IoT, Cloud, Big Data가 데이터로 엮여 Data Innovation를 향하고 있고, In-Memory는 혁신을 위한 촉매제로 작용한다. 알티베이스는 In-Memory DNA를 지닌 유일한 DBMS업체로 실시간 세상을 연결하여 Data Innovation의 밑거름이 되고자 한다.
The document discusses Java performance and execution engines. It describes how the Java bytecode is executed via an interpreter or just-in-time (JIT) compiler. The JIT compiler compiles bytecode to native machine code for improved performance. It also discusses IBM's JIT compiler, how it uses mixed mode interpretation, and its various optimization phases and techniques.
The document discusses thread synchronization in Java. It covers Java threads, synchronization mechanisms like monitors and locks, cooperation between threads using wait() and notify(), and mutual exclusion with synchronized blocks and methods. It also describes lightweight locking techniques used in Hotspot like biased locking, and thin locks and lock reservation in IBM's JVM.
빅데이터를 데이터 그 자체로 인식하는 오해가 존재한다. 그 이유는 아마도 빅데이터를 설명할 때 데이터의 속성을 가지고 설명하기 때문이라 생각한다.
하지만 빅데이터로 분류할 수 있는 데이터는 사실상 존재하지 않는다. 크다는 것, 비정형이라는 것 모두 상대적인 개념이기 때문이다.
빅데이터는 데이터 그 자체가 아니라 데이터를 가지고 무엇을 할 수 있는가에 초점이 맞추어져야 한다. 데이터를 기반하여 앎의 기초를 다지고 데이터로 자신의 생각을 증명하며 데이터에서 못 보던 무언가를 보는 것 이러한 것들이 빅데이터라 생각한다.
빅데이터 Myth 첫 번째로 이러한 오해를 깨고자 한다.
향후 빅데이터의 주된 소스는 머신데이터가 될 것이다. 머신데이터의 속성은 스트리밍, 실시간이라는 특징을 가진다. 향후 머신데이터는 실시간 빅데이터 솔루션을 통해 우리의 생활로 서서히 스며들 것이다. IoT와 같은 새로운 트렌드에 빅데이터가 어우러지기 위해서도 머신데이터 기반의 실시간 빅데이터 솔루션이 필요하며 이러한 연유로 더욱 각광을 받게 될 것이다.
상용 실시간 빅데이터 솔루션 중 최고의 성능을 자랑하는 로그프레소는 향후 실시간 빅데이터와 머신 데이터에 가장 적합한 솔루션이다.
이 슬라이드는 머신데이터와 로그프레소의 기술을 설명하고 있다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
The document discusses Java performance and execution engines. It describes how the Java bytecode is executed via an interpreter or just-in-time (JIT) compiler. The JIT compiler compiles bytecode to native machine code for improved performance. It also discusses IBM's JIT compiler, how it uses mixed mode interpretation, and its various optimization phases and techniques.
The document discusses thread synchronization in Java. It covers Java threads, synchronization mechanisms like monitors and locks, cooperation between threads using wait() and notify(), and mutual exclusion with synchronized blocks and methods. It also describes lightweight locking techniques used in Hotspot like biased locking, and thin locks and lock reservation in IBM's JVM.
빅데이터를 데이터 그 자체로 인식하는 오해가 존재한다. 그 이유는 아마도 빅데이터를 설명할 때 데이터의 속성을 가지고 설명하기 때문이라 생각한다.
하지만 빅데이터로 분류할 수 있는 데이터는 사실상 존재하지 않는다. 크다는 것, 비정형이라는 것 모두 상대적인 개념이기 때문이다.
빅데이터는 데이터 그 자체가 아니라 데이터를 가지고 무엇을 할 수 있는가에 초점이 맞추어져야 한다. 데이터를 기반하여 앎의 기초를 다지고 데이터로 자신의 생각을 증명하며 데이터에서 못 보던 무언가를 보는 것 이러한 것들이 빅데이터라 생각한다.
