Jump to content
Notícia
  • Adquira já o seu VIP!

Search the Community

Showing results for tags 'arquitetura de redes e programação para redes'.



More search options

  • Search By Tags

    Type tags separated by commas.
  • Search By Author

Content Type


Forums

  • Anunciantes
    • Advertise here
    • silvaBR Cheats
    • Velozhost
  • ################## WEB CHEATS ##################
  • Anúncios/Eventos
    • Regras
    • Anúncios
    • Eventos do fórum
  • Feedback & Suporte
    • Tutoriais WC
    • Suporte
    • Sugestões
    • Denúncias e Reclamações
    • Depósito
  • Shooter Zone
    • Counter Strike
    • Valorant
    • Rainbow Six Siege
    • Outros Shooters em Geral
    • Shooter Zone - Lixão
  • Battle Royale
    • COD Warzone
    • Free Fire
    • PUBG - Playerunknown's Battlegrounds
    • Fortnite
    • Outros Jogos Battle Royale
  • MMO Zone
  • Outros Games Zone
  • Design Zone
  • Info Zone
  • ################## WEB CHEATS ##################
  • Entretenimento & Diversão
  • MarketPlace
  • Old WC's Bate Papo
  • 【FREE FIRE】▄︻┻┳═一's Fórum do Clube
  • Anticomunismo's Tópicos
  • Tópicos Importantes !'s Tópicos

Find results in...

Find results that contain...


Date Created

  • Start

    End


Last Updated

  • Start

    End


Filter by number of...

