NETEZZA

APPLIANCE
Danilo De Benedictis danilode@gmail.com

ARCHITETTURA

FAST BUSINESS DECISIONS

Obiettivo primario delle Aziende: compiere

decisioni di business in tempo veloce
Nasce

la Business Intelligence a supporto dei

Business Decision Makers (Data-Driven Decision
Makers)
Le Aziende puntano su piattaforme con
Performance estreme, ma con semplicit di
accesso ai dati.

OLTP:
ON LINE TRANSACTION PROCESSING
OLTP un processo tipico dei sistemi
OPERAZIONALI (es. Conto Corrente Bancario).
Tratta dati correnti, con poca profondit storica.
I processi OLTP eseguono numerose piccole
transazioni, su uno scope di dati limitato.
Sebbene OLTP processi in READ anche grosse moli
di dati, il suo focus sono le WRITE (INS, UPD, DEL).
OLTP: utilizzo di INDICI per ottimizzare lacceso ai
dati su Disco, prima di trasferirli in memoria per il
processing.
OLTP: strutturati in 3 FN (Normalizzazione spinta).

FORME NORMALI
HTTP://IT.WIKIPEDIA.ORG/WIKI/NORMALIZZAZIONE_(INFORMATICA)

1 FN: Esiste PK + attributi definiti su dominio atomico

(!= gruppo di valori). Esempio tabellaVOTI:
Matricola

Studente

Materia

Voto

0000-000-01

Pietro

Basi di Dati

1 sem, B ; 2 sem, F

0000-000-02

Pietro

Basi di Dati

1 sem, A ; 2 sem, A

0000-000-03

Sara

Basi di Dati

1 sem, B ; 2 sem, A

Matricola

Studente

Materia

Semestre

Voto

0000-000-01

Pietro

Basi di Dati

0000-000-01

Pietro

Basi di Dati

0000-000-02

Pietro

Basi di Dati

0000-000-02

Pietro

Basi di Dati

0000-000-03

Sara

Basi di Dati

0000-000-03

Sara

Basi di Dati

FORME NORMALI
HTTP://IT.WIKIPEDIA.ORG/WIKI/NORMALIZZAZIONE_(INFORMATICA)

2 FN: 1 FN + attributi dipendono da intera PK e

non da parte di essa. Esempio tabella VOTI:

id_corso_laurea id_esame

id_studente

voto

data

Voto, data dipendono dallintera chiave, non da

parte di essa. Esempio:
se

voto o data

dipendessero

solo da (id_corso_laurea , id_esame)

=> non sapremmo a che id_studente si riferiscono.

FORME NORMALI
HTTP://IT.WIKIPEDIA.ORG/WIKI/NORMALIZZAZIONE_(INFORMATICA)

3 FN: 2 FN + tutti gli attributi non PK

dipendono dallintera chiave e soltanto
dallintera chiave.
I Database Operazionali ottimizzati tendono
alla 3 FN.
I Database DHW sono spesso denormalizzati,
per favorire la reperibilit dei dati senza
operare molteplici join.

OLAP:
ON LINE ANALITICAL PROCESSING
OLAP: un processo che fa parte del DWH.
Tratta dati correnti (quasi up-to-date) + dati
storici.
Focus: pesanti operazioni di READ - piuttosto
che WRITE - anche su tabelle con miliardi di
righe.
Denormalizzazione parziale, per ottimizzare
laccesso ai dati.
Forte (crescente) utilizzo di indici.

NETEZZA DWH CLASSIFICATION

FIRST-GENERATION DWH:
Caricati

di notte (overnight batch)

Pesanti moli di dati spostate via rete (bottleneck)
Forniscono informazioni ai Business Analyst tramite
query/report/dashboard.
Esplosione di indici, orientati alle query (bottleneck
per le INSERT)
Grossi limiti con le crescite annue dei dati tipiche
dellultimo decennio (batch runtime increase).
SLA non raggiunti!

NETEZZA DWH CLASSIFICATION

SECOND-GENERATION DWH:
Piccoli

e frequenti data feeding.

Evitare al massimo gli spostamenti dei dati, quindi
INTEGRAZIONE delle Componenti.
I Sistemi di Data Warehouse raggiungono alti livelli
prestazionali quando tutte le parti (sw & hw) sono
ottimizzate allo scopo.
Parallelizzazione del data-processing su 10s (100s)
di Nodi

NETEZZA PERFORMANCE SERVER

NETEZZA
Data Warehouse
Appliance
Netezza: parola Urdu che
significa Risultati.