빅데이터 Myth 첫 번째로 이러한 오해를 깨고자 한다.
향후 빅데이터의 주된 소스는 머신데이터가 될 것이다. 머신데이터의 속성은 스트리밍, 실시간이라는 특징을 가진다. 향후 머신데이터는 실시간 빅데이터 솔루션을 통해 우리의 생활로 서서히 스며들 것이다. IoT와 같은 새로운 트렌드에 빅데이터가 어우러지기 위해서도 머신데이터 기반의 실시간 빅데이터 솔루션이 필요하며 이러한 연유로 더욱 각광을 받게 될 것이다.
상용 실시간 빅데이터 솔루션 중 최고의 성능을 자랑하는 로그프레소는 향후 실시간 빅데이터와 머신 데이터에 가장 적합한 솔루션이다.
이 슬라이드는 머신데이터와 로그프레소의 기술을 설명하고 있다.
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
로아컨설팅이 개최하는 연례 행사인 비즈니스 플랫폼 데이의 2017년 자료입니다.
- 4차 산업혁명과 디지털 트랜스포메이션
- 비즈니스 환경의 변화를 주도하게 될 디스럽티브 기술 현황
- 소비자의 일상에 나타나는 변화 (Communication/ Commerce/ Automotive/ Media&Contents)
Enterprise conference 2013 Microsoft BigData 사례발표자료환태 김
Microsoft의 엔터프라이즈 컨퍼런스 중 Microsoft의 Big Data Solution 체계에 대한 소개와 고객사(신세계)에서 적용한 사례 발표 내용입니다.
Open Source 기반의 저비용 Big Data 관리 체계에 더하여, 현 시점에서의 Open Source 진영의 취약점인 Big Data 활용 관점에서의 보완책으로 기존의 DW/BI 아키텍쳐가 결합된 사례 이며, 이를 위한 핵심 컴포넌트로 Polybase가 국내에서 최초로 적용되었습니다. Polybase에 대한 보다 자세한 내용은 다음 사이트 - Microsoft Gray SystemLab : http://gsl.azurewebsites.net/Projects/Polybase.aspx - 에서 확인하실 수 있습니다.
Back-end Infra인 Hadoop Echo 와 MPP 장비인 PDW 그리고 가장 활용성 높은 Microsoft BI 체계가 결합된 Big Data Hybrid Architect로 향후 상당 기간은 이와 유사한 아키텍쳐가 주류를 이룰 것으로 예상됩니다.
Softbox coding - raspberrypi3 b+ 2019 Lecture File 봉조 김
IoT 의 개념에 대해 발전과정, 현재 적용 사례, 미래의 IoT를 사업의 측면이 아니라 사용자 관점에서 분석하고 사용자 관점에서 바라보는 교육을 진행한다. IoT를 구현하는 3대 기반 기술은 센싱기술, 유무선 통신 및 네트워크 통신기술, IoT 서비스 인터페이스 기술이다. 미래 산업을 지배하는 분야는 사물인터넷, 스마트 카, 인공지능 분야일 것이다. 4차 산업혁명을 이끌어 나가는 힘은 소프트웨어에서 나온다.
본 사물인터넷 임베디드 실습과정은 사물인터넷 제품을 개발하는 전체적인 과정을 배우게 된다.사물인터넷 제품의 기획, 설계, 개발, 소프트웨어 구현, 웹 서비스, 모바일 앱 서비스에 이르는 과정을 대표적인 오픈소스 하드웨어인 라즈베리파이와 아두이노를 사용해서 구현하는 방법을 실습하며, 또한 LoRa 통신 실습을 LoRa보드와 게이트웨이등을 사용하여 실습한다.
SoftBox-RaspberryPi-IoT 설계 시스템은 Gateway(Raspberry Pi)와 8종의 센서, 7종의 액츄에이터, 다양한 주변장비로 구성된다. 5종의 설계 /실습과제를 통합 시스템에서 직접 설계 및 실습할 수 있는 환경을 제공하고, 사용자가 설계한 시스템을 인터넷이나 안드로이드 앱을 통해 정보를 확인하고, 직접 제어할 수 있는 교육 시스템이다. IoT 에 대한 개념을 배우고, 창의적인 아이디어를 바로 적용 제작할 수 있는 시스템이다.
