Автостат официальный сайт статистика: Аналитическое агентство АВТОСТАТ

-Таблица имеет 0 строк и увеличивается до одной или нескольких строк.

-Таблица имела менее 500 строк, и с момента последнего обновления

-Таблица содержит более 500 строк, и с момента последнего обновления

План обслуживания: Вы также можете заранее обновить статистику самостоятельно, используя TSQL (sp_updatestats для всей статистики в базе данных или UPDATE STATISTICS для одной) или задачу плана обслуживания.Планирование обслуживания статистики в нерабочее время поможет снизить потребность в обновлении статистики в часы пик. Необходимость и частота этого профилактического обслуживания будут зависеть от вашей среды; частые изменения данных приводят к более быстрому устареванию статистики. Вы также можете указать размер выборки, используемый для обновления статистики;

Пример:

ОБНОВЛЕНИЕ СТАТИСТИКИ TableName (StatsName) WITH FULLSCAN : требует больше времени и ресурсов, но гарантирует точность статистики.

ОБНОВЛЕНИЕ СТАТИСТИКИ Имя таблицы (StatsName) С ОБРАЗОМ 50 ПРОЦЕНТОВ : будет использовать только половину строк и экстраполировать остальные, то есть обновление будет быстрее, но статистика может быть неточной.

Перестроение индекса также обновит статистику индекса при полном сканировании (статистика столбца не будет обновлена, и обновление индекса произведет реорганизация). Однако обратите внимание, что обновление статистики заставляет запросы перекомпилировать; поэтому вы должны решить, стоит ли иметь последнюю статистику за накладные расходы на перекомпиляцию.

Неиспользуемая статистика: Статистика требует затрат, и, как и в случае с индексами, слишком большое их количество может привести к таким проблемам, как увеличение стоимости обслуживания статистики, и может усложнить работу оптимизатора. Обновление статистики для большой базы данных может занять часы, даже дни. Когда Auto Create Statistics включен, статистика может быть создана даже для одноразового запроса. Таблица может содержать большое количество бесполезной статистики.Целесообразно просматривать и очищать статистику в рамках общего обслуживания. Выявление неиспользуемой статистики может быть затруднено, поскольку, в отличие от индексов, SQL Server не записывает использование статистики. Однако вы можете определить статистику, которая удовлетворяет одному из пороговых значений для автоматического обновления выше, но все еще не обновлялась; это хороший показатель неиспользованной статистики.

В дополнение к неиспользованной статистике вы можете найти перекрывающуюся статистику, которая покрывается другой статистикой. Следующий скрипт от Кендала Ван Дайка идентифицирует всю статистику по отдельным столбцам, которая покрывается существующей статистикой индекса (имеет один и тот же ведущий столбец) в базе данных, и генерирует команды TSQL для их удаления.

С автоматической статистикой (object_id, stats_id, name, column_id)
КАК (ВЫБРАТЬ sys.stats.object_id,
sys.stats.stats_id,
sys.stats.name,
sys.stats_columns.column_id
ИЗ sys.stats
ВНУТРЕННЕЕ СОЕДИНЕНИЕ sys.stats_columns НА sys.stats.object_id = sys.stats_columns.object_id
И sys.stats.stats_id = sys.stats_columns.stats_id
ГДЕ sys.stats.auto_created = 1
И sys.stats_columns.stats_column_id = 1
)
ВЫБЕРИТЕ ИМЯ ОБЪЕКТА (sys.stats.object_id) КАК [Таблица],
sys.columns.name AS [Столбец],
sys.stats.назовите AS [перекрытие],
autostats.name AS [перекрытие],
'DROP STATISTICS [' + OBJECT_SCHEMA_NAME (sys.stats.object_id)
+ ']. [' + OBJECT_NAME (sys.stats.object_id) + ']. ['
+ autostats.name + ']'
ИЗ sys.stats
ВНУТРЕННЕЕ СОЕДИНЕНИЕ sys.stats_columns НА sys.stats.object_id = sys.stats_columns.object_id
И sys.stats.stats_id = sys.stats_columns.stats_id
INNER JOIN autostats ON sys.stats_columns.object_id = autostats.object_id
И sys.stats_columns.column_id = autostats.column_id
ВНУТРЕННЕЕ СОЕДИНЕНИЕ sys.columns НА sys.stats.object_id = sys.columns.object_id
И sys.stats_columns.column_id = sys.columns.column_id
ГДЕ sys.stats.auto_created = 0
И sys.stats_columns.stats_column_id = 1
И sys.stats_columns.stats_id! = Autostats.stats_id
И СВОЙСТВО ОБЪЕКТА (sys.stats.object_id, 'IsMsShipped') = 0
 

Источник: https://www.kendalvandyke.com/2010/09/tuning-tip-identifying-overlapping.html

Распространенные ошибки

Обновление статистики после перестроения индекса: Как упоминалось ранее, перестроение индекса (не реорганизация) также обновит статистику индекса с использованием полного сканирования.Планирование обслуживания статистики после обслуживания индекса приведет к дублированию работы. Кроме того, если для обслуживания статистики используется небольшой размер выборки, новая обновленная статистика перезапишет те, которые были только что обновлены при полном сканировании, что означает, что их значения будут менее точными. Однако можно запланировать его после реорганизации индекса.

В зависимости от автоматического обновления: Как видно выше, порог, при котором запускается автоматическое обновление, составляет около 20% от общего количества строк. Это нормально для небольших таблиц, но для больших таблиц требуется много изменений данных перед запуском обновления, во время которого статистика может устареть.

Без указания размера выборки: При обновлении выбор правильного размера выборки важен для обеспечения точности статистики. Хотя стоимость использования полного сканирования выше, в некоторых ситуациях это необходимо, особенно для очень больших баз данных. Выполнение процедуры EXEC sp_updatestats @resample = ‘resample’ обновит всю статистику с использованием последней использованной выборки. Если вы не укажете пересчет, он обновит их, используя образец по умолчанию. Выборка по умолчанию определяется сервером SQL и представляет собой долю от общего количества строк в таблице.Недавно мы столкнулись с проблемой, когда администратор баз данных выполнял «EXEC sp_updatestats» для базы данных размером 1 терабайт, в результате чего вся статистика обновлялась с использованием образца по умолчанию. Из-за размера базы данных выборки по умолчанию просто недостаточно для представления распределения данных в базе данных, и во всех запросах использовались плохие планы выполнения, что вызывало серьезные проблемы с производительностью. Только полное обновление статистики сканирования предоставило точную статистику для этой базы данных, но ее выполнение занимает очень много времени.К счастью, был QA-сервер, на котором база данных была восстановлена ​​до обновления статистики и с почти идентичными данными. Мы смогли записать статистику с сервера контроля качества и воссоздать ее в производственной среде, используя их двоичное представление (см. WITH STATS_STREAM). Это решение не рекомендуется и использовалось только в крайнем случае. Этот инцидент показывает важность статистики и проведения надлежащего технического обслуживания, соответствующего окружающей среде.

