Teljesítménymodellezés
|
|
- Gabi Orbán
- 5 évvel ezelőtt
- Látták:
Átírás
1 Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems 1
2 Egyensúlyi állapot: Emlékeztető o Átlagos értékekkel számolunk o = X (érkezési ráta = átbocsátás) Átbocsátóképesség (X max ): o Az elérhető maximális átbocsátás T átlagos feldolgozási idő mellett o X max = K T Kihasználtság (U): (K darab erőforráspéldány esetén) o Az átbocsátás és az átbocsátóképesség aránya o U = X K T (K erőforráspéldány esetén) 2
3 A Little-törvény A Zipf-törvény Terhelés változása TARTALOM 3
4 Alapfogalmak Terhelési diagram Erőforrásmodellezés Folyamatmodellek elemzése A Little-törvény FOLYAMATMODELLEK ELEMZÉSE Hogyan számoljuk ki egy összetett folyamat átbocsátóképességét? 4
5 Mit tudunk tervezéskor? Általában tevékenységekhez rendelünk erőforrást o A tevékenység (átlagos) végrehajtási ideje is adott X max számítható a tevékenységre Pl. Neptunban a tárgyfelvétel az adatbázisszervert terheli 100 ms-ig o T = 100 ms o X max = 1 T = 10 tárgyfelvétel másodperc Adott folyamatmodell (pl. a felhasználói viselkedés) ismeretében mi a teljes rendszer átbocsátóképessége? 5
6 Szekvenciális komponálás X max X 1 max X 2 max X max = min(x 1 max, X 2 max ) Hiába gyors az egyik tevékenység, a tokenek feltorlódnak a másik előtt Pl. Okmányiroda Sorszámhúzás (300 db/óra), Ügyintézés (2 db/óra) 6
7 Szekvenciális komponálás X max X 1 max X 2 max X max = min(x 1 max, X 2 max ) Szűk keresztmetszet: A minimumhelyet adó tevékenység (vagy az ahhoz rendelt erőforrás). 7
8 Párhuzamos komponálás X max X 1 max X 2 max X max = min(x 1 max, X 2 max ) Hiába gyors az egyik tevékenység, a tokeneknek be kell várniuk egymást Pl. ZH javítás: Beugró (30 db/óra), Nagyfeladat (12 db/óra) 8
9 Párhuzamos komponálás X max X 1 max X 2 max X max = min(x 1 max, X 2 max ) Szűk keresztmetszet: A minimumhelyet adó tevékenység (vagy az ahhoz rendelt erőforrás). 9
10 Komponálás szabad választással X max X 1 max X 2 max X max = X 1 max + X 2 max A tokenek mindkét irányba mehetnek: ha az egyik tevékenység telítésben van, a másik még fogadhat tokent. Pl. Áruház: K db pénztár, mind 10 db/óra 10
11 Komponálás szabad választással X max X 1 max X 2 max X max = X 1 max + X 2 max Megj: van, amikor a lépéshez rendeljük majd az erőforrások számát, és nem ugyanazt a logikai lépést tüntetjük fel többször a modellben (ld. előző előadás több erőforráspéldány esete, Szimuláció előadás). Feltétel: minden erőforráson ugyanannyi ideig tartson 11
12 Komponálás kötött arányú választással X max p 1 X 1 max p 2 (p 1 +p 2 =1) X 2 max X max = min( 1 p 1 X 1 max, 1 p 2 X 2 max ) A tokenek p 1 és p 2 valósínűséggel választják az első ill. második tevékenységet. A teljes folyamatból tehát 1 p 1 ill. 1 p 2 tokenből egy jut az első ill. második tevékenységre. 12
13 Komponálás kötött arányú választással X max p 1 X 1 max p 2 (p 1 +p 2 =1) X 2 max X max = min( 1 p 1 X 1 max, 1 p 2 X 2 max ) Pl. Felhasználó viselkedése egy weblapon: 20% eséllyel vásárol (20 db/s), 80% eséllyel elvet (200 db/s) 13
14 Komponálás kötött arányú választással X max p 1 p 2 X 1 max (p 1 +p 2 =1) X 2 max X max = min( 1 p 1 X 1 max, 1 p 2 X 2 max ) Szűk keresztmetszet: A minimumhelyet adó tevékenység (vagy az ahhoz rendelt erőforrás). 14
15 Komponálás ciklussal X max (p vége +p újra =1) X 1 max p vége p újra X max = 1 1 p vége X 1 max = p vége X 1 max 1 Az érték az iterációk várható száma p vége (lásd később a Valószínűségszámítás tantárgyban). 15
16 Komponálás ciklussal X max (p vége +p újra =1) X 1 max p vége p újra X max = 1 1 p vége X 1 max = p vége X 1 max Pl. Felhasználó a rendszerben: 10% eséllyel kilép, 90% eséllyel új kérés 15 kérés/s, átlagosan 10 kérés/munkamenet 16
17 Vizitációs szám Választás: X max = min( 1 p 1 X 1 max, 1 p 2 X 2 max ) Ciklus: X max = 1 1 p vége X 1 max = p vége X 1 max Vizitációs szám: megmutatja, hogy a folyamat végrehajtása során átlagosan hányszor fut le az adott tevékenység/alfolyamat. o Választás esetén maga a döntési valószínűség o Ciklus esetén a várható iterációk száma 17
