
English: 
Hi everyone!
I am Berkay Turk.
I am an IT Infrastructure Research Engineer in Laboratory Annecy of Particle Physics.
I am currently working with Rucio framework and I would like to introduce you.
Rucio is a framework that provides services and libraries for big data management.
The data can be distributed across heterogeneous data centers at widely distributed locations.
Rucio is extremely scalable with billions of files.
It has police driven which means that allows you to say what you want, and Rucio figures it out for you.
Rucio also supports the FAIR data principles.
Rucio was originally developed to meet the requirements
of the high-energy physics experiment
ATLAS by CERN.
But now it is extended to support the Large Hadron Collider experiment along with other scientific communities.

Spanish: 
¡Hola a todos!
Soy Berkay Turk.
Soy Ingeniero de Investigación IT en el Laboratorio de Física de Partículas de Annecy.
Actualmente trabajo con el entorno de trabajo Rucio y me gustaría presentárselos.
Rucio es un entorno de trabajo que proporciona servicios y bibliotecas para gestión de Big Data.
La información puede distribuirse a través de centros de procesamiento de datos heterogéneos en ubicaciones ampliamente distribuidas.
Rucio es extremadamente escalable, pudiendo hablar hasta de miles de millones de archivos.
Posee vigilancia basada en datos, lo que significa que se puede decirle qué se quiere, y Rucio lo resuelve.
Rucio también soporta los principios de datos FAIR.
Rucio fue desarrollado originalmente para cumplir con los requerimientos
de los experimentos ATLAS de física de altas energías, del CERN.
Pero ahora se extiende y brinda soporte a experimentos del Gran Colisionador de Hadrones, junto con otras comunidades científicas.

French: 
Bonjour à tous!
Je m’appelle Berkay Turk.
Je suis Ingénieur de Recherche en Infrastructure Informatique au Laboratoire de Physique des Particules à Annecy.
Je travaille actuellement avec le Framework Rucio et je voudrais vous le présenter.
Rucio est un framework qui fournit des services et des bibliothèques pour la gestion du Big Data.
Ces données peuvent être distribuées dans des data center hétérogènes situés partout dans le monde.
Rucio est extrêmement évolutif et gère des milliards de fichiers.
Il est axé sur une politique, vous permet de dire ce que vous voulez, et Rucio effectue la recherche pour vous.
Rucio prend également en charge les principes de données FAIR.
Rucio a été originairement développé pour répondre aux exigences expérimentales
de physique des hautes énergies ATLAS du CERN.
Cependant, maintenant, il est également utilisé pour les expériences sur le grand collisionneur de hadrons avec d'autres communautés scientifiques.

Turkish: 
Herkese merhaba!
Benim adım Berkay Türk.
Ben Annecy şehrindeki Parçacık Fiziği Laboratuvarı'nda IT Altyapı Araştırma Mühendisiyim.
Rucio framework üzerinde çalışmalar yapıyorum ve bunu size tanıtmak isterim.
Rucio, büyük veri yönetimi alanında servisler ve kütüphaneler sunan bir frameworkdür.
Veriler, çeşitli bölgelerde heterojen veri merkezleri arasında dağıtılabilir.
Rucio, milyarlarca dosyalar üzerinde son derece ölçeklendirilebilirdir.
Hareket güdümlü çalışma sahip olan Rucio, ne istediğinizi söylemenize izin verip, sizin için çözümlüyor.
Rucio ayrıca FAIR veri prensiplerini destekler.
Rucio aslında CERN bünyesindeki yüksek enerjili fizik deneyi ATLAS
deneyinin gereksinimlerini karşılamak için geliştirilmiştir.
Ama şimdi diğer bilimsel topluluklarla birlikte Büyük Hadron Çarpıştırıcısı deneyini desteklemek için genişletildi.

German: 
Hallo an Alle!
Ich bin Berkay Türk.
Ich bin ein IT-Infrastruktur-Forschungsingenieur im Laboratorium Annecy für Teilchenphysik.
Ich arbeite derzeit mit dem Rucio-Framework und möchte Euch gerne vorstellen.
Rucio ist ein Framework, das Dienstleistungen und Bibliotheken für die Verwaltung großer Datenmengen bereitstellt.
Die Daten können über heterogene Rechenzentren an weit verteilten Standorten verteilt werden.
Rucio ist mit Milliarden von Dateien extrem skalierbar.
Es wurde Politik getrieben. Das heisst, dass Ihr erlaubt zu sagen, was Ihr wollt und Rucio findet es für Euch heraus.
Rucio unterstützt auch die FAIR-Datenprinzipien.
Rucio wurde ursprünglich entwickelt,
um die Anforderungen des Hochenergiephysik-Experiments ATLAS des CERN zu erfüllen.
Aber jetzt wird es erweitert, um das Large Hadron Collider-Experiment zusammen mit anderen wissenschaftlichen Gemeinschaften zu unterstützen.

English: 
Nowadays, almost every scientific project
has a large scale of produced data that needs to be processed and stored.
Consequently, data management becomes necessary
and complex.
Storage and computing resources can be distributed at numerous geographical locations.
These locations do not have to be located
at the same place that data is produced.
As the ATLAS experiment has these kind of conditions and data should be stored and processed
in the most efficient way, Rucio has been
developed to handle this data management for large scale of data by CERN IT Team.
This is the basic concept of Rucio data management system.
Rucio has a hierarchy with some terms to make it easier to access and manage large scale of data.
As data is physically stored in files, files
are the smallest operational unit of data in Rucio framework.