COMPANY TIMELINE

12$ X SHARE

IBM ACQUISTA NETEZZA

Il 20 Settembre 2010 NETEZZA acquisita da

IBM per:
1,7

B$
27$ x share

Annual Revenues

SERVER + RDBMS + STORAGE

APPLIANCE: PRINCIPI ARCHITETTURALI

Data processing close-to-source
Architettura Bilanciata e Parallela
Piattaforma per Advanced Analytics
Appliance = semplicit
Innovazione Accelerata, aumento
delle prestazioni
Configurazione flessibile ed estrema
scalabilit

DATA PROCESSING CLOSE-TO-SOURCE

Semplice principio dellinformatica:

Quando

si opera su grosse moli di dati, evitare gli

spostamenti se non strettamente indispensabili.

Netezza utlizza gli FPGA (Field Programmable

Gate Arrays)
nel

processo di estrazione, i dati inutili vengono

eliminati prima possibile nel data stream (close-tothe-source)

ARCHITETTURA BILANCIATA E PARALLELA

ASYMMETRIC MASSIVELY PARALLEL PROCESSING

(AMPP): Combinazione di

SMP (Symmetric Multi-Processing): sistemi

multiprocessore (o multi-core) dove tutti i processori:
accedono

alla stessa memoria condivisa

sono coordinati dallo stesso S.O.

MPP (Massively Parallel Processing): sistemi a memoria

distribuita dove i singoli nodi:
Possono

essere dei SMP

Eseguono computazioni indipendenti
Sono tutti connessi tramite una rete

Massima distribuzione del carico di lavoro tra gli

MPP (1000s parallel processing streams)
Bassi costi di manutenzione

PIATTAFORMA PER ADVANCED ANALYTICS

Il principio di processare i dati close-to-source
si applica anche alle Funzioni Analitiche
Avanzate su grosse moli di dati.
I complessi algoritmi analitici vengono
processati on streaming, quindi non appena i
dati sono disponibili, evitando costosi
spostamenti verso altro HW.
GG5

APPLIANCE = SEMPLICIT
Lautomatizzazione dei processi interni
allappliance, esonera il cliente dalla
complessa gestione della piattaforma.
Nessun tuning richiesto, come per altri sistemi.
Installazione, upgrade, alta affidabilit,
business continuity sono eseguiti con
semplicit.

INNOVAZIONE ACCELERATA, AUMENTO DELLE

PRESTAZIONI
FIELD PROGRAMMABLE GATE ARRAY: Circuito
Integrato Digitale con funzionalit programmabile
via software.
Lutilizzo dei FPGA rende possibile un rapido
processo di innovazione e quindi di aumento delle
prestazioni.
Netezza Performance:

X 4 / 2 years

Legge di Gordon Moore: # of transistor/chip

X 2 / 2 years

CONFIGURAZIONE FLESSIBILE ED ESTREMA

SCALABILIT

Netezza in grado di scalare in maniera

modulare:
100s

di Gb -> 10s di Pb di Dati

Componenti OPEN-BLADE:
Bilanciamento,

per diverse esigenze, tra

Disk
Processor
Memory

Facile

orientare Netezza verso le prestazioni oppure

verso la capacit.

NEXT-GENERATION BI

LEGACY DATABASE SOLUTION

Client

SOLARIS

AIX

TRU64

HP-UX

WINDOWS

LINUX

Database

Server

Storage

SQL
DATA

Red

Brick
CACHE

CACHE

KAIO

Optimizer
Logging
ETL Server

DBA CLI

Source
Systems

3rd Party
Apps

DATA

Lock Mgr
CACHE

DSS Query
FastLoad
Partitioning
Pre-Mat

High Performance
Loader

Views

CACHE

I/O

Raw/Cook
Lock Mgr

I/O

Raid
I/O

Vol

Mgr
Lock Mgr

I/O

APPLIANCE APPROACH

NETEZZA SYSTEM

NETEZZA PERFORMANCE SERVER

Logical

View (SMP+SPUs)

NETEZZA PERFORMANCE SERVER

NETEZZA SYSTEM

ASYMMETRIC MASSIVELY PARALLEL PROCESSING

(AMPP) = MPP(SMP, ..... , SMP, SMP)
Massively
Parallel
Processing

ogni nodo :

Symmetric
Multi
Processing

NETEZZA SYSTEM
HOST
Server

Linux ad alta prestazione (High Performance)

Cluster Active/Passive (High Availability)
Interfaccia standard verso Client Tools
Compilatore: SQL queries -> exe code (SNIPPETS)
Genera Query Plan ottimizzati
Distribuisce gli SNIPPETS sugli Snippet Processing Unit
(SPU) per lesecuzione.
SMP HOST

SPU

SQL

SNIPPET

NETEZZA SYSTEM

SNIPPET BLADES (S-BLADES)

Disk

-> Memory ASAP

I Dati compressi vengono spostati in memoria con
algoritmi intelligenti che assicurano la presenza in
cache dei dati pi acceduti.