18 Vizitációs szám Választás: X max = min( 1 X max p 1, 1 X max 1 p 2 ) Átbocsátóképesség a vizitációs szám ismeretében: 2 Ciklus: X max = Folyamat 1 X max = 1 v X 1 max 1 X max max 1 = p vége X 1 p vége Vizitációs szám: megmutatja, hogy a folyamat végrehajtása során átlagosan hányszor fut le az adott tevékenység/alfolyamat. o Választás esetén maga a döntési valószínűség o Ciklus esetén a várható iterációk száma Elemi tevékenység (taszk) 18
19 Vizitációs szám Választás: X max = min( 1 X max p 1, 1 X max 1 p 2 ) Átbocsátóképesség a vizitációs szám ismeretében: 2 Ciklus: X 1 max 1 = 1 X max max 1 = p vége X max= v 1 max 1 X p X vége 1 Vizitációs szám: megmutatja, hogy a folyamat végrehajtása során átlagosan hányszor fut le az adott tevékenység/alfolyamat. o Választás esetén maga a döntési valószínűség o Ciklus esetén a várható iterációk száma 19
20 Vizitációs szám Választás: X max = min( 1 X max p 1, 1 X max 1 p 2 ) Végrehajtási idő a vizitációs szám ismeretében: 2 Ciklus: X max 1 = 1 X max max T 1 = p vége X 1 folyamat = v T p vége taszk Vizitációs szám: megmutatja, hogy a folyamat végrehajtása során átlagosan hányszor fut le az adott tevékenység/alfolyamat. o Választás esetén maga a döntési valószínűség o Ciklus esetén a várható iterációk száma 20
21 A Little-törvény A Zipf-törvény Terhelés változása A LITTLE-TÖRVÉNY Avagy az alapképlet 21
22 : érkezési ráta darab s A Little-törvény X: átbocsátás darab s T: rendszerben töltött idő s N: rendszerben lévő tokenek száma darab N X T 22
23 A Little-törvény Egyensúlyi állapotban ( = X) igaz: N = X T N X T 23
24 A Little-törvény szemléltetése T Folyamat 1 Folyamat 2 T = 4 s X = 1 darab s N = 4 darab 1/λ N = X T Folyamat 3 N Folyamat 4 4 = 1 darab s 4 s Folyamat 5 0 s 1 db 2 db 3 db 4 db 4 db 4 db 4 db t 24
25 A Little-törvény szemléltetése Folyamat 1 T Folyamat 2 T = 4 s X = 1 2 s N = 2 1/ λ N = X T Folyamat 3 N Folyamat 4 2 = 1 2 s 4 s Fo 0 s t 25
26 Kihasználtság és a Little-törvény K darab erőforráspéldány: maximum K darab kérés végrehajtás alatt A Little-törvény: végrehajtás alatt álló kérések száma (N)? Levezethető az átlagos kihasználtság: U = X K T = X T K = N K Kihasználtság K darab erőforráspéldányra Little-törvény (N = X T) 26
27 A Little-törvény A Zipf-törvény Terhelés változása LITTLE TÖRVÉNY: GYAKORLATI PÉLDÁK 27
28 Példa Diszk Erőforrás: diszk 40 kérést szolgál ki másodpercenként (nincs átlapolódás) 1 kérés kiszolgálása átlagosan 0,0225 másodpercig tart Mekkora a kihasználtság? U = X T diszk = 40 kérés s 0,0225 s = 0,9 = 90% 28
29 Példa Rendszer Sor Diszk Sorban állás is van a diszk előtt Diszk: 40 kérés/s Kérések átlagos száma a rendszerben: 4 Átlagos rendszerben tartózkodási idő? (T rendszer ) Átlagos sorban állási idő? (T várakozás ) 29
30 Példa Rendszer Sorban állás is van a diszk előtt Diszk: 40 kérés/s Sor Diszk Kérések átlagos száma a rendszerben: 4 Rendszer N = X T T rendszer = 4 kérés / 40 kérés Átlagos sorban állási idő? (T rendszer T diszk ) = (0,1 s 0,0225 s) = 0,0775 s s Sorbanállási és diszk kiszolgálási idő = 0,1 s 30
31 Példa Rendszer Sor Diszk Sorban állás is van a diszk előtt Diszk: 40 kérés/s. Átlagosan 0,9 darab Kérések átlagos száma a rendszerben: 4 darab Kérések átlagos száma a sorban? (N rendszer N diszk ) 4 darab 0,9 darab = 3,1 darab 31
32 Szimuláció Little törvény a gyakorlatban o Dobson&Shumsky o Miért oktatják(juk) o Példák o 32
33 Teljesítmény 3 rétegű architektúrában 49 kérés/s 69 kérés/s Frontend Alkalmazásszerver A adatbázis 319 kérés/s kérés/s B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként.
34 Teljesítmény 3 rétegű architektúrában 49 kérés/s Frontend Alacsony áteresztőképesség? Alkalmazásszerver A adatbázis Állapotmentes Könnyen skálázható B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként. 34
35 Teljesítmény 3 rétegű architektúrában Alacsony áteresztőképesség? Frontend 69 kérés/s Alkalmazásszerver A adatbázis Skálázhatóság: - Elosztott munkamenet - Adott felhasználó hova kerüljön B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként. 35
36 Teljesítmény 3 rétegű architektúrában Frontend Miért magas az (elvi) áteresztőképeség? Alkalmazásszerver A adatbázis 319 kérés/s Gyorsítótár kérés/s B adatbázis A mérőszámok itt az egész rendszerre érkező terhelésre utalnak! Például az A. adatbázis akkor válik szűk keresztmetszetté, ha a rendszerbe 319 lekérdezés érkezik másodpercenként.
