Présentation HP Big Data et stockage Big Data et Cloud
|
|
- Michel Giroux
- il y a 8 ans
- Total affichages :
Transcription
1 Présentation HP Big Data et stockage Big Data et Cloud Didier Kirszenberg Directeur du programme rchitecture Critique et décisionnelle HP rance Le 20 ars Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice
2 Du Cloud au Big Data et réciproquement Les impacts sur le stockage Deux effets de mode, recherche de solution simple à opérer Cloud 2 Capacité de puissance informatique générique pour traiter en tant que service les demandes métiers Critères stockage : Gros volume centralisé extensible, partitionnable, tolèrent aux pannes, allocation dynamique, optimisation automatique Exemple : SR Big Data Capacité de puissance informatique spécifique pour donner du sens à de grands volumes de donnée Critères stockage : garantie I/O, scalabilité, faible coût Exemple : acebook Solon BIG DT 20 ars 2012 ny Workload, nywhere, nytime
3 Business Intelligence Big Data et Cloud La Taxonomie selon HP Reporting qui peut être Big Data et dans le Cloud Reporting prédéfini, reporting ad-hoc, dashboard, PKI nalytique souvent Big Data et parfois dans le Cloud nalyse prédictive, analyse descriptive, analyse comportementale, calcul de risques, clusters/segmentation/classification, corrélation, analyse geospatiale Traitement des données semi structurées classique du Big Data Reporting, dashboard, PKI, nalyse prédictive, analyse comportementale, calcul de risques, clusters/segmentation/classification, corrélation, Transformation de données Traitement des données non structurées Recherche via indexation, phonémisation, lexicographie, nalyse descriptive 3 Solon BIG DT 20 ars 2012
4 HP Database achine Cloud + IO garantie
5 HP Database achine Technologie Standard + Garantie IO Scalabilité Robustesse Jusqu a 80 cores 2 To Ram rchit Prema ISSION-CRITICL DB INRSTRUCTURE H & Perf Capacitive uto Tiering SSD C ST../.. Hautes Performances I/O lash PCI Card Hautes Performances et capacités I/O lash Bay 5 Solon BIG DT 20 ars 2012
6 La Latence au cœur des performances décisionnelles PCIe provides the maximum benefit for flash effectiveness C 8 ms SSD 3 ms SN L1, L2 & L3 CPU Cache DR 0,001 ms ioemory 0,025 ms 0,2 ms 0,1 ms Nanoseconds ccess Delay in Time illiseconds 6 Solon BIG DT 20 ars 2012
7 HP 3PR l offre de stockage Utility Storage Stockage pour les prochaines années ULTI-TENNT Isolement pour performance et sécurité des différents services EICCE Réduit jusqu à 50% le besoin de stockage, alloue automatiquement le stockage le moins couteux EDERE Charge équilibrée entre plusieurs systèmes Gestion du stockage au niveau global du Datacenter UTONOIC ugmenter l efficacité des administrateurs de 10x igration et techno refresh «self service» 7 Solon BIG DT 20 ars 2012
8 Stockage 3PR pour le Cloud 4 sur 5 des services providers et hébergeurs du Gartner Q utilisent 3PR uniquement 3PR Utility Storage solution faite pour le Cloud Solon BIG DT 20 ars 2012
9 Cas Client : DWH Big Data Opérateur Telco 150To Challenge Batch DWH en moins de 5h inimiser les risques et TCO Respecter standard client Solution HP Haute Performance max H acteur de succès Connaissance des techniques de parallélisation Oracle pproche standard Résultat Batch DWH sur HP: 32 minutes TCO 60% du prix des ppliances concurrentes 3PR replication Bénéfices client Le meilleur TCO Continuité applicative rchitecture générique (Cloud) 9 Solon BIG DT 20 ars 2012
10 HP Vertica Solution analytique en colonne
11 Column Store Sort and Encode for Speed Student_ID Name Cappiello, Emilia Dalal, lana Orner, Katy rigo, vis Stober, Saundra Borba, ilagros Sosnowski, Hillary Nibert, Emilia Popovic, Tanisha Schreckengost, ax Porcelli, Darren Sinko, Erik Tarvin, Julio Lessig, Elnora Thon, ax Trembley, llyson Gender Class Sophomore Senior Senior reshman Sophomore reshman Senior reshman Sophomore Sophomore Score Grade D C D D C D B D B ooter goes here Solon BIG DT 20 ars 2012
