Bases de données et réseaux de capteurs

Dimension: px
Commencer à balayer dès la page:

Download "Bases de données et réseaux de capteurs"

Transcription

1 Bases de données et réseaux de capteurs Bruno Defude GET-Institut National des Télécommunications

2 Plan. Introduction BD & Mobilité Requêtes Continues, Flots de Données 2. Bases de données de capteurs. TinyDB (modèle de données & langage de requêtes) 2. TinyDB (évaluation de requêtes complexes) 3. Conclusion et problèmes ouverts 2

3 Introduction 3

4 Capteurs : le point Véritable petit processeur Capteur de lumière, champ magnétique, accélération, son, etc. Canal radio en half-duplex, ne peut pas émettre et recevoir à la fois (97MHz, 50 kb/s) Le coût de transmission est élevé / exécution processeur (envoi bit = 800 instructions) Problème de batterie : 5,5 Millions de messages (30 octets), càd msg/s chaque jour pendant 2 mois. En général broadcast/diffusion, les voisins reçoivent même s ils ne sont pas destinataires. 4

5 Nature des données des capteurs? Données des capteurs sont fournies par traitement du signal (mesures, détection, ) Chaque élément de donnée du capteur a une estampille N.B. {[ti, vi]} = BD Historique/ Temporelle Données provenant d un seul capteur ou d un groupe (nécessité d agrégation) 5

6 Gestion de données Modèles de données : Relationnel, Object, Semi-structuré, Persistance : Modèle, Stockage Langages de requêtes & API : SQL,QBE, OQL, QL+PL Optimisation de requêtes Intégrité et sécurité des données : contraintes, droits d accès, crypto,.. Gestion de transaction : cohérence, concurrence, reprise Systèmes & Architectures : SGBD (des smartcards aux architectures spécialisées), Client(s)/Server(s), Web, P2P/Grid, MOBILE 6

7 Langages de requêtes Quoi et non comment : indépendance des données Langages déclaratifs SQL, QUEL, QBE, OQL, XQUERY Évaluation de requêtes Pull vs push Requêtes continues Requêtes dépendantes de la localité Exacte vs approchée Tous vs top-k Statique vs dynamique 7

8 Optimisation de requêtes Indépendance des données stockage, localisation, distribution, partition, réplication transformations algébriques (relationnel, objet, ) Réécriture de requêtes sélection d un plan d accès optimal : modèle de coût Min (αn+βp+γm) à base de règles Statique vs. Dynamique Méta-données, statistiques, administrateur 8

9 Requêtes sur réseau de capteurs? Requêtes à la SQL sur un réseau de capteurs Accès à un grand ensemble de capteurs Accès associatif, indépendant de l organisation physique du réseau (approche BD) Exemple #: Chaque minute, avoir une mesure dans la région X Exemple #2: Quand deux capteurs distants de 2 m détectent un oiseau envoyer leur emplacement. Exemple #3: Toutes les 5 minutes, avoir le nombre d oiseaux dans la Région X. Aspects flots de données, événements, spatial 9

10 Problèmes BD réparties? Modèle pour les données des capteurs Accès aux données des capteurs Faibles capacités de stockage et de traitements Coût d accès aux données de capteurs Représenter le réseau de capteurs Gérer l aspect dynamique du réseau et le nombre de noeuds Prendre en compte les fautes Minimiser les communications : faire le maximum de traitements localement. 0

11 Techologie BD à réutiliser/adapter SGBD à petite empreinte (ex. PicoDBMS) Facile à configurer, zéro administration évaluation des requêtes : exact/approché, diffusion, échantillonnage, algos spécifiques Optimisation de requêtes : trouver une solution optimale dans un environnement dynamique (adaptatif), minimiser énergie (BD mobiles) Traitement des événements : BD Actives, ECA, Publish/Subscribe Flots de données générés doivent être traités à leur production BD sur flots de données: requêtes continues, optimisation

12 Caractéristiques environnement mobile Déconnexions fréquentes Bande passante variable (55kbs à 00Mbs) Coût de communication peut être élevé MU ont des capacités limitées Batteries Puissance de calcul Mémoire secondaire 2

13 Problèmes liés aux données mobiles (/2) Réplication & Cache Contraintes de cohérence différentes Réplication optimiste vs pessimiste Nouveaux algos de cache (broadcast, cohérence, invalidation...) Evaluation de requêtes : Pull / Push Diffusion de données vers une MU Broadcast disk Requêtes continues Requêtes dépendantes de la localisation 3

14 Problèmes liés aux données mobiles (2/2) Transactions : nouveaux modèles (ACID?) Transaction Mobile : une transaction où au moins une MU est impliquée dans l exécution Produits : PointBase, Navajo de Poet, Oracle Lite, DB2 Every Place, Sybase Anywhere, SQL Server CE Recherche : Clustering, Two-tier replication, Pro-motion, Reporting, Semantics-based, Kangaroo transactions, MDSTP, Moflex transactions Reprise Partitionnement de réseau fréquent Déconnexion n est pas (toujours) une panne Plus de journalisation 4

15 Requêtes dépendantes de la localisation. Trouver l hôtel le moins cher à Paris 2. Trouver l hôtel le moins cher et le plus près 3. Trouver l hôtel le moins cher et le plus près / où je serai dans une heure : requête classique BD spatiale (et temporelle) 2 : suppose une géo localisation de l utilisateur qui peut être immobile ou mobile 3 : utilisateur mobile : le localiser et prévoir sa trajectoire 5

16 Flots de données Flots continus, non bornés, rapides, liés au temps de données élémentaires Présents dans de nombreuses applications Surveillance de réseau et ingénierie de trafic Réseaux de capteurs, tags RFID Logs des opérateurs télécoms applications financières logs Web E-sciences DSMS = Data Stream Management System 6

