SlideShare uma empresa Scribd logo
1 de 60
E agora: que tipo de Banco de
Dados devo usar?
Fabíola Souza Pereira
FISL 14 – Julho 2013
um pouco sobre mim…
Mas antes…
FISL 14 – Julho 2013
Quem é Fabíola?
FISL 14 – Julho 2013
Quem é Fabíola?
FISL 14 – Julho 2013
Quem é Fabíola?
FISL 14 – Julho 2013
Quem é Fabíola?
FISL 14 – Julho 2013
FISL 14 – Julho 2013
FISL 14 – Julho 2013
Análise de Requisitos
Conceitos
Categorias de BDs & Ferramentas
Metodologia para Arquitetura de Dados
Estudo de Caso
Conclusão
FISL 14 – Julho 2013
Análise de Requisitos
=
Fase das Perguntas
FISL 14 – Julho 2013
FISL 14 – Julho 2013
FISL 14 – Julho 2013
FISL 14 – Julho 2013
Análise de Requisitos
Conceitos
Categorias de BDs & Ferramentas
Metodologia para Arquitetura de Dados
Estudo de Caso
Conclusão
FISL 14 – Julho 2013
A C I DAtomicidade Isolamento DurabilidadeConsistência
FISL 14 – Julho 2013
Teorema CAP
FISL 14 – Julho 2013
CONSISTENCY
AVAILABILITY
PARTITION
TOLERANCE
FISL 14 – Julho 2013
CONSISTENCY
AVAILABILITY
PARTITION
TOLERANCE
Todos os clientes têm
sempre a MESMA
VISÃO do sistema
(commits atômicos)
FISL 14 – Julho 2013
CONSISTENCY
AVAILABILITY
PARTITION
TOLERANCE
O cliente pode
SEMPRE ler e
escrever
FISL 14 – Julho 2013
CONSISTENCY
AVAILABILITY
PARTITION
TOLERANCE
O sistema SEMPRE
FUNCIONA mesmo que
haja “partições” –
quebra de comunicação
entre nós
FISL 14 – Julho 2013
CONSISTENCY
AVAILABILITY
PARTITION
TOLERANCE
Escolha
duas!
FISL 14 – Julho 2013
FISL 14 – Julho 2013
B A S EBasically Soft
state
Eventually
consistent
Available
FISL 14 – Julho 2013
FISL 14 – Julho 2013
FISL 14 – Julho 2013
FISL 14 – Julho 2013
Análise de Requisitos
Conceitos
Categorias de BDs & Ferramentas
Metodologia para Arquitetura de Dados
Estudo de Caso
Conclusão
FISL 14 – Julho 2013
FISL 14 – Julho 2013
FISL 14 – Julho 2013
Relacional
Chave-
valor
Grafo
Orientado a
Coluna/
Tabular
Orientado a
Documento
FISL 14 – Julho 2013
Relacional
Chave-
valor
Grafo
Orientado a
Coluna/
Tabular Orientado a
Documento
Complexidade dos Dados
Volume
FISL 14 – Julho 2013
SGBDRs
(MySQL, PostgreSQL)
Cassandra, BigTable,
Hbase, Hypertable
Dynamo,
MemcacheDB
CouchDB,
MongoDB,
Riak
Neo4j
FISL 14 – Julho 2013
CONSISTENCY
AVAILABILITY
PARTITION
TOLERANCE
Escolha
duas!
CA
SGBDRs
CP
BigTable, Hypertable, HBase
, MongoDB, MemcacheDB
AP
Cassandra, Riak, Dynam
o
FISL 14 – Julho 2013
NoSQL = Não-relacional? Relacional = SQL?
FISL 14 – Julho 2013
NoSQL e SQL
referem-se a
linguagens de
consulta
Relacional e Não-
relacional referem-
se a modelo de
dados
FISL 14 – Julho 2013
Análise de Requisitos
Conceitos
Categorias de BDs & Ferramentas
Metodologia para Arquitetura de Dados
Estudo de Caso
Conclusão
FISL 14 – Julho 2013
Fase das Perguntas
Fase dos Conceitos
Fase das Respostas
FISL 14 – Julho 2013
Requisitos
Conceitos
Escolha de Ferramentas
FISL 14 – Julho 2013
Análise de Requisitos
Conceitos
Categorias de BDs & Ferramentas
Metodologia para Arquitetura de Dados