12 Column Store Sort and Encode for Speed Gender Class Grade Score Sophomore D 62 Senior 92 C 76 Senior D reshman 96 D 68 Sophomore 59 reshman 95 Senior C 76 D 67 reshman 91 Sophomore B 85 D 63 Sophomore B Name Cappiello, Emilia Dalal, lana Orner, Katy rigo, vis Stober, Saundra Borba, ilagros Sosnowski, Hillary Nibert, Emilia Popovic, Tanisha Schreckengost, ax Porcelli, Darren Sinko, Erik Tarvin, Julio Lessig, Elnora Thon, ax Trembley, llyson Student_ID Columns used in predicates Correlated values indexed by preceding column values ooter goes here Solon BIG DT 20 ars 2012
13 Column Store Sort and Encode for Speed Gender Class Grade Score reshman 95 reshman Senior C D D Sophomore D 62 Sophomore reshman Sophomore D B Sophomore B 85 Senior C 76 Senior D 64 Name Popovic, Tanisha Borba, ilagros Stober, Saundra Trembley, llyson Orner, Katy Lessig, Elnora Sosnowski, Hillary Dalal, lana Cappiello, Emilia Nibert, Emilia Sinko, Erik Porcelli, Darren Thon, ax Tarvin, Julio Schreckengost, ax rigo, vis Student_ID Columns used in predicates Correlated values indexed by preceding column values ooter goes here Solon BIG DT 20 ars 2012
14 Column Store Sort and Encode for Speed Gender Class Grade Score reshman 95 reshman offset offset C D D Senior 92 Sophomore D 62 Sophomore 2 nd 3 rd 59 reshman 91 I/O I/O D 67 Sophomore B 82 Sophomore B 85 Senior C 76 Senior D 64 1 st I/O Reads entire column 4 th I/O Name Popovic, Tanisha Borba, ilagros Stober, Saundra Trembley, llyson Orner, Katy Lessig, Elnora Sosnowski, Hillary Dalal, lana Cappiello, Emilia Nibert, Emilia Sinko, Erik Porcelli, Darren Thon, ax Tarvin, Julio Schreckengost, ax rigo, vis Student_ID Example query: select avg( Score ) from example where Class = and Gender = and Grade = ooter goes here Solon BIG DT 20 ars 2012
15 Vertica onctions principales Stockage en colonne Compression avancée rchitecture assivement Parallèle (PP) -> Stockage sur les disques des serveurs Design automatique de la database Tolérance aux pannes natives Interface SQL Standard Bénéfices nalytiques: Performance sans agrégat ni indexes Extrapolation des manquants dans les séries onction d analyse de données semistructurées comme géo-localisation, IP, URL/URI Solon BIG DT 20 ars 2012
16 Cas Client : Social Graphing nalytics - Zynga ooter goes here
17 HP Hadoop Reference rchitecture Solution no SQL pour données semi-structurées
18 Hadoop pour quels besoins? ccès à de grosses volumétries de données «historiques» S appuie sur une architecture de type assivement Parallèle High Performance Computing «HPC» dresser l évolutivité scale-out -> on utilise les disques des nœuds de calcul. Traitement de différents formats/répartitions de données lgorithme «apreduce» remplace les requêtes et les data-sets en éléments plus pertinents -> SQL est remplacé par Pig et/ou Hive 18
19 Hadoop : les enjeux au niveau configuration Yahoo! : nœuds Principal challenge : scalabilité Principal contrainte : le réseau Entreprise type : 66 nœuds (Hadoop World Summit, 2010) Principale contrainte : les I/O disques ujourd hui plus de 190 paramètres dans Hadoop Où appliquer l efforts d optimisation : réseau? Disques par nœuds? Scalabilité du stockage linéaire, mais pas la scalabilité des traitements 19
20 HP CU Gestion des fermes de calcul ide au tuning du développement Opérer 10, 100, 1000 systèmes comme un seul dresse Vertica et Hadoop 20
21 L environnement HP RI L. Cherkasova HP Labs - In Proc. of 8 th IEEE/C Intl. Conference on utonomic Computing (ICC), June, 2011 RI: utomated Resource Inference and llocation for apreduce Environments Une offre avancée HP Hadoop avec un ensemble de brevets et outils d analyse des charges et de performance Outil de «profiling» de travaux Dimensionne les ressources pour respecter les SLOs des travaux Gestion de la charge applicative orienté SLO Hadoop Environnement de simulation pour les administrateurs afin de déterminer l effet de scénarios et évaluer la charge Optimisation des travaux apreduce job pour une meilleure performance et optimisation de l utilisation du cluster ressource
22 HP utonomy Solution no SQL pour données non-structurées
23 Proposition de Valeur utonomy Big Data Indexe la donnée en la laissant là où elle est -> Que dit-on de mon entreprise sur acebook? Traite tous types de données dont l image et le son (400+ connecteurs) -> Si on peut donner du sens à la voix et à l image il devient économiquement intéressant de la stocker. ccès en «langage naturel» onctions analytiques intégrées Solon BIG DT 20 ars 2012
24 Real-Time essaging Compliance ournit à terminaux utilisateurs multi-lingues : Taxonomic Categorization, Search, lert, conceptually Cluster, Heat aps, Summarize sur : Tous les nouveaux articles (200k par jour) 40 millions s par jour 1.26 illion Trading lerts par jour 2.1 million taxonomy nodes Temps de réponse garantis sur les alertes SL de 100ms Jusqu à s par seconde Solon BIG DT 20 ars 2012
25 CONCLUSION
26 Quelle solution pour quel besoin? Reporting SQL 26 Offre «Database achine», technologie Cloud + garantie IO Offre conjointe HP icrosoft ast Track et Enterprise Data Warehouse nalytique SQL Offre «Database achine», technologie Cloud + garantie IO Offre HP Vertica Traitement données semi-structurées hors SQL HP Reference rchitecture Hadoop apreduce nalyse de données non structurées hors SQL Offre HP utonomy Solon BIG DT 20 ars 2012
27 Stockage dans le domaine des Big Data Volume of data PB HP Vertica HP Hadoop apreduce Reference rchitecture TB GB HP Database machine HP utonomy Structured data Semi-structured data Unstructured data 27 Solon BIG DT 20 ars 2012
28
Hadoop, les clés du succès
Hadoop, les clés du succès Didier Kirszenberg, Responsable des architectures Massive Data, HP France Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject
Plus en détail<Insert Picture Here> Exadata Storage Server et DB Machine V2
Exadata Storage Server et DB Machine V2 Croissance de la Volumétrie des Données Volumes multipliés par 3 tous les 2 ans Evolution des volumes de données 1000 Terabytes (Données) 800
Plus en détailIntroduction au Massive Data
Introduction au Massive Data Didier Kirszenberg, Responsable des architectures Massive Data, HP France Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject
Plus en détailGamme Serveurs HP ProLiant Rack
Gamme Serveurs HP ProLiant Rack Janvier 2015 Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. La gamme de produits la plus
Plus en détailKick Off SCC 2015. EMC l offre EXTREMIO. fmarti@fr.scc.com Philippe.rolland@emc.com. Vers de nouveaux horizons
Kick Off SCC 2015 EMC l offre EXTREMIO fmarti@fr.scc.com Philippe.rolland@emc.com Vers de nouveaux horizons Context Marché Les baies de stockages traditionnelles ont permis de consolider fortement Les
Plus en détailCassandra 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 détailHADOOP ET SON ÉCOSYSTÈME
HADOOP ET SON ÉCOSYSTÈME Mars 2013 2012 Affini-Tech - Diffusion restreinte 1 AFFINI-TECH Méthodes projets Outils de reporting & Data-visualisation Business & Analyses BigData Modélisation Hadoop Technos
Plus en détailBig Data. Les problématiques liées au stockage des données et aux capacités de calcul
Big Data Les problématiques liées au stockage des données et aux capacités de calcul Les problématiques liées au Big Data La capacité de stockage - Traitement : Ponctuel ou permanent? - Cycle de vie des
Plus en détailLes participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.
Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision
Plus en détail20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -"Big Data par l'exemple" -Julien DULOUT
20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013 20 ans du SIAD -"BigData par l'exemple" -Julien DULOUT Qui a déjà entendu parler du phénomène BigData? Qui a déjà
Plus en détailSQL 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 détailHadoop dans l entreprise: du concept à la réalité. Pourquoi et comment?
Hadoop dans l entreprise: du concept à la réalité. Pourquoi et comment? Jean-Marc Spaggiari Cloudera jms@cloudera.com @jmspaggi Mai 2014 1 2 Avant qu on commence Agenda -Qu est-ce que Hadoop et pourquoi
Plus en détailLe traitement du Big Data inclue la collecte, la curation, le stockage, l enrichissement, le croisement, la partage, l analyse et la visualisation.
Les infrastructure du Big Data Le «Big Data» vise à tirer un avantage concurrentiel au travers de méthodes de collecte, d analyse et d exploitation des données qu on ne pouvait utiliser jusqu à présent
Plus en détailEMC Forum 2014. EMC ViPR et ECS : présentation des services software-defined
EMC Forum 2014 EMC ViPR et ECS : présentation des services software-defined 1 2 3 4 5 Software is Eating the World Marc Andreessen co-fondateur de Netscape Les entreprises qui utilisent efficacement le
Plus en détailAcquisition 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 détailCatherine Chochoy. Alain Maneville. I/T Specialist, IBM Information Management on System z, Software Group
1 Catherine Chochoy I/T Specialist, IBM Information Management on System z, Software Group Alain Maneville Executive I/T specialist, zchampion, IBM Systems and Technology Group 2 Le défi du Big Data (et
Plus en détailEntreprise et Big Data
Entreprise et Big Data Christophe Favart Chef Architecte, SAP Advanced Development, Business Information Technology Public Juin 2013 Agenda SAP Données d Entreprise Big Data en entreprise Solutions SAP
Plus en détailIT SERVICES BUSINESS STORAGE DATA AUDIT PARTNERSHIP INTEGRATOR SECURITY PLANNING PRIVATE AGILITY DYNAMIC PUBLIC TECHNOLOGY SOLUTIONS MANAGEMENT
ACTIVE BUSINESS TALENT ANSWERS DESIGN AUDIT HYBRID DRP PRIVATE SOFTWARE ENGINEERING AGILITY DYNAMIC DEPLOY SECURITY COMPUTE USER Initialisation démonstration EVO:RAIL PROVISIONING ORCHESTRATION WORKLOAD
Plus en détailStratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité
Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité Patrice Vatin Business Development SAP FSI Andrew de Rozairo Business Development Sybase EMEA Septembre 2011
Plus en détailOrganiser 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 détailL UNIVERS INSTANTANÉ:
L UNIVERS INSTANTANÉ: Samy Benzekry Speaker Name Title 2011 Hewlett-Packard Development Company, 2010 L.P. Hewlett-Packard Development Company, L.P. The information contained herein is subject to change
Plus en détailFouillez 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 détailADMINISTRATION EXADATA
ADMINISTRATION EXADATA Abel Afonso Avant Vente abel.afonso@oracle.com The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated
Plus en détailComment valoriser votre patrimoine de données?
BIG DATA POUR QUELS USAGES? Comment valoriser votre patrimoine de données? HIGH PERFORMANCE HIGH ANALYTICS PERFORMANCE ANALYTICS MOULOUD DEY SAS FRANCE 15/11/2012 L ENTREPRISE SAS EN QUELQUES CHIFFRES
Plus en détailL INFORMATIQUE SOUS FORME DE SERVICE POUR VOTRE ENTREPRISE. Farid BENREJDAL Senior Systems Engineer VMware
L INFORMATIQUE SOUS FORME DE SERVICE POUR VOTRE ENTREPRISE Farid BENREJDAL Senior Systems Engineer VMware ... VERS L IT AS A SERVICE Phase I Phase II Phase III Gain en CapEx / Consolidation Gain en fiabilité
Plus en détailCartographie 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 détailBig 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 détailLes journées SQL Server 2013
Les journées SQL Server 2013 Un événement organisé par GUSS Les journées SQL Server 2013 Romain Casteres MVP SQL Server Consultant BI @PulsWeb Yazid Moussaoui Consultant Senior BI MCSA 2008/2012 Etienne
Plus en détailAnticiper et prédire les sinistres avec une approche Big Data
Anticiper et prédire les sinistres avec une approche Big Data Julien Cabot Directeur Big Data Analytics OCTO jcabot@octo.com @julien_cabot OCTO 2013 50, avenue des Champs-Elysées 75008 Paris - FRANCE Tél
Plus en détailBIG DATA en Sciences et Industries de l Environnement
BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie
Plus en détailSection I: Le Contexte du DATA CENTER Pourquoi l AGILITE est Nécessaire dans le DataCenter
Agile Data Center CONTENU Section I: Le Contexte du DATA CENTER Pourquoi l AGILITE est Nécessaire dans le DataCenter Section II: VERS UNE APPROCHE SERVICE Le DataCenter AGILE (ADC) Une Infrastructure Elastique