German: 
Heutzutage wird bei fast jedem wissenschaftlichen Projekt
eine große Menge an Daten produziert, die verarbeitet und gespeichert werden müssen.
Folglich wird die Datenverwaltung notwendig und komplex.
Speicher- und Computerressourcen können an zahlreichen geografischen Standorten verteilt werden.
Diese Standorte müssen sich nicht unbedingt am selben Ort befinden, an dem die Daten produziert werden.
Da das ATLAS-Experiment diese Art von Bedingungen hat und Daten gespeichert und verarbeitet werden sollten
inauf die effizienteste Art und Weise, Rucio wurde vom CERN-IT-Team entwickelt, um diese Datenverwaltung für große Datenmengen zu übernehmen.
Dies ist das Grundkonzept des Rucio-Datenverwaltungssystems.
Rucio hat eine Hierarchie mit einigen Begriffen, um den Zugang und die Verwaltung großer Datenmengen zu erleichtern.
Da die Daten physisch in Dateien gespeichert werden, sind Dateien die kleinste operative Dateneinheit im Rucio-Framework.

Turkish: 
Günümüzde, neredeyse tüm bilimsel projeler
işlenmesi ve depolanması gereken büyük ölçekli üretilmiş verilere sahiptir.
Sonuç olarak, veri yönetimi gerekli ve karmaşık hale gelir.
Depolama ve bilgi işlem kaynakları çok sayıda coğrafi konumda dağıtılabilir.
Bu konumların, verilerin üretildiği yerde bulunması gerekmez.
ATLAS deneyi bu tür koşullara sahip olduğundan ve verilerin en verimli bir biçimde işlenmesi ve saklanması gerektiğinden,
Rucio, CERN IT Ekibi tarafından büyük ölçekli veriler için bu veri yönetimini gerçekleştirmek üzere geliştirilmiştir.
Bu, Rucio veri yönetim sisteminin temel konseptidir.
Rucio, büyük ölçekli verilere erişmeyi ve bunları yönetmeyi kolaylaştırmak için bazı terimler içeren bir hiyerarşiye sahiptir.
Veriler fiziksel olarak dosyalarda depolandığından, dosyalar Rucio çerçevesindeki en küçük operasyonel veri birimidir.

Spanish: 
Actualmente, casi todo proyecto científico
produce una gran cantidad de información que necesita ser procesada y almacenada.
De manera consecuente, la gestión de información se vuelve necesaria y compleja.
Los recursos de almacenamiento y computación pueden ser distribuidos entre numerosas ubicaciones geográficas.
Estas ubicaciones no tienen que estar en el mismo lugar en el que se genera la información.
Como el experimento ATLAS posee este tipo de condiciones y la información debe ser almacenada y procesada de la forma más eficiente,
Rucio ha sido desarrollado por el equipo IT del CERN para gestionar grandes bancos de datos.
Este es el concepto básico del sistema de gestión de datos Rucio.
Rucio posee una jerarquía bajo algunos términos que hacen que sea fácil acceder y gestionar grandes bancos de datos.
Ya que la información es almacenada físicamente en archivos, estos últimos son la unidad operacional más pequeña de información en el entorno de trabajo Rucio.

French: 
De nos jours, presque tous les projets scientifiques
ont une grande échelle de données produites qui
doivent être traitées et stockées.
Par conséquent, la gestion des données est nécessaire et complexe.
Les ressources de stockage et de calcul peuvent être distribuées à de nombreux emplacements géographiques.
Il n'est pas nécessaire que ces emplacements soient situés au même endroit où les données sont produites.
Comme l'expérience ATLAS a ce type de conditions et que les données doivent être stockées et traitées de la manière la plus efficace,
Rucio a été développé pour gérer des données à grande échelle par l'équipe informatique du CERN.
C'est le concept de base du système de gestion de données Rucio.
Rucio est hiérarchique et certains termes sont présents pour faciliter l'accès et la gestion de données à grande échelle.
Comme les données sont physiquement stockées dans des fichiers, les fichiers sont la plus petite
unité opérationnelle de données dans le framework Rucio.

Spanish: 
Estos archivos pueden ser agrupados en conjuntos de datos.
Un conjunto de datos es básicamente un conjunto denominado de archivos de información.
Además, estos conjuntos de datos pueden ser agrupados en contenedores.
Los contenedores son meta-conjuntos de datos, y puede haber también contenedores anidados.
Estos tres tipos de datos son comprendidos por el término “identificador de datos”, que es utilizado para representar cualquier conjunto de archivos.
Un identificador de datos es básicamente el término correspondiente en Rucio a la combinación de dos cadenas de caracteres.
El nombre de ámbito (scope) y el nombre de un archivo o conjunto de archivos o contenedor.
Ciertamente, un identificador de datos es un nombre único.
Podemos considerar los ámbitos como un espacio de nombres.
Podemos crear un ámbito que esté relacionado a todos los tipos de archivos.
Daemons
Hay Daemons ejecutando continuamente componentes activos

French: 
Ces fichiers peuvent être regroupés en ensembles de données.
Un ensemble de données est un ensemble fichiers de données auquel on donne un même nom.
En outre, ces ensembles de données peuvent être regroupés dans des conteneurs.
Les conteneurs sont un ensemble d'ensembles de données ou peuvent être un ensemble de conteneurs de manière récursive.
Ces trois types de données font référence au terme «identificateur de données» qui est utilisé pour représenter n'importe quel ensemble de fichiers.
L'identifiant de données est dans Rucio un terme qui correspond à une combinaison de deux chaînes de caractères.
Le nom étendu (scope name) et le nom d'un fichier ou d'un ensemble de données ou d'un conteneur.
Il est certain qu'un identifiant de données est un nom unique.
Nous pouvons considérer les SCOPEs comme un espace de noms.
Nous pouvons créer une SCOPE qui est liée à tous les types de fichiers.
Daemons
Les Daemons exécutent en permanence des composants actifs

German: 
Diese Dateien können zu Datensätzen gruppiert werden.
Datensatz ist im Grunde ein benannter Satz von Datendateien.
Außerdem können diese Datensätze in Containern gruppiert werden.
Container ist ein Satz von Datensätzen oder kann rekursiv ein Satz von Containern sein.
Alle diese drei Arten von Daten beziehen sich auf den Begriff "Datenidentifikator", der zur Darstellung eines beliebigen Dateisatzes verwendet wird.
Datenbezeichner ist im Grunde ein Begriff in Rucio, der einer Kombination aus zwei Zeichenfolgen entspricht.
Der Scopename und der Name einer Datei oder eines Datasets oder eines Containers.
Es ist sicher, dass ein Datenbezeichner ein eindeutiger Name ist.
Wir können Scopes als einen Namensraum betrachten.
Wir können einen Bereich erstellen, der sich auf alle Arten von Dateien bezieht.
Daemons
Daemons betreiben kontinuierlich aktive Komponenten