17 Windows Méchanisme pour extraire une relation finie d un flot infini De nombreuses variations Windows définie sur un attribut ordonné (e.g., temps) Windows définie par un nombre de tuples Windows définie par des marqueurs explicites 7

18 Windows ordonnée selon un attribut 8

19 Architecture Générale de STREAM Register Query Streamed Result Stored Result DSMS Input streams Scratch Store Stored Relations Archive 9

20 Exemple Q Deux Flots : (avec estampille pour chaque tuple) Commandes (cid, client, cout) Prise_charge (cid, employe) Coût total des commandes prises en charge le jour précédent par Sue pour le client Joe Select From Where And And Sum(C.cout) Commandes C, Prise_charge P [Range Day] C.cID = P.cID P.employe = Sue C.client = Joe 20

21 Q2 Sur un échantillon de 0% du flot des prises en charge, prendre les 5 plus récentes par employé et renvoyer le coût maximum Select P.employe, Max(C.cout) From Commandes C, Prise_charge P [Partition by employe ROWS 5] 0% SAMPLE Where C.cID=P.cid Group by P.employe 2

22 Problèmes des DSMS Relations : ensemble de tuples ou séquences? BD types de màj? Ajout seulement? Requête immédiate ou continue? Résultat exact ou approché? Évaluation de requête en une passe ou +? Plan d exécution figé ou adaptatif? Ressources limitées (ex. mémoire) Nécessité de traiter les données en temps réel 22

23 Bases de données sur réseaux de capteurs 23

24 Some Sensornet Apps redwood forest microclimate monitoring smart cooling in data centers condition-based maintenance structural integrity And More Homeland security Container monitoring Mobile environmental apps Bird tracking Zebranet Home automation Etc!

25 Data Management Landscape External Tools Client Tools GUIs,etc Server-side Internet applications Stable Store (DBMS) Field Tools Local Servers Sensor Network TinyD B Data management Issues: APIs for current + historical access? Which data when? How to act on data? Network and node status? 25

26 High Level (Query Based) Interfaces are Good Programming Apps is Hard Limited power budget Lossy, low bandwidth communication Require long-lived, zero admin deployments Distributed Algorithms Limited tools, debugging interfaces Queries abstract away much of the complexity Burden on the database developers Users get: Safe, optimizable programs Freedom to think about apps instead of details 26

27 TinyDB: Declarative Query Interface to Sensornets Platform: Berkeley Motes + TinyOS Continuous variant of SQL : TinySQL Power and data-acquisition based in-network optimization framework Extensible interface for aggregates, new types of sensors 27

28 TinyDB Revisited High level abstraction: Data centric programming Interact with sensor network as a whole Extensible framework Under the hood: Intelligent query processing Fault Mitigation SELECT MAX(mag) FROM sensors WHERE mag > thresh SAMPLE PERIOD 64ms Query, Trigger App TinyDB Data Sensor Network Cougar is very similar 28

29 Feature Overview Declarative SQL-like query interface Metadata management Multiple concurrent queries In-network, distributed query processing Extensible w/ new attributes, commands, aggregates In-network, persistent storage 29

30 Architecture PC side TinyDB GUI TinyDB Client API JDBC DBMS Mote side 0 2 TinyDB query processor 8 4 Sensor network

31 TinyDB Interface 3

32 Data Model Entire sensor network as one single, logical table: sensors Columns consist of all the attributes defined in the network Typical attributes: Sensor readings Meta-data: node id, location, etc. Internal states: routing tree parent, timestamp, queue length, etc. Nodes return NULL for unknown attributes 32

33 Query Language (TinySQL) SELECT <aggregates>, <attributes> [FROM {sensors <buffer>}] [WHERE <predicates>] [GROUP BY <exprs>] [SAMPLE PERIOD <const> ONCE] [INTO <buffer>] [TRIGGER ACTION <command>] 33

34 Comparison with SQL Single table in FROM clause Only conjunctive comparison predicates in WHERE and HAVING No subqueries No column alias in SELECT clause Arithmetic expressions limited to column op constant Only fundamental difference: SAMPLE PERIOD clause 34

35 TinySQL Examples Find the sensors in bright nests. SELECT nodeid, nestno, light FROM sensors WHERE light > 400 SAMPLE PERIOD s Epoch 0 0 Sensors Nodeid nestno Light

36 TinySQL Examples (cont.) 2 SELECT AVG(sound) FROM sensors SAMPLE PERIOD 0s Count the number occupied nests in each loud region of the island. 3 SELECT region, CNT(occupied) AVG(sound) FROM sensors GROUP BY region HAVING AVG(sound) > 200 SAMPLE PERIOD 0s Epoch 0 0 region North South North South CNT( ) AVG( ) Regions w/ AVG(sound) >

37 Event-based Queries ON event SELECT Run query only when interesting events happens Event examples Button pushed Message arrival Bird enters nest Analogous to triggers but events are user-defined Wired into TinyOS events 37

38 Query over Stored Data Named buffers in Flash memory Store query results in buffers Query over named buffers Analogous to materialized views Example: CREATE BUFFER name SIZE x (field type, field2 type2, ) SELECT a, a2 FROM sensors SAMPLE PERIOD d INTO name SELECT field, field2, FROM name SAMPLE PERIOD d 38

39 Extending TinyDB Why extend TinyDB? New sensors attributes New control/actuation commands New data processing logic aggregates New events Analogous to concepts in object-relational databases 39

40 TinyDB Internals 40

41 Inside TinyDB ~0 000 lines embedded C code ~ lines (PC-side) Java ~ bytes RAM (w/ 768 byte heap) ~ 58 KB compiled code 3x larger than 2 nd largest TinyOS Program 4

