SlideShare a Scribd company logo
BUZZWORDS
Talk 21
DATABASE
• A database is an organized collection of data
(Merriam Webster).
DBMS: DATABASE MANAGEMENT
SYSTEM
• A database-management system
(DBMS) is a computer-software application that
interacts with end-users, other applications, and
the database itself to capture and analyze data
(Wikipedia).
DBMS RELAZIONALE
• Ciò a cui colloquialmente ci si riferisce dicendo
“database”.
• Firebird, OracleDB, H2, HsqlDB, MySQL,
PostgreSQL, MS SQL Server, SAP HANA.
• Sistemi di gestione di dati basati sull’algebra
relazionale, generalmente interrogati tramite SQL.
DBMS NON RELAZIONALE
• Sistemi software che gestiscono dati non
relazionali, accessibili usando comandi non basati
su SQL.
• Che usiamo: InfluxDB, LevelDB, Lucene,
PandoraServer.
• Che non usiamo (ancora): Neo4j, MongoDB.
Utente Applicazione DBMS Database
(IM, PalladioWeb)
(OracleDB,
Firebird, H2…)
(File su disco
acceduti dal DBMS)
UNICODE, UTF-8
• C’erano una volta gli americani…
• Unicode è un modo per assegnare un codice
univoco (codepoint) a ciascun carattere.
• UTF-8 è un modo per rappresentare un
codepoint in byte.
SSO: SINGLE SIGN ON
• Tecnica per condividere informazioni di
autenticazione tra più applicazioni.
• Esistono server SSO (CA Siteminder in Eni).
• L’applicazione non si limita ad accettare l’utente,
ma chiede al server SSO una garanzia sull’identità
dell’utente.
OAUTH2: UN TIPO DI SSO
• Autenticati usando Google+, usando Facebook,
usandoTwitter…
• Accedi all’applicazione mobile.
WEB SERVICE
• Un protocollo di comunicazione via internet tra processi/applicazioni.
• Basato su HTTP (come il web). Non c’entra niente con pagine web/HTML.
• Due famiglie: SOAP e REST.
• Possono dialogare tramite web service:
• Due applicazioni server-side, o parti diverse della stessa applicazione.
• Un’applicazione mobile con il suo server (o altri)
• Una pagina web con il suo server (o altri)
MICROSERVICE
• Architettura per applicazioni online basata sulla
frammentazione dei componenti dell’applicazioni
in servizi online piccoli ed indipendenti.
• Contrario di: monolitico.
• I vari servizi sono funzionali o architetturali,
resilienti. Dialogano tramite web service.
IAAS: INFRASTRUCTURE AS A
SERVICE
• Servizio online di fornitura di hardware: macchine
virtuali, filesystem, connessioni di rete, firewall.
• L’utente amministra i sistemi operativi delleVM
fornite e configura il networking via web.
• Amazon EC2,Windows Azure, GCE
PAAS: PLATFORM AS A SERVICE
• Servizio online di fornitura di ambienti di
esecuzione di applicazioni scritte in linguaggi
specifici.
• Non si ha il controllo sui sistemi operativi.
• Amazon Elastic Beanstalk,Windows Azure, GAE,
Heroku
SAAS: SOFTWARE AS A SERVICE
• Un software fornito per fruizione online,
direttamente all’utente finale.
• Google Apps, Dropbox, iCloud, Office 365.
CLOUD
• Tutto e niente.
• La fornitura online di servizi, via internet da server
remoti.
• A seconda del contesto: IaaS, PaaS, SaaS, DaaS…
IOT: INTERNET OF THINGS
• Internet delle cose.
• Tutto è connesso ed in grado di scambiare
informazioni.
• Ambiti: industriale, trasporti, domestico…
• Pro e contro.
BIG DATA
• Non ha una definizione precisa.
• Non “pochi dati grossi” ma “tanti dati piccoli”.
• Roba non gestibile con database relazionali.
MACHINE LEARNING
• AKA “apprendimento automatico”,“analisi
predittiva”.
• Software che migliora con l’utilizzo.
• Che impara dall’esperienza.
• Che desume le regole dall’esperienza.
INTELLIGENZA
ARTIFICIALE
• Software che simula alcuni comportamenti
umani.
ACRONIMI (1)
• EAMenterprise asset management
• CMMS computerized maintenance management systems
• FSM field service management
• PdM Predictive maintenance
• APMasset performance management
ACRONIMI (2)
• LCI Life cycle information
• LCC Life cycle Costs Calculation
• AM Asset Management
• AI / AIM Asset Integrity Management
• NDT Non DestructiveTest
ACRONIMI (3)
• RBI Risk Based Inspection
• DMS Document Management System
• RCM Reliability Centered Maintenance
• FFS Fitness for service
• MAWP Maximum Allowable Working Pressure
ACRONIMI (4)
• MTBFMeanTime before failure
• FMEAFailure Modes and Effect Analysis
• FMECA Failure Modes, Effect and Criticality
Analysis
• IOW Integrity Operating Windows
ACRONIMI (5)
• RAM Reliability,Availability and Mainteinability
• RAMS Reliability,Availability, Mainteinability and Safety
• RCM Reliability Centered Maintenance
• BRPBasic Reliability Prediction
• RBDReliability Block Diagram
ACRONIMI (6)
• FTAFaultTree Analysis
• ETAEventTree Analysis
• SA Safety Assessment
• MMELMaster Minimum Equipment List
• ERP Enterprise Resource Planning