Turkish: 
Bu dosyalar veri kümeleri halinde gruplanabilir.
Veri kümesi basit olarak, adlandırılmış bir veri dosyaları kümesidir.
Ayrıca bu veri kümeleri konteynerlar içinde gruplandırılabilir.
Kapsayıcılar, bir dizi veri kümesidir veya yinelemeli bir kapsayıcı kümesi olabilir.
Bu üç veri türünün tümü, herhangi bir dosya kümesini temsil etmek için kullanılan "veri tanımlayıcı" terimine karşılık gelir.
Veri tanımlayıcı temelde Rucio'da iki belirleyici ismin birleşimine karşılık gelen bir terimdir.
Bir kapsam adı ve ardından bir dosya , bir veri kümesi adı ya da bir konteyner adı
Veri tanımlayıcıları kesin olarak benzersiz(unique) isimlerden oluşur.
Kapsamları bir ad alanı(namespace) olarak düşünebiliriz.
Her tür dosyayla ilgili bir kapsam oluşturabiliriz.
Daemon
Daemon yazılımlar tüm sistemin ortak çalışmasını asenkron olarak düzenleyen

English: 
These files can be grouped into datasets.
Dataset is basically a named set of data files.
Besides, these datasets can be grouped into
containers.
Containers is a set of datasets or can be
a set of containers recursively.
All these three types of data refer to the
term "data identifier" which is used to represent any set of file.
Data identifier is basically a term in Rucio
that corresponds to a combination of two strings.
The scope name and the name of a file or a dataset or a container.
It is certain that a data identifier is a
unique name.
We can consider scopes as a namespace.
We can create a scope that is related to all type of files.
Daemons
Daemons are continuously running active components

German: 
die die kollaborative Arbeit des gesamten Systems asynchron orchestrieren.
In der Abbildung ist beispielsweise ein Dateitransfersystem-Daemon zu sehen,
der den Trick ausführt,wenn er versucht,eine Dateiübertragungsoperation durchzuführen.
Wenn ein Benutzer versucht, eine Anfrage für eine Dateiübertragungsoperation zu senden, 
gibt Rucio dem FTS-Daemon den Befehl und kommuniziert kein Speichersystem.
FTS tut dies im Namen von Rucio.
Nicht alle Daemonen sind obligatorisch.
Beispielsweise ist der Dateitransfer-Daemon obligatorisch, während externes Messaging nicht obligatorisch ist,
da es optional ist.
Datalake ist ein Verbund von Datenspeichern, der es uns erlaubt,
unsere Daten in jedem beliebigen Maßstab zu speichern.
Die Idee von Datalake besteht darin, einen einzigen Datenspeicher zu haben.
Datalake kann verschiedene Arten von Speichersystemen enthalten, so dass ein Benutzer von verschiedenen Datenzentren

Turkish: 
ve arka planda çalışan etkin yazılım bileşenleridir.
Örneğin, bu resimde, bir dosya transfer operasyonu gerçekleştirmek istediğimizde,
dosya transfer sistemi (FTS) bunu gerçekleştirir.
Bir kullanıcı, bir dosya transfer operasyonu gerçekleştirmek için istekte bulunduğunda,
Rucio, FTS sistemine bu isteği emir olarak iletir ve herhangi bir depolama sistemi ya da birimiyle iletişime geçmez.
FTS bunu Rucio'nun adına yapar.
Tüm daemon yazılımlar zorunlu değildir.
Örneğin, dosya transfer sistemi zorunluyken, harici mesaj iletim sistemi zorunlu değildir,
çünkü isteğe bağlı kullanılır.
Datalake, verilerimizi herhangi bir ölçekte saklamamıza olanak tanıyan,
depolama sistemleri topluluğudur.
Datalake sisteminin amacı, farklı bölgelerdeki depolama sistemlerinin tek bir çatı altında toplanmasıdır.
Datalake sisteminin birçok tipten veri depolama sistemlerini desteklemesi sayesinde,

English: 
that asynchronously orchestrate the collaborative work of the entire system.
For example in the picture, there is a file
transfer system daemon that does the trick
when try to make a file transfer operation.
When a user tries to send a request for a
file transfer operation,
Rucio gives command to the FTS daemon and
does not communicate any storage system.
FTS does behalf of Rucio.
Not all daemons are mandatory.
For instance, file transfer daemon is a mandatory
while external messaging is not mandatory
since it is optional.
Datalake is a federation of data repositories
that allows us to store our data at any scale.
Idea of datalake is having a single store
of data.
Datalake can contain a various type of storage
systems so that a user can access from different

Spanish: 
que orquestan de manera asíncrona el trabajo colaborativo del sistema entero.
Por ejemplo, en la imagen, hay una Daemon de sistema de transferencia de archivos que se encarga 
cuando se intenta hacer una operación de transferencia de archivos.
Cuando un usuario intenta enviar una solicitud de operación de transferencia de archivos,
Rucio envía el comando al Daemon FTS y no comunica a ningún sistema de almacenamiento.
FTS lo hace por cuenta de Rucio
No todos los daemons son obligatorios.
No todos los daemons son obligatorios. Por ejemplo, el daemon de transferencia de archivos es obligatorio mientras que el daemon de mensajería interna no es obligatorio.
ya que es opcional.
Datalake es una federación de repositorios de datos
que nos permite almacenar nuestra información sin importar el tamaño.
La idea de Datalake es tener un único banco de datos.
Datalake puede contener varios tipos de sistemas de almacenamiento, tal que el usuario pueda acceder desde diferentes

