1 / 17

Sarper Aydoğan – Turkcell Teknoloji Staj’2010

Sarper Aydoğan – Turkcell Teknoloji Staj’2010. Var olma Sebebi? Sürekli artan veriyi ölçeklendirme -> Artan karmaşık çoğa – çok (many to many) ilişkiler Çok öğeli sabit ilişkisel şemalar yerine önceden belirlenmemiş ve genişletilebilir veriler veri şeması kullanıyor olması

finna
Download Presentation

Sarper Aydoğan – Turkcell Teknoloji Staj’2010

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sarper Aydoğan – Turkcell Teknoloji Staj’2010

  2. Var olma Sebebi? • Sürekli artan veriyi ölçeklendirme -> • Artan karmaşık çoğa – çok (many to many) ilişkiler • Çok öğeli sabit ilişkisel şemalar yerine önceden belirlenmemiş ve genişletilebilir veriler veri şeması kullanıyor olması • Veri karmaşık “Joinler” kullanılmadan sadece primary key’e dayalı olarak tekrar tekrar çağırılıyorsa. No to SQL RDMS Performans Maaş Listesi Web Uygulamaları Not Only SQL Performans Sosyal Networkler Data Karmaşıklığı

  3. Büyük datalar? Consistency JOIN Availability ilişkisel Partition Tolerance CAP Dağınık ACID Atomicity, Consistency, Isolation, Durability Yatay ve Dikey ölçeklendirmeye izin veren (Yeni modüllerin ve datanın rahatça eklenebilmesi) Ölçeklendirme & Kaynaklar?

  4. Key Value Stores • Büyük data bloklarını tutmak ve ölçeklendirmek için kullanılır. A • Her unique anahtar değeri bir değeri referans eder. (HashMap) • Database’in Değerden haberi yok • Memcached’den farklı olarak replication, versioning, locking ve sorting gibi özellikler sunar. B C D

  5. Voldemort • Open Source (Linkedin Katkılarıyla) • Veri otomatik, parçalar haline getirilip, parçalar birden çok servera dağıtılıyor. • Concurreny problemleri “multi-version concurrency control” (MVCC) ile çözülüyor. • Gelişmiş Failure Handling

  6. Document Database • Her veriyi bir doküman olarak saklar. Key Value Store’la benzerlik gösterir. Farklı olarak • Key- Value Store’dan daha karmaşık yapıda veri saklar (Arrayler, objeler..) • Multiple index’lemeyi destekler • RDBMS’den farklı olarak veri tabanı ve tablolar yok • CouchDB, MongoDB {“_id” : “1″,“name” : “A”,“groupid” : “1″,} {“_id” : “2″,“name” : “B”,“groupid” : “1″,}

  7. Key –Value Store, Document DB ve RDBMS özelliklerini taşır Dinamik Query’ler Indexing Temel veri birimi -> Document • Hızlı okuma/yazma için dizayn edilmiştir. • Tanıdık veri Tipleri Kullanır -> Array, Binary, Boolean, DateTime, Null, String, Embedded Object indexler • Veriye ulaşma ve değiştirme yolları Dinamik Query’ler MapReduce

  8. CouchDB & MongoDB • Database -> Documents • Concurrency -> MVCC • Data Types -> string,number,boolean,array,object • QueryMethod -> Map/reduce • Database -> Collections(Tables) -> Documents • Concurreny -> Yerinde Güncelleme • Data Types -> string, int, double, boolean, date, bytearray, object, array, others • QueryMethod -> Dynamic; object-basedquerylanguage

  9. Wide Column Stores • Google BigTable Clone • Satır ve sütunlara dayanan ölçeklendirme • Her key birden çok sütunla ilişkilenir • Dağınık ve birden çok boyutludur • Yarı ilişkisel yapıya sahiptir • Ölçeklendirme, satırları ve sütunları parçalayarak meydana gelir • Satırlar, primary key’e bağlı olarak bölünür. • Sütunlar, sütun gruplarına bağlı olarak bölünür.

  10. HBase • Hadoop Database – büyük datasetlerine hızlı read/write • HDFS (Hadoop Distributes File System) üzerinde çalışır • Concurrency - Locks • BTree- Sıralama Hızlı • Hadoop MapReduce’lariyla başa çıkabilecek Hbase tabloları* • Veri sıralanmış biçimde saklanır • Real Time Query’ler için Optimization • Twitter, Yahoo!** *MapReduce- Büyük datasetlerin çözülmesi **http://wiki.apache.org/hadoop/Hbase/PoweredBy

  11. Map and Reduce

  12. Hbase & Cassandra • Java tabanlı • Concurrency - Locks • BTree- Sıralama Hızlı • Hadoop Dosyalamasını Kullanır • Java tabanlı • Concurrency - MVCC • Ordered Hash Index- Btree’den daha yavaş • Otomatik failure detection ve full recovery inbox search Mevcut Klonlar BigTable ‘ın transaction oranına ulaşamamıştır. Google Maps, Earth, Gmail, YouTube

  13. GraphDatabase • Veriyi tablolar yerine grafik yapıları (node, edge, property) üzerinde değerleri saklayan database çeşidi. Key – Value yapısına benzetilebilir. • RDBMS –Static ve basit veriGraph – Dinamik ve karmaşık veri

  14. Neo4j’deki tüm operasyonlar transactionlar üzerinden çalışır ve tüm transactionlar ACID’i destekler. Node firstNode = graphDb.createNode(); Node secondNode = graphDb.createNode(); Relationship relationship = firstNode.createRelationshipTo( secondNode, MyRelationshipTypes.KNOWS ); firstNode.setProperty( "message", "Hello, " ); secondNode.setProperty( "message", "world!" ); relationship.setProperty( "message", "brave Neo4j"); brave Neo4j Hello World

  15. NoSQL Avantajları • OLTP Projelerinde hızlı read/write’a olanak vermesi • Kolay ölçeklendirebilme ve dağıtım yapabilme • İlişisel db’lere göre bazı projelerde kolay implementation sağlaması

  16. NoSQL Dezavantajları • Data Integrity -> Uygulama Katmanına Dayalı • İlişkisel DB’ler kadar mature sistemler değiller • Standard bir dilin olmaması

More Related