Microsoft SQL Server

O Microsoft SQL Server  existe em 2 versões:  SERVER (Microsoft SQL Server 2016 Candidate2 para ser instalado em máquinas com o Microsoft Windows Server instalado) e CLIENT-SERVER (Microsoft SQL 2012/2014 Express para ser instalado em máquinas com o Windows XP, Windows 7, Windows 8, Windows 10) nas versões 32 bits (x86) e 64 bits (x64).

Neste link https://msdn.microsoft.com/en-us/library/ms143506(v=sql.130).aspx#Anchor_1 diz que o Microsoft SQL Server 2016 (64 bits) é para funcionar em conjunto com o processador AMD Opteron, AMD Athlon 64, Intel XEON ou Intel Pentium IV.

Processadores Quad-Core exigidos para uso junto com o Microsoft SQL Server 2016 Candidate2:

Intel XEON E3 = http://www.intel.com.br/content/www/br/pt/processors/xeon/xeon-processor-e3-family.html

Intel XEON E7 = http://www.intel.com.br/content/www/br/pt/processors/xeon/xeon-processor-e7-family.html

AMD Opteron Série 4000 = http://www.amd.com/pt-br/products/server/opteron/4000

AMD Opteron Série 6000 = http://www.amd.com/pt-br/products/server/opteron/6000

#########################################################################################

Quanto a opção de fazer o banco de dados do Microsoft SQL Server ficar offline para o MCDBA fazer uma importação ou exportação de dados, ou para o MCDBA fazer uma alteração em página de código do idioma utilizado dentro do banco de dados, ou para o MCDBA fazer uma cópia da base de dados para a realização de testes online, ou para o MCDBA desativar o banco de dados (offline) ou ativar o banco de dados para ele funcionar novamente, ou para o MCDBA fazer um backup ou restauro de dados, existem na versão SERVER do Microsoft SQL Server instalado em Microsoft Windows Server (sistema operacional de rede de 64 bits = Microsoft Windows Server 2008 / Microsoft Windows Server 2012 / Microsoft Windows Server 2016).

Essas funções não existem na versão CLIENT-SERVER (utilizada para o usuário ler as informações armazenadas dentro do banco de dados junto com softwares de aplicativos) do Microsoft SQL Server, instalado e configurado em máquinas Windows 7 / Windows 8 / Windows 10, de usuários comuns.

 

Microsoft SQL Server 2016 Candidate 2 Download = https://www.microsoft.com/pt-br/evalcenter/evaluate-sql-server-2016

 

Microsoft® SQL Server® 2014 Express Download (Client-Server) = https://www.microsoft.com/pt-br/download/details.aspx?id=42299

Microsoft® SQL Server® 2012 Express Download (Client-Server) = https://www.microsoft.com/pt-br/download/details.aspx?id=29062

Microsoft® SQL Server® 2012 Service Pack 2 (SP2) Express Download (Client-Server) = https://www.microsoft.com/pt-BR/download/details.aspx?id=43351

#########################################################################################

 

SQL Server 2016 (Library)

 

SQL Server 2014 (Library)

 

SQL Server 2012 (Library)

 

SQL Server 2008 R2 (Library)

 

SQL Server (Instalação)

 

Veja Também:

 

Microsoft SQL Server (Database)

 

 

BIG DATA – SQL (manutenção anual)

sql manutenção

Em 2000, eu era DBA (administradora de banco de dados), usei um sistema ERP junto com Microsoft Windows NT4 Server + Microsoft  SQL 6.5 Server, e alguns anos depois passei a usar o Microsoft Windows 2000 Server + Microsoft SQL 2000 Server.  Nessa época,  meu  trabalho  semanal  era  fazer o  backup em fitas  DAT (HP), quando  era necessário, para reparar algum problema que tenha acontecido com dados, eu fazia o restauro dos dados.    ERP = Software de Departamento Pessoal (Recursos Humanos = Lei CLT) + Software de Contabilidade (Financeiro) + Software Imobiliário (Condomínio)

Lembrete:  Depois alguns anos usando um sistema ERP com banco de dados SQL, eu notei a que a execução dos dados dentro do sistema que utiliza o SQL,  ficou com a execução muito lenta, apresentando alguns erros de memória ou funcionando com muita inconsistência. Se quando comprar a placa de memória nova, e isso não resolver, o problema é outro:  isso pode ser causado quando o índice (chave) do banco de dados SQL apresenta defeito.

