Oracle Database 12c

Transcription

Oracle Database 12c

Oracle Database 12c
1
Copyright © 2013, Oracle and/or its affiliates. All rights reserved.
Confidential – Oracle Internal
The following is intended to outline our general product
direction. It is intended for information purposes only, and
may not be incorporated into any contract. It is not a
commitment to deliver any material, code, or functionality,
and should not be relied upon in making purchasing
decisions. The development, release, and timing of any
features or functionality described for Oracle's products
remains at the sole discretion of Oracle.
2
PREVIEW
ORACLE BIG DATA
3
Stratégie Oracle
10
0010
00111
01010
1101
BLOG
SMART
METER
Mobile
Computing
4
Evolution
of Work
Big Data
Cloud Silos
Gartner Hype Curve 08/2013
5
Axes de discussion autour de Big Data
Platform
Plateforme
Solutions
Solutions
Big Data Analytics
Business Analytics
Data Management
Fast Data
Infrastructure
Customer Experience
Social Cloud
Big Data
6
Solutions Métier
Plateforme Big Data
BigData
Analytics
Data
Management
Infrastructure
7
•Information Discovery
•Business Intelligence
•Real-Time Decision Management
•In-Database Analytics
•Statistical Analysis (R for the enterprise)
•Data Integration
•Big Data Connectors
•DataBase
•NoSQL Database
•Hadoop
•Big Data Appliance
•Exadata
•Exalytics
Plateforme Big Data Oracle
Decide
Oracle Real-Time
Decisions
Endeca Information
Discovery
Oracle Event
Processing
Cloudera
Hadoop
Apache
Flume
Oracle
NoSQL
Database
Oracle
GoldenGate
Oracle R
Distribution
Oracle Big Data
Connectors
Oracle
Database
Oracle
Advanced
Analytics
Oracle Data
Integrator
Oracle
Spatial
& Graph
Acquire – Organize – Analyze
Stream
8
Oracle BI
Foundation Suite
Exemple d’Initiatives métier avec le Big Data
Social
Customer
Experience
SmartBusiness
BLOG
SMART
METER
Sentiment
Analysis
Plateforme Big Data
Pattern/Event
Recognition
Online
Marketing
9
Hadoop – NoSQL - RDBMS
Choisir le BON OUTIL
Hadoop Distributed File
System (HDFS)
Oracle NoSQL Database
Oracle Database
File System
Key-Value Database
Relational Database
Aucune structure
Structure de données simple
Structures de données complexes,
SQL nécessaire
Volume élevé de lectures
Volume élévé de lectures
aléatoires et d’écritures
OLTP orienté avec 2-PC
Fonctionnalités limitées,
Développer vos propres
applications
Haute performance pour
application de type Get/Put de
données simples,
Sécurité, Backup/Restore, Gestion du
cycle de vie de la donnée, XML, etc.
Orienté Batch
Applications de types Temps
Réel, “Web-scale”
Usage général des plateformes SQL ,
applications multiples, ODBC, JDBC
10
Oracle Advanced Analytics Architecture
SQL Developer
R Client
OBIEE
Applications
Oracle Database Enterprise Edition
Oracle Advanced Analytics
Native SQL-PL/SQL Analytic Libraries plus high-performance R interface
Scalable, Distributed, Parallel Execution
Oracle R Distribution
11
Oracle In-Database Advanced Analytics
Comprehensive Advanced Analytics Platform
Oracle R Entreprise
R
 Langage open-source de programmation statistique le plus
Oracle Data Mining
 Découverte automatique de connaissances à l'intérieur de
la base de données
commun
 Intégré à la base de données pour une meilleure scalabilité
 12 algorithmes de data mining pour la base
 Large éventail de fonctions de statistiques et d'analyse
 Text mining
avancées
 Environnement de développement d'applications d'analyse
 R intégré dans les applications d’entreprise & OBIEE
 Schéma en étoile et extraction de données
 Analyse exploratoire des données
transactionnelles
 Graphiques étendus
 SQL Developer / Oracle Data Miner GUI
 Intégré avec Hadoop pour le HPC
Statistics
12
prédictive
Advanced Analytics
Data & Text Mining
Predictive Analytics
Prédiction temps réel pour un client
Appliquer un algorithme sur une nouvelle donnée (ex. Depuis un call center)
Select prediction_probability(CLAS_DT_1_1, 'Yes'
USING 7800 as bank_funds, 125 as checking_amount, 20 as
credit_balance, 55 as age, 'Married' as marital_status,
250 as MONEY_MONTLY_OVERDRAWN, 1 as house_ownership)
from dual;
Call Center
Social Media
Branch
ECM
BI
Get Advice
Web
Email
CRM
13
Mobile
Oracle In-Database Analytics
 Fonctions
Statistiques
 Data Mining &
Analyses Prédictives
 Text Mining
 Text Search
 Graph Analysis
 Spatial Analysis
 Semantic Analysis
 In-Database
MapReduce
14
Big Data Connectors et Data Integrator
15TB / hour
10x plus vite
15
Big Data Appliance
Exadata
+
Hadoop
+
Oracle Database
Analyser toute vos données “In-place”
Advanced
Analytics
16
Big Data Appliance
Exadata
+
Hadoop
+
Oracle Database
Exposer toutes vos données aux utilisateurs
OBI EE
Endeca
17