NETEZZA SYSTEM

SNIPPET BLADES (S-BLADES) i.e. FAST engine

Nodi

indipendenti con

Multi-core

CPU
Multi-engine FIELD PROGRAMMABLE GATE ARRAY (FPGA)
GBs di RAM
CPU

+ FPGA + FPGA + ...+ FPGA + = FAST

ENGINE

NETEZZA SYSTEM

Field Programmable Gate Array

FPGA

il cuore dellarchitettura di Netezza

Esegue funzioni primarie.
Basato su 3 concetti
FAST

Engine composto da funzioni analitiche cablate

elettronicamente nei FPGA.
FAST Engine dinamicamente riconfigurabile (i.e.
estendibile, disabilitabile)
FAST Engine customizzato run-time per ogni snippet,
quindi funge da HW dedicato per ciascuna tipologia di
query ( = snippet).

FPGA-ACCELERATED STREAMING TECHNOLOGY

(FAST) : FPGA

FAST TECHNOLOGY: FPGA

CONTROL ENGINE: gestione I/O tramite Zone

Maps (similare ad Oracle Partition)
I

dati vengono partizionati per Zone, con intervalli

ini-end conosciuti.
Le Zone ottimizzano laccesso, consentendo la
scansione della sola porzione di dati necessaria
Tutti i campi hanno Zone Map, anche quelli non
DISTRIBUTED
Le Zone Map sono manutenute automagically, in
modo trasparente allutente.

FAST TECHNOLOGY: FPGA

PARSE ENGINE:
ECC

(riduzione retry su disco)

Error

Parse

Code Correction: su byte con redundancy bit

dei dati, fornendo alle 3 componenti

successive i dati nel formato necessario ad ognuna.

FAST TECHNOLOGY: FPGA

VISIBILITY ENGINE:

Implementa il paradigma ACID:

Atomicity: concetto di transazione (1/0, tutto/niente)
Consistency: preservare stato di coerenza, cio l integrit
referenziale.
Isolation: isolamento delle transazioni (tra loro) e non interferibilit
(tra loro)
Durability: dopo linizio della COMMIT, i dati non devono pi essere
persi (Per evitare che nel lasso di tempo fra il momento in cui la
base di dati si impegna a scrivere le modifiche, e quello in cui scrive
i dati effettivamente, si verifichino perdite di dati dovuti a
malfunzionamenti, vengono tenuti dei registri di log dove sono
annotate tutte le operazioni sul DB).

Elimina le righe inutili al particolare snippet in esecuzione

marked as DELETED
INSERTED dopo linizio della query
UPDATED dopo linizio della query (fornisce dato precedente)

FAST TECHNOLOGY: FPGA

PROJECT ENGINE:
Vertical

Data Filtering:

Solo

i campi utilizzati dallo statement SQL vengono

passati ai processi sucessivi
Ogni colonna della tabella non utilizzata viene filtrata
prima che la riga sia inviata alla CPU/Memory per
lelaborazione
Significativa

query acceleration, soprattutto per

tabelle con molte colonne
qui che si realizza il filtering as-fast-as-streamed
from disk

FAST TECHNOLOGY: FPGA

RESTRICT ENGINE:
Horizontal
Viene

Data Filtering:

applicata la WHERE.
Solo i record che soddisfano le condizioni, proseguono il
percorso verso gli step successivi

FAST TECHNOLOGY: FPGA

FAST ENGINE: esempio

SELECT
STATE, GENDER, AGE, COUNT(*)
FROM
8_BILLION_ROW_TABLE
WHERE
DOB < '01/04/2000
AND
DOB > 31/12/1999
AND
ZIP = 32605
GROUP BY STATE, GENDER, AGE;

FAST TECHNOLOGY: FPGA

FAST ENGINE: esempio

SELECT
STATE, GENDER, AGE, COUNT(*)
FROM
8_BILLION_ROW_TABLE
WHERE
DOB < '01/04/2000
AND
DOB > 31/12/1999
AND
ZIP = 32605
GROUP BY STATE, GENDER, AGE;

1. CONTROL ENGINE accelera la ricerca sui

dischi, limitandola alle sole ZoneMap con Date
Of Birth tra il 1 Gennaio 2000 ed il 31 Marzo
2000 (3 mesi).

FAST TECHNOLOGY: FPGA

FAST ENGINE: esempio

SELECT
STATE, GENDER, AGE, COUNT(*)
FROM
8_BILLION_ROW_TABLE
WHERE
DOB < '01/04/2000
AND
DOB > 31/12/1999
AND
ZIP = 32605
GROUP BY STATE, GENDER, AGE;

2. PARSE ENGINE eventuamente correge, e

prepara i dati ai 3 motori successivi.

FAST TECHNOLOGY: FPGA

FAST ENGINE: esempio

SELECT
STATE, GENDER, AGE, COUNT(*)
FROM
8_BILLION_ROW_TABLE
WHERE
DOB < '01/04/2000
AND
DOB > 31/12/1999
AND
ZIP = 32605
GROUP BY STATE, GENDER, AGE;

3. VISIBILITY ENGINE implementa ATOM,

fornendo dati corretti ed eliminando eventuali
modifiche sopraggiunte DOPO linizio della
TRAN.

FAST TECHNOLOGY: FPGA

FAST ENGINE: esempio

SELECT
STATE, GENDER, AGE, COUNT(*)
FROM
8_BILLION_ROW_TABLE
WHERE
DOB < '01/04/2000
AND
DOB > 31/12/1999
AND
ZIP = 32605
GROUP BY STATE, GENDER, AGE;

4. RESTRICT ENGINE filtra le righe in base alla

condizione ZIP = 32605.

FAST TECHNOLOGY: FPGA

FAST ENGINE: esempio

SELECT
STATE, GENDER, AGE, COUNT(*)
FROM
8_BILLION_ROW_TABLE
WHERE
DOB < '01/04/2000
AND
DOB > 31/12/1999
AND
ZIP = 32605
GROUP BY STATE, GENDER, AGE;

5. PROJECT ENGINE limita le colonne alle sole

STATE, GENDER, AGE.

FAST TECHNOLOGY: FPGA

ALLA FINE:
Alla

CPU/Memoria della SPU arriva soltanto una

porzione minimale di dati, su cui applicare le regole
di aggregazione.

NETEZZA SYSTEM

Network Fabric
Tutte

le componenti del sistema sono connesse da

una rete ad alta velocit
Protocollo IP custom ottimizzato per eliminare
congestioni sotto traffico di rete elevato.
Rete ottimizzata per scalare a 1000+ nodi
Interconnessione tra tutti i nodi.

NETEZZA SYSTEM

DISKs
Alta

densit
Alta prestazione
RAID (Alta Afidabilit): Redundant Array of
Indipendent Disks
http://en.wikipedia.org/wiki/RAID

Ogni

disco contiene una fetta di dati di ogni

tabella.
I dischi sono connessi alle S-Blades con una rete
dedicata ad alta velocit.

NETEZZA SYSTEM

RAID 0 (non utilizzato da Netezza)

n

dischi in Striping (round-robin, I/O a blocco)

non e esattamente un raid
non e fault tollerance
alta prestazione (dati distribuiti)

NETEZZA SYSTEM

RAID 1 (I/O a blocco, utilizzato da Netezza)

Mirroring

tra 2 dischi
Alta affidabilit: in caso di fault, laltro disco
continua ad erogare.
Lettura ottimizzata: i dati vengono letti da entrambi
i dischi
Scrittura: prestazioni invariate, potendo scrivere su
entambi i dischi in parallelo

October 12 | Confidential

SPU MIRRORING

Esempio di mirroring: configurazione da 112 SPUs

108 active
4 hot spares

Mirroring gestito automaticamente

La partizione primaria scritta sulle tracce pi esterne del disco,
per garantire un accesso ottimizzato.
Tutti i dati e metadati sono in mirror con le seguenti regole:

Le SPU non sono in mirroring reciproco (i.e. se la SPU 1 ha il mirror della

SPU 2, la SPU 2 non pu avere il mirror della SPU 1).
Il mirror di una SPU su unaltra SPU, attestata su un altro power supply.
In una configurazione multi-rack, il mirror di una SPU su un altro rack
Il mirroring realizzato tramite comunicazione diretta tra le SPU, senza
coinvolgimento dellhost.

