Neue Informationen

Aktuelles rund um codecentric

Hier finden Sie aktuelle Informationen zum Unternehmen, zu unseren Projekten und Auszeichnungen sowie Events und neuen, geplanten Kooperationen und Partnerschaften.

DataStax Cassandra Essentials Day mit Patrick McFadin

—-English version below!—-
 
Am 18. Juni wird ab 14 Uhr der NoSQL-Spezialist Patrick McFadin zu Gast in der Frankfurter Niederlassung der codecentric AG sein. Gemeinsam mit Big-Data-Experten von codecentric wird er über den Einsatz von DataStax Enterprise Edition und Spark informieren. Auch für Networking und gegenseitigen Ideenaustausch rund um Big-Data-Themen wird es reichlich Gelegenheit geben. Für Snacks und Getränke wird ebenfalls gesorgt sein.

Anmeldung über Eventbrite

Die Teilnahme ist kostenfrei. Zur Anmeldung auf Eventbrite geht es hier.
 

Über Patrick McFadin

Als Chief Evangelist für die Firma DataStax, die Enterprise-Lösungen auf Basis von Cassandra anbietet, ist Patrick McFadin einer der herausragendsten Experten für die NoSQL-Lösung. In seiner Rolle als Berater bei DataStax war er an einigen der weltweit größten Deployments in diesem Umfeld beteiligt.

Über Apache Cassandra

Die quelloffene Datenbank-Lösung Cassandra wird seit 2010 von der Apache Software Foundation gehostet und wird vorrangig durch Entwickler der Firma DataStax weiterentwickelt. Für Sommer 2015 wird das nächste große Release erwartet, Cassandra 3.0.
 

Agenda

14:00 Uhr: Begrüßung
14:15 – 15:00 Uhr: Patrick McFadin, Rachel Pedreschi: Beyond the query: DataStax search and Analytics with Apache Cassandra (Slides)
15:15 – 16:00 Uhr: Dominique Rondé: Real Time Business Intelligence mit Cassandra, Kafka und Hadoop (Slides)
16:00 – 16.30 Uhr: Kaffeepause
16:30 – 17:15 Uhr: Matthias Niehoff: Big Data Analytics mit Cassandra, Spark & MLlib (Slides)
17:15 – 17:30 Uhr: Wrap-up
17:30 -… Snacks & Networking
 

 

Abstracts

Patrick McFadin, Rachel Pedreschi: Beyond the query: DataStax search and Analytics with Apache Cassandra
 
Wait! Back away from the Cassandra secondary index. It’s OK for some use cases, but it’s not an easy button. „But I need to search through a bunch of columns to look for the data and I want to do some regression analysis… and I can’t model that in C*, even after watching all of Patrick McFadin’s videos. What do I do?” The answer, dear developer, is in DSE Search and Analytics.  With its easy Solr API and Spark integration, so you can search and analyze data stored in your Cassandra database until your heart’s content. Take our hand. We will show you how.
 
Dominique Rondé: Real Time Business Intelligence mit Cassandra, Kafka und Hadoop
 
Was habe ich gestern verkauft und wie viel meines Plans habe ich heute erfüllt? Wie nutzen meine Kunden unser Angebot? Welche Konfigurationskombinationen sind gefragt und welche Trends stehen uns bevor? Wie kann ich die User Experience verbessern? Diese und andere Fragen werden von Vorständen und Stakeholdern häufig gestellt und müssen in kurzer Zeit beantwortet werden. Gerade in Unternehmen, die konfigurierbare Produkte anbieten, ist es wichtig, die Produkt- und Preisverantwortlichen bei kurzfristigen und wettbewerbsrelevanten Fragen zeitnah mit allen wichtigen Daten in Ihrer Entscheidung zu unterstützen. Dieser Herausforderung stellen sich in unserem Use Case Cassandra, Kafka und Hadoop. Im Rahmen dieser Session werden wir eine Referenzarchitektur vorstellen und anhand ausgewählter Use Cases vorführen, welche Einsatzmöglichkeiten für Unternehmen entstehen.
 