Big Data Appliance
Exadata
+
Hadoop
+
Oracle Database
Interrogez toutes vos données depuis la Base
Intelligent Query Optimization
Requêtes de données à la fois sur
sur Hadoop & RDBMS
Oracle SQL
Local Process
HDFS
Data Node
18
Local Process
Local Process
Oracle
Storage Server
HDFS
Data Node
Local Process
Oracle
Storage Server
Rendre les applications prédictives
Exemples : Applications Oracle utilisant Oracle Advanced Analytics
• HCM Fusion
• Oracle Fin. Services Analytic Applications
– Predictive Workforce—employee turnover and performance
prediction and “What if?” analysis
– Enterprise Performance, Financial Crime and Compliance
• CRM Fusion
• OFSAA CI Retail Customer Analytics
– Sales Prediction Engine--prediction of sales opportunities, what to
• Supply Chain Management
– Survival analysis
– Spend Classification—real-time flagging of noncompliance and
anomalies in expense submissions
– Customer Lifetime value
– Propensity Models- Credit Cards <-> Auto loans, Savings <->
Cards
• Identity Management
– Oracle Adaptive Access Manager—real-time security and fraud
analytics
• Retail Analytics
– Oracle Retail Customer Analytics—”shopping cart analysis” and
next best offers
• Industry Data Models
– Communications Data Model implements churn prediction,
segmentation, profiling, etc.
– Retail Data Model implements loyalty and market basket analysis
– Airline Data Model implements analysis frequent flyers, loyalty, etc.
– Attrition Analysis- Mortgage Prepay, Savings Account Attrition,
Term Deposit, Cards…
sell, amount, timing, etc.
19
– Customer Insight, Enterprise Risk Management
• Customer Support
– Predictive Incident Monitoring (PIM) Customer Service offering
for Database customers
Oracle Big Data - Technologies
Cloudera
Hadoop
Oracle Big Data
Connectors
Oracle
Database
Oracle
Advanced
Analytics
Oracle
NoSQL
Database
Oracle Data
Integrator
Oracle R
Distribution
Oracle
Spatial
& Graph
Acquire – Organize – Analyze
20
Oracle BigData Lite
UNE MACHINE VIRTUELLE (VM)
AVEC UN ENVIRONNEMENT
INTÉGRÉ POUR VOUS AIDER À
DÉMARRER AVEC LA PLATE-FORME
ORACLE BIG DATA
http://www.oracle.com/technetwork/database/bigdata-appliance/oracle-bigdatalite-2104726.html
21
PREVIEW
DATABASE SECURITY
22
%
67
%
76
Plus d’1.1milliards
d’enregistrements
perdus
23
Des données
dérobées viennent
des serveurs
Profitent du vol ou de
la faiblesse des
authentifications
69%
Des incidents ne
sont pas découverts
par les propriétaires
%
97
Des incidents auraient
pu être évités en
prenant des mesures
simples
23
Oracle Database Security
Sécurité et conformité pour les bases
24
PREVENTION
DETECTION
ADMINISTRATION
Chiffrement / Masquage
dynamique
Audit
Analyse de privilèges
Masquage statique
Activity
Surveillance
Monitoring
Recherches de données
Contrôles d’accès renforcés
pour les utilisateurs à privilèges
Firewall SQL
Gestion de configuration
24
Transparent Data Encryption (TDE)
Prévention : Chiffrement des disques et des flux réseau
Advanced Security
Disk
 Chiffre les tablespaces ou les colonnes
Backups
dans les tables
 Gestion complète des clés de
Exports
chiffrement
Off-Site
Facilities
 Pas de modification des applications
 “Near Zero” impact de performance
Applications
 Fonctionne avec les autres
technologies de la base de donnée
–
25
Log files, Compression, ASM, DataPump
25
26
26
27
27
Masquage dynamique
Prévention : bases 12c and 11g (11.2.0.4)
Advanced Security
 Masquage temps réel basé sur
l’évaluation de facteurs, IP, contexte,…
 S’applique à des colonnes dans des
tables ou des vues
Credit Card Numbers
4451-2172-9841-4368
5106-8395-2095-5938
7830-0032-0294-1827
Redaction Policy
 Masquage partiel, total, aléatoire, fixe
 Transparent pour les applications
xxxx-xxxx-xxxx-4368
4451-2172-9841-4368
 Sans impact sur les activités
d’exploitation
Application Call Center
28
Département facturation
28
L’interface utilisateur, avant / après
29
29
30
30
Masquage statique pour utilisation hors PROD
Prévention : bases Oracle et non-Oracle
Oracle Data Masking
 Transforme les données sensibles
 Détecte et préserve l’intégrité
LAST_NAME
SSN
SALARY
AGUILAR
203-33-3234
60,000
BENSON
323-22-2943
40,000
SSN
SALARY
ANSKEKSL
323-23-1111
60,000
BKJHHEIEDK
252-34-1345
40,000
Production
référentielle
 Bibliothèque de formats de masquage
extensible
 Support de bases non-Oracle DB
 Intégration avec l’échantillonnage et Real
Application Testing
31
LAST_NAME
Non-production
Test
Dev
31
32
Wed 3:30 – 4:30
CON8768 – Moscone West 2024
32
Analyser l’utilisation des privilèges et des rôles
Administration : Oracle Database 12c
Analyse
des
privilèges
Oracle Database Vault
 Capture conditionnelle de l’utilisation des




privilèges. Par session, par contexte, ou plus
généralement sur la base
Quels privilèges/rôles sont effectivement
utilisés
Ce qui permet de corriger à postériori l’excès
de privilèges de certains comptes
Et donc de converger vers la règle dite du
‘moindre privilège’
Sécurité accrue en minimisant le risque
d’impact sur l’application
33
Create…
Drop…
Update…
DBA role
APPADMIN role
Inutilisés
Update
APPADMIN
Donc révocables
33
34
34
PREVIEW
DATABASE
AS A SERVICE
35
Aujourd’hui (ou approche traditionnelle)
Lente et inefficace
Développeur
Demande
d’une
instance
Management
Approbation
DBA
… heures jusqu’à semaines …
Demande de HW
et stockage
Configuration et
création instance
Admin System
Setup OS &
réseau
Admin Storage
Allocation de
l’espace
36
Accès à
l’instance
DB
Demain (ou approche service)
Les souhaits
 Standardisation
 Catalogue de services
 Consolidation
 Environnements clonés
 Automatisation
 Interface libre service
 Gestion des ressources
 Métriques & Facturation
 Réduire les coûts et la maintenance
 Améliorer la stabilité et la capacité de traitement
 Augmenter l’agilité
 Se focaliser sur l’activité de la société
37
Challenges des DBAs
Les 3 axes de réflexion
CONSOLIDATION &
STANDARDISATION
AUTOMATISATION
GESTION DES
RESSOURCES &
GOUVERNANCE
* Données extraites de l’étude IOUG 2013 concernant l’administration des bases de données et la croissance du stockage des bases de données
38
Consolidation
Le challenge
 Les applications ont
des profils de charge
différents
 Il est nécessaire
d’analyser de multiples
ressources




