nécessite la création de message pour faire des locks Fait transférer de gros volumes de données d un coup

20 Réplication VS invalidation La meilleure stratégie? Ca dépend! Si vous êtes le seul à connaitre l élément Utilisez l élément lui-même en payload (réplication) Si l élément est disponible en BDD, 2 options La réplication : envoie de l élément sur les autres caches L invalidation des autres caches Problèmes liés à l invalidation (ou faible TTL) But des caches distribués? Réduire le nombre d acces à la base! L invalidation force le rechargement des objets à partir de la BDD L invalidation n est pas adapté pour les objets souvent mis à jours 20

21 Notifications Mises à jour Asynchrones Rend la main rapidement Mises à jour Synchrones Freine l exécution locale Les mises à jour asynchrones peuvent engendrer des incohérences de données Les mises à jour synchrones permet d attendre la validation des notifications 21

22 Loaders Charger des éléments dans le cache A partir d une source de données (store) File store / Jdbc Store / Oracle Berkeley DB / Jdbm Exporter des éléments du cache Lors des put et évictions Différents type de loaders Loader hiérarchiques utilise TCP pour acceder à des caches distants Clustered loader Recherche de données sur un cluster / Lazy state transfer Loader chainé

23 Loaders, course aux features? Local Cache Share the same store Loader Store Loader 1 One cache with a store Hierarchical caches Loader Loader Loader 2 Store Dedicated store Loader Loader Loader Store Loader Store Loader Multiple cache loader Store Loader 5 6 Store Loader 4 3 Store Store Store

24 Network attached memory (NAM)

25 Application VS JVM clustering Caches distribués Your classes Serialization Your classes Your classes Your classes Spring Spring Spring Hibernat e Hibernate Hibernate ORM Spring Hibernat e Clustered 2nd Level Cache JVM Network attached memory JVM JVM JVM NAM :Terracotta Cas d utilisation : Réplication de session Cache distribué Database offload Workload partitioning 25

26 Terracotta overview Joue la carte de la transparence ROOT Aucun GET ni PUT Clustering-as-a-service => Utilisation massive de l instrumentalisation Définition d objets Root partagés Durée de vie de la JVM Jamais nettoyés par la JVM Objets Super static Attention à ne pas partager n importe quoi Trop de partage tue le partage (surtout le réseau!!) La transparence, c est vite la porte ouverte à faire n importe quoi 26

27 Network attached memory Virtual Heap Contient tous les objets partagés du cluster Managée par le(s) TC server(s) Terracotta Les clients utilisent leur objets à leur souhait Tout ou partie du des graphes d objets Simulation de Swap TC peut insérer des valeurs fictives pour optimiser la mémoire Virtual GC Supprime les objets non référencés Objets atteignable par aucune Root Objets ne résidant chez aucun client 27

28 Les mécanismes de locks Niveaux de Lock Named locks Aux points d entrée et sortie seulement Ecriture Granularité approximative Lecture Autolocks Ecriture synchrone Concurrent Plus efficace que les Named Locks Utilisable sur des objets du cluster Il manquerait une intégration avec un Transaction Manager Spring 28

29 Distributed Method Invocation Invocation de méthodes distribuées (DMI) Déclaration de DM sur un objet du cluster Appel de l a méthode sur l un des nœud du cluster Chaque JVM possédant cet objet exécute cette méthode Objet non présent dans la Heap, pas d appel! Distributed Object callme() JVM 1 o.callme() JVM 2 o.callme() JVM 3 o.callme() Attention à l utilisation! Aucune garantie que la méthode soit exécutée partout! Mauvaise idée si l on veut coordonner les actions aux données

30 Caching Terracotta est utilisable pour du caching Avec EHCache (en mode non distribué) Le cache est persistable sur le disque Ehcache distribué Node 1 Terractotta + ehcache Node 2 Node 1 Node 2 Disk Disk Terracotta Server DB DB Disk 30

31 Terracotta optimizations Privilégie la lecture dans les caches mémoire Les champs des objets sont séparés sur le disque, mais restent aussi proches que possible Chaque champ est récupérable individuellement Lit seulement ce qu on a besoin, rien de plus Lecture à partir du serveur temps lecture sur disque Message customisé, la JVM patch sa propre mémoire => Peu générer beaucoup de requêtes sur le réseau Ecriture en batch, des mises à jour fines N utilise pas la sérialisation Java Ecriture champ à champs => on ne transmet pas le graph complet Ecriture sur disque en append uniquement Rien n est trié, indexé, déplacé sur le disque 31

32 From network attached memory to datagrid! 32

33 LB / Partitioning / Data affinity Partitioned data Reduce the need for broadcast and cluster communication However, makes high availability more Load Load Balancer Balancer challenging Partitioned cache lives only in one place AS 1 AS 2 DB 33 AS 1 DB (evens) AS 2 DB (odds)

34 Clustering Threads Works with part of java.util.concurrent Application JVM Java Synchronized( this ) { } Byte code MONITORENTER( ID ); MONITOREXIT ID ); Terracotta libraries LockAcquired ( ID ); LockRelease( ID); Terracotta server lock manager 34

35 Data Grid V1 One unique queue This Single Queue is the bottleneck! Worker 1 JVM Master 1 JVM Worker 2 JVM java.util.queue Master 2 JVM Worker 3 JVM Add Worker on demand 35

36 Data Grid V2 2 queues per worker java.util.queue Add routing ID java.util.queue java.util.queue java.util.queue Master 1 JVM Dynamic Router Master 2 JVM java.util.queue java.util.queue java.util.queue java.util.queue 36 Worker 1 JVM Worker 2 JVM Worker 3 JVM Add Worker on demand

37 Grilles de données

38 Partitionner pour tenir la charge

39 Partitionner pour tenir la charge Tout sur le même serveur : déjà vu, souvent possible mais très couteux Jusqu à 1.5 To de RAM et 64 processeurs Data Mainframe Grid computing 39

40 Partitionner pour tenir la charge Data Grid Partition data on several servers Partition gamma Small Server Partition beta Small Server Data Mainframe Partition alpha Small Server

41 Répliquer pour la disponibilité

42 Répliquer pour la disponibilité Performances té Read / Write ili b i on p Dis master Master Read Only Sync replica Sync replica Partition alpha Async replica Read Only Async replica Partition alpha

43 Répliquer pour la disponibilité master Sync replica Active Data Center es d vec ones a ce chr n e ili asyn s é r La plicas ré Async replica Stand By Data Center