Слишком частое обновление: Не только обновление статистики связано с расходами, помните, что это также вызывает перекомпиляцию запросов.Обновлять статистику следует только по мере необходимости, и следует использовать расписание, подходящее для вашей среды. Частота зависит от количества изменений данных в базе данных, большее количество изменений требует более частого обновления статистики.

Заключение

Статистика является важным элементом общей производительности базы данных и требует надлежащего обслуживания и внимания. Кроме того, каждая среда уникальна и предъявляет различные требования к ведению статистики. Для получения дополнительной информации о статистике см. Https: // technet.microsoft.com/en-us/library/ms1.aspx.

Продажи электромобилей в России ежегодно значительно увеличиваются

Электромобили в Сибири. Кредит: Россети Сибирь.

Еще один год подряд Россия устанавливает рекорды по продажам электромобилей, которые шокирующе опережают показатели ее скандинавских соседей, жаждущих электромобилей.Хотя фактическое количество автомобилей без выбросов на российских дорогах по-прежнему невелико, постоянный ежегодный рост их количества примечателен, когда энергетическая политика Москвы не совсем зеленая.

По состоянию на 1 января в России было зарегистрировано 10 836 электромобилей, что на 71 процент больше, чем в прошлом году.

«Это более-менее значимая цифра, электромобили уже можно увидеть на наших дорогах», — говорит Сергей Целиков, директор российского агентства автомобильной аналитики «АВТОСТАТ».

Определить количество станций для зарядки этих автомобилей немного сложнее. Различные эксперты и организации сообщают, что цифры колеблются от 600 до 1000.

По данным агентства, в 2020 году в России было продано 687 новых электромобилей, что на 95 процентов больше, чем в 2019 году. Лидером рынка являются автомобили Tesla с 32 процентами. Половина этих новых электромобилей зарегистрированы в европейской части России. Еще 8 процентов зарегистрировано на Дальнем Востоке России.

Москва лидирует по новым продажам: в 2020 году было куплено 240 новых электромобилей.Далее следуют Санкт-Петербург с 69 показателями, а Московская область, в которую входят пригороды столицы, но не сама столица, весит 60 баллов. Дальше на юг, в Черноморском Краснодарском крае, было зарегистрировано 36 новых электромобилей. В Дальневосточном Приморском крае на тихоокеанском побережье России зарегистрирован 31 новый электромобиль. В сибирских регионах Свердловск и Новосибирск закуплены 21 и 20 новых электромобилей соответственно. Всего в Пермской, Иркутской, Тюменской и Челябинской областях было реализовано 10 электромобилей.

Еще одним неожиданным событием стали показатели продаж подержанных электромобилей. К концу 2020 года 5237 из них были проданы по всей стране, что на 60 процентов больше, чем в предыдущем году. Из этих автомобилей 93 процента — это Nissan Leaf, большинство из которых — автомобили с правым рулем, импортируемые на Дальний Восток России из Японии.

«Цена интересная, людям нравится», — сказал Целиков во время онлайн-пресс-конференции. «Стоит отметить, что электрификация по всей стране идет не с запада, а с востока.Здесь на первом месте Дальний Восток, на втором — Сибирь, а уж потом идут центральные регионы России ».

Учитывая рост продаж электромобилей за последние несколько лет, Целиков сказал, что он ожидает, что рынок продолжит расти со скоростью от одного до полутора раз в год.

В прошлом году на российском рынке появилось больше разнообразных электромобилей. Если в 2018 году в России предлагалось всего восемь марок, то к концу 2020 года их количество увеличилось почти вдвое и составило 18 различных моделей от 12 производителей.Хотя этот выбор все еще невелик, автопроизводители планируют увеличить их к концу этого года.

Конечно, соседняя Европа по-прежнему затмевает цифры России. По данным Nissan Manufacturing RUS, по состоянию на конец 2019 года мировой рынок электромобилей насчитывал более семи миллионов единиц — это последний год, по которому доступны данные. Страны ЕС ожидают, что к 2030 году на их дорогах будет не менее 30 миллионов электромобилей.

По мере того, как список стран, планирующих запретить продажу автомобилей с выбросами в атмосферу в течение ближайших двух десятилетий, растет, растет и количество автопроизводителей, объявивших о планах полностью перейти на электрические.Планы General Motors отказаться от производства автомобилей с бензиновым двигателем к 2035 году вызвали волну у других автопроизводителей, стремящихся сделать то же самое.

Jaguar заявляет, что к 2030 году он будет полностью электрическим, а Ford, крупнейший конкурент General Motors в Детройте, заявляет, что к 2030 году прекратит продажи двигателей внутреннего сгорания в Европе.

В России правительство приняло ряд скромных мер, направленных на проверку популярности электромобилей, включая временную отмену налогов на импорт электромобилей, которая продлится до конца этого года.Хотя эти меры не столь щедры, как виды субсидий, наблюдаемые в Скандинавии и большинстве других европейских стран, они, тем не менее, предлагают более щедрую основу для внедрения EVS на дороги России, чем это было совсем недавно, как несколько лет назад.

Тем не менее, скептические голоса, выдвигающие многие знакомые и опровергнутые аргументы против электромобилей, продолжают преобладать во многих российских СМИ.

Вот некоторые из наиболее часто встречающихся:

— «Электромобили не заводятся в холодную погоду.» Тем не менее, по данным Автостат, Сибирь занимает второе место в стране по количеству вновь зарегистрированных подержанных электромобилей.

— «Аккумуляторы — большая экологическая проблема». Пока такой проблемы нет, но мировое сообщество, переходящее к безуглеродной экономике, готовится к появлению отработанных аккумуляторов. Сегодня используется несколько методов переработки отработанных аккумуляторов, создаются кластеры по переработке аккумуляторов, в том числе с российскими компаниями.

— «Электромобили очень дорогие». Отчасти это правда, если вы говорите о новой Tesla. Но если посмотреть на Nissan Leaf и другие относительно недорогие электромобили, то цены сопоставимы с ценами на автомобили с двигателями внутреннего сгорания.