37 3 rétegű architektúra a valóságban Frontend Frontend A. adatbázis Frontend Alkalmazásszerver Alkalmazásszerver B. adatbázis (Példa: Technológiai háttér érdeklődőknek:)
38 Mit mérjünk/mi a lényeges? Metrikák kicsiben o Pl. Task manager, Resource monitor, ugyanez szerver oldalon. Metrikák nagyban o Pl. virtualizált rendszer Melyik az érdekes? 38
39 Példa: mit számol ez a gép enyit.? 39
40 Példa: erőforrások és folyamatok együtt Legend Activity Resource Execution Path Dependency Client Pay to $ Business Processes Layer Form processing Money takeover Record transaction Client checked earlier? Y Y Large transaction? N N Perform full check Timeout Manual laundering check Laundering suspected? N Y Receipt Flag & report Customer & Account Identification AppServ1 AppServ2 Supporting Applications Layer DB Cashier Module AppServ3 VM Compliance DB AppServ4 DB1 DB2 Single Hypervisor Physical Resources Layer Backend Server 1 Backend Server 2 Application Server cluster 40 Blade Server Urbanics, G., Gönczy, L., Urbán, B., Hartwig, J., & Kocsis, I. (2014, October). Combined Error Propagation Analysis and Runtime Event Detection in Process-Driven Systems. In International Workshop on Software Engineering for Resilient Systems (pp ). Springer International Publishing. Backend Server 3
41 Hol közelítünk? A gyakorlatban az értékek nehezen mérhetőek o (pl. válaszidő ingadozik, felpörgés, ) Az alkalmazások versengenek o (2 λ λ + λ) Erőforrások közt választani kell terheléselosztó is kritikus Pl. ugyanannak a felhasználónak a kérései ugyanoda Konkrét beérkezési sorrendtől/mintától eltekintünk o Pont ez a Little-törvény előnye Egy feladat végrehajtása lehet adatfüggő A rendszer felépítése/paraméterei változhatnak 41 A kezemet figyeljék, mert (kép: wikipedia)
42 Hol közelítünk? A gyakorlatban az értékek nehezen mérhetőek o (pl. válaszidő ingadozik, felpörgés, ) Az alkalmazások versengenek o (2 λ λ + λ) Erőforrások közt választani kell terheléselosztó is kritikus Pl. ugyanannak a felhasználónak a kérései ugyanoda Konkrét beérkezési sorrendtől/mintától eltekintünk o Pont ez a Little-törvény előnye Egy feladat végrehajtása lehet adatfüggő A rendszer felépítése/paraméterei változhatnak 42 A kezemet figyeljék, mert (kép: wikipedia)
43 A Little-törvény A Zipf-törvény Terhelés változása TERHELÉSMODELLEK: ZIPF TÖRVÉNY 43
44 Mi a kérések tartalma? Eddig: minden kérés egyforma o kérem egy könyv adatait Valójában: a kéréseknek tartalmuk van o Kérem az Alapítány és Birodalom adatait o Ld. Pareto elv (80% -- 20%) o A kérések (többsége) az adatok (kis részére) irányul Lényeges, mert o Műszaki hatása van Cache, pool size, statikus tár, o A rendszermodellt is érinti Gyakori kéréseket másképp kezeljük 44
45 Zipf törvénye Eredetileg: korpuszokban előforduló szavak népszerűségi rangsora és előfordulási gyakorisága jellegzetes eloszlása o Nemcsak nyelvi szövegekre igaz Hozzáférések száma (P) P = 580 r -1 George Kingsley Zipf ( ) amerikai nyelvész, filológus Dokumentum rangja (r) 45
46 Zipf törvénye - Példák Slágerlisták Városok populációja rangsoruk szerint Internetes forgalom karakterisztikája Weboldalak aloldalainak népszerűsége Nyílt forrású rendszerek evolúciója 46
47 Zipf törvénye - Képlet R i ~ 1 i α f ~ 1 p R i az i. szó előfordulási gyakorisága α a korpuszra jellemző 1 közeli érték Egyszerűsítve (α = 1): o f (frequency) gyakoriság o p (popularity): a szöveg,,rangja (csökkenő sorrendben) 47
48 P = k r Zipf törvénye pl. Web dokumentumokra P hivatkozások (elérések) r rang (1 = leggyakoribb) k pozitív konstans Bővebben: 48
49 Zipf Példa (1) Hozzáférések száma (P) P = 580 r Dokumentum rangja (r) 49
50 Zipf Példa: Tanszéki honlap (1) Aloldalak látogatottsága kategóriák szerint csoportosítva Megfigyelhető az ún. heavy-tailed eloszlás Közelítés: minden dokumentum ekvivalens 50
51 Zipf Példa: Tanszéki honlap (2) A Rendszermodellezés tárgy oldalainak látogatottsága 51 Nádudvari György munkája
52 A Little-törvény A Zipf-törvény Terhelés változása TERHELÉS VÁLTOZÁSA 52
53 Eddig: Milyen jellegű a terhelés? o Átlagos értékekkel számoltunk o A rendszer viselkedését a terhelés (intenzitás) függvényében néztük o De: valójában nem (feltétlenül) előre kiszámíthatóan változik a terhelés Valójában o A rendszer viselkedése időben változik o Ennek műszaki hatásai vannak Váltás feladatok közt, erőforrásfoglalás, stb. (pl. Operációs rendszerek) 53
54 Rendszermodellezés (7. félév) a felhőben 54
55 Rendszermodellezés (7. félév) a felhőben 1. fázis: specifikáció 2. fázis: teljes feladat Pótleadás It már a javítás is felhőben történt 55
56 Valós (történelmi) terhelés példa (iwiw) Szakaszokra becslőfüggvény illeszthető Lineáris, exponenciális, logaritmikus Regresszió, Bővebben pl. Valószínűségszámítás Forrás: 56
57 ESETTANULMÁNY: KRITIKUS SZOLGÁLTATÁS 57
58 Felhő alapú szolgáltatások Telekommunikációs szolgáltatások felhőben Az alkalmazásnak működnie kell o Mit mérjünk? Mire számítsunk? Migrálás, hibatűrés támogatása Környezet változhat Mikor hibás a rendszer? o Kritikus szolgáltatásoknak működniük kell Ritka események 58
59 Példa: digitális telefonközpont (Clearwater IMS) 59
60 Példa: terhelés vs. kihasználtság Kiugró értékek/ Háttérműveletek? Eltérések?? Lineáris kapcsolat 60 Nagy terhelésnél nem jósolható működés
61 Idősorelemzés Vergődés kezdete Hiányzó értékek 61
62 Osszuk szét a feladatokat! A kiszolgáló komponensek külön (virtuális) gépekre kerülnek A konkrét erőforrás (HW) nem változik 62
63 Válaszidő alakulása különböző műveletekre hívásnál degradation hívás: kiugró értékek jelentkeznek 63
64 Idősor elemzés hívás: Kiugró értékek hívás: mérni sem tudunk 64
65 CallRate (average) Little törvény példa CurrentCall (#total calls in the system) SuccessfulCalls (# of succ. calls) ResponseTime (time spent in the system) FailedCalls (# of failed calls) 65
66 Visszacsatolásos terhelés Mi történik a stabilizálódott periódusban? 66