44 JVM JVM JVM n Container n Catalog Catalog Service Service JVM 2 Container 2 JVM 1 Container 1 Partitionner et Répliquer master Sync replica Sync replica master Async replica Async replica partition alpha partition gamma

45 Du Near Cache à la grille de données

46 Le Near Cache Application avec un near cache Da tab a Ab se S sor ho ber ck Datagrid Central Database Application cluster Cache partition alpha Cache partition gamma Cache partition beta Client near cache Client near cache Node 1 Node n Grid computing 46

47 Les limites du Near Cache Datagrid Latency! Bandwith! Partition gamma Client near cache Partition beta Application Partition alpha Grid computing 47

48 Du Near Cache à la Grille de Données Datagrid Stop data transfer Partition gamma Client near cache Partition beta Application Partition alpha Grid computing 48

49 Du Near Cache à la Grille de Données t en s em t i ra es t r né e s li don a c et o l Co Datagrid partition alpha... Application partition gamma Grid computing 49

50 La grille de donnée

51 La grille de données Datagrid Reduced data transfer Collocated data & business logic partition alpha datagrid enabled app partition beta Reduced Business Logic partition gamma Grid computing Collocated data & business logic 51

52 La grille de données Les données sont partionnées Traitements et données sont colocalisés Le volume de données est limité aux requêtes et aux fragments de résultat Grid computing 52

53 Structurer ses données pour la grille

54 Grid computing 54

55 Partitionner les données Seat number price Booking reduction TrainStop date TrainStation code name Passenger name Train code type Modélisation orientée objet classique Grid computing 55

56 Partitionner les données Partitioning ready entities tree e Root n ti ty Seat number price Booking reduction Passenger name Train code type Du TrainStop date TrainStation code name plic Ref e at e ren d i ce n e da ach ta pa rt it ion Root entity, clef de partitionnement, sub-entities & duplication de données de référence Grid computing 56

57 Partitionner les données R em Train Seat number price booked ove un us ed da Booking reduction ta Passenger name code type TrainStop date TrainStation code name Suppression des données inutiles à la logique métier Grid computing 57

58 Partitionner les données Train U sh n m are od no èle thi ng Seat number price booked code type TrainStop date TrainStation code name Modélisation partitionnée grid ready Des données façonnées au besoin métier Grid computing 58

59 Partitionner les données Account number Account number from CashWitdrawal date amount to MoneyTransfer id date amount CashWitdrawal date amount Casser les relations pour partitionner Situation de comptes bancaires Grid computing 59

60 Partitionner les données MoneyTransfer est partagé par 2 instances de la root entity! Account number Account number from CashWitdrawal date amount to MoneyTransfer id date amount CashWitdrawal date amount Casser les relations pour partitionner Situation de comptes bancaires Grid computing 60

61 Partitionner les données Découper MoneyTransfer en 2 entités Et casser le lien! Account number CashWitdrawal date amount Account number MoneyTransferIn id date amount MoneyTransferOut id date amount CashWitdrawal date amount Casser les relations pour partitionner Situation de comptes bancaires Grid computing 61

62 Partitionner les données Les instances d Account sont isolées! Account number CashWitdrawal date amount Account number MoneyTransferIn id date amount MoneyTransferOut id date amount CashWitdrawal date amount Casser les relations pour partitionner Situation de comptes bancaires Grid computing 62

63 Partitionner les données Acc oun t es t la roo t en Account number CashWitdrawal date amount MoneyTransferOut id date amount tity de la g rille! MoneyTransferIn id date amount Modélisation partitionnée grid ready Des données façonnées au besoin métier Grid computing 63

64 Le modèle de programmation À la Grid computing JPA 64

65 Le modèle de programmation API de haut niveau à la JPA (persist, merge, remove, find) Relations entre Versioning Indexation des attributs Query language ("select e from Employee e where e.lastname=:lastname" ) Grid computing 65

66 Les Design patterns nt e m e t trai ns e l o i r t i t e r y Envo tes les pa u o t r u s departure =Paris Datagrid arrival =Marseille departuretime =2009 /05/01 15 :00 Search trains partition alpha datagrid enabled app Search trains partition beta Map Reduce Search trains Grid computing partition gamma 66

67 Les Design patterns ne r u o t n re ltat o i t i t r pa ésu r e u e q d Cha agment un fr Datagrid Paris -> Marseille - 14: Paris -> Lyon -> Marseille 15:05 Search trains partition alpha datagrid enabled app NULL Map Reduce Search trains partition beta Paris -> Marseille - 15: Paris -> Marseille - 15:35 Search trains Grid computing partition gamma 67

68 Les Design patterns les e g è gr a ats t t l n u e i s l é Le c nts de r e m g a r f Datagrid Search trains partition alpha datagrid enabled app Search trains partition beta Paris Paris Paris Paris -> Marseille - 14:35 -> Lyon -> Marseille 15:05 -> Marseille - 15:05 -> Marseille - 15:35 Search trains Map Reduce Grid computing partition gamma 68

69 Les Design patterns Datagrid lise a é r ion t i t r a le p u nt e e s m e e it Un le tra Book Ticket partition alpha datagrid enabled app Book Ticket partition beta Book 1 seat on train 0153 Book Ticket Request Routing Grid computing partition gamma 69

70 Transactions et ACIDité Mais et l' ACID dans tout ça? Théoriquement possible (Transaction distribuée, 2 phases commit) Supporté par certains outils (GigaSpaces) Est-ce vraiment une bonne chose? Grid computing 70

71 Interactions avec la base de données

72 Interactions avec la BDD Co Data Grid mm ent syn chr oni s er? Partition gamma Insert + update + delete Partition beta Select (new, modified, deleted ) Central Database Partition alpha Grid computing 72

73 Interactions avec la BDD Grille Data Grid Partition gamma datagrid enabled app erge, persist, m remove ins ert,u pd ate, de lete insert, update, delete Partition beta ete l e e, d t a d, up t r e ins Partition alpha -> B DD Grid computing Central Database Entities Modifications Listener 73

74 Interactions avec la BDD ee r u t i r Ec BD a l r u ch s t a b n D Ca ch ew rite Entities Sync Modifications Listener datagrid enabled app lat en cy Queue persist, merge, remove batch insert, update, delete Partition Central Database Entities Async Batch Modifications Listener Ecriture en batch à la BDD Supporte l indisponibilité de la BDD Hautement disponible par la réplication de la queue Grid computing 74

