@masterthesis{Kohla, type = {Bachelor Thesis}, author = {Kohla, Tim}, title = {Entwicklung einer Anwendung zur Analyse und Darstellung von Metadaten eines nonlinearen Imageboards am Beispiel von Safebooru (safebooru.donmai.us)}, school = {Hochschule f{\"u}r Technik und Wirtschaft Berlin}, pages = {43}, abstract = {In den vergangenen Jahren ist die Popularit{\"a}t von sogenannten "nonlinearen Imageboards" im Internet immer weiter angestiegen. Auf solchen Imageboards sind Benutzende in der Lage, Bilder hochzuladen und zu verschlagworten. Diese hinzugef{\"u}gten Informationen sind in Form von entsprechenden Metadaten f{\"u}r alle Bilder vorhanden. Es gibt jedoch bis jetzt keine einfache M{\"o}glichkeit, diese Daten zu analysieren und z.B. nach Mustern oder Aufkommen zu untersuchen. Vor diesem Hintergrund wird in dieser Arbeit eine Anwendung erstellt, welche die Metadatan eines ausgew{\"a}hlten nonlinearen Imageboards (Safebooru) sammelt, aufbereitet und anschließend zur Verf{\"u}gung stellt. Die aufbereiteten Daten werden am Ende in Form einer React-Anwendung Benutzenden zur Verf{\"u}gung gestellt. In dieser Arbeit wird dabei die Konzeptualisierung, der Entwurf, die Implementierung, das Testen und das Bereitstellen der Anwendung thematisiert. Das Ergebnis dieser Arbeit ist auf einer virtuellen Maschine der Hochschule bereitgestellt. Ebenso ist der Code der Arbeit auf GitHub einzusehen.}, language = {de} } @misc{Kohla, type = {Master Thesis}, author = {Kohla, Tim}, title = {Hashtabellen und Hashfunktionen im Big-Data Framework Thrill}, school = {Hochschule f{\"u}r Technik und Wirtschaft Berlin}, pages = {79}, abstract = {In der heutigen Zeit steigt die Menge der weltweit generierten Daten kontinuierlich immer weiter an. Dies erzeugt jedoch Probleme, da konventionelle Technologien und Ans{\"a}tze nicht mehr in der Lage sind diese Daten in akzeptabler Zeit zu verarbeiten. Entsprechend dessen wurden in der Vergangenheit verschiedene L{\"o}sungsans{\"a}tze, Technologien und Frameworks wie etwa das MapReduce Programmiermodell entwickelt. Eines dieser Frameworks ist das Big-Data Framework Thrill, welches mit dem Ziel entwickelt wurde eine m{\"o}glichst hohe Performanz f{\"u}r die Verarbeitung großer Daten bei gleichzeitig einfacher Benutzbarkeit zu bieten. Das Framework verf{\"u}gt jedoch {\"u}ber Probleme, welche sich negativ auf die Skalierbarkeit auswirken. Einige dieser Probleme basieren auf der Verwendung Hashfunktionen und Hashtabellen. Im Rahmen dieser Arbeit wurden diese Probleme analysiert und L{\"o}sungsans{\"a}tze entwickelt sowie evaluiert. Einige der L{\"o}sungsans{\"a}tze wie die Verwendung einer festen Hashfunktion sowie die Implementierung einer neuen Hashtabelle auf Basis von Cuckoo Hashing wurden im Rahmen dieser Arbeit realisiert und im Anschluss bewertet. Dabei zeigte sich, dass durch Verwendung einer festen Hashfunktion Verbesserungen realisieren lassen. Es zeigte sich jedoch auch, dass die Hashtabelle auf Basis von Cuckoo Hashing {\"u}ber zahlreiche Probleme verf{\"u}gt, wodurch der Einsatz von dieser Art von Hashtabellen in dem in der Arbeit vorgestelltem Kontext als kritisch zu bewerten ist.}, language = {de} }