Tratamiento de Grandes Volúmenes de Datos en Ciudades Inteligentes Big Data y NoSQL
|
|
- Andrés Cárdenas Flores
- hace 8 años
- Vistas:
Transcripción
1 Tratamient de Grandes Vlúmenes de Dats en Ciudades Inteligentes Big Data y NSQL Snia Frmia; Luis Vivas; Niclás García Martínez Labratri de Infrmática Aplicada (LIA) Licenciatura en Sistemas, UNRN Sede Atlántica, Argentina {sfrmia, lvivas, ngarciam}@unrn.edu.ar Innvación Tecnlógica en las Organizacines Resumen El despliegue de sensres, la participación de ls ciudadans en las redes sciales y la generación de cntenids, entre tras raznes, han prducid un aument de la infrmación dispnible en las ciudades, dand rigen a un fenómen cncid cm big data. La reducción de ls csts de almacenamient y la implementación de tecnlgías que antes n existían, permite almacenar cantidades muy grandes de infrmación, cn gran variedad de frmats, en tiemps cada vez más crts. El vlumen y la diversidad invlucrads han generad el surgimient de nuevas tecnlgías de bases de dats, las que cmúnmente se resumen baj el términ NSQL. Este, englba hy en día muchas bases de dats diferentes que frecen esquemas más flexibles que el tradicinal entidadrelación y trabajan mejr para manipular grandes cantidades de dats de manera eficiente para el prcesamient analític, aunque n siempre prveen un lenguaje de cnsulta declarativ [Martin, 2013], pr l que se requiere de mayr experticia para manipular ls dats. Se hace necesari definir ls alcances de aplicabilidad del mvimient NSQL al prcesamient analític de infrmación desde ls sistemas de Inteligencia de Negcis (Business Intelligence, BI) tradicinales hasta el Big Data. Palabras clave: Big Data Analytics. Bases de Dats NSQL, Data Science, Business Intelligence, Smart Cities. Intrducción Se suele relacinar Big Data cn la necesidad que tienen las rganizacines, tant públicas cm privadas, de aprvechar la infrmación dispnible para tmar mejres decisines, mejrar sus tiemps de respuesta, cncer a sus ciudadans hacer más eficiente el gast públic. Intrduciend mejras en las administracines públicas, cn el bjetiv de generar Estads más eficientes y mejrar la calidad de vida de las persnas. También Big Data se relacina cn la necesidad de generar ciudades más eficientes, en dnde se pueda prever cuál es el mvimient del tráfic, cuánta energía se va a cnsumir en un determinad mment, cuáles sn ls fenómens meterlógics cn mayr prcentaje de currencia, cuáles sn las necesidades de ls ciudadans y hasta cóm es el rendimient de ls alumns de las institucines públicas [Bllatti, 2013].
2 Si bien n es alg nuev, su alcance ha id variand cn el tiemp, es pr est que se hace necesari definir de manera cnsistente l que hy se denmina Big Data, clasificar las diferentes tecnlgías que frece el mercad para lueg centrarse en el estudi e implementación de las que frezcan mejres slucines a las necesidades de almacenamient y análisis de dats, en particular para ls desarrlls para ciudades inteligentes. Big Data es el nmbre que se le da a cnjunts de infrmación que crecen de una manera tan expnencial que resulta prhibitiv almacenarls y/ prcesarls cn métds técnicas tradicinales del mund de base de dats relacinales. La cantidad de infrmación dispnible exige recurrir a nuevas herramientas y prcess para recpilar dats (tant estructurads cm n estructurads) y para almacenar, manipular, administrar, integrar y analizar dichs dats. Cuand se piensa en bases de dats relacinales acuden a la mente ls misms nmbres, alguns cmerciales y trs de sftware libre. Aunque cada una tiene sus peculiaridades, n es difícil elegir entre un sistema y tr. La decisión de cuál elegir, se basará en sus características y preci. Al hablar de bases de dats NSQL (nt nly SQL, n sól SQL) la elección se cmplica. Al día de hy existen muchs sistemas de bases de dats NSQL, elegir un de ells puede ser muy difícil, ya que ningun ha btenid tdavía la fama, estabilidad y estandarización que sí han cnseguid las bases de dats relacinales. Pr tr lad, la taxnmía de bases de dats n relacinales n es clara, dependiend de ls autres se pueden encntrar bases de dats analíticas (Analytic Data Stres) dentr de las clasificacines de NSQL fuera de ellas, cm un tip diferente de base de dats [Antiñanc, 2013]. Si bien puede pensarse que sl sn etiquetas, es imprtante determinar al mens funcinalidades básicas, aunque n se las pueda catalgar taxativamente. Este trabaj pne énfasis en el estudi de las bases de dats NSQL desde el punt de vista del análisis de dats. Se plantea la hipótesis de la utilización de tecnlgías NSQL desde ls cmienzs de un pryect de BI, independientemente de la cantidad de dats y de la naturaleza (estructurada n estructurada) de ls misms. En este sentid se espera encntrar mtivs para fmentar el us de bases de dats NSQL en aplicacines de data warehuse (DW) y data mining tradicinales, es decir, sbre dats estructurads y sbre vlúmenes de infrmación que hy en día n se cnsideran Big Data. Cntext y Objetivs El presente trabaj se encuentra enmarcad en el pryect: Estudi y evaluación de tecnlgías de la infrmación y la cmunicación para el desarrll de ciudades inteligentes en Rí Negr, del Labratri de Infrmática Aplicada (LIA) de la Universidad Nacinal de Rí Negr (UNRN). El bjetiv general de la investigación es estudiar, identificar y prbar tecnlgías dispnibles para Big Data y determinar su aplicabilidad a la infrmación prducida pr ls desarrlls para las ciudades inteligentes. El bjetiv particular de este tram es encntrar tecnlgías alternativas, dentr del mvimient NSQL que puedan ser utilizadas en pruebas de cncept para tareas de BI en entrns estructurads y para vlúmenes
3 limitads de dats, de manera de prveer al equip de trabaj cn ls cncimients necesaris para encarar un pryect de Big Data utilizand las mismas herramientas. En el prces se espera cmparar las implementacines tradicinales sbre bases de dats relacinales cn las de bases de dats NSQL en el cntext de prblemas ya cncids. La experiencia actual ns dice que Big Data necesita NSQL. El presente trabaj pretende respnder la siguiente pregunta: NSQL necesita Big Data? Big Data Big data se aplica a la captura, gestión y prcesamient de cnjunts de dats que superan las capacidades del sftware habitual. Ls tamañs de Big data están cambiand cnstantemente. Es imprtante prque es un cncept que englba y se relacina cn tras tendencias cm clud cmputing, mvilidad, Internet de las csas, ciberseguridad y analytics, entre trs [Eatn]. La adpción de Big Data parece ser un hech que tarde tempran deben realizar las rganizacines [Jyanes Aguilar,2013]. Es de esperar que las prtunidades que est brinde cmpensen la demanda ecnómica y de especialistas requerids para el análisis de ests grandes vlúmenes de dats. Aparece, entnces, el perfil del científic de dats, que pdría definirse cm la evlución del analista de dats de negcis en el cntext de Big Data. El científic de dats es una persna cn habilidades diversas: ciencias de la cmputación, analítica, matemáticas, generación de mdels y estadística, además de buen cmunicadr. Esas nuevas necesidades han llevad a nuevs requerimients de análisis de la infrmación, l que anterirmente se cncía cm BI actualmente requiere de un nuev mdel de análisis, Big Analytics, que trabaje cn ls dats al nivel más baj de granularidad dispnible cn mdels más ágiles que ls actuales de BI, que permitan hacer análisis de manera escalable, en tiemp real y que integren dats n estructurads cn facilidad. Las tres V : variedad, vlumen y velcidad, sn ls temas clave. Bases de dats NSQL El mvimient NSQL se inició hace alguns añs impulsand el us de nuevs sistemas de bases de dats que n se basan en el mdel entidad-relación y n respnden slamente a cnsultas en lenguaje estándar SQL, instaland una alternativa a ciertas limitacines en flexibilidad, prcesamient y escalabilidad que enfrentan ls sistemas tradicinales para abrdar el camin a Big Data. Estas bases de dats n requieren esquemas de tablas fijas y n necesariamente sprtan peracines de jin. Están ptimizadas para peracines principalmente de lectura escalables sin tant énfasis en la cnsistencia. Existen numersas discusines sbre las ventajas y desventajas de las bases de dats NSQL cmparadas cn las bases de dats relacinales [Antiñanc, 2013] [ [Strauch,2010]. Entre las desventajas se pueden mencinar: N existe un líder en el mercad NSQL. N existe standard (cm SQL para ls RDBMS). Muy alta especialización, l que dificulta elegir una única base de dats para tdas las necesidades.
4 La escalabilidad (que es prmcinada cm una ventaja) n es sencilla de cnseguir en la práctica. Dificultades para prveer cnsistencia y dispnibilidad abslutas. Cambi en ls mdels de dats: EAVmdel Entidad-Atribut-Valr vs. Mdel Entidad-Relación. Entre las ventajas están las siguientes: Flexibilidad en el cumplimient de ACID (atmicidad - Atmicity, cnsistencia - Cnsistency, aislamient - Islatin y durabilidad- Durability). Rendimient mayr, inclus de hasta varis órdenes de magnitud [ Escalabilidad hrizntal (emple de hardware más ecnómic). Mejr y mayr manej de infrmación n estructurada. Evita el mape bjet-relacinal [Antiñanc, 2013]. Slución a escenaris que n cubren las bases de dats relacinales, en cuant a vlumen de dats y a su prcesamient en tiemp real. Ls mdels de dats centralizads n pueden ser distribuids fácilmente (DDB). Las bases de dats NSQL se cnstruyen desde el inici cn la escalabilidad en mente. Tips de Bases de Dats NSQL Existen varias aprximacines diferentes para clasificar las bases de dats NSQL [Katsv, 2012)], una de ellas, basada en la evlución de la arquitectura de las mismas, arrja ls siguientes tips [Strauch, 2010] (aunque pueden encntrarse prducts cn características de más de un tip): Clave valr: Sn las más sencillas de entender, guardan tuplas que cntienen una clave y su valr. Este mdel favrece la escalabilidad sbre la cnsistencia, y mite/limita las funcinalidades analíticas y de cnsultas cmplejas ad-hc. Es cnceptualmente similar a una tabla hash y es muy adecuad para almacenar dats n estructurads dada su flexibilidad y velcidad. Las bases de dats NSQL clave-valr más ppulares sn: Riak, Redis, Amazn DynamDB, Vldemrt, Membase, Dynamite, Tki Cabinet, Cludant y Cassandra (si bien esta última también tiene prpiedades de bases de dats rientadas a clumnas). Orientadas a clumnas: Este tip de bases de dats están pensadas para realizar cnsultas y agregacines sbre grandes cantidades de dats. Funcinan de frma parecida a las bases de dats relacinales, per almacenand clumnas de dats en lugar de registrs. Muchas de estas bases de dats están inspiradas en la tecnlgía BigTable de Ggle, que cnsiste en un sistema de almacenamient distribuid para manipulación de dats estructurads, diseñad para escalar a grandes tamañs (petabytes). Es un mapa rdenad multidimensinal, persistente, distribuid y dispers, indexad pr una clave fila, una clave clumna y tiemp. Cada valr del mapa es una clección (array) ininterrumpida de bytes [Jyanes Aguilar, 2013]. Alguns ejempls sn: Ggle BigTable, Apache HBase (pryect Hadp), Hypertable, Infbright y
5 Cassandra (híbrid clave-valr). Riak también se encuentra en algunas clasificacines dentr de este tip [Antiñanc, 2013]. Orientadas a dcuments: Sn aquellas que gestinan dats semi-estructurads, cm dcuments. Ests dats sn almacenads en algún frmat estándar cm puede ser XML, JSON BSON. Sn las bases de dats NSQL más versátiles, se pueden utilizar en gran cantidad de pryects. Guardan la infrmación cm un listad de dcuments desestructurads. Al acceder a un dcument se puede ingresar en un númer n especificad de camps cn sus respectivs valres. Sn ejempls de este tip de bases de dats MngDB y CuchDB. En graf: Basadas en la tería de grafs, utilizan nds y aristas para representar ls dats almacenads. Sn muy útiles para guardar infrmación en mdels cn muchas relacines, cm redes y cnexines sciales. Permiten cntar cn un mdel de negci más cmplej, cn flexibilidad en las relacines entre entidades. Pr definición, una base de dats rientada a grafs es cualquier sistema de almacenamient que prvea libre indexad pr adyacencia, est significa que cada element cntiene un punter direct a su element adyacente y n requiere búsqueda pr índices [Katsv, 2012]. Algunas bases de dats en graf sn: Ne4j, HyperGraphDB, AllegrGraph y VertexDB. Otrs autres [Pentah Big Data Architecture] excluyen de la categría NSQL las bases de dats rientadas a clumnas y generan una clasificación diferente que incluye tecnlgías cm bases de dats en memria [Jyanes Aguilar, 2013] y Hadp, cm se describe a cntinuación: NSQL: incluye las dcumentales, graf y clave-valr. Analíticas: diseñadas para ser usadas cm mtres de Data Warehuse. Incluyen clumnares, MPP (massively parallel prcessing prcesamient masivamente paralel) y en memria (In- Memry Analytics) Hadp: (Almacenamient HDFS + prcesamient Map/Reduce). Ideales para grandes vlúmenes de dats que n cuadran en bases de dats transaccinales NSQL ( s, tweets, imágenes, lgs, etc.). Arquitectura masivamente paralela, que incluye un sistema de archivs y un esquema de prcesamient distribuid. Terema CAP. Otra frma de clasificar las bases de dats NSQL deriva del terema CAP para sistemas distribuids, enunciad pr [Brewer, 2000]. El terema establece que es impsible para un sistema distribuid garantizar simultáneamente: Cnsistencia (Cnsistency) Dispnibilidad (Availability) Tlerancia a falls (Partitin Tlerance) Sl ds de las tres sn psibles. Brewer señala que así cm las prpiedades ACID de ls sistemas de bases de dats relacinales prveen cnsistencia, las prpiedades BASE prveen dispnibilidad y sn las siguientes: Básicamente dispnible (Basically Available)
6 Estad flexible (Sft-state) Eventualmente cnsistente (Eventual cnsistency) Mientras ACID es pesimista y fuerza la cnsistencia al final de cada peración, BASE es ptimista y acepta cnsistencia flexible en la base de dats para asegurar dispnibilidad. Cnciend estas restriccines, se sugiere utilizar cm criteri de selección ls requerimients que se cnsideren más crítics para el negci. En cas de ptar pr las prpiedades BASE, se deberá elegir la base de dats que prvea el par de prpiedades que sn requerimient para el prblema. Elección de un tip de base de dats NSQL para BI. Cm se puede apreciar en ls apartads anterires, el mvimient NSQL y las herramientas para Big Data se han cnvertid en un gran univers de pcines. Varis autres, alguns citads en este trabaj, han intentad la tarea de clasificarlas y rganizarlas. De la revisión bibligráfica realizada surge claramente que n se ha cnseguid aún el cnsens, aún así las clasificacines descriptas clabran en fragmentar el univers de pcines para permitir encarar el estudi de ls prducts que, a primera vista, pueden resultar útiles para el bjetiv prpuest. Teniend en cuenta la amplitud del prblema plantead y la necesidad de enfcar el análisis en prducts específics que prvean factibilidad de implementación, se realiza una primera aprximación a la selección. En primer lugar se hace necesari cnsiderar el entrn de aplicación dnde se realizarán las pruebas preliminares de migración de dats. Para ell se tma la decisión de definir la prueba de funcinamient sbre un DW perativ existente en el LIA: el Sistema de Infrmación Gerencial SIU-Wichi. Este DW maneja dats financiers, administrativs, académics y de persnal de la UNRN. SIU- Wichi utiliza la base de dats relacinal PstgreSQL y la platafrma analítica Pentah BI Server. Cm segunda etapa se espera realizar pruebas que permitan cmparar el desempeñ de la base de dats seleccinada versus un ambiente analític ya existente. Si bien es psible iniciar las pruebas sbre SIU- Wichi, también se prevé realizar cmparacines de perfrmance cn trs DW que, aun n siend cnsiderads de la embergadura de big data, tengan un vlumen de dats mayr. Para esta instancia se espera instanciar en una base de dats NSQL el DW de la Agencia de Recaudación Tributaria de la Prvincia de Rí Negr (ARTRN), que sprta ls prgramas de recaudación, percepción y fiscalización de ls impuests prvinciales. Este DW utiliza la base de dats relacinal Oracle y la platafrma analítica Pentah Business Analytics. Una vez decidid el entrn que se utilizará para las pruebas, analizand las diferentes clasificacines de bases de dats para Big Data, la elección se inclina hacia las bases de dats analíticas, justamente pr el tip de aplicación, y entre ellas, las rientadas a clumnas. Estas bases de dats sn de las más cnflictivas en cuant a su lugar en las clasificacines, dad que pueden n ser incluidas dentr de las bases de dats NSQL, per también sn las que cnceptualmente más se acercan al paradigma relacinal, y más se asemejan al mdel multidimensinal utilizad en el diseñ de DW (ver Fig.1).