Joined

  • Start

    End


Group


Discord


Idade

 
or  

Found 5 results

  1. Download Curso de Infraestrutura de Redes - Microsoft Apresenta desde o conceito de redes, até a configuração de servidores e virtualização. 1 - Conteudo Basico Módulo 1 - Redes 1 - Conceitos básicos de rede 2 - Redes Wireless 3 - Tcp-ip Módulo 2 - Instalação 1 - Instalação (parte 1) 2 - Instalação (parte 2) 3 - Instalação (parte 3) 4 - Gerenciamento de contas 5 - Compartilhamento Módulo 3 - Compartilhamento 1 - Internet 2 - Manutenção 3 - Segurança (parte 1) 4 - Segurança (parte 2) Módulo 4 - Windows Vista 1 - Indrodução Windows Vista.wmv 2 - Windows Vista Módulo 5 - Windows Server 1 - Introdução - Windows Server 2 - Windows Server 3 - Windows Server 2008 - Parte 1 4 - Windows Server 2008 - Parte 2 2 - Visao Geral Módulo 1 - Infra-Estrutura de Rede 1 - Instalação do Active Directory 2 - Verificando a Instalação do Active Directory 3 - Criando Usuários, Grupos e Unidades Organizacionais 4 - Instalando o Servidor DHCP 5 - Instalando o Gerenciador de Arquivos 6 - Instalando o Gerenciamento de Impressoras Módulo 2 - Virtualização 1 - Instalando o Hyper-V 2 - Configurações Avançadas de Máquinas Virtuais 3 - Configurações Gerais do Hyper-V3 Módulo 3 - Infra-Estrutura Web 1 - Evolução da Plataforma Microsoft para Web e Visão Comparativa 3 - Segurança Módulo 1 - Resolução de Problemas 1 - Recursos de segurança no Windows Vista 2 - Implementando segurança em um Domain Controller 3 - Implementando segurança em estações de trabalho via GPO 4 - Ferramentas utilizadas em segurança Módulo 2 - Segurança e Proteção de Dados 1 - Backup 2 - Monitor de Confiabilidadev 3 - Implementando segurança em estações de trabalho via GPO 4 - Atualizações Automáticas Idioma: Português - BR Editora/Gênero: TI Formato do Arquivo: F4V / ZIP / FLV / AVI / PDF e etc. Tamanho do Arquivo: 781 MB DOWNLOAD [HIDE-THANKS] [Hidden Content] [/HIDE-THANKS] Achou muito grande? Precisa de algum gerenciador? Confira este programa: Megadownloader (Burlar o Limite do Mega)
  2. Download 90+ Apostilas De Redes Apostilas de redes para aprendizagem em infraestrutura. Link atualizado DOWNLOAD [Hidden Content]
  3. ´Redes de computadores´ foi atualizado para refletir as tecnologias mais novas e mais importantes de redes, com ênfase especial em redes sem fio, incluindo 802.11, Bluetooth, comunicação sem fio de banda larga, redes ad hoc, i-mode e WAP. Porém, as redes fixas não foram ignoradas com cobertura de ADSL, Internet via cabo, Ethernet de gigabit, redes não-hierárquicas, NAT e MPLS. DOWNLOAD [HIDE-THANKS] Opção 1 - Mediafire Opção 2 - Depositfiles [/HIDE-THANKS]
  4. Descubra como resolver erros do tipo "DNS_PROBE_FINISHED" O erro DNS_PROBE_FINISHED_NO_INTERNET é bastante comum em aparelhos que tem problemas com conexões e servidores DNS instáveis. Apesar de parecer assustador, esse tipo de erro é bem comum, e a as vezes, fácil de resolver. A maior dificuldade é que existem vários deles: dns_probe_finished_bad_config, dns_probe_finished_no_internet ou dns_probe_finished_nxdomain. Além disso, ele independe de plataforma, podendo aparecer no Android, Mac, Windows 7, 8, 10 e até Linux. Por isso, nesse tutorial, serão mostradas todas as opções que pode ajudar a descobrir como resolver esse erro, para que você volte a navegar e usar o Facebook, Google e tudo mais. Chrome tem game escondido que você só pode jogar offline Descubra como resolver erros do tipo "DNS_PROBE_FINISHED" (Foto: Edivaldo Brito/TechTudo) Se quando você tentar acessar à Internet, receber uma mensagem de erro indicando "DNS_PROBE_FINISHED_NO_INTERNET", execute um dos seguintes procedimentos para resolver o problema no seu computador: Reinicie o roteador Essa é a solução mais óbvia e que resolve o problema na maioria dos casos. Muitas vezes, os problemas DNS_PROBE_FINISHED podem ser resolvidos apenas desligando e religando o roteador de acesso a Internet. Simplesmente desligue o seu roteador, aguarde alguns segundos e volte a ligá-lo. Caso você possua um repetidor de Wi-Fi, experimente reinicia-lo também. Em seguida, abra um navegador em um site e veja se resolveu. Faça a reparação da conexão Se a reinicialização do roteador não resolveu o seu problema, outra opção que pode ajudar o usuário é a reparação de conexão. O recurso pode ser acessado no Windows, fazendo o seguinte: Clique com o botão direito do mouse sobre o ícone da conexão. No menu de contexto que será exibido, clique na opção "Resolver problemas"; Acessando a opção "Solucionar problemas" da conexão Imeditamente, será exibida a janela de diagnóstico de Rede do Windows. Essa