SPU SELF-HEALING

Active Replication

Automatic Failover

Se una SPU diventa non disponibile, il suo mirror entra in funzione

automaticamente per non dare disservizio alle query.

Background Regeneration

I dati di ogni SPU sono automaticamente replicati sulla corrispondente

partizione in mirror.

I dati della SPU non disponibile vengono rigenerati su una SPU spare
La rigenerazione viene eseguita in background mentre le query
continuano ad essere eseguite

Automatic Fail-back

Una volta che i dati sono stati rigenerati sulla SPU spare, essa viene
riattivata.
Lintera operazione di self-healing completamente automatica e
trasparente allutente.

SELF-HEALING
Client

SOLARIS

AIX

TRU64

HP-UX

WINDOWS

LINUX

Netezza Performance Server System

Redundant
Everything

ODBC 3.X
JDBC Type 4
SQL/92

Gb
Switch

ETL Server

DBA CLI

Source
Systems

High-speed
Loader/Unloader

Hosts
Fans
Power
Network
Auto Call
Home

Gb
Switch

SPU 1

SPU 2

SPU 3

SPU 4

SPU 5

SPU 6

SPARE

3rd Party
Apps

Intelligent MPP Storage

High Performance
Loader

SELF-HEALING
Client

SOLARIS

AIX

TRU64

HP-UX

WINDOWS

LINUX

Netezza Performance Server System

Redundant
Everything

ODBC 3.X
JDBC Type 4
SQL/92

Gb
Switch

ETL Server

DBA CLI

Source
Systems

3rd Party
Apps

High Performance
Loader

High-speed
Loader/Unloader

Hosts
Fans
Power
Network
Auto Call
Home

Gb
Switch

SPU 1

SPU 2

SPU 3

SPU 4

SPU 5

SPU 6
Failover:
SPU#2 handles B & D data
Starts Regen Process
Call Home

SPARE

Intelligent MPP Storage

October 12 | Confidential

SELF-HEALING
Client

SOLARIS

AIX

TRU64

HP-UX

WINDOWS

LINUX

Netezza Performance Server System

Redundant
Everything

ODBC 3.X
JDBC Type 4
SQL/92

Gb
Switch

ETL Server

DBA CLI

Source
Systems

3rd Party
Apps

High Performance
Loader

High-speed
Loader/Unloader

Hosts
Fans
Power
Network
Auto Call
Home

Automatic Regen:
Recreate SPU#2 on SPU#6
Copies Spu5:B to SPU#6
Copies Spu4:D to SPU#6
Bring SPU#6 Online

Gb
Switch

SPU 1

SPU 2

SPU 3

SPU 4

SPU 5

SPU 6

Intelligent MPP Storage

October 12 | Confidential

SELF-HEALING
Client

SOLARIS

AIX

TRU64

HP-UX

WINDOWS

LINUX

Netezza Performance Server System

Call Home:
Hot Swap new SPU
This becomes Spare
Redundant
Everything

ODBC 3.X
JDBC Type 4
SQL/92

Gb
Switch

ETL Server

DBA CLI

Source
Systems

High-speed
Loader/Unloader

SPU 1

Hosts
Fans
Power
Network
Auto Call
Home

SPU 2

Gb
Switch

A
SPARE
B

E
D

SPU 3

SPU 4

SPU 5

SPU 6

3rd Party
Apps

Intelligent MPP Storage

High Performance
Loader

NETEZZA SYSTEM
COMPRESS

ENGINE

Progettata

principalmente per le Performance

non essenzialmente per aumentare lo Storage
2-3X

Agisce

i.e. 100%-200% up on performances

per COLONNA, non per RIGA.

Obiettivo : aumentare leffettiva bandwidth !

NETEZZA SYSTEM
COMPRESS

ENGINE

In

fase di WRITE-TO-DISK (data load, insert, update)

i dati vengono
Compressi

in un formato compilato
Compressi colonna x colonna
Sostituiti con linstruction set necessario alla
uncompress (decompilazione).

NETEZZA SYSTEM
COMPRESS

ENGINE

In

fase di READ-FROM-DISK (select) il Compress

Engine
Legge

linstruction set necessario a riassemblare i dati

Lo esegue (ricordiamo che gli ENGINE sono HW
configurabili run-time)
In questo modo ricostruisce i dati
60

MB/sec => 200 MB/sec ( = 0,68 TB / h)

NETEZZA SYSTEM

COMPRESS ENGINE

NETEZZA SYSTEM

COMPRESS ENGINE (fastengine.pdf)

NETEZZA
TWINFIN 6.0.x
ARCHITETTURA

NETEZZA SYSTEM

NETEZZA TWINFIN
Ultima versione: TWINFIN.
Esce in diverse modelli

Single

Rack / Multi Rack

Up to 6 S-Blade x chassis
8 Proc x S-Blade

NETEZZA TWINFIN SKIMMER

Netezza Skimmer:
Per

ambienti small, non H.A., Development, Test.