Estudo de Caso
Conclusão
FISL 14 – Julho 2013
59 anos em operação
Mais de 1900 associados
Mais de 800K clientes
FISL 14 – Julho 2013
Concessão – 87 cidades em 4 estados
Área de autorização – escritórios expandindo em estados importantes
Dados e voz
Serviços de TI
Negócios
Varejo
FISL 14 – Julho 2013
FISL 14 – Julho 2013
Que tal um aplicativo que todos os
dias, às 8h da manhã, faz uma ligação
para mim e toca minha música
favorita?
FISL 14 – Julho 2013
FISL 14 – Julho 2013
Envia MMS
Envia SMS
Tradutor
Captura
Conteúdo
Web Service
Envial Email
Ao receber
SMS
Ao receber
MMS
Math
Faz ligação
Get e Post
DTMF
Banco de
Dados
Concat
Toca áudio
Internet
Utils
Storage
Telecom
FISL 14 – Julho 2013
Captura
Conteúdo
Faz Ligação
Toca áudio
FISL 14 – Julho 2013
App
Engine
Components
Event Handler
Services
MonitoringandStatistics
LogsandSDRs
Portal SCE
Web
ServicesGadgets
CoreoIdentityServer
3rd Party and
Web AppsUsers
COREO Platform
File Manager
Scheduler
WS Broker
DB Manager
Telecom Platforms
SDP
FISL 14 – Julho 2013
E agora: que tipo de Banco de Dados
devo usar no projeto COREO?
FISL 14 – Julho 2013
1) Teremos dados estruturados?
2) Precisaremos de performance?
3) Teremos grande volume de dados?
4) Precisaremos de um mecanismo de cache de dados da sessão!
5) Precisaremos de um mecanismo de busca performático para
interface web!
FISL 14 – Julho 2013
6) Precisaremos de alta disponibilidade?
7) Precisaremos de partition tolerance?
8) Quais dados precisam de consistência?
9) Quais dados serão utilizados para BI e Analytics?
FISL 14 – Julho 2013
1) Teremos dados estruturados?
Cadastro de feedbacks do usuário
Armazenamento de transações de recargas de créditos
FISL 14 – Julho 2013
2) Precisaremos de performance?
 Durante execução de aplicativos via AppEngine
 O scheduler deve ser performático, pois espera-se grande volume de
agendamentos
FISL 14 – Julho 2013
3) Teremos grande volume de dados?
 Plataforma dinâmica e para Web
Armazenamento de logs de execução de aplicativos
FISL 14 – Julho 2013
E assim por diante…
FISL 14 – Julho 2013
Estruturado, relacio
nal, SQL
Backend de Serviços
Performance, volum
e de dados
AppEngine
Armazenar sessões
Portal
Performance
Listagem de Apps
Volume, não
estruturado
Logs de Apps
Volume, performanc
e
Scheduler
Base centralizada
Dados de Usuários
FISL 14 – Julho 2013
Estruturado, relacio
nal, SQL
ORACLE
Performance, volum
e de dados
CASSANDRA
Armazenar sessões
MEMCACHED
Performance
LUCENE/SOLR
Volume, não
estruturado
HADOOP
Volume, performanc
e
CASSANDRA
Base centralizada
OpenLDAP
FISL 14 – Julho 2013
Armazenamento de Dados no COREO
FISL 14 – Julho 2013
Análise de Requisitos
Conceitos
Categorias de BDs & Ferramentas
Metodologia para Arquitetura de Dados
Estudo de Caso
Conclusão
FISL 14 – Julho 2013
Analise seus requisitos
Entenda cada conceito
Conheça as ferramentas
Obrigada!
fabiolas@algartelecom.com.br
@fabiolas
Fabíola Fernandes
fabiola.fernandes.334