ferramenta fará uma análise completa da conexão e fará alguns ajustes e tarefas, incluíndo a reparação de conexão . Utilizando a ferramenta de solução de problemas de rede Terminado o diagnostico, feche a janela, abra um navegador e acesse um site, para testar como ficou; Limpe o cache de DNS Limpando o cache DNS no Windows A estrutura de nomes usada para encontrar sites na Internet chama-se Domain Name System ou DNS. Embora seja muito bem feito, esse recurso não é perfeito, podendo exibir erros e informações erradas. Ou seja, em alguns momentos o DNS poderá gerar erros no seu navegador. Quando isso acontecer, você pode simplesmente limpar o cache de DNS para obter a informação mais recente, e quem sabe, resolver o seu problema. Para limpar o cache de DNS, basta seguir esses outros tutorial do TechTudo: Como limpar cache do DNS Como limpar o cache DNS no Windows, Mac e Linux Use os servidores de DNS do Google Alguns provedores de Internet utilizam servidorses de DNS fracos e que apresentam muitos problemas, resultando nos famigerados erros "DNS_PROBE_FINISHED", dentre outros. Quando isso acontece, é dificil descobrir de quem é a culpa. Nesse caso, mudar os endereços dos servidores DNS para algo mais confiável pode ser a solução. Uma boa saída para esse tipo de situação é usar os servidores de DNS do Google. Na prática, você estará configurando o Windows que para usar os servidores do Google para obter o IP dos sites, em vez de procurar servidores DNS do provedor. Para fazer esse ajuste, siga esse tutorial: Como usar o DNS público do Google Mude de provedor Se depois de todas essas opções, você ainda continua vendo erros de "DNS_PROBE_FINISHED", então experimente usar outro provedor de acesso a Internet. De imediato, você pode tentar usar um modem ou o smartphone como modem. Ou se tiver essa opção, tente acessar usando outra conexão disponível para conferir se o problema é a rede. Erros sempre podem aparecer, você só precisa descobrir como corrigi-los. Com certeza as dicas acima resolverão o seu problema e você poderá finalmente acessar a Internet tranquilamente. Tenha uma boa navegação
  5. Introdução Você já parou para pensar na quantidade e variedade de dados que geramos e armazenamos a cada dia? Bancos, companhias aéreas, operadoras de telefonia, serviços de busca on-line e redes varejistas são apenas alguns dos inúmeros exemplos de empresas que convivem diariamente com grandes volumes de informações. Mas apenas ter dados não basta: é importante conseguir e saber usá-los. É aí que o conceito de Big Data entra em cena. Neste texto, você verá o que é Big Data, entenderá o porquê de este nome estar cada vez mais presente no vocabulário dos ambientes de Tecnologia da Informação (TI) e compreenderá os motivos que levam o conceito a contribuir para o cotidiano de empresas, governos e demais instituições. O conceito de Big Data A princípio, podemos definir o conceito de Big Data como sendo conjuntos de dados extremamente amplos e que, por este motivo, necessitam de ferramentas especialmente preparadas para lidar com grandes volumes, de forma que toda e qualquer informação nestes meios possa ser encontrada, analisada e aproveitada em tempo hábil. De maneira mais simplista, a ideia também pode ser compreendida como a análise de grandes quantidades de dados para a geração de resultados importantes que, em volumes menores, dificilmente seriam alcançados. Não é difícil entender o cenário em que o conceito se aplica: trocamos milhões de e-mails por dia; milhares de transações bancárias acontecem no mundo a cada segundo; soluções sofisticadas gerenciam a cadeia de suprimentos de várias fábricas neste exato momento; operadoras registram a todo instante chamadas e tráfego de dados do crescente número de linhas móveis no mundo todo; sistemas de ERP coordenam os setores de inúmeras companhias. Enfim, exemplos não faltam - se te perguntarem, você certamente será capaz de apontar outros sem fazer esforço. Informação é poder, logo, se uma empresa souber como utilizar os dados que tem em mãos, poderá entender como melhorar um produto, como criar uma estratégia de marketing mais eficiente, como cortar gastos, como produzir mais em menos tempo, como evitar o desperdício de recursos, como superar um concorrente, como disponibilizar serviços para a um cliente especial de maneira satisfatória e assim por diante. Perceba, estamos falando de fatores que podem inclusive ser decisivos para o futuro de uma companhia. Mas, Big Data é um nome relativamente recente (ou, ao menos, começou a aparecer na mídia recentemente). Isso significa que somente nos últimos anos é que