Faglig innhold

Introduksjon til store og distribuerte datamengder. Introduksjon til distribuerte teknikker. Hvordan lage dataintensive applikasjoner? Pålitelighet, skalerbarhet og vedlikeholdbarhet; hvordan vi kan designe og oppnå disse egenskapene. Datamodeller og spørrespråk. Indeksering- og datalagringsmetoder. Datarepresentasjon, replikering, partisjonering og transaksjoner. Feilmodeller, konsistens og konsensus.

Læringsutbytte

Læringsutbytte

Kunnskaper:

Ved fullføring av emnet, skal kandidaten kunne forklare

1. pålitelige, skalerbare og vedlikeholdebare distribuerte systemer

2. datamodeller og tilhørende spørrespråk

3. indekserings- og datalagringsmetoder

4. formater for koding av data

5. modeller for replikering

6. modeller for partisjonering- transaksjonsteori og samtidighet

7. feilmodeller

8. konsistens og konsensus

9. algoritmer for konsensus

10. synkronisering av distribuerte klokker

11. distribuert debugging

12. eksempler på distribuerte databaser: Amazon Dynamo og Google Spanner

Ferdigheter:

Ved fullføring av emnet skal kandidaten kunne

1. utvikle programmer med stordata som bruker standard databaseløsninger.

2. evaluere eksisterende systemer og løsninger for distribuert lagring og forvaltning av data

3. sette sammen teknikker for å bygge gitte egenskaper i et distribuert system.

4. utvikle nye systemer for distribuert lagring og forvaltning av data.

Generell kompetanse:

Ved fullføring av emnet skal kandidaten kunne forklare distribuerte systemer

Læringsformer og aktiviteter

Forelesninger, øvinger, prosjekt og selvstudium.

Det er obligatoriske øvinger i emnet.

Det er to prosjekter som involverer programmering med stordata og gjøres i små grupper

Obligatoriske aktiviteter

• Øvinger

Anbefalte forkunnskaper

TDT4120 Algoritmer og datastrukturer og TDT4145 Datamodellering og databasesystemer, eller tilsvarende.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon