Why? Why data systems? What about data structures from algorithms class? Spreadsheets? Text files? Why so many design choices? SQL? Big data? (MapReduce,

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
1 Please include the following information on this slide: Παρακαλώ, συμπεριλάβετε τις παρακάτω πληροφoρίες στη διαφάνεια: Name Giannakodimou Aliki Kourkouta.
Advertisements

Copyright © 2006 – Quality & Reliability SA PL/SQL TRIGGERS ΜΕΡΟΣ 1.
1 Information Systems Design [Σχεδιασμός Πληροφοριακών Συστημάτων] Unit 3: Business Process Models (1) Univ. of the Aegean Financial and Management Engineering.
Πανεπιστήμιο Κύπρου – Τμήμα Πληροφορικής ΕΠΛ446-Προχωρημένες Βάσεις Δεδομένων Ζωγραφάκης Ιωάννης.
6/15/2015HY220: Ιάκωβος Μαυροειδής1 HY220 Static Random Access Memory.
1 Διαχείριση Γνώσης Μ. Γεργατσούλης Χ. Παπαθεοδώρου.
1 26/6/2015 Προγραμματισμός Διαδικτύου – Lecture 8 LECTURE 8 Using Databases with PHP Scripts: Using MySQL Database with PHP Προγραμματισμός Διαδικτύου.
ΟΡΓΑΝΙΣΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΔΙΟΚΤΗΣΙΑΣ “Preparing Europe for Global Competition” THE NETWORK : The Patent and Trademark Offices.
Χ. Καραγιαννίδης, ΠΘ-ΠΤΕΑΕφαρμογές ΤΠΕ στην ΕΕΑ Διάλεξη 10: MOOC1/18 20/5/2015 Χαράλαμπος Καραγιαννίδης Διάλεξη 10 MOOCs Εφαρμογές ΤΠΕ.
Week 11 Quiz Sentence #2. The sentence. λαλο ῦ μεν ε ἰ δότες ὅ τι ὁ ἐ γείρας τ ὸ ν κύριον Ἰ ησο ῦ ν κα ὶ ἡ μ ᾶ ς σ ὺ ν Ἰ ησο ῦ ἐ γερε ῖ κα ὶ παραστήσει.
WRITING B LYCEUM Teacher Eleni Rossidou ©Υπουργείο Παιδείας και Πολιτισμού.
Τελική εργασία του μαθήματος “Σχεδιασμός Δημιουργικού & Διαφημιστικών Μηνυμάτων” Ιανουάριος 2054 Ομάδα Χ Ονοματεπώνυμο 1 Ονοματεπώνυμο 2 Ονοματεπώνυμο.
ΔΕΥΤΕΡΟ ΣΕΜΙΝΑΡΙΟ ΕΠΙΜΟΡΦΩΤΩΝ ΑΘΗΝΑ, ΣΕΠΤΕΜΒΡΙΟΣ 2011 Ο.ΕΠ.ΕΚ Αρχική Συνεδρία Γ. Τύπας, Σύμβουλος Παιδαγωγικού Ινστιτούτου και μέλος του Δ.Σ. του Ινστιτούτου.
ΑΣΦΑΛΕΙΑ ΑΣΘΕΝΩΝ (PATIENT SAFETY) ωφελέειν ή μη βλάπτειν ωφελέειν = θεραπευτική παρέμβαση μη βλάπτειν = ασφάλεια ασθενών.
Στάδια εξέλιξης των συστημάτων ποιότητας. ΕΞΕΛΙΞΗ ΣΥΣΤΗΜΑΤΩΝ ΔΙΟΙΚΗΣΗΣ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΕΠΙΘΕΩΡΗΣΗ ΕΛΕΓΧΟΣ ΠΟΙΟΤΗΤΑΣ ΔΙΑΣΦΑΛΙΣΗ ΠΟΙΟΤΗΤΑΣ ΔΙΟΙΚΗΣΗ ΟΛΙΚΗΣ.
Ψηφιακά Παιχνίδια και μάθηση Δρ. Νικολέτα Γιαννούτσου Εργαστήριο Εκπαιδευτικής Τεχνολογίας.
321. Perathoraki Chryssoula & Mandilara Cristiana.
Διαχείριση Διαδικτυακής Φήμης! Do the Online Reputation Check! «Ημέρα Ασφαλούς Διαδικτύου 2015» Ε. Κοντοπίδη, ΠΕ19.
Μαθησιακά Αντικείμενα – Ανοικτά Μαθήματα: Σύγχρονες Τάσεις και Προκλήσεις.
Ελληνικό Αναπηρικό Κίνημα & Οικονομική Κρίση Φ. Ζαφειροπούλου Ε.Σ.Α.μεΑ. The Greek Disability Movement & Financial Crisis F. Zafeiropoulou NCDP.