67 A mérés állandósult állapotban A rendszerben lévő hívások száma konstans Minden kérést kiszolgáltunk, így SuccessfulCall.P. 10 CallRate (a mérés mintavételezése miatt) A kiszolgálási idő kb. 10 ms 67
68 Visszacsatolás, túlterhelés 68
69 Hol sérül az állandósult állapot feltétele? SuccessfulCall.P. 10 CallRate 69
70 Túlterhelés: Szinte minden kérés hibás FailedCall 10 CallRate 70
71 Nincs visszacsatolás, állandó terhelés 1 sec-es mintavételezés! 71
72 Finomabb mintavételezés 72
73 Tanulságok Az elvi teljesítménymodell elemeit a gyakorlatban nehéz meghatározni Az erőforrások skálázásának az alkalmazások is korlátot szabnak Az időbeli változás szerepe kritikus Sok változó, sok mérés adatelemzés o Ld. később 73
Teljesítménymodellezés
Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems
RészletesebbenTeljesítménymodellezés
Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems
RészletesebbenTeljesítménymodellezés
Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems
RészletesebbenTeljesítménymodellezés
Teljesítménymodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement and Information Systems
RészletesebbenTeljesítménymodellezés
Üzleti IT rendszerek modellezése Teljesítménymodellezés Gönczy László gonczy@mit.bme.hu Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Erőforrás szintű kapacitástervezés
RészletesebbenVirtualizált környezetek teljesítménymérése és elemzése
Rendszermodellezés Virtualizált környezetek teljesítménymérése és elemzése Micskei Zoltán, Nádudvari György fóliáinak felhasználásával Budapest University of Technology and Economics Fault Tolerant Systems
RészletesebbenTeljesítménymodellezés
Hibatűrő Rendszerek Kutatócsoport 208 Tartalomjegyzék. Alapfogalmak 2. Rendszerszintű tulajdonságok és a Little-törvény 2 3. Erőforrások tulajdonságai 2 3.. Rendszerek és alrendszereik kapcsolata................
RészletesebbenVizuális adatelemzés
Vizuális adatelemzés Rendszermodellezés 2017. Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenModellek paraméterezése: regresszió, benchmarkok
Modellek paraméterezése: regresszió, benchmarkok Rendszermodellezés 2017. Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics
RészletesebbenRendszermodellezés. Hibamodellezés (dr. Majzik István és Micskei Zoltán fóliái alapján) Fault Tolerant Systems Research Group
Rendszermodellezés Hibamodellezés (dr. Majzik István és Micskei Zoltán fóliái alapján) Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology
RészletesebbenRendszermodellezés: házi feladat bemutatás
Rendszermodellezés: házi feladat bemutatás Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenFelhők teljesítményelemzése felhő alapokon
Felhők teljesítményelemzése felhő alapokon Kocsis Imre ikocsis@mit.bme.hu HTE Infokom 2014 Budapest University of Technology and Economics Department of Measurement and Information Systems 1 IT Szolgáltatásmenedzsment
RészletesebbenKÖFOP VEKOP A jó kormányzást megalapozó közszolgálat-fejlesztés
KÖFOP-2.1.2-VEKOP-15-2016-00001 A jó kormányzást megalapozó közszolgálat-fejlesztés Az Okos város okos közigazgatás kutatóműhely zárórendezvénye Okos szolgáltatások teljesítményének mérése, elemzése és
RészletesebbenSzenzorhálózatok programfejlesztési kérdései. Orosz György
Szenzorhálózatok programfejlesztési kérdései Orosz György 2011. 09. 30. Szoftverfejlesztési alternatívák Erőforráskorlátok! (CPU, MEM, Energia) PC-től eltérő felfogás: HW közeli programozás Eszközök közvetlen
RészletesebbenSzámítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
RészletesebbenVizuális adatelemzés
Vizuális adatelemzés Salánki Ágnes, Guta Gábor, PhD Dr. Pataricza András Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenTELJESÍTÉNYMÉRÉS FELHŐ ALAPÚ KÖRNYEZETBEN AZURE CLOUD ANALÍZIS
TELJESÍTÉNYMÉRÉS FELHŐ ALAPÚ KÖRNYEZETBEN AZURE CLOUD ANALÍZIS Hartung István BME Irányítástechnika és Informatika Tanszék TEMATIKA Cloud definíció, típusok, megvalósítási modellek Rövid Azure cloud bemutatás
RészletesebbenWebSphere Business Modeler Simulation A szimulációhoz érdemes átváltani a WBM Advanced nézetébe.
WebSphere Business Modeler Simulation A szimulációhoz érdemes átváltani a WBM Advanced nézetébe. A szimulációhoz hívjuk elő a Simulation Control Panel ablakot, ezt a Window > Show View > Control Panel
RészletesebbenTeljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20
Teljesítmény Mérés Tóth Zsolt Miskolci Egyetem 2013 Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés 2013 1 / 20 Tartalomjegyzék 1 Bevezetés 2 Visual Studio Kód metrikák Performance Explorer Tóth Zsolt
Részletesebbenwebalkalmazások fejlesztése elosztott alapon
1 Nagy teljesítményű és magas rendelkezésreállású webalkalmazások fejlesztése elosztott alapon Nagy Péter Termékmenedzser Agenda Java alkalmazás grid Coherence Topológiák Architektúrák
RészletesebbenNAGY TELJESÍTM. Szerzők Dévai. István Automatizálási. és s Alkalmazott Informatikai Tanszék
NAGY TELJESÍTM TMÉNYŰ WEBALKALMAZÁSOK KÉSZÍTÉSE SE JAVA TECHNOLÓGI GIÁVAL Szerzők Dévai István Automatizálási és s Alkalmazott Informatikai Tanszék Az előad adás s tartalma Elméleti áttekintés Nagy teljesítményű
RészletesebbenFolyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Folyamatmodellezés és eszközei Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Folyamat, munkafolyamat Ez vajon egy állapotgép-e? Munkafolyamat (Workflow):
RészletesebbenVizuális adatelemzés - Gyakorlat. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Vizuális adatelemzés - Gyakorlat Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Adatelemzés szerepe a rendszermodellezésben Lényeges paraméterek meghatározása
RészletesebbenMintavételezés, szűrés, outlierek detektálása
Mintavételezés, szűrés, outlierek detektálása Salánki Ágnes salanki@mit.bme.hu Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and
RészletesebbenE.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével.
