Probleme beim Einloggen

Azure machine learning und SQL Server 2014 Cardinality Estimator

Di, 10.02.2015, 18:00 (CET)
-
Di, 10.02.2015, 21:00 (CET)
Anmeldeschluss: Di, 10.02.2015, 11:00 (CET)
WISSBern, SchweizIn Google Maps öffnen
Freie Plätze: 21
Azure machine learning und SQL Server 2014 Cardinality Estimator

Im Februar treffen wir uns zu zwei Themen, welche uns im täglichen Alltag eine Zeitersparnis bieten können.

Dabei planen wir folgende Agenda:

  • Azure machine learning mit Roland Krummenacher
  • Pizza-Break
  • Änderungen im Cardinality Estimator SQL Server 2014 mit Klaus Aschenbrenner


Abstract Azure machine learning mit Roland Krummenacher

Predict What's Next: Einstieg in Azure Machine Learning

Wäre es nicht toll, wenn wir die Zukunft voraussagen könnten? Wenn eine Leiterin der Notaufnahme eines Spitals wüsste, wieviele Patienten in der Nacht eingeliefert werden? Wenn die Marketing-Abteilung im Voraus wüsste, ob eine Werbe-Kampagne beim Publikum ankommt? Wenn ein Garagist wüsste, wann ein Alternator ersetzt werden muss, bevor es eine Panne gibt? Wenn die Polizei Verbrechen verhindern könnte, bevor sie begangen werden? Tatsächlich wird an solchen Vorhersagen schon seit Jahrzehnten geforscht und das mit einigem Erfolg. Die Berechnung solcher Modelle war jedoch bisher nur Experten mit Zugang zu entsprechenden Ressourcen vorbehalten.

Mit Azure Machine Learning, dem Hipster unter den Azure Diensten, können auch wir Normalsterbliche schnell, einfach und relativ günstig solche Vorhersage-Modelle entwickeln und via REST-Schnittstelle in unsere Software einbinden oder Dritten anbieten. Diese Session gibt einen schnellen Einstieg ins Thema und zeigt welche Möglichkeiten Azure ML eröffnet. Geeignet für Datenanalysten, die sich mit Azure auseinandersetzten wollen oder Entwickler, die vor dem Thema nicht zurückschrecken. Es sind keine Vorkennnisse notwendig.

Abstract Änderungen im Cardinality Estimator SQL Server 2014 mit Klaus Aschenbrenner

Eine der wichtigsten Aufgaben, die der Query Optimizer im SQL Servers übernimmt, ist die sogenannte Cardinality Estimation: eine Abschätzung zu machen wie viele Datensätze von einer Abfrage zurückgeliefert werden. Aufbauend auf dieser Abschätzung wird ein entsprechender Ausführungsplan generiert und dieser ausgeführt. Die Cardinality Estimation bedient sich eines mathematischen Modells, das einigen Einschränkungen unterliegt. Verletzen Sie diese Einschränkungen, generiert Ihnen der Query Optimizer einen qualitativ schlechteren Ausführungsplan. Aus diesen Beweggründen heraus gibt es im SQL Server 2014 entsprechende Neuerungen, um mit diesen "Grauzonen" in der Cardinality Estimation besser umgehen zu können. Im Rahmen dieses Vortrags werden wir uns im ersten Schritt diesen Grauzonen näher widmen, und aufbauend darauf werden Sie die Änderungen kennenlernen, die der SQL Server 2014 implementiert. Dieser Vortrag ist für jeden SQL Server Entwickler/Administrator geeignet, da die Cardinality Estimation jede Abfrage betrifft, die Sie zum SQL Server schicken.


Wir freuen uns auf Deine Teilnahme!

Martin Affolter, Kay Herzam und René Leupold

Im Februar treffen wir uns zu zwei Themen, welche uns im täglichen Alltag eine Zeitersparnis bieten können.

Dabei planen wir folgende Agenda:

  • Azure machine learning mit Roland Krummenacher
  • Pizza-Break
  • Änderungen im Cardinality Estimator SQL Server 2014 mit Klaus Aschenbrenner


Abstract Azure machine learning mit Roland Krummenacher

Predict What's Next: Einstieg in Azure Machine Learning

Wäre es nicht toll, wenn wir die Zukunft voraussagen könnten? Wenn eine Leiterin der Notaufnahme eines Spitals wüsste, wieviele Patienten in der Nacht eingeliefert werden? Wenn die Marketing-Abteilung im Voraus wüsste, ob eine Werbe-Kampagne beim Publikum ankommt? Wenn ein Garagist wüsste, wann ein Alternator ersetzt werden muss, bevor es eine Panne gibt? Wenn die Polizei Verbrechen verhindern könnte, bevor sie begangen werden? Tatsächlich wird an solchen Vorhersagen schon seit Jahrzehnten geforscht und das mit einigem Erfolg. Die Berechnung solcher Modelle war jedoch bisher nur Experten mit Zugang zu entsprechenden Ressourcen vorbehalten.

Mit Azure Machine Learning, dem Hipster unter den Azure Diensten, können auch wir Normalsterbliche schnell, einfach und relativ günstig solche Vorhersage-Modelle entwickeln und via REST-Schnittstelle in unsere Software einbinden oder Dritten anbieten. Diese Session gibt einen schnellen Einstieg ins Thema und zeigt welche Möglichkeiten Azure ML eröffnet. Geeignet für Datenanalysten, die sich mit Azure auseinandersetzten wollen oder Entwickler, die vor dem Thema nicht zurückschrecken. Es sind keine Vorkennnisse notwendig.

Abstract Änderungen im Cardinality Estimator SQL Server 2014 mit Klaus Aschenbrenner

Eine der wichtigsten Aufgaben, die der Query Optimizer im SQL Servers übernimmt, ist die sogenannte Cardinality Estimation: eine Abschätzung zu machen wie viele Datensätze von einer Abfrage zurückgeliefert werden. Aufbauend auf dieser Abschätzung wird ein entsprechender Ausführungsplan generiert und dieser ausgeführt. Die Cardinality Estimation bedient sich eines mathematischen Modells, das einigen Einschränkungen unterliegt. Verletzen Sie diese Einschränkungen, generiert Ihnen der Query Optimizer einen qualitativ schlechteren Ausführungsplan. Aus diesen Beweggründen heraus gibt es im SQL Server 2014 entsprechende Neuerungen, um mit diesen "Grauzonen" in der Cardinality Estimation besser umgehen zu können. Im Rahmen dieses Vortrags werden wir uns im ersten Schritt diesen Grauzonen näher widmen, und aufbauend darauf werden Sie die Änderungen kennenlernen, die der SQL Server 2014 implementiert. Dieser Vortrag ist für jeden SQL Server Entwickler/Administrator geeignet, da die Cardinality Estimation jede Abfrage betrifft, die Sie zum SQL Server schicken.


Wir freuen uns auf Deine Teilnahme!

Martin Affolter, Kay Herzam und René Leupold
Kommentare zum Event
Bitte einloggen oder registrieren, um an der Diskussion teilzunehmen