Exemplos de Servidores de Banco de Dados: Microsoft SQL Server 2008 + Microsoft SQL Server 2012 + Microsoft SQL Server 2014 + Microsoft Azure SQL Database + Oracle SQL Server + Oracle MySQL Server + Oracle PL/SQL + Oracle NoSQL Database + PostgreeSQL, etc.

Recomendação a fazer anualmente:

Primeiro passo: para consertar os índices (chave) que provavelmente estão defeituosos, é preciso recriar e re-organizar a tabela SQL (Structured Query Language).  Deve-se fazer um REINDEX (recriar os índices).   (Fiz isso anos atras no Microsoft SQL 2000 Server e funcionou muito bem).  Exemplos de sintaxe:  http://www.postgresql.org/docs/8.1/static/sql-reindex.html , no Microsoft Developer Network em DBCC DBREINDEX (Transact-SQL) , e no Oracle: http://docs.oracle.com/cd/E22583_01/UI/help/Utils/RSTU/REINDEX.html.

Segundo passo:  deve-se olhar o  SQL Memory Size  = Maximum server memory (MB) |  Mem Usage (MB)  | Virtual Size (MB) para  reconfigurar o valor default relativo a quantidade de memória mínima e memória máxima, que o SQL irá lêr dentro da execução do sistema (software).  Observações:  Microsoft  Developer  Network:  Opções Server Memory de configuração do servidor e Microsoft TechNet:  Enabling Memory Support for Over 4 GB of Physical Memory (fazer login com conta Hotmail ou Outlook), ou fazendo o login em Oracle Help Center (Database Administrator’s Guide) em Using Automatic Memory Management (page 45 of 299), e o exemplo de cálculo  = ¿cuantos bytes hay en 4GB, y como se calcula?

======================================================

* 4 gigabyte =4294967296 bytes

* bit es la unidad menor de medida de la informacion, entonces

* 8 bit = 1 bytes

* 1 byte (b)= unidad minima funcional (1 Byte = una letra)

* 1 Kilobyte (Kb)= 1 024 bytes (1 kB)

* 1 Megabyte (Mb)= 1 024 Kilobytes= 1 048 576 bytes (1 MB = una novela)

* 1 Gigabyte (Gb)= 1 024 Megabytes= 1 048 576 Kilobytes= 1 073 741 824 bytes (1GB)

* 1 Terabyte (Tb)= 1 024 Gigabytes= 1 048 576 Megabytes= 1 073 741 824 Kilobytes= 1 099 511 627 776 bytes (1Tb)

* 1 Petabyte (Pb)= 1 024 Terabytes= 1 048 576 Gigabytes= 1 073 741 824 Megabytes= 1 099 511 627 776 Kilobytes= 1 125 899 906 842 624 bytes

* 1 Exabyte (Eb) =  1 024 Petabytes = 1 048 576 Terabytes = 1 073 741 824 Gigabyte = 1 099 511 627 776 Megabyte  = 1 125 899 906 842 624 Kilobytes= 1 152 921 504 606 846 976 bytes

* 1 Zettabyte (Zb)= 1 024 Exabytes= 1 048 576 Petabytes= 1 073 741 824 Terabytes= 1 099 511 627 776 Gigabytes= 1 125 899 906 842 624 Megabytes= 1 152 921 504 606 846 976 Kilobytes= 1 180 591 620 717 411 303 424 bytes