as empresas descobriram a necessidade de fazer melhor uso de seus grandes bancos de dados? Pode ter certeza que não. Há tempos que departamentos de TI contemplam aplicações de Data Mining, Business Intelligence e CRM (Customer Relationship Management), por exemplo, para tratar justamente de análise de dados, tomadas de decisões e outros aspectos relacionados ao negócio. A proposta de uma solução de Big Data é a de oferecer uma abordagem ampla no tratamento do aspecto cada vez mais "caótico" dos dados para tornar as referidas aplicações e todas as outras mais eficientes e precisas. Para tanto, o conceito considera não somente grandes quantidades de dados, a velocidade de análise e a disponibilização destes, como também a relação com e entre os volumes. O Facebook é um exemplo de empresa que se beneficia de Big Data: as bases de dados do serviço aumentam todo dia e são utilizadas para determinar relações, preferências e comportamentos dos usuários Por que Big Data é tão importante? Lidamos com dados desde os primórdios da humanidade. Acontece que, nos tempos atuais, os avanços computacionais nos permitem guardar, organizar e analisar dados muito mais facilmente e com frequência muito maior. Este panorama está longe de deixar de ser crescente. Basta imaginar, por exemplo, que vários dispositivos em nossas casas - geladeiras, TVs, lavadoras de roupa, cafeteiras, entre outros - deverão estar conectados à internet em um futuro não muito distante. Esta previsão está dentro do que se conhece como Internet das Coisas. Se olharmos para o que temos agora, já veremos uma grande mudança em relação às décadas anteriores: tomando como base apenas a internet, pense na quantidade de dados que são gerados diariamente somente nas redes sociais; repare na imensa quantidade de sites na Web; perceba que você é capaz de fazer compras on-line por meio até do seu celular, quando o máximo de informatização que as lojas tinham em um passado não muito distante eram sistemas isolados para gerenciar os seus estabelecimentos físicos. As tecnologias atuais nos permitiram - e permitem - aumentar exponencialmente a quantidade de informações no mundo e, agora, empresas, governos e outras instituições precisam saber lidar com esta "explosão" de dados. O Big Data se propõe a ajudar nesta tarefa, uma vez que as ferramentas computacionais usadas até então para gestão de dados, por si só, já não podem fazê-lo satisfatoriamente. A quantidade de dados gerada e armazenada diariamente chegou a tal ponto que, hoje, uma estrutura centralizada de processamento de dados já não faz mais sentido para a maioria absoluta das grandes entidades. O Google, por exemplo, possui vários data centers para dar conta de suas operações, mas trata todos de maneira integrada. Este "particionamento estrutural", é bom destacar, não é uma barreira para o Big Data - em tempos de computação nas nuvens, nada mas trivial. Os 'Vs' do Big Data: volume, velocidade, variedade, veracidade e valor No intuito de deixar a ideia de Big Data mais clara, alguns especialistas passaram a resumir o assunto em aspectos que conseguem descrever satisfatoriamente a base do conceito: os cincos 'Vs' - volume, velocidade e variedade, com os fatores veracidade e valor aparecendo posteriormente. O aspecto do volume (volume) você já conhece. Estamos falando de quantidades de dados realmente grandes, que crescem exponencialmente e que, não raramente, são subutilizados justamente por estarem nestas condições. Velocidade (velocity) é outro ponto que você já assimilou. Para dar conta de determinados problemas, o tratamento dos dados (obtenção, gravação, atualização, enfim) deve ser feito em tempo hábil - muitas vezes em tempo real. Se o tamanho do banco de dados for um fator limitante, o negócio pode ser prejudicado: imagine, por exemplo, o transtorno que uma operadora de cartão de crédito teria - e causaria - se demorasse horas para aprovar um transação de um cliente pelo fato de o seu sistema de segurança não conseguir analisar rapidamente todos os dados que podem indicar uma fraude. Variedade (variety) é outro aspecto importante. Os volume de dados que temos hoje são consequência também da diversidade de informações. Temos dados em formato estruturados, isto é, armazenados em bancos como PostgreSQL e Oracle, e dados não estruturados oriundos de inúmeras fontes, como documentos, imagens, áudios, vídeos e assim por diante. É necessário saber tratar a variedade como parte de um todo - um tipo de dado pode ser inútil se não for associado a outros. O ponto de vista da veracidade (veracity) também pode ser considerado, pois não adianta