Logo des Repositoriums

Auflistung nach Schlagwort "hybrid"

1 - 2 von 2
  • Konferenzbeitrag
    Cloud-Migration
    (Softwaretechnik-Trends Band 39, Heft 2, 2019) Gimnich, Rainer
    Aus strategischen, wirtschaftlichen und technologischen Gründen gehen immer mehr Unternehmen und Organisation dazu über, zumindest Teile ihrer IT in eine Cloud zu verlagern. Es entstehen komplexere, aber auch flexiblere Gesamtarchitekturen, die man als Hybrid Cloud bezeichnen kann: klassische (on-premise) IT, private Cloud, ggf. mehrere public Clouds, mit übergreifenden Cloud-Management-Strukturen. Dabei stellt sich die Frage, welche existierenden Anwendungen man in die (private) Cloud migrieren sollte und wie man solche Migrationen in der Praxis zuverlässig und kostengünstig durchführen kann. Dieser Beitrag beschreibt exemplarisch Anforderungen und methodische Ansätze für die Cloud-Migration, auf der Grundlage offener Standards.
  • Konferenzbeitrag
    A Hybrid Approach for Efficient Unique Column Combination Discovery
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017), 2017) Papenbrock, Thorsten; Naumann, Felix
    Unique column combinations (UCCs) are groups of attributes in relational datasets that contain no value-entry more than once. Hence, they indicate keys and serve data management tasks, such as schema normalization, data integration, and data cleansing. Because the unique column combinations of a particular dataset are usually unknown, UCC discovery algorithms have been proposed to find them. All previous such discovery algorithms are, however, inapplicable to datasets of typical real-world size, e.g., datasets with more than 50 attributes and a million records. We present the hybrid discovery algorithm H UCC, which uses the same discovery techniques as the recently proposed functional dependency discovery algorithm H FD: A hybrid combination of fast approximation techniques and e cient validation techniques. With it, the algorithm discovers all minimal unique column combinations in a given dataset. H UCC does not only outperform all existing approaches, it also scales to much larger datasets.