«Действительно, голоса скептиков становятся все сильнее, — говорит Юрий Сергеев, старший советник мурманского офиса« Беллоны ». «Есть материалы, в которых приводятся разумные, но довольно однобокие факты против электрификации автомобилей и громко заявляется, что у этого процесса нет будущего.К сожалению, есть ряд факторов, которые подпитывают такие обвинения ».

Сергеев отмечает, что электромобиль по-прежнему остается недоступным для типичного российского потребителя, что, по его словам, обнадеживает скептиков. Но он настаивает, что время для электромобилей в России приближается.

«В любой сфере инновации сталкиваются с противодействием приверженцев консервативного пути развития», — говорит он. «Всегда есть те, кто доказывает, что инновации ничего хорошего не принесут.И чем ближе массовое принятие нового, тем сильнее их голоса. Тем не менее, я уверен, что 2030-е годы станут поворотным моментом в автомобильной промышленности, и нам всем нужно готовиться к новой реальности уже сейчас. «

Проблема автоматического сбора статистики

Любой администратор баз данных, знающий, что такое время суток, знает, насколько важна надежная статистика для базы данных. Таким образом оптимизатор, основанный на затратах, может принимать твердые решения о том, какой путь лучше всего выбрать при сканировании таблицы, выборе индекса, количестве ресурсов, необходимых для выполнения задачи, и т. Д. И т. Д.

В любой созданной базе данных после публикации 10g, выпуска 2 и далее по умолчанию создаются задания обслуживания, одно из них — для автоматического сбора статистики с целью обеспечить наличие в базе данных самой последней и самой обновленной статистики. для оптимизатора на основе затрат. В большинстве сред OLAP я обнаружил, что эта работа убаюкивает администраторов баз данных, полагая, что они охвачены статистикой, только чтобы узнать, что есть несколько проблем с автоматическими заданиями, из-за которых я хочу отправить запрос на GSCA (Конфигурация сбора статистики Ассистент).

Большинство администраторов баз данных знакомы с автоматически создаваемыми заданиями, но насколько мы все знакомы с частями, составляющими все задания в представлении DBA_SCHEDULER_JOBS? (Хорошо, так что я расскажу только о некоторых, не стесняйтесь действовать самостоятельно!)

На высоком уровне задача статистики кажется довольно ясной:

выберите «Владелец», имя_задания, имя_программы, имя_расписания, тип_ расписания,
количество_сбой, дата_последнего_запуска, комментарии
из dba_scheduler_jobs;

 SYS GATHER_STATS_JOB GATHER_STATS_PROG MAINTENANCE_WINDOW_GROUP WINDOW_GROUP 0 22-НОЯ-10 10.00.01.549828 PM -05: 00 Oracle определил задание автоматического сбора статистики оптимизатора 

Задание принадлежит SYS, оно собирает статистику, оно вызывает программу сбора статистики, запущенную вчера в 17:00, и хороший комментарий, определяющий, что задание делает, и его расписание как часть какой-то группы окон?

Прежде всего, это задание состоит из нескольких этапов. Первая — это функция, которая мне очень нравится. Oracle выходит, проверяет объекты в базе данных и, когда обнаруживает, что они обладают устаревшей статистикой, заполняет эти данные в SYS.Таблица DBA_TAB_MODIFICATIONS. Если вы не нашли времени, чтобы ознакомиться с этой таблицей, сделайте это — я думаю, что это была одна из самых крутых новых функций, добавленных в 10g, по крайней мере, для меня, администратора баз данных, который часто одержим статистикой, думал, что это … 🙂 У него есть недостатки. Наблюдая за поведением этой таблицы, кажется, что она работает с объектами на уровне таблицы, поэтому часто она будет каскадировать все разделы в таблицу, а не сначала проверять таблицу на уровне раздела, а по мере того, как базы данных становятся больше, он только проверяет часть базы данных за раз, поэтому она может быть не такой актуальной, как хотелось бы администратору баз данных, по мере того, как базы данных становятся больше (почему это происходит, мы скоро обсудим …)

Вторая часть — это сбор статистики, которая основана на объектах в таблице DBA_TAB_MODIFICATIONS.Затем задание собирает статистику только по этим устаревшим объектам. Здесь нет никаких догадок или сбора статистики по объектам, которые могут не быть устаревшими, что позволяет значительно сэкономить время. Недостаток заключается в том, что если задание существует в большой базе данных с большим количеством транзакций, это может означать, что в таблице DBA_TAB_MODIFICATIONS необходимо очищать много строк, которые необходимо очищать во время окна обслуживания каждую ночь.

Теперь о «Группе Windows» из задания статистики, которое я вам показал ранее. Это та область, в которую большинство людей не изучали, и она самая интересная:

select window_name, repeat_interval, duration, window_priority,
next_start_date, last_start_date, Комментарии
от dba_scheduler_windows;

 1.WEEKNIGHT_WINDOW
freq = ежедневно; byday = MON, TUE, WED, THU, FRI; byhour = 22; byminute = 0; bysecond = 0
+000 08:00:00 <- Продолжительность, разрешено работать не более 8 часов!
НИЗКИЙ
23-НОЯ-10 10.00.00.200000
22-НОЯ-10 10.00.00.092053
Окно в будние дни для обслуживания
 

 2. НЕДЕЛЯEND_WINDOW
freq = ежедневно; byday = SAT; byhour = 0; byminute = 0; bysecond = 0
+002 00:00:00 <- Нет ограничений на работу по выходным, фактически, вы можете перезапускать несколько раз.
НИЗКИЙ
27-НОЯ-10 12.00.00.000000 AM
20-НОЯ-10 06.00.01.202642
Окно выходных дней для технического обслуживания 

Таким образом, задачи обслуживания могут выполняться не более 8 часов с 22:00 по будням (завершаются в 6:00, независимо от того, завершены ли работы) и до конца с перезапусками по выходным. Я уверен, что вы все до сих пор меня преследуете, верно?

Давайте посмотрим на GATHER_STATS_PROG и его детали, и вы должны начать создавать здесь картину… 🙂

Его основная задача - собирать статистику на основе следующего:

1.таблицы, найденные в таблице sys.DBA_TAB_MODIFICATIONS.

2. Размер выборки, установленный базой данных (обычно 25%, но я видел 100% в некоторых базах данных)

3. Выбор метода для таблиц, определение необходимости гистограммы и т. Д.

4. Определение даты, для которой задание должно обрабатывать статистику, приоритет того, какие объекты должны быть собраны и в каком порядке.

