Kommentar von Martin Zlaty, Datavard

Big Data rückt Datenmanagement wieder in den Fokus

Seite: 3/3

Firmen zum Thema

Für ein Data Warehouse gibt es im Hinblick auf das physische Speichermanagement mehrere Möglichkeiten. Neben der normalen Speicherung (online) können die Daten klassisch in einem festen Speichermedium archiviert werden (offline). Es gibt aber auch noch eine Zwischenform, die Nearline-Speicherung (NLS). Sie zeichnet sich durch zwei wesentliche Eigenschaften aus: Zum einen können die Daten mithilfe effizienter Komprimierungstechniken und dedizierter Systemlösungen besonders kostengünstig vorgehