Kooperativer Bibliotheksverbund

UID:

Format: XII, 347 S. : , Ill., graph. Darst.

Note: mit Literaturhinweisen

Language: English

Subjects: Physics

Keywords: Sonnenstrahlung ; Aufsatzsammlung

UID:

Format: XXVI, 358 S. , Ill., zahlr. graph. Darst., Kt. , 24 cm

ISBN: 0470944889 , 9780470944882

Additional Edition: Erscheint auch als Online-Ausgabe ISBN 978-1-118-14024-6

Additional Edition: Erscheint auch als Online-Ausgabe ISBN 978-1-118-14025-3

Additional Edition: Erscheint auch als Online-Ausgabe ISBN 978-1-118-14026-0

Language: English

Subjects: Computer Science , General works , Mathematics

Keywords: Statistik ; Datenanalyse ; Visualisierung ; Informationsgrafik

URL: Inhaltsverzeichnis

URL: Umschlagbild

URL: Inhaltsverzeichnis

URL: Autorenbiografie

URL: Verlagsangaben

UID:

Format: X, 314 S. , graph. Darst.

ISBN: 0875908748

Language: English

Subjects: Geography

Keywords: Hydrologie ; Aufsatzsammlung

URL: Inhaltsverzeichnis

UID:

Format: 1 online resource (211 pages)

ISBN: 9783527834532

Note: Description based on publisher supplied metadata and other sources

Additional Edition: Erscheint auch als Druck-Ausgabe Baird, Nathan Innovator's Playbook Newark : John Wiley & Sons, Incorporated,c2021 ISBN 9783527510603

Language: German

Subjects: Economics

Keywords: Dienstleistung ; Innovation ; Innovationsmanagement ; Design Thinking ; Produktinnovation ; Electronic books.

URL: https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=6498779

UID:

Format: x, 241 Seiten , Illustrationen

ISBN: 9780691238128

Content: "This book argues that, just as the "widening" of political problems across national boundaries due to globalization has led to profound shifts in how we understand, study, and approach governance across space, so too does their "lengthening" across time horizons require a fundamental shift in thinking and policy. Social scientists and policy-makers have yet to really appreciate the role that time can play, hampering our ability to find effective solutions. In this book, Thomas Hale explores the implications of "long problems"- those, like climate change, whose proximate causes and effects unfold over relatively long time periods -for politics and governance. Hale starts by defining long problems and then considers the three features that make these issues so challenging: institutional lag, the fact that future generations cannot advocate for their interests in the present, and the difficulty of acting early enough to make a difference. Tackling long problems requires solutions that address these challenges head on, and Hale presents interventions to address each, not just in the abstract but with copious examples of policies that have worked or have failed. The author also considers, more largely, how social science can best study long problems, outlining a research agenda that aims to shift the object of study from the past to the future. In sum, Hale presents a framework and vision for how society can best govern long problems and address complex and profound challenges like climate change."--

Note: Literaturverzeichnis: Seite 213-232

Additional Edition: ISBN 9780691238135

Additional Edition: Erscheint auch als Online-Ausgabe Hale, Thomas (Thomas Nathan) Long problems Princeton : Princeton University Press, 2024 ISBN 9780691238135

Additional Edition: Erscheint auch als Online-Ausgabe Hale, Thomas Long problems Princeton : Princeton University Press, 2024 ISBN 9780691238135

Additional Edition: Erscheint auch als Online-Ausgabe Hale, Thomas Long problems Princeton : Princeton University Press, 2024 ISBN 9780691238135

Language: English

Subjects: Political Science , Geography

Keywords: Anthropogene Klimaänderung ; Umweltpolitik ; Umweltpsychologie ; Klimaschutz ; Langzeit ; Einführung

URL: Inhaltsverzeichnis

UID:

Format: [894] Seiten in getrennter Zählung , Illustrationen, Diagramme, Karten

ISBN: 9781498759403 (alk. paper)