* 1 Yottabyte (Yb)= 1 024 Zettabytes= 1 048 576 Exabytes= 1 073 741 824 Petabytes= 1 099 511 627 776 Terabytes= 1 125 899 906 842 624 Gigabytes= 1 152 921 504 606 846 976 Megabytes= 1 180 591 620 717 411 303 424 kilobytes= 1 208 925 819 614 629 174 706 176 bytes

* 1 Brontobyte(Bb)= 1 024 Yottabytes= 1 048 576 Zettabytes= 1 073 741 824 Exabytes= 1 099 511 627 776 Petabytes= 1 125 899 906 842 624 Terabytes= 1 152 921 504 606 846 976 Gigabytes= 1 180 591 620 717 411 303 424 Megabytes= 1 208 925 819 614 629 174 706 176 Kilobytes= 1 237 940 039 285 380 274 899 124 224 bytes

* 1 Geopbyte (Geb)= 1 024 Brontobytes= 1 048 576 Yottabytes= 1 073 741 824 Zettabytes= 1 099 511 627 776 Exabytes= 1 125 899 906 842 624 Petabytes= 1 152 921 504 606 846 976 Terabytes= 1 180 591 620 717 411 303 424 Gigabytes= 1 208 925 819 614 629 174 706 176 Megabytes= 1 237 940 039 285 380 274 899 124 224 Kilobytes= 1 267 650 600 228 229 401 496 703 205 376 bytes

Memory Size = Fonte(s): http://es.kioskea.net/forum/affich-59124…

======================================================

Usar o REINDEX + revisar o SQL Memory Size, anos atrás, isso feito, resolveu os problemas que existiam no sistema (software).

Eu estou estudando atualmente o Microsoft Windows Server 2012 + Microsoft Windows SQL Server 2012 (comprei os livros).  Algumas vezes eu faço login e estudo o manual do SQL, dentro do site Microsoft Technet em SQL Server Language Reference   .  (fazer login com conta Hotmail ou Outlook)

Observações (HTML5):

Meses atrás, estudando programação web responsiva em Bootstrap, eu testei online dentro do meu site amgauna.eti.br  (atualmente ele está guardado dentro do Registro.BR),  e notei naquela época que o código utf-8, ele não reconhecia todos os acentos, e nem reconhecia o cedilha, utilizados no idioma português-brasileiro.  Como no Brasil utilizamos 0 BR no domínio, eu testei, e a acentuação brasileira funcionou.   http://www.w3schools.com/charsets/ref_html_utf8.asp

No Brasil, no HTML5, deve-se utilizar utf-8-br (português-brasileiro), minha opinião, testei, experimentando Bootstrap, e funcionou a acentuação.

Por:  Ana Mercedes Gauna (09/10/2015)

https://anagauna.wordpress.com  |   https://about.me/anagauna

Senior System Analist | Webmaster | DBA | CCNA2 | ERP | Management

Rio de Janeiro/RJ – Brazil – 27 anos de experiência profissional (CLT)

BIG DATA – ANALYTICS

big data analitycs

Bunyamin Önel shared this Cisco Packet Tracer scenario

Acima, um desenho exemplo de layout do projeto de uma rede de computadores do  tipo BIG DATA.  Esse desenho foi feito utilizando o software Trace-Route utilizado pela Cisco Networking Academy da Cisco Systems.   Esse desenho de layout foi feito por Bunyamin Önel shared this Cisco Packet Tracer scenario…   (If you have ‪#‎PacketTracer‬ scenarios to share, send them over to netacadfb@gmail.com   with some info and we will share them on this page) – Anastasia at ‪#‎Cisco‬ https://lnkd.in/dMJu7Yd

Abaixo, meu resumo do estudo de BIG DATA – ANALYTICS, retirando um grau de complicação técnica, para simplificar o meu entendimento desse assunto.