Plus en détail<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 détailBig data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique
Big data et données géospatiales : Enjeux et défis pour la géomatique Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Événement 25e anniversaire du CRG Université Laval, Qc, Canada 08 mai
Plus en détailBI Haute performance. Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull
BI Haute performance Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull Bull aujourd'hui - La seule expertise 100% européenne des infrastructures et des applications critiques - Une
Plus en détailPACKS DE VIRTUALISATION HP
PACKS DE VIRTUALISATION HP Les Packs de virtualisation en deux mots 10 configurations prétestées par HP Du pack pour débuter dans la virtualisation à l infrastructure haute disponibilité Toujours la même
Plus en détailPascale Borla-Salamet Consultante Avant Vente Oracle France. Oracle Exadata Performance et Optimisation de votre Datawarehouse
Pascale Borla-Salamet Consultante Avant Vente Oracle France Oracle Exadata Performance et Optimisation de votre Datawarehouse Agenda Les nouveaux challenges Exadata Storage Server Oracle Database Machine
Plus en détailC-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 détailKick Off SCC 2015 Comment faire de votre infrastructure de stockage une source d économie? Vers de nouveaux horizons
Kick Off SCC 2015 Comment faire de votre infrastructure de stockage une source d économie? Vers de nouveaux horizons cloud analytics mobile social 2015 Alain Cézard Alain.cezard@fr.ibm.com Comment faire
Plus en détailORACLE 10g Découvrez les nouveautés. Jeudi 17 Mars Séminaire DELL/INTEL/ORACLE
ORACLE 10g Découvrez les nouveautés Jeudi 17 Mars Séminaire DELL/INTEL/ORACLE Le Grid Computing d Entreprise Pourquoi aujourd hui? Principes et définitions appliqués au système d information Guy Ernoul,
Plus en détailEMC Enterprise Hybrid Cloud. Emmanuel Bernard Advisory vspecialist EMC Emmanuel.bernard@emc.com @veemanuel
EMC Enterprise Hybrid Cloud Emmanuel Bernard Advisory vspecialist EMC Emmanuel.bernard@emc.com @veemanuel Copyright 2014 EMC Corporation. All rights reserved. # Nouveau programme IT Défis métiers actuels
Plus en détailProgrammation parallèle et distribuée
Programmation parallèle et distribuée (GIF-4104/7104) 5a - (hiver 2014) Marc Parizeau, Département de génie électrique et de génie informatique Plan Mégadonnées («big data») Architecture Hadoop distribution
Plus en détailTransformation IT de l entreprise BIG DATA, MÉTIERS ET ÉVOLUTION DES BASES DE DONNÉES
Transformation IT de l entreprise BIG DATA, MÉTIERS ET ÉVOLUTION DES BASES DE DONNÉES M a l g r é s o n ca r act è r e en apparence multiforme un enjeu central s est progressivement affirmé en matière
Plus en détailVirtualScale L expert infrastructure de l environnement Open source HADOOP Sofiane Ammar sofiane.ammar@virtualscale.fr
VirtualScale L expert infrastructure de l environnement Open source HADOOP Sofiane Ammar sofiane.ammar@virtualscale.fr Avril 2014 Virtualscale 1 Sommaire Les enjeux du Big Data et d Hadoop Quels enjeux
Plus en détailETUDE 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 détailMise en oeuvre TSM 6.1
Mise en oeuvre TSM 6.1 «Bonnes pratiques» pour la base de données TSM DB2 Powered by Qui sommes nous? Des spécialistes dans le domaine de la sauvegarde et de la protection des données 10 ans d expertise
Plus en détail1 ère Partie Stratégie et Directions Stockage IBM
Cédric ARAGON Directeur des Ventes de Stockage IBM France 1 ère Partie Stratégie et Directions Stockage IBM Agenda Les défis actuels posés par la croissance des volumes de données IBM: acteur majeur sur
Plus en détail17/07/2013. Décisionnel dans le Nuage. Laboratoire ERIC. Section 1. Équipe d Accueil 3083. Décisionnel dans le Nuage.