42 Tree-based Routing Tree-based routing Used in: Query delivery Data collection In-network aggregation Tree formation well studied ETX Metric (Woo 03, DeCuoto 03) Q:SELECT R:{ } R:{ } R:{ } Q Q E Q B D Q Q A Q Q Q Q Q Q R:{ } C F Q R:{ } 42

43 Tiny DB advanced queries aggregation and joins 43

44 Tiny Aggregation (TAG) In-network processing of aggregates Common data analysis operation Aka gather operation or reduction in programming Communication reducing Operator dependent benefit Across nodes during same epoch Exploit query semantics to improve efficiency! 44

45 Basic Aggregation In each epoch: Each node samples local sensors once Generates partial state record (PSR) local readings readings from children Outputs PSR during assigned comm. interval Interval assigned based on depth in tree Interval At end of epoch, PSR for whole network output at root New result on each successive epoch 45

46 Illustration: In-Network Aggregation SELECT COUNT(*) FROM sensors Interval 4 Sensor # Sample Period Interval # Time

47 Illustration: In-Network Aggregation SELECT COUNT(*) FROM sensors Sensor # Interval Interval #

48 Illustration: In-Network Aggregation SELECT COUNT(*) FROM sensors Sensor # Interval Interval #

49 Illustration: In-Network Aggregation SELECT COUNT(*) FROM sensors 5 Interval Sensor # Interval #

50 Illustration: In-Network Aggregation SELECT COUNT(*) FROM sensors Interval 4 Sensor # Interval #

51 Illustration: In-Network Aggregation SELECT COUNT(*) FROM sensors Interval 4 Sensor # zzz zzz zzz 2 3 Interval # zzz 5 zzz zzz zzz zzz 3 zzz zzz 2 zzz zzz zzz zzz zzz 4 5 5

52 Aggregation Framework As in extensible databases, TinyDB supports any aggregation function conforming to: Agg n ={f init, f merge, f evaluate } F init {a 0 } <a 0 > F merge {<a >,<a 2 >} <a 2 > F evaluate {<a >} Example: Average aggregate value AVG init {v} <v,> AVG merge {<S, C >, <S 2, C 2 >} < S + S 2, C + C 2 > AVG evaluate {<S, C>} S/C Restriction: Merge associative, commutative Partial State Record (PSR) 52

53 Taxonomy of Aggregates TAG insight: classify aggregates according to various functional properties Yields a general set of optimizations that can automatically be applied Property Partial State Monotonicity Exemplary vs. Summary Duplicate Sensitivity Examples MEDIAN : unbounded, MAX : record COUNT : monotonic AVG : non-monotonic MAX : exemplary COUNT: summary MIN : dup. insensitive, AVG : dup. sensitive Affects Effectiveness of TAG Hypothesis Testing, Snooping Applicability of Sampling, Effect of Loss Routing Redundancy 53

54 In-Network Join Processing (REED) Complex data filtering in sensor networks 54

55 Example Filter Query Timestamp Temp 3:05PM 74 Sensor Data X MinTS MaxTS MinTemp MaxTemp 2:00PM 2:30PM :30PM 3:00PM :00PM 3:30PM :30PM 4:00PM :00PM 4:30PM :30PM 5:00PM :00PM 5:30PM :30PM 6:00PM Join Predicate: Predicate Table TS > MinTS && TS < MaxTS && (Temp < MinTemp Temp > MaxTemp) 55

56 Naïve Join Algorithm Root 0 Main PC Controller X A B C D 2 Predicate Table X Send all tuples from data table to root; perform join at root X

57 Ideal Join Algorithm Send join table to each node At node, perform join Problem: Severe Node Memory Constraints A B C D A B C D Root 0 Main PC Controller 2 A B C D A B C D A B C D X X X A B C 6 7 A B C X X D D 57

58 REED Algorithm Cluster nodes into groups Store portion of predicate table in each group member Send sensor data tuples to every member of group Root 0 2 AAA BBB CCC DDD X X X X D

59 Group Formation Neighbor list: {, 2, 3, 4, 6} Space: Space: Space: 48 0 CurrList: {} {, {, 4} 3, 4} Potential: {, {, {, 2, 3, 3, 3, 4, 4} 4, 6} 6} 6 Choose Me! {, 3, 4} Space: 2 Broadcast: Choose Group Accepted: Me! Want to {, make 3, 4, 4} group 6} Space: 4 Neighbor list: {, 4, 6} 3 Neighbor list: {, 3, 4} Neighbor list: {, 3, 4, 6} 4 59

60 Table Distribution Group members figure out amongst themselves how the table will be divided across group Table flooded to network 60

61 Conclusions Beaucoup de travaux ces dernières années sur les flots de données Première génération de DSMS, premières vraies applications Deux projets importants de BD sur réseaux de capteurs TinyDB et Cougar Premiers prototypes, un ou deux déploiements Premiers résultats encourageants mais de nombreux problèmes restent à résoudre à l intersection de systèmes embarqués, BD, réseaux 6

62 Problèmes ouverts BD & capteurs Model-driven data acquisition Exploiter les corrélations entre les données Optimisation multi-requêtes Approche Cross-layer (e.g modèle de communication + modèle évaluation requêtes) Stockage des données sur les capteurs (cache, ) Hétérogénéité des capteurs 62

63 Problèmes ouverts BD & capteurs (2) Acquisitional Query Processing Acquisition de données généralement coûteuse Intégrer dans tout le processus d évaluation/optimisation de requêtes (e.g quand faire l acquisition, comment entrelacer sélection/acquisition efficacement) Sélectionner le sous-ensemble de nœuds permettant de résoudre une requête donnée Construction d index (range-partitionning) type P2P Balancer gain vs coût construction + maintenance index 63