5. Завершение работы по сбору статистики в конце окна обслуживания, а не выход за пределы этого окна.

Если у вас есть база данных, которая не является маленькой, OLTP, я бы хотел, чтобы вы сейчас проверили свою таблицу sys.DBA_TAB_MODIFCATIONS со следующим запросом:

выберите * из sys.dba_tab_modifications
, где table_owner не входит в ("SYS", "SYSTEM")
упорядочить по метке времени;

Отметка времени - это когда объект, найденный в таблице DBA_TAB_MODIFICATIONS, был помечен Oracle как устаревший. У вас есть предметы, которые лежали на столе старше одной недели? Один месяц? Один год?!?!

Во-первых, вы не единственный. Когда я впервые столкнулся с этим и был обеспокоен, я начал «гуглить», как многие из нас, и обнаружил, что другие не очень довольны этим «механизмом безопасности» от Oracle, у которого есть несформированный побочный эффект, заключающийся в том, что объекты остаются с устаревшей статистикой.Если вы выполняете эти задания и хотите быть более обеспокоенными, я бы убрал предложение where из select и посмотрел, сколько из ваших объектов словаря данных устарело. Они считаются низкоприоритетными, и часто именно поэтому ваши запросы к представлениям dba так медленны, (IMO…)

В конце туннеля всегда есть свет. Oracle не упростил обновление и изменение многих из этих функций, но я могу дать рекомендации, которые могут решить проблемы, оставленные тем, у кого базы данных не похожи на тестовую лабораторию «дяди Ларри».

1. 10g отделили устаревшую коллекцию от задания статистики. Я предпочитаю этот метод и мне нравится работа по сбору устаревших данных, которую я сохранил во всех своих производственных базах данных. Многие администраторы баз данных реализовали версию 10g, выпуск 2 для двух отдельных заданий по сравнению с заданием «все за одного», которое сейчас находится в 11g, путем возврата к более старому dbms_stats (на самом деле есть несколько способов сделать это, я сказал….)

2. Задание советника по сегментам - оно настроено и запланировано для запуска одновременно с заданием статистики.Я не вижу причин для этого запускать каждую ночь, и это может быть огромной нагрузкой на систему. Перенесите его на запуск раз в неделю или еще лучше, позвольте администраторам баз данных запускать его по запросу, когда это действительно нужно.

3. Для задания статистики заданы значения по умолчанию, которые нельзя изменить, особенно многие аспекты групп окон. Согласен ли я с ними? Не совсем. В большой среде OLAP с большой секционированной базой и небольшим количеством индексов мне не нужно много гистограмм, и я предпочитаю меньше информации, которая может «забить» мой словарь данных и тому подобное.Я также мог бы захотеть, чтобы он очищал все данные в таблице DBA_TAB_MODIFICATIONS по выходным, когда у меня есть время, но в настоящее время это просто не работает, работая с текущей датой.

4. Наблюдайте за таблицей DBA_TAB_MODIFICATIONS. Если вы все еще изучаете свою среду, создайте сценарий, чтобы уведомлять администраторов баз данных, когда есть таблицы с временными метками старше определенного времени хранения. Если ваши представления dba начинают возвращаться медленнее, чем вы хотели бы, изучите ожидания на obj $, tab $, col $, это часто является признаком того, что ваша база данных может предоставлять TMI (слишком много информации) для базы данных с автоматический сбор статистики тоже!

Какое было мое решение? На самом деле я написал сценарий оболочки, который использует таблицу DBA_TAB_MODIFICATIONS, динамически создавая сценарии сбора статистики с меньшими размерами выборки и опцией метода, которая собирается для моих баз данных, в зависимости от использования, что требуется, но для этого также требуется, чтобы я знал свои базы данных и Я знаю свои данные - имейте это в виду.Как я сказал выше, я решил сохранить отдельные задания, сохранив задание для сбора устаревших объектов, отключив GATHER_STATS_JOB и AUTO_SPACE_ADVISOR_JOB, а затем запустив свой скрипт для динамического сбора. У меня установлен порог, поэтому, если я внезапно сброслю 4000 разделов в DBA_TAB_MODIFICATIONS, я не попаду в рабочий день (версия моего скрипта для выходных очищает все по сравнению с будним днем, для которого установлен этот порог ...) Этого не было ответ для всех баз данных, но это действительно сняло большую нагрузку со словаря данных, повышения производительности, и моя таблица DBA_TAB_MODIFICATIONS пуста каждое утро.

Я опубликую свои скрипты для динамического сбора статистики из DBA_TAB_MODIFICATIONS на этой следующей неделе на моей странице скриптов. На этой следующей неделе я уезжаю, чтобы тренироваться в течение трех недель в Канаде, и надеюсь, что у меня будет время для постов в отеле!

Удачи!

PostgreSQL: Документация: 9.6: Запуск сервера базы данных

Прежде чем кто-либо сможет получить доступ к базе данных, необходимо запустить сервер базы данных. Программа сервера базы данных называется postgres. Программа postgres должна знать, где найти данные, которые она должна использовать.Это делается с помощью опции -D. Таким образом, самый простой способ запустить сервер:

 $  postgres -D / usr / local / pgsql / data  

, что оставит сервер работающим на переднем плане. Это необходимо сделать, войдя в учетную запись пользователя PostgreSQL. Без -D сервер попытается использовать каталог данных, названный переменной среды PGDATA. Если эта переменная также не указана, произойдет сбой.

Обычно лучше запускать postgres в фоновом режиме.Для этого используйте обычный синтаксис оболочки Unix:

 $  postgres -D / usr / local / pgsql / data> файл журнала 2> & 1 &  

Важно где-нибудь хранить выходные данные сервера stdout и stderr, как показано выше. Это поможет в целях аудита и диагностики проблем. (См. Раздел 24.3 для более подробного обсуждения обработки файлов журнала.)

Программа postgres также принимает ряд других параметров командной строки. Для получения дополнительной информации см. Справочную страницу postgres и главу 19 ниже.

Этот синтаксис оболочки может быстро стать утомительным. Поэтому программа-оболочка pg_ctl предназначена для упрощения некоторых задач. Например:

 pg_ctl start -l файл журнала 

запустит сервер в фоновом режиме и поместит результат в указанный файл журнала. Параметр -D здесь имеет то же значение, что и для postgres. pg_ctl также может останавливать сервер.

Обычно вам нужно запускать сервер базы данных при загрузке компьютера. Сценарии автозапуска зависят от операционной системы.Некоторые из них распространяются с PostgreSQL в каталоге contrib / start-scripts. Для его установки потребуются права root.