Mais conteúdo relacionado

Semelhante a Tipo BD para projeto COREO

PostgreSQL em projetos de Business Analytics e Big Data Analytics com Pentaho
PostgreSQL em projetos de Business Analytics e Big Data Analytics com PentahoPostgreSQL em projetos de Business Analytics e Big Data Analytics com Pentaho
PostgreSQL em projetos de Business Analytics e Big Data Analytics com PentahoAmbiente Livre
 
Ulbra tcc sistema de informaçao getúlio de oliveira valentim
Ulbra tcc sistema de informaçao getúlio de oliveira valentimUlbra tcc sistema de informaçao getúlio de oliveira valentim
Ulbra tcc sistema de informaçao getúlio de oliveira valentimGetulio Valentim
 
IN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).ppt
IN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).pptIN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).ppt
IN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).pptRafael Rodrigues de Souza
 
CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...
CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...
CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...PGDay Campinas
 
Pentaho, Hadoop , Big Data e Data Lakes
Pentaho, Hadoop , Big Data e Data LakesPentaho, Hadoop , Big Data e Data Lakes
Pentaho, Hadoop , Big Data e Data LakesAmbiente Livre
 
TDC2016SP - Trilha BigData
TDC2016SP - Trilha BigDataTDC2016SP - Trilha BigData
TDC2016SP - Trilha BigDatatdc-globalcode
 
MongoDB com Java - GUOB 2018
MongoDB com Java  - GUOB  2018MongoDB com Java  - GUOB  2018
MongoDB com Java - GUOB 2018Fernando Boaglio
 
Nao perca tempo com bancos de dados relacionais, use mongo db
Nao perca tempo com bancos de dados relacionais,   use mongo dbNao perca tempo com bancos de dados relacionais,   use mongo db
Nao perca tempo com bancos de dados relacionais, use mongo dbFernando Boaglio
 
Palestra: Cientista de Dados – Dominando o Big Data com Software Livre
Palestra: Cientista de Dados – Dominando o Big Data com Software LivrePalestra: Cientista de Dados – Dominando o Big Data com Software Livre
Palestra: Cientista de Dados – Dominando o Big Data com Software LivreAmbiente Livre
 
Virtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine LearningVirtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine LearningDenodo
 
Cobo, Cristiane Brandão. Especialização Banco de Dados
Cobo, Cristiane Brandão. Especialização Banco de DadosCobo, Cristiane Brandão. Especialização Banco de Dados
Cobo, Cristiane Brandão. Especialização Banco de Dadoscris.finholdt
 
MongoDB e OpenShift - JUDCon2014
MongoDB e OpenShift - JUDCon2014MongoDB e OpenShift - JUDCon2014
MongoDB e OpenShift - JUDCon2014Fernando Boaglio
 
Aula 01 - Fundamentos de Banco de Dados (2).pdf
Aula 01 - Fundamentos de Banco de Dados (2).pdfAula 01 - Fundamentos de Banco de Dados (2).pdf
Aula 01 - Fundamentos de Banco de Dados (2).pdfMarcelo Silva
 
Análise de dados com R - TDC 2015
Análise de dados com R - TDC 2015Análise de dados com R - TDC 2015
Análise de dados com R - TDC 2015Rodrigo Ribeiro
 
Avaliação da usabilidade e organização e representação da informação do novo ...
Avaliação da usabilidade e organização e representação da informação do novo ...Avaliação da usabilidade e organização e representação da informação do novo ...
Avaliação da usabilidade e organização e representação da informação do novo ...Paulo Sousa
 
MongoDB com Java - SouJava
MongoDB com Java - SouJavaMongoDB com Java - SouJava
MongoDB com Java - SouJavaFernando Boaglio
 
Bancos de Dados Pós-Relacionais
Bancos de Dados Pós-RelacionaisBancos de Dados Pós-Relacionais
Bancos de Dados Pós-Relacionaiselliando dias
 
TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...
TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...
TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...tdc-globalcode
 

Semelhante a Tipo BD para projeto COREO (20)