 CPU
 Mémoire
 Stockage
 Réseau
39
Consolidation
Consolidation Planner
 Génération de plans de consolidation basés sur l’utilisation et
la distribution des ressources
 P2P / P2V (D2S / D2D)
 Politique de placement : contraintes
techniques ou fonctionnelles
–
Architecture des processeurs
–
Propriété, localisation, cycle de vie
 Fournit des détails sur:
– Ratio de consolidation
– Utilisation des serveurs de destination
– Cartographie des serveurs
40
– Confidence
– Violations des contraintes de consolidation
– Serveurs ne pouvant être consolidés (violations)
Standardisation : catalogue de service
Un référentiel unique pour tous les objets
 Un seul référentiel pour stocker et accéder aux images, aux scripts &




assemblages
Catalogue de composants pré-packagés et préconfigurés (bases de
données, schémas, PDBs, …)
Intégration avec Virtual Assembly
Builder
Un catalogue pour l’ensemble des
utilisateurs ; accès basé sur les rôles
Déploiement en un seul clic
41
Challenges des DBAs
Les 3 axes de reflexion
CONSOLIDATION &
STANDARDISATION
AUTOMATISATION
GESTION DES
RESSOURCES &
GOUVERNANCE
42
Oracle Enterprise Manager 12c
Interface libre service
 Interface en libre service pour le déploiement et
l’administration des infrastructures physiques et virtuelles
 Console fournie en standard
 Donne accès au catalogue de services:
- Services de base de données
- Modèles & Assemblages
43
44
Interface libre service
 Décommissionnement
– VMs & des bases de données
 Démarrage & Arrêt
– VMs & des bases de données
 Scale out & scale back
 Demande d’espace de
stockage supplémentaire
 Supervision des ressources
– CPU, mémoire, stockage
45
• Informations de facturation
– Tendance de charge, total
consommé, détails du plan de
charge, etc
• Quota
Data Cloning
Un clone DB en quelques minutes
Base de
production
Anonymisation &
échantillonnage
Fonctionnalités
• Clonage rapide et efficace
• Support des différents vendeurs et configurations
(SAN and NAS)
• Intégré à la gestion du cycle de vie
• Capacité de « retour arrière » pour accéder aux
données du passé
Bénéfices
• Provisioning efficace et rapide (quelques minutes
pour cloner une base de plusieurs TB)
• Plus de 90% d’espace de stockage économisé
• Administration réduite
46
Test Master
DB
010110011
101001010
000111010
Data Cloning
Scénarios clients avec Snap Clone
Scenario 2
[Client Banque]
Scenario 1
[Client Telecom]
 5 Prod DB
 Prod DB
= 30 TB
= 12 TB
 5 Standby DB = 30 TB
 Standby DB = 12 TB
 5 Masked DB = 30 TB
 7 Clones
 6 Clones
 Total
(7 * 2 GB of writable space)
= 84TB 14 GB
= 180TB 60 GB
-------------------
---------------------
108 ~24 TB
 Temps = jours/semaines minutes
47
(6 * 5 * 2 GB of writable space)
 Total
270 ~90 TB
 Temps = jours/semaines minutes
Challenges des DBAs
Les 3 axes de reflexion
CONSOLIDATION &
STANDARDISATION
AUTOMATISATION
GESTION DES
RESSOURCES &
GOUVERNANCE
48
Gestion des ressources & Gouvernance
Administration & Contrôle
DB
Pool
PDB
Pool
Schema
Pool
Contrôle des accès
Politique de retrait des ressources
Cloud Admin
Placement intelligent des
ressources
Gestion des pools de ressources
Gestion des quotas
49
Surveillance continue des ressources et des demandes
• Administration des zones et des ressources sous-jacentes
(Pool de serveurs, VMs, Bases de données, …)
• Suivi des ressources, des flux, des ressources, des violations des
politiques, etc
• Accès aux informations des composants sous-jacents pour une
supervision plus précise et détaillée
•
Supervision des requêtes, des échecs, des identifications,
des goulots d’étranglement potentiels, …
50
Métriques & facturation
 Consommation des ressources
-
CPU
-
Mémoire
-
Stockage
-
Reseau …
 Facturation en fonction du plan de
charge défini par l'administrateur
 Agrégation de la retro facturation