More Related Content

Similar to 21 Buzzwords

Master infermieri informatica irst
Master infermieri informatica irstMaster infermieri informatica irst
Master infermieri informatica irst
Roberto Vespignani
 
Master infermieri informarica IRST
Master infermieri informarica IRSTMaster infermieri informarica IRST
Master infermieri informarica IRST
Roberto Vespignani
 
MySQL Day Roma 2019 - Le architetture a microservizi e MySQL
MySQL Day Roma 2019 - Le architetture a microservizi e MySQLMySQL Day Roma 2019 - Le architetture a microservizi e MySQL
MySQL Day Roma 2019 - Le architetture a microservizi e MySQL
Par-Tec S.p.A.
 
Fmdp Total System Monitor
Fmdp Total System MonitorFmdp Total System Monitor
Fmdp Total System Monitor
Filippo Maria Del Prete
 
20160402_mlraviol_mariadb_TorinoWordCamp
20160402_mlraviol_mariadb_TorinoWordCamp20160402_mlraviol_mariadb_TorinoWordCamp
20160402_mlraviol_mariadb_TorinoWordCamp
mlraviol
 
Big Data e la forza degli eventi - Intervento di Dominoni
Big Data e la forza degli eventi - Intervento di DominoniBig Data e la forza degli eventi - Intervento di Dominoni
Big Data e la forza degli eventi - Intervento di Dominoni
comunicareonline
 
Cloud computing
Cloud computingCloud computing
Cloud computing
Marco Busato
 
Come l’Open Source può essere alla base di un business di successo: il caso H...
Come l’Open Source può essere alla base di un business di successo: il caso H...Come l’Open Source può essere alla base di un business di successo: il caso H...
Come l’Open Source può essere alla base di un business di successo: il caso H...
MariaDB plc
 
Trovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWSTrovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWS
Amazon Web Services
 
Smau roma 2013_deltaphi
Smau roma 2013_deltaphiSmau roma 2013_deltaphi
Smau roma 2013_deltaphi
SMAU
 
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Data Driven Innovation
 
MySQL 5
MySQL 5MySQL 5
MySQL 5
jekil
 
IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...
IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...
IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...
Daniele Mondello
 
Azure dayroma java, il lato oscuro del cloud
Azure dayroma   java, il lato oscuro del cloudAzure dayroma   java, il lato oscuro del cloud
Azure dayroma java, il lato oscuro del cloud
Riccardo Zamana
 
Microservices architecture & Service Fabric
Microservices architecture & Service FabricMicroservices architecture & Service Fabric
Microservices architecture & Service Fabric
Massimo Bonanni
 
Il Cloud Computing
Il Cloud ComputingIl Cloud Computing
Il Cloud Computingzambe92
 
Evoluzioni architetturali a partire da Hadoop
Evoluzioni architetturali a partire da HadoopEvoluzioni architetturali a partire da Hadoop
Evoluzioni architetturali a partire da Hadoop
Data Driven Innovation
 
Big data stack tecnologico
Big data stack tecnologicoBig data stack tecnologico
Big data stack tecnologico
Massimo Romano
 