E.4 Markov-láncok Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével. Egy Markov-láncot (MC) meghatároznak az alapját adó sorbanállási hálózat állapotai és az ezek
RészletesebbenVizuális adatelemzés
Vizuális adatelemzés Rendszermodellezés 2016. Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenThe Power To Develop. i Develop
The Power To Develop 2001 Alkalmazások fejlesztése Oracle9i Alkalmazás rel Molnár Balázs Értékesítési konzultáns Oracle Hungary Miről is lesz szó? Mi az Oracle9i AS, technikailag? Hogyan működik Oracle9i
RészletesebbenHogyan lesz adatbányából aranybánya?
Hogyan lesz adatbányából aranybánya? Szolgáltatások kapacitástervezése a Budapest Banknál Németh Balázs Budapest Bank Fehér Péter - Corvinno Visontai Balázs - KFKI Tartalom 1. Szolgáltatás életciklus 2.
RészletesebbenÚj módszerek és eszközök infokommunikációs hálózatok forgalmának vizsgálatához
I. előadás, 2014. április 30. Új módszerek és eszközök infokommunikációs hálózatok forgalmának vizsgálatához Dr. Orosz Péter ATMA kutatócsoport A kutatócsoport ATMA (Advanced Traffic Monitoring and Analysis)
RészletesebbenAutóipari beágyazott rendszerek. Komponens és rendszer integráció
Autóipari beágyazott rendszerek és rendszer integráció 1 Magas szintű fejlesztési folyamat SW architektúra modellezés Modell (VFB) Magas szintű modellezés komponensek portok interfészek adattípusok meghatározása
RészletesebbenVállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):
Követelményrendszer 1. Tantárgynév, kód, kredit, választhatóság: Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K 2. Felelős tanszék: Informatika Szakcsoport 3. Szak, szakirány, tagozat: Műszaki
RészletesebbenCloud computing. Cloud computing. Dr. Bakonyi Péter.
Cloud computing Cloud computing Dr. Bakonyi Péter. 1/24/2011 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
RészletesebbenOracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás
2011 November 8. New York Palota Hotel Boscolo Budapest Oracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás Sárecz Lajos, Vezető tanácsadó Oracle Hungary Átfogó felhő üzemeltetés
RészletesebbenFolyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Folyamatmodellezés és eszközei Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Folyamat, munkafolyamat Munkafolyamat (Workflow): azoknak a lépéseknek a sorozata,
RészletesebbenCMDB architektúra megjelenítése SAMU-val Rugalmas megoldás. ITSMF 2015. 10. 30. Bekk Nándor Magyar Telekom / IT szolgáltatás menedzsment központ
CMDB architektúra megjelenítése SAMU-val Rugalmas megoldás ITSMF 2015. 10. 30. Bekk Nándor Magyar Telekom / IT szolgáltatás menedzsment központ Tartalom Nehézségeink CMDB adatok és függ ségek vizualizációja
RészletesebbenAnalitikai megoldások IBM Power és FlashSystem alapokon. Mosolygó Ferenc - Avnet
Analitikai megoldások IBM Power és FlashSystem alapokon Mosolygó Ferenc - Avnet Bevezető Legfontosabb elvárásaink az adatbázisokkal szemben Teljesítmény Lekérdezések, riportok és válaszok gyors megjelenítése
RészletesebbenA KUTATÁS EREDMÉNYEI ZÁRÓJELENTÉS 2004-2006.
ÖNELLENŐRZÉS ÉS FUTÁSIDEJŰ VERIFIKÁCIÓ SZÁMÍTÓGÉPES PROGRAMOKBAN OTKA T-046527 A KUTATÁS EREDMÉNYEI ZÁRÓJELENTÉS 2004-2006. Témavezető: dr. Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem
RészletesebbenCloud computing Dr. Bakonyi Péter.
Cloud computing Dr. Bakonyi Péter. 1/24/2011 Cloud computing 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
RészletesebbenJSF alkalmazások teljesítményhangolása JMeter és dynatrace segítségével
JSF alkalmazások teljesítményhangolása JMeter és dynatrace segítségével Bakai Balázs bakaibalazs@gmail.com http://seamplex.blogspot.hu 2013. október 9. Miről lesz szó? A JSF működése (röviden ) Terheléses
RészletesebbenÜzletmenet-folytonosság és katasztrófa helyzet kezelés (Honnan indultunk, miért változtunk, hova tartunk?)
