typische mongodb anwendungsf¤lle

Download Typische MongoDB Anwendungsf¤lle

Post on 08-Aug-2015

53 views

Category:

Documents

3 download

Embed Size (px)

DESCRIPTION

Die Funktionsweise von MongoDB unterscheidet sich von der anderer gängiger Datenbanken. Das dokumentenorientierte Datenmodell, Range-Partitionierung und das robuste Konsistenzmodell sind nicht für alle Aufgabenstellungen gleichermaßen geeignet. In diesem Webinar schildern wir einige konkrete Anwendungsfälle, bei denen die Besonderheiten von MongoDB zum Tragen kommen. Sie erfahren, wie 10gen-Kunden MongoDB implementiert haben und wie Sie ähnliche Lösungen für Ihre Umgebung konzipieren können.

TRANSCRIPT

@m4rcsch

Typische MongoDB AnwendungsflleMarc SchweringSolutions Architect, 10gen

NoSQL & MongoDB

NoSQL EigenschaftenFlexible Datentypen Listen, eingebettete Objekte Sparse Data Semi-strukturierte Daten Agile Development

Hoher Datendurchsatz Lesen Schreiben

Groe Datenmengen Aggregierte Datengre Anzahl an Datenstzen

geringe Latenz Frs lesen und schreiben ms Bereich

Cloud Computing Luft berall Keine spezielle Hardware

Commodity Hardware Ethernet Lokaler Datenspeicher

Marc Schwering, 10gen - @m4rcsch

MongoDBFlexible Datentypen Listen, eingebettete Objekte JSON basiert SparseDynamische schemas Semi-strukturierte Daten Schemata Agile Development

Hoher Datendurchsatz Lesen Auto Schreiben

Groe Datenmengen Aggregierte Datengre AnzahlgridFS an Datenstzen

Fragmentierung

Transparente Fragmentierung

geringe Latenz Frs lesen und schreiben In-memory ms Bereich

Cloud Computing Luft berall Keine spezielle Hardware Einfaches Setup

Commodity Hardware Ethernet X86_64 Systeme Lokaler Datenspeicher

cache Scale-out working set

Breite Untersttzung

Lokales fs

Marc Schwering, 10gen - @m4rcsch

Anwendungsflle / Use Cases

High Volume Data FeedsMaschinendate n Sehr viele Sensoren berall Variable Struktur(en)

Aktienhandel

Hochfrequenzhandel

Social Media

Viele Datenquellen Formatnderungen

Marc Schwering, 10gen - @m4rcsch

High Volume Data FeedsAsynchrones schreiben Flexibles Schema fr Datenformatanpassungen

Data Data Sources Data Sources Datenquel Sources len

WriteConcern: SafeMode (in Memory)

Skalierung durch FragmentierungMarc Schwering, 10gen - @m4rcsch

Operational IntelligenceAd TargetingReal time dashboards Extrem viele Statiwechsel (Tracking) Strikte Anforderungen an Latenz

Reporting fr tausende von Nutzern Konsistente Echtzeit Updates!

Social Media Monitoring

Worber sprechen die Leute?

Marc Schwering, 10gen - @m4rcsch

Operational IntelligenceGeringe Leselatenz Parallelisierung von Lese.- und Schreibzugriffen via Shards und Replikas

API

Pre-Aggregation & Aggregation Framework

DashboardsFlexible Schemata fr verschiedenste Inputformate

Transparente Skalierung

Marc Schwering, 10gen - @m4rcsch

Beispiel Tracking & Conversion1 See AdScale out fr hohen Datendurchsatz Umfangreiches Schema um komplexe Stati abzubilden{ cookie_id: 1234512413243, advertiser:{ apple: { actions: [ { impression: ad1, time: 123 }, { impression: ad2, time: 232 }, { click: ad2, time: 235 }, { add_to_cart: laptop, sku: asdf23f, time: 254 }, { purchase: laptop, time: 354 } ] Dynamische

2

See Ad

3

Click

Schemata durch Kundenanforderunge n

4

Convert

Marc Schwering, 10gen - @m4rcsch

Management von MetadatenDatenarchivie rung Informationsa nalyse Biometrie Metadaten Referenzspeicher

Datamining

Retina Scans Fingerabdrcke

Marc Schwering, 10gen - @m4rcsch

Metadaten Beispieldb.archives. find({ country: Egypt });Umfangreiche Abfrage und Indexierungsmglichkeiten.

Flexibles DatenModell

{ type: Artefact, medium: Ceramic, country: Egypt, year: 3000 BC }

{ ISBN: 00e8da9b, type: Book, country: Egypt, title: Ancient Egypt }

Marc Schwering, 10gen - @m4rcsch

Content ManagementNews-SeiteVerschiedene Kanle Sharing Nutzergenerierte Inhalte Personalisierung von Inhalt und Layout

Layout on the fly Kaum statischer Inhalt

Binr.- und Metadaten

Marc Schwering, 10gen - @m4rcsch

Content ManagementGridFS fr Binrdaten Flexibles Schema fr einfache Erweiterungen GeoSpatial Index

{ camera: Nikon d4, location: [ -122.418333, 37.775 ] }

{ camera: Canon 5d mkII, people: [ Jim, Carol ], taken_on: ISODate("2012-03-07T18:32:35.002Z") }

Horizontale Skalierbarkeit fr groe Datenstze

{ origin: facebook.com/photos/xwdf23fsdf, license: Creative Commons CC0, size: { dimensions: [ 124, 52 ], units: pixels } }

Marc Schwering, 10gen - @m4rcsch

Passt mein Use-Case zu MongoDB?

Projekt CharakteristikaApplikations-Anforderungen Variable Daten in Objekten Warum MongoDB gut passen knnte Dynamische Schemata und JSON erlauben flexible Datenspeicherung ohne Sparse-Tabellen oder komplexe JOINS. MongoDB Memory Mapping bietet In-MemoryGeschwindigkeit und ist konsistent. Sharding und Replikation fr einfache Skalierbarkeit Sharding und Replikation nutzen alle Mglichkeiten von Cloud-Computing Flexibles Datenmodell ermglicht agile Softwareentwicklung

Geringe Latenz Hoher Datendurchsatz und/oder viele Daten Cloud-basiertes deployment Wechselnde Business Anforderungen

Marc Schwering, 10gen - @m4rcsch

Vielen Dank!Fragen? Chat, oder: @m4rcsch

Kommende Events: MongoDB Berlin: 26. Feb. ( http://welu.se/1Zl ) Webinar ber MongoDB v 2.4 (Ende Mrz)Marc Schwering, Solutions Architect -10gen (the MongoDB Company)

View more