![Beispiel Tracking &
Conversion
Umfangreiches
Schema um komplexe
Stati abzubilden
1 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
n
4 Convert
Marc Schwering, 10gen - @m4rcsch](https://image.slidesharecdn.com/2-1germancommonusecases-130211103442-phpapp01/85/Webinar-Typische-MongoDB-Anwendungsfalle-Common-MongoDB-Use-Cases-10-320.jpg)
![Content Management
Flexibles Schema für GeoSpatial Index
GridFS 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](https://image.slidesharecdn.com/2-1germancommonusecases-130211103442-phpapp01/85/Webinar-Typische-MongoDB-Anwendungsfalle-Common-MongoDB-Use-Cases-14-320.jpg)
Webinar: Typische MongoDB Anwendungsfälle (Common MongoDB Use Cases)
- 1. @m4rcsch Typische MongoDB Anwendungsfälle Marc Schwering Solutions Architect, 10gen
- 3. NoSQL Eigenschaften Flexible Datentypen Hoher Große Datenmengen • Listen, eingebettete Datendurchsatz • Aggregierte Datengröße Objekte • Lesen • Anzahl an Datensätzen • Sparse Data • Schreiben • Semi-strukturierte Daten • Agile Development geringe Latenz Cloud Computing Commodity • Fürs lesen und schreiben • Läuft “überall” Hardware • ms Bereich • Keine spezielle Hardware • Ethernet • Lokaler Datenspeicher Marc Schwering, 10gen - @m4rcsch
- 4. MongoDB Flexible 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 Development geringe 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
- 6. High Volume Data Feeds Maschinendate • 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 Data Sources 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 Nutzern dashboards • 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 abzubilden 1 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 n 4 Convert Marc Schwering, 10gen - @m4rcsch
- 11. Management von Metadaten Datenarchivie • Metadaten rung • Referenzspeicher Informationsa • 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 Inhalte News-Seite • Personalisierung von Inhalt und Layout Verschiedene • Layout “on the fly” Kanäle • Kaum statischer Inhalt Sharing • Binär.- und Metadaten Marc Schwering, 10gen - @m4rcsch
- 14. Content Management Flexibles Schema für GeoSpatial Index GridFS 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 zu MongoDB?
- 16. Projekt Charakteristika Applikations-Anforderungen Warum MongoDB gut passen könnte Variable 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 einfache und/oder viele Daten Skalierbarkeit Cloud-basiertes deployment Sharding und Replikation nutzen alle Möglichkeiten von Cloud-Computing Wechselnde Flexibles Datenmodell ermöglicht agile Business Anforderungen Softwareentwicklung Marc Schwering, 10gen - @m4rcsch
- 17. Vielen Dank! Fragen? Chat, oder: @m4rcsch Kommende 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)