DataScienceInformationInfrastructure

ANÁLISE DE DADOS (ESTATÍSTICA)

Os estudos estatísticos estão relacionados às situações que envolvem planejamentos, coleta de dados, organização de informações, análise das informações coletadas, interpretação e divulgação de forma clara e objetiva. Os métodos de pesquisa podem ser classificados de duas formas: pesquisas de opinião ou pesquisas de mercado. Nas pesquisas de opinião, o objetivo principal é colher informações sobre determinando assunto com base em entrevistas pessoais. As pesquisas de mercado são realizadas através da análise de mercado sobre determinado produto.

A coleta, a organização, a descrição dos dados, o cálculo e a interpretação de coeficientes pertencem à Estatística Descritiva, enquanto a análise e a interpretação dos dados, associados a uma margem de incerteza, ficam a cargo da Estatística Indutiva ou Inferencial, também chamada como a medida da incerteza ou métodos que se fundamentam na teoria da probabilidade.

A utilização de tabelas e gráficos são frequentes na Estatística. As tabelas servem para organizar e tabular os dados, já os gráficos transmitem as informações com clareza e transparência, contribuindo para uma leitura objetiva.

==========================================================================

ANÁLISE DE DADOS  (SISTEMA DE INFORMAÇÕES)

ANÁLISE DE DADOS – O que é?

  • É o processo pelo qual se dá ordem, estrutura e significado aos dados (informações).
  • Consiste na transformação dos dados colectados em conclusões e/ou lições, úteis e verdadeiras.
  • A partir dos tópicos pré-estabelecidos processam-se os dados, procurando tendências, diferenças e variações nas informações obtidas.
  • Os processos, técnicas e ferramentas usadas são baseadas em certos pressupostos e como tal tem limitações.
  • O processo é utilizado para descrever e resumir os dados, identificar as relações e as diferenças existentes entre variáveis, comparar variáveis e fazer previsões.

ANÁLISE DE DADOS QUALITATIVO

  • Indaga o porque de determinado fato ou problema estar ocorrendo;
  • Estuda as motivações;
  • É indutivo;
  • Ajuda a definir hipóteses;
  • É exploratório;
  • Permite conhecer tendências, comportamentos, atitudes, etc;
  • Fornece informações detalhadas a tendências, atividades, etc;
  • Fornece informações detalhadas a perguntas ou problemas sobre um projeto ou atividade do mesmo;
  • Não permite inferir os resultados a toda uma população.
  • Descreve uma amostra populacional utilizando Tabelas de Frequências com sexo grupo etário e ocupação.
  • Organiza os comentários e as respostas em categorias similares (exemplo: preocupações, sugestões, pontos fortes, pontos fracos, etc)
  • Identificar os padrões, as tendências, as relações, bem como associações de causa-efeito.

FORMAS DE APRESENTAÇÃO DE DADOS QUALITATIVO:

  • Narrativas das respostas dos participantes
  • Diagramas de Causa-Efeito
  • Matrizes
  • Taxinomia
  • Diagrama de relações das várias categorias e o respectivo significado dado pelos participantes

TÓPICOS DO ROTEIRO E SEUS PRINCIPAIS OBJETIVOS QUALITATIVOS:

  • Identificar as características comuns ao grupo de trabalho, e as diferenças em relação aos outros grupos.
  • Inferir sobre os processos de socialização para o trabalho das cooperadas e se tais processos estariam associados, de algum modo, às formas como elas se percebem atualmente no trabalho.
  • Identificar as experiências comuns, a partir de sua inserção cooperativa, e seu impacto na vida pessoal, familiar e social

ANÁLISE DE DADOS QUANTITATIVO

  • Estuda as ações ou intervenções;
  • É dedutivo;
  • Fornece dados para provar hipóteses;
  • É conclusivo;
  • Mede o nível das intervenções, tendências, atividades, etc;
  • Produz informações quantificáveis sobre a magnitude de um problema, mas não fornece informações sobre o motivo do fato estar ocorrendo;
  • É possível inferir os resultados a toda uma população.
  • Utiliza-se os métodos estatísticos para representar os dados (informações)
  • Estatística descritiva envolve: coletar dados, apresentar dados e caracterizar dados, com a finalidade de descrever os dados.
  • Estatística inferencial envolve: estimativas e testes de hipóteses, com a finalidade de tomar decisões sobre as características de uma população a partir da amostra.