French: 
qui orchestrent de manière asynchrone le travail collaboratif de l'ensemble du système.
Par exemple, dans l'image, il y a un démon du système de transfert de fichiers qui effectue l’action
lorsque vous essayez d'effectuer une opération de transfert de fichiers.
Lorsqu'un utilisateur tente d'envoyer une demande d'opération de transfert de fichier,
Rucio donne la commande au daemon FTS et ne communique aucun système de stockage.
FTS fait le nom de Rucio.
Tous les démons ne sont pas obligatoires.
par exemple, le démon de transfert de fichiers est obligatoire tandis que la messagerie externe n'est pas obligatoire
car elle est facultative.
Datalake est une fédération de référentiels de données
qui permet de stocker nos données à n'importe quelle échelle.
L'idée de datalake est d'avoir un seul magasin de données.
Datalake peut contenir différents types de systèmes de stockage afin qu'un utilisateur puisse accéder à partir de différents

English: 
data centers across the world from one single
interface.
Rucio Storage Elements or in short RSE
RSE is the logical abstraction of storage systems for physical files in Datalake.
In Rucio framework, we can reach our data centers with their abstractions as RSEs.
This allows us accessibility to our data in
an efficient way like the concept of Datalake.
I would like to mention about the project that we are using Rucio for data management and will show you a quick demo on this project.
The Cherenkov Telescope Array (CTA) in short
CTA.
CTA is the next generation ground-based observatory
for gamma-ray astronomy at very-high energies.
Currently, there are more than 100 telescopes
located in the Northern and Southern hemispheres.

German: 
 auf der ganzen Welt über eine einzige Schnittstelle darauf zugreifen kann.
Rucio Storage Elements oder kurz RSE
Rucio Storage Elements oder kurz RSERSE ist die logische Abstraktion von Speichersystemen für physische Dateien in Datalake.
Im Rahmen von Rucio können wir unsere Rechenzentren mit ihren Abstraktionen als RSEs erreichen.
Dies ermöglicht uns den Zugang zu unseren Daten auf eine effiziente Art und Weise wie das Konzept von Datalake.
Ich möchte über das Projekt erwähnen, dass wir Rucio für das Datenmanagement einsetzen und werde Euch eine kurze Demo zu diesem Projekt zeigen.
Das Cherenkov Telescope Array (CTA), kurz CTA.
CTA ist das bodengestützte Observatorium der nächsten Generation für Gammastrahlen-Astronomie bei sehr hohen Energien.
Gegenwärtig gibt es mehr als 100 Teleskope auf der Nord- und Südhalbkugel.

French: 
centres de données à travers le monde à partir d'une seule interface.
Rucio Storage Elements ou en bref RSE
RSE est l'abstraction logique des systèmes de stockage pour les fichiers physiques dans Datalake.
Dans le framework Rucio, nous pouvons atteindre nos centres de données avec leurs abstractions en tant que RSE.
Cela nous permet d'accéder à nos données de manière efficace, comme le concept Datalake.
Je voudrais mentionner sur le projet que nous utilisons Rucio pour la gestion des données et vous montrerai une démo rapide sur ce projet.
The Cherenkov Telescope Array (CTA) ou in bref CTA.
Le CTA est l'observatoire au sol de dernière génération pour l'astronomie rayon gamma des très hautes énergies.
Actuellement, il existe plus de 100 télescopes situés dans les hémisphères Nord et Sud.

Turkish: 
bir kullanıcı, bir arayüz üzerinden dünya üzerindeki herhangi bir veri merkezine erişebilir.
Rucio Depolama Elementleri ya da kısaca RSE (Rucio Storage Elements)
RSE, Datalake üzerindeki fiziksel dosyalar için, depolama sistemlerinin mantıksal olarak soyutlaştırılmış halidir.
Rucio framework üzerinde, Datalake üzerindeki veri merkezlerine, onların soyut hali olan RSE olarak erişebiliriz.
Bu, verilerimize Datalake kavramı gibi verimli bir şekilde erişmemizi sağlar.
Veri yönetimi için Rucıo kullandığımız bir projeden bahsetmek istiyorum ve ardından size bu proje hakkında hızlı bir demo göstereceğim.
The Cherenkov Teleskop Dizisi (CTA) ya da kısaca CTA.
CTA, çok yüksek enerjilerde gama ışını astronomisi için yeni nesil yer tabanlı gözlemevidir.
Şu anda,Kuzey ve Güney yarım kürelerde bulunan 100'den fazla teleskop bulunmaktadır.

Spanish: 
centros de procesamiento de datos alrededor del mundo desde una única interfaz.
Los Elementos de Almacenamiento Rucio (o por sus siglas en inglés RSE)
RSE son la abstracción lógica de los sistemas de almacenamiento para archivos físicos en Datalake.
En el entorno de trabajo Rucio, podemos contactar centros de procesamiento de datos mediante sus abstracciones en forma de RSEs.
Esto nos brinda acceso a nuestra información de manera eficiente, tal como el concepto de Datalake.
Me gustaría hacer mención del proyecto en el cual estamos usando Rucio para gestión de datos, y hacerles una pequeña demostración de dicho proyecto.
El Cherenkov Telescope Array (o CTA).
El CTA es la nueva generación de observatorios en tierra para astronomía de rayos gamma de muy alta energía.
Actualmente, hay más de 100 telescopios ubicados entre los hemisferios norte y sur.

French: 
Le CTA sera le plus grand observatoire de rayons gamma au monde.
Cet observatoire devrait générer environ 100 pétaoctets de données brutes au cours des cinq prochaines années de fonctionnement.
(1 PB = 1 million de Go)
En raison de la production d'une énorme quantité de données, la gestion des données devient un
cas extrêmement important que nous devons considérer et comprendre.
Vous voyez les télescopes Cherenkov sur la photo.
Par exemple, le côté nord du CTA est situé sur l'île de La Palma.
La cinquième plus grande île des îles Canaries.
Ceci est la page de documentation de Rucio.
Vous pouvez consulter d'autres informations ou des exemples d'utilisation.
Par exemple, dans cette page, vous pouvez voir les instructions de configuration d'un environnement de développement Rucio en tant que conteneur Docker.
Je voudrais vous montrer une démo rapide pour Rucio sur le cas d'utilisation de CTA.

