Die Zeiten kleiner Datenbanksysteme sind mittlerweile vorbei. Selbst „kleine“ Systeme stellen bereits Datenbanken mit mehreren 100 GB Datenvolumen bereit. Da kann es für den DBA zu einer echten Herausforderung werden, die täglichen Maintenanceaufgaben, Datensicherung, Konsistentprüfen, … noch in einem angemessenen Zeitrahmen zu erledigen.

Mit Hilfe von Partitionierung (seit SQL 2016 auch ein Feature der Standard Edition) können erhebliche Vorteile bei ETL-Prozessen, Wartung und Sicherung / Wiederherstellung erreicht werden.

Das Hauptanwendungsgebiet für die Partitionierung ist die Optimierung der Ladepfade für komplexe DWH-Lösungen und die Pflege großer Datenbanken (Statistiken, Indizes, Backups, Wiederherstellungen). Die sehr stark demobasierte Session zeigt Partitionierungsszenarien, die den DBA wieder alternative Dinge erledigen lässt und ETL-Entwickler zu Freudentänzen anregt.

Liebe Datamonster,

ihr habt die Koffer für den Sommerurlaub schon gepackt? Dann packen wir euch noch ein paar gute Erinnerungen und einiges zum Nachdenken oben drauf, unser Sommer-Meetup wird es in sich haben, hier kommt ihr sicher auf eure Kosten.

Stay tuned.

Register here: https://www.meetup.com/pass-bayern/events/267182424/

—————————————————————————

In dieser Session wird im Detail erläutert, wie Datenbank Administratoren die Möglichkeiten von Machine Learning nutzen können, um viele wiederkehrende Aufgaben noch effizienter erledigen zu können. Insbesondere wird sich die Vereinfachung der zahlreichen täglichen Wartungsaufgaben angeschaut. Zwar gibt es in der Community eine ganze Reihe von Faustformeln für die Optimierung von Indexes, Statistiken und Backups, aber lässt sich das mit ein wenig „Mathe“ nicht noch etwas eleganter lösen?
Hierfür wird gezeigt, wie der DBA mit Python seine Prozesse unterstützen kann und welche Daten gesammelt werden sollten, um eine gute Basis für die späteren Modelle zu haben. Zum Verständnis wird auch etwas (und ohne viel Mathe) auf die Hintergründe von Machine Learning eingegangen. Vorkenntnisse sind aber nicht notwendig.
Die gezeigten Ansätze sind sowohl für SQL Server in einer Cloud Umgebung als auch für on-premises Installationen gültig.
Alle gezeigten Python & T-SQL Skripte werden den Teilnehmern zur Verfügung gestellt.

Speaker: Sascha Lorenz

Sascha beschäftigt sich nun schon seit mehreren Jahrzehnten mit dem Microsoft SQL Server und der effizienten Automatisierung von Aufgabenstellungen rund um Datenbanken. Neben der Automatisierung von DWH/BI Lösungen und Prozessen in der Qualitätssteuerung von Entwicklerteams, hat er sich die letzten Jahre intensiver mit Machine Learning auseinandergesetzt und die Einsatzmöglichkeiten für seine Kunden evaluiert. Seit 2005 gehört Sascha zu den Organisatoren der Hamburger PASS Gruppe.

—————————————————————————

Register here: https://www.meetup.com/pass-bayern/events/267182424/

!! diese Veranstaltung findet aus gegebenem Anlass online statt !!

>> der link zur Teams – Session ist hier

und die Client-Software gibt’s direkt bei Microsoft
https://products.office.com/de-de/microsoft-teams/download-app

Werte Datamonsters,

der Sonnenbrand, den ihr euch in den Ferien geholt habt, ist gerade am abklingen, da laden wir euch schon wieder in die heiligen Hallen von Ceteris zu einem weiteren hochkarätig besetzten Meetup der RG Berlin. Seid gespannt, welche Sprecher wir über die Sommerpause für euch klargemacht haben.

tbd

In dieser Session wird im Detail erläutert, wie Datenbank Administratoren die Möglichkeiten von Machine Learning nutzen können, um viele wiederkehrende Aufgaben noch effizienter erledigen zu können. Insbesondere wird sich die Vereinfachung der zahlreichen täglichen Wartungsaufgaben angeschaut. Zwar gibt es in der Community eine ganze Reihe von Faustformeln für die Optimierung von Indexes, Statistiken und Backups, aber lässt sich das mit ein wenig „Mathe“ nicht noch etwas eleganter lösen?
Hierfür wird gezeigt, wie der DBA mit Python seine Prozesse unterstützen kann und welche Daten gesammelt werden sollten, um eine gute Basis für die späteren Modelle zu haben. Zum Verständnis wird auch etwas (und ohne viel Mathe) auf die Hintergründe von Machine Learning eingegangen. Vorkenntnisse sind aber nicht notwendig.
Die gezeigten Ansätze sind sowohl für SQL Server in einer Cloud Umgebung als auch für on-premises Installationen gültig.
Alle gezeigten Python & T-SQL Skripte werden den Teilnehmern zur Verfügung gestellt.

In this session (level 300) we will look at the design principals of the in-memory OLTP engine. We will understand how the in-memory engine optimizes data storage for main memory, eliminates latches and locks, and uses native compilation to reduce the CPU overhead.  
For this we will compare the traditional on-disk engine with the in-memory engine to decide when it makes sense to use in-memory OLTP. 

Die Blätter sind welk und müde, Nebel liegt über der Stadt doch die Datamonster von Berlin sind unermüdlich auf der Suche nach neuem Wissen. Deshalb gibt es trotz herbstlicher Tristesse auch dieses Mal tolle Sprecher und spannende Themen für euch.

Schaut rein.

tbd