ETAPAS DA ANÁLISE DE DADOS QUANTITATIVOS

  • Organizar os dados, preocupando-se em dar uma ordem lógica aos dados, colocando todos os elementos da amostra e as variáveis em  estudo em uma tabela.
  • Agrupamento e resumo dos dados através de tabelas de frequências, exemplo: idade = (fi = ni / n)
  • Resumo das principais estatísticas (variável, média, mediana, moda, desvio padrão e variância)
  • Medidas de tendência central
  • Medidas de dispersão
  • Analisar e Interpretar os dados
  • Fazer o cruzamento de Tabelas (cross-tables)
  • Fazer uma análise de correlação

ANÁLISE E INTERPRETAÇÃO DOS DADOS QUANTITATIVOS

  • Geralmente, a análise e interpretação de dados envolve fazer comparações de grandezas estatísticas das varáveis de interesse.
  • As conclusões destas comparações baseiam-se na rejeição ou aceitação de hipóteses formuladas durante as questões avaliativas.
  • A aceitação ou rejeição de hipóteses baseia-se nos resultados obtidos nos chamados testes estatísticos.
  • Os testes mais usados são:  T-student , Chi-Quadrado e Anova
  • Baseline versus Resultados Alcançados: faz a  comparação da situação antes e após a implementação do programa.
  • Grupo Alvo versus Grupo de Controle: faz a comparação de atitudes ou práticas entre participantes e não participantes de um programa.
  • O grupo de tratamento – é um grupo de participantes da intervenção, cujas medidas de outcomes (resultado de equação lógica) são comparadas com às de um grupo de controle.
  • Controle grupo – é um grupo de “untreated” (não-tratados), cujo alvos que são comparados com grupos experimentais nos outcomes.

FERRAMENTAS PARA ANÁLISE DE DADOS (sistema de informações)

  • Atualmente existe diversas empresas de tecnologia que fornecem softwares para tratamento e análise de dados.

=========================================================================

ANÁLISE DE DADOS = DATA SCIENCE

  1.  Gregory Piatetsky-Shapiro (Analytics, Data Mining, Data Science Expert, KDnuggets President) com exemplos de  Fórmula de Cálculo em  Which Big Data, Data Mining, and Data Science Tools go together?
  2.  (Principal Data Scientist at Booz Allen Hamilton) em With Prescriptive Analytics, the future ain’t what it used to be
  3. Kirk Borne ‏@KirkDBorne  (Principal Data Scientist at Booz Allen Hamilton) em 50+ Free #DataScience Books: http://bit.ly/1rFM68K  #abdsc #BigData#MachineLearning #DataMining
  4. Bernard Marr @BernardMarr (Advanced Performance Institute) em Big Data Possibilities – What is Big Data?
  5. Bernard Marr @BernardMarr  (Advanced Performance Institute) em Supervised V Unsupervised Machine Learning — What’s The Difference? via
  6. Ronald van Loon ‏@Ronald_vanLoon  (Top10 Influencer ) em My Brief Guide to Big Data and Predictive Analytics for non-experts | #BigData#PredictiveA… http://bit.ly/1N01U9l  
  7. Ronald van Loon‏ @Ronald_vanLoon (Top10 Influencer ) em 12 Statistical and Machine Learning Methods that Every Data Scientist Should Know | #MachineLearning #DataScientishttp://bit.ly/29zeP8m
  8.  (Chief Scientist & VP at Development Dimensions International (); Author & Top Influencer on | | HR | | ) em Awesome tutorial from on Natural Language Processing – check it out!
  9.  (Chief Scientist & VP at Development Dimensions International (); Author & Top Influencer on | | HR | | ) em The seven deadly sins of statistical misinterpretation, and how to avoid them