This document discusses Java Database Connectivity (JDBC) and Oracle JDBC drivers. It provides an overview of JDBC, describing the four types of JDBC architectures and key JDBC components. It then focuses on Oracle JDBC drivers, explaining the different driver types used on the client-side and server-side. Finally, it presents results from performance tests comparing the Oracle Thin driver, OCI driver, and internal driver across connection, query, fetch, and update operations.
로아컨설팅이 개최하는 연례 행사인 비즈니스 플랫폼 데이의 2017년 자료입니다.
- 4차 산업혁명과 디지털 트랜스포메이션
- 비즈니스 환경의 변화를 주도하게 될 디스럽티브 기술 현황
- 소비자의 일상에 나타나는 변화 (Communication/ Commerce/ Automotive/ Media&Contents)
Enterprise conference 2013 Microsoft BigData 사례발표자료환태 김
Microsoft의 엔터프라이즈 컨퍼런스 중 Microsoft의 Big Data Solution 체계에 대한 소개와 고객사(신세계)에서 적용한 사례 발표 내용입니다.
Open Source 기반의 저비용 Big Data 관리 체계에 더하여, 현 시점에서의 Open Source 진영의 취약점인 Big Data 활용 관점에서의 보완책으로 기존의 DW/BI 아키텍쳐가 결합된 사례 이며, 이를 위한 핵심 컴포넌트로 Polybase가 국내에서 최초로 적용되었습니다. Polybase에 대한 보다 자세한 내용은 다음 사이트 - Microsoft Gray SystemLab : http://gsl.azurewebsites.net/Projects/Polybase.aspx - 에서 확인하실 수 있습니다.
Back-end Infra인 Hadoop Echo 와 MPP 장비인 PDW 그리고 가장 활용성 높은 Microsoft BI 체계가 결합된 Big Data Hybrid Architect로 향후 상당 기간은 이와 유사한 아키텍쳐가 주류를 이룰 것으로 예상됩니다.
Softbox coding - raspberrypi3 b+ 2019 Lecture File 봉조 김
IoT 의 개념에 대해 발전과정, 현재 적용 사례, 미래의 IoT를 사업의 측면이 아니라 사용자 관점에서 분석하고 사용자 관점에서 바라보는 교육을 진행한다. IoT를 구현하는 3대 기반 기술은 센싱기술, 유무선 통신 및 네트워크 통신기술, IoT 서비스 인터페이스 기술이다. 미래 산업을 지배하는 분야는 사물인터넷, 스마트 카, 인공지능 분야일 것이다. 4차 산업혁명을 이끌어 나가는 힘은 소프트웨어에서 나온다.
본 사물인터넷 임베디드 실습과정은 사물인터넷 제품을 개발하는 전체적인 과정을 배우게 된다.사물인터넷 제품의 기획, 설계, 개발, 소프트웨어 구현, 웹 서비스, 모바일 앱 서비스에 이르는 과정을 대표적인 오픈소스 하드웨어인 라즈베리파이와 아두이노를 사용해서 구현하는 방법을 실습하며, 또한 LoRa 통신 실습을 LoRa보드와 게이트웨이등을 사용하여 실습한다.
SoftBox-RaspberryPi-IoT 설계 시스템은 Gateway(Raspberry Pi)와 8종의 센서, 7종의 액츄에이터, 다양한 주변장비로 구성된다. 5종의 설계 /실습과제를 통합 시스템에서 직접 설계 및 실습할 수 있는 환경을 제공하고, 사용자가 설계한 시스템을 인터넷이나 안드로이드 앱을 통해 정보를 확인하고, 직접 제어할 수 있는 교육 시스템이다. IoT 에 대한 개념을 배우고, 창의적인 아이디어를 바로 적용 제작할 수 있는 시스템이다.