75 Interactions avec la BDD les tecter é d t n e DD? Comm B a l e d ents m e g n a ch Data Grid Partition gamma Non datagrid enabled app insert, update, delete create, merge, remove Central Database Partition beta Partition alpha Grid computing 75

76 Interactions avec la BDD BDD -> Grille Data Grid Ca ch er ea dl Partition gamma ate nc y sel ect select Partition beta Central Database ct sele select id from train where last_modification >? Partition alpha Synchronization Daemon select id from sys_deleted where table= train and last_modification >? Grid computing 76

77 Interactions avec la BDD System Change Number Sur chaque table, une colonne système porte un numéro croissant de la dernière transaction Utilisé pour les checkpoints et la réplication Support natif dans : Oracle: introduit en10g, le SCN est un nombre similaire au numéro de révision Subversion DB2: introduit en 9.5, le SCN est un timestamp Equivalent manuel : une colonne timestamp La liste des lignes supprimées est stockée dans une table système Grid computing 77

78 Interactions avec la BDD Les API de loaders Lire en base les données manquantes List<entity> get(list<id>) Persister en base les modifications void persist(list<type, entity>) type : insert, update, delete Bulk load depuis la base au démarrage de la grille preload(grid) /!\ les opérations doivent être multi entités pour tenir la charge! Grid computing 78

79 Interactions avec la BDD Loaders internes : Pros L accès à la base est regroupé dans la grille => cohesiveness La charge d accès à la base est répartie sur les partitions Write behind permet de batcher les accès à la base Cons Comment un loader peut-il ne charger que les données de sa partition? «Je suis le loader de la partition beta, comment puis-jet interroger la base sur les seules données gérées par la partition beta? Je dois connaitres l algorithme de partionnement» Grid computing 79

80 Interactions avec la BDD Data Grid Le lo ade r ex tern e select Central Database t pu External loader cluster Partition gamma Node 1 put Partition beta Node n pu t Partition alpha Grid computing 80

81 Interactions avec la BDD Loaders externes : Pros Simple, le partitionnement est réalisé par la grille Cons Le loader externe devient le goulet d étranglement des performances Le code d accès à la base est disséminé entre la grille et le loader externe => loss of cohesiveness Grid computing 81

82 Et les batchs? Une grille de données peut écourter les nuits batch en parallélisant les traitements.

83 Cloud, Grid, XTP et les autres

84 Les acteurs

85 Les acteurs Distributed HashTable (DHT), Key Value Store SimpleDB, DataStore / BigTable / Hypertable, Memcached Compute Grid GridGain In Memory DataGridGigaSpaces, Oracle Coherence, Websphere extrem Scale. File system DataGridHadoop

86 Questions / Réponses

87 Sponsors Grid computing 87

88 Merci de votre attention!

89 Licence Grid computing 89

JOnAS 5. Serveur d application d

JOnAS 5. Serveur d application d JOnAS 5 Serveur d application d dynamique Agenda En quelques mots Caractéristiques essentielles Zoom sur le versioning 2 Bull, 2008 Serveur d application dynamique JOnAS - Serveur d application Open Source

Plus en détail

Programmation d applications distribuées

Programmation d applications distribuées Programmation d applications distribuées François Charoy Université Henri Poincaré 8 octobre 2007 Première partie I Développement d applications distribuées Objectifs du cours Comprendre ce qu est une

Plus en détail

Quelques patterns pour la persistance des objets avec DAO DAO. Principe de base. Utilité des DTOs. Le modèle de conception DTO (Data Transfer Object)

Quelques patterns pour la persistance des objets avec DAO DAO. Principe de base. Utilité des DTOs. Le modèle de conception DTO (Data Transfer Object) Quelques patterns pour la persistance des objets avec DAO Ce cours présente des modèles de conception utilisés pour effectuer la persistance des objets Université de Nice Sophia-Antipolis Version 1.4 30/8/07

Plus en détail

Performances. Gestion des serveurs (2/2) Clustering. Grid Computing

Performances. Gestion des serveurs (2/2) Clustering. Grid Computing Présentation d Oracle 10g Chapitre VII Présentation d ORACLE 10g 7.1 Nouvelles fonctionnalités 7.2 Architecture d Oracle 10g 7.3 Outils annexes 7.4 Conclusions 7.1 Nouvelles fonctionnalités Gestion des

Plus en détail

C-JDBC. Emmanuel Cecchet INRIA, Projet Sardes. http://sardes.inrialpes.fr

C-JDBC. Emmanuel Cecchet INRIA, Projet Sardes. http://sardes.inrialpes.fr Emmanuel Cecchet INRIA, Projet Sardes http://sardes.inrialpes.fr Plan Motivations Idées principales Concepts Caching Perspectives /ObjectWeb 15 octobre 2002 Emmanuel.Cecchet@inrialpes.fr 2 - Motivations

Plus en détail

OpenPaaS Le réseau social d'entreprise

OpenPaaS Le réseau social d'entreprise OpenPaaS Le réseau social d'entreprise Spécification des API datastore SP L2.3.1 Diffusion : Institut MinesTélécom, Télécom SudParis 1 / 12 1OpenPaaS DataBase API : ODBAPI...3 1.1Comparaison des concepts...3

Plus en détail

Hibernate vs. le Cloud Computing

Hibernate vs. le Cloud Computing Hibernate vs. le Cloud Computing Qui suis-je? Julien Dubois Co-auteur de «Spring par la pratique» Ancien de SpringSource Directeur du consulting chez Ippon Technologies Suivez-moi sur Twitter : @juliendubois

Plus en détail

Institut Supérieur de Gestion. Cours pour 3 ème LFIG. Java Enterprise Edition Introduction Bayoudhi Chaouki

Institut Supérieur de Gestion. Cours pour 3 ème LFIG. Java Enterprise Edition Introduction Bayoudhi Chaouki Institut Supérieur de Gestion Cours pour 3 ème LFIG Java Enterprise Edition Introduction Bayoudhi Chaouki 1 Java EE - Objectifs Faciliter le développement de nouvelles applications à base de composants

Plus en détail

DB2 10.5 BLU Acceleration Francis Arnaudiès f.arnaudies@fr.ibm.com

DB2 10.5 BLU Acceleration Francis Arnaudiès f.arnaudies@fr.ibm.com DB2 10.5 BLU Acceleration Francis Arnaudiès f.arnaudies@fr.ibm.com #solconnect13 SOLUTIONS ADAPTEES AUX BESOINS CLIENTS Mobile/Cloud Data Serving and Transaction Processing Mobile Storefront JSON Database