64 UbiMob e Journées Francophones Mobilité et Ubiquité 5-8 septembre 2006 Conservatoire National des Arts et Métiers - Paris 3 mars mai 2006 Date limite de soumission des articles longs Date limite de soumission des articles courts, démonstrations, tutoriels et ateliers 64

65 Sources utilisées présentations de Sam Madden MIT (http://db.lcs.mit.edu/madden) 65

66 Bibliographie L. Golab & T. Ozsu, Issues in Data Stream Management. ACM SIGMOD Record, June Y. Yao, J. E. Gehrke. Query Processing in Sensor Networks. In Proceedings CIDR 2003, January 2003 S. R. Madden, M. J. Franklin, J. M. Hellerstein, and W. Hong. TAG: a Tiny AGgregation Service for Ad- Hoc Sensor Networks. OSDI, December S. R. Madden, M.J. Franklin, J.M. Hellerstein, and W. Hong. The Design of an Acquisitional Query Processor for Sensor Networks. ACM TODS 66

67 Bibliographie (2) V. Goebel, T. Plagemann. Data Stream Management Systems: Applications, Concepts and Systems, Tutorial presented at MIPS 2004 Conference, Grenoble J. Gehrke, S. Madden. Query Processing in Sensor Networks, IEEE Pervasive Computing, jan-march 2004 Michel Adiba «Données ambiantes, continues et mobiles» Tutoriel à UbiMob05 The STREAM group. Stanford Data Stream Management System, to appear 2006 (voir 67

Exercices sur SQL server 2000

Exercices sur SQL server 2000 Exercices sur SQL server 2000 La diagramme de classe : Exercices sur SQL server 2000 Le modèle relationnel correspondant : 1 Créer les tables Clic-droit on Tables et choisir «New Table» Créer la table

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

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

Capture the value of your IT

Capture the value of your IT Trader s S.A.S www.quick-software-line.com 01 53 10 27 50 Capture the value of your IT Think Data! En 2014 En 2015 Trader s puts your Data in Motion with Quick-SmartData!!! Quick-SmartData à l intérieur

Plus en détail

Plan 1/9/2013. Génération et exploitation de données. CEP et applications. Flux de données et notifications. Traitement des flux Implémentation

Plan 1/9/2013. Génération et exploitation de données. CEP et applications. Flux de données et notifications. Traitement des flux Implémentation Complex Event Processing Traitement de flux de données en temps réel Romain Colle R&D Project Manager Quartet FS Plan Génération et exploitation de données CEP et applications Flux de données et notifications

Plus en détail

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013 Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,

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

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

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

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

Design and Implementation of an Efficient Data Stream Processing System

Design and Implementation of an Efficient Data Stream Processing System Design and Implementation of an Efficient Data Stream Processing System THÈSE N O 4611 (2010) PRÉSENTÉE LE 29 MARS 2010 À LA FACULTÉ INFORMATIQUE ET COMMUNICATIONS LABORATOIRE DE SYSTÈMES D'INFORMATION

Plus en détail

NOTICE D UTILISATION Option USB 2-Ports USB FRANCAIS

NOTICE D UTILISATION Option USB 2-Ports USB FRANCAIS NOTICE D UTILISATION Option USB 2-Ports USB FRANCAIS Introduction Ce supplément vous informe de l utilisation de la fonction USB qui a été installée sur votre table de mixage. Disponible avec 2 ports USB

Plus en détail

Plan. Department of Informatics

Plan. Department of Informatics Plan 1. Application Servers 2. Servlets, JSP, JDBC 3. J2EE: Vue d ensemble 4. Distributed Programming 5. Enterprise JavaBeans 6. Enterprise JavaBeans: Special Topics 7. Prise de recul critique Enterprise

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

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

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

Surveillance de Scripts LUA et de réception d EVENT. avec LoriotPro Extended & Broadcast Edition

Surveillance de Scripts LUA et de réception d EVENT. avec LoriotPro Extended & Broadcast Edition Surveillance de Scripts LUA et de réception d EVENT avec LoriotPro Extended & Broadcast Edition L objectif de ce document est de présenter une solution de surveillance de processus LUA au sein de la solution

Plus en détail

Fiche produit ifinance v4

Fiche produit ifinance v4 Fiche produit ifinance v4 2005-2015, Synium Software GmbH Traduction française 2003-2015, SARL Mac V.F. Philippe Bonnaure http://www.macvf.fr support@macvf.fr Version 4 du 25/06/2015 Identification du

Plus en détail

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Lhouari Nourine 1 1 Université Blaise Pascal, CNRS, LIMOS, France SeqBio 2012 Marne la vallée, France 2.

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

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

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

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

Cedric Dumoulin (C) The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/

Cedric Dumoulin (C) The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/ Cedric Dumoulin (C) The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/ Webographie The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/ Les slides de cette présentation

Plus en détail

Introduction aux bases de données

Introduction aux bases de données Introduction aux bases de données Références bibliographiques Jeff Ullman,Jennifer Widom, «A First Course in Database systems», Prentice-Hall, 3rd Edition, 2008 Hector Garcia-Molina, Jeff Ullman, Jennifer

Plus en détail

StruxureWare Power Monitoring v7.0. La nouvelle génération en matière de logiciel de gestion complète d énergie

StruxureWare Power Monitoring v7.0. La nouvelle génération en matière de logiciel de gestion complète d énergie StruxureWare Power Monitoring v7.0 La nouvelle génération en matière de logiciel de gestion complète d énergie Évolution des deux plate-formes originales Power Monitoring v7.0 SMS ION Enterprise 2012 Struxureware

Plus en détail

Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00

Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00 Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00 HFFv2 1. OBJET L accroissement de la taille de code sur la version 2.0.00 a nécessité une évolution du mapping de la flash. La conséquence de ce

Plus en détail

Les bases de données

Les bases de données Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive

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

TP Bases de données réparties

TP Bases de données réparties page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure

Plus en détail

BIG Data et R: opportunités et perspectives

BIG Data et R: opportunités et perspectives BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,

Plus en détail

A partir de ces différents matériels, l administrateur a déterminé huit configurations différentes. Il vous demande de les compléter.