Master 2 FDGC-ECD Année 203-204 Laboratoire ERIC Équipe d Accueil 3083 et Jérôme Darmont eric.univ-lyon2.fr/~jdarmont/ Section Décisionnel dans le Nuage 2 Le meilleur des mondes Du décisionnel à papa datawarehousing0.wikispaces.com
Plus en détailSystèmes Répartis. Pr. Slimane Bah, ing. PhD. Ecole Mohammadia d Ingénieurs. G. Informatique. Semaine 24.2. Slimane.bah@emi.ac.ma
Ecole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 24.2 1 Semestre 4 : Fev. 2015 Grid : exemple SETI@home 2 Semestre 4 : Fev. 2015 Grid : exemple SETI@home
Plus en détailHibernate 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 détailFAMILLE EMC VPLEX. Disponibilité continue et mobilité des données dans et entre les datacenters
FAMILLE EMC VPLEX Disponibilité continue et mobilité des données dans et entre les datacenters DISPONIBILITE CONTINUE ET MOBILITE DES DONNEES DES APPLICATIONS CRITIQUES L infrastructure de stockage évolue
Plus en détailمرحبا. Bienvenue. Wel come
مرحبا Bienvenue Wel come Construisez votre Cloud Le chemin vers le Cloud Computing IaaS / PaaS / SaaS 12 / 12 / 2012 Xavier POISSON GOUYOU BEAUCHAMPS EMEA VP, Converged Cloud Agenda Les importantes définitions
Plus en détailVirtualisation des ressources serveur. Exemple : Systèmes partitionnés sous HP-UX et Oracle
Virtualisation des ressources serveur Exemple : Systèmes partitionnés sous HP-UX et Oracle Sommaire 1 PRINCIPES DE LA VIRTUALISATION DES SERVEURS 3 2 PRINCIPES DE LA VIRTUALISATION DES SERVEURS PARTITIONNES
Plus en détailAPX et VCE, Modèle d industrialisation de l intégration et du déploiement. Olivier BERNARD, VCE
APX et VCE, Modèle d industrialisation de l intégration et du déploiement Olivier BERNARD, VCE Généralisation des réseaux, suprématie d IP Consumérisation des terminaux informatiques Evolution vers une
Plus en détailBig 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 détailProtection des données et des mobiles de l'entreprise
Protection des données et des mobiles de l'entreprise Sommaire Votre entreprise et les enjeux aujourd'hui La gestion de sauvegarde InSync Le partage de fichier (File share) La sécurité et la protection
Plus en détailFINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES
1 FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES «Dans le concret, projets de transformation vers le BigData» V1-10/03/15 ABED AJRAOU CONNAISSEZ-VOUS PAGESJAUNES? CONNAISSEZ-VOUS PAGESJAUNES? LES MEGADONNEES RÉPONDENT
Plus en détailStephan Hadinger, Sr. Mgr Solutions Architecture, AWS. Salon du Big Data 11 mars 2015
Stephan Hadinger, Sr. Mgr Solutions Architecture, AWS Salon du Big Data 11 mars 2015 Accélération de l innovation +500 +280 Amazon EC2 Container Service +159 AWS Storage Gateway Amazon Elastic Transcoder
Plus en détailComparaison du coût total de propriété de MongoDB et d Oracle. Un livre blanc 10gen
Comparaison du coût total de propriété de MongoDB et d Oracle Un livre blanc 10gen New York Palo Alto Washington, DC London Dublin Barcelona Sydney US 646.237.8815 INTL 650.440.4474 info@10gen.com Copyright
Plus en détailTRANSFORM IT + BUSINESS + YOURSELF
TRANSFORM IT + BUSINESS + YOURSELF Copyright 2012 EMC Corporation. All rights reserved. 2 Vos environnements SAP sont complexes et couteux : pensez «replatforming» TRANSFORM IT+ BUSINESS + YOURSELF Alexandre
Plus en détailDEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD
DEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD BIGDATA PARIS LE 1/4/2014 VINCENT HEUSCHLING @VHE74! 1 NOUS 100% Bigdata Infrastructure IT + Data Trouver vos opportunités Implémenter les
Plus en détailLe projet Gaïa, le Big Data au service du traitement de données satellitaires CRIP - 16/10/2013 Pierre-Marie Brunet
Le projet Gaïa, le Big Data au service du traitement de données satellitaires CRIP - 16/10/2013 Pierre-Marie Brunet 1 SOMMAIRE Le calcul scientifique au CNES Le BigData au CNES, le cas Gaïa HPC et BigData
Plus en détailSEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL
SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL AGENDA 14:15-14:30 Bienvenue & Introduction Jérôme Berthier et Manuel Fucinos 14:30-14:45 Le concept de la Data Viz et
Plus en détailLES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE
LES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE Sylvain SIOU VMware Laurent DELAISSE Hitachi Data Systems 1 Hitachi Data Systems Corporation 2012. All Rights Reserved
Plus en détailTP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 30/11/2011 Plan du TP 2 Rappel sur la chaine de BI Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Rappel sur la chaine de
Plus en détailProgrammation parallèle et distribuée
Programmation parallèle et distribuée (GIF-4104/7104) 5a - (hiver 2015) Marc Parizeau, Département de génie électrique et de génie informatique Plan Données massives («big data») Architecture Hadoop distribution
Plus en détailArian Papillon a.papillon@datafly.fr
Arian Papillon a.papillon@datafly.fr Eléments de monitoring Compteurs de performances DMV s et DBCC Evènements (jobs, services, ) Stratégies (policies) Traces Plans d exécution Outils de mesure Multiples,