7 Su base de clientes incluye empresas cm Yah!, Xerx, Bwin, etc. Fig. 1. Base de dats rientada a clumna vs. rientada a fila [Timestred]. El almacenamient en filas sirve cuand tdas las clumnas sn necesarias, ideal para un mund transaccinal dnde usualmente se necesita td el detalle de una entidad. En cambi, el almacenamient en clumnas sirve cuand sl se requieren algunas clumnas para el análisis, cuand l que se busca es infrmación cnslidada (sumas, cantidades, prmedis), ideal para un mund analític dnde la infrmación se cncentra en la métrica de distintas entidades. Dentr de las bases de dats rientadas a clumnas, se pta pr iniciar las pruebas sbre Infbright. Se enumeran aquí las raznes de tal decisión [Pentah Big Data Arquitecture]: Es un mtr de base de dats analític rientad a clumnas de alta perfrmance que entrega rápids tiemps de respuesta a cnsultas adhc sbre Big Data cn mínim esfuerz de administración y mantenimient. La empresa prvee un mdel de negcis Try & Buy basad en una versión Enterprise (Infbright Enterprise Editin, IEE) y una versión Open Surce (Infbright Cmmunity Editin, ICE). Es sci tecnlógic de varias empresas de BI, incluyend Pentah (platafrma de SIU-Wichi y del DW de la ARTRN). A diferencia de tras bases analíticas, la mejr perfrmance de Infbright está basada en mdels matemátics, n en hardware. Se basa en la arquitectura MySQL (base de dats relacinal muy utilizada actualmente). Pr estar implantada sbre MySQL acepta SQL cm lenguaje de cnsulta. Dentr de las características distintivas de Infbright que se tmarn en cuenta para la decisión, surge cm dat interesante que es una base de dats clasificada cm NSQL y sí acepta SQL. De ls apartads anterires se puede cmprender que est n es una cntradicción, sin una crrbración que el mvimient NSQL n significa N SQL, sin Nt Only SQL (n slamente SQL), y que si se está pensand en iniciar el camin hacia bases de dats que acerquen el BI tradicinal al inminente Big Analytics, es quizá una buena pción hacer ls cambis de manera gradual. Arquitectura de Infbright. Las principales cmpnentes de la arquitectura de Infbright sn [Infbright Analytic Database]: Data packs - data cmpressin (paquetes de dats y cmpresión de dats). Ls dats se almacenan en data packs de medida fija que incluyen una cantidad determinada de valres de cada clumna. Cada data pack se cmprime individualmente utilizand el algritm de cmpresión ptimal para ess dats, l que resulta en tasas de cmpresión típicas de 10:1 hasta 40:1. Knwledge Grid (cuadrícula de cncimient). Es una estructura en memria
8 que crea y almacena autmáticamente infrmación acerca de ls dats al mment de carga y cuand se ejecutan cnsultas. Incluye infrmación de la tabla cmpleta y de cada data pack individual (Knwledge ndes). Granular Cmputing Engine (mtr de cmputación granular). Prcesa las cnsultas usand el Knwledge Grid, reduciend eliminand la cantidad de dats que deben descmprimirse para respnder la cnsulta. High-Speed Lading (carga de alta velcidad). Varias pcines de móduls de carga de dats que hacen dispnible ls dats generads pr máquinas en tiemps cercans al tiemp real. Prducts adicinales incluyen cnectres para Hadp que simplifican la extracción de dats desde HDFS. DmainExpert (Expert en el Dmini). Extensión a la inteligencia del Knwledge Grid que agrega infrmación acerca de un dmini en particular (pr ej. Web, servicis financiers, etc.). Cntribuye a ptimizar dats generads pr máquina. Rugh Query (cnsulta aprximada) Puede acelerar las cnsultas analíticas en un factr 20:1 sbre grandes vlúmenes de dats. Permite que el usuari vaya reduciend ls resultads de manera iterativa antes de ejecutar la cnsulta cmpleta. Built n MySQL Infbright está cnstruid dentr de la arquitectura de MySQL. Esta integración le permite vincularse fácilmente cn cualquier herramienta de ETL (Extractin Transfrmatin and Lading extracción, transfrmación y carga) y BI cmpatible cn MySQL. El mtr (granular cmputing engine) resuelve las cnsultas cnsultand el knwledge grid y ls knwledge ndes. La cnsulta puede ser resuelta directamente identificar slamente ls data packs requerids, minimizand la descmpresión. Metdlgía Cm se expresó en la etapa de elección de la base de dats NSQL a investigar en el presente trabaj, se utilizarán al mens ds universs de estudi para realizar la cmparación cn bases de dats relacinales. El primer de ells, el DW de SIU-Wichi es un mdel prvist pr la rganización SIU, instalad, actualizad y utilizad pr la UNRN cn las herramientas y prcess desarrllads pr SIU. Pr tr lad, el DW de la ARTRN es un desarrll prpi de la Agencia, del cual participa un de ls integrantes del equip de investigación del presente trabaj. Ambs DW están implementads en bases de dats relacinales cmerciales diferentes (PstgreSQL y Oracle) y pseen un vlumen de dats también diferente. Mientras la base de dats de SIU-Wichi es del rden de ls megabytes de dats, la de la ARTRN es del rden de ls gigabytes. Ls tamañs específics de las tablas invlucradas se incluirán en las cmparacines que se realicen. Ls pass prevists para el desarrll incluyen: 1) Pruebas de funcinamient de Infbright básicas, utilizand tablas de la base de dats exprtadas de SIU-Wichi. 2) Pruebas cmparativas de carga de dats y de cnsultas SQL básicas. 3) Identificación de sentencias SQL generadas pr las cnsultas multidimensinales (mdx) que surgen de la utilización de la herramienta
9 de BI de Pentah (Pentah Business Analytics). 4) Pruebas cmparativas de sentencias identificadas en 3). Para est se deberá recrear en Infbright ls mdels multidimensinales de alguns cubs de ls DW elegids. Ejecutar el lte de sentencias identificadas cm frecuentes en ls sistemas de rigen y lueg ejecutar las mismas sentencias en el mdel NSQL, determinand cnsistencia de infrmación btenida y perfrmance de la cnsulta. 5) Este pas depende de ls resultads btenids en el anterir. Si las pruebas cmparativas dan resultads alentadres en función de ls bjetivs, se prcede a la implementación de las herramientas de usuari Pentah sbre un DW en Infbright. Cas cntrari, si las pruebas demuestran algún prblema de cmpatibilidad entre la base de dats seleccinada y el tip de cnsultas multidimensinales analizadas, se prevé la evaluación de tras herramientas de bases de dats NSQL. Resultads En este estadí de la investigación se ha instalad la base de dats Infbright Cmmunity Editin (ICE) y se han imprtad dats de prueba en la nueva platafrma. Para la carga de dats se utiliza el Infbright Lader, que es el únic mdul de carga que prvee la versión ICE [Infbright Data Lading Guide Revisin 2.1, 2010], y es el más rápid, a expensas de manej de errres mens rbust. Dad que ls dats a cargar prvienen de una fuente ya validada pr ls prcess ETL de carga del DW, el manej de errres n es la priridad. De tdas frmas, el rest de ls móduls de carga de dats sl sn