basée sur l’organisation de l’entreprise
51
Surveillance continue des Ressources
52
Une offre complète
53
Automation &
Orchestration
Self-Service
Console
• Full-stack
provisioning
• Model-driven
• Dynamic
• Extensible
• Lifecycle
Controls
• Monitoring
• Role-based
access
• API support
Chargeback
• 24x7
Metering
• Plan-based
chargeback
• Executive
reporting
Operations
• Target
management
• Performance
and
availability
• Incidents
• Capacity
planning
Cloud Scale
• Highly
Available
• Horizontally
Scalable
• Optimized
workload
• Scriptable
PREVIEW
ORACLE DATABASE
IN-MEMORY OPTION
NEXT RELEASE : DB 12.1.0.2
54
Une longue controverse :
Format ‘Ligne’ ou Format ‘Colonne’ ?
Row
 OLTP s’exécute sur un format ligne (Row)
– Opérations sur quelques lignes, et beaucoup de
colonnes
 Les analyses s’exécutent mieux sur un
Colonne
format Colonne
– Opérations sur quelques colonnes, et énormément
de lignes (rows)
Jusqu’à présent, vous choisissez Un Format et subissez le compromis
55
Révolution technique: Dual Format In-Memory Database
Memory
Memory
Sales
Row
Format
Sales
Column
Format
 A la fois le format ligne et
Colonne “in-memory” pour la
même table
 Simultanément active et
consistance transactionnelle
 Analyses et reporting utilisent
le nouveau format colonne
 OLTP utilise le format row
57
OLTP
Analytics
Toutes les données Business en moins d’une
seconde
Exemple: Find all sales in state of CA
• Chaque CPU balaie les
colonnes “in-memory”
In-Memory Column Store
Sales
State column
>100X
Faster
 Les Scans mettent en
œuvre des instructions
vectorielles de type
“SIMD”
“CA”
lignes/seconde
scannées par core CPU
58
CPU
Load
multiple
State
values
SIMD
Vector
Compare all
Compare
values in 1
all values
cycle
in 1 cycle
Vector
Register
 Des milliards de
Jointures des données en moins d’une seconde
Exemple: Find all sales in outlet stores
 Jointure convertie en
Stores
scans de colonnes
 Jointures jusqu'à 10x plus
T
Y
P
E
Sales
Storeid
in
15,38,64
rapide
Type=outlet
59
S
T
O
R
E
I
D
A
M
O
U
N
T
Sum
Des performances pour l’Analytique et l’OLTP
 Le stockage colonne en
mémoire se substitue aux index
analytiques, et supprime
l’overhead pour la gestion des
tables en mémoire
Table
1 to 3
OLTP
Indexes
In-Memory
Column Store
 Les requêtes analytiques pré-
définies et aussi “ad-hoc”
s’exécutent plus vite
 OLTP & batch s’exécutent
jusqu’à 300% plus vite
60
Moins de tuning & d’administration
Oracle In-Memory simple à déployer
1. Configurer la Capacité Mémoire
 inmemory_size = XXX GB
2. Configurer les tables or les partitions “in memory”
 alter table | partition … inmemory;
3. Suppression des index pour l’analytique
61
Oracle In-Memory : Transparent pour les Applications
Full Functionality
Trivial to Implement
Fully Compatible
DB as a Service Ready
- Pas de restrictions sur le SQL
- Pas de migration de données
- Pour toutes les applications sans changement
- Oracle Multitenant in-memory
Tous les bénéfices du tout en mémoire, sans aucun changement applicatif
62
Sommaire : Oracle In-Memory
 Performances Extrêmes pour l’Analytique & l’OLTP
directement sur les données OLTP (1 seul stockage)
 Tiering Extrême, Scale-Out & Scale-Up
 Evolutivité sur les SMPs avec beaucoup de RAM
 Très haute Disponibilité
Tous les avantages de l“In-Memory” sans changement de l’application
63
Oracle Database 12c
64

Oracle Database 12c

Transcription

Documents pareils

L`oracle de Margyle

voir le détail de l`offre

Entreprise 7 - Offre 33 - DBA ORACLE HF

Annonce JOB France IT Production systems Integrator

Tuning Oracle - Be It Formations

Consultant Chef de projet Inform atique

Cours à la carte 2014-2015 - Collège de Bois-de

L`oracle de Belline vous parle !

oracle 10g administration BASES DE DONNÉES ORACLE

Fiche d`activité - Le corps humain