Plus en détail

VMware ESX : Installation. Hervé Chaudret RSI - Délégation Centre Poitou-Charentes

VMware ESX : Installation. Hervé Chaudret RSI - Délégation Centre Poitou-Charentes VMware ESX : Installation VMware ESX : Installation Créer la Licence ESX 3.0.1 Installation ESX 3.0.1 Outil de management Virtual Infrastructure client 2.0.1 Installation Fonctionnalités Installation Virtual

Plus en détail

Bases de données et sites WEB Licence d informatique LI345

Bases de données et sites WEB Licence d informatique LI345 Bases de données et sites WEB Licence d informatique LI345 Anne Doucet Anne.Doucet@lip6.fr http://www-bd.lip6.fr/ens/li345-2013/index.php/lescours 1 Contenu Transactions en pratique Modèle relationnel-objet

Plus en détail

Comparaison de tables à distance

Comparaison de tables à distance Rapport de recherche A/375/CRI Fabien Coelho fabien@coelho.net composé avec LAT E X, révision 463 du document 1 Fabien Coelho job enseignant-chercheur à MINES ParisTech ingénieur civil 1993, docteur en

Plus en détail

Présentation du module. Base de données spatio-temporelles. Exemple. Introduction Exemple. Plan. Plan

Présentation du module. Base de données spatio-temporelles. Exemple. Introduction Exemple. Plan. Plan Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Partie 1 : Notion de bases de données (Conception

Plus en détail

Grid Technology. ActiveMQ pour le grand collisionneur de hadrons (LHC) Lionel Cons Grid Technology Group Information Technology Department

Grid Technology. ActiveMQ pour le grand collisionneur de hadrons (LHC) Lionel Cons Grid Technology Group Information Technology Department DB GT CF Grid ActiveMQ pour le grand collisionneur de hadrons (LHC) Lionel Cons Grid Group Information Department Journée de la communauté FUSE, Paris, 2010 CERN IT Department CH-1211 Geneva 23 Switzerland

Plus en détail

Sommaire. 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan

Sommaire. 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan 1 Sommaire 1. Google en chiffres 2. Les raisons d être de GFS 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan 4. Les Evolutions et Alternatives

Plus en détail

BD parallèles et réparties

BD parallèles et réparties LOG660 - Bases de données de haute performance BD parallèles et réparties Département de génie logiciel et des TI BD parallèles vs réparties BD réparties Les données se trouvent sur plusieurs sites (noeuds)

Plus en détail

REAL APPLICATION CLUSTERS

REAL APPLICATION CLUSTERS Oracle upg adm 9i Claude DA COSTA Chap 11 Scalable Real Appli Clusters Page 1/10 REAL APPLICATION CLUSTERS Cash Fusion Shared server_side initialization parameter Oracle upg adm 9i Claude DA COSTA Chap

Plus en détail

Consolidation. Grid Infrastructure avec la 11gR2

Consolidation. Grid Infrastructure avec la 11gR2 Consolidation Grid Infrastructure avec la 11gR2 Priorités IT durant les périodes difficiles Examiner et Limiter les dépenses d investissement Devenir plus efficace pour réduire les frais d'exploitation

Plus en détail

Acquisition des données - Big Data. Dario VEGA Senior Sales Consultant

Acquisition des données - Big Data. Dario VEGA Senior Sales Consultant Acquisition des données - Big Data Dario VEGA Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated

Plus en détail

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles)

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles) SGBDR Systèmes de Gestion de Bases de Données (Relationnelles) Plan Approches Les tâches du SGBD Les transactions Approche 1 Systèmes traditionnels basés sur des fichiers Application 1 Gestion clients

Plus en détail

Restaurant Application Quick Reference Guide

Restaurant Application Quick Reference Guide Restaurant Application Quick Reference Guide Ingenico Telium Canada English Color key Required Merchant Input on Point of Sale Required Customer Input on Internal or External PIN-pad Optional Merchant

Plus en détail

NIMBUS TRAINING. Administration de Citrix NetScaler 10. Déscription : Objectifs. Publics. Durée. Pré-requis. Programme de cette formation

NIMBUS TRAINING. Administration de Citrix NetScaler 10. Déscription : Objectifs. Publics. Durée. Pré-requis. Programme de cette formation Administration de Citrix NetScaler 10 Déscription : Cette formation aux concepts de base et avancés sur NetScaler 10 permet la mise en oeuvre, la configuration, la sécurisation, le contrôle, l optimisation

Plus en détail

Notes de cours : bases de données distribuées et repliquées

Notes de cours : bases de données distribuées et repliquées Notes de cours : bases de données distribuées et repliquées Loïc Paulevé, Nassim Hadj-Rabia (2009), Pierre Levasseur (2008) Licence professionnelle SIL de Nantes, 2009, version 1 Ces notes ont été élaborées

Plus en détail

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :

Plus en détail

SCOPTEL 2.7 PHONE EXTENSION ACTIVE DIRECTORY SYNCHRONISATION

SCOPTEL 2.7 PHONE EXTENSION ACTIVE DIRECTORY SYNCHRONISATION SCOPTEL 2.7 PHONE EXTENSION ACTIVE DIRECTORY SYNCHRONISATION August 2013 PREAMBULE Following is the procedure to synchronize the Active Directory user s with ScopTel s phone extension database. We currently

Plus en détail

Cartographie des solutions BigData

Cartographie des solutions BigData Cartographie des solutions BigData Panorama du marché et prospective 1 1 Solutions BigData Défi(s) pour les fournisseurs Quel marché Architectures Acteurs commerciaux Solutions alternatives 2 2 Quels Défis?

