Your SlideShare is downloading. ×
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases) 

1,199

Published on

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,199
On Slideshare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
8
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. @m4rcschTypische MongoDBAnwendungsfälleMarc SchweringSolutions Architect, 10gen
  • 2. NoSQL & MongoDB
  • 3. NoSQL EigenschaftenFlexible Datentypen Hoher Große Datenmengen• Listen, eingebettete Datendurchsatz • Aggregierte Datengröße Objekte • Lesen • Anzahl an Datensätzen• Sparse Data • Schreiben• Semi-strukturierte Daten• Agile Developmentgeringe Latenz Cloud Computing Commodity• Fürs lesen und schreiben • Läuft “überall” Hardware• ms Bereich • Keine spezielle Hardware • Ethernet • Lokaler Datenspeicher Marc Schwering, 10gen - @m4rcsch
  • 4. MongoDBFlexible Datentypen Hoher Große Datenmengen• Listen, eingebettete Datendurchsatz • Aggregierte Datengröße • JSON basiert Objekte • Lesen • an Datensätzen • AnzahlgridFS• SparseDynamische • Auto • schemas • Schreiben • Transparente• Semi-strukturierte Daten Fragmentierung Schemata Fragmentierung• Agile Developmentgeringe Latenz Cloud Computing Commodity• Fürs lesen und schreiben • Läuft “überall” Hardware • In-memory• ms Bereich • Einfaches Setup • Keine spezielle Hardware • Ethernet cache • X86_64 Systeme • Breite • Lokaler Datenspeicher • Scale-out • Lokales fs Unterstützung working set Marc Schwering, 10gen - @m4rcsch
  • 5. Anwendungsfälle / UseCases
  • 6. High Volume Data FeedsMaschinendate • Sehr viele Sensoren “überall” n • Variable Struktur(en)Aktienhandel • Hochfrequenzhandel • Viele Datenquellen Social Media • Formatänderungen Marc Schwering, 10gen - @m4rcsch
  • 7. High Volume Data Feeds Flexibles Schema für Datenformat- anpassungen Asynchrones schreiben Data DataSources Data WriteConcern: Sources Datenquel Sources SafeMode len (in Memory) Skalierung durch Fragmentierung Marc Schwering, 10gen - @m4rcsch
  • 8. Operational Intelligence • Extrem viele Statiwechsel (Tracking)Ad Targeting • Strikte Anforderungen an Latenz Real time • Reporting für tausende von Nutzerndashboards • Konsistente Echtzeit Updates!Social Media • Worüber sprechen die Leute? Monitoring Marc Schwering, 10gen - @m4rcsch
  • 9. Operational Intelligence Parallelisierung von Lese.- und Geringe Leselatenz Schreibzugriffen via Shards und Replikas API Pre-Aggregation & Aggregation Framework Dashboards Flexible Schemata für verschiedenste Transparente Inputformate Skalierung Marc Schwering, 10gen - @m4rcsch
  • 10. Beispiel Tracking & Conversion Umfangreiches Schema um komplexe Stati abzubilden1 See Ad { cookie_id: ‚1234512413243‛, “Scale out” für hohen advertiser:{ Datendurchsatz apple: { See Ad actions: [2 { impression: ‘ad1’, time: 123 }, { impression: ‘ad2’, time: 232 }, { click: ‘ad2’, time: 235 }, { add_to_cart: ‘laptop’, sku: ‘asdf23f’, time: 254 },3 Click { purchase: ‘laptop’, time: 354 } Dynamische ] … Schemata durch Kundenanforderunge n4 Convert Marc Schwering, 10gen - @m4rcsch
  • 11. Management von MetadatenDatenarchivie • Metadaten rung • ReferenzspeicherInformationsa • Datamining nalyse • Retina Scans Biometrie • Fingerabdrücke Marc Schwering, 10gen - @m4rcsch
  • 12. Metadaten Beispiel Umfangreiche Abfrage und Indexierungs- möglichkeiten. db.archives. find({ ‚country”: ‚Egypt‛ }); Flexibles Daten- Modell{ type: ‚Artefact‛, { ISBN: ‚00e8da9b‛, medium: ‚Ceramic‛, type: ‚Book‛, country: ‚Egypt‛, country: ‚Egypt‛, year: ‚3000 BC‛ title: ‚Ancient Egypt‛} } Marc Schwering, 10gen - @m4rcsch
  • 13. Content Management • Nutzergenerierte InhalteNews-Seite • Personalisierung von Inhalt und LayoutVerschiedene • Layout “on the fly” Kanäle • Kaum statischer Inhalt Sharing • Binär.- und Metadaten Marc Schwering, 10gen - @m4rcsch
  • 14. Content Management Flexibles Schema für GeoSpatial IndexGridFS für Binärdaten einfache Erweiterungen { camera: ‚Nikon d4‛, location: [ -122.418333, 37.775 ] } { camera: ‚Canon 5d mkII‛, people: [ ‚Jim‛, ‚Carol‛ ], taken_on: ISODate("2012-03-07T18:32:35.002Z") } { origin: ‚facebook.com/photos/xwdf23fsdf‛, license: ‚Creative Commons CC0‛, size: { dimensions: [ 124, 52 ], Horizontale units: ‚pixels‛ } Skalierbarkeit für } große Datensätze Marc Schwering, 10gen - @m4rcsch
  • 15. Passt mein Use-Case zuMongoDB?
  • 16. Projekt CharakteristikaApplikations-Anforderungen Warum MongoDB gut passen könnteVariable Daten in Objekten Dynamische Schemata und JSON erlauben flexible Datenspeicherung ohne Sparse-Tabellen oder komplexe “JOINS”.Geringe Latenz MongoDB Memory Mapping bietet ”In-Memory”- Geschwindigkeit und ist konsistent.Hoher Datendurchsatz Sharding und Replikation für einfacheund/oder viele Daten SkalierbarkeitCloud-basiertes deployment Sharding und Replikation nutzen alle Möglichkeiten von Cloud-ComputingWechselnde Flexibles Datenmodell ermöglicht agileBusiness Anforderungen Softwareentwicklung Marc Schwering, 10gen - @m4rcsch
  • 17. Vielen Dank!Fragen? Chat, oder: @m4rcschKommende Events: MongoDB Berlin: 26. Feb. ( http://welu.se/1Zl ) Webinar über MongoDB v 2.4 (Ende März)Marc Schwering, Solutions Architect -10gen (the MongoDB Company)

×