Basato su architettura TwinFin
Costo: 125K$

NETEZZA TWINFIN

HOST
KMV:

keyb, mouse, video

2 Linux-HA
Servizi

raggruppati in Resource Group

Cluster A/P with Heartbeat per ogni Resource Group
RED HAT ENTERPRISE LINUX (RHEL) 5.3
Controllo / coordinamento / ottimizzazione query
Consolidamento / restituzione dati al client
Controllo intero Sistema
DISTRIBUTED
Mirror

REPLICATOR BLOCK DEVICE (DRBD)

contenuto degli host disk, sulle partizioni

/nz
/export/home

NETEZZA TWINFIN

NETEZZA SNIPPET PROCESS ARRAY (SPA):

1

/ 2 SPU CHASSIS:

/ 6 S-BLADE DUAL BOARD (occupano 2 slot):

8 CPU
1 NETEZZA DATABASE ACCELERATOR CARD

FPGA Query Engine

Memory
I/O <-> Disk Array

STORAGE
2

ARRAY

/ 4 DISK ENCLOSURES
10 DISK ONLINE
2 DISK SPARE

STORAGE ARRAYS
1 Storage Array =

1 Disk Enclouser =
12 Dischi
Snippet Processing
Array (SPA) =

SNIPPET BLADE (S-BLADE)

Responsabile dellesecuzione degli snippet

Dual board:

CPU
Netezza Database Accelerator Card

2 o 4 Disk
Enclousers, a
seconda del
modello.

S-Blade chassis +
Storage Array

In ogni SPA, 2
Dischi sono Spare

entrano in
funzione in caso di
failure di un Disco
nella stessa SPA.

NETEZZA BACKUP / RESTORE

3 METODI per backup/restore user data

Full

/ incremental backup/restore
(nzbackup/nzrestore)
Unload / reload singola tabella in formato internal
compresso (CREATE EXTERNAL TABLE)
Unload / reload singola tabella in formato text
(CREATE EXTERNAL TABLE)

NETEZZA BACKUP / RESTORE

NETEZZA TWINFIN

DIFFERENZE CON MODELLI PRECEDENTI:

Ciascua

SPU non ha pi dischi interni, come i

vecchi modell, ma usa dischi dello Storage Array
O.S.:
TwinFin:

Red Hat Enterprise Linux (RHEL) 5.3

Precedenti versioni O.S.:
RHEL version 5.2
RHEL version 4.0
Red Hat Linux Advanced Server (LAS) 2.1

NETEZZA TWINFIN

COMPRESS:
new engine CTA2: supporto per String
Old engine CTA1
Upgrade: CTA1->CTA2: CTA2 disabilitata: abilitarla
manualmente.
Use the GROOM TABLE SQL command per convertire la
tabella al formato CTA2 compresso.
Usare CREATE TABLE AS per creare una nuova tabella
da una esistente CTA1.
Reload / restore Netezza user data (applica la
compressione CTA2 a tutti i dati durante il
reload/restore).

NETEZZA TWINFIN12

Connessione...

REFUSI

Company Timeline
Enhanced Product Line
Doubling Performance

First GA Product

Sydney, Washington, DC
& Tokyo Office Openings
London Office
Opening

Framingham HQ
Opening
Company
Founding

2000

2001
Series A
Financing
$8M

2002

2003

Series B
Financing
$25M
Staffing:
62

2004

2005

Series C
Financing
$20M

Series D
Financing
$15M

Staffing:
80

2006
Staffing:
185

2007

Staffing:
200+

Over 100 customers & over 210 systems shipped to date

ADVANCES IN DW INFRASTRUCTURE:
THE APPLIANCE APPROACH
Client

SOLARIS

AIX

TRU64

HP-UX

WINDOWS

LINUX

Netezza Performance Server System

ODBC 3.X
JDBC Type 4
SQL-92
SQL-99
Analytics

ETL Server

DBA CLI

Source
Systems

3rd Party
Apps

High Performance
Loader

RDBMS
+
Server
+
Storage

NETEZZA SYSTEM

ECC:
http://en.wikipedia.org/wiki/Hamming_code