Plus en détail

FOURNIR UN SERVICE DE BASE DE DONNÉES FLEXIBLE. Database as a Service (DBaaS)

FOURNIR UN SERVICE DE BASE DE DONNÉES FLEXIBLE. Database as a Service (DBaaS) FOURNIR UN SERVICE DE BASE DE DONNÉES FLEXIBLE Database as a Service (DBaaS) 1 The following is intended to outline our general product direction. It is intended for information purposes only, and may

Plus en détail

Maintenir le cap avec Oracle WebLogic Server

<Insert Picture Here> Maintenir le cap avec Oracle WebLogic Server Maintenir le cap avec Oracle WebLogic Server Alexandre Vasseur Principal Sales Consultant Oracle Fusion Middleware Application Grid: Défis et Enjeux Réduire les coûts Support des

Plus en détail

Présentation du module Base de données spatio-temporelles

Présentation du module Base de données spatio-temporelles Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes

Plus en détail

Concepts clustering applicatifs

Concepts clustering applicatifs Concepts clustering applicatifs Serveur d Applications : J2EE Server -Sun Glassfish Francesco Termine, professeur HES, francesco.termine@he-arc.ch Francesco Termine HEG-ARC Filière d Informatique de gestion

Plus en détail

Jean-Michel Richer jean-michel.richer@univ-angers.fr http://www.info.univ-angers.fr/pub/richer. L3 Pro Informatique 2010-2011

Jean-Michel Richer jean-michel.richer@univ-angers.fr http://www.info.univ-angers.fr/pub/richer. L3 Pro Informatique 2010-2011 1 / 32 Développement Web - JDBC Jean-Michel Richer jean-michel.richer@univ-angers.fr http://www.info.univ-angers.fr/pub/richer L3 Pro Informatique 2010-2011 2 / 32 Plan Plan 1 Préambule 2 Utilisation de

Plus en détail

CNAM 2010-2011. Déploiement d une application avec EC2 ( Cloud Amazon ) Auteur : Thierry Kauffmann Paris, Décembre 2010

CNAM 2010-2011. Déploiement d une application avec EC2 ( Cloud Amazon ) Auteur : Thierry Kauffmann Paris, Décembre 2010 CNAM 2010-2011 Déploiement d une application avec EC2 ( Cloud Amazon ) Auteur : Thierry Kauffmann Paris, Décembre 2010 Déploiement d une application dans le cloud. 1. Cloud Computing en 2010 2. Offre EC2

Plus en détail

MapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15

MapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué

Plus en détail

IBD : Introduction aux systèmes distribués

IBD : Introduction aux systèmes distribués IBD : Introduction aux systèmes distribués Vania Marangozova-Martin Université de Grenoble, LIG Vania.Marangozova-Martin@imag.fr Web Site: http://ibd.forge.imag.fr Objectifs u Introduction aux systèmes

Plus en détail

Datomic. La base qui détonne (aka database as a value)

Datomic. La base qui détonne (aka database as a value) Datomic La base qui détonne (aka database as a value) Identité Base de données NoSQL Distribuée ("cloud"!) ACID Annoncée début 2012 Version 0.8.XXXX Rich Hickey et Relevance (Clojure!) Licence privative

Plus en détail

Quick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite.

Quick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite. Rational ClearCase or ClearCase MultiSite Version 7.0.1 Quick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite. Product Overview IBM Rational

Plus en détail

Un peu d histoire. Qu est-ce que MongoDB?

Un peu d histoire. Qu est-ce que MongoDB? Un peu d histoire Initialement développé par 10gen en 2007 10gen rebaptisé en 2013 MongoDB, Inc. Son nom vient de "humongous" (c est énorme!!) Mis en open source en 2009 Dernière version stable (3.0.2)

Plus en détail

Les journées SQL Server 2013

Les journées SQL Server 2013 Les journées SQL Server 2013 Un événement organisé par GUSS Les journées SQL Server 2013 SharePoint pour le DBA SQL Configuration, haute disponibilité et performances David Barbarin Patrick Guimonet Un

Plus en détail

La persistance des données dans les applications : DAO, JPA, Hibernate... COMPIL 2010 francois.jannin@inp-toulouse.fr 1

La persistance des données dans les applications : DAO, JPA, Hibernate... COMPIL 2010 francois.jannin@inp-toulouse.fr 1 La persistance des données dans les applications : DAO, JPA, Hibernate... COMPIL 2010 francois.jannin@inp-toulouse.fr 1 Plan 1. Généralités sur la persistance des données dans les applications 2. La connection

Plus en détail

Cours Bases de données

Cours Bases de données Informations sur le cours Cours Bases de données 9 (10) séances de 3h Polycopié (Cours + TD/TP) 3 année (MISI) Antoine Cornuéjols www.lri.fr/~antoine antoine.cornuejols@agroparistech.fr Transparents Disponibles

Plus en détail

NoSQL. Introduction 1/23. I NoSQL : Not Only SQL, ce n est pas du relationnel, et le contexte. I table d associations - Map - de couples (clef,valeur)

NoSQL. Introduction 1/23. I NoSQL : Not Only SQL, ce n est pas du relationnel, et le contexte. I table d associations - Map - de couples (clef,valeur) 1/23 2/23 Anne-Cécile Caron Master MIAGE - BDA 1er trimestre 2013-2014 I : Not Only SQL, ce n est pas du relationnel, et le contexte d utilisation n est donc pas celui des SGBDR. I Origine : recherche

Plus en détail

Cytoscape pour la visualisation et le traitement de grands graphes

Cytoscape pour la visualisation et le traitement de grands graphes Cytoscape pour la visualisation et le traitement de grands graphes Laurent Risser CNRS, Institut de Mathématiques de Toulouse 01/16 1) Principaux logiciels Outils libres pour la visualisation et traitement

Plus en détail

Bases de données Cours 1 : Généralités sur les bases de données

Bases de données Cours 1 : Généralités sur les bases de données Cours 1 : Généralités sur les bases de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 1 Qu est ce qu une

Plus en détail

Java et les bases de données

Java et les bases de données Michel Bonjour http://cuiwww.unige.ch/~bonjour CENTRE UNIVERSITAIRE D INFORMATIQUE UNIVERSITE DE GENEVE Plan Introduction JDBC: API SQL pour Java - JDBC, Java, ODBC, SQL - Architecture, interfaces, exemples

Plus en détail

Groupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be

Groupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be Groupe de Discussion Big Data Aperçu des technologies et applications Stéphane MOUTON stephane.mouton@cetic.be Recherche appliquée et transfert technologique q Agréé «Centre Collectif de Recherche» par

Plus en détail

Auto-évaluation DB2 for z/os: cours de base

Auto-évaluation DB2 for z/os: cours de base Auto-évaluation DB2 for z/os: cours de base Document: f1067test.fm 22/01/2013 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTION AUTO-ÉVALUATION DB2 FOR Z/OS:

Plus en détail

Oracle Learning Library Tutoriel Database 12c Installer le logiciel Oracle Database et créer une Database

Oracle Learning Library Tutoriel Database 12c Installer le logiciel Oracle Database et créer une Database Installer le logiciel Oracle Database et créer une Database Présentation Objectif Ce tutoriel montre comment utiliser Oracle Universal Installer (OUI) pour installer le logiciel Oracle Database 12c et

Plus en détail

StratusLab : Le projet et sa distribution cloud

StratusLab : Le projet et sa distribution cloud StratusLab : Le projet et sa distribution cloud M. Airaj C. Loomis (CNRS/LAL) Université Lille I 17 Mai 2010 StratusLab is co-funded by the European Community s Seventh Framework Programme (Capacities)

Plus en détail

Introduction aux bases de données NoSQL

Introduction aux bases de données NoSQL Introduction aux bases de données NoSQL Khaled Tannir ets@khaledtannir.net Montréal - 23 Juillet 2015 Qui suis-je? Khaled TANNIR Big Data Architect Lead 20 ans d expérience ets@khaledtannir.net @khaled_tannir

Plus en détail

Architecture JEE. Objectifs attendus. Serveurs d applications JEE. Architectures JEE Normes JEE. Systèmes distribués

Architecture JEE. Objectifs attendus. Serveurs d applications JEE. Architectures JEE Normes JEE. Systèmes distribués Architecture JEE. Objectifs attendus Serveurs d applications JEE Systèmes distribués Architectures JEE Normes JEE couches logicielles, n-tiers framework JEE et design patterns 2007/02/28 Eric Hébert.eheb@yahoo.fr

Plus en détail

ETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE

ETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE Mémoires 2010-2011 www.euranova.eu MÉMOIRES ETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE Contexte : Aujourd hui la plupart des serveurs d application JEE utilise des niveaux de cache L1

Plus en détail

BONJOURGRID : VERSION ORIENTÉE DONNÉE & MAPREDUCE SÉCURISÉ

BONJOURGRID : VERSION ORIENTÉE DONNÉE & MAPREDUCE SÉCURISÉ Laboratoire LaTICE Univ. de Tunis INRIA LYON Avalon Team Laboratoire d Informatique de Paris Nord (LIPN) BONJOURGRID : VERSION ORIENTÉE DONNÉE & MAPREDUCE SÉCURISÉ Heithem Abbes Heithem Abbes Rencontres

Plus en détail

Les Nouveautés OpenEdge 11.2. 10 Avril 2013

Les Nouveautés OpenEdge 11.2. 10 Avril 2013 Les Nouveautés OpenEdge 11.2 10 Avril 2013 2 3 http://www.progress.com/fr-fr/openedge/openedgetour.html La Plate-Forme OpenEdge 11 Une solution Complète pour développer les Applications Métiers Open Clients/

Plus en détail

Virtualisation avancée de stations de travail Windows en environnement libre avec Linux KVM

Virtualisation avancée de stations de travail Windows en environnement libre avec Linux KVM Jean-Marc LIGER Mardi 7 juillet 2015 Virtualisation avancée de stations de travail Windows en environnement libre avec Linux KVM le choix de la solution hôte sous Linux LE CONTEXE D UTILISATION : - Nous

Plus en détail

Principaux concepts architecturaux pour la continuité (2 ème partie)

Principaux concepts architecturaux pour la continuité (2 ème partie) Principaux concepts architecturaux pour la continuité (2 ème partie) Version 1.0 Richard Stoecklin IT Architect rsto@ch.ibm.com Les 6 niveaux de la résilience à considérer IBM Corporation 2 Les différentes

Plus en détail

Academic Project. B3 - Architecture. Resit Project. Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA

Academic Project. B3 - Architecture. Resit Project. Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA SUPINFO Academic Dept. Resit Project Academic Project 2012-2013 Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA Conditions d utilisations : SUPINFO International University vous

Plus en détail

DOCUMENTATION MODULE BLOCKCATEGORIESCUSTOM Module crée par Prestacrea - Version : 2.0

DOCUMENTATION MODULE BLOCKCATEGORIESCUSTOM Module crée par Prestacrea - Version : 2.0 DOCUMENTATION MODULE BLOCKCATEGORIESCUSTOM Module crée par Prestacrea - Version : 2.0 INDEX : DOCUMENTATION - FRANCAIS... 2 1. INSTALLATION... 2 2. CONFIGURATION... 2 3. LICENCE ET COPYRIGHT... 3 4. MISES

Plus en détail

VMware : De la Virtualisation. au Cloud Computing

VMware : De la Virtualisation. au Cloud Computing VMware : De la Virtualisation. au Cloud Computing Tunis, le 12 Décembre 2012 Jamal Belhachemi BDM South EMEA 2010 VMware, Inc. Tous droits réservés. 2010 #1 dans les priorités des Directeurs Informatiques

Plus en détail

Webinar ORACLE LE LICENSING ORACLE Quel type de licensing choisir?

Webinar ORACLE LE LICENSING ORACLE Quel type de licensing choisir? Webinar ORACLE LE LICENSING ORACLE Quel type de licensing choisir? Maud Eon Marketing Specialist Insight Stéphane Kidjo - Architecte Avant Vente Pôle Oracle Software - Arrow ECS AGENDA : Pricing & Licensing

Plus en détail

Big Data. Cyril Amsellem Consultant avant-vente. 16 juin 2011. Talend 2010 1

Big Data. Cyril Amsellem Consultant avant-vente. 16 juin 2011. Talend 2010 1 Big Data Cyril Amsellem Consultant avant-vente 16 juin 2011 Talend 2010 1 Big Data Architecture globale Hadoop Les projets Hadoop (partie 1) Hadoop-Core : projet principal. HDFS : système de fichiers distribués

Plus en détail

Cloud Computing. Introduction. ! Explosion du nombre et du volume de données

Cloud Computing. Introduction. ! Explosion du nombre et du volume de données Cloud Computing Frédéric Desprez LIP ENS Lyon/INRIA Grenoble Rhône-Alpes EPI GRAAL 25/03/2010! Introduction La transparence d utilisation des grandes plates-formes distribuées est primordiale Il est moins

Plus en détail

SQL Server 2012 et SQL Server 2014

SQL Server 2012 et SQL Server 2014 SQL Server 2012 et SQL Server 2014 Principales fonctions SQL Server 2012 est le système de gestion de base de données de Microsoft. Il intègre un moteur relationnel, un outil d extraction et de transformation

Plus en détail

ORACLE 10G DISTRIBUTION ET REPLICATION. Distribution de données avec Oracle. G. Mopolo-Moké prof. Associé UNSA 2009/ 2010