prvists pr la versión Enterprise de Infbright (IEE). Cn ls dats imprtads se han realizad cnsultas básicas SQL que permiten validar la cnsistencia de la carga, siguiend las sugerencias de mejres prácticas [Infbright Best Practices, 2012] (utilización de subselects en lugar de jins, sl cnsultar las clumnas necesarias, etc). En este mment se está avanzand cn la catalgación de sentencias SQL generadas pr el us del DW, identificand además de las sentencias específicas, trs dats que se entiende van a ser de interés en la cmparación. Algunas detectadas actualmente: Clausulas SELECT frecuentes en SQL multidimensinal (jins cn dimensines, grup by pr valres de dimensines, funcines de sumarización, etc.) Sentencias SELECT de búsqueda en dimensines generadas pr la herramienta de filtr (la frma en que las herramientas de Pentah presentan las pcines de filtrad pr una dimensión, dependiend de ls parámetrs de cnfiguración de la herramienta, pueden generar la lista cmpleta de la dimensión (SELECT sin WHERE) generar sl la lista de valres de la dimensión incluids en el cub crriente (SELECT cn JOIN) Tip y us de índices en las tablas que implementan las dimensines y las tablas de hechs en ls sistemas rigen. Implementación de filtrs de medidas, cn WHERE en la base de dats,
10 mediante prcesamient de la herramienta BI. Ls bjetivs restantes apuntan a cmpletar esta lista de sentencia frecuentes, reprducir las sentencias identificadas en Infbright mediante SQL y psterirmente, según ests resultads, implementar las herramientas de Pentah sbre una réplica de un DW ( parte de él) almacenad cmpletamente en Infbright. Cabe aclarar que, a la luz de ls bjetivs de esta investigación, n se persigue una mejra sustancial en la perfrmance de la base de dats NSQL analizada respect de las relacinales cmparadas. El bjetiv principal es demstrar que es factible utilizar bases de dats NSQL en prblemas analítics, n necesariamente de big data. De manera que el crrect funcinamient de la base de dats para las cnsultas definidas, asegurand la cnsistencia e integridad de la infrmación brindada, y su adaptación a herramientas del mercad de DW cm Pentah, sin pérdida de perfrmance, se cnsidera un resultad exits para el bjetiv plantead. Si bien es esperable una mejra en perfrmance, n es el bjetiv principal de las pruebas. Discusión abierta Este trabaj presenta un análisis de las herramientas existentes para Big Data, en particular las rientadas a bases de dats NSQL. Se revisan las diferentes clasificacines de las bases de dats alternativas a las relacinales, pniend el fc en aquellas que se adapten a las tareas de BI y que puedan ser utilizadas en td el camin de una rganización hacia el análisis de sus dats, desde ls DW tradicinales a las aplicacines de Big Analytics. Se seleccina una categría de bases de dats NSQL, las rientadas a clumnas, y se analizan sus características cnfrntándlas cn las que se cnsideran necesarias para el bjetiv prpuest. En base a la categría seleccinada, a la definición de un entrn de prueba factible y a las herramientas de BI existentes en el ámbit de la investigación, se elige un prduct específic de bases de dats rientadas a clumnas: Infbright Cmmunity Editin, se estudia su arquitectura y funcinamient y se l implementa en el ambiente de trabaj, para la realización de pruebas de adaptabilidad y perfrmance. El trabaj deja plantead un camin para la inserción del BI tradicinal en las nuevas herramientas de bases de dats para Big Data, que pdrá ser utilizad en el marc del pryect de Ciudades Inteligentes en Rí Negr para dar sprte al almacenamient y análisis de infrmación sbre el vlumen de dats que éste genere a futur. En dich camin se pdrá ahndar en el us de trs tips y prducts de base de dats NSQL para Big Data, inclus aquells que seguramente seguirán surgiend en el mercad. Referencias Antiñanc, Matías Javier. Bases de Dats NSQL: Escalabilidad y alta dispnibilidad a través de patrnes de diseñ. Diciembre, Bllatti, Rdlf. Big Data en la educación. XV Wrkshp de Investigadres en Ciencias de la Cmputación Brewer, Eric. Tward Rbust Distributed Systems.
11 Strauch, Christf. NSQL Databases. b-2004/podc-keynte.pdf (2000). Universidad Stuttgart Media Eatn, Chris. Deutsch, Tm. Ders, Dirk. Timestred Lapis, Gerge. Zikpuls, Paul. Understanding Big Data. Analytics fr guides/kdb-database-intr Enterprise Class Hadp and Streaming Data. Mc Graw Hill Infbright Analytic Database. Architecture Overview. Whitepaper. Infbright Best Practices May ght-best-practices Infbright Data Lading Guide Revisin 2.1 Nvember 11, bright_data_lading_guide.pdf Jyanes Aguilar, Luis. Big Data: análisis de grandes vlúmenes de dats en rganizacines. Alfamega. Juli Katsv, Ilya NSQL Data Mdeling Techniques 03/01/nsql-data-mdeling-techniques/ (2012). Martín, A, Chavez, S., Rdriguez, N., Valenzuela, A., Murazz, M. Bases de dats NSQL en Clud Cmputing. UNSJ. XV Wrkshp de Investigadres en Ciencias de la Cmputación Pentah Big Data Architecture. Pruebas de rendimient bases de dats clumnares vs bases de dats rientadas a filas. umn_opensurce.pdf
Procedimiento P7-SIS Revisión 2 24-04-13
Prcedimient P7-SIS Revisión 2 24-04-13 Gestión y mantenimient de Sistemas Objet Describir cóm se gestina y administra tda la infraestructura de sistemas infrmátics del Institut así cm las actividades de
Más detallesMANUAL MANUAL. DE MICROSOFT PowerPoint 2007
MANUAL DE MANUAL DE MICROSOFT MICROSOFT WORD EXCEL 2007 2007 PwerPint 2007 Page1 Page2 Índice Cntenids SISTEMA DE TRÁMITES VERSIÓN 2... 3 Intrducción... 3 Ingres... 3 Menú... 5 Funcines Principales del
Más detallesLo que se pretende conseguir es proporcionar información detallada sobre. algunos ejemplos de software diseñados para implementar la Minería de Datos.
SISTEMAS Y HERRAMIENTAS DE MINERÍA DE DATOS. EJEMPLOS: L que se pretende cnseguir es prprcinar infrmación detallada sbre alguns ejempls de sftware diseñads para implementar la Minería de Dats. Librerías:
Más detallesTendencia tecnológica y tecnología emergente. Yesenia Gutiérrez Bello Juan Rubén Vázquez Sánchez Marco Antonio Galindo Vallejo
Tendencia tecnlógica y tecnlgía emergente. Yesenia Gutiérrez Bell Juan Rubén Vázquez Sánchez Marc Antni Galind Vallej Tendencia tecnlógica Primera definición: «Nivel psible de utilización que tendrá alguna
Más detallesCómo escribir el Trabajo Fin
Cóm escribir el Trabaj Fin de Grad TRABAJO FIN DE GRADO Grad Magisteri Educación Infantil/Primaria/Educación Scial 0 0 Cóm escribir el Trabaj Fin de Grad CURSO DE ADAPTACIÓN El Trabaj Fin de Grad debe
Más detallesNotificaciones Telemáticas Portal del Ciudadano MANUAL DE USUARIO. Versión 1.2
20 Ntificacines Telemáticas Prtal del Ciudadan MANUAL DE USUARIO Versión 1.2 Manual de Usuari ÍNDICE 1. DESCRIPCIÓN GENERAL... 3 1.1. Alcance...3 1.2. Fluj de navegación...4 2. DESCRIPCIÓN FUNCIONAL...