muita coisa lidar com a combinação "volume + velocidade + variedade" se houver dados não confiáveis. É necessário que haja processos que garantam o máximo possível a consistência dos dados. Voltando ao exemplo da operadora de cartão de crédito, imagine o problema que a empresa teria se o seu sistema bloqueasse uma transação genuína por analisar dados não condizentes com a realidade. Informação não é só poder, informação também é patrimônio. A combinação "volume + velocidade + variedade + veracidade", além de todo e qualquer outro aspecto que caracteriza uma solução de Big Data, se mostrará inviável se o resultado não trouxer benefícios significativos e que compensem o investimento. Este é o ponto de vista do valor (value). É claro que estes cinco aspectos não precisam ser tomados como a definição perfeita. Há quem acredite, por exemplo, que a combinação "volume + velocidade + variedade" seja suficiente para transmitir uma noção aceitável do Big Data. Sob esta óptica, os aspectos da veracidade e do valor seriam desnecessários, porque já estão implícitos no negócio - qualquer entidade séria sabe que precisa de dados consistentes; nenhuma entidade toma decisões e investe se não houver expectativa de retorno. O destaque para estes dois pontos talvez seja mesmo desnecessário por fazer referência ao que parece óbvio. Por outro lado, a sua consideração pode ser relevante porque reforça os cuidados necessários a estes aspectos: uma empresa pode estar analisando redes sociais para obter uma avaliação da imagem que os clientes têm de seus produtos, mas será que estas informações são confiáveis ao ponto de não ser necessário a adoção de procedimentos mais criteriosos? Será que não se faz necessário um estudo mais profundo para diminuir os riscos de um investimento antes de efetuá-lo? De qualquer forma, os três primeiros 'Vs' - volume, velocidade e variedade - podem até não oferecer a melhor definição do conceito, mas não estão longe de fazê-lo. Entende-se que Big Data trata apenas de enormes quantidades de dados, todavia, você pode ter um volume não muito grande, mas que ainda se encaixa no contexto por causa dos fatores velocidade e variedade. Soluções de Big Data Além de lidar com volumes extremamente grandes de dados dos mais variados tipos, soluções de Big Data também precisam trabalhar com distribuição de processamento e elasticidade, isto é, suportar aplicações com volumes de dados que crescem substancialmente em pouco tempo. O problema é que os bancos de dados "tradicionais", especialmente aqueles que exploram o modelo relacional, como o MySQL, o PostgreSQL e o Oracle, não se mostram adequados a estes requisitos, já que são menos flexíveis. Isso acontece porque bancos de dados relacionais normalmente se baseiam em quatro propriedades que tornam a sua adoção segura e eficiente, razão pela qual soluções do tipo são tão populares: Atomicidade, Consistência, Isolamento e Durabilidade. Esta combinação é conhecida como ACID, sigla para o uso destes termos em inglês: Atomicity, Consistency, Isolation e Durability. Vejamos uma breve descrição de cada uma: Atomicidade: toda transação deve ser atômica, isto é, só pode ser considerada efetivada se executada completamente; Consistência: todas as regras aplicadas ao banco de dados devem ser seguidas; Isolamento: nenhuma transação pode interferir em outra que esteja em andamento ao mesmo tempo; Durabilidade: uma vez que a transação esteja concluída, os dados consequentes não podem ser perdidos. O problema é que este conjunto de propriedades é por demais restritivo para uma solução de Big Data. A elasticidade, por exemplo, pode ser inviabilizada pela atomicidade e pela consistência. É neste ponto que entra em cena o conceito de NoSQL, denominação que muitos atribuem à expressão em inglês "Not only SQL", que em tradução livre significa "Não apenas SQL" (SQL -Structured Query Language - é, em poucas palavras, uma linguagem própria para se trabalhar com bancos de dados relacionais). O NoSQL faz referência às soluções de bancos de dados que possibilitam armazenamento de diversas formas, não se limitando ao modelo relacional tradicional. Bancos do tipo são mais flexíveis, sendo inclusive compatíveis com um grupo de premissas que "compete" com as propriedades ACID: a BASE (Basically Available, Soft state, Eventually consistency - Basicamente disponível, Estado Leve, Eventualmente consistente). Não é que bancos de dados relacionais tenham ficado ultrapassados - eles são e continuarão por muito tempo sendo úteis a uma série de aplicações. O que acontece é que, geralmente, quanto maior um banco de dados se torna, mais