Big Data Konnektivität

BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENF
HAMBURG KOPENHAGEN LAUSANNE MÜNCHEN STUTTGART WIEN ZÜRICH
Big Data Konnektivität
Einführung und Demos für die Platform
Peter Welker (Trivadis GmbH)
Berater / Partner

Wer bin ich?
DOAG 2015 - Oracle Big Data Connectivity2 17.11.2015
Peter Welker
Berater (Trivadis Stuttgart)
Partner
Hintergrundinfos
– 23 Jahre IT / 17 Jahre DWH (meist Oracle)
– Architekturen, Performance
– Reviews, Evaluationen, PoCs
– DWH Appliances, MPP- & „Neue“
Plattformen
– Training, Artikel, Talks, Bücher
– Themenverantwortlicher „Big Data“
Aufgaben bei Trivadis
– Big Data – Solutions
– Business Intelligence Beratung und
Entwicklung

Agenda
1. Big Data @ Oracle –Statement of Direction
2. Eine umfassende analytische Plattform mit Oracle Produkten?
3. „Big Data Glue“ – Überblick Konnektivität
4. Konnektoren und mehr
5. ODI, Golden Gate & Big Data
6. Zusammenfassung

Big Data @ Oracle
„Statement of Direction“

Oracle Big Data Statement of Direction (1)
http://www.oracle.com/technetwork/database/bigdata-appliance/overview/sod-bdms-2015-04-final-2516729.pdf
Oracle: „Big Data Management Systeme bestehen aus“ …
Data Warehouse
(Database)
Data Reservoir
BigData „Ecosystem mit
Hadoop & NoSQL
(Big Data Appliance)
„Franchised
Query Engine“
Federation Tool
(Big Data SQL)

Aktueller Fokus auf vier Bereichen
– Global Metadata Services
a single view of all available data across multiple data stores, exposed in a format similar
to Oracle’s data dictionary.
– Global Query Routing and Processing
optimized query execution across multiple data stores. A single query may possibly merge
data from multiple data stores. A variety of query optimization and caching techniques will be
applied to optimize performance.
– Global Resource Monitoring and Management
prioritization of workloads across the entire BDMS ecosystem.
– Global Data Optimization
the ability to automatically move data from one repository to another (for example, from a
data warehouse to a data reservoir or vice versa) based on query performance
requirements and/or storage costs.

Ein paar Aussagen
“Oracle will provide fast, integrated, secure access to all data – not only data
stored in […] Exadata […] or Oracle Big Data Appliance, but also data stored in
operational NoSQL databases, transactional relational databases, streaming data
sources, and more.”
“Oracle will provide a framework for easily incorporating new data sources,
ensuring that these new data sources can be seamlessly accessed and managed”
“Strategy is to extend its existing in-database features (such as its data dictionary,
SQL query engine, query optimizer, resource manager, and data optimization) in
order to manage the entire Big Data Management System”

“A favorite hobby of new entrants to the database market is to paint Oracle,
the market-leading database, as inflexible and promote their product on the
basis that Oracle will never be able to provide the same type of functionality
as their new platform. Such vendors pursue this positioning at their peril:
object-oriented databases, massively-parallel databases, columnar
databases, data warehouse appliances and other trends have been outed
as replacements for Oracle Database only to later see their core benefits
subsumed by the Oracle platform.”

Eine umfassende analytische
Plattform mit Oracle Produkten?

Das Traditionelle / Klassische DWH
RDBMS + OLAP
Hoher ETL Aufwand
Hoher Integrationsgrad
OLTP Quellen
Tagesaktuell
Core = SPOT
Marts dimensional
BI Suite obendrauf
Power-User Direktzugriff
…

Auswahl häufiger „moderner“ DWH Anforderungen
Operativ
Einbindung direkt in operative Prozesse – nicht nur analytisch / dispositiv
„ODS“
1:1 Abbild der Quellsysteme – manchmal historisiert – als Teil der Staging Area
„Echtzeit“
Latenz von Stunden oder Minuten – sehr selten wirklich „Echtzeit“
Self Service BI
Ansätze zur Flexibilisierung – Sandboxes, BI Tool-Features, einfache ETL Tools,
Federation auf OLTP Systeme
Unified Analysis
Einbindung/Zusammenspiel mit Big Data Lösungen/Plattformen + Federation