В разных системах используются разные правила запуска демонов во время загрузки. Во многих системах есть файл /etc/rc.local или /etc/rc.d/rc.local. Другие используют каталоги init.d или rc.d. Что бы вы ни делали, сервер должен запускаться под учетной записью пользователя PostgreSQL, а не под root или каким-либо другим пользователем. Поэтому вам, вероятно, следует формировать свои команды с помощью su postgres -c '... '. Например:

 su postgres -c 'pg_ctl start -D / usr / local / pgsql / data -l serverlog' 

Вот еще несколько предложений для конкретных операционных систем. (В каждом случае обязательно используйте правильный каталог установки и имя пользователя, в котором мы показываем общие значения.)

• Для FreeBSD посмотрите файл contrib / start-scripts / freebsd в исходном дистрибутиве PostgreSQL.

• В OpenBSD добавьте следующие строки в файл /etc/rc.local:

  , если [-x / usr / local / pgsql / bin / pg_ctl -a -x / usr / local / pgsql / bin / postgres]; тогда
      su -l postgres -c '/ usr / local / pgsql / bin / pg_ctl start -s -l / var / postgresql / log -D / usr / local / pgsql / data'
      эхо -n 'postgresql'
  fi 

• В системах Linux добавьте

   / usr / local / pgsql / bin / pg_ctl start -l файл журнала -D / usr / local / pgsql / data 

  в / etc / rc.d / rc.local или /etc/rc.local или посмотрите файл contrib / start-scripts / linux в исходном дистрибутиве PostgreSQL.

  При использовании systemd вы можете использовать следующий файл служебной единицы (например, в /etc/systemd/system/postgresql.service):

   [Единица]
  Описание = Сервер базы данных PostgreSQL
  Документация = man: postgres (1)
  
  [Услуга]
  Тип = уведомить
  Пользователь = postgres
  ExecStart = / usr / local / pgsql / bin / postgres -D / usr / local / pgsql / data
  ExecReload = / bin / kill -HUP $ MAINPID
  KillMode = смешанный
  KillSignal = СИГНАЛ
  TimeoutSec = 0
  
  [Установить]
  WantedBy = многопользовательский.цель 

  Использование Type = notify требует, чтобы двоичный файл сервера был собран с помощью configure --with-systemd.

  Внимательно изучите настройку тайм-аута. На момент написания этой статьи systemd имеет тайм-аут по умолчанию, равный 90 секундам, и завершит процесс, который не уведомит о готовности в течение этого времени. Но серверу PostgreSQL, которому, возможно, придется выполнять восстановление после сбоя при запуске, может потребоваться гораздо больше времени для подготовки. Предлагаемое значение 0 отключает логику тайм-аута.

• В NetBSD используйте сценарии запуска FreeBSD или Linux, в зависимости от предпочтений.

• В Solaris создайте файл с именем /etc/init.d/postgresql, содержащий следующую строку:

   su - postgres -c "/ usr / local / pgsql / bin / pg_ctl start -l logfile -D / usr / local / pgsql / data" 

  Затем создайте на него символическую ссылку в /etc/rc3.d как S99postgresql.

Пока сервер работает, его PID сохраняется в файле postmaster.pid в каталоге данных. Это используется для предотвращения запуска нескольких экземпляров сервера в одном каталоге данных, а также может использоваться для выключения сервера.

Существует несколько распространенных причин, по которым сервер может не запуститься. Проверьте файл журнала сервера или запустите его вручную (без перенаправления стандартного вывода или стандартной ошибки) и посмотрите, какие сообщения об ошибках появляются. Ниже мы более подробно объясняем некоторые из наиболее распространенных сообщений об ошибках.

 LOG: не удалось привязать сокет IPv4: адрес уже используется
ПОДСКАЗКА: Другой почтмейстер уже работает на порту 5432? Если нет, подождите несколько секунд и повторите попытку.
FATAL: не удалось создать TCP / IP прослушивающий сокет 

Обычно это означает именно то, что он предлагает: вы пытались запустить другой сервер на том же порту, где он уже запущен.Однако, если сообщение об ошибке ядра не Адрес уже используется или какой-либо его вариант, может быть другая проблема. Например, при попытке запустить сервер на зарезервированном номере порта может отображаться что-то вроде:

 $  postgres -p 666 
ЖУРНАЛ: не удалось привязать сокет IPv4: в разрешении отказано
ПОДСКАЗКА: Другой почтмейстер уже работает на порту 666? Если нет, подождите несколько секунд и повторите попытку.
FATAL: не удалось создать TCP / IP прослушивающий сокет 

Сообщение типа:

 FATAL: не удалось создать сегмент разделяемой памяти: недопустимый аргумент
ДЕТАЛИ: сбойный системный вызов: shmget (ключ = 5440001, размер = 4011376640, 03600).

, вероятно, означает, что ограничение вашего ядра на размер разделяемой памяти меньше, чем рабочая область, которую PostgreSQL пытается создать (4011376640 байт в этом примере). Или это может означать, что в вашем ядре вообще не настроена поддержка разделяемой памяти в стиле System-V. В качестве временного решения вы можете попробовать запустить сервер с меньшим, чем обычно, количеством буферов (shared_buffers). В конечном итоге вы захотите перенастроить ядро, чтобы увеличить разрешенный размер разделяемой памяти.Вы также можете увидеть это сообщение при попытке запустить несколько серверов на одном компьютере, если их общий объем запрошенного пространства превышает предел ядра.

Ошибка типа:

 FATAL: не удалось создать семафоры: на устройстве не осталось места
ДЕТАЛИ. Неудачный системный вызов: semget (5440126, 17, 03600). 

не означает, что у вас закончилось место на диске. Это означает, что ограничение вашего ядра на количество семафоров System V меньше, чем количество, которое PostgreSQL хочет создать. Как и выше, вы можете обойти проблему, запустив сервер с уменьшенным количеством разрешенных соединений (max_connections), но в конечном итоге вы захотите увеличить лимит ядра.

Если вы получаете сообщение об ошибке «Недопустимый системный вызов», вполне вероятно, что разделяемая память или семафоры вообще не поддерживаются в вашем ядре. В этом случае ваш единственный вариант - перенастроить ядро, чтобы включить эти функции.

Подробная информация о настройке средств IPC System V приведена в Разделе 18.4.1.