PostgreSQL em projetos de Business Analytics e Big Data Analytics com Pentaho
PostgreSQL em projetos de Business Analytics e Big Data Analytics com PentahoPostgreSQL em projetos de Business Analytics e Big Data Analytics com Pentaho
PostgreSQL em projetos de Business Analytics e Big Data Analytics com Pentaho
 
Ulbra tcc sistema de informaçao getúlio de oliveira valentim
Ulbra tcc sistema de informaçao getúlio de oliveira valentimUlbra tcc sistema de informaçao getúlio de oliveira valentim
Ulbra tcc sistema de informaçao getúlio de oliveira valentim
 
josecws
josecwsjosecws
josecws
 
IN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).ppt
IN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).pptIN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).ppt
IN1008 Aspectos de Qualidade na Modelagem de Dados Monica Rafael (1).ppt
 
CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...
CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...
CASE: O PostgreSQL em BI: Milhares de operações diárias consolidadas em "near...
 
Pentaho, Hadoop , Big Data e Data Lakes
Pentaho, Hadoop , Big Data e Data LakesPentaho, Hadoop , Big Data e Data Lakes
Pentaho, Hadoop , Big Data e Data Lakes
 
TDC2016SP - Trilha BigData
TDC2016SP - Trilha BigDataTDC2016SP - Trilha BigData
TDC2016SP - Trilha BigData
 
MongoDB com Java - GUOB 2018
MongoDB com Java  - GUOB  2018MongoDB com Java  - GUOB  2018
MongoDB com Java - GUOB 2018
 
Nao perca tempo com bancos de dados relacionais, use mongo db
Nao perca tempo com bancos de dados relacionais,   use mongo dbNao perca tempo com bancos de dados relacionais,   use mongo db
Nao perca tempo com bancos de dados relacionais, use mongo db
 
Treinamento hadoop - dia4
Treinamento hadoop - dia4Treinamento hadoop - dia4
Treinamento hadoop - dia4
 
Palestra: Cientista de Dados – Dominando o Big Data com Software Livre
Palestra: Cientista de Dados – Dominando o Big Data com Software LivrePalestra: Cientista de Dados – Dominando o Big Data com Software Livre
Palestra: Cientista de Dados – Dominando o Big Data com Software Livre
 
Virtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine LearningVirtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine Learning
 
Cobo, Cristiane Brandão. Especialização Banco de Dados
Cobo, Cristiane Brandão. Especialização Banco de DadosCobo, Cristiane Brandão. Especialização Banco de Dados
Cobo, Cristiane Brandão. Especialização Banco de Dados
 
MongoDB e OpenShift - JUDCon2014
MongoDB e OpenShift - JUDCon2014MongoDB e OpenShift - JUDCon2014
MongoDB e OpenShift - JUDCon2014
 
Aula 01 - Fundamentos de Banco de Dados (2).pdf
Aula 01 - Fundamentos de Banco de Dados (2).pdfAula 01 - Fundamentos de Banco de Dados (2).pdf
Aula 01 - Fundamentos de Banco de Dados (2).pdf
 
Análise de dados com R - TDC 2015
Análise de dados com R - TDC 2015Análise de dados com R - TDC 2015
Análise de dados com R - TDC 2015
 
Avaliação da usabilidade e organização e representação da informação do novo ...
Avaliação da usabilidade e organização e representação da informação do novo ...Avaliação da usabilidade e organização e representação da informação do novo ...
Avaliação da usabilidade e organização e representação da informação do novo ...
 
MongoDB com Java - SouJava
MongoDB com Java - SouJavaMongoDB com Java - SouJava
MongoDB com Java - SouJava
 
Bancos de Dados Pós-Relacionais
Bancos de Dados Pós-RelacionaisBancos de Dados Pós-Relacionais
Bancos de Dados Pós-Relacionais
 
TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...
TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...
TDC2016POA | Trilha BigData - Orquestrando Hadoop, Cassandra e MongoDB com o ...
 