Plus en détailWD et le logo WD sont des marques déposées de Western Digital Technologies, Inc, aux États-Unis et dans d'autres pays ; absolutely WD Re, WD Se, WD
WD et le logo WD sont des marques déposées de Western Digital Technologies, Inc, aux États-Unis et dans d'autres pays ; absolutely WD Re, WD Se, WD Xe, RAFF et StableTrac sont des marques de Western Digital
Plus en détailLa relation DSI Utilisateur dans un contexte d infogérance
La relation DSI Utilisateur dans un contexte d infogérance Michel Ducroizet 2004 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice La relation
Plus en détailSQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)
Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence
Plus en détailLivre. blanc. Solution Hadoop d entreprise d EMC. Stockage NAS scale-out Isilon et Greenplum HD. Février 2012
Livre blanc Solution Hadoop d entreprise d EMC Stockage NAS scale-out Isilon et Greenplum HD Par Julie Lockner et Terri McClure, Analystes seniors Février 2012 Ce livre blanc d ESG, qui a été commandé
Plus en détailLa rencontre du Big Data et du Cloud
La rencontre du Big Data et du Cloud Libérez le potentiel de toutes vos données Visualisez et exploitez plus rapidement les données de tous types, quelle que soit leur taille et indépendamment de leur
Plus en détailLa dernière base de données de Teradata franchit le cap du big data grâce à sa technologie avancée
Communiqué de presse Charles-Yves Baudet Twitter: Les clients de Teradata Teradata Corporation peuvent dan.conway@teradata.com tirer parti de plusieurs + 33 1 64 86 76 14 + 33 (0) 1 55 21 01 48/49 systèmes,
Plus en détailTHE FLASH REVOLUTION IS RIGHT NOW. Pure Storage France Contact : france@purestorage.com. 2014 Pure Storage, Inc. 1
THE FLASH REVOLUTION IS RIGHT NOW Pure Storage France Contact : france@purestorage.com 2014 Pure Storage, Inc. 1 Vous achetez une seule fois et vous utilisez pour toujours Imaginez un stockage continuellement
Plus en détailFAMILLE EMC VPLEX. Disponibilité continue et mobilité des données dans et entre les datacenters AVANTAGES
FAMILLE EMC VPLEX Disponibilité continue et mobilité des données dans et entre les datacenters DISPONIBLITÉ CONTINUE ET MOBILITÉ DES DONNÉES DES APPLICATIONS CRITIQUES L infrastructure de stockage évolue
Plus en détailKick Off SCC 2015. Vers de nouveaux horizons
Kick Off SCC 2015 Vers de nouveaux horizons Délivrer des environnements virtuels plus rapidement avec l'hyper-convergence HP Frédéric CHOLLET BU Manager SCC Fchollet-bilger@fr.scc.com Pascal RABIER Datacenter
Plus en détailQlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data
QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data Qui sommes-nous? Société de stratégie et de consulting IT spécialisée en ebusiness, Cloud Computing, Business
Plus en détailPerformances. 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 détailBienvenue au roadshow Microsoft System Center, SQL et Windows Server 2012
Savoir-faire en licences logicielles Gestion des actifs logiciels (Software Asset Management - SAM) Comsoft Bienvenue au roadshow Microsoft System Center, SQL et Windows Server 2012 Programme Horaires
Plus en détailLa Continuité d Activité
La virtualisation VMware vsphere au service de La Continuité d Activité La virtualisation VMware vsphere La virtualisation et la Continuité d Activité La virtualisation et le Plan de Secours Informatique
Plus en détailFUJITSU WORLD TOUR 2014 Paris
FUJITSU WORLD TOUR 2014 Paris Bienvenue... vshape simplifie la transition vers le cloud privé Best practices avec NetApp et Fujitsu Jeremy Raynot, Technical Partner Manager NetApp Olivier Davoust, Business
Plus en détailLabs Hadoop Février 2013
SOA - BRMS - ESB - BPM CEP BAM - High Performance Compute & Data Grid - Cloud Computing - Big Data NoSQL - Analytics Labs Hadoop Février 2013 Mathias Kluba Managing Consultant Responsable offres NoSQL
Plus en détailCloud (s) Positionnement
Cloud (s) Positionnement Introduction Mainframe Personal Computer Internet Client/serveur Cloud computing 1956-1976 1976-1992 1992-2008 2008-2016 Le Cloud oui mais progressivement Etude IDC 2011 Offre
Plus en détailIBM Cloudant Data Layer Local Edition
IBM Cloudant Data Layer Local Edition Évoluez et innovez plus rapidement sur toutes les plateformes cloud privées, publiques ou hybrides Points forts Cloudant constitue une couche de données extrêmement
Plus en détailSAP HANA : BIEN PLUS QU UNE BASE DE DONNÉES EN MÉMOIRE. Jean-Michel JURBERT Chef de Marché SAP France
SAP HANA : BIEN PLUS QU UNE BASE DE DONNÉES EN MÉMOIRE Jean-Michel JURBERT Chef de Marché SAP France Nos innovations sont conçues pour aider les organisations et entreprises à mieux fonctionner Applications
Plus en détailFormation Cloudera Data Analyst Utiliser Pig, Hive et Impala avec Hadoop
Passez au niveau supérieur en termes de connaissance grâce à la formation Data Analyst de Cloudera. Public Durée Objectifs Analystes de données, business analysts, développeurs et administrateurs qui ont
Plus en détailArchitectures d implémentation de Click&DECiDE NSI
Architectures d implémentation de Click&DECiDE NSI de 1 à 300 millions de ligne de log par jour Dans ce document, nous allons étudier les différentes architectures à mettre en place pour Click&DECiDE NSI.