Matthias Niehoff: Big Data Analytics mit Cassandra, Spark & MLlib
 
Apache Cassandra ist eine hochverfügbare und massiv skalierbare NoSQL-Datenbank. Wenn allerdings große Datenmengen effizient analysiert werden sollen, stößt Cassandra an ihre Grenzen. Apache Spark ist ein Framework zur Verarbeitung von Daten, welches unter anderem mit MapReduce arbeitet und dabei bis zu hundertmal schneller ist als Hadoop. Zudem bietet es eine sehr flexible API und Integrationsmöglichkeiten in verteilte Datenspeicher wie beispielsweise HDFS und auch Cassandra. Spark integriert mit der MLlib außerdem eine Bibliothek für verteiltes Machine Learning.
Nach einer kurzen Einführung in Spark soll in diesem Talk die Integration mit Cassandra gezeigt werden. Anschließend werden dann einige Use Cases für Spark und die MLlib anhand einer Live Demo vorgeführt.

DataStax Cassandra Essentials Day with Patrick McFadin

On June 18, the Frankfurt office of codecentric AG will host an event with Patrick McFadin, NoSQL expert and Chief Evangelist at DataStax. Together with Big Data experts from codecentric, McFadin will inform about the use of DataStax Enterprise Edition and Spark.
 
There will also be plenty of opportunity to network and exchange ideas on big data issues. Snacks and drinks will be provided.

Registration via Eventbrite

Participation is free, but prior registration is required. To register on Eventbrite, please click here.

About Patrick McFadin

As Chief Evangelist for DataStax, a company offering enterprise solutions based on Cassandra, Patrick McFadin is one of the foremost experts for NoSQL solutions. In his role as a consultant at DataStax he was involved in some of the largest deployments in that area.

About Apache Cassandra

The open source database solution Cassandra has been hosted by the Apache Software Foundation since 2010 and is primarily developed by DataStax developers. The next major release, Cassandra 3.0, is expected this summer.
 

Agenda

 
2 pm: Meet & Greet
2.15-3 pm: Patrick McFadin, Rachel Pedreschi (DataStax): Beyond the Query: DataStax Search and Analytics with Apache Cassandra (Slides)
3:15 – 4pm: Dominique Rondé (codecentric): Real Time Business Intelligence with Cassandra, Kafka and Hadoop (Slides)
4-4.30 pm: Coffee break
4:30-5 pm: Matthias Niehoff (codecentric): Big Data Analytics with Cassandra, Spark & MLlib (Slides)
5.15-5.30 pm: Wrap-up
5:30 -… pm: Snacks & Networking
 

Abtracts

 
Patrick McFadin, Rachel Pedreschi: Beyond the query: Datastax search and Analytics with Apache Cassandra
 
Wait! Back away from the Cassandra secondary index. It’s OK for some use cases, but it’s not an easy button. “But I need to search through a bunch of columns to look for the data and I want to do some regression analysis… and I can’t model that in C*, even after watching all of Patrick McFadin’s videos. What do I do?” The answer, dear developer, is in DSE Search and Analytics. With its easy Solr API and Spark integration, so you can search and analyze data stored in your Cassandra database until your heart’s content. Take our hand. We will show you how.
 
Dominique Ronde: Real Time Business Intelligence with Cassandra, Kafka and Hadoop
 
What did I sell yesterday and how much of my plan did I fulfill today? How do my clients use our offer? What configuration combinations are in demand and what trends are emerging? How can I improve the user experience? These and other questions are frequently asked by board members and stakeholders and must be answered within a short period of time. Especially in companies that provide configurable products, it is important to support the product and pricing managers in short-term and competition-related matters with all the important data in a timely manner. In our use case, Cassandra, Kafka and Hadoop will take up this challenge. In this session, we will present a reference architecture based on selected use cases and demonstrate what applications arise for companies.
 
Matthias Niehoff: Big Data Analytics with Cassandra, Spark & MLlib
 
Apache Cassandra is a highly available and massively scalable NoSQL database. If large amounts of data are to be analyzed efficiently, however, Cassandra has its limitations. Apache Spark is a framework for processing data, which operates, among others, with MapReduce, but is up to a hundred times faster than Hadoop. In addition, it offers a very flexible API and integration possibilities for distributed data stores such as HDFS and Cassandra. With MLlib, Spark also boasts an integrated library for distributed machine learning.
After a brief introduction to Spark, the integration with Cassandra will be demonstrated. In a live demo, we will then show some use cases for Spark and MLlib.