Spanish: 
El CTA será el observatorio en tierra de rayos gamma más grande en el mundo.
Se espera que este observatorio genere cerca de 100 Petabytes de datos en bruto en sus cinco primeros años de operación.
(1 PB = 1 millón de GB)
Como consecuencia de la producción de tan grandes cantidades de información, la gestión de datos se vuelve un 
caso extremadamente importante que debemos considerar y resolver.
En la imagen se pueden apreciar Telescopios Cherenkov.
Por ejemplo, el CTA lado norte está localizado en la Isla de La Palma.
La quinta isla más grande de las Islas Canarias.
Este es el sitio web de documentación de Rucio.
Es posible revisarlo para obtener mayor información y ejemplos de uso.
Por ejemplo, en esta página, es posible ver las instrucciones para configurar un entorno de desarrollo Rucio como Docker Container.
Me gustaría hacerles una pequeña demostración de Rucio en el caso de uso del CTA.

German: 
Das CTA wird das größte bodengestützte Gammastrahlen-Observatorium der Welt sein.
Es wird erwartet, dass dieses Observatorium in den ersten fünf Betriebsjahren etwa 100 Petabyte an Rohdaten erzeugen wird.
( 1 PB = 1 million GBs)
Als Konsequenz der Produktion enormer Datenmengen wird die Datenverwaltung zu einem äußerst wichtigen Fall, 
den wir in Betracht ziehen und lösen müssen.
Auf dem Bild sehen Sie Cherenkov-Teleskope.
Zum Beispiel befindet sich die CTA Nordseite auf der Insel La Palma.
Die fünftgrößte Insel der Kanarischen Inseln.
Dies ist die Dokumentationsseite von Rucio.
Sie können nach weiteren Informationen oder Anwendungsbeispielen suchen.
Auf dieser Seite sehen Sie z.B. die Anleitung zum Einrichten einer Rucio-Entwicklungsumgebung als Docker-Container.
Ich möchte Euch eine kurze Demo für Rucio zum Anwendungsfall CTA zeigen.

English: 
CTA will be the largest ground-based gamma-ray
observatory in the world.
This observatory is expected to generate approximately 100 Petabytes of raw data in the first five years of operation.
( 1 PB = 1 million GBs)
As a consequence of the production of tremendous amount of data, data management becomes an
extremely important case that we have to consider and figure out.
You see Cherenkov Telescopes in the picture.
For instance, CTA North side is located on
the Island of La Palma.
The fifth largest island in the Canary Islands.
This is the documentation page of Rucio.
You can check for further information or examples of usage.
For example, in this page, you can see the
instructions for setting up a Rucio development environment as docker container.
I would like to show you a quick demo for Rucio on CTA use case.

Turkish: 
CTA, dünyadaki en büyük yer tabanlı gama ışını gözlemevi olacak.
Bu gözlemevinin ilk beş yıl içinde yaklaşık 100 Petabayt ham veri üretmesi bekleniyor.
( 1 PB = 1 milyon GB )
Muazzam miktarda veri üretiminin bir sonucu olarak, veri yönetimi, dikkate almamız
ve çözmemiz gereken son derece önemli bir etken haline gelir.
Resimde bir Cherenkov Teleskop dizisi görmektesiniz.
Örneğin, CTA Kuzey tarafı, La Palma Adası'nda yer almaktadır.
La Palma adası, Kanarya Adaları'ndaki beşinci büyük adadır.
Burası Rucio'nun dökümantasyon sayfasıdır.
Daha fazla bilgi veya kullanım örnekleri için kontrol edebilirsiniz.
Örneğin, bu sayfada, Docker container olarak bir Rucio geliştirme ortamı kurabilmek için gerekli talimatları görebilirsiniz.
Size CTA use case üzerinde Rucio için hızlı bir demo göstermek istiyorum.

English: 
Rucio has a Client API as a Python library
and can be used on command line interface
in Linux operating systems after setup Rucio environment.
For starting, here is a Jupyter Notebook for Python Client.
At first, we import some necessary classes.
Then we create objects from these classes to assign attributes and functions.
In first example, we can list RSEs that are in the Datalake.
In general, this function gives plenty of
information about each RSE such as creation time,name, or storage type of RSE.
As you can see, there are plenty of information here.
I cleared the output.
And I filtered it to show you a clear view.
When we execute this line, you can see the
RSE list in the Datalake.

Spanish: 
Rucio tiene una API cliente en forma de biblioteca Python que puede ser usada desde la terminal de comandos 
en sistemas operativos Linux después de configurar el entorno Rucio.
Para comenzar, he aquí un Jupyter Notebook para el cliente Python.
En principio, importamos algunas clases necesarias.
Luego creamos objetos desde estas clases para asignar atributos y funciones.
Como primer ejemplo, podemos listar los RSEs que estén en el Datalake.
En general, esta función otorga muchos datos sobre cada RSE, tales como la fecha de creación, el nombre, o el tipo de almacenamiento.
Como podemos ver, hay mucha información acá.
He vaciado la salida.
Y la he filtrado para mostrar una vista limpia.
Cuando ejecuto esta línea, vemos la lista de RSEs en el Datalake.

German: 
Rucio hat eine Client-API als Python-Bibliothek und kann auf der Befehlszeilenschnittstelle
in Linux-Betriebssystemen verwendet werden.
Zum Einstieg gibt es hier ein Jupyter-Notebook für Python-Client.
Zuerst importieren wir einige notwendige Klassen.
Dann erstellen wir Objekte aus diesen Klassen, um Attribute und Funktionen zuzuweisen.
Im ersten Beispiel können wir RSEs auflisten, die sich im Datalake befinden.
Im Allgemeinen liefert diese Funktion eine Fülle von Informationen über jede RSE, wie z. B. Erstellungszeit, Name oder Speichertyp der RSE.
Wie man sieht, gibt es hier eine Fülle von Informationen.
Ich habe die Ausgabe gelöscht.
Und ich habe es gefiltert, um Euch eine klare Sicht zu zeigen.
Wenn wir diese Zeile ausführen, können Sie die RSE-Liste im Datalake sehen.