Хотя условия ошибки, возможные на стороне клиента, весьма разнообразны и зависят от приложения, некоторые из них могут быть напрямую связаны с тем, как был запущен сервер.Условия, отличные от указанных ниже, должны быть задокументированы в соответствующем клиентском приложении.

 psql: не удалось подключиться к серверу: в соединении отказано
        Сервер работает на хосте server.joe.com и принимает
        TCP / IP-соединения на порту 5432? 

Это типичный сбой типа «Я не смог найти сервер для разговора». Когда предпринимается попытка установления связи TCP / IP, это выглядит так, как показано выше. Распространенная ошибка - забыть настроить сервер на разрешение TCP / IP-соединений.

В качестве альтернативы вы получите это при попытке подключения сокета домена Unix к локальному серверу:

 psql: не удалось подключиться к серверу: нет такого файла или каталога
        Сервер работает локально и принимает
        соединения на сокете домена Unix "/tmp/.s.PGSQL.5432"? 

Последняя строка полезна для проверки того, что клиент пытается подключиться к нужному месту. Если на самом деле сервер там не запущен, сообщение об ошибке ядра обычно будет либо В соединении отказано , либо Нет такого файла или каталога , как показано.(Важно понимать, что Connection отклонил в этом контексте не означает, что сервер получил ваш запрос на соединение и отклонил его. В этом случае будет выдано другое сообщение, как показано в Разделе 20.4.) Другие сообщения об ошибках, такие как Connection тайм-аут может указывать на более серьезные проблемы, такие как отсутствие подключения к сети.

Stats Perform сотрудничает с ENSAI в рамках программы Annual Data Challenge

Наука о данных и спорт высокого уровня лежат в основе программы ENSAI 2021 Data Challenge.3 и 4 марта студенты работали в группах над вопросами, представленными Департаментом исследований и развития Французской федерации регби. Все данные предоставлены глобальной компанией SportsTech Stats Perform.

Интервью с Энди Купером, менеджером по маркетингу компании Stats Perform.

Энди, не могли бы вы представить статистику выполнения?

Энди Купер : Stats Perform - мировой лидер SportsTech в области технологий данных и искусственного интеллекта, предоставляющий самые надежные спортивные данные и последние достижения в области применения искусственного интеллекта и машинного обучения для предоставления более точных прогнозов и анализа взаимодействия с фанатами, ставок и командной работы.Как компания, мы собираем данные по спорту в течение 40 лет и в настоящее время обслуживаем более 1500 клиентов по всему миру.

У нас есть архив данных, который быстрее, глубже и шире, чем любая другая спортивная база данных в мире.

Эта база данных используется для поддержки нашего собственного центра инноваций в области искусственного интеллекта, в который входят более 300 разработчиков и 50 ученых и инженеров в области искусственного интеллекта.

Они активно создают передовые решения, которые предоставляют фанатам более глубокую информацию во время прямых трансляций, а командам - ​​прогнозируемую информацию о производительности для улучшения их анализа и принятия решений.

Stats Perform - лидер в своей области: какие именно технологии изменили ситуацию?

Существует ряд технологий, которые мы впервые внедрили в различных видах спорта, которые имеют большое значение с точки зрения поддержки аналитиков и тренеров в прикладном использовании данных и аналитических данных, полученных на основе искусственного интеллекта.

В регби у нас есть инструмент под названием RugbyHub , который синхронизирует данные матча и видео. Эта синхронизация помогает тренерам и аналитикам анализировать ключевые этапы игры, относящиеся к игровому плану.

У нас также есть самый продвинутый инструмент бизнес-аналитики в профессиональном регби, DataEngine , с помощью которого аналитики могут создавать индивидуальные отчеты для определения долгосрочных тенденций производительности по разным позициям в поле, что может помочь в принятии решений при наборе персонала и анализе производительности.

Говоря шире, мы недавно разработали и запатентовали технологию отслеживания компьютерного зрения AutoStats, которая применяет распознавание тела с помощью искусственного интеллекта для плавного отслеживания местоположения игрока, его движений и ключевых действий в игре, и все это непосредственно из транслируемого видео.

Это было первым в баскетболе, чтобы помочь франшизам NBA оценить перспективы элитного драфта, используя видеозаписи матчей NCAA (университетских), сравнивая результаты результатов сезона, которые исторически могли быть получены только с помощью оборудования для отслеживания на месте проведения.

Это всего лишь один пример того, как технология AI изменит способ проведения анализа в спорте в течение этого десятилетия и далее.

Как технологии Stats Perform помогают тренерам и повышают производительность спортсменов?

Ключевая цель всех наших технологий - гарантировать, что полученные знания могут быть применены на полигоне .

Хорошим примером этого является «Ожидаемые голы в футболе» (xG), который присваивает ценность броску в зависимости от места броска и вероятности того, что он приведет к голу, с учетом ряда различных контекстуальных факторов.

С точки зрения тренера, эти выходные данные могут быть применены для обучения атакующих игроков принятию решений перед воротами - определения областей, в которых, исходя из вероятности, лучше отдать пас вместо броска из-за сложности забить гол. место расположения.С момента появления xG мы видим меньше выстрелов с большого расстояния, что показывает влияние, которое оказывает эта метрика.

В регби мы также разработали вероятностную модель успеха для определения рейтинга ведущих мировых бомбардиров e. Модель учитывает исторические результаты игрока, сложность удара в зависимости от местоположения поля и несколько корректировок, связанных с местом проведения, чтобы назначить «ожидаемый коэффициент успешной конверсии» для голкистов.

Это использовалось для включения функции Kick Predictor, как видно из статистики матчей AWS во время чемпионата шести наций, а также может применяться с точки зрения тренера, потому что, если ваш противник обладает сильным бьющим от ворот, дисциплина в отношении избежания пенальти. будет иметь решающее значение в конечном результате.

Не могли бы вы назвать команду, чье использование технологий Stats Perform привело их к победе, хотя, возможно, этого вообще не ожидали?

Поскольку мы работаем с большим количеством команд по всему миру, очень сложно выделить отдельные команды. Например, в футболе каждая команда, которая выиграла чемпионский титул в лучших пяти европейских лигах в прошлом сезоне, пользовалась услугами Stats Perform, как и победители Лиги чемпионов УЕФА и Лиги Европы .

Если бы мы хотели выделить успехи, я бы, вероятно, сосредоточился на двух международных футбольных командах, которые использовали нашу технологию Edge Analysis, которая включает в себя несколько функций прогнозирования и моделирования ИИ, чтобы помочь им добиться беспрецедентного успеха.

