22 lines
1.3 KiB
Markdown
22 lines
1.3 KiB
Markdown
Kleinere Aufgaben zur Programmierung mit Numpy und Pandas; Zuordnungen, Wahr/Falsch,
|
||
Codeanpassungen.
|
||
|
||
Data-Wrangling: Importieren, Bereinigen und Transformieren von Daten am Beispiel von Phyton, Plots
|
||
|
||
Vertiefung Numpy und Pandas Beispielanwendungen: Umgang mit realistischen Datensätzen, Zeitreihen, Ausblick MLVerfahren
|
||
|
||
Arten und Anwendungsbereiche verschiedener NoSQLDatenbanken, CAP-Theorem, Skalierung von NoSQLDatenbanken, Sharding, Übungen
|
||
|
||
## CAP-Theorem
|
||
- • **Konsistenz (Consistency):** Alle Knoten zeigen zur gleichen Zeit die gleichen Daten an.
|
||
- **Verfügbarkeit (Availability):** Jeder Anfrage wird garantiert eine Antwort geliefert – auch wenn sie nicht den aktuellsten Stand widerspiegelt.
|
||
- **Partitionstoleranz (Partition Tolerance):** Das System funktioniert weiter, auch wenn Teile des Netzwerks ausfallen oder nicht miteinander kommunizieren können.
|
||
- **CA (Konsistenz + Verfügbarkeit):**
|
||
Funktioniert nur ohne Netzwerkausfall.
|
||
Beispiel: Einzelner MySQL-Server.
|
||
- **CP (Konsistenz + Partitionstoleranz):**
|
||
Bleibt bei Ausfall konsistent, aber nicht immer erreichbar.
|
||
Beispiel: HBase, MongoDB (strikte Konsistenz).
|
||
- **AP (Verfügbarkeit + Partitionstoleranz):**
|
||
Immer erreichbar, aber Daten können kurz inkonsistent sein.
|
||
Beispiel: Cassandra, DynamoDB. |