Cloud for sap evento15.4
Cloud for sap evento15.4Cloud for sap evento15.4
Cloud for sap evento15.4Otello Costa
 
Archeo foss 2012 slides 1
Archeo foss 2012 slides 1Archeo foss 2012 slides 1
Archeo foss 2012 slides 1
CSP Scarl
 

Similar to 21 Buzzwords (20)

Master infermieri informatica irst
Master infermieri informatica irstMaster infermieri informatica irst
Master infermieri informatica irst
 
Master infermieri informarica IRST
Master infermieri informarica IRSTMaster infermieri informarica IRST
Master infermieri informarica IRST
 
MySQL Day Roma 2019 - Le architetture a microservizi e MySQL
MySQL Day Roma 2019 - Le architetture a microservizi e MySQLMySQL Day Roma 2019 - Le architetture a microservizi e MySQL
MySQL Day Roma 2019 - Le architetture a microservizi e MySQL
 
Fmdp Total System Monitor
Fmdp Total System MonitorFmdp Total System Monitor
Fmdp Total System Monitor
 
20160402_mlraviol_mariadb_TorinoWordCamp
20160402_mlraviol_mariadb_TorinoWordCamp20160402_mlraviol_mariadb_TorinoWordCamp
20160402_mlraviol_mariadb_TorinoWordCamp
 
Big Data e la forza degli eventi - Intervento di Dominoni
Big Data e la forza degli eventi - Intervento di DominoniBig Data e la forza degli eventi - Intervento di Dominoni
Big Data e la forza degli eventi - Intervento di Dominoni
 
Cloud computing
Cloud computingCloud computing
Cloud computing
 
Come l’Open Source può essere alla base di un business di successo: il caso H...
Come l’Open Source può essere alla base di un business di successo: il caso H...Come l’Open Source può essere alla base di un business di successo: il caso H...
Come l’Open Source può essere alla base di un business di successo: il caso H...
 
Trovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWSTrovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ciò che serve nella confusione: comprendere i Big Data con l'analisi AWS
 
Smau roma 2013_deltaphi
Smau roma 2013_deltaphiSmau roma 2013_deltaphi
Smau roma 2013_deltaphi
 
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficoltà su casi reali -...
 
MySQL 5
MySQL 5MySQL 5
MySQL 5
 
IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...
IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...
IaC - Infrastructure as Code, gestire infrastrutture cloud tramite file di co...
 
Azure dayroma java, il lato oscuro del cloud
Azure dayroma   java, il lato oscuro del cloudAzure dayroma   java, il lato oscuro del cloud
Azure dayroma java, il lato oscuro del cloud
 
Microservices architecture & Service Fabric
Microservices architecture & Service FabricMicroservices architecture & Service Fabric
Microservices architecture & Service Fabric
 
Il Cloud Computing
Il Cloud ComputingIl Cloud Computing
Il Cloud Computing
 
Evoluzioni architetturali a partire da Hadoop
Evoluzioni architetturali a partire da HadoopEvoluzioni architetturali a partire da Hadoop
Evoluzioni architetturali a partire da Hadoop
 
Big data stack tecnologico
Big data stack tecnologicoBig data stack tecnologico
Big data stack tecnologico
 
Cloud for sap evento15.4
Cloud for sap evento15.4Cloud for sap evento15.4
Cloud for sap evento15.4
 
Archeo foss 2012 slides 1
Archeo foss 2012 slides 1Archeo foss 2012 slides 1
Archeo foss 2012 slides 1
 

More from Federico Russo

23 Sicurezza in BBox
23 Sicurezza in BBox23 Sicurezza in BBox
23 Sicurezza in BBox
Federico Russo
 
18 - InfluxDB
18 - InfluxDB18 - InfluxDB
18 - InfluxDB
Federico Russo
 
19 - The Highlander Project
19 - The Highlander Project19 - The Highlander Project
19 - The Highlander Project
Federico Russo
 
22 - Better Coding
22 - Better Coding22 - Better Coding
22 - Better Coding
Federico Russo
 
20 - Ottimizzare le query
20 - Ottimizzare le query20 - Ottimizzare le query
20 - Ottimizzare le query
Federico Russo
 
17 - Web Application Threats
17 - Web Application Threats17 - Web Application Threats
17 - Web Application Threats
Federico Russo
 
