Abo
  • Services:
Anzeige
SAP-Server
SAP-Server (Bild: SAP)

Neue Optimierungsprinzipien

Unterstützung von überwiegend lesenden Anwendungsszenarien: Transaktionelle disc-basierte Systeme nutzen vorwiegend noch eine zeilenbasierte Speicherorganisation. Diese fokussiert Schreiboperationen auf wenige physische Speicherorte und vereinfacht den Schutz der Daten vor konkurrierenden Zugriffen zur Sicherstellung der Datenkonsistenz. Systeme, die nur lesend zur Berichtsgenerierung oder zur Analyse auf Daten zugreifen, profitieren eher von einer spaltenorientierten Organisation. Das spaltenorientierte Layout reduziert den Aufwand für den Datenzugriff, wenn Anfragen nur einen Teil einer Datenzeile lesen. Daten, die zu einer Zeile gehören, werden dabei nicht mehr nebeneinander innerhalb eines Datums gespeichert, sondern die Daten einer Zeile werden aufgeteilt und gemeinsam mit allen anderen Daten einer Spalte gespeichert.

Anzeige

Kompressionsverfahren und Multi-Core-Architekturen: Spaltenorientierte Daten lassen sich meist besser komprimieren, da sie das gleiche Format haben und eine höhere Datenredundanz aufweisen. Die meisten MMDBMS benutzen daher Kompressionsverfahren, um den Hauptspeicher effizient zu nutzen und Zugriffskosten zu minimieren. Moderne Hardware mit mehreren Cores und speziellen Chips kann die Kompression und Dekompression direkt unterstützen, so dass dadurch kaum Geschwindigkeitseinbußen entstehen. Bestimmte Berechnungen können auch, abhängig vom Kompressionsverfahren, direkt auf komprimierten Daten ausgeführt werden.

Indexstrukturen für Hauptspeicher: Datenbanken unterstützen Anfragen, die eine hohe Selektivität aufweisen, also nur einen geringen Teil der verfügbaren Daten lesen sollen, mit einem Index. Auch MMDBMS bieten einen Index an und vermeiden somit einen Full-Table-Scan über den gesamten, eventuell mehrere TByte großen Hauptspeicher. Einige MMDBS benutzen dafür hoch komprimierte Indexe, welche als Bitvektoren gespeichert werden, um Anfragen mit Selektionen über viele Attribute, zum Beispiel beim Zugriff auf Teile einer riesigen Faktentabelle in einem Data Warehouse, effizient mit sehr geringer Latenz beantworten zu können. Das spaltenorientierte Layout erlaubt den effizienten Zugriff auf Daten vektorisiert von Rechenkernen mittels SIMD-Anweisungen (Single Instruction, Multiple Data). Für Anfragen, die sich nur auf einen Teil der Daten beziehen, kann die Anzahl der Datenzugriffe reduziert werden, was die Latenz der Datenanalyse zusätzlich verbessert.

Interaktive Analyse frischer transaktionaler Daten

Seit vielen Jahren ist die Aufgabe des Unternehmers die Gewichtung der besten Rekombinationsmöglichkeiten und die wirtschaftlich sinnvolle Verwertung der erkannten Muster. Welche Prozesse im Unternehmen profitieren von potenziell mehrere Größenordnungen schnelleren Antwortzeiten im MMDBMS und benötigen gleichzeitig einen konsistenten, frischen Datenbestand?

MMDBMS ermöglicht die Analyse "frischer" Daten, erzeugt durch Maschinen oder Menschen. MMDBMS wurden und werden in der Telekommunikationsbranche eingesetzt. In dieser Branche erzeugen Maschinen - Router und anderes Netzwerkequipment - kontinuierliche, zu überwachende Datenströme in hoher Varianz, Geschwindigkeit und Volumen. Zu den Szenarien gehören die Suche nach Netzwerkanomalien oder nach Ineffizienzen und die Überwachung der Rohdaten aus dem Netzwerk in Nahe-Echtzeit. Fallende Hardwarepreise erlaubten auch den Einsatz in OLTP- und OLAP-Szenarien in anderen Branchen. Dazu gehört die Spieleindustrie - Überwachung der Spieler und zeitnahes Anbieten von hilfreichen Artefakten im Spiel -, der Verkauf am Point-of-Sale (Anbieten von Produkten während des Verkaufsgesprächs), die Preisüberwachung und -bildung in der Reisebranche, zum Beispiel bei der Vergabe von Sitzen in Flügen, das Marketing (Social Media Kommunikation, Tracking von Webserverlogs und optimale Platzierung von Produkten) und die generelle Unternehmenssteuerung, also Data Warehousing und Business Intelligence Anwendungen.

MMDBMS als Datenspeicher für komplexe ERP/ABAP-Anwendungen

Prozesse, zum Beispiel im Supply Chain Management/Einkauf, der Logistik oder im Verkauf, können ebenfalls von Analysen auf frischen, also minuten- oder sekundengenauen, transaktionalen Daten im MMDBMS profitieren. SAP-Anwendungen zur Unterstützung dieser Prozesse greifen überwiegend lesend mit Lookup-, Bereich- und Scan-Anfragen auf Daten in einem DBMS zu, schreibende Zugriffe sind seltener. Die eigentliche Datenintegration erfolgt häufig in der Programmiersprache ABAP, das ABAP-Programm stellt dann die Anfragen an das DBMS. Ein MMDBMS kann diese Art von Workloads drastisch optimieren, ohne dass Programmierer den Code der Anwendungen gravierend ändern müssen. Das Resultat ist wiederum eine höhere transaktionale Datenfrische in der Anwendung und für den Anwender eine gefühlt deutlich höhere Interaktivität, selbst bei komplexen Anfragen.