custoso e trabalhoso ele fica: é preciso otimizar, acrescentar novos servidores, empregar mais especialistas em sua manutenção, enfim. Via de regra, escalar (torná-lo maior) um bancos de dados NoSQL é mais fácil e menos custoso. Isso é possível porque, além de contar com propriedades mais flexíveis, bancos do tipo já são otimizados para trabalhar com processamento paralelo, distribuição global (vários data centers), aumento imediato de sua capacidade e outros. Além disso, há mais de uma categoria de banco de dados NoSQL, fazendo com que soluções do tipo possam atender à grande variedade de dados que existe, tanto estrurados, quanto não estruturados: bancos de dados orientados a documentos, bancos de dados chave/valor, bancos de dados de grafos, enfim. Exemplos de bancos de dado NoSQL são o Cassandra, o MongoDB, o HBase, o CouchDB e o Redis. Mas, quando o assunto é Big Data, apenas um banco de dados do tipo não basta. É necessário também contar com ferramentas que permitam o tratamento dos volumes. Neste ponto, o Hadoop é, de longe, a principal referência. Exemplos de bancos de dados noSQL: Cassandra, MongoDB, HBase, CouchDB e Redis O que é Hadoop? O Hadoop é uma plataforma open source desenvolvida especialmente para processamento e análise de grandes volumes de dados, sejam eles estruturados ou não estruturados. O projeto é mantido pela Apache Foundation, mas conta com a colaboração de várias empresas, como Yahoo!, Facebook, Google e IBM. Pode-se dizer que o projeto teve início em meados de 2003, quando o Google criou um modelo de programação que distribui o processamento a ser realizado entre vários computadores para ajudar o seu mecanismo de busca a ficar mais rápido e livre da necessidades de servidores poderosos (e caros). Esta tecnologia recebeu o nome de MapReduce. Alguns meses depois, o Google apresentou o Google File System (GFS), um *sistema de arquivos especialmente preparado para lidar com processamento distribuído e, como não poderia deixar de ser no caso de uma empresa como esta, grandes volumes de dados (em grandezas de terabytes ou mesmo petabytes). *Em poucas palavras, o sistema de arquivos é um conjunto de instruções que determina como os dados devem ser guardados, acessados, copiados, alterados, nomeados, eliminados e assim por diante. Em 2004, uma implementação open source do GFS foi incorporada ao Nutch, um projeto de motor de busca para a Web. O Nutch enfrentava problemas de escala - não conseguia lidar com um volume grande de páginas - e a variação do GFS, que recebeu o nome Nutch Distributed Filesystem(NDFS), se mostrou como uma solução. No ano seguinte, o Nutch já contava também com uma implementação do MapReduce. Na verdade, o Nutch fazia parte de um projeto maior: uma biblioteca para indexação de páginas chamada Lucene. Os responsáveis por estes trabalhos logo viram que o que tinham em mãos também poderia ser usado em aplicações diferentes das buscas na Web. Esta percepção motivou a criação de outro projeto que engloba características do Nutch e do Lucene: o Hadoop, cuja implementação do sistema de arquivos recebeu o nome de Hadoop Distributed File System (HDFS). O Hadoop é tido como uma solução adequada para Big Data por vários motivos: - É um projeto open source, como já informado, fato que permite a sua modificação para fins de customização e o torna suscetível a melhorias constantes graças à sua rede de colaboração. Por causa desta característica, vários projetos derivados ou complementares foram - e ainda são - criados; - Proporciona economia, já que não exige o pagamento de licenças e suporta hardware convencional, permitindo a criação de projetos com máquinas consideravelmente mais baratas; - O Hadoop conta, por padrão, com recursos de tolerância a falhas, como replicação de dados; - O Hadoop é escalável: havendo necessidade de processamento para suportar maior quantidade de dados, é possível acrescentar computadores sem necessidade de realizar reconfigurações complexas no sistema. É claro que o Hadoop pode ser usado em conjunto com bancos de dados NoSQL. A própria Apache Foundation mantém uma solução do tipo que é uma espécie de subprojeto do Hadoop: o já mencionado banco de dados HBase, que funciona atrelado ao HDFS. A denominação Hadoop tem uma origem inusitada: este é o nome que o filho de Doug Cutting, principal nome por trás do projeto, deu ao seu elefante de pelúcia amarelo O Hadoop, é bom frisar, é a opção de maior destaque, mas não é a única. É possível encontrar outras soluções compatíveis com NoSQL ou que são baseadas em Massively Parallel Processing(MPP), por exemplo.
×
×
  • Create New...