ORACLE 10G DISTRIBUTION ET REPLICATION. Distribution de données avec Oracle. G. Mopolo-Moké prof. Associé UNSA 2009/ 2010 ORACLE 10G DISTRIBUTION ET REPLICATION Distribution de données avec Oracle G. Mopolo-Moké prof. Associé UNSA 2009/ 2010 1 Plan 12. Distribution de données 12.1 Génération des architectures C/S et Oracle

Plus en détail

1 - Oracle Fusion Middleware concepts

1 - Oracle Fusion Middleware concepts 1 - Oracle Fusion Middleware concepts 1 Concepts : OFM Fournit 2 types de composants : - composants Java déployés comme applications java EE et un ensemble de ressources. Les composants java sont déployés

Plus en détail

Bonnes pratiques / Optimisation des environnements

Bonnes pratiques / Optimisation des environnements Bonnes pratiques / Optimisation des environnements Pascale Borla-Salamet Oracle France Stockage et SAP, quel constat? Des bases de données souvent volumineuses Des délais de rétention

Plus en détail

Organiser vos données - Big Data. Patrick Millart Senior Sales Consultant

Organiser vos données - Big Data. Patrick Millart Senior Sales Consultant Organiser vos données - Big Data Patrick Millart Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be

Plus en détail

Une solution de stockage VDI unifiée, flexible et disponible pour vos utilisateurs

Une solution de stockage VDI unifiée, flexible et disponible pour vos utilisateurs Une solution de stockage VDI unifiée, flexible et disponible pour vos utilisateurs La structure d un FlexPod Cisco UnifiedComputing& NetAppUnifiedArchitecture Cisco Unified Computing System Architecture

Plus en détail

Architectures haute disponibilité avec MySQL. Olivier Olivier DASINI DASINI - - http://dasini.net/blog

Architectures haute disponibilité avec MySQL. Olivier Olivier DASINI DASINI - - http://dasini.net/blog Architectures haute disponibilité avec MySQL Architectures Architectures haute disponibilité haute disponibilité avec MySQL avec MySQL Olivier Olivier DASINI DASINI - - http://dasini.net/blog Forum PHP

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail

Introduction aux bases de données Cours 1 : Généralités sur les bases de données

Introduction aux bases de données Cours 1 : Généralités sur les bases de données Cours 1 : Généralités sur les bases de données ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bdmat.html Plan du cours 1 1 Qu est ce qu

Plus en détail

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence L offre décisionnel IBM Patrick COOLS Spécialiste Business Intelligence Le marché du Business Intelligence L enjeux actuel des entreprises : devenir plus «agiles» Elargir les marchés tout en maintenant

Plus en détail

Cassandra et Spark pour gérer la musique On-line

Cassandra et Spark pour gérer la musique On-line Cassandra et Spark pour gérer la musique On-line 16 Juin 2015 @ Paris Hammed RAMDANI Architecte SI 3.0 et BigData mramdani@palo-it.com +33 6 80 22 20 70 Appelez-moi Hammed ;-) (Sidi Mo)Hammed Ramdani @smramdani

Plus en détail

DevOps / SmartCloud Orchestrator. Dominique Lacassagne Cloud Architect

DevOps / SmartCloud Orchestrator. Dominique Lacassagne Cloud Architect DevOps / SmartCloud Orchestrator Dominique Lacassagne Cloud Architect DevOps / SmartCloud Orchestrator ( SCO ) Introduction: where does SCO fit in the DevOps story? A quick review of SCO main features

Plus en détail

Solaris pour la base de donnés Oracle

<Insert Picture Here> Solaris pour la base de donnés Oracle Solaris pour la base de donnés Oracle Alain Chéreau Oracle Solution Center Agenda Compilateurs Mémoire pour la SGA Parallélisme RAC Flash Cache Compilateurs

Plus en détail

Un exemple de cloud au LUPM : Stratuslab

Un exemple de cloud au LUPM : Stratuslab Un exemple de cloud au LUPM : Stratuslab Plan de la présentation Le cloud : une idée nouvelle? La boîte à outils du cloud Les différents types de cloud (Iaas, Paas, Saas) Présentation de Stratuslab Démonstration

Plus en détail

Jean-Philippe Paquette Jean-philippe.paquette@videotron.ca

Jean-Philippe Paquette Jean-philippe.paquette@videotron.ca Jean-Philippe Paquette Jean-philippe.paquette@videotron.ca 6 novembre 2013 Ordre du jour Histoire du mobile a RDS Les alertes SMS Application RDS hockey Push notifications Différence avec le site mobile

Plus en détail

XML et Bases de données. XMLType Oracle XML DB

XML et Bases de données. XMLType Oracle XML DB Oracle XML DB Oracle XML DB Depuis la version 9i et de façon enrichie dans la version 10g, Oracle propose des outils pour gérer des documents XML Depuis la 10g il n'y a plus d'extraction car auparavant

Plus en détail

Haute Disponibilité et Qualité de Service

Haute Disponibilité et Qualité de Service Consolidation Haute Disponibilité et Qualité de Service Charles-emmanuel Frances Consultant Vente France Grid Economics!!! HR Base de données Haute Dispo CRM ERP Middleware Examiner et Limiter les dépenses

Plus en détail

COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2

COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2 SQL Sommaire : COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2 COMMANDES DE MANIPULATION DE DONNEES... 2 COMMANDES DE CONTROLE TRANSACTIONNEL... 2 COMMANDES DE REQUETE DE DONNEES... 2 COMMANDES

Plus en détail

Fouillez facilement dans votre système Big Data. Olivier TAVARD

Fouillez facilement dans votre système Big Data. Olivier TAVARD Fouillez facilement dans votre système Big Data Olivier TAVARD A propos de moi : Cofondateur de la société France Labs Développeur (principalement Java) Formateur en technologies de moteurs de recherche

Plus en détail

Bases de Données NoSQL

Bases de Données NoSQL Bases de Données NoSQL LI328 Technologies Web Mohamed-Amine Baazizi Transparents de Bernd Amann UPMC - LIP6 LI328 Technologies Web (B. Amann) 1 SGBD Universalité Systèmes «SQL» : Facilité d'utilisation

Plus en détail

Présentation Alfresco

Présentation Alfresco Présentation d un CMS : Alfresco Présentation Alfresco Ludovic Plantin, Frédéric Sénèque, Xu Zhao Polytech Grenoble Décembre 2008 Plantin, Sénèque, Xu (Polytech) Présentation Alfresco Décembre 2008 1 /

Plus en détail

Techniques de stockage. Techniques de stockage, P. Rigaux p.1/43

Techniques de stockage. Techniques de stockage, P. Rigaux p.1/43 Techniques de stockage Techniques de stockage, P. Rigaux p.1/43 Techniques de stockage Contenu de ce cours : 1. Stockage de données. Supports, fonctionnement d un disque, technologie RAID 2. Organisation

Plus en détail

DOCUMENTATION - FRANCAIS... 2

DOCUMENTATION - FRANCAIS... 2 DOCUMENTATION MODULE CATEGORIESTOPMENU MODULE CREE PAR PRESTACREA INDEX : DOCUMENTATION - FRANCAIS... 2 INSTALLATION... 2 CONFIGURATION... 2 LICENCE ET COPYRIGHT... 3 SUPPORT TECHNIQUE ET MISES A JOUR...