Хорватия использовала платформу, чтобы получить представление о своих противниках во время их пробега к финалу чемпионата мира 2018 года, в то время как Катар также использовал платформу для подготовки к матчу на чемпионате Азии 2019, когда они обыграли Южную Корею и Японию. выиграть свой первый в истории титул конфедерации.

Какую выгоду от технологий Stats Perform получают болельщики и игроки, делающие ставки?

Все высококачественные букмекеры и фэнтези-игры выбирают премиальный спортивный контент от Stats Perform, чтобы создавать более увлекательные и надежные спортивные ставки и фэнтези. Современный игрок, делающий ставки на спорт, требует, чтобы он делал ставки на спорт без проблем.

сайтов ставок должны предоставлять ценные ресурсы для игроков и развлекать их с помощью результатов в реальном времени, и богатых, живых статистических данных, для тысяч событий.На наши данные полагаются миллионы игроков по всему миру, и они позволяют более уверенно принимать решения по сотням тысяч спортивных событий в год.

В рамках Data Challenge на ENSAI, Stats Perform также проведет конференцию по Data Science и регби для своих участников. Узнайте больше о корпоративных партнерах ENSAI.

Ожидается, что к 2025 году объем глобального рынка спортивной аналитики достигнет 4,3 миллиарда долларов США, увеличиваясь при росте рынка на 26.8% CAGR в течение периода прогноза

НЬЮ-ЙОРК, 14 января 2020 г. / PRNewswire / -

Ожидается, что к 2025 году объем глобального рынка спортивной аналитики достигнет 4,3 миллиарда долларов, увеличиваясь при росте рынка на 26,8% CAGR в течение прогнозируемого периода. Спортивная аналитика - это процесс применения данных, собранных о производительности команды в различных обстоятельствах, для повышения производительности команды и принятия более эффективных решений. Это сбор исторической статистики, которая при правильном использовании дает человеку или команде реальную выгоду.Основная цель спортивной аналитики - повысить производительность игроков и сохранить фанатскую базу в различных крупных спортивных организациях и спортивных клубах.

Прочтите полный отчет: https://www.reportlinker.com/p05838710/?utm_source=PRN

Традиционно спортивные состязания были чисто случайной игрой, где результат зависел исключительно от способностей игроков. С введением оцифровки и последующим увеличением распространения аналитики спорт превратился в числовую игру, в которой шансы на победу зависят от уровня аналитики, используемой для определения стратегии игры.Спортивная аналитика предоставляет спортивным ассоциациям, игрокам, тренерам и другим заинтересованным сторонам платформу для получения информации о производительности игрока и, следовательно, о производительности команды в целом, что может помочь стимулировать рост рынка в течение прогнозируемого периода. Кроме того, использование аналитических инструментов в спорте создало индустрию фэнтези-игр. Данные, полученные с помощью спортивной аналитики, используются в фэнтези-играх, таких как фэнтези-бейсбол, фэнтези-футбол и фэнтези-крикет, где любители спорта получают представление о фактической статистике игроков на основе расчетов последней игры.Человек, занимающийся фэнтези-спортом, выбирает игроков по своему выбору, используя эту информацию, тем самым увеличивая вовлеченность в игру. Растущее распространение фэнтези-игр и их вовлечение в них привело к необходимости в спортивной аналитике, которая также будет выступать в качестве движущей силы рынка в ближайшие годы.

В зависимости от компонентов рынок делится на программное обеспечение и услуги. В течение 2018 года сегмент программного обеспечения доминировал на рынке с точки зрения выручки и в прогнозный период, вероятно, останется доминирующим.Более широкое распространение программных решений для спортивной аналитики можно в значительной степени объяснить растущим предпочтением облачных программных решений, обеспечивающих преимущества с точки зрения безопасности данных и простоты использования для конечных пользователей, таких как спортивные ассоциации, клубы, лиги и спортсмены. В зависимости от приложения рынок подразделяется на анализ игроков, анализ команды, оценку состояния здоровья, видеоанализ и другие. В зависимости от типа развертывания рынок делится на локальный и облачный.

По регионам рынок разделен на Северную Америку, Европу, Азиатско-Тихоокеанский регион и Латинскую Америку, Ближний Восток и Африку.Что касается доходов, Северная Америка доминировала на мировом рынке в 2018 году, и, согласно прогнозам, в течение прогнозируемого периода это доминирование сохранится. Рост во многом объясняется относительным более широким распространением аналитики в масштабах всего спорта в странах, включая США и Канаду. Было обнаружено, что в этих странах предприятия, предоставляющие аналитические услуги, вкладывают значительные средства в исследования и разработки. Кроме того, регион, который одним из первых начал внедрять инновации, доминирует на мировом рынке.

Основными стратегиями, которым следуют участники рынка, являются запуск продукта и партнерство и сотрудничество.Согласно анализу, представленному в кардинальной матрице, Oracle Corporation, IBM Corporation и SAP SE являются одними из предшественников на рынке спортивной аналитики. Отчет о маркетинговых исследованиях включает анализ основных участников рынка. Ключевые компании, представленные в отчете, включают IBM Corporation, SAP SE, SAS Institute, Inc., Salesforce.com, Inc., (Tableau Software, Inc.), Oracle Corporation, Experfy, Inc., Stats Perform Group, Sportradar AG, Deltatre. SpA и Catapult Group International Limited.

Последние стратегии, развернутые в Sports Analytics Market

Партнерства, сотрудничество и соглашения:

Декабрь 2019 г .: Oracle сотрудничал с IRIS.TV, платформой видеоаналитики для издателей и вещателей. IRIS.TV будет интегрирован с Oracle Data Cloud, чтобы улучшить таргетинг контекстной рекламы IRIS.TV для видеорешения, чтобы гарантировать маркетологам, что их видеореклама безопасна для бренда и актуальна. Маркетологи смогут прозрачно проводить кампании через существующих партнеров по платформе со стороны спроса, что позволяет масштабировать кампании по конкретным вертикалям видеоконтента, включая политику, спорт, путешествия и многое другое.

Август-2019: Sportradar и Национальная футбольная лига (НФЛ) расширили свое партнерство, чтобы лицензировать распространение официальных данных лиги и контента НФЛ среди большего числа болельщиков. Партнерство направлено на распространение в режиме реального времени официальных данных play-by-play и данных NGS для операторов спортивных ставок, где ставки на спорт регулируются и являются законными.