Üzletmenet-folytonosság és katasztrófa helyzet kezelés (Honnan indultunk, miért változtunk, hova tartunk?) Év indító IT szakmai nap - PSZÁF Budapest, 2007.01.18 Honnan indultunk? - Architektúra EBH IT
Részletesebben(Teszt)automatizálás. Bevezető
(Teszt)automatizálás Bevezető Órák ( az előadások sorrendje változhat) 1. Bevezető bemutatkozás, követelmények, kérdések és válaszok 2. Előadás Unit test in general, 3. Előadás Unit test, Tools and practices,
RészletesebbenWebszolgáltatások teljesítménymodellezése Java EE és.net platformon
Webszolgáltatások teljesítménymodellezése Java EE és platformon Kutatási beszámoló Imre Gábor 21.5.31. Tartalomjegyzék Tartalomjegyzék... 2 1 Bevezetés... 3 2 XML szerializáció és deszerializáció... 4
RészletesebbenFeladatok (task) kezelése multiprogramozott operációs rendszerekben
Operációs rendszerek (vimia219) Feladatok (task) kezelése multiprogramozott operációs rendszerekben dr. Kovácsházy Tamás 3. anyagrész 1. Ütemezéssel kapcsolatos példa 2. Összetett prioritásos és többprocesszoros
RészletesebbenMagic xpi 4.0 vadonatúj Architektúrája Gigaspaces alapokon
Magic xpi 4.0 vadonatúj Architektúrája Gigaspaces alapokon Mi az IMDG? Nem memóriában futó relációs adatbázis NoSQL hagyományos relációs adatbázis Más fajta adat tárolás Az összes adat RAM-ban van, osztott
RészletesebbenUtolsó módosítás:
Utolsó módosítás: 2016. 05. 09. 1 2 Gondoljunk rá, hogy egy ekkora rendszerben garantáltan folyamatosan van valami meghibásodás! Az adatok nem légből kapottak, az egyik magyarországi VMware Users Group
RészletesebbenElosztott rendszer architektúrák
Elosztott rendszer architektúrák Distributed systems architectures Irodalom Ian Sommerville: Software Engineering, 7th e. chapter 12. Andrew S. Tanenbaum, aarten van Steen: Distributed Systems: rinciples
RészletesebbenOperációs rendszerek II. Folyamatok ütemezése
Folyamatok ütemezése Folyamatok modellezése az operációs rendszerekben Folyamatok állapotai alap állapotok futásra kész fut és várakozik felfüggesztett állapotok, jelentőségük Állapotátmeneti diagram Állapotátmenetek
RészletesebbenUtolsó módosítás:
Utolsó módosítás:2011. 09. 29. 1 2 4 5 MMU!= fizikai memóriaillesztő áramkör. Az utóbbinak a feladata a memória modulok elektromos alacsonyszintű vezérlése, ez sokáig a CPU-n kívül a chipset északi hídban
RészletesebbenOperációs rendszerek. Bemutatkozás
Bevezetés az operációs rendszerek világába dr. Benyó Balázs benyo@sze.hu Bemutatkozás www.sze.hu/~benyo 1 Számítógép HW-SW felépítése felhasználó felhasználó felhasználó Operációs rendszer Operációs rendszer
Részletesebben2011. November 8. Boscolo New York Palace Budapest. Extrém teljesítmény Oracle Exadata és Oracle Exalogic rendszerekkel
2011. November 8. Boscolo New York Palace Budapest Extrém teljesítmény Oracle Exadata és Oracle Exalogic rendszerekkel Integrált rendszerek - Engineered Systems Együtt tervezett hardver és szoftver Egyedi
RészletesebbenMérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben
Mérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben Tantárgy Tárgykód I. félév ősz II. félév tavasz Algoritmusok
RészletesebbenFicsor Lajos Általános Informatikai Tanszék Miskolci Egyetem
A Java EE 5 platform Ficsor Lajos Általános Informatikai Tanszék Miskolci Egyetem Utolsó módosítás: 2008. 04. 17. A Java EE 5 platform A Java EE 5 plattform A J2EE 1.4 után következő verzió. Alapvető továbbfejlesztési
RészletesebbenSzolgáltatás Modellezés. Tivoli Business Service Management
Szolgáltatás Modellezés Tivoli Business Service Management Üzleti Szolgáltatás Felügyelet 2 Üzleti Szolgáltatás: alkalmazások, köztes alkalmazások, biztonsági, tároló, hálózati, és más infrastruktúra elemek
RészletesebbenMegkülönböztetett kiszolgáló routerek az
Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)
RészletesebbenÉrettségi tétel az IT vizsgán: Felhő
Érettségi tétel az IT vizsgán: Felhő Zsemlye Tamás Október 05, 2014 HTE Infokomm 2014 DEFINÍCIÓ 3 ÚT A FELHŐ FELÉ Standardizált -> Virtualizált -> Menedzselt -> Dinamikus -> Automatizált 4 4 REFERENCIA
RészletesebbenGigabit/s sebess«gű internetkapcsolatok m«r«se b ng«szőben
Gigabit/s sebess«gű internetkapcsolatok m«r«se b ng«szőben Orosz P«ter / BME TMIT SmartCom Lab 2019. februør 14., Hbone Workshop Kutatási területek Hálózat- és szolgáltatásmenedzsment Ipari IoT keretrendszerek
RészletesebbenFejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel
IBM Software Group Fejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel Rehus Péter Szoftver üzletág igazgató 2005. február 2. 2003 IBM Corporation On demand igény szerinti működési
RészletesebbenA Népszámlálás infokommunikációs háttere (Miért érdekes a Népszámlálás?) Kópházi József Központi Statisztikai Hivatal
A Népszámlálás infokommunikációs háttere (Miért érdekes a Népszámlálás?) Kópházi József Központi Statisztikai Hivatal Törzsek A pusztai vándorlás előtt A pusztai vándorlás után Ruben 46 500 43 730 Simeon
RészletesebbenFelhőszolgáltatások megvalósítása PureSystems eszközökön
Budai Károly Szoftver architekt 2015. április 1. Felhőszolgáltatások megvalósítása PureSystems eszközökön 2015 IBM Corpora/on Tartalom è Az IBM PureSystems termékcsalád è PureFlex - IaaS è PureApplication
RészletesebbenIBM felhő menedzsment
IBM Váltsunk stratégiát! Budapest, 2012 november 14. IBM felhő menedzsment SmartCloud Provisioning és Service Delivery Manager Felhő alapú szolgáltatások Felhasználás alapú számlázás és dinamikus kapacitás
RészletesebbenMMK-Informatikai projekt ellenőr képzés 4
Miről lesz szó Big Data definíció Mi a Hadoop Hadoop működése, elemei Köré épülő technológiák Disztribúciók, Big Data a felhőben Miért, hol és hogyan használják Big Data definíció Miért Big a Data? 2017.