Das Logische Data Warehouse (LDW) nach Gartner
SLA für Data
Management (DM)
LDW ist eine
integrierte DM Plattform
Das „klassische“
DWH ist ein Teil davon
Metadata
„Best-fit“ Engineering
Quelle: Gartner

LDW – Die vergessenen 20% (80/10/5 Regel)
Nach Gartner
Metadata
Repositories
(80%)
“Classic”
DWHs & ODS
Federation
Virtualization
(10%)
Flexibility &
Direct Access
Distributed
Process
(5%)
Big Data
Analytics
SLA
Requirements
Taxonomy/Ontology Resolution
DQ,MDM,Gov.
Auditing and
Management Statistics
UseCaseAccess
Semantics
=/<>/~
Science Sandbox
(80/10/5 = 5%)
Data Scientist
Playground
COMPROMISE CONTENDER CANDIDATE
80/10/5 Regel
= Anteil Use
Cases, nicht
Datenmenge,
Kosten oder
Mehrwert
VERACITIY VARIABILITY HIGH VALUE
Data
Warehouse
(Database)
Data Reservoir
BigData „Ecosystem
mit Hadoop & NoSQL
(Big Data Appliance)
„Franchised
Query Engine“
Federation Tool
(Big Data SQL)

„Big Data Glue“
Überblick Konnektivität

Das „Oracle Big Data Management System“ (1)
Quelle: Oracle

Das „Oracle Big Data Management System“
Source
Systems
OLTP
Doku-
ment
Inter-
net
DSS
Event
Sensor
Video
Audio
Image
Data
Ingestion
Data
Optimization
Raw Data
Reservior
Data
Foundation
Data
Access
Query &
Analytics
Schema
on Read
Raw
Data
Managed
Data
Schema
on Write
Data Integration
Metadata Management, Data Quality, Big Data Discoverer etc.
Data
Ingestion
SQL*Loader
Big Data
Connectors
Advanced
Analytics
„R“
Big Data
SQL
Data
Integrator
NoSQL
Key Value
Database EE
InMemory
OLAP
Semantic Graph
(NoSQL)
XDB, JSON (NoSQL)
Advanced Analytics
DB M/R
Enterprise „R“
ESSBASE
Enterprise
„R“
Big Data
Discovery
Cloudera
Hadoop
HDFS + Tools
Data
Integrator
Connectivity
Golden
Gate
Complex
Event
Processing
BIEE, BI-
Publisher,
Hyperion
Visual
Analyzer, BD
Discovery,
Endeca

Welches Produkt für welchen Fall?
http://www.oracle.com/ocom/groups/public/@otn/documents/webcontent/2297765.pdf
Gutes Whitepaper
Beschreibt und definiert
Big Data,
organisatorische und
technische Anforderungen
sowie „Tooling“
… und
Entscheidungskriterien
Tooling maturity
Availability &
Business Continuity
ACID transactional
requirements
Security
Variety of data formats
Data sparsity
Ingestion
(coding)
simplicity
Cost effectively
store low
value data
Ingestion
rate
Straight
through
processing
Quelle:
Oracle

Konnektoren und mehr

Oracle Big Data Connectors
Oracle SQL Connector for HDFS (OSCH)
Oracle Loader for Hadoop (OLH)
Oracle XQuery for Hadoop
Oracle „R“ Advanced Analytics for Hadoop
OSCH
OLH
OXH
ORH