SCIENCE EDUCATION Οργάνωση εξωσχολικών επισκέψεων/δράσεων Άννα Σπύρτου Άννα Σπύρτου.
From Applying Theory to Theorising Practice Achilleas Kostoulas Epirus Institute of Technology.
3nd Training Workshop 12th of October 8:30 -16:30
Μαθαίνω με “υπότιτλους”
SPACE “Exploring the City surrounding our Prison: a glimpse from Inside to the Outside.” SDE DIAVATON.
Ερωτήσεις –απαντήσεις Ομάδων Εργασίας
Διδάσκουσα: Ευαγγελία Πιτουρά
Ασκήσεις Κεφάλαιο 11.
Στάδια εξέλιξης των συστημάτων ποιότητας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Λ. Μήτρου, Επικ. Καθηγήτρια – Πανεπιστήμιο Αιγαίου Κανονιστικές και Κοινωνικές Διαστάσεις της Κοινωνίας της Πληροφορίας /3 Χειμερινό εξάμηνο
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Νομική Σχολή
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΟΡΓΑΝΩΣΗ ΑΘΛΗΤΙΚΗΣ ΕΓΚΑΤΑΣΤΑΣΗΣ
Διεπιστημονική Προσέγγιση στη Φροντίδα Υγείας
Εισαγωγή στις Βάσεις Δεδομένων
Braille Messenger
Χαράλαμπος Καραγιαννίδης
Development of sample e-Hoop content
ECTS-DS Labels Selection 2011 Αθήνα, 28/11/2011
Δομή του Προγράμματος ΒΔ1 – Μαθησιακή Κινητικότητα Ατόμων
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Νομική Σχολή
Η Περιβαλλοντική Αγωγή εισήλθε στα εκπαιδευτικά συστήματα πολλών κρατών από την ανάγκη ανταπόκρισης στις όλο και αυξανόμενες πιέσεις της οικολογικής κρίσης.
Πανεπιστήμιο Θεσσαλίας
Εισαγωγή στις Βάσεις Δεδομένων
ΑΓΓΛΙΚΑ Ε’ ΔΗΜΟΤΙΚΟΥ English 5th Grade -Writing Activities-
<<MOOCS AND WEBINARs>>
Find: φ σ3 = 400 [lb/ft2] CD test Δσ = 1,000 [lb/ft2] Sand 34˚ 36˚ 38˚
Ενημέρωση για eTwinning
aka Mathematical Models and Applications
Η Συμμετοχή των Μεταναστών στη Δημόσια Ζωή: Εμπειρίες από την Ελλάδα και την Ευρώπη Immigrant Participation in Public Life: European & Greek experiences.
ΟΜΑΔΑ Ομαδική εργασία Τζιάτζιος Δημήτριος Ψουρούκα Ευαγγελία
ΜΕΤΑΦΡΑΣΗ ‘ABC of Selling’. ΤΟ ΑΛΦΑΒΗΤΑΡΙ ΤΩΝ ΠΩΛΗΣΕΩΝ
ThinkBiz.
Lower Bound for Partial Sums
Υπο-τύποι και πολυμορφισμός
We can manipulate simple equations:
Τεχνολογίες Μάθησης
Τμήμα Πληροφορικής Α.Π.Θ. Παρουσίαση της Κατεύθυνσης
CPSC-608 Database Systems
Scholastic News of the week
Chiltern Hills Academy
I have to take the MAP again?
Kanaka Creek School Teams Session January 30, 2018
Unit 5: Working with Parents and Others in Early Years
Entry 27 – Starter Copy and simplify
Lecture 26 AWS Lab April 3, /6/2019 CS132 Lecture 26: Cloud Lab.
Μεταγράφημα παρουσίασης:

Why? Why data systems? What about data structures from algorithms class? Spreadsheets? Text files? Why so many design choices? SQL? Big data? (MapReduce, Hadoop, Spark) Learning systems? (TensorFlow, deep learning) What’s exciting for future?