A partir de ces différents matériels, l administrateur a déterminé huit configurations différentes. Il vous demande de les compléter. Exonet - Ressources mutualisées en réseau Description du thème Propriétés Intitulé long Formation concernée Présentation Modules Activités Compétences ; Savoir-faire Description Ressources mutualisées

Plus en détail

HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager

HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager Hitachi Storage Command Suite Portfolio SAN Assets &

Plus en détail

deux tâches dans le tableau et à cliquer sur l icône représentant une chaîne dans la barre d outils. 14- Délier les tâches : double cliquer sur la

deux tâches dans le tableau et à cliquer sur l icône représentant une chaîne dans la barre d outils. 14- Délier les tâches : double cliquer sur la MS Project 1- Créer un nouveau projet définir la date du déclenchement (début) ou de la fin : File New 2- Définir les détails du projet : File Properties (permet aussi de voir les détails : coûts, suivi,

Plus en détail

To know before to be connected... 2 FTP2SMS... 3 1.1 XML format to send... 3 1.2 File level 1 ( ftp2sms.mt)... 4 1.3 Ack response XML ( ftp2sms.

To know before to be connected... 2 FTP2SMS... 3 1.1 XML format to send... 3 1.2 File level 1 ( ftp2sms.mt)... 4 1.3 Ack response XML ( ftp2sms. FTP2SMS FTP2SMS Content To know before to be connected... 2 FTP2SMS... 3 1.1 XML format to send... 3 1.2 File level 1 ( ftp2sms.mt)... 4 1.3 Ack response XML ( ftp2sms.dc)... 5 1 TO KNOW BEFORE TO BE CONNECTED

Plus en détail

LA VOIX SUR GPRS. 1. Introduction. P. de Frino (1), S. Robert (2), G. Cecchin (3) Résumé

LA VOIX SUR GPRS. 1. Introduction. P. de Frino (1), S. Robert (2), G. Cecchin (3) Résumé «La voix sur GPRS» LA VOIX SUR GPRS P. de Frino (1), S. Robert (2), G. Cecchin (3) Résumé Cette étude a pour objectif de réaliser une application qui fonctionne sur PDA et qui permette d envoyer des fichiers

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

Présentation Windows Azure Hadoop Big Data - BI

Présentation Windows Azure Hadoop Big Data - BI Présentation Windows Azure Hadoop Big Data - BI Sommaire 1. Architecture Hadoop dans Windows Azure... 3 2. Requête Hive avec Hadoop dans Windows Azure... 4 3. Cas d études... 5 3.1 Vue : Administrateur...

Plus en détail

Feuille de TD 2 de BDA, M1 2008 2009 11-03-2011. SGBDRO avec Oracle. 1 Première version simpliste

Feuille de TD 2 de BDA, M1 2008 2009 11-03-2011. SGBDRO avec Oracle. 1 Première version simpliste Feuille de TD 2 de BDA, M1 2008 2009 11-03-2011 Les fichiers en format pdf des projections du cours sont disponibles sur la page : http://www.ibisc.univevry.fr/~serena mais ne pas les imprimer au bât.

Plus en détail

INSTRUMENTS DE MESURE SOFTWARE. Management software for remote and/or local monitoring networks

INSTRUMENTS DE MESURE SOFTWARE. Management software for remote and/or local monitoring networks INSTRUMENTS DE MESURE SOFTWARE SOFTWARE Logiciel de supervision des réseaux locaux et/ou distants Management software for remote and/or local monitoring networks MIDAs EVO 4 niveaux de fonctionnalités

Plus en détail

BMC Middleware Management: Transaction Analytics (StatWatch) & Transaction Monitoring (Q Nami!) Didier Hauwy Didier_hauwy@bmc.com

BMC Middleware Management: Transaction Analytics (StatWatch) & Transaction Monitoring (Q Nami!) Didier Hauwy Didier_hauwy@bmc.com BMC Middleware Management: Transaction Analytics (StatWatch) & Transaction Monitoring (Q Nami!) Didier Hauwy Didier_hauwy@bmc.com Gamme de produits MQSoftware Business Process Infrastructure 2 2 BMC Middleware

Plus en détail

HAUTE DISPONIBILITÉ DE MACHINE VIRTUELLE AVEC HYPER-V 2012 R2 PARTIE CONFIGURATION OPENVPN SUR PFSENSE

HAUTE DISPONIBILITÉ DE MACHINE VIRTUELLE AVEC HYPER-V 2012 R2 PARTIE CONFIGURATION OPENVPN SUR PFSENSE HAUTE DISPONIBILITÉ DE MACHINE VIRTUELLE AVEC HYPER-V 2012 R2 PARTIE CONFIGURATION OPENVPN SUR PFSENSE Projet de semestre ITI soir 4ème année Résumé configuration OpenVpn sur pfsense 2.1 Etudiant :Tarek

Plus en détail

RFID: Middleware et intégration avec le système d'information Olivier Liechti

RFID: Middleware et intégration avec le système d'information Olivier Liechti RFID: Middleware et intégration avec le système d'information Olivier Liechti Sun Microsystems, Inc. Agenda Introduction > Vision et architecture Le rôle du middleware RFID > Gestion des données > Administration