Turkish: 
Rucio, Python kitaplığı olarak bir İstemci API'sine sahiptir ve
Rucio ortamını kurduktan sonra Linux işletim sistemlerinde komut satırı arayüzünde kullanılabilir.
Başlangıç olarak, burası Python geliştirme ortamı için kullanılan Jupyter Notebook sayfasıdır.
En başta, gerekli sınıfları projemize ekliyoruz.
Ardından, sınıf üzerindeki özellikleri ve fonksiyonlariçin bu sınıflardan nesneler oluşturuyoruz.
İlk örnekte, Datalake içinde bulunan RSE'leri listeleyebiliriz.
Genel olarak bu işlev, RSE'nin oluşturulma zamanı, adı veya depolama türü gibi her RSE hakkında birçok bilgi verir.
Görebildiğiniz üzere, burada çıktı olarak RSE hakkında bir sürü bilgi edinilebilir.
Çıktıyı temizliyorum.
Ve size daha temiz bir çıktı gösterebilmek için filtreleme yapıyorum.
Bu kod bloğunu çalıştırdığımızda, Datalake içindeki RSE listesini çıktı olarak görebiliriz.

French: 
Rucio a un client API en tant que bibliothèque Python et peut être utilisée sur l'interface de ligne de commande
dans les systèmes d'exploitation Linux après la configuration de l'environnement Rucio.
Pour commencer, voici Jupyter Notebook pour Python Client.
Dans un premier temps, nous importons quelques classes nécessaires.
Ensuite, nous créons des objets à partir de ces classes pour leur donner des attributs et des fonctions.
Dans le premier exemple, nous pouvons lister les RSE qui se trouvent dans Datalake.
En général, cette fonction fournit de nombreuses informations sur chaque RSE, telles que la date de création, le nom ou le type de stockage du RSE.
Comme vous pouvez le voir, il y a beaucoup d'informations ici.
J'ai effacé la sortie.
Et je l'ai filtré pour vous montrer une vue claire.
Lorsque nous exécutons cette ligne, vous pouvez voir la liste RSE dans Datalake.

English: 
In second example, we can list scopes that are on the Datalake.
When we execute this line, we can see the
scope list in the Datalake
and the letter u indicates that the result is unicode string.
In third example, we can add a dataset to
a given RSE and scope with a name of dataset.
When we execute this command, if the dataset has been created successfully, it gives 'True' as response.
If the data identifier exists, it gives the
following error that the data identifier already exists.
In forth example, we can upload a file to the given RSE and scope.

Spanish: 
Como segundo ejemplo, podemos listar los ámbitos que estén en el Datalake.
Cuando ejecuto esa línea, podemos ver la lista de ámbitos en el Datalake
y la letra “u” indica que el resultado es una cadena de caracteres Unicode (Unicode string).
Como tercer ejemplo, podemos añadir un conjunto de datos a un RSE y un scope dados con un nombre determinado.
Cuando ejecuto este comando, si el conjunto de datos ha sido creado satisfactoriamente, devuelve 'True' como respuesta.
Si el identificador de datos ya existe, devuelve el siguiente error de que el identificador de datos ya existe.
Como cuarto ejemplo, podemos subir un archivo a un RSE y a un scope dados.

French: 
Dans le deuxième exemple, nous pouvons répertorier les SCOPEs qui se trouvent sur Datalake.
Lorsque nous exécutons cette ligne, nous pouvons voir la liste des SCOPEs dans Datalake
et la lettre u indique que le résultat est une chaîne unicode.
Dans le troisième exemple, nous pouvons ajouter un ensemble de données à un RSE et une SCOPE donnés avec un nom d'ensemble de données.
Lorsque nous exécutons cette commande, si l'ensemble de données a été créé avec succès, il donne 'True' comme réponse.
Si l'identificateur de données existe, cela donne l'erreur suivante, l'identificateur de données existe déjà.
Dans le quatrième exemple, nous pouvons télécharger un fichier vers le RSE et le SCOPE.

German: 
Im zweiten Beispiel können wir die Bereiche auflisten, die auf dem Datalake liegen.
Wenn wir diese Zeile ausführen, können wir die Scope-Liste in der Datalake
und der Buchstabe u zeigt an, dass das Ergebnis eine Unicode-Zeichenfolge ist.
Im dritten Beispiel können wir einen Datensatz zu einer bestimmten RSE und einem bestimmten Bereich mit einem Namen des Datensatzes hinzufügen.
Wenn wir diesen Befehl ausführen und der Datensatz erfolgreich erstellt wurde, gibt er als Antwort "True" aus.
Wenn der Datenbezeichner existiert, ergibt sich der folgende Fehler, dass der Datenbezeichner bereits existiert.
Im vierten Beispiel können wir eine Datei auf die gegebene RSE und den gegebenen Scope hochladen.

Turkish: 
İkinci örnekte, Datalake bulunan kapsamları (scope) listeleyebiliriz.
Bu kod bloğunu çalıştırdığımızda, Datalake içindeki kapsam (scope) listesini çıktı olarak görebiliriz ve
buradaki çıktıların başındaki "u" harfı çıktının evrensel string olduğunun bilgisini verir.
Üçüncü örnekte, belirli bir RSE'ye bir veri kümesi ve bir veri kümesi adı ile kapsam(scope) ekleyebiliriz.
Bu komutu çalıştırdığımızda, eğer veri seti başarılı bir şekilde oluşturulmuşsa "True" değerini geri döndürür.
Veri tanımlayıcı mevcutsa, veri tanımlayıcının zaten mevcut olduğuna dair aşağıdaki hatayı verir.
Dördüncü örnekte, verilen RSE ve kapsama (scope) bir dosya yükleyebiliriz.