-- “Shiva” Shivakumar Interests Peta scale data systems (from cs145 -> Infolab -> now) Building new data systems, products (and teams) ○Scaled to billions of consumers, billions of ad $s, millions of web publishers, trillions of data rows, million QPS systems ○E.g., AdSense, Search, Dremel/BigQuery, Gmail/Google Apps, Sitemaps, Warp, Google Maps, etc. Founder of 2 startups (Urban Engines, Gigabeat), angel investor/advisor in more data/AI startups

Example: Youtube DB

Example Unpack Youtube DB Lorem ipsum congue Lorem ipsum Youtube DB Read Learn Modify Result list Video & description, # Views, Likes Upload Like, Review Related videos Relevant ads

Every minute on the Internet

Example Self Driving Cars

Example Unpack Cars DB Lorem ipsum congue Lorem ipsum Cars DB Read Learn Modify Front panel metrics Speed, distance ETA Road models Drive models Collisions Traffic signals

Example Unpack ATM DB: Transaction Read Balance Give money Update Balance Read Balance Update Balance Give money vs

Goals of Databases Lorem ipsum congue Lorem ipsum Operations (any DB) Read Learn Modify Supporting Scale Speed Stability Evolution Reliability Cost efficiency Platform to store, manage data

Goals of Data systems Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Store current data (e.g., lot of reads) Optimize historical data (e.g., logs) Run batch Workloads (e.g. training) DB Tune for custom system (a la Lego blocks) Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum DB Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Lorem ipsum Connect one/many DBs for custom system

When to build a custom data system?

How? For Whom?

How? Example Game App DB v0 DBMS Real-Time User Events Report & Share Business/Product Analysis Q1: 1000 users/sec? Q2: Offline? Q3: Support v1, v1’ versions? Q4: Which user cohorts? Q5: Next features to build? Experiments to run? Q6: Predict ads demand? Mobile Game Q7: How to model/evolve game data? Q8: How to scale to millions of users? Q9: When machines die, restore game state gracefully? DB App designerSystems designer Product/Biz designer

How? Example Game App Data system “v1” on Cloud Analytics Engine BigQuery Data Processing E-T-L, Dataflow Data Processing E-T-L, Dataflow Data Exploration Cloud Datalab Real-Time User Events Report & Share Business/Product Analysis 1 Log user actions 2 Store in DB, after Extract-Transform-Load 3 Run queries in a peta scale analytics system 4 Visualize query results Mobile Game DB

Analytics Engine BigQuery Data Processing MySQL, Dataflow Data Exploration Cloud Datalab Data Sync Report & Share Business/Product Analysis 0 Log user actions In local DB 1 Data sync to cloud 2 Store in DB, after ETL 3 Run queries in a petabyte scale analytics system 4 Visualize query results Mobile Game Local DB Real-Time User Events 0 How? Example Game App Data system “v2” Cloud + Local DB

Course Summary We’ll learn… ○How to query a database? With concurrent users and crashes / aborts? 1. Intro 2-3. SQL 4. ER Diagrams 5-6. DB Design 7-8. TXNs IO Cost Joins 16. Rel. Algebra

Course Summary We’ll learn… ○How to query a database? With concurrent users and crashes / aborts? ○How to design a database? mance 1. Intro 2-3. SQL 4. ER Diagrams 5-6. DB Design 7-8. TXNs IO Cost Joins 16. Rel. Algebra

Course Summary 1. Intro 2-3. SQL 4. ER Diagrams 5-6. DB Design 7-8. TXNs IO Cost Joins 16. Rel. Algebra We’ll learn… ○How to query a database? With concurrent users and crashes / aborts? ○How to design a database? ○How to optimize performance?

Logistics cs145.stanford.edu Assessment Projects: 35% ( ), Midterm Exam: 25%, Final Exam: 40%. We will be offering extra credit for (a) insightful in-class and OH participation (b) high quality answers to fellow student questions in piazza. Exam dates ●Midderm: 1 hr in class midterm on Nov 1st(Thurs) ●Final: Friday, Dec 14th from 3:30-6:30 p.m. No alternate times, plan ahead. ●Accommodations Students who may need an academic accommodation based on the impact of a disability must initiate the request with the Office of Accessible Education (OAE) and notify us at least 7 days (ONE week) prior to the Midterm and/or Final Exam. Homeworks/Suggested reading ●Posted on cs145 webpage. We’ll use Gradiance. It’s an auto-grader to help reinforce concepts AS-You-GO. Strongly encouraged for prepping materials for exams.