Más detallesTrabajo Práctico Redes Neuronales Artificiales
Universidad Tecnlógica Nacinal Facultad Reginal La Plata - Añ 2015 Trabaj Práctic de RNA Trabaj Práctic Redes Neurnales Artificiales 1. Objetiv Cmprender las particularidades de la implementación de un
Más detallesGuía buscador de licitaciones MercadoPublico.cl
Guía buscadr de licitacines MercadPublic.cl Octubre 2011 I. Intrducción El buscadr de licitacines de MercadPublic.cl tiene el bjetiv de encntrar las licitacines públicas (en estad publicadas, cerradas,
Más detallesUniversidad Nacional de Tucumán
Universidad Nacinal de Tucumán Licenciatura en Gestión Universitaria Asignatura: Taller de Infrmática Aplicada a la Gestión Índice. Ncines Generales. (sistemas, pensamient sistémic, sistemas de infrmación).
Más detallesBases de Datos Relacionales
1ra. Parte Bases de Dats Relacinales Lic. En Sistemas de Infrmacin - Cátedra: Bases de Dats I Indice de Cntenids 1ra. Parte: Cncept de Mtres de DB Relacinales. Cmpnentes de una instancia. Archivs físics
Más detallesCloud Computing: Relevamiento y clasificación de Servicios de Bases de Datos
Clud Cmputing: Relevamient y clasificación de Servicis de Bases de Dats PAPI 2009 Fabrici Alvarez, Raul Ruggia InC Fing - UDELAR Clud Cmputing Qué es? Un tip de servici de TI de cálcul y almacenamient
Más detallesProcedimiento: Diseño gráfico y reproducción de medios impresos y/o digitales Revisión No. 00 Fecha: 06/10/08
Prcedimient: Diseñ gráfic y reprducción de medis impress y/ digitales Revisión N. 00 Secretaría de Planeación y Desarrll Institucinal Unidad de Infrmática Área de Diseñ Gráfic CONTENIDO 1. Prpósit 2. Alcance
Más detallesObjetivos y Temario CURSO ITIL 2011
Objetivs y Temari CURSO ITIL 2011 OBJETIVOS El bjetiv de este curs sbre ITIL es prprcinar al alumn tdas las claves para un crrect entendimient de ls prcess ITIL 2011 y su rganización. El curs está estructurad
Más detallesBREVE GUÍA METODOLÓGICA DEL EMPLEO CON APOYO
BREVE GUÍA METODOLÓGICA DEL EMPLEO CON APOYO INTRODUCCIÓN Se entiende pr emple cn apy (E.C.A.) el emple integrad en la cmunidad dentr de empresas nrmalizadas, para persnas cn discapacidad en riesg de exclusión
Más detallesGestión de Servicios de TI, por dónde empezamos? De las incidencias a los problemas
ITSM SOFTWARE Gestión de Servicis de TI, pr dónde empezams? De las incidencias a ls prblemas www.espiralms.cm inf@espiralms.cm PractivaNET Quiénes sms? PractivaNET Si el seminari de hy trata de cóm empezar
Más detallesCONTRALORÍA GENERAL DE LA REPÚBLICA PROGRAMA DE CONTABILIDAD GENERAL DE LA NACIÓN SECTOR MUNICIPAL NIVEL 1
CURSO DE CONTABILIDAD GENERAL DE LA NACIÓN SECTOR MUNICIPAL NIVEL 1 Cntenid 1. DESCRIPCIÓN GENERAL DEL CURSO... 2 a) DURACIÓN... 2 b) PERFIL DEL POSTULANTE... 3 c) SELECCIÓN... 3 2. OBJETIVOS DEL CURSO:...
Más detallesTUTORIAL SOBRE CARGA DE REGISTROS EN KOHA KOBLI. (Importación de registros en MARC 21)
TUTORIAL SOBRE CARGA DE REGISTROS EN KOHA KOBLI (Imprtación de registrs en MARC 21) ÍNDICE 1 Transfrmación y preparación de ls fichers a cargar...3 2 Carga de registrs a Kbli...3 Pas 1. Se carga el archiv.mrc
Más detallesCONVOCATORIA START-UP PUCP 2013 BASES
CONVOCATORIA START-UP PUCP 2013 BASES El Centr de Innvación y Desarrll Emprendedr de la Pntificia Universidad Católica del Perú (CIDE-PUCP) cnvca a la cmunidad PUCP a participar del cncurs START-UP PUCP.
Más detallesCartas de presentación
Cartas de presentación El bjetiv de la carta de presentación es dble: Pr un lad, pretende suscitar el interés de quien va a recibir tu candidatura, de manera que lea tu Curriculum Vitae cn la atención
Más detallesTEMARIO 5 Proceso contable. Sesión 5. Sistematización de la Contabilidad
TEMARIO 5 Prces cntable Sesión 5. Sistematización de la Cntabilidad 5. Sistematización de la Cntabilidad. INTRODUCCION: El papel de la cntabilidad en la ecnmía mderna es la presentación de estads financiers
Más detallesTambién. os. de formación. tendencias. Explica cómo se y la función de. Pág.1
E-learning Técnic de frmación 110 HORAS ON-LINE CONTENIDOS Fundaments de la frmación a distancia Bases cnceptuales. Características de la frmación a distancia Se realiza una aprximación histórica al fenómen
Más detalles1 Departamento de Informática y Comunicaciones. IES San Juan Bosco (Lorca-Murcia)
1 Departament de Infrmática y Cmunicacines. IES San Juan Bsc (Lrca-Murcia) Pryect de Implantación y Desarrll de una Aplicación Web (IDAW) 2º ASIR Blsa de Trabaj Curs 2013-2014 2 Departament de Infrmática
Más detallesEs importante destacar que el uso de cookies no proporciona datos personales del usuario, que de cara a Supercoaching permanece anónimo.
Plítica de ckies Infrmación sbre ckies USO DE COOKIES y FICHERO DE ACTIVIDAD. Este siti web utiliza ckies cuand un usuari navega pr sus páginas. Las ckies sn fichers enviads a un navegadr pr medi de un
Más detallesPack Comercio Electrónico
Pack Cmerci Electrónic Prgramación Páginas Web cn PHP + Marketing 75 + 45 HORAS ON-LINE CONTENIDOS: Prgramación Páginas Web cn PHP Prgramación cliente Prgramación de páginas web Presenta la necesidad de
Más detallesGestión de Informes de i-card Loyalty INTRODUCCIÓN. Página1
Página1 Gestión de Infrmes de i-card Lyalty INTRODUCCIÓN Cm habrá vist en el manual de administración, i-card Lyalty cm herramienta de fidelización de clientes le permite gestinar td un prgrama de descuents
Más detallesUTILIDAD DE LA PÁGINA WEB COMO GUÍA PARA TRABAJO PRESENCIAL Y NO PRESENCIAL EN LA ASIGNATURA ELECTROTERAPIA, TERMOTERAPIA E HIDROTERAPIA
UTILIDAD DE LA PÁGINA WEB COMO GUÍA PARA TRABAJO PRESENCIAL Y NO PRESENCIAL EN LA ASIGNATURA ELECTROTERAPIA, TERMOTERAPIA E HIDROTERAPIA Marian Martínez Gnzález y Ángel Martínez Carrasc Departament de
Más detallesGUÍA RÁPIDA DE USO. Requisitos tecnológicos para el correcto funcionamiento de Bot PLUS 2.0.