Weitere Praxisberichte werden durch die Hersteller von MMDBMS und auf Konferenzen, wie der Strata Conference, der IDCE oder VLDB, beworben.

 Data Management: Wie Hauptspeicherdatenbanken arbeitenNext Generation MMDBMS 

eye home zur Startseite
Quantium40 21. Okt 2014

Welche Anwendungsfälle sollen das sein?

Quantium40 21. Okt 2014

Es gibt durchaus Szenarien, in denen solch scheinbarer Blödsinn durchaus sinnvoll sein...

holgerscherer 17. Okt 2014

Die gewisse Vorliebe hat ja auch gute Gründe ;-) -h

deefens 15. Okt 2014

An manchen Stellen evtl. ein bischen knapp gefasst, aber im Kern sehr informativ. Was...



Anzeige

Stellenmarkt
  1. über Hanseatisches Personalkontor Bremen, Großraum Bremen
  2. Stadt Esslingen am Neckar, Esslingen am Neckar
  3. Techniklotsen GmbH, Bielefeld
  4. Robert Bosch GmbH, Stuttgart-Vaihingen


Anzeige
Top-Angebote
  1. (u. a. Warcraft Blu-ray 9,29€, Jack Reacher Blu-ray 6,29€, Forrest Gump 6,29€, Der Soldat...
  2. 24,49€
  3. 44,99€

Folgen Sie uns
       

Anzeige
Whitepaper
  1. Data Center-Modernisierung für mehr Performance und
  2. SAP HANA Integration von der Planung bis zum Hosting
  3. Leitfaden für den gezielten Einsatz von SAP HANA


  1. Software-Update

    Tesla-Autopilot 2.0 soll ab Juni "butterweich" fahren

  2. Gratis-Reparaturprogramm

    Apple repariert Grafikfehler älterer Macbook Pro nicht mehr

  3. Amazon Channels

    Prime Video erhält Pay-TV-Plattform mit Live-Fernsehen

  4. Bayerischer Rundfunk

    Fernsehsender wollen über 5G ausstrahlen

  5. Kupfer

    Nokia hält Terabit DSL für überflüssig

  6. Kryptowährung

    Bitcoin notiert auf neuem Rekordhoch

  7. Facebook

    Dokumente zum Umgang mit Sex- und Gewaltinhalten geleakt

  8. Arduino Cinque

    RISC-V-Prozessor und ESP32 auf einem Board vereint

  9. Schatten des Krieges angespielt

    Wir stürmen Festungen! Mit Orks! Und Drachen!

  10. Skills

    Amazon lässt Alexa natürlicher klingen



Haben wir etwas übersehen?

E-Mail an news@golem.de


Anzeige
3D-Druck bei der Bahn: Mal eben einen Kleiderhaken für 80 Euro drucken
3D-Druck bei der Bahn
Mal eben einen Kleiderhaken für 80 Euro drucken
  1. Bahnchef Richard Lutz Künftig "kein Ticket mehr für die Bahn" notwendig
  2. Flatrate Öffentliches Fahrradleihen kostet 50 Euro im Jahr
  3. Nextbike Berlins neues Fahrradverleihsystem startet

Google I/O: Google verzückt die Entwickler
Google I/O
Google verzückt die Entwickler
  1. Neue Version im Hands On Android TV bekommt eine vernünftige Kanalübersicht
  2. Play Store Google nimmt sich Apps mit schlechten Bewertungen vor
  3. Daydream Standalone-Headsets auf Preisniveau von Vive und Oculus Rift

Panasonic Lumix GH5 im Test: Die Kamera, auf die wir gewartet haben
Panasonic Lumix GH5 im Test
Die Kamera, auf die wir gewartet haben
  1. Die Woche im Video Scharfes Video, spartanisches Windows, spaßige Switch

  1. Re: macht Tesla nicht übermäßig viel Miese mit...

    Stefan99 | 07:14

  2. Re: Fake News?

    Flauu | 07:11

  3. Re: Mit DRM?

    MrReset | 07:04

  4. 3000 Mannjahre bei 50000 $/Jahr

    eMvO | 06:55

  5. Re: Frequenzvermüllung

    kazhar | 06:10


  1. 07:29

  2. 07:15

  3. 00:01

  4. 18:45

  5. 16:35

  6. 16:20

  7. 16:00

  8. 15:37


  1. Themen
  2. A
  3. B
  4. C
  5. D
  6. E
  7. F
  8. G
  9. H
  10. I
  11. J
  12. K
  13. L
  14. M
  15. N
  16. O
  17. P
  18. Q
  19. R
  20. S
  21. T
  22. U
  23. V
  24. W
  25. X
  26. Y
  27. Z
  28. #
 
    •  / 
    Zum Artikel