RészletesebbenMIKROELEKTRONIKA, VIEEA306
Budapesti Műszaki és Gazdaságtudományi Egyetem MIKROELEKTRONIKA, VIEEA306 A MOS inverterek http://www.eet.bme.hu/~poppe/miel/hu/13-mosfet2.ppt http://www.eet.bme.hu Vizsgált absztrakciós szint RENDSZER
RészletesebbenINFOKOMMUNIKÁCIÓS RENDSZEREK HATÉKONYSÁG- ELEMZÉSÉRE SZOLGÁLÓ ESZKÖZÖK
INFOKOMMUNIKÁCIÓS RENDSZEREK HATÉKONYSÁG- ELEMZÉSÉRE SZOLGÁLÓ ESZKÖZÖK TOOL SUPPORTED PERFORMANCE MODELLING OF INFOCOMMUNICATION SYSTEMS Sztrik János, jsztrik@inf.unideb.hu Debreceni Egyetem, Informatikai
RészletesebbenA Java EE 5 plattform
A Java EE 5 platform Ficsor Lajos Általános Informatikai Tanszék Miskolci Egyetem Utolsó módosítás: 2007. 11. 13. A Java EE 5 platform A Java EE 5 plattform A J2EE 1.4 után következő verzió. Alapvető továbbfejlesztési
RészletesebbenFélreértések elkerülése érdekében kérdezze meg rendszergazdáját, üzemeltetőjét!
Félreértések elkerülése érdekében kérdezze meg rendszergazdáját, üzemeltetőjét! http://m.equicomferencia.hu/ramada Liszkai János senior rendszermérnök vállalati hálózatok Miről is lesz szó? Adatközpont
RészletesebbenDHA VÉDELMI RENDSZER EREDMÉNYEINEK STATISZTIKAI VIZSGÁLATA
DHA VÉDELMI RENDSZER EREDMÉNYEINEK STATISZTIKAI VIZSGÁLATA Laboratory of Cryptography and System Security (CrySyS) Híradástechnika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem (szabog@crysys.hu)
RészletesebbenFogalomtár Etikus hackelés tárgyban Azonosító: S2_Fogalomtar_v1 Silent Signal Kft. Email: info@silentsignal.hu Web: www.silentsignal.
Fogalomtár Etikus hackelés tárgyban Azonosító: S2_Fogalomtar_v1 Silent Signal Kft. Email: info@silentsignal.hu Web: www.silentsignal.hu. 1 Tartalom 1. BEVEZETŐ... 3 1.1 Architektúra (terv) felülvizsgálat...
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenMetaadatbázis Gyógynövény felvásárlás
Metaadatbázis Gyógynövény felvásárlás 1. Általános bemutatás Az általános bemutatás az alábbi pontokat tartalmazza: a) Az adatgyűjtésért felelős szervezeti egység; b) A szervezeti egység vezetője; c) Az
RészletesebbenWeb-fejlesztés NGM_IN002_1
Web-fejlesztés NGM_IN002_1 Rich Internet Applications RIA Vékony-kliens generált (statikus) HTML megjelenítése szerver oldali feldolgozással szinkron oldal megjelenítéssel RIA desktop alkalmazások funkcionalitása
RészletesebbenELEKTRONIKUS MUNKABÉRJEGYZÉK MODUL
ELEKTRONIKUS MUNKABÉRJEGYZÉK MODUL nexonbér elektronikus munkabérjegyzék modul Kiszámolta már valaha, hogy mennyibe kerül egyetlen munkavállaló egyetlen havi munkabérjegyzéke (a nyomtatás, a borítékolás
RészletesebbenFelhő alkalmazások sikerének biztosítása. Petrohán Zsolt Zsolt.petrohan@oracle.com
Felhő alkalmazások sikerének biztosítása Petrohán Zsolt Zsolt.petrohan@oracle.com Safe Harbor The following is intended for information purposes only, and may not be incorporated into any contract. It
RészletesebbenBudapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék. Folyamatmodellezés
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Folyamatmodellezés Folyamat, munkafolyamat Munkafolyamat (Workflow): azoknak a lépéseknek a sorozata, amelyeket
RészletesebbenSTANDARD DEVELOPMENT U.L. FACTORY SYSTEMS GROUP IT DEPARTMENT
Oracle Cloud Platform szolgáltatások bevezetése a Magyar Suzuki Zrt.-nél Farkas Bálint STANDARD DEVELOPMENT U.L. FACTORY SYSTEMS GROUP IT DEPARTMENT MAGYAR SUZUKI CORPORATION Oracle Cloud Platform szolgáltatások
RészletesebbenSimon Balázs Dr. Goldschmidt Balázs Dr. Kondorosi Károly. BME, Irányítástechnika és Informatika Tanszék
Simon Balázs (sbalazs@iit.bme.hu) Dr. Goldschmidt Balázs Dr. Kondorosi Károly BME, Irányítástechnika és Informatika Tanszék Webszolgáltatások, WS-* szabványok WS-* implementációs architektúra Célkitűzés:
RészletesebbenLoss Distribution Approach
Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói
RészletesebbenTantárgyfelvétel: problémamentesen
Tantárgyfelvétel: problémamentesen A Neptunban 2014. január 30-án indult a 2013/2014 tanév 2. félévére szóló előzetes (de végleges követelményellenőrzéssel futó) tantárgyfelvétel. Hagyományosan ez az alkalom,
RészletesebbenAutóipari beágyazott rendszerek. Kockázatelemzés
Autóipari beágyazott rendszerek Kockázatelemzés 1 Biztonságkritikus rendszer Beágyazott rendszer Aminek hibája Anyagi vagyont, vagy Emberéletet veszélyeztet Tipikus példák ABS, ESP, elektronikus szervokormány
RészletesebbenFelhasználók hitelesítése adatbiztonság szállításkor. Felhasználóknak szeparálása
Szabó Zsolt adatbiztonság tároláskor Felhasználók hitelesítése adatbiztonság szállításkor Felhasználóknak szeparálása jogi és szabályozási kérdések incidens kezelés öntitkosító meghajtókat Hardveres Softveres
RészletesebbenMérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time)
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time) (A képzés közös része, szakirányválasztás a 3. félév végén) Tárgykód Félév Tárgynév Tárgy
RészletesebbenValós idejű kiberfizikai rendszerek 5G infrastruktúrában
Valós idejű kiberfizikai rendszerek 5G infrastruktúrában dr. Kovácsházy Tamás BME-MIT khazy@mit.bme.hu 1 Kiberfizikai rendszer (CPS, Cyber-Physical System) Egy olyan elosztott, kiterjedt informatikai és
RészletesebbenHogyan lehet megakadályozni az üzleti modellezés és az IT implementáció szétválását? Oracle BPM Suite
Hogyan lehet megakadályozni az üzleti modellezés és az IT implementáció szétválását? Oracle BPM Suite Petrohán Zsolt Vezető tanácsadó zsolt.petrohan@oracle.com Napirend Oracle Fusion Middleware BPM kihívásai
RészletesebbenKöltséghatékony virtualizáció. Kósa Barna Hewlett Packard
Költséghatékony virtualizáció Kósa Barna Hewlett Packard HP virtualizációs stratégia 1. Üzleti szolgáltatások automatizálása 2. Valósidejű platform optimalizálás 3. Virtualizációra optimalizált hardver
RészletesebbenADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu
ADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu Számonkérés 2 Papíros (90 perces) zh az utolsó gyakorlaton. Segédanyag nem használható Tematika 1. félév 3 Óra Dátum Gyakorlat 1. 2010.09.28.