Tipo BD para projeto COREO

  • 1. E agora: que tipo de Banco de Dados devo usar? Fabíola Souza Pereira
  • 2. FISL 14 – Julho 2013 um pouco sobre mim… Mas antes…
  • 3. FISL 14 – Julho 2013 Quem é Fabíola?
  • 4. FISL 14 – Julho 2013 Quem é Fabíola?
  • 5. FISL 14 – Julho 2013 Quem é Fabíola?
  • 6. FISL 14 – Julho 2013 Quem é Fabíola?
  • 7. FISL 14 – Julho 2013
  • 8. FISL 14 – Julho 2013
  • 9. FISL 14 – Julho 2013 Análise de Requisitos Conceitos Categorias de BDs & Ferramentas Metodologia para Arquitetura de Dados Estudo de Caso Conclusão
  • 10. FISL 14 – Julho 2013 Análise de Requisitos = Fase das Perguntas
  • 11. FISL 14 – Julho 2013
  • 12. FISL 14 – Julho 2013
  • 13. FISL 14 – Julho 2013
  • 14. FISL 14 – Julho 2013 Análise de Requisitos Conceitos Categorias de BDs & Ferramentas Metodologia para Arquitetura de Dados Estudo de Caso Conclusão
  • 15. FISL 14 – Julho 2013 A C I DAtomicidade Isolamento DurabilidadeConsistência
  • 16. FISL 14 – Julho 2013 Teorema CAP
  • 17. FISL 14 – Julho 2013 CONSISTENCY AVAILABILITY PARTITION TOLERANCE
  • 18. FISL 14 – Julho 2013 CONSISTENCY AVAILABILITY PARTITION TOLERANCE Todos os clientes têm sempre a MESMA VISÃO do sistema (commits atômicos)
  • 19. FISL 14 – Julho 2013 CONSISTENCY AVAILABILITY PARTITION TOLERANCE O cliente pode SEMPRE ler e escrever
  • 20. FISL 14 – Julho 2013 CONSISTENCY AVAILABILITY PARTITION TOLERANCE O sistema SEMPRE FUNCIONA mesmo que haja “partições” – quebra de comunicação entre nós
  • 21. FISL 14 – Julho 2013 CONSISTENCY AVAILABILITY PARTITION TOLERANCE Escolha duas!
  • 22. FISL 14 – Julho 2013
  • 23. FISL 14 – Julho 2013 B A S EBasically Soft state Eventually consistent Available
  • 24. FISL 14 – Julho 2013
  • 25. FISL 14 – Julho 2013
  • 26. FISL 14 – Julho 2013
  • 27. FISL 14 – Julho 2013 Análise de Requisitos Conceitos Categorias de BDs & Ferramentas Metodologia para Arquitetura de Dados Estudo de Caso Conclusão
  • 28. FISL 14 – Julho 2013
  • 29. FISL 14 – Julho 2013
  • 30. FISL 14 – Julho 2013 Relacional Chave- valor Grafo Orientado a Coluna/ Tabular Orientado a Documento
  • 31. FISL 14 – Julho 2013 Relacional Chave- valor Grafo Orientado a Coluna/ Tabular Orientado a Documento Complexidade dos Dados Volume
  • 32. FISL 14 – Julho 2013 SGBDRs (MySQL, PostgreSQL) Cassandra, BigTable, Hbase, Hypertable Dynamo, MemcacheDB CouchDB, MongoDB, Riak Neo4j
  • 33. FISL 14 – Julho 2013 CONSISTENCY AVAILABILITY PARTITION TOLERANCE Escolha duas! CA SGBDRs CP BigTable, Hypertable, HBase , MongoDB, MemcacheDB AP Cassandra, Riak, Dynam o
  • 34. FISL 14 – Julho 2013 NoSQL = Não-relacional? Relacional = SQL?
  • 35. FISL 14 – Julho 2013 NoSQL e SQL referem-se a linguagens de consulta Relacional e Não- relacional referem- se a modelo de dados
  • 36. FISL 14 – Julho 2013 Análise de Requisitos Conceitos Categorias de BDs & Ferramentas Metodologia para Arquitetura de Dados Estudo de Caso Conclusão
  • 37. FISL 14 – Julho 2013 Fase das Perguntas Fase dos Conceitos Fase das Respostas
  • 38. FISL 14 – Julho 2013 Requisitos Conceitos Escolha de Ferramentas