GUÍA RÁPIDA DE USO NOVEDADES DE Bt PLUS 2.0 2014 Cóm se instala, accede y cnfigura? Requisits tecnlógics para el crrect funcinamient de Bt PLUS 2.0. Aplicación cmpatible cn ls siguientes sistemas perativs:
Más detallesGuía General. Central Directo. Negociación de divisas en MONEX
Guía General Central Direct Negciación de divisas en MONEX Añ: 2011 NEGOCIACION DE DIVISAS - MONEX La presente guía ha sid elabrada pr el Banc Central de Csta Rica (BCCR) y frece infrmación básica para
Más detallesDETERMINACIÓN DERECHOS
DETERMINACIÓN DERECHOS ATRIBUCIÓN DE TITULARIDAD EN LA LEY A. LEYES APLICABLES EN EL ESTADO ESPAÑOL 1. Relativas a ls derechs de la universidad y de sus trabajadres: - Art. 20 de la Ley 11/1986 Españla
Más detallesSESIÓN 7 EL CONCEPTO COGNOSCITIVO; EL PENSAMIENTO
SESIÓN 7 EL CONCEPTO COGNOSCITIVO; EL PENSAMIENTO I. CONTENIDOS: 1. Naturaleza de la cgnición. Prcess cgnitivs. 2. El pensamient. 3. La slución de prblemas. 4. La creatividad. II. OBJETIVOS: Al términ
Más detallesMANUAL DE USUARIO DEL VISOR URBANÍSTICO
MANUAL DE USUARIO DEL VISOR URBANÍSTICO Manual Públic de usuari del Visr Urbanístic Versión: 1.0.85 Diciembre 2010 Página 1 PAGINA EN BLANCO Manual Públic de usuari del Visr Urbanístic Versión: 1.0.85
Más detallesINVESTIGACiÓN DE MERCADOS
i.. ~ Universidad Universidad del valle del Valle Facultad de Ciencias de la Administración Departament de Administración y Organizacines INVESTIGACiÓN DE MERCADOS DESCRIPCION DE LA ASIGNATURA Códig: 801175M
Más detallesMiembro de Global Compact de las Naciones Unidas - Member United Nations Global Compact SEMINARIOS HERRAMIENTAS COMERCIALES, TEMA:
LAS "REDES SOCIALES" EL NUEVO MODELO DE NEGOCIO ONLINE N. De hras: 8 hras Intrducción Muchas empresas han encntrad en estas cmunidades un canal idóne para cnseguir l que siempre han estad buscand: ser
Más detallesDigitalización de Documentos en Papel. Solución de Digitalización Aplika-Indexing
Digitalización de Dcuments en Papel Slución de Digitalización Aplika-Indexing Índice Intrducción...1 Digitalización de dcuments Aplika-Indexing... 1 Ingres a la aplicación... 1 Creación de dcuments...3
Más detallesManipulador de Alimentos
Presentación Objetivs Cntenids Metdlgía Recurss Evaluación Presentación Qué es la Guía Didáctica Este dcument te servirá cm rientación a l larg de td el curs. Aquí pdrás btener tda la infrmación que necesitas
Más detallesUna nueva propuesta: cambio de fecha, entrada libre y nuevo formato
Infrmación Cntext La actividad agrícla argentina mantiene una cnstante evlución en la tecnlgía aplicada, cn la mirada puesta en aumentar la precisión, el autmatism y la prductividad. Mantener una capacitación
Más detallesPresentación. Objetivos
Gestión del Grup Human Presentación En cargs de gerencia, las habilidades cmerciales siguen siend necesarias, per ya n sn suficientes. Si se trata de crear un ambiente capacitadr (que mtive), en el que
Más detalles1. Objetivo de la aplicación
1. Objetiv de la aplicación El bjetiv de esta aplicación es el de dispner de un canal de participación ciudadana en el que recibir preguntas de interés para ls ciudadans. Desde la página principal del
Más detallesPLAN DE VOLUNTARIADO 2015-2017 ACMIL
ENERO DE 2015 PLAN DE VOLUNTARIADO 2015-2017 ACMIL Cntenid PRESENTACIÓN... 2 OBJETIVO GENERAL... 3 OBJETIVOS ESPECIFICOS... 3 LINEAS ESTRATÉGICAS... 3 ÁMBITOS DE INTERVENCIÓN... 3 1 PRESENTACIÓN ACMIL
Más detallesPROYECTO EN FAVOR DE LA CONSERVACIÓN DE LA BIODIVERSIDAD ONU FUNDACIÓN AIRBUS ADEAC
ONU FUNDACIÓN AIRBUS ADEAC ACTIVIDADES DE ECOAUDITORÍA PARA EL ALUMNADO DE PRIMARIA Este material pretende Este material pretende cmplementar la ecauditría sbre bidiversidad i dirigida en mayr medida al
Más detallesRegistro de Autorización Empresa Venta y Asistencia Técnica de Comunidades Autónomas
Registr de Autrización Empresa Venta y Asistencia Técnica de Cmunidades Autónmas Manual de Us Versión: 1.3 28/05/2013 Cntrl de cambis Versión Fecha Revisad Resumen de ls cambis prducids 1.2 15-09-2010
Más detallesConoce y aplica los principios básicos para la elaboración de propuestas de inversión, operación y administración de los recursos financieros.
Nmbre de la Asignatura: Investigación de Operacines Crédits: 4 0-4 Aprtación al perfil: Cnce y aplica ls principis básics para la elabración de prpuestas de inversión, peración y administración de ls recurss
Más detallesModelo de prácticas pre profesionales
Mdel de prácticas pre prfesinales Intrducción La práctica pre prfesinal es el prces de frmación teóric-práctic rientad al desarrll de habilidades, desempeñs y cmpetencias de ls futurs prfesinales; a más
Más detallesUsando su ERP para la gestión de inventarios.
Artícul > Usand su ERP para la gestión de inventaris. Artícul Usand su ERP para la gestión de inventaris. 1 Cntenid Sumari Ejecutiv. 3 Asunts práctics cn la gestión de inventaris en tiemp real... 4 Cnclusión.
Más detallesRealizar copias de seguridad de archivos
Autr: Micrsft Licencia: Cita Fuente: Ayuda de Windws Realizar cpias de seguridad de archivs Para asegurarse de n perder sus archivs, debe realizar cpias de seguridad regulares de ls misms. Puede cnfigurar
Más detallesConjunto de servicios de los módulos funcionales. Entre los servicios que se ofrecen, destacamos:
Cnjunt de servicis de ls móduls funcinales Entre ls servicis que se frecen, destacams: Cmpnente DRI Cmpnente encargad de la rquestación de ls diferentes servicis lógics que cmpnen el nd de frma que permita
Más detallesGuía del Curso. Módulo
Guía del Curs Módul Este módul lleva pr títul: Perspectivas y psibilidades de las TIC en frmación (códig A) y frma parte del: Especialista Universitari en Diseñ y Gestión de Entrns Tecnlógics de frmación.
Más detallesLa información no es de valor hasta que un número es asociado con ella. o Benjamín Franklin.
Histria de la Medición en el Sftware La infrmación n es de valr hasta que un númer es asciad cn ella. Benjamín Franklin. N puedes cntrlar l que n puedes medir. Si crees que el cst de la medición es alt,
Más detallesPROYECTO SERVICIO DE INSERCIÓN LABORAL DE PERSONAS CON DISCAPACIDAD EN ECUADOR: TRABAJANDO POR LA INCLUSIÓN FENEDIF - AECID
PROYECTO SERVICIO DE INSERCIÓN LABORAL DE PERSONAS CON DISCAPACIDAD EN ECUADOR: TRABAJANDO POR LA INCLUSIÓN FENEDIF - AECID La Federación Nacinal de Ecuatrians cn Discapacidad Física FENEDIF, y la Agencia
Más detallesGuía General Central Directo. Ingreso a la Plataforma
Guía General Central Direct Ingres a la Platafrma Añ: 2015 La presente guía ha sid elabrada pr el Banc Central de Csta Rica (BCCR) y frece infrmación básica para facilitar a ls participantes de Central
Más detallesREPRESENTACIÓN GRÁFICA DE FUNCIONES REALES
Unidad didáctica 7. Funcines reales de variable real Autras: Glria Jarne, Esperanza Minguillón, Trinidad Zabal REPRESENTACIÓN GRÁFICA DE FUNCIONES REALES CRECIMIENTO Y DECRECIMIENTO Dada una función real
Más detallesRESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2013/2014
RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2013/2014 FAMILIA PROFESIONAL: QUÍMICA MÓDULO: ACONDICIONAMIENTO Y ALMACENAMIENTO DE PRODUCTOS QUÍMICOS CURSO QUÍMICA INDUSTRIAL 2 OBJETIVOS: 1. Cntrlar
Más detallesMicrosoft Excel. Excel tiene una gran variedad de cosas que si eres persona de negocios, te va a servir mucho.