Oracle SQL Connector for HDFS (OSCH)
“Read Only HDFS Zugriff auf Oracle Data Pump files, Delimited text files und
Delimited text files in Apache Hive Tabellen aus einer Oracle Datenbank heraus”
„Einfachste“ Variante für Zugriff auf HDFS und Hive aus der Datenbank heraus
Nutzt External Tables und ET Präprozessor zum Zugriff auf HDFS und Hive via
SQL
Ermöglicht Zugriff auf
– Apache Hadoop ab Version 2.2.0 (bspw. Cloudera 4 und 5)
– Hive Versionen 0.10.0, 0.12.0, 0.13.0, 0.13.1 oder 1.1.0
Benötigt DB ab 10.2.0.5, 11.2.0.2 oder 12
– Nur für Linux x86-64
OSCH

OSCH Setup
Installation von Hadoop Client und OSCH auf DB Server
– http://docs.oracle.com/cd/E63064_01/doc.42/e63063/start.htm#BDCUG109
Datenbankbenutzer einrichten
Danach generiert OSCH Zugriffsmechanismen und -objekte
CONNECT / AS sysdba;
CREATE USER hdfsuser IDENTIFIED BY password
DEFAULT TABLESPACE hdfsdata -- Nur für Schreibvor-
QUOTA UNLIMITED ON hdfsdata; -- gänge in die DB
GRANT CREATE SESSION, CREATE TABLE, CREATE VIEW TO hdfsuser;
GRANT EXECUTE ON sys.utl_file TO hdfsuser; -- UTL_FILE Zugriff!
GRANT READ, EXECUTE ON DIRECTORY osch_bin_path TO hdfsuser; -- OSCH binaries
GRANT READ, WRITE ON DIRECTORY external_table_dir TO hdfsuser; -- External Tables
OSCH

Local Linux
Oracle Database
Hadoop
Hive
Table
Files
OSCH – was passiert beim Generieren der ET?
XML
Definition mit
Strukturinfo
Hadoop
„ExternalTable“
Exec
Hive
Metadata
Oracle
Create Table
Command
OSCH
Location-File
2b Generates External
Table
2c Creates
2a
2a
3. SQL
Developer
DB UserReads
Reads
1. Creates
Deletmited
HDFS
Files
Oracle
Datapump
Files
OR OR OSCH
„hdfs_stream“
3bDataStream
Program used
in Preprocessor
3b Data Stream
File ProgramMetadata OSCH
Installed or Generated
Existing Developed
3auses
OSCH

OSCH ExternalTable Setup
Achtung: Hier handelt es sich um das OSCH CommandLine Tool „ExternalTable“,
nicht um den Oracle Database Befehl
ExternalTable Tool in Hadoop ausführen
– Provide ET with information about the Hadoop data source and a schema in the Oracle
Database either as part of the CREATE ET command or in a separate XML file
– Achtung: Außerhalb DB statt – es ist ein Aufruf eines Java Programms mittels des Hadoop
client
Das Tool generiert den passenden Create External Table Befehl für die Datenbank
Der Zugriff geschieht über einen generischen Präprozessor
hadoop jar -- hadoop Befehl
$OSCH_HOME/jlib/orahdfs.jar -- Tool aus folgender Bibliothek
oracle.hadoop.exttab.ExternalTable -- Name des Tools (Java Programm)
-conf /home/oracle/movies/moviefact_hdfs.xml -- Param: XML mit ET Definition
-createTable -- Param: Befehl im Tool
OSCH

OSCH „ExternalTable“ Syntax & more
Nur SELECTs
Paralleles Lesen bei mehreren Files unterstützt
External Table Funktionalität (bspw. Formatmasken, Datenkonvertierung usw.)
Es werden immer FULL TABLE SCANs durchgeführt
– Also kein PushDown von Filtern aus WHERE Clauses, keine Indexe usw.
hadoop jar OSCH_HOME/jlib/orahdfs.jar
oracle.hadoop.exttab.ExternalTable
[-conf config_file]...
[-D property=value]...
-createTable [--noexecute [--output filename.sql]]
| -drop [--noexecute]
| -describe
| -publish [--noexecute]
| -listlocations [--details]
| -getDDL
OSCH