Plus en détail

WEB page builder and server for SCADA applications usable from a WEB navigator

WEB page builder and server for SCADA applications usable from a WEB navigator Générateur de pages WEB et serveur pour supervision accessible à partir d un navigateur WEB WEB page builder and server for SCADA applications usable from a WEB navigator opyright 2007 IRAI Manual Manuel

Plus en détail

TP MIF27 N 2 Fichier trace, Files d attente, Modèles d erreurs

TP MIF27 N 2 Fichier trace, Files d attente, Modèles d erreurs TP MIF27 N 2 Fichier trace, Files d attente, Modèles d erreurs M. Haddad 14 avril 2011 1 Analyse du fichier trace (réseau filaire) Dans cette section, nous allons étudier les événements se produisant dans

Plus en détail

Règles et paramètres d'exploitation de Caparmor 2 au 11/12/2009. Pôle de Calcul Intensif pour la mer, 11 Decembre 2009

Règles et paramètres d'exploitation de Caparmor 2 au 11/12/2009. Pôle de Calcul Intensif pour la mer, 11 Decembre 2009 Règles et paramètres d'exploitation de Caparmor 2 au 11/12/2009 Pôle de Calcul Intensif pour la mer, 11 Decembre 2009 CAPARMOR 2 La configuration actuelle Les conditions d'accès à distance règles d'exploitation

Plus en détail

How To connect to TonVPN Max / Comment se connecter à TonVPN Max

How To connect to TonVPN Max / Comment se connecter à TonVPN Max How To connect to TonVPN Max / Comment se connecter à TonVPN Max Note : you need to run all those steps as an administrator or somebody having admin rights on the system. (most of the time root, or using

Plus en détail

Introduction aux bases de données

Introduction aux bases de données Introduction aux bases de données BD4 SB, FC, & N G d R Licence MIASHS, Master ISIFAR, Paris-Diderot Janvier 2015 BD4 (Licence MIASHS, Master ISIFAR, Paris-Diderot) Introduction aux bases de données 1/10

Plus en détail

HYTEM http://www.hytem.net GENERATEUR SYNTHETISE GSM / DCS / PCS / UMTS / LTE / WIFI / WLAN

HYTEM http://www.hytem.net GENERATEUR SYNTHETISE GSM / DCS / PCS / UMTS / LTE / WIFI / WLAN http://www.hytem.net GENERATEUR SYNTHETISE GSM / DCS / PCS / UMTS / LTE / WIFI / WLAN CARACTERISTIQUES TECHNIQUES ET UTILISATION MAN 08-02-23 GARANTIE WARRANTY! La maintenance de cet appareil doit être

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

Cours de Bases de Données Avancées 2006-2007 Groupe cinema, Rapport 4

Cours de Bases de Données Avancées 2006-2007 Groupe cinema, Rapport 4 1 Annexes Avec ce rapport il faut rendre en annexe le script SQL corrigé qui permet de créer la base de données selon votre modèle relationnel ainsi que de la peupler avec un nombre de tuples suffisant.

Plus en détail

Les Triggers SQL. Didier DONSEZ. Université de Valenciennes Institut des Sciences et Techniques de Valenciennes donsez@univ-valenciennes.

Les Triggers SQL. Didier DONSEZ. Université de Valenciennes Institut des Sciences et Techniques de Valenciennes donsez@univ-valenciennes. Les Triggers SQL Didier DONSEZ Université de Valenciennes Institut des Sciences et Techniques de Valenciennes donsez@univ-valenciennes.fr 1 Sommaire Motivations Trigger Ordre Trigger Ligne Condition Trigger

Plus en détail

Forthcoming Database

Forthcoming Database DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of

Plus en détail

VTP. LAN Switching and Wireless Chapitre 4

VTP. LAN Switching and Wireless Chapitre 4 VTP LAN Switching and Wireless Chapitre 4 ITE I Chapter 6 2006 Cisco Systems, Inc. All rights reserved. Cisco Public 1 Pourquoi VTP? Le défi de la gestion VLAN La complexité de gestion des VLANs et des

Plus en détail

Utiliser une WebCam. Micro-ordinateurs, informations, idées, trucs et astuces

Utiliser une WebCam. Micro-ordinateurs, informations, idées, trucs et astuces Micro-ordinateurs, informations, idées, trucs et astuces Utiliser une WebCam Auteur : François CHAUSSON Date : 8 février 2008 Référence : utiliser une WebCam.doc Préambule Voici quelques informations utiles

Plus en détail

Java et les bases de données: JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java. Michel Bonjour http://cuiwww.unige.

Java et les bases de données: JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java. Michel Bonjour http://cuiwww.unige. : JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java Michel Bonjour http://cuiwww.unige.ch/~bonjour Plan JDBC: API bas niveau pour l accès aux BD (SQL) - Introduction - JDBC et : Java, ODBC, SQL

Plus en détail

Cours Bases de données 2ème année IUT

Cours Bases de données 2ème année IUT Cours Bases de données 2ème année IUT Cours Bilan : Des vues à PL/SQL corrigé Anne Vilnat http://www.limsi.fr/individu/anne/cours Plan 1 Cas exemple 2 Les tables... 3 Vues et index 4 Privilèges 5 Fonctions

Plus en détail

Administration des bases de données. Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine/

Administration des bases de données. Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine/ Administration des bases de données Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine/ Administration des bases de données II Objets avancés dans les bases de données OBJECTIFS 2.1. NOTIONS 2.1.1.

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

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

Once the installation is complete, you can delete the temporary Zip files..