Series Statement: Emerging trends and technologies in petroleum engineering

Content: As the shale revolution continues in North America, unconventional resource markets are emerging on every continent. In the next eight to ten years, more than 100,000 wells and one- to two-million hydraulic fracturing stages could be executed, resulting in close to one trillion dollars in industry spending. This growth has prompted professionals experienced in conventional oil and gas exploitation and development to acquire practical knowledge of the unconventional realm. Unconventional Oil and Gas Resources: Exploitation and Development provides a comprehensive understanding of the latest advances in the exploitation and development of unconventional resources. With an emphasis on shale, this book: Addresses all aspects of the exploitation and development process, from data mining and accounting to drilling, completion, stimulation, production, and environmental issues. Offers in-depth coverage of sub-surface measurements (geological, geophysical, petrophysical, geochemical, and geomechanical) and their interpretation. Discusses the use of microseismic, fiber optic, and tracer reservoir monitoring technologies and JewelSuite™ reservoir modeling software. Presents the viewpoints of internationally respected experts and researchers from leading exploration and production (E&P) companies and academic institutions

Note: Includes bibliographical references and index

Language: English

UID:

Format: 1 online resource (354 pages)

Edition: 1

ISBN: 9783958451766

Note: Cover -- Titel -- Impressum -- Inhaltsverzeichnis -- Vorwort -- Danksagungen -- Über dieses Buch -- Kapitel 1: Ein neues Paradigma für Big Data -- 1.1 Aufbau des Buches -- 1.2 Skalierung mit einer herkömmlichen Datenbank -- 1.2.1 Skalierung mit einer Warteschlange -- 1.2.2 Skalierung durch Sharding -- 1.2.3 Erste Probleme mit der Fehlertoleranz -- 1.2.4 Probleme mit fehlerhaften Daten -- 1.2.5 Was ist schiefgegangen? -- 1.2.6 Inwiefern sind Big-Data-Verfahren hilfreich? -- 1.3 NoSQL ist kein Allheilmittel -- 1.4 Grundlagen -- 1.5 Erwünschte Eigenschaften eines Big-Data-Systems -- 1.5.1 Belastbarkeit und Fehlertoleranz -- 1.5.2 Lesen und Aktualisieren mit geringen Latenzzeiten -- 1.5.3 Skalierbarkeit -- 1.5.4 Allgemeingültigkeit -- 1.5.5 Erweiterbarkeit -- 1.5.6 Ad-hoc-Abfragen -- 1.5.7 Minimaler Wartungsaufwand -- 1.5.8 Fehlerbehebung -- 1.6 Schwierigkeiten vollständig inkrementeller Architekturen -- 1.6.1 Komplexität im Betrieb -- 1.6.2 Extreme Komplexität, um letztendliche Konsistenz zu erzielen -- 1.6.3 Keine Fehlertoleranz gegenüber menschlichem Versagen -- 1.6.4 Vollständig inkrementelle Lösung kontra Lambda-Architektur -- 1.7 Lambda-Architektur -- 1.7.1 Batch-Layer -- 1.7.2 Serving-Layer -- 1.7.3 Batch- und Serving-Layer erfüllen fast alle Anforderungen -- 1.7.4 