Oracle Loader for Hadoop (OLH)
“Effizienter high-performance Loader für den schnellen Transfer von Daten aus
einem Hadoop Cluster in eine Tabelle in einer Oracle Datenbank”
Erstellt aus anderen Dateien Oracle Datapump Dateien auf HDFS
– Ist ein MapReduce Programm: Partitioniert, sortiert, konvertiert und lädt Daten
Optimiert auf hohe Ladeperformance
Unterstützt zahlreiche Dateiformate wie Hive Tables, Delimited oder Avro
– Erweiterbar um neue Formate via Java
Unterstützt Online und Offline Modi
– Online lädt die Daten bei der Conversion gleich in die DB
– Offline erstellt DP- oder Delimited Dateien für OSCH oder SQL*Loader
OLH

OLH Setup
Installation von Hadoop Client und OLH auf DB Server
– http://docs.oracle.com/cd/E63064_01/doc.42/e63063/start.htm#BDCUG115
Danach generiert OLH Zugriffsmechanismen und –objekte und führt den
Ladevorgang aus, wenn gewünscht (Online Mode)
OraLoader Tool in Hadoop ausführen
– Provide OraLoader with information about the Hadoop data source, the table definition in the
Oracle Database and various optimizations in one or two separate XML files
– Es ist ein Aufruf eines Java Programms mittels Hadoop client
hadoop jar -- hadoop Befehl
$OLH_HOME/jlib/oraloader.jar -- Tool aus folgender Bibliothek
oracle.hadoop.loader.OraLoader -- Name des Tools (Java Programm)
-conf /home/oracle/movies/jobconfig.xml -- Param: XML mit Loaderdefinition
[-libjars input_file_format1.jar[,...]] -- MapReduce Input Definitionen
OLH

Local OS (Linux)
Oracle Database
Hadoop
Various File
Formats
OLH – was passiert im Online Mode?
XML
Job Config
File
Hadoop
„OraLoader“
Exec
2a
2b Reads
Developer
Reads
File ProgramOLH
Existing Developed
XML
Loader
MapFile
Various File
Formats
Staging Table
2d Loads
2d Creates
2c Creates
Bad-File
Output File
CSV or
DataPump
1. Creates
Optional
OLH

Local OS (Linux)
Oracle Database
Hadoop
Various File
Formats
OLH – was passiert im Offline Mode?
XML
Job Config
File
Hadoop
„OraLoader“
Exec
3a
3b Reads
Developer
Reads
File ProgramOLH
Existing Developed
XML
Loader
MapFile
Various File
Formats
Staging Table
3c Creates
Output File
CSV or
DataPump
2. Creates
Optional
„OraLoaderMetadata “ - Exec
1a
Reads Definition
XML Metadata File
1b
Creates
(locally)
1. Calls
OLH

OLH – Input Formate
„Simple Delimited Text File“ – Newline separiert Records, ein Zeichen separiert
Felder
„Complex Delimited Test Files“ – Regular Expression separiert Felder
„Hive Tables“ – Konvertiert Hive Tabellen in das Avro-Format und lädt dieses
„Avro“ – Lädt Avro Formate
„Oracle NoSQL DB“ – Lädt „Values“ aus der NoSQL DB. Java Programmierung
erforderlich, um auch die Keys zu laden
„Custom Input Formats“ – InputFormat Klasse von MapReduce muss erweitert
werden
OLH

OLH – Output Formate
Nur Online Load
– JDBC Output Format Configdatei-Parameter
mapreduce.outputformat.class = oracle.hadoop.loader.lib.output.JDBCOutputFormat
o Batch Inserts – ohne vollständige Fehlerbehandlung
– OCI Direct Path Output Format Configdatei-Parameter
mapreduce.outputformat.class = oracle.hadoop.loader.lib.output.OCIOutputFormat
o Nur wenn Hadoop auf Linux x86-64 läuft
o Zieltabelle muss partitioniert sein
o Parallelität = Anzahl Reducer im MapReduce Job
Files (Online und Offline)
– Delimited Text Output Format Files auf dem Hadoop Cluster
– Data Pump Output Format Files auf dem Hadoop Cluster
OLH

