Thought Leadership
Die zeitnahe Auswertung von Firmen- oder Kundendaten entscheidet heute mehr denn je über den Erfolg oder Misserfolg eines Unternehmens am Markt. Heutzutage besitzen diejenigen Firmen einen entscheidenden Wettbewerbs-vorteil, die feingranulare Datenbestände schneller und effizienter analysieren können.
Wachsende Anforderungen erfordern neue Technologien
Um komplexere Auswertungen zu ermöglichen, ist eine immer höhere Performance gefragt. Real-Time- oder Ad-Hoc-Abfragen müssen ohne auf-wändiges Tuning zu jeder Zeit durchgeführt werden können. Unter Berücksichtigung der Anforderung nach Standardisierung und Konsolidierung der IT-Infrastruktur dürfen die Kosten für die Umsetzung dabei nicht ins Unermessliche steigen. In den vergangenen Jahren sind neue Datenbank-Anbieter erfolgreich in den Markt eingetreten, die durch neue Konzepte den aktuellen Herausforderungen an Data Warehouse-Systeme besser gerecht werden. Die Lösungen sind innovative Datenbank-Technologien, die sich dem bisherigen Ansatz der universellen Datenbanken widersetzen, um die existierenden Leistungsbarrieren zu durchbrechen. Diese Technologien zeichnen sich vor allem durch Kombination von Cluster-Computing, spal-tenorientierter Datenspeicherung und In-Memory-Datenhaltung und –Ver-arbeitung aus:
Rechenleistung erhöhen
Beim Cluster-Computing werden mehrere Server zu einem Cluster zusam-mengeschlossen, um dem Problem des I/O-Engpasses zu begegnen und die Rechenleistung zu erhöhen. Gegenüber bisherigen Ansätzen, die Parallelität eher zur Lastverteilung zu benutzen, setzen die neuen Technologieführer auf eine Shared-Nothing-Architektur, um Skalierbarkeit zu erreichen. Um die Performance im analytischen Umfeld weiter zu steigern, wird der Ansatz der spaltenorientierten Speicherung verfolgt. Dabei werden die Daten in Spalten und nicht in Zeilen in der Datenbank abgelegt. Dies führt zu einer Reihe an Vorteilen für den Einsatz von BI-Systemen (siehe auch Philip Howard: „What’s Cool about Columns“). Die In-Memory-Technologie erlaubt höchsten Daten-durchsatz und damit eine hohe Performance beim Zugriff auf die Daten. Bei lesenden Anfragen erfolgt die Verarbeitung vollständig im RAM, so dass der langsame Zugriff auf Festplatten entfällt. Datenänderungen werden persistent gespeichert.
Mehr Leistung, Flexibilität und Skalierbarkeit
Exasol, ein junger Softwareanbieter, hat das relationale Datenbanksystem EXA-Solution entwickelt, das durch Kombination der vorgestellten Technologien sowie bestimmter Innovationen (siehe auch Philip Howard: „EXASOL: another data warehousing vendor“) äußerst präzise und schnelle Datenanalysen ermöglicht. Die parallele Datenbanksoftware-Lösung läuft auf einem Cluster von kostengünstigen Standard-Servern (etwa FSC, HP, IBM, Sun) nach dem „Shared Nothing“-Prinzip. Intelligente Algorithmen sorgen dafür, dass die Daten auf den Knoten des Systems gleichmäßig verteilt werden. Jeder der Rechner verarbeitet die Anfragen lokal und tauscht anschließend die Ergebnisse mit den anderen Rechnern aus. Zu dem zeichnet sich das Datenbanksystem durch eine sehr gute Skalierbarkeit aus, was zu einer optimalen Planbarkeit von Leistung und Kosten führt. Steigt das Daten-volumen, die Analyseanforderungen oder die Anzahl der Nutzer, kann der Cluster einfach um zusätzliche Standard-Server erweitert werden. Darüber hinaus wurde das Systemspeziell für „In Memory Processing“ konzipiert.
Selbstlernendes System
EXASolution ist ein selbstlernendes System, das sich selbstständig an die Nutzungsgewohnheiten der Anwender anpasst. Indices werden automatisch angelegt, Daten komprimiert und SQL-Anfragen von Query-Optimizer getunt. Aufwändige Administrations und Tuningaufgaben entfallen und verringern somit die Betriebskosten. Durch Standardschnittstellen (SQL Standard 2003, DB-Treiber) lässt sich die Lösung einfach in die vorhandene IT-Infrastruktur integrieren. Automatische Optimierungsalgorithmen entlasten die Adminis-tratoren und verringern die Betriebskosten. Das Datenbanksystem unterstützt eine große Zahl gleichzeitig agierender Benutzer und lässt sich sowohl für Data Marts einzelner Abteilungen als auch für ein unternehmensweites Data Warehouse einsetzen.
Nutzen für das Unternehmen
Von so einer Datenbank profitieren unterschiedliche Abteilungen:
– Die Geschäftsleitung, da sie in Echtzeit über entscheidungsrelevante Daten verfügt, die die Basis für fundierte strategische Entscheidungen bilden.
– Der Fachbereich, da der Zeitgewinn durch die hohe Performance umfang-reiche Kontrollanalysen erlaubt, wodurch die Ergebnisqualität der Analysen maximiert wird. Relevante Muster können schneller erkannt und mehrere Analysemodelle gerechnet werden.
– Die IT-Abteilung, da bei geringerem Investitions- und Administrations-aufwand eine optimale Skalierbarkeit gegeben ist und die TCO nachhaltig gesenkt werden kann.
Fazit:
Dank der hohen Performance durch spaltenorientierte Speicherung, In-Memory-Technologie und Cluster-Computing können unternehmensweite Infor-mationen schnell und zuverlässig gewonnen werden. Chancen und Risiken lassen sich frühzeitig erkennen. Dies führt wiederrum zu effizienteren Ge-schäftsprozessen und einem deutlichen Vorsprung gegenüber Wettbewerbern.
MATHIAS GOLOMBEK
Diesen Artikel finden Sie auch in der Ausgabe Juli/August 2008 des it management.
