SQL- & NoSQL-Datenbanken: Ausgabe 8

Andreas Meier · Michael Kaufmann

2016년 7월 · Springer-Verlag

eBook

258

페이지

검증되지 않은 평점과 리뷰입니다. 자세히 알아보기

eBook 정보

Die Autoren führen in das Gebiet der relationalen (SQL) und nicht-relationalen (NoSQL) Datenbanken ein. Themenschwerpunkte in der 8. Auflage bilden Datenmanagement, Datenmodellierung, Abfrage- und Manipulationssprachen, Konsistenzgewährung, Datenschutz und -Sicherheit, Systemarchitektur, Mehrbenutzerbetrieb. Das Buch bietet außerdem einen Überblick über postrelationale und nicht-relationale Datenbanksysteme. Neben klassischen Konzepten werden wichtige Aspekte für NoSQL-Datenbanken erläutert, wie das Verfahren Map/Reduce, Verteilungsoptionen (Fragmente, Replikation) oder das CAP-Theorem (Consistency, Availability, Partition Tolerance). Eine Webseite ergänzt den Inhalt des Buches durch Tutorien für Abfrage- und Manipulationssprachen (SQL, Cypher), Übungsumgebungen für Datenbanken (MySQL, Neo4j) sowie zwei Fallstudien zu travelblitz (OpenOffice Base, Neo4j). Das Buch richtet sich sowohl an Studierende, die eine Einführung in das Gebiet der SQL- und NoSQL-Datenbanken suchen, wie auch an Praktiker, denen es hilft, Stärken und Schwächen relationaler Ansätze sowie Entwicklungen für Big-Data-Anwendungen besser einschätzen zu können.

저자 정보

Andreas Meier ist Professor für Wirtschaftsinformatik an der Universität Fribourg, Schweiz. Seine Schwerpunkte sind Electronic Business, Daten- und Informationsmanagement. Nach Musikstudien in Wien diplomierte er in Mathematik an der ETH in Zürich, doktorierte und habilitierte am Institut für Informatik. Er war Systemingenieur bei der IBM Schweiz, Direktor bei der Großbank UBS und Geschäftsleitungsmitglied bei der CSS Versicherung.

Michael Kaufmann ist seit 2014 an der Hochschule Luzern als Dozent für Datenbanken tätig. Er konzentriert sich auf Datenbanken und Datenmanagement. In der Forschung erkundet er die Anwendung von Datenbanken für den prototypischen Bau von innovativen Informationssystemen, insbesondere für die Wissenstechnologie als antizyklischer Ansatz für die Bewältigung von Big Data.