Apache Hop Web ist eine browser-basierte ETL-Anwendung. Philipp Heck von it-novum zeigt Ihnen in diesem Video die vielen Vorteile von Apache Hop. Außerdem bespricht er Unit-Testing und Logging in Apache Hop und präsentiert die Themen anhand von Demos.
Wie ist die High-Level-Architektur von Apache Hop? Was macht die Apache (Hop) Community und was bedeutet es, Teil des Apache Hop Projektes zu sein? Auf diese Fragen geben in diesem Video die zwei führenden Köpfe hinter Apache Hop, Matt Casters und Bart Maertens, ausführliche Antworten.
Bei dem Projekt „Intelligentes Museum“ des Zentrums für Kunst und Medien (ZKM) sowie in der Ausstellung „Biomedien“ werden viele Daten verwendet. Thingsboard stellt in diesem Zusammenhang die Infrastruktur für unterschiedliche technische und künstlerische Aufgabenstellungen bereit. Wie das genau funktioniert, erklärt Ihnen Dr. Kugel vom ZKM in diesem Video.
ThingsBoard kann für die unterschiedlichsten IoT-Projekte eingesetzt werden. Im Video siehst du eine Demo, wie ThingsBoard als Monitoring-Dashboard in einem Fahrgast-Informations-System eingesetzt wird. Dabei werden verschiedene Sensordaten integriert und in ThingsBoard grafisch ausgewertet.
Möchtest du ThingsBoard ganz individuell an deine eigenen Bedürfnisse anpassen? Dank der hohen Flexibilität von ThingsBoard ist das kein Problem. Die in ThingsBoard integrierte Entwicklungsumgebung erlaubt es dir, in kurzer Zeit eigene Custom Widgets herzustellen. Damit ergeben sich unendliche Gestaltungsmöglichkeiten für deine ThingsBoard-Dashboards. Michael Deuchert zeigt dir im Video, wie du das umsetzt.
Um beim Internet der Dinge die Konkurrenz zu überflügeln oder mit dem Wettbewerb mitzuhalten, gehören IoT-Plattformen mittlerweile zum unverzichtbaren Bestandteil von Unternehmen. Doch was ist wichtig bei der Auswahl der richtigen Plattform? Welche Voraussetzungen sind entscheidend, um eine IoT-Plattform erfolgreich zu betreiben? Im Video erklärt Ihnen Alexander Keidel, was es genau beim Aufbau zu beachten gibt.
Artikel
Starburst – Schnellste Abfrage-Engine für Data Warehouse, Data Lake oder Data Mesh
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet.
Möchtest du bei SQL-Abfragen keine Zeit verlieren und blitzschnelle Resultate für deine Daten aus Data Warehouses, Data Lakes oder Data Mesh?
Starburst ist die schnellste SQL-Abfrage-Engine und basiert auf der Open Source-Software Trino. Damit verarbeitest und analysierst du deine Daten in Rekordzeit. Verschwende keine Zeit mehr mit langsamen SQL-Engines.
Seine wahre Stärke spielt Starburst bei Big Data Analysen aus. Verarbeite blitzschnell Daten aus Datenquellen wie etwa Hadoop Distributed File System (HDFS), Azure Blob File System (ABFS), AWS Simple Storage Service (S3) und dem Google Cloud Storage.
Starburst ist die schnellste SQL-Abfrage-Engine und basiert auf der Open Source-Software Trino. Damit verarbeitest und analysierst du deine Daten in Rekordzeit. Verschwende keine Zeit mehr mit langsamen SQL-Engines.
Seine wahre Stärke spielt Starburst bei Big Data Analysen aus. Verarbeite blitzschnell Daten aus Datenquellen wie etwa Hadoop Distributed File System (HDFS), Azure Blob File System (ABFS), AWS Simple Storage Service (S3) und dem Google Cloud Storage.
Einige der größten Vorteile von Graph-Datenbanken sind die große Zeitersparnis bei der Datenorganisation und bei der Verknüpfung von unterschiedlichen Datenquellen. Weiterhin sind sehr flexible Änderungen des Datenmodells möglich. Komplexe Sachverhalte können für den Anwender optisch ansprechend und inhaltlich verständlich visualisiert werden. Im Video siehst du anhand von Neo4j, wie das in der Praxis aussieht.
Viele Unternehmen setzen für dein Reporting Lösungen wie ein Data Lake, eine Datenbank oder andere Technologien ein. Doch durch die immer stärkere Einbindung von tagesaktuellen Daten in die Entscheidungsprozesse, stoßen klassische batchorientierte Data Warehouses an ihre Grenzen. Realtime-Verarbeitung ist essenziell, um Daten schneller auszuwerten und in kurzer Zeit Unternehmensentscheidungen zu treffen. Im Video erklären wir dir, wie du ein Echtzeit Data Warehouse aufsetzst.
Artikel
Datengetriebene Intelligenz für die Produktion
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet.
Die digitale Revolution mit dem Industriezeitalter 4.0 ist bereits in vollem Gange. Noch immer gibt es jedoch viele Unternehmen, die Ihre Produktion noch nicht fit für die digitale Gegenwart und Zukunft gemacht haben.
Besitzen Sie ältere Maschinen und Ihre Produktion ist noch nicht für die digitale Produktion 4.0 bereit? Unser Artikel erklärt Ihnen anhand eines Stufen-Modells, wie Sie Ihre Anlagen nach und nach auf den Weg zur intelligenten Fabrik aus- und umrüsten.
Minimieren Sie unter anderem Ihre Kosten und verringern Sie die Ausfallzeiten Ihrer Maschinen Mithilfe der vorgestellten Schritte gelangen Sie nach und nach hin zu einer autonomen Fabrik mit einer durchgehenden Digitalisierung.
Besitzen Sie ältere Maschinen und Ihre Produktion ist noch nicht für die digitale Produktion 4.0 bereit? Unser Artikel erklärt Ihnen anhand eines Stufen-Modells, wie Sie Ihre Anlagen nach und nach auf den Weg zur intelligenten Fabrik aus- und umrüsten.
Minimieren Sie unter anderem Ihre Kosten und verringern Sie die Ausfallzeiten Ihrer Maschinen Mithilfe der vorgestellten Schritte gelangen Sie nach und nach hin zu einer autonomen Fabrik mit einer durchgehenden Digitalisierung.