German: 
Hier können wir zum Beispiel den Pfad der Datei angeben, hier können wir RSE, DID Scope und den Namen des Datensatzes angeben.
Wenn wir diesen Befehl ausführen, gibt er als Antwort null an, was bedeutet, dass die Datei erfolgreich hochgeladen wurde.
Außerdem können wir die Liste der Datenbezeichner sehen, die in den Scope fallen.
Zum Beispiel, wenn wir die Funktion list_dids verwenden, indem wir den Namen des Bereichs und den Namen der Datei angeben,
können wir sehen, dass die Datei erfolgreich hochgeladen wurde.
Außerdem könnt Ihr nach allen Textdateien im Scope suchen.
Wenn wir keinen Namen angeben, können wir alle Textdateien im Scope sehen.
Im fünften Beispiel können wir Metadatenattribute an den gegebenen Datensatz anhängen.
Auf diese Weise konnten die Datensätze schneller indiziert und gefunden werden, denn je größer die gespeicherten Daten waren, desto länger dauerte die Abfrage.

Turkish: 
Örneğin, burada dosyanın yolunu belirleyebiliriz ve RSE, DID Scope ve veri seti adını belirleyebiliriz.
Bu komutu çalıştırdığımızda, fonksiyon 0 değerini geri döndürür ve bu dosyanın başarıyla yüklendiğini belirtir.
Ayrıca kapsam(scope) içindeki veri tanımlayıcıların listesini görebiliriz.
Örneğin, list_dids fonksiyonunu, kapsamın adını ve dosyanın adını parametre olarak vererek kullandığımızda,
dosyanın başarıyla yüklenmiş olduğunu aşağıdaki çıktı ile görebiliriz.
Ayrıca, kapsamdaki tüm metin dosyalarını kontrol edebiliriz.
Eğer özel olarak bir dosya ismi belirtmezsek, kapsamdaki tüm metin dosyalarını görebiliriz.
Beşinci örnekte, herhangi bir veri kümesine, metadata özelliği ekleyebiliriz.
Bu şekilde, veri kümeleri dizine eklenebilir ve daha hızlı bulunabilir, çünkü depolanan veriler ne kadar büyükse sorgu süresi de o kadar uzun olur.

French: 
Par exemple ici, nous pouvons spécifier le chemin du fichier, ici, et nous pouvons spécifier RSE, DID Scope et le nom du set de données.
Lorsque nous exécutons cette commande, elle donne zéro comme réponse, ce qui signifie que le fichier a été téléchargé avec succès.
En outre, nous pouvons voir la liste des identificateurs de données qui sont dans le SCOPE.
Par exemple, lorsque nous utilisons la fonction list_dids en donnant le nom du SCOPE et le nom du fichier,
nous pouvons voir que le fichier est téléchargé avec succès.
En outre, vous pouvez vérifier tous les fichiers texte dans le SCOPE.
Si nous ne donnons pas de nom, nous pouvons voir tous les fichiers texte dans le SCOPE.
Dans le cinquième exemple, nous pouvons attacher des attributs de métadonnées à l'ensemble de données.
De cette façon, les ensembles de données pourraient être indexés et trouvés plus rapidement car plus les données stockées sont volumineuses, plus le délai de requête est long.

English: 
For example here, we can specify the path
of the file, here, and we can specify RSE, DID Scope and the dataset name.
When we execute this command, it gives zero as response which means that the file has been uploaded successfully.
Besides, we can see the list of data identifiers that are in the scope.
For example, when we use list_dids function by giving the name of the scope, and the name of the file,
we can see that the file is uploaded
successfully.
Furthermore, you can check for all the textfiles in the scope.
If we do not give a name, we can see all the text files in the scope.
In the fifth example, we can attach metadata attributes to the given dataset.
In this way, datasets could be indexed and found faster since, as the larger the stored data, the longer the query time.

Spanish: 
Por ejemplo, aquí podemos especificar la ruta del archivo, y aquí podemos especificar RSE, DID Scope y el nombre del conjunto de datos.
Cuando ejecutamos este comando, devuelve cero como respuesta, lo que significa que el archivo ha sido subido exitosamente.
Además, podemos ver la lista de identificadores de datos que existe en el scope.
Por ejemplo, cuando usamos la función list_dids colocando el nombre del scope, y el nombre del archivo, 
podemos ver que el archivo fue subido exitosamente.
Podemos además buscar todos los archivos de texto en el scope.
Si no proporcionamos un nombre, podemos ver todos los archivos de texto en el scope.
Como quinto ejemplo, podemos adjuntar atributos de metadata a un conjunto de datos dado.
De esta forma, los conjuntos de datos pueden ser indexados y encontrado rápidamente ya que mientras más grande es la información almacenada, mayor es el tiempo de consulta.

Turkish: 
Ne yazık ki, bu işlev şu anda Python istemcisinde mevcut değildir.
Bu nedenle, size komut satırı arayüzünde göstereceğim.
Burası, Rucio ortamını kullanabileceğimiz bir komut satırı arayüzüdür.
Örnek olarak, RSE listeleme yapabiliriz.
Komut satırına "rucio list-rses" yazdığımızda, Datalake içindeki RSE listesini görebiliriz.
Bir diğer örnek, komut satırına "rucio add-did-meta" ve argüman olarak DID (veri kümesi), ardından kapsam adı olarak "testing" ve veri kümesi olarak "testcta" yazabiliriz.

Spanish: 
Desafortunadamente, estas funciones no están disponibles para el cliente Python.
Por consiguiente, hare la demostración mediante la interfaz de línea de comandos.
Esta es una terminal de comandos en la que podemos usar Rucio.
Por ejemplo, podemos listar RSEs.
Cuando escribimos “rucio list-rses”, podemos ver la lista RSE en el Datalake.
Cuando escribimos, por ejemplo, “rucio add-did-meta” y damos el argumento DID, el nombre de scope “testing” y el nombre de conjunto de datos “testcta”

English: 
Unfortunately, this function is currently
not available from Python client.
Therefore, I will show you on command line interface.
This a command line interface that we can use Rucio.
For example, we can list RSEs.
When we type "rucio list-rses", we can see
the RSE list in the Datalake.
For example, when we type "rucio add-did-meta"
and we give the DID argument, then the scope name "testing" and the dataset name "testcta".