This document discusses Java Database Connectivity (JDBC) and Oracle JDBC drivers. It provides an overview of JDBC, describing the four types of JDBC architectures and key JDBC components. It then focuses on Oracle JDBC drivers, explaining the different driver types used on the client-side and server-side. Finally, it presents results from performance tests comparing the Oracle Thin driver, OCI driver, and internal driver across connection, query, fetch, and update operations.
The document discusses Java performance fundamentals, including the Java architecture, programming language, class file format, API, and virtual machine (JVM). It describes how Java source code is compiled to bytecode, how the JVM executes bytecode, and how Java achieves platform independence through the use of the JVM. Key components of the Java architecture outlined include the Java programming language, class file format, API, and JVM.
Java Performance Fundamental 세미나 교재입니다. 4장은 Class Loader를 다루고 있습니다. Class Loader란 무엇이고 Class가 어떻게 JVM안으로 들어와 메모리의 일부로 동작하는지에 대해 상세하게 설명하고 있습니다. 그리고 Java 5에서 새로 소개된 Class Sharing에 대해서도 다루고 있습니다.
* Class Loader
o Namespace
o Class Loader Delegation Model
o Class Sharing
* Class Loader Work
o Loading
o Linking
o Initialization
Java Performance Fundamental 세미나 교재입니다. 3장은 Garbage Collection에 대해 설명하고 있습니다. 먼저 JVM에서 사용하는 Garbage Collection 뿐만 아니라 일반적인 Garbage Collection의 Algorithm을 상세히 알아봅니다. 그 후 Hotspot JVM의 Heap구조와 Garbage Collector를 설명하고 Generation별로 어떻게 동작하는 지에 대해 설명합니다. 이어 IBM JVM에 대한 Heap 구조와 Garbage Collector에 대해서도 설명합니다.
* Garbage Collection 이란?
* Garbage Collection 의 대상
* Garbage Collection 의 기본 Algorithm
* Hotspot JVM의 Garbage Collection
o Serial Collector
o Incremental Collector
o Parallel Collector
o CMS Collector
o Parallel Compaction Collector
o Garbage First Collector
* IBM JVM의 Garbage Collection
o Optimize for Throughput Collector
o Optimize for Pause Time Collector
o Generational Concurrent Collector
o Subpool Collector
Java Performance Fundamental 세미나 교재입니다
2장은 JVM의 메모리 구조인 Runtime Data Areas에 대한 설명을 하고 있습니다. 크게는4개의 모듈로 나누어 지는 Runtime Data Areas를 부분 별로 자세히 다루고 있습니다. 그리고 나서 우리가 프로그램을 수행할 때 Runtime Data Areas에서는 어떻게 데이터들이 움직이는 지를 간단한 예제를 통해 알아보고자 합니다.
* Runtime Data Areas의 구조
* PC Register
* Java Virtual Machine Stacks
* Native Method Stack
* Method Area
* Java Heap
* Runtime Data Areas Simulation
38. 38 / 50
In-Memory Suitable Server
In-Memory Oriented Solutions
Hybrid DBMS
But, All In-Memory
39. ALTIBASE In-Memory Appliance on MES
39 / 44
MESPlus on In-Memory Appliance
1대의 단일 서버만으로
글로벌 스마트폰 공장 적용 가능
(20개 공정, 월 500만대 규모)
40. 날개를단
ToBeWAY MDM(Master Data Management)
•국산 MDM 솔루션 시장점유율 1위
•기준정보 Total Management Solution
ToBeWAY MDM on Altibase In-Memory Appliance 성능 향상
•기준정보 조회 및 일괄 갱신 성능 : 300 % 향상
•대용량 데이터 일괄 로딩 처리 속도 : 5 배 향상
40 / 44
41. 41 / 44
다 차원 분석 보고서 BMT 결과 : 타 DBMS 대비 4배 이상 성능 향상
실시간 분석 등 빠른 응답 속도를 요구하는 분석 요건에 최적의 선택이 될 수 있음