Speed-Layer -- 1.8 Die neuesten Trends -- 1.8.1 Prozessoren werden kaum noch schneller -- 1.8.2 Elastic Clouds -- 1.8.3 Ein lebhaftes Open-Source-Ökosystem für Big Data -- 1.9 Beispielanwendung: SuperWebAnalytics.com -- 1.10 Zusammenfassung -- Teil I: Batch-Layer -- Kapitel 2: Das Datenmodell für Big Data -- 2.1 Die Eigenschaften von Daten -- 2.1.1 Daten sind ursprünglich -- 2.1.2 Daten sind unveränderlich -- 2.1.3 Daten sind beständig korrekt -- 2.2 Das faktenbasierte Modell zur Repräsentierung von Daten -- 2.2.1 Faktenbeispiele und ihre Eigenschaften , 2.2.2 Vorteile des faktenbasierten Modells -- 2.3 Graphenschemata -- 2.3.1 Elemente eines Graphenschemas -- 2.3.2 Die Notwendigkeit, dem Schema zu gehorchen -- 2.4 Ein vollständiges Datenmodell für SuperWebAnalytics.com -- 2.5 Zusammenfassung -- Kapitel 3: Das Datenmodell für Big Data: Praxis -- 3.1 Wozu ein Serialisierungs-Framework? -- 3.2 Apache Thrift -- 3.2.1 Knoten -- 3.2.2 Kanten -- 3.2.3 Eigenschaften -- 3.2.4 Alles in Datenobjekten zusammenfassen -- 3.2.5 Weiterentwicklung des Schemas -- 3.3 Für Serialisierungs-Frameworks geltende Beschränkungen -- 3.4 Zusammenfassung -- Kapitel 4: Datenspeicherung im Batch-Layer -- 4.1 Speicheranforderungen des Stammdatensatzes -- 4.2 Auswahl einer Speicherlösung für den Batch-Layer -- 4.2.1 Schlüssel-Werte-Datenbank zum Speichern des Stammdatensatzes verwenden -- 4.2.2 Verteilte Dateisysteme -- 4.3 Funktionsweise verteilter Dateisysteme -- 4.4 Speichern des Stammdatensatzes mit einem verteilten Dateisystem -- 4.5 Vertikale Partitionierung -- 4.6 Verteilte Dateisysteme sind maschinennah -- 4.7 Speichern des SuperWebAnalytics.com-Stammdatensatzes in einem verteiltem Dateisystem -- 4.8 Zusammenfassung -- Kapitel 5: Datenspeicherung im Batch-Layer: Praxis -- 5.1 Verwendung des Hadoop Distributed File Systems -- 5.1.1 Das Problem mit kleinen Dateien -- 5.1.2 Eine allgemeinere Abstrahierung -- 5.2 Datenspeicherung im Batch-Layer mit Pail -- 5.2.1 Grundlegende Pail-Operationen -- 5.2.2 Objekte serialisieren und in Pails speichern -- 5.2.3 Pail-Operationen -- 5.2.4 Vertikale Partitionierung mit Pail -- 5.2.5 Pail-Dateiformat und Komprimierung -- 5.2.6 Vorteile von Pail zusammengefasst -- 5.3 Speichern des Stammdatensatzes für SuperWebAnalytics.com -- 5.3.1 Ein strukturiertes Pail für Thrift-Objekte -- 5.3.2 Ein einfaches Pail für SuperWebAnalytics.com , 5.3.3 Ein geteiltes Pail zur vertikalen Partitionierung des Datensatzes -- 5.4 Zusammenfassung -- Kapitel 6: Batch-Layer -- 6.1 Beispiele -- 6.1.1 Anzahl der Pageviews innerhalb eines bestimmten Zeitraums -- 6.1.2 Vorhersage des Geschlechts -- 6.1.3 Einflussreiche Tweets -- 6.2 Berechnungen im Batch-Layer -- 6.3 Neuberechnungsalgorithmen kontra inkrementelle Algorithmen -- 6.3.1 Performance -- 6.3.2 Fehlertoleranz gegenüber menschlichem Versagen -- 6.3.3 Allgemeine Anwendbarkeit des