A hagyományos informatikai rendszerekben az adatokat előszűrés után strukturált formában tárolják, de ezáltal sok olyan részletet elvesztünk, amelyek újszerű elemzésével hasznos összefüggéseket lehet felderíteni. Erre a felismerésre épít a BigData megközelítés, amely során a korábbiaknál nagyságrendekkel nagyobb méretű adathalmazon próbáljuk meg a közös mintákat beazonosítani, a minták közti korrelációkat feltárni és erre építve gyakorlatban használható következtetéseket levonni - még akkor is, ha az okokat nem tudjuk kideríteni. Annak érdekében, hogy ezeket a folyamatokat megvalósítsuk, szükség van a nagy feldolgozás-igényt támogató infrastruktúra tervezésére, kiépítésére és működtetésére. A BigData témakörén belül különösen népszerű a valós idejű (real time), folyamatosan generált adatok elemzése, az ún. streaming analytics. A tanszéken belül, az Ericssonnal egyűttműködve folyamatosan elemezzűk a BME Campus IP forgalmának statisztikáját. A félév során a hallgató feladata a tanszéki mérőállomás hálózat monitorozó alkalmazásának bekötése egy streaming BigData elemző rendszerbe, valamint a hálózati paraméterek közti összefüggések feltárása és értékelése. A témát ipari partnerekkel egyeztetve műveljük, az kiválóan alkalmas TDK dolgozat, diplomamunka elkészítéséhez, lehetőség van a témában folyó tanszéki projektbe való bekapcsolódásra is. A témáról, a tanszéken folyó munkáról szívesen mesélünk további részleteket, keress meg minket egy kötetlen beszélgetés erejéig.

The legacy information processing systems the data is stored in a structured way, losing important details that may be useful if processed with novel analytical methods. This disadvantage is eliminated by the Big Data approach, where several orders of magnitude larger data sets are handled in order to identify usedul patterns, detect correlations among patterns and draw conclusions that have practical usefulness. The project laboratory task is to feed the data from the Department's real time network monitoring system tapped to the University Campus network to a BigData streaming application and analyze the internal relations between the parameters of the monitored data. The current work will focus on Big Data technologies and not the network monitoring details. This topic can be further developed into a Diploma Thesis. For further details please contact us.