OLH – Details
DB Mapping – Auto Mode
– Im Online-Mode holt der OraLoader die DB Tabellenmetadaten direkt aus der DB
– Im Offline-Mode kann mit dem lokalen Java Program OraLoaderMetadata vorab ein Oracle
Metadata XML File erzeugt werden. Dies muss vorab auf den Hadoop Cluster kopiert werden
– Automatisches Mapping möglich, sofern alle Spalten geladen und nur gleiche Spaltennamen
sowie nur ein Date-Format verwendet wird
DB Mapping – Manual Mode
– Loadermap XML Datei muss erstellt werden
OLH

Oracle XQuery for Hadoop (OXH) – Überblick
“Oracle XQuery for Hadoop runs transformations expressed in the XQuery
language by translating them into a series of MapReduce jobs, which are executed
in parallel on an Apache Hadoop cluster”
Input Formate: HDFS files oder Oracle NoSQL DB
Adapter für Avro, JSON, Oracle DB (OCI & JDBC + Datapump und Delimited Text als
Output), Oracle NoSQL DB, Sequence Files, Solr, Text Files und XML
„XML Extensions for Hive“ liest XML Dateien als Hive Tabellen oder XML in Hive
Tabellen
„Apache Tika“ Adapter erlaubt die Programmierung weiterer Formate
Nutzt Hadoop Distributed Cache, Custom Java Functions, XQuery Bibliotheken, XML
Schema Defintionen usw.
OXH

Oracle R Adv. Analytics for Hadoop - Überblick
MapReduce fähige und erweiterte Variante von R – nutzt Hadoop Streaming
Hies früher “Oracle R Connector for Hadoop” – die Abkürzung ORCH wird noch in
der Dokumentation verwendet
R-Nutzer können Daten aus Oracle Tabellen nach HDFS und zurück bewegen
(SQOOP und OLH)
ORH

Direkte DB Big Data Verbindungen
Oracle Big Data SQL
Oracle Database Gateway for ODBC
OBDS
ODG

Big Data SQL
Abfragen bspw. Gegen Apache Hive, HDFS, Oracle NoSQL Database oder Apache
HBase [via Hive Metadata]
Gemeinsames Analysieren von Daten aus diversen Datenspeichern ”as if it were all
stored in an Oracle database”
– Die vollständige Oracle SQL Syntax kann genutzt werden (auch AAO etc.)
– Der Zugriff erfolgt via External Tables (wie bei OSCH), unterstützt aber darüber hinaus
„SmartScans“ (bspw. Filter Predicate Offload)
Zwei Varianten sind verfügbar
– Oracle Big Data for Hive (für Hive – und HBase – Konnektivität)
– Oracle Big Data SQL Server (für freien Zugriff mit SmartScan Funktionalität)
Benötigt Installation von Oracle Komponenten auf dem Hadoop Cluster
Aktuell limitiert auf die Kombination Exadata Big Data Appliance!
OBDS

Big Data SQL – Installation im Überblick
Big Data SQL muss auf dem Hadoop Cluster (BDA) installiert sein
Auf dem DB Server muss ein Hadoop Client installiert sein (CDH)
Die Konfiguration auf dem DB Server geschieht via Verzeichnisstrukturen und
Konfigurationsdateien (bigdata.properties, Cluster-directory usw.)
Diese OS-Verzeichnisse werden in Oracle Directories gemappt
Der „Big Data SQL Multithreaded Agent“ (MTA) sorgt via Extproc und DB Link für
den Metadatenaustausch zwischen Hadoop und DB
Damit wird das Oracle Dictionary um einige HIVE Views erweitert
– USER|ALL|DBA_HIVE_TABLES, USER|ALL|DBA_HIVE_TAB_COLUMNS
– Achtung, funktioniert auf OBDL nicht
OBDS