  • 39. FISL 14 – Julho 2013 Análise de Requisitos Conceitos Categorias de BDs & Ferramentas Metodologia para Arquitetura de Dados Estudo de Caso Conclusão
  • 40. FISL 14 – Julho 2013 59 anos em operação Mais de 1900 associados Mais de 800K clientes
  • 41. FISL 14 – Julho 2013 Concessão – 87 cidades em 4 estados Área de autorização – escritórios expandindo em estados importantes Dados e voz Serviços de TI Negócios Varejo
  • 42. FISL 14 – Julho 2013
  • 43. FISL 14 – Julho 2013 Que tal um aplicativo que todos os dias, às 8h da manhã, faz uma ligação para mim e toca minha música favorita?
  • 44. FISL 14 – Julho 2013
  • 45. FISL 14 – Julho 2013 Envia MMS Envia SMS Tradutor Captura Conteúdo Web Service Envial Email Ao receber SMS Ao receber MMS Math Faz ligação Get e Post DTMF Banco de Dados Concat Toca áudio Internet Utils Storage Telecom
  • 46. FISL 14 – Julho 2013 Captura Conteúdo Faz Ligação Toca áudio
  • 47. FISL 14 – Julho 2013 App Engine Components Event Handler Services MonitoringandStatistics LogsandSDRs Portal SCE Web ServicesGadgets CoreoIdentityServer 3rd Party and Web AppsUsers COREO Platform File Manager Scheduler WS Broker DB Manager Telecom Platforms SDP
  • 48. FISL 14 – Julho 2013 E agora: que tipo de Banco de Dados devo usar no projeto COREO?
  • 49. FISL 14 – Julho 2013 1) Teremos dados estruturados? 2) Precisaremos de performance? 3) Teremos grande volume de dados? 4) Precisaremos de um mecanismo de cache de dados da sessão! 5) Precisaremos de um mecanismo de busca performático para interface web!
  • 50. FISL 14 – Julho 2013 6) Precisaremos de alta disponibilidade? 7) Precisaremos de partition tolerance? 8) Quais dados precisam de consistência? 9) Quais dados serão utilizados para BI e Analytics?
  • 51. FISL 14 – Julho 2013 1) Teremos dados estruturados? Cadastro de feedbacks do usuário Armazenamento de transações de recargas de créditos
  • 52. FISL 14 – Julho 2013 2) Precisaremos de performance?  Durante execução de aplicativos via AppEngine  O scheduler deve ser performático, pois espera-se grande volume de agendamentos
  • 53. FISL 14 – Julho 2013 3) Teremos grande volume de dados?  Plataforma dinâmica e para Web Armazenamento de logs de execução de aplicativos
  • 54. FISL 14 – Julho 2013 E assim por diante…
  • 55. FISL 14 – Julho 2013 Estruturado, relacio nal, SQL Backend de Serviços Performance, volum e de dados AppEngine Armazenar sessões Portal Performance Listagem de Apps Volume, não estruturado Logs de Apps Volume, performanc e Scheduler Base centralizada Dados de Usuários
  • 56. FISL 14 – Julho 2013 Estruturado, relacio nal, SQL ORACLE Performance, volum e de dados CASSANDRA Armazenar sessões MEMCACHED Performance LUCENE/SOLR Volume, não estruturado HADOOP Volume, performanc e CASSANDRA Base centralizada OpenLDAP
  • 57. FISL 14 – Julho 2013 Armazenamento de Dados no COREO
  • 58. FISL 14 – Julho 2013 Análise de Requisitos Conceitos Categorias de BDs & Ferramentas Metodologia para Arquitetura de Dados Estudo de Caso Conclusão
  • 59. FISL 14 – Julho 2013 Analise seus requisitos Entenda cada conceito Conheça as ferramentas