16 - Project Lombok
16 - Project Lombok16 - Project Lombok
16 - Project Lombok
Federico Russo
 
15 - Java 8
15 - Java 815 - Java 8
15 - Java 8
Federico Russo
 
14 - Atom
14 - Atom14 - Atom
14 - Atom
Federico Russo
 
Slides functionalities 0.26-r16
Slides   functionalities 0.26-r16Slides   functionalities 0.26-r16
Slides functionalities 0.26-r16Federico Russo
 
BBox e vaadin7
BBox e vaadin7BBox e vaadin7
BBox e vaadin7
Federico Russo
 
Box Functionalities 0.20
Box Functionalities 0.20Box Functionalities 0.20
Box Functionalities 0.20
Federico Russo
 
Tile server
Tile serverTile server
Tile server
Federico Russo
 
Vaadin7
Vaadin7Vaadin7
08 Workflow e strumenti web
08 Workflow e strumenti web08 Workflow e strumenti web
08 Workflow e strumenti webFederico Russo
 

More from Federico Russo (20)

23 Sicurezza in BBox
23 Sicurezza in BBox23 Sicurezza in BBox
23 Sicurezza in BBox
 
18 - InfluxDB
18 - InfluxDB18 - InfluxDB
18 - InfluxDB
 
19 - The Highlander Project
19 - The Highlander Project19 - The Highlander Project
19 - The Highlander Project
 
22 - Better Coding
22 - Better Coding22 - Better Coding
22 - Better Coding
 
20 - Ottimizzare le query
20 - Ottimizzare le query20 - Ottimizzare le query
20 - Ottimizzare le query
 
17 - Web Application Threats
17 - Web Application Threats17 - Web Application Threats
17 - Web Application Threats
 
16 - Project Lombok
16 - Project Lombok16 - Project Lombok
16 - Project Lombok
 
15 - Java 8
15 - Java 815 - Java 8
15 - Java 8
 
14 - Atom
14 - Atom14 - Atom
14 - Atom
 
Slides functionalities 0.26-r16
Slides   functionalities 0.26-r16Slides   functionalities 0.26-r16
Slides functionalities 0.26-r16
 
BBox e vaadin7
BBox e vaadin7BBox e vaadin7
BBox e vaadin7
 
Box Functionalities 0.20
Box Functionalities 0.20Box Functionalities 0.20
Box Functionalities 0.20
 