Plus en détailSystème de Stockage Sécurisé et Distribué
Système de Stockage Sécurisé et Distribué Philippe Boyon philippe.boyon@active-circle.com ACTIVE CIRCLE QUI SOMMES NOUS? Editeur français, spécialiste du stockage de fichiers et de la gestion de données
Plus en détailPanorama des solutions analytiques existantes
Arnaud LAROCHE Julien DAMON Panorama des solutions analytiques existantes SFdS Méthodes et Logiciels - 16 janvier 2014 - Données Massives Ne sont ici considérés que les solutions autour de l environnement
Plus en détailJean-François Boulicaut & Mohand-Saïd Hacid
e siècle! Jean-François Boulicaut & Mohand-Saïd Hacid http://liris.cnrs.fr/~jboulica http://liris.cnrs.fr/mohand-said.hacid Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205
Plus en détailEMC AVAMAR. Logiciel et système de sauvegarde avec déduplication
EMC AVAMAR Logiciel et système de sauvegarde avec déduplication Avantages clés Les données sont dédupliquées à la source (client), avant leur transfert sur le réseau Idéal pour la protection des environnements
Plus en détailInfrastructure Management
Infrastructure Management Service de Supervision et gestion des infrastructures informatiques DATASHEET Présentation générale Netmind Infrastructure Management (NIM) est un service de supervision et de
Plus en détailEchapper légalement à l impôt sur les données
Echapper légalement à l impôt sur les données L IMPOT SUR LES DONNEES EST UN IMPOT SUR LE VOLUME... 3 L IMPOT SUR LES DONNEES EST UN IMPOT SUR LA DIVERSITE... 4 L IMPOT SUR LES DONNEES EST IMPREVISIBLE...
Plus en détailL 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 détailAVRIL 2014. Au delà de Hadoop. Panorama des solutions NoSQL
AVRIL 2014 Panorama des solutions NoSQL QUI SOMMES NOUS? Avril 2014 2 SMILE, EN QUELQUES CHIFFRES 1er INTÉGRATEUR EUROPÉEN DE SOLUTIONS OPEN SOURCE 3 4 NOS EXPERTISES ET NOS CONVICTIONS DANS NOS LIVRES
Plus en détailSauvegarde EMC pour solutions SAP HANA prêtes pour le datacenter. EMC Data Domain avec DD Boost
EMC pour solutions SAP HANA prêtes pour le datacenter EMC Data Domain avec DD Boost 1 Informations d entreprise Big Data Informations provenant des partenaires Informations «publiques» Informations structurées
Plus en détail4. 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 détailAtelier BNP le 28 Mars 2013 Assurances, mutuelles : Les nouveaux défis de la communication multicanal
Atelier BNP le 28 Mars 2013 Assurances, mutuelles : Les nouveaux défis de la communication multicanal Solution HP Exstream Philippe Bessis Business Development Manager HP Exstream HP Exstream est une solution
Plus en détailCatalogue Formation «Vanilla»
Catalogue Formation «Vanilla» Date : octobre 2009 Table des matières Liste des Formations...2 Contenu des formations...3 Vanilla FastTrack...3 Vanilla Architecture...5 Enterprise Services...6 BIPortail...7
Plus en détailIntroduction aux SGBDR
1 Introduction aux SGBDR Pour optimiser une base Oracle, il est important d avoir une idée de la manière dont elle fonctionne. La connaissance des éléments sous-jacents à son fonctionnement permet de mieux
Plus en détail