июль-2019: Catapult в партнерстве с ShotTracker предоставляет статистику и аналитику в реальном времени болельщикам, командам и сетям вещания для студенческих и профессиональных баскетбольных команд.Партнерство предоставляет набор невиданных ранее данных, которые помогут предотвратить травмы спортсменов, ускорить процесс развития и улучшить физические показатели на баскетбольной площадке.

Июнь-2019: IBM начала сотрудничество с Fox Sports, подразделением спортивного программирования Fox Broadcasting Company. Благодаря этому партнерству Fox Sports нацелена на расширение своих возможностей потоковой передачи в прямом эфире и статистического анализа за счет применения искусственного интеллекта в футболе для освещения женского чемпионата мира по футболу 2019 года.Fox Sports представила Player Spotlight, сегмент, созданный с помощью IBM Watson, который использует возможности Watson AI для анализа статистики обеих команд, а также отдельных игроков для комментариев матча с использованием интерфейса на естественном языке.

Март-2019: Sportradar объявил о сотрудничестве с 11Wickets.com, в рамках которого 11Wickets.com добавляет спортивную ленту в прямом эфире от Sportradar для повышения удобства пользователей во время фэнтези-лиг. В рамках сотрудничества Sportradar обеспечивает текущий счет для всех лиг фэнтези-футбола и фэнтези-крикета, предлагаемых пользователям на 11Wickets.com играть.

Ноябрь-2018: SAS подписала соглашение о партнерстве со Sport Ireland, технология SAS Analytics будет использоваться в широком спектре проектов в целевых видах спорта. Это улучшает подготовку и повышает результативность ирландских спортсменов на соревнованиях. Технология SAS облегчает создание интерактивных инструментов и динамических баз данных о показателях для получения информации, помогающей тренерам и спортсменам в разработке и улучшении способов повышения производительности спортсменов.

Ноябрь-2018: Sportradar объединился с Fox Sports, чтобы раздвинуть границы спортивного освещения на основе данных. Sportradar разрабатывает новые исследовательские инструменты, технологии машинного обучения и информационные продукты, позволяющие вещательным компаниям Fox Sports расширять свой игровой и цифровой контент с историческими спортивными данными и данными в реальном времени через API.

Приобретение и слияния:

Октябрь 2019: Sportradar приобрел Optima, поставщика решений для ставок на спорт, чтобы расширить свой текущий портфель услуг для ставок.Приобретение расширяет свои услуги в области ставок, данных B2B, торговли и платформы управления игроками.

Ноябрь-2018: Deltatre подписала окончательное соглашение о приобретении Massive Interactive, компании-разработчика программного обеспечения OTT. Вместе эти компании являются крупнейшим независимым поставщиком OTT-решений. Это увеличивает объем операций в южной части Тихого океана и Азии и расширяет компанию в индустрии развлечений.

Октябрь 2017: Sportradar объявил о приобретении MOCAP Analytics, компании, занимающейся искусственным интеллектом и машинным обучением.Приобретение объединяет опыт MOCAP в области рассказывания историй на основе искусственного интеллекта и лидерство Sport Radar в области спортивных данных для разработки продуктов для отслеживания игроков для привлечения фанатов НБА, НФЛ и других видов спорта.

Запуск и расширение продукта:

Октябрь 2019 г .: SAP обновила свою платформу анализа результатов тенниса, которую предлагает Женской теннисной ассоциации. Новой функцией станет инструмент, известный как «Шаблоны игры», который поможет тренерам и игрокам WTA обнаруживать и анализировать закономерности во время матчей и розыгрышей.Эта новая функция помогает понять тенденции местоположения удара и реакции игроков, а также влияние подбрасывания мяча сервером на результат розыгрыша.

Март-2019: Компания Stats представила AutoSTATS, первую технологию искусственного интеллекта и компьютерного зрения. Эта технология предназначена для доставки данных отслеживания игроков через любую трансляцию. Эта технология использует новейшие возможности машинного обучения и искусственного интеллекта для автоматизации отслеживания с координатами X / Y, дифференцирует игроков и мяч и координирует движения игроков по корту или игровому полю.

Декабрь 2018 г .: SAP выпустила SAP Sports One, облачное решение для спорта, основанное на платформе SAP HANA, для Южной Африки. Решение предлагает единую унифицированную платформу для администраторов и команд, которая помогает им эффективно управлять командами и игроками. Он предоставляет мощные аналитические данные для оптимизации производительности.

Географическое расширение:

Июнь-2018: Компания Stats открыла новую штаб-квартиру в Европе и на Ближнем Востоке в спортивном Лимерике. Расширение помогает усилить географическое присутствие и обеспечивает страну спортивными технологиями.

Объем исследования

Сегментация рынка:

По компонентам

• Программное обеспечение

• Услуги

По приложениям

• Анализ игроков

• Анализ команды

• Оценка состояния здоровья

000 • Анализ видео

По типу развертывания

• Локально

• Облако

По географии

• Северная Америка

o США

o Канада

o Мексика

o Остальная часть Северной Америки

• Европа

o Германия

o Великобритания

o Франция

o Россия

o Испания

o Италия

o Остальная Европа

• Азиатско-Тихоокеанский регион

o Китай

o Япония

o Индия

o Южная Корея

o Сингапур

o Австралия

o Остальная часть Азиатско-Тихоокеанского региона

• LAMEA

o Бразилия

o Аргентина 900 03

o ОАЭ

o Саудовская Аравия

o Южная Африка

o Нигерия

o Остальная часть LAMEA

Профиль компаний

• IBM Corporation

• SAP SE

• SAS Institute, Inc.

• Salesforce.com, Inc. (Tableau Software, Inc.)

• Oracle Corporation

• Experfy, Inc.

• Stats Perform Group

• Sportradar AG

• Deltatre SpA

• Catapult Group International Limited

Уникальные предложения

• Исчерпывающий охват

• Наибольшее количество рыночных таблиц и фигур

• Доступна модель на основе подписки

• Гарантированная лучшая цена

• Гарантированная послепродажная исследовательская поддержка с 10% бесплатной настройкой

Прочтите полный отчет: https: // www.reportlinker.com/p05838710/?utm_source=PRN

О Reportlinker
ReportLinker - это отмеченное наградами решение для исследования рынка. Reportlinker находит и систематизирует самые свежие отраслевые данные, чтобы вы могли мгновенно получать все необходимые исследования рынка в одном месте.

__________________________
Связаться с Клэр: [адрес электронной почты защищен]
США: (339) -368-6001
Международный: +1 339-368-6001

ИСТОЧНИК Reportlinker

Ссылки по теме

http: //www.