Algorithmus -- 6.3.4 Auswahl eines Algorithmustyps -- 6.4 Skalierbarkeit im Batch-Layer -- 6.5 MapReduce: Ein Paradigma für Big-Data-Berechnungen -- 6.5.1 Skalierbarkeit -- 6.5.2 Fehlertoleranz -- 6.5.3 Allgemeine Anwendbarkeit von MapReduce -- 6.6 Maschinennähe -- 6.6.1 Berechnungen in mehreren Schritten sind nicht intuitiv -- 6.6.2 Die manuelle Implementierung von Joins ist sehr kompliziert -- 6.6.3 Enge Kopplung der logischen und physischen Ausführung -- 6.7 Pipe-Diagramme: Eine allgemeinere Auffassung von Stapelverarbeitungsberechnungen -- 6.7.1 Konzepte der Pipe-Diagramme -- 6.7.2 Ausführen von Pipe-Diagrammen via MapReduce -- 6.7.3 Combiner-Aggregator -- 6.7.4 Beispiele für Pipe-Diagramme -- 6.8 Zusammenfassung -- Kapitel 7: Batch-Layer: Praxis -- 7.1 Ein Beispiel zur Veranschaulichung -- 7.2 Typische Schwierigkeiten Daten verarbeitender Tools -- 7.2.1 Proprietäre Sprachen -- 7.2.2 Mangelhaft einbindungsfähige Abstraktionen -- 7.3 Einführung in JCascalog -- 7.3.1 Das JCascalog-Datenmodell -- 7.3.2 Aufbau einer JCascalog-Abfrage -- 7.3.3 Abfragen mehrerer Datensätze -- 7.3.4 Gruppierung und Aggregatoren -- 7.3.5 Schrittweise Abarbeitung einer Abfrage -- 7.3.6 Benutzerdefinierte Prädikate -- 7.4 Einbindung -- 7.4.1 Subqueries kombinieren -- 7.4.2 Dynamisch erzeugte Subqueries -- 7.4.3 Prädikatmakros -- 7.4.4 Dynamisch erzeugte Prädikatmakros -- 7.5 Zusammenfassung , Kapitel 8: Beispiel eines Batch-Layers: Architektur und Algorithmen -- 8.1 Design des Batch-Layers für SuperWebAnalytics.com -- 8.1.1 Unterstützte Abfragen -- 8.1.2 Batch-Views -- 8.2 Überblick über den Workflow -- 8.3 Aufnahme neuer Daten -- 8.4 URL-Normalisierung -- 8.5 User-ID-Normalisierung -- 8.6 Deduplizierung der Pageviews -- 8.7 Berechnung der Batch-Views -- 8.7.1 Zeitlicher Verlauf der Pageviews -- 8.7.2 Zeitlicher Verlauf der eindeutig unterschiedlichen Besucher -- 8.7.3 Analyse der Bounce-Rate -- 8.8 Zusammenfassung -- Kapitel 9: Beispiel eines Batch-Layers: Implementierung -- 9.1 Ausgangspunkt -- 9.2 Vorbereitung des Workflows -- 9.3 Aufnahme neuer Daten -- 9.4 URL-Normalisierung -- 9.5 User-ID-Normalisierung -- 9.6 Deduplizierung der Pageviews -- 9.7 Berechnung der Batch-Views -- 9.7.1 Zeitlicher Verlauf der Pageviews -- 9.7.2 Zeitlicher Verlauf der eindeutig unterschiedlichen Besucher -- 9.7.3 Berechnung der Bounce-Rate -- 9.8 Zusammenfassung -- Teil II: Serving-Layer -- Kapitel 10: Serving-Layer -- 10.1 Performancekennzahlen des Serving-Layers -- 10.2 Lösung des Problems »Normalisierung kontra Denormalisierung« durch den Serving-Layer -- 10.3 Anforderungen an eine Datenbank für den Serving-Layer -- 10.4 Gestaltung eines Serving-Layers für SuperWebAnalytics.com -- 10.4.1 Zeitlicher Verlauf der Pageviews -- 10.4.2 Zeitlicher Verlauf eindeutig unterschiedlicher Besucher -- 10.4.3 Berechnung der Bounce-Rate -- 10.5 Vergleich mit einer vollständig