Plus en détail

SQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste

SQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste Christian Soutou Avec la participation d Olivier Teste SQL pour Oracle 4 e édition Groupe eyrolles, 2004, 2005, 2008, 2010, is BN : 978-2-212-12794-2 Partie III SQL avancé La table suivante organisée en

Plus en détail

4. SERVICES WEB REST 46

4. SERVICES WEB REST 46 4. SERVICES WEB REST 46 REST REST acronyme de REpresentational State Transfert Concept introduit en 2000 dans la thèse de Roy FIELDING Est un style d architecture inspiré de l architecture WEB En 2010,

Plus en détail

CHAPITRE 1 ARCHITECTURE

CHAPITRE 1 ARCHITECTURE 07/04/2014 Université des sciences et de la Technologie Houari Boumediene USTHB Alger Département d Informatique ADMINISTRATION ET TUNING DE BASES DE DONNÉES CHAPITRE 1 ARCHITECTURE RESPONSABLE DR K. BOUKHALFA

Plus en détail

Power BI 365. #SPSParis E05 Isabelle Van Campenhoudt Jean-Pierre Riehl 30 Mai 2015 / May 30 th, 2015

Power BI 365. #SPSParis E05 Isabelle Van Campenhoudt Jean-Pierre Riehl 30 Mai 2015 / May 30 th, 2015 Power BI 365 #SPSParis E05 Isabelle Van Campenhoudt Jean-Pierre Riehl 30 Mai 2015 / May 30 th, 2015 Organizers / Organisateurs Raffle / Tombola Silver / Argent Gold / Or Platinum Merci aux sponsors! Thanks

Plus en détail

Oracle Maximum Availability Architecture

Oracle Maximum Availability Architecture Oracle Maximum Availability Architecture Disponibilité des systèmes d informations Technologies et recommandations 1 Qu est-ce que Oracle Maximum Availability Architecture (MAA)? 1. Objectif : Disponibilité

Plus en détail

KARMA Le système de Revenue Management d'air France KLM avec Hadoop

KARMA Le système de Revenue Management d'air France KLM avec Hadoop KARMA Le système de Revenue Management d'air France KLM avec Hadoop Conférence BIG DATA - Master MBDS Université de Nice Sophia Antipolis 16 Décembre 2014 Martial AYAS maayas@airfrance.fr 2 Agenda 1. Présentation

Plus en détail

GESTION DU CYCLE DE VIE. Albert Amar Avant-vente Middleware

GESTION DU CYCLE DE VIE. Albert Amar Avant-vente Middleware GESTION DU CYCLE DE VIE Albert Amar Avant-vente Middleware 1 The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated

Plus en détail

Compte Rendu d intégration d application

Compte Rendu d intégration d application ISMA 3EME ANNEE Compte Rendu d intégration d application Compte Rendu Final Maxime ESCOURBIAC Jean-Christophe SEPTIER 19/12/2011 Table des matières Table des matières... 1 Introduction... 3 1. Le SGBD:...

Plus en détail

Etude de cas PLM. Patrice TORGUET IRIT Université Paul Sabatier

Etude de cas PLM. Patrice TORGUET IRIT Université Paul Sabatier Etude de cas PLM Patrice TORGUET IRIT Université Paul Sabatier Plan Exemple PLM Répartition avec Sockets Répartition avec RMI Répartition avec CORBA Répartition avec JMS Répartition avec Java EE Améliorations

Plus en détail

Synchronisation Mysql (Replication)

Synchronisation Mysql (Replication) Synchronisation Mysql (Replication) [Petit avertissement : Bon, après relecture, je constate que c'est l'un des plus mauvais document que j'ai écrit. Mais bon, il est quand même utile ce torchon.] Nous

Plus en détail

Big Data : utilisation d un cluster Hadoop HDFS Map/Reduce HBase

Big Data : utilisation d un cluster Hadoop HDFS Map/Reduce HBase Big Data : utilisation d un cluster cluster Cécile Cavet cecile.cavet at apc.univ-paris7.fr Centre François Arago (FACe), Laboratoire APC, Université Paris Diderot LabEx UnivEarthS 14 Janvier 2014 C. Cavet

Plus en détail

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

Plus en détail

SPECIFICATION ET DESCRIPTION DU MULTICAST FIABLE DANS ETOILE

SPECIFICATION ET DESCRIPTION DU MULTICAST FIABLE DANS ETOILE page 1 / 10 Date : 19 décembre 2002 Origine : INRIA RESO Dossier : MULTICAST Titre : SPECIFICATION ET DESCRIPTION DU MULTICAST FIABLE DANS E Référence : Multicast version 0 État : DRAFT VERSIONS SUCCESSIVES

Plus en détail

Auto-évaluation Oracle: cours de base

Auto-évaluation Oracle: cours de base Auto-évaluation Oracle: cours de base Document: F0475Test.fm 14/01/2008 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTION AUTO-ÉVALUATION ORACLE: COURS DE

Plus en détail

Développement mobile MIDP 2.0 Mobile 3D Graphics API (M3G) JSR 184. Frédéric BERTIN fbertin@neotilus.com

Développement mobile MIDP 2.0 Mobile 3D Graphics API (M3G) JSR 184. Frédéric BERTIN fbertin@neotilus.com Développement mobile MIDP 2.0 Mobile 3D Graphics API (M3G) JSR 184 Frédéric BERTIN fbertin@neotilus.com Présentaion : Mobile 3D Graphics API JSR 184 M3G :présentation Package optionnel de l api J2ME. Prend

Plus en détail