French: 
Malheureusement, cette fonction n'est actuellement pas disponible à partir du client Python.
Par conséquent, je vais vous montrer sur l'interface de ligne de commande.
C'est une interface de ligne de commande que nous pouvons utiliser Rucio.
Par exemple, nous pouvons lister les RSE.
Lorsque nous tapons "rucio list-rses", nous pouvons voir la liste RSE dans le Datalake.
Par exemple, lorsque nous tapons "rucio add-did-meta" et que nous donnons l'argument DID, le nom du SCOPE "testing" et le nom de l'ensemble de données "testcta"

German: 
Leider ist diese Funktion derzeit nicht vom Python-Client aus verfügbar.
Deshalb werde ich es Ihnen auf der Befehlszeilenschnittstelle zeigen.
Dies ist eine Befehlszeilenschnittstelle, die wir Rucio verwenden können.
Zum Beispiel können wir RSEs auflisten.
Wenn wir "rucio list-rses" eingeben, können wir die RSE-Liste im Datalake sehen.
Wenn wir z.B. "rucio add-did-meta" eingeben und das DID-Argument angeben, dann ist der Scopename "testing" und der Datensatzname "testcta".

German: 
Dann können wir unsere Metadaten als Schlüssel und Wert hinzufügen.
Zum Beispiel können wir den Schlüssel als "telescopeID" und den Wert als "1" eingeben.
Dieses Metadatenattribut wurde also erfolgreich angehängt.
Wir können weitere Metadaten anhängen, z. B. den Scopename, den Namen des Datensatzes, den Schlüssel und den Wert.
Wir können die Attribute überprüfen, die an den DID angehängt sind.

French: 
Ensuite, nous pouvons ajouter nos métadonnées en tant que clé et valeur.
Par exemple, nous pouvons taper la clé comme "telescopeID" et la valeur comme "1".
Cet attribut de métadonnées a donc été attaché avec succès.
Nous pouvons attacher d'autres métadonnées, par exemple, le nom du SCOPE, le nom de l'ensemble de données, la clé et la valeur.
Nous pouvons vérifier les attributs qui sont attachés au DID.

Spanish: 
Luego podemos añadir nuestra metadata, como una clave y un valor.
Por ejemplo, podemos escribir “telescopeID” como clave y “1” como valor.
Este atributo metadata ha sido entonces adjuntado exitosamente.
Podemos adjuntar otra metadata. Por ejemplo, el nombre del scope, el nombre del conjunto de datos, la clave y el valor.
Podemos revisar los atributos que estén adjuntos al DID.

English: 
Then we can add our metadata as key and value.
For example, we can type key as "telescopeID"
and value as "1".
So this metadata attribute has been attached successfully.
We can attach another metadata, for example, the scope name, the dataset name, key, and value.
We can check the attributes that are attached to the DID.

Turkish: 
Ardından metadata özelliğimizi, anahtar kelime ve karşılık değeri olarak ekleyebiliriz.
Örneğin, anahtar kelime olarak "telescopeID" ve değer olarak "1" yazabilirizç
Böylece bu metadata özelliği başarıyla eklenmiş oldu.
Başka bir metadata özelliği daha ekleyebiliriz, örneğin, kapsam adı, veri seti adı, anahtar kelime, ve karşılık değeri.
DID için eklenmiş olan metadata özelliklerini görebiliriz.

Spanish: 
Cuando escribimos “rucio get-did-meta” y DID con nombre de scope “testing” y nombre de conjunto de datos “testcta”.
Eso es todo sobre Rucio.
Para más información, pueden encontrar todos los recursos y referencias en la descripción.
También pueden escribirnos a rucio-dev@cern.ch o conectarse el canal Rucio en Slack.
Gracias por su tiempo y por ver el video.

Turkish: 
Bunun için, komut satırına "rucio get-did-meta" ve DID olarak önce kapsam adı "testing" ardından veri kümesi adı "testcta" yazabiliriz.
Rucio için söyleyeceklerim bu kadar.
Daha fazla bilgi için tüm kaynakları ve referansları açıklama bölümünde bulabilirsiniz.
Ayrıca rucio-dev@cern.ch adresine e-posta gönderebilir veya Slack'teki Rucio kanalına bağlanabilirsiniz.
Vakit ayırdığınız ve videoyu izlediğiniz için teşekkür ederim.

German: 
Wenn wir "rucio get-did-meta" und DID als Scopename"testing" und den Namen des Datensatzes "testcta" eingeben.
Das war's für Rucio.
Ihr könnt alle Ressourcen und Referenzen im Beschreibungsteil für weitere Informationen.
Ihr könnt auch eine E-Mail an rucio-dev@cern.ch schicken oder sich mit dem Rucio-Kanal auf Slack verbinden.
Vielen Dank, dass Ihr das Video angesehen habt.

English: 
When we type "rucio get-did-meta" and DID as scope name "testing" and the dataset name "testcta".
That's it for Rucio.
You can find all the resources and references in the description part for further information.
Also you can send an e-mail to rucio-dev@cern.ch or you can connect to Rucio channel on Slack.
Thank you for your time and watching the video.

French: 
Lorsque nous tapons "rucio get-did-meta" et DID comme nom de du SCOPE"testing" et le nom du jeu de données "testcta".
C'est tout pour Rucio.
Vous pouvez trouver toutes les ressources et références dans la partie description pour plus d'informations.
Vous pouvez également envoyer un e-mail à rucio-dev@cern.ch ou vous connecter à la chaîne Rucio sur Slack.
Merci pour votre temps et pour avoir regarder cette vidéo.