RészletesebbenSzolgáltatás mérés/riportolás magas fokon Egy valós megoldás Pepsi berkekben
Szolgáltatás mérés/riportolás magas fokon Egy valós megoldás Pepsi berkekben Mérő Gábor PepsiAmericas Kft Technikai szolgáltatási Vezető Hajdú Miklós ICON Számítástechnikai Rt Alkalmazás- és Rendszerfelügyeleti
RészletesebbenSzimulációs esettanulmány: hol kezdjem a fejlesztést?
Szimulációs esettanulmány: hol kezdjem a fejlesztést? 2013.12.11. Péczely György A.A. Stádium Kft. Tartalom Alaphelyzet A gyártósor rövid bemutatása A fejlesztési Workshopról Hogyan tovább? Fő kérdések
RészletesebbenSQLServer. Probléma megoldás
SQLServer 9. téma Teljesítmény elemzés Probléma megoldás Az adatbázis életében nem ritka kisérő a hibák, teljesítmény problémák jelenléte A probléma megoldáshoz használható útmutatók: - ismerni kell a
RészletesebbenFelhő alapú hálózatok Konténerek orkesztrálása Simon Csaba. Budapesti Műszaki és Gazdaságtudományi Egyetem
Felhő alapú hálózatok Konténerek orkesztrálása Simon Csaba Budapesti Műszaki és Gazdaságtudományi Egyetem 1 Motiváció multi host» Docker konténerek docker parancsokkal kezelhetők» Adott gazda gépen (on-host)»
RészletesebbenBiztosítóberendezések biztonságának értékelése
Žilinská univerzita v Žiline Elektrotechnická fakulta Univerzitná 1, 010 26 Žilina tel: +421 41 5133301 e mail: kris@fel.uniza.sk Téma: Biztosítóberendezések ának értékelése prof. Ing. Karol Rástočný,
RészletesebbenInternetes térkép publikálási technikák, szabványok, trendek, nyílt forráskódú megoldások
Internetes térkép publikálási technikák, szabványok, trendek, nyílt forráskódú megoldások dr. Siki Zoltán Áttekintés OGC, OSGeo szervezetek Szabványosítási irányok Nem szabványos megoldások (Google) OGC
RészletesebbenUtolsó módosítás:
Utolsó módosítás: 2012. 09. 06. 1 A tantárggyal kapcsolatos adminisztratív kérdésekkel Micskei Zoltánt keressétek. 2 3 4 5 6 7 8 9 Forrás: Gartner Hype Cycle for Virtualization, 2010, http://premierit.intel.com/docs/doc-5768
RészletesebbenDr.Tóth László
Szélenergia Dr.Tóth László Dr.Tóth László Dr.Tóth László Dr.Tóth László Dr.Tóth László Amerikai vízhúzó 1900 Dr.Tóth László Darrieus 1975 Dr.Tóth László Smith Putnam szélgenerátor 1941 Gedser Dán 200 kw
RészletesebbenAlkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. A Wolfram Alpha tudásgép. https://www.wolframalpha.
Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. A Wolfram Alpha tudásgép https://www.wolframalpha.com/ Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás
RészletesebbenOptimalizáció ESX-től View-ig. Pintér Kornél ügyfélszolgála3 mérnök pinter_kornel@mhm.hu
Optimalizáció ESX-től View-ig Pintér Kornél ügyfélszolgála3 mérnök pinter_kornel@mhm.hu MHM és referenciák MHM Computer Hungária Kft. 1996 óta Magyarországon Fókuszterületek: Adattárolás Adatmentés Archiválás
RészletesebbenEverything Over Ethernet
Everything Over Ethernet Következő Generációs Adatközpontok felépítése Lenkei Árpád Arpad.Lenkei@snt.hu 2009. November 12. www.snt-world.com 0 0 Tartalom Adatközpont 3.0 Migráció fázisai, kihívások Építőelemek
RészletesebbenCOMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT
COMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT WWW.SZOFIUSA.COM CÉGTÖRTÉNET 1990 Alapítás 1990 Informatikai fejlesztések kezdete 1992 Felsőfokú informatikai képzési rendszer kidolgozása a kormányzat részére
RészletesebbenCOMET webalkalmazás fejlesztés. Tóth Ádám Jasmin Media Group
COMET webalkalmazás fejlesztés Tóth Ádám Jasmin Media Group Az előadás tartalmából Alapproblémák, fundamentális kérdések Az eseményvezérelt architektúra alapjai HTTP-streaming megoldások AJAX Polling COMET
RészletesebbenOperációs rendszerek az iskolában
UNIVERSITAS SCIENTIARUM SZEGEDIENSIS UNIVERSITY OF SZEGED Department of Software Engineering Operációs rendszerek az iskolában Virtualizáció, Virtuális gépek Dr. Nagy Csaba Szoftverfejlesztés Tanszék,
RészletesebbenSzemléletmód váltás a banki BI projekteken
Szemléletmód váltás a banki BI projekteken Data Governance módszertan Komáromi Gábor 2017.07.14. Fókuszpontok áthelyezése - Elérendő célok, elvárt eredmény 2 - Egységes adatforrásra épülő, szervezeti egységektől
Részletesebben