Tile server
Tile serverTile server
Tile server
 
Vaadin7
Vaadin7Vaadin7
Vaadin7
 
12 java modifiers
12 java modifiers12 java modifiers
12 java modifiers
 
10 Data caching
10 Data caching10 Data caching
10 Data caching
 
11 Java 7
11 Java 711 Java 7
11 Java 7
 
08 Workflow e strumenti web
08 Workflow e strumenti web08 Workflow e strumenti web
08 Workflow e strumenti web
 
06 Refactoring
06 Refactoring06 Refactoring
06 Refactoring
 
09 Transactions
09 Transactions09 Transactions
09 Transactions
 

21 Buzzwords

  • 2. DATABASE • A database is an organized collection of data (Merriam Webster).
  • 3. DBMS: DATABASE MANAGEMENT SYSTEM • A database-management system (DBMS) is a computer-software application that interacts with end-users, other applications, and the database itself to capture and analyze data (Wikipedia).
  • 4. DBMS RELAZIONALE • Ciò a cui colloquialmente ci si riferisce dicendo “database”. • Firebird, OracleDB, H2, HsqlDB, MySQL, PostgreSQL, MS SQL Server, SAP HANA. • Sistemi di gestione di dati basati sull’algebra relazionale, generalmente interrogati tramite SQL.
  • 5. DBMS NON RELAZIONALE • Sistemi software che gestiscono dati non relazionali, accessibili usando comandi non basati su SQL. • Che usiamo: InfluxDB, LevelDB, Lucene, PandoraServer. • Che non usiamo (ancora): Neo4j, MongoDB.
  • 6. Utente Applicazione DBMS Database (IM, PalladioWeb) (OracleDB, Firebird, H2…) (File su disco acceduti dal DBMS)
  • 7. UNICODE, UTF-8 • C’erano una volta gli americani… • Unicode è un modo per assegnare un codice univoco (codepoint) a ciascun carattere. • UTF-8 è un modo per rappresentare un codepoint in byte.
  • 8. SSO: SINGLE SIGN ON • Tecnica per condividere informazioni di autenticazione tra più applicazioni. • Esistono server SSO (CA Siteminder in Eni). • L’applicazione non si limita ad accettare l’utente, ma chiede al server SSO una garanzia sull’identità dell’utente.
  • 9. OAUTH2: UN TIPO DI SSO • Autenticati usando Google+, usando Facebook, usandoTwitter… • Accedi all’applicazione mobile.
  • 10. WEB SERVICE • Un protocollo di comunicazione via internet tra processi/applicazioni. • Basato su HTTP (come il web). Non c’entra niente con pagine web/HTML. • Due famiglie: SOAP e REST. • Possono dialogare tramite web service: • Due applicazioni server-side, o parti diverse della stessa applicazione. • Un’applicazione mobile con il suo server (o altri) • Una pagina web con il suo server (o altri)
  • 11. MICROSERVICE • Architettura per applicazioni online basata sulla frammentazione dei componenti dell’applicazioni in servizi online piccoli ed indipendenti. • Contrario di: monolitico. • I vari servizi sono funzionali o architetturali, resilienti. Dialogano tramite web service.
  • 12. IAAS: INFRASTRUCTURE AS A SERVICE • Servizio online di fornitura di hardware: macchine virtuali, filesystem, connessioni di rete, firewall. • L’utente amministra i sistemi operativi delleVM fornite e configura il networking via web. • Amazon EC2,Windows Azure, GCE
  • 13. PAAS: PLATFORM AS A SERVICE • Servizio online di fornitura di ambienti di esecuzione di applicazioni scritte in linguaggi specifici. • Non si ha il controllo sui sistemi operativi. • Amazon Elastic Beanstalk,Windows Azure, GAE, Heroku
  • 14. SAAS: SOFTWARE AS A SERVICE • Un software fornito per fruizione online, direttamente all’utente finale. • Google Apps, Dropbox, iCloud, Office 365.
  • 15. CLOUD • Tutto e niente. • La fornitura online di servizi, via internet da server remoti. • A seconda del contesto: IaaS, PaaS, SaaS, DaaS…
  • 16.
  • 17.
  • 18.
  • 19. IOT: INTERNET OF THINGS • Internet delle cose. • Tutto è connesso ed in grado di scambiare informazioni. • Ambiti: industriale, trasporti, domestico… • Pro e contro.
  • 20. BIG DATA • Non ha una definizione precisa. • Non “pochi dati grossi” ma “tanti dati piccoli”. • Roba non gestibile con database relazionali.
  • 21. MACHINE LEARNING • AKA “apprendimento automatico”,“analisi predittiva”. • Software che migliora con l’utilizzo. • Che impara dall’esperienza. • Che desume le regole dall’esperienza.
  • 22. INTELLIGENZA ARTIFICIALE • Software che simula alcuni comportamenti umani.
  • 23. ACRONIMI (1) • EAMenterprise asset management • CMMS computerized maintenance management systems • FSM field service management • PdM Predictive maintenance • APMasset performance management
  • 24. ACRONIMI (2) • LCI Life cycle information • LCC Life cycle Costs Calculation • AM Asset Management • AI / AIM Asset Integrity Management • NDT Non DestructiveTest
  • 25. ACRONIMI (3) • RBI Risk Based Inspection • DMS Document Management System • RCM Reliability Centered Maintenance • FFS Fitness for service • MAWP Maximum Allowable Working Pressure
  • 26. ACRONIMI (4) • MTBFMeanTime before failure • FMEAFailure Modes and Effect Analysis • FMECA Failure Modes, Effect and Criticality Analysis • IOW Integrity Operating Windows
  • 27. ACRONIMI (5) • RAM Reliability,Availability and Mainteinability • RAMS Reliability,Availability, Mainteinability and Safety • RCM Reliability Centered Maintenance • BRPBasic Reliability Prediction • RBDReliability Block Diagram
  • 28. ACRONIMI (6) • FTAFaultTree Analysis • ETAEventTree Analysis • SA Safety Assessment • MMELMaster Minimum Equipment List • ERP Enterprise Resource Planning