Big Data SQL – Was passiert da?
OBDS
Oracle
Database
Hadoop
Hive
Table
Files
Oracle Big Data SQL Software on BDA
Hive
Metadata
Oracle
Create Hive Table
Command
External
Hive Table
1. DDL
DB Developer
Other
HDFS
Files
File ProgramMetadata OBDS
Existing Developed
Oracle Big Data SQL Agent on DB
External
HDFS Table
Oracle
Create HDFS
Table Command
with detailed access
parameters
2. Query
1b Ask for Metadata
1c
Read
Metadata
1d
2a
2a
Oracle Hive
Data
Dictionary
1a
Ask for
Metadata
Local Linux

Big Data SQL – External Tables erstellen (HDFS)
Der Rest ist ausgesprochen einfach
– Beispiel JSON Applog Jede Zeile in einer VARCHAR2(4000) Spalte in der DB abbilden
Beispielquery mit JSON Funktionalität
CREATE TABLE movielog
(click VARCHAR2(4000)) -- Für ganze Applog Zeile
ORGANIZATION EXTERNAL -- External Table
(TYPE ORACLE_HDFS -- Neuer Typ ORACLE_HDFS
DEFAULT DIRECTORY DEFAULT_DIR
LOCATION ('/user/oracle/moviework/applog_json/') -- Dateien auf Hadoop Cluster
);
SELECT m.click.custid, m.click.movieid, m.click.genreid, m.click.time
FROM movielog m
WHERE rownum < 50;
OBDS

Big Data SQL – External Tables erstellen (Hive)
Da hier direkt die Hive Metadaten verwendet werden, ist es noch einfacher
– Beispiel Applog – man muss allerdings die Struktur in Hive kennen, damit es passt
– DBMS_HADOOP. CREATE_EXTDDL_FOR_HIVE hilft hier und erstellt das passende DDL
In ACCESS_PARAMETERS der ET Definition sind zahlreiche Einstellungen möglich
CREATE TABLE movieapp_log_json ( -- Spaltenangeben wie in Hive
custid INTEGER , movieid INTEGER , genreid INTEGER ,
time VARCHAR2 (20) , recommended VARCHAR2 (4) , activity NUMBER,
rating INTEGER, price NUMBER ) ORGANIZATION EXTERNAL
(TYPE ORACLE_HIVE); -- Neuer Typ ORACLE_HIVE
CREATE TABLE ...
(TYPE ORACLE_HIVE ACCESS PARAMETERS (
com.oracle.bigdata.tablename: order_db.order_summary
com.oracle.bigdata.colmap: {"col":"ITEM_CNT", field":„oli_count"}
... )
);
OBDS

Big Data SQL – Mehr zu ORACLE_HIVE
Zur „Create Table“ DDL Ausführungszeit werden die Hive Metadaten gelesen
Typen werden bei Bedarf automatisch konvertiert
– Bei external Hive Daten sogar bis zu zweimal: 1. via SerDe ins Hive Format und 2. von dort ins
Oracle Format
Auch Zugriff auf Oracle NoSQL oder HBase ist möglich
– Schritt 1: Hive External Table auf KVStore von Oracle NoSQL bzw. HBase erstellen
– Schritt 1: Oracle External Table auf diese Hive Table erstellen
OBDS

Big Data SQL – „Copy to BDA“ Tool
Bietet Hive-Zugriff auf einzelne, via CTAS-DP (siehe unten) erzeugte Dateien
Dazu erstellt man via CREATE TABLE … EXTERNAL (TYPE ORACLE
_DATAPUMP) DP Dateien mit einer Tabelle als Inhalt
Kopiert diese nach HDFS
… und erstellt eine External Hive Table mit dem SERDE
oracle.hadoop.hive.datapump.DPSerDe
OBDS

„Umsonst und draußen“: Oracle Database Gateway
Erzeugt Database Links zu anderen Datenbanken (SQL Server, Teradata usw.)
– Gerne kostenintensiv
Kostenfrei ist aber die GENERIC OCBD Variante
– https://community.oracle.com/thread/2292321
Erzeugt einen DB Link via ODBC Treiber bspw. zu Hive
Was ist die Idee?
Oracle Konnektoren meiden die Nutzung anderer SQL Query Engines wie Hive oder
Impala (auch wenn sie gerne die Hive Metadaten verwenden)
Mit ODG tun wir das aber – mit allen Vor- und Nachteilen
ODG