 

Recomendação de Bibliografia Data ScienceGregory Piatetsky-Shapiro (Analytics, Data Mining, Data Science Expert, KDnuggets President) em More Free Data Mining, Data Science Books and Resources

The list below based on the list compiled by Pedro Martins, but we added the book authors and year, sorted alphabetically by title, fixed spelling, and removed the links that did not work.

  1. An Introduction to Data Science by Jeffrey Stanton, Robert De Graaf, 2013.
    An introductory level resource developed by Syracuse University
  2. An Introduction to Statistical Learning: with Applications in R by G. Casella, S, Fienberg, I Olkin, 2013.
    Overview of statistical learning based on large datasets of information. The exploratory techniques of the data are discussed using the R programming language.
  3. A Programmer’s Guide to Data Mining by Ron Zacharski, 2012.
    A guide through data mining concepts in a programming point of view. It provides several hands-on problems to practice and test the subjects taught on this online book.
  4. Bayesian Reasoning and Machine Learning by David Barber, 2012.
    focusing on applying it to machine learning algorithms and processes. It is a hands-on resource, great to absorb all the knowledge in the book.
  5. Big Data, Data Mining, and Machine Learning: Value Creation for Business Leaders and Practitioners by Jared Dean, 2014.
    On this resource the reality of big data is explored, and its benefits, from the marketing point of view. It also explains how to storage these kind of data and algorithms to process it, based on data mining and machine learning.
  6. Data Mining and Analysis: Fundamental Concepts and Algorithms by Mohammed J. Zaki, Wagner Meira, Jr., Data Mining and Analysis: Fundamental Concepts and Algorithms, Cambridge University Press, May 2014.
    A great cover of the data mining exploratory algorithms and machine learning processes. These explanations are complemented by some statistical analysis.
  7. Data Mining and Business Analytics with R by Johannes Ledolter, 2013.
    Another R based book describing all processes and implementations to explore, transform and store information. It also focus on the concept of Business Analytics.
  8. Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management by Michael J.A. Berry, Gordon S. Linoff, 2004.
    A data mining book oriented specifically to marketing and business management. With great case studies in order to understand how to apply these techniques on the real world.
  9. Data Mining with Rattle and R: The Art of Excavating Data for Knowledge Discovery by Graham Williams, 2011.
    The objective of this book is to provide you lots of information on data manipulation. It focus on the Rattle toolkit and the R language to demonstrate the implementation of these techniques.
  10. Gaussian Processes for Machine Learning by Carl Edward Rasmussen and Christopher K. I. Williams, 2006.
    This is a theoretical book approaching learning algorithms based on probabilistic Gaussian processes. It’s about supervised learning problems, describing models and solutions related to machine learning.

Read the full post on KDnuggets: http://www.kdnuggets.com/2015/03/free-data-mining-data-science-books-resources.html

Gregory Piatetsky-Shapiro (Analytics, Data Mining, Data Science Expert, KDnuggets President)

===========================================================================

Recomendação de Bibliografia Data Science = Kirk Borne@KirkDBorne Download 50+ Free #DataScience Books:http://bit.ly/1Or1j5Z  #abdsc #BigData #Analytics

Very interesting compilation published here, with a strong machine learning flavor (maybe machine learning book authors – usually academics – are more prone to making their books available for free). Many are O’Reilly books freely available. Here we display those most relevant to data science. I haven’t checked all the sources, but they seem legit. If you find some issue, let us know in the comment section below. Note that at DSC, we also have our free books:

There are several sections in the listing in question:

  1. Data Science Overviews (4 books)
  2. Data Scientists Interviews (2 books)
  3. How To Build Data Science Teams (3 books)
  4. Data Analysis (1 book)
  5. Distributed Computing Tools (2 books)
  6. Data Mining and Machine Learning (29 books)
  7. Statistics and Statistical Learning (5 books)
  8. Data Visualization (2 books)
  9. Big Data (3 books)

Here we mention #1, #5 and #6:

Data Science Overviews

Distributed Computing Tools

Data Mining and Machine Learning

============================================================================

The information management big data and analytics capabilities include :

  • Data Management & Warehouse: Gain industry-leading database performance across multiple workloads while lowering administration, storage, development and server costs; Realize extreme speed with capabilities optimized for analytics workloads such as deep analytics, and benefit from workload-optimized systems that can be up and running in hours.
  • Hadoop System: Bring the power of Apache Hadoop to the enterprise with application accelerators, analytics, visualization, development tools, performance and security features.
  • Stream Computing: Efficiently deliver real-time analytic processing on constantly changing data in motion and enable descriptive and predictive analytics to support real-time decisions. Capture and analyze all data, all the time, just in time. With stream computing, store less, analyze more and make better decisions faster.
  • Content Management: Enable comprehensive content lifecycle and document management with cost-effective control of existing and new types of content with scale, security and stability.
  • Information Integration & Governance: Build confidence in big data with the ability to integrate, understand, manage and govern data appropriately across its lifecycle.

Fonte: IBM.COM = http://www-01.ibm.com/software/data/bigdata/

===========================================================================

Por:  ANA MERCEDES GAUNA  (13/10/2015

https://anagauna.wordpress.com  |   https://about.me/anagauna

Senior System Analist | Webmaster | DBA | CCNA2 | ERP | Management

Rio de Janeiro/RJ – Brazil – 27 anos de experiência profissional (CLT)

BIG DATA – DataBase Definição

Santea Ioan from Romania of Network Layout Cisco Academy 20-10-2015

O desenho acima é o layout de “Santea Ioan, from #Romania, is currently studying #CCNA, she shared this Packet Tracer scenario that includes the following: IPV4, PV6, Subnetting, VLANs,  STP, VTP, Trunk and Access Ports, Port_Security, Etherchannel (PAGP), InterVLAN ROUTING,HSRP,Multi Area OSPF,Multi Area OSPFv3, DHCP Server, DNS Server, Email Server With POP3 AND SMTP Configured, Frame-Relay, and Extended ACLs“, em 19/10/2015. Esse desenho foi feito utilizando o Trace-Route do curso da Cisco Academy, e ela ilustra muito bem, um grau muito alto de complicação técnica de networking (rede de computadores).

Abdullah Hamdag Usman Tanggor pack tracer 118 Cisco Academy outubro2015

O desenho acima é o layout de “Abdullah Hamdag Usman Tanggor shared this Packet Tracer scenario covering:  DHCP, NAT, ETHER CHANNEL, PORT SECURITY, VLAN’s, Redundancy HSRP, RSTP+PVST…    (If you have ‪#‎PacketTracer‬ scenarios to share, send them over to netacadfb@gmail.com  with some info and we will share them on this page) – Anastasia at ‪#‎Cisco‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬”

Abaixo, o meu estudo, resumindo ao máximo o grau de complicação técnico, porque eu gosto de simplificar quase tudo o que é complicado de entender.

Definição prática de quais equipamentos e software, são utilizados para a construção do enorme volume de dados existentes em um Big Data.

Definição de BIG DATA:

Servidores de Banco de Dados: Microsoft SQL Server 2008 + Microsoft SQL Server 2012 + Microsoft SQL Server 2014 + Microsoft Azure SQL Database + Oracle SQL Server + Oracle MySQL Server + Oracle PL/SQL + Oracle NoSQL Database (JAVA) + SYBASE  (SAP), IBM DB2,  PostgreeSQL, por exemplo.