inkrementellen Lösung -- 10.5.1 Vollständig inkrementelle Lösung -- 10.5.2 Vergleich mit einer auf der Lambda-Architektur beruhenden Lösung -- 10.6 Zusammenfassung -- Kapitel 11: Serving-Layer: Praxis -- 11.1 ElephantDB: Grundlagen -- 11.1.1 Views in ElephantDB erzeugen -- 11.1.2 Views in ElephantDB deployen -- 11.1.3 ElephantDB verwenden , 11.2 Einrichtung des Serving-Layers für SuperWebAnalytics.com -- 11.2.1 Zeitlicher Verlauf der Pageviews -- 11.2.2 Zeitlicher Verlauf eindeutig unterschiedlicher Besucher -- 11.2.3 Berechnung der Bounce-Rate -- 11.3 Zusammenfassung -- Teil III: Speed-Layer -- Kapitel 12: Echtzeit-Views -- 12.1 Berechnung von Echtzeit-Views -- 12.2 Speichern der Echtzeit-Views -- 12.2.1 Letztendliche Genauigkeit -- 12.2.2 Im Speed-Layer gespeicherter Zustand -- 12.3 Schwierigkeiten bei inkrementeller Berechnung -- 12.3.1 Gültigkeit des CAP-Theorems -- 12.3.2 Das komplexe Zusammenwirken von CAP-Theorem und inkrementellen Algorithmen -- 12.4 Asynchrone kontra synchrone Aktualisierungen -- 12.5 Echtzeit-Views verwerfen -- 12.6 Zusammenfassung -- Kapitel 13: Echtzeit-Views: Praxis -- 13.1 Cassandras Datenmodell -- 13.2 Cassandra verwenden -- 13.2.1 Cassandra für Fortgeschrittene -- 13.3 Zusammenfassung -- Kapitel 14: Warteschlangen und Streamverarbeitung -- 14.1 Warteschlangen -- 14.1.1 Warteschlangen mit nur einem Abnehmer -- 14.1.2 Warteschlangen mit mehreren Abnehmern -- 14.2 Streamverarbeitung -- 14.2.1 Warteschlangen und Worker -- 14.2.2 Fallstricke beim Warteschlangen-Worker-Ansatz -- 14.3 Streamverarbeitung one-at-a-time auf höherer Ebene -- 14.3.1 Storm-Modell -- 14.3.2 Gewährleistung der Nachrichtenverarbeitung -- 14.4 SuperWebAnalytics.com: Speed-Layer -- 14.4.1 Aufbau der Topologie -- 14.5 Zusammenfassung -- Kapitel 15: Warteschlangen und Streamverarbeitung: Praxis -- 15.1 Definition einer Topologie mit Apache Storm -- 15.2 Apache Storm-Cluster und Bereitstellung -- 15.3 Gewährleistung der Nachrichtenverarbeitung -- 15.4 Implementierung des Speed-Layers -- 15.5 Zusammenfassung -- Kapitel 16: Streamverarbeitung kleiner Stapel -- 16.1 Genau einmalige Verarbeitung -- 16.1.1 Verarbeitung in streng festgelegter Reihenfolge -- 16.1.2 Streamverarbeitung kleiner Stapel , 16.1.3 Topologien zur Verarbeitung kleiner Stapel

Additional Edition: Print version: Marz, Nathan Big Data Frechen : mitp,c2016

Keywords: Electronic books.

URL: https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=6947619

UID:

Format: 182 S.

Series Statement: Technical report / Deutsches Klimarechenzentrum 11

Note: MAB0014.001: ZSP-749-11

In: Technical report

UID:

Format: V, 203 S. : Ill., Kt.

ISBN: 0080300235

Series Statement: Physics and chemistry of the earth 15

Note: MAB0014.001: 13547 , Literaturangaben

In: Physics and chemistry of the earth

UID:

ISSN: 1095-9203

In: Science. - 375(2022)6582, eabg1780