Once the installation is complete, you can delete the temporary Zip files.. Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une

Plus en détail

Session S12 Les bases de l optimisation SQL avec DB2 for i

Session S12 Les bases de l optimisation SQL avec DB2 for i Session S12 Les bases de l optimisation SQL avec DB2 for i C. GRIERE cgriere@fr.ibm.com STG Lab Services IBM i Avril 2012 Les fleurs et les requêtes SQL Lorsque l on veut planter de nouvelles fleurs dans

Plus en détail

Introduction à MapReduce/Hadoop et Spark

Introduction à MapReduce/Hadoop et Spark 1 / 36 Introduction à MapReduce/Hadoop et Spark Certificat Big Data Ludovic Denoyer et Sylvain Lamprier UPMC Plan 2 / 36 Contexte 3 / 36 Contexte 4 / 36 Data driven science: le 4e paradigme (Jim Gray -

Plus en détail

arxiv:0707.1304v1 [cs.db] 9 Jul 2007

arxiv:0707.1304v1 [cs.db] 9 Jul 2007 Hadj Mahboubi, Kamel Aouiche, Jérôme Darmont ERIC, Université Lumière Lyon 2 5 avenue Pierre Mendès-France 69676 Bron Cedex { hmahboubi kaouiche jdarmont}@eric.univ-lyon2.fr arxiv:0707.1304v1 [cs.db] 9

Plus en détail

Systèmes distribués Introduction

Systèmes distribués Introduction Systèmes distribués Introduction Nabil Abdennadher nabil.abdennadher@hesge.ch http://lsds.hesge.ch/distributed-systems/ 2015/2016 Semestre d Automne 1 Aujourd hui les réseaux et les SDI sont partout! Réseaux

Plus en détail

Grégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.

Grégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved. Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans

Plus en détail

Introduction aux systèmes temps réel. Iulian Ober IRIT ober@iut-blagnac.fr

Introduction aux systèmes temps réel. Iulian Ober IRIT ober@iut-blagnac.fr Introduction aux systèmes temps réel Iulian Ober IRIT ober@iut-blagnac.fr Définition Systèmes dont la correction ne dépend pas seulement des valeurs des résultats produits mais également des délais dans

Plus en détail

De l Etudiant à SBA à l Enseignant Chercheur à l ENSMA

De l Etudiant à SBA à l Enseignant Chercheur à l ENSMA De l Etudiant à SBA à l Enseignant Chercheur à l ENSMA Ladjel BELLATRECHE bellatreche@ensma.fr http://www.lias lab.fr/members/bellatreche Les déterminants de la motivation selon Rolland Viau Perception

Plus en détail

Exemple PLS avec SAS

Exemple PLS avec SAS Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that

Plus en détail

Bases de données et sites WEB

Bases de données et sites WEB Bases de données et sites WEB Cours2 : Sécurité et contrôles d accès Anne Doucet 1 Authentification Autorisation Privilèges Rôles Profils Limitations de ressources Plan Audit Contrôle d accès via les vues

Plus en détail

Installation et compilation de gnurbs sous Windows

Installation et compilation de gnurbs sous Windows Installation et compilation de gnurbs sous Windows Installation de l environnement de développement Code::Blocks (Environnement de développement) 1. Télécharger l installateur de Code::Blocks (version

Plus en détail

DMX CONTROLEUR. Indicateurs LED : Ils indiquent les fonctionnalités correspondantes.

DMX CONTROLEUR. Indicateurs LED : Ils indiquent les fonctionnalités correspondantes. DMX CONTROLEUR CA-24D CA-2405 Le CA-24D est un contrôleur DMX 24 canaux spécialement conçu pour une utilisation avec le CA-2405. Il est muni d un panneau de commande convivial, de 24 scènes programmables,

Plus en détail

POLICY: FREE MILK PROGRAM CODE: CS-4

POLICY: FREE MILK PROGRAM CODE: CS-4 POLICY: FREE MILK PROGRAM CODE: CS-4 Origin: Authority: Reference(s): Community Services Department Cafeteria Services and Nutrition Education Division Resolution #86-02-26-15B.1 POLICY STATEMENT All elementary

Plus en détail

Monitoring elderly People by Means of Cameras

Monitoring elderly People by Means of Cameras Nuadu project Technologies for Personal Hearth Seminar, June 4th, 2009 Monitoring elderly People by Means of Cameras Laurent LUCAT Laboratory of Embedded Vision Systems CEA LIST, Saclay, France 1 Summary

Plus en détail

UML : Unified Modeling Language

UML : Unified Modeling Language UML : Unified Modeling Language Recommended: UML distilled A brief guide to the standard Object Modeling Language Addison Wesley based on Frank Maurer lecture, Univ. of Calgary in french : uml.free.fr/index.html

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

Web dynamique. Techniques, outils, applications. (Partie C)

Web dynamique. Techniques, outils, applications. (Partie C) Web dynamique Techniques, outils, applications (Partie C) Nadir Boussoukaia - 2006 1 SOMMAIRE 1. MySQL et PHP (20 min) 2. SQL (petits rappels) (20 min) 2 MySQL et PHP Synthèse 3 MySQL et PHP SGBD MySQL

Plus en détail

France SMS+ MT Premium Description

France SMS+ MT Premium Description France SMS+ MT Premium Description Summary Subscription : kinematics Subscription via SMS (Kinematic + messages) Subscription via Wap (Kinematic + messages) Subscription via Mix SMS / WAP Subscription

Plus en détail

Apprendre le langage SQL le DDL - 1 / 30 - Apprendre le langage SQL par l exemple

Apprendre le langage SQL le DDL - 1 / 30 - Apprendre le langage SQL par l exemple Apprendre le langage SQL le DDL - 1 / 30 - Apprendre le langage SQL par l exemple Ce document est publié sous licence Creative Commons CC-by-nc-nd. Il ne peut ni être modifié, ni faire l objet d une exploitation