Micrsft Excel 1. Micrsft Excel 2. Empezara a trabajar cn Micrsft Excel 3. Herramientas de Micrsft Excel 4. Qué es Excel y cuales sn sus características 5. Insertar una función 6. Hacer una frmula 7. Insertar
Más detallesSISTEMAS OPERATIVOS. Pág. 1
Un Sistema perativ es un sftware que actúa de interfaz entre ls dispsitivs de Hardware y las aplicacines (prgramas) utilizads pr el usuari para manejar un equip infrmátic. Es el respnsable de gestinar
Más detallesBases de Datos Relacionales
1ra. Parte Bases de Dats Relacinales Lic. En Sistemas de Infrmacin - Cátedra: Bases de Dats I Indice de Cntenids 1ra. Parte: Cncept de Mtres de DB Relacinales. Cmpnentes de una instancia. Archivs físics
Más detallesA continuación presentamos un posible modelo del contenido de un plan de mercadeo:
Mdel del cntenid del plan de mercade Existe una gran variedad de mdels de planes de mercade que reflejan n slamente la rientación y las perspectivas que tienen las empresas de vender en diferentes mercads,
Más detallesARANDA SERVICE DESK WINDOWS VERSIÓN DE ACTUALIZACIÓN QUE SE LIBERA: 8.1.14 LISTADO DE ARCHIVOS Tamaño (En Bytes)
NOMBRE DEL PRODUCTO: ARANDA SERVICE DESK WINDOWS VERSIÓN DE ACTUALIZACIÓN QUE SE LIBERA: 8.1.14 LISTADO DE ARCHIVOS Nmbre de Archiv Versión Tamañ (En Bytes) Destin del Archiv (Ruta) AAMSettings.exe 8.0.10.1
Más detallesCómo configurar el aula en Moodle?
Cóm cnfigurar el aula en Mdle? La platafrma Mdle les da a ls tutres pcines para cnfigurar un curs cn el fin de que puedan diseñar a su gust el espaci en el que publicarán sus cntenids. La función de cnfiguración
Más detallesESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
Códig : CASO-EC-01 Revisión: 1 Página 1 de 7 INTRODUCCIÓN La Institución se encuentra ejecutand el prces Acreditación y cm parte de dich prces se está realizand un prces participativ de reclección de dats
Más detallesESTRATEGIA NACIONAL DE SALUD Y SEGURIDAD EN EL TRABAJO
ESTRATEGIA NACIONAL DE SALUD Y SEGURIDAD EN EL TRABAJO HUNGRÍA ESTRATEGIA NACIONAL DE SALUD Y SEGURIDAD EN EL TRABAJO Página 1 ÍNDICE 1. ANTECEDENTES DE LA POLÍTICA NACIONAL DE SEGURIDAD Y SALUD EN EL
Más detallesGUÍA PARA LA PRESENTACIÓN DE PONENCIAS.
GUÍA PARA LA PRESENTACIÓN DE PONENCIAS. 1. PROPUESTAS DE INVESTIGACIÓN: Sn aquells pryects que se encuentran en su fase inicial y n han iniciad la reclección de la infrmación. Ests serán presentads a manera
Más detallesCurso Cultura científica: Divulgación y Comunicación de la Ciencia
BREVES APUNTES SOBRE LOS PROYECTOS DE CULTURA CIENTÍFICA El diseñ de un pryect de divulgación científica parte de una primera necesidad: generar y ptenciar la cultura científica de una sciedad cn el fin
Más detallesTaller de Informática Administrativa II
1.- DATOS DE LA ASIGNATURA Nmbre de la asignatura: Carrera: Clave de la asignatura: Hras tería-hras práctica-crédits Taller de Infrmática Administrativa II Licenciatura en Administración ADW-0442 0-5-5
Más detallesúltima generación como a móviles más antiguos.
! m b i l e web última generación cm a móviles más antigus. m b i l e web Cn MERKUR Tu web es móvil. Cnvierte tu siti web en móvil de manera sencilla y sin necesidad de realizar un dble desarrll MERKUR
Más detallesTecnología y arquitectura. Tecnología y Arquitectura. D.R. Universidad TecVirtual del Sistema Tecnológico de Monterrey México, 2012.
Tecnlgía y Arquitectura D.R. Universidad TecVirtual del Sistema Tecnlógic de Mnterrey Méxic, 2012. 1 Índice Inici 3 -Intrducción -Objetivs -Temari Tema 1. Autmatización y factres de evaluación.. 4 -Intrducción
Más detallesGestión de Servicios de TI Gestión de Problemas ( menos y menores incidencias)
ITSM SOFTWARE Gestión de Servicis de TI Gestión de Prblemas ( mens y menres incidencias) www.espiralms.cm inf@espiralms.cm PractivaNET Hy hablarems de Cóm implantar una nueva Gestión de Prblemas a partir
Más detallesUNIVERSIDAD FRANCISCO DE PAULA SANTANDER PROGRAMA DE INGENEIRIA DE SISTEMAS ANÁLISIS Y DISEÑO DE SISTEMAS. Enfoques para Modelado del Negocio
MODELO DEL NEGOCIO Intrducción Las Organizacines intentan cnjuntar ds visines para realizar su negci: Visión del negci: Especificar y mejrar sus prcess (análisis del negci) Visión de TI: Infrmatizarls
Más detallesLas competencias profesionales desarrolladas durante la Gerencia de Proyectos en Ingeniería son:
FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA INDUSTRIAL Códig-Materia: 05225 Gerencia de Pryects en Ingeniería Requisit: Planeación y Cntrl de la Prducción Prgrama Semestre: Ingeniería Industrial
Más detallesDOCUMENTO DE SÍNTESIS:
DOCUMENTO DE SÍNTESIS: LA AMBIENTALIZACIÓN DE EVENTOS FESTIVOS Gestión y Prgrama de Educación Ambiental en las Fiestas de la Universidad Autónma de Madrid LAURA PABLOS MARTÍN Licenciatura en Ciencias Ambientales.
Más detallesTÉCNICO EN GESTIÓN COMERCIAL Y MARKETING
TÉCNICO EN GESTIÓN COMERCIAL Y MARKETING (TEMARIO ADAPTADO A PRUEBAS LIBRES DE F.P. GRADO SUPERIOR). PRESENTACIÓN Un Técnic en Gestión Cmercial y Marketing es un prfesinal que puede desempeñar su actividad
Más detallesGuía del usuario: Perfil País Proveedor
Guía del usuari: Perfil País Prveedr Qué es? El Perfil del País Prveedr es una herramienta que permite a ls usuaris cntar cn una primera aprximación a la situación pr la que atraviesa un país miembr de
Más detallesTema 45 Grupos de trabajo. WorkFlow 30/05/2011
Tema 45 Grups de trabaj. WrkFlw 30/05/2011 Tema 45. Herramientas de prductividad de grups de trabaj. Fluj de trabaj (WrkFlw), asciación de tareas, actres y events. Flujs reglads. Índice 1 Intrducción...
Más detallesMicrosoft SQL Server
Autres: Jse Santamaría y Javier Hernández Micrsft SQL Server Micrsft SQL Server es un sistema de gestión de base de dats relacinal (RDBMS) prducid pr Micrsft. Su principal lenguaje de cnsulta es Transact-SQL,
Más detalles65 HORAS. documentos. describe el. información. de la suite. Pág.1
Micrsft Access 2010 (Cmplet) 65 HORAS ON-LINE CONTENIDOS Intrducción a Office 2010 Intrducción a Office Intrducción a la suite fimática Micrsft Office 2010, presentand ls prgramas que la frman. Se describee
Más detallesPLANIFICACIÓN DBA 1 V. 10G
PLANIFICACIÓN DBA 1 V. 10G Instructr: CLASE CONTENIDOS DE DBA 1 10G RECURSOS OBJETIVOS ACTIVIDADES Cncer al Instructr y a ls Alumns y establecer ls canales de cmunicación. Presentación del curs. Presentación
Más detallesGestión del cambio. Requisitos y estrategias de incorporación de las TIC
PRESENTACIÓN Cm ya hems id viend, las TIC abren psibilidades y camins para un Centr un cnjunt de Centrs que de tra manera serian abslutamente inaccesibles. Una de estas psibilidades tiene que ver cn la
Más detallesANEXO 1 TERMINOS DE REFERENCIA PARA LOS SERVICIOS OBJETO DE ESTA INVITACIÓN A CUANDO MENOS TRES PERSONAS.