Servidores de Rede de Computadores (Mainframe Cloud Computing): Intel + Hewlett-Packard (HP) + FUJITSU, IBM + DELL + CISCO + SAMSUNG + ALOG (EQUINIX) + MANDIC + UOL, etc, por exemplo.

Sistema Operacional de Rede:  Microsoft Windows Server 2008 + Microsoft Windows Server 2012 + Microsoft Windows Server 2014 + Red Hat Linux + Mandriva Linux, Oracle Linux, etc, por exemplo.

Sistema Operacional de Rede Cloud Computing: Microsoft Windows Azure, Oracle Solaris (UNIX), por exemplo.

Oracle Sercer Zero Data Loss Recovery Appliance Experience at CERN

A  fotografia  acima  é  um  exemplo  de  Mainframe  (servidor  de  rede  de  computadores):  esta fotografia  é  um  dos mainframes da Oracle:  CERN  uses  Oracle  Zero  Data  Loss  Recovery  Appliance  to  back-up  and  restore  all  its  200 databases at a fast-paced and with minimum impact http://ora.cl/Lvz   and    https://plus.google.com/u/0/+AnaGauna2109/posts/ZUWES7VFfz6

Cada ano que passa, essa informação BIG DATA, tende a aumentar cada vez mais.

Para garantir a segurança da informação, e para proteger a privacidade das informações, hoje em dia existem várias técnicas modernas com certificações: AXELOS (ITIL), ISACA (COBIT|CISA), EXIN (Cloud Computing), CompTIA (Security), etc, por exemplo.  E a proteção que existe desde a década de 80, os antivírus Norton Internet Security (Symantec), McAfee LiveSafe (Intel Security), AVG Free, Avast Free, etc).

Hoje em dia o banco de dados SQL existe dentro dos servidores dos provedores de internet, que fornecem o serviço de uso disponível aos clientes.

Exemplos de BIG DATA:

Redes Sociais (login internacional):  todas as informações estão armazenadas dentro de diversos servidores de banco de dados SQL.

Bancos (login internacional):  todas as informações estão armazenadas dentro de diversos servidores de banco de dados SQL.

Youtube (login internacional): todos os videos disponíveis online estão armazenados em diversos servidores de banco de dados SQL.

Wikipédia (login internacional): todos os textos disponíveis online estão armazenados em diversos servidores de banco de dados SQL.

Wikipedia artigo de BIG Data:  https://en.wikipedia.org/wiki/Big_data

Observação:

Em 2000, eu era DBA (administradora de banco de dados), usei um sistema ERP junto com Microsoft Windows NT4 Server + Microsoft  SQL 6.5 Server, e alguns anos depois passei a usar o Microsoft Windows 2000 Server + Microsoft SQL 2000 Server.  Nessa época, meu trabalho semanal era fazer o backup em fitas  DAT (HP), quando  era necessário, para reparar algum problema que tenha acontecido com dados, eu fazia o restauro dos dados.    ERP = Software de Departamento Pessoal (Recursos Humanos = Lei CLT) + Software de Contabilidade (Financeiro) + Software Imobiliário (Condomínio)

Eu estou estudando atualmente o Microsoft Windows Server + Microsoft Windows SQL Server (comprei os livros).  Algumas vezes eu faço login e estudo o manual do SQL, dentro do site Microsoft Technet em SQL Server Language Reference   .  (fazer login com conta Hotmail ou Outlook)

Por Ana Mercedes Gauna ((estudo de Junho/2015 até Outubro/2015)
https://anagauna.wordpress.com  |   https://about.me/anagauna
Senior System Analist | Webmaster | DBA | CCNA2 | ERP | Management
Rio de Janeiro/RJ – Brazil – 27 anos de experiência profissional (CLT)