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

Rappels. Génie logiciel. Implemented tactics. Oldest architecture: Batch-Sequential

Rappels. Génie logiciel. Implemented tactics. Oldest architecture: Batch-Sequential Rappels Génie logiciel Philippe Dugerdil Composants, packages Couches & dépendances Principes de structuration Réutilisation / responsabilité Réutilisation & composants 09.12.2010 Oldest architecture:

Plus en détail

RESEAUX INDUSTRIELS et SUPERVISION Cours du 25 janvier 2006 - ENSPS salle C301

RESEAUX INDUSTRIELS et SUPERVISION Cours du 25 janvier 2006 - ENSPS salle C301 RESEAUX INDUSTRIELS et SUPERVISION Cours du 25 janvier 2006 - ENSPS salle C301 Serge RULEWSKI Directeur de Région Division Automation & Drives SIEMENS France - Région EST Page 1 RESEAUX INDUSTRIELS et

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

How to Login to Career Page

How to Login to Career Page How to Login to Career Page BASF Canada July 2013 To view this instruction manual in French, please scroll down to page 16 1 Job Postings How to Login/Create your Profile/Sign Up for Job Posting Notifications

Plus en détail

MAT 2377 Solutions to the Mi-term

MAT 2377 Solutions to the Mi-term MAT 2377 Solutions to the Mi-term Tuesday June 16 15 Time: 70 minutes Student Number: Name: Professor M. Alvo This is an open book exam. Standard calculators are permitted. Answer all questions. Place

Plus en détail

Pascale 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 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 détail

Table des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction

Table des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés

Plus en détail

Master Exploration Informatique des données DataWareHouse

Master Exploration Informatique des données DataWareHouse Master Exploration Informatique des données DataWareHouse Binôme Ahmed BENSI Enseignant tahar ARIB SOMMAIRE I. Conception...1 1. Contexte des contrats...1 2. Contexte des factures...1 II. Modèle physique...2

Plus en détail

Efficient Object Versioning for Object- Oriented Languages From Model to Language Integration

Efficient Object Versioning for Object- Oriented Languages From Model to Language Integration Efficient Object Versioning for Object- Oriented Languages From Model to Language Integration Pluquet Frédéric July, 3rd 2012 Etude de techniques efficaces de versionnement d objets pour les langages orientés

Plus en détail

SERVEUR DÉDIÉ DOCUMENTATION

SERVEUR DÉDIÉ DOCUMENTATION SERVEUR DÉDIÉ DOCUMENTATION Release 5.0.6.0 19 Juillet 2013 Copyright 2013 GIANTS Software GmbH, All Rights Reserved. 1/9 CHANGE LOG Correction de bug divers (5.0.6.0) Ajout d une option de relance automatique

Plus en détail

Bases de données cours 1

Bases de données cours 1 Bases de données cours 1 Introduction Catalin Dima Objectifs du cours Modèle relationnel et logique des bases de données. Langage SQL. Conception de bases de données. SQL et PHP. Cours essentiel pour votre

Plus en détail

L identification par radio fréquence principe et applications

L identification par radio fréquence principe et applications L identification par radio fréquence principe et applications Présentée par Abdelatif Bouchouareb École de technologie supérieure, Montréal Qc Novembre 2007 1 Les différents systèmes d identification 2

Plus en détail

1-Introduction 2. 2-Installation de JBPM 3. 2-JBPM en action.7

1-Introduction 2. 2-Installation de JBPM 3. 2-JBPM en action.7 Sommaire 1-Introduction 2 1-1- BPM (Business Process Management)..2 1-2 J-Boss JBPM 2 2-Installation de JBPM 3 2-1 Architecture de JOBSS JBPM 3 2-2 Installation du moteur JBoss JBPM et le serveur d application

Plus en détail

Mon Service Public - Case study and Mapping to SAML/Liberty specifications. Gaël Gourmelen - France Telecom 23/04/2007

Mon Service Public - Case study and Mapping to SAML/Liberty specifications. Gaël Gourmelen - France Telecom 23/04/2007 Mon Service Public - Case study and Mapping to SAML/Liberty specifications Gaël Gourmelen - France Telecom 23/04/2007 Agenda Brief presentation of the "Mon Service Public" project (main features) Detailed

Plus en détail

Package Contents. System Requirements. Before You Begin

Package Contents. System Requirements. Before You Begin Package Contents DWA-125 Wireless 150 USB Adapter CD-ROM (contains software, drivers, and manual) Cradle If any of the above items are missing, please contact your reseller. System Requirements A computer

Plus en détail

Vulnérabilités logicielles Injection SQL. Chamseddine Talhi École de technologie supérieure (ÉTS) Dép. Génie logiciel et des TI

Vulnérabilités logicielles Injection SQL. Chamseddine Talhi École de technologie supérieure (ÉTS) Dép. Génie logiciel et des TI Vulnérabilités logicielles Injection SQL Chamseddine Talhi École de technologie supérieure (ÉTS) Dép. Génie logiciel et des TI 1 Plan SQL Injection SQL Injections SQL standards Injections SQL de requêtes

Plus en détail

Introduction aux outils BI de SQL Server 2014. Fouille de données avec SQL Server Analysis Services (SSAS)

Introduction aux outils BI de SQL Server 2014. Fouille de données avec SQL Server Analysis Services (SSAS) MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Fouille de données avec SQL Server Analysis Services (SSAS) Description générale Ce tutoriel a pour

Plus en détail

http://www.bysoft.fr

http://www.bysoft.fr http://www.bysoft.fr Flash Slideshow Module for MagentoCommerce Demo on http://magento.bysoft.fr/ - Module Slideshow Flash pour MagentoCommerce Démonstration sur http://magento.bysoft.fr/ V3.0 ENGLISH

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