ANEXO 1 TERMINOS DE REFERENCIA PARA LOS SERVICIOS OBJETO DE ESTA INVITACIÓN A CUANDO MENOS TRES PERSONAS. 1. Antecedentes y justificación La prducción de vehículs de exprtación ha tenid un crecimient de
Más detallesSistema de Control de Asistencia Biométrico BIOSys
Sftware de Cntrl de Asistencia Bimétric Sistema de Cntrl de Asistencia Bimétric BIOSys Resumen: Es una aplicación que permite gestinar cn exactitud ls hraris de entrada y salida del persnal de una empresa
Más detallesPRESENTACIÓN PROYECTO
PRESENTACIÓN PROYECTO Jsé León Gómez Rsari, 10-1º 06490 - Puebla de la Calzada (Badajz) E-mail: jselen@extremaduraregin.cm Tfn.: 629.41.04.93 EL PROBLEMA En la actualidad ls niveles de exigencia de ls
Más detallesHojas de Cálculo Apunte N 3. Fórmulas
Hjas de Cálcul Apunte N 3 Fórmulas Qué sn las Fórmulas? Las fórmulas sn expresines que se utilizan para realizar cálculs prcesamient de valres, prduciend un nuev valr que será asignad a la celda en la
Más detallesHoja de Trabajo 1 Nuestros Conceptos y Tradiciones
Hja de Trabaj 1 Nuestrs Cncepts y Tradicines Cncepts y Tradicines de NA Revisen el Cncept y la Tradición que le fuern asignads a su mesa y respnda las siguientes preguntas: 1. Que ns enseñan sbre el liderazg
Más detallesCurso Intensivo de Inglés Profesional(1 mes)
Curs Intensiv de Inglés Prfesinal(1 mes) Presentación Inici del curs: 21 de abril de 2014 La Fundación UNED frece en clabración cn English Weekend este curs dinámic e interactiv dirigid a persnas que buscan
Más detallesNuevas sondas moleculares fluorescentes que funcionan como sensores ópticos de ph con usos biomédicos
Nuevas sndas mleculares flurescentes que funcinan cm sensres óptics de ph cn uss bimédics Oficina de Cperación en Investigación y Desarrll Tecnlógic - OCIT Avenida Vicent Ss Baynat 12071 Castellón Tel:
Más detallesPlataforma de formación. Guía de navegación
Platafrma de frmación Guía de navegación Acceder a la platafrma Para acceder a la Platafrma de Frmación escribe la siguiente dirección en tu navegadr web: www.ics-aragn.cm A cntinuación verás la página
Más detallesAdministración Local Soluciones
SISTEMA INTEGRADO DE GESTIÓN DE EXPEDIENTES MODULAR (SIGM) MANUAL DE CONFIGURACIÓN DEL PAGO TELEMÁTICO SIGM v3 Administración Lcal Slucines Cntrl de versines Versión Fecha edición Cambi prducid Autr 01
Más detallesTambién se pueden desarrollar módulos específicos y luego sumarlos al conjunto de módulos de SUBAS.
SUBAS es un prgrama desarrllad pr TRON Sftware que tiene pr bjet vincularse cn el ERP BAS Cmpany Steering de Buens Aires Sftware, para btener infrmación a cmpletar cn diferentes prcess que amplían las
Más detallesMarketing Skills: Orientación y Servicio al Cliente
Marketing Skills: Orientación y Servici al Cliente Del 10 al 13 de Juni, 2014 1 TITULO DEL CURSO Marketing Skills: Orientación y Servici al Cliente DIRECTORA DEL CURSO Lla C. Duque Prfesra Visitante de
Más detallesecompetició Inscripciones Para acceder: http://www.fecapa.cat > Serveis Fecapa > Intranet ecompetició
ecmpetició Inscripcines Para acceder: http://www.fecapa.cat > Serveis Fecapa > Intranet ecmpetició También se puede acceder directamente al servidr pr la URL http://www.fecapa.cm:9080/ecmpetici, per es
Más detallesDireccionamiento IP. Realice una tabla como la que se muestra y agregue s. Tome como ejemplo el número 00110110
Direccinamient IP William Marín M. Direccinamient IP Repas sbre númers Binaris Objetiv: Cnvertir de Binari a Decimal Frma Manual Realice una tabla cm la que se muestra y agregue s. Tme cm ejempl el númer
Más detallesLABORATORIO #1 MONITORIZACIÓN DE SERVICIOS DE DATOS CON PRTG NETWORK MONITOR Y ANÁLISIS DE PROTOCOLOS CON WIRESHARK
UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERÍA DEPARTAMENTO DE SISTEMAS Y COMPUTACIÓN INFRAESTRUCTURA DE COMUNICACIONES Prfesr Harld Castr hcastr@uniandes.edu.c LABORATORIO #1 MONITORIZACIÓN DE SERVICIOS
Más detallesMigración ORACLE EBS Suite a Versión R12.2.4. Presentación de Avance
Pryect Oracle R12 Migración ORACLE EBS Suite a Versión R12.2.4 Presentación de Avance 7 de Agst de 2015 Pryect Migración Oracle EBS a R12.2.4 1 Agenda Estad General del Pryect Avance de las Tareas Csts
Más detallesBUEN USO DEL CORREO ELECTRÓNICO
BUEN USO DEL CORREO ELECTRÓNICO 2011 Secretaría de Infrmática Judicial Pder Judicial de San Luis 1 ÍNDICE 1. Intrducción. 2. Recmendacines cntra el Crre Basura SPAM 3. Otras Recmendacines para el us del
Más detallesUniversidad Central Del Este U C E Facultad de Ciencias y Humanidades Escuela de Pedagogía Mención Informática
Universidad Central Del Este U C E Facultad Ciencias y Humanidas Escuela Pedaggía Mención Infrmática Prgrama la asignatura: SIS-501 BASES DE DATOS Ttal Crédits: 3 Teóric: 2 Práctic: 2 Prerrequisits: SIS-012
Más detallesTaller de Sistemas de Información 1. Clase 3
Taller de Sistemas de Infrmación 1.NET Framewrk Clase 3 .NET Framewrk Es un framewrk desarrllad pr Micrsft, dispnible en platafrma Windws Incluye Una bibliteca de clases rientada al prgramadr a fin de
Más detallesMBA On Line Investment Readiness (Módulo Inversión y Business Plan) Investment Readiness MBA On Line. Página: 1/6
(Módul Inversión y Business Plan) Investment Readiness MBA On Line Página: 1/6 (Módul Inversión y Business Plan) Investment Readiness Inversión y Business Plan Desarrll de un plan de negcis para una cmpañía
Más detallesDiseñado para empresas y personas físicas dedicadas a proveer servicios que requieren control de clientes y cuentas por cobrar.
CONTPAQi Factura electrónica es el sistema que facilita la emisión, timbrad y recepción de Cmprbantes Fiscales Digitales pr Internet (CFDI) y el cntrl de las cuentas pr cbrar, para que puedas agilizar
Más detalles1.1. Qué entiende por el concepto de generalización de una red neuronal artificial?
UNIVERSIDAD CARLOS III DE MADRID In g e n i e r í a In f r m á t i c a, 3 º Cu r s Ex a m e n d e In f r m á t i c a T e ó r i c a II P a r t e d e t e r í a ( 2 p u n t s ) Se p t i e m b r e d e 2 0
Más detallesSharePoint Server 2010
SharePint Server 2010 Frmación Servicis Prfesinales Danysft 15/03/2012 PRESENTACIÓN Cmpetencias Micrsft Mediante estas certificacines, Micrsft acredita que cntams cn persnal técnic cualificad, y cn la
Más detallesCatálogo de aplicaciones de
DIRECCIÓN GENERAL DE MODERNIZACIÓN ADMINISTRATIVA, PROCEDIMIENTOS E IMPULSO DE LA ADMINISTRACIÓN ELECTRÓNICA Platafrma de Validación y Firma @firma Catálg de aplicacines de Estabra está baj una licenciacreativecmmns
Más detallesLa planificación financiera, importancia del presupuesto familiar
La planificación financiera, imprtancia del presupuest familiar TALLER: LA PLANIFICACION FINANCIERA, IMPORTANCIA DEL PRESUPUESTO FAMILIAR. EDUCACIÓN FINANCIERA Es un prces de desarrll de habilidades y
Más detalles