Database Gateway for ODBC – Architektur
ODG
Quelle: Oracle

Database Gateway for ODBC – Setup
1. Passenden OBCD Treiber installieren und konfigurieren
2. ODBC Gateway Installieren
3. listener.ora und tnsnames.ora anpassen
4. In ORACLE_HOMEhsadmin neue Datei erzeugen
5. Public Database Link erzeugen
6. … loslegen
ODG

ODI, Golden Gate & Big Data

Oracle Big Data Capturing & Integration
Oracle Data Integrator
Oracle Golden Gate
ODI
OGG

Oracle Data Integrator – Überblick
Big Data Option (separate Lizenz!)
Native Code Generierung für Pig Latin, Spark (PySpark) und Oozie
Auswahl aus dem traditionellen ODI Agent oder Apache Oozie als Orchestrierungs-
Engine
WebLogic Hive JDBC Driver
Zahlreiche Direct Load KMs (LKM = Loading Knowledge Modules kombiniert mit
anderen KMs in einem Mapping einsetzbar) bspw. für Sqoop etc.
Oracle Data Integrator Application Adapter for Hadoop
Part of the Oracle Big Data Connectors (uses OLH/OSCH)
There is also a Big Data SQL Integration to ODI
ODI

Oracle Golden Gate
Oracle Golden Gate for Big Data – Überblick
OGG
Adapted from Oracle
Capture
Trail
Pump
Route
Deliver
For
Big
Data

Oracle Golden Gate for Big Data – Überblick (2)
Oracle Golden Gate for Big Data
Provides GoldenGate delivery to Flume, HDFS, Hive and HBase
Includes GoldenGate for Java, enabling integration to others such as Oracle
NoSQL, Apache Kafka, Apache Storm, Apache Spark etc.
Key component of Oracle’s big data integration offering along with Oracle Data
Integrator 12c
Oracle GoldenGate supports log-based capture from, and delivery to, Oracle, DB2
for z/OS, i Series, & LUW (Linux, Unix, Windows), SQL Server, MySQL, Informix,
Sybase ASE, SQL/MX, JMS messaging systems and more. Oracle GoldenGate’s
delivery capabilities also include Oracle TimesTen In Memory Database and
PostgreSQL, in addition to Hadoop-based big data systems
OGG

Zusammenfassung

Zusammenfassung
Konnektivität Datenbank Big Data Plattform steht im Zentrum der Oracle BigData
Aktivitäten
– Oracle Big Data Connectors (OLH, OSCH, OXH usw.) schon länger verfügbar
– Big Data SQL vereinfacht und beschleunigt Konnektivität deutlich, ist äußerst
vielversprechend – aber lizenzmäßig extrem limitiert und daher für die meisten Kunden heute
irrelevant
– Oracle Generic ODBC Database Gateway ist eine kostengünstige und einfache Option für
Verbindungen ohne besondere Ansprüche an Durchsatz und Kompatibilität
ODI hat zahlreiche KMs rund um Hadoop und Co.
– Mit der Big Data Option ist die Nutzung von Hadoop als Datenintegrationsplattform greifbar
Golden Gate erlaubt Hadoop & Co als Replikationsziel
– Real-Time DI für Hive mag eingeschränkten Nutzen haben, aber Flume, Storm etc. sind
vielversprechende Ziele für Streaming

Peter Welker
peter.welker@trivadis.com
+49 162 295 96 81
17.11.2015 DOAG 2015 - Oracle Big Data Connectivity52

Big Data Konnektivität

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (11)

Destaque

Destaque (20)

Semelhante a Big Data Konnektivität

Semelhante a Big Data Konnektivität (20)

Mais de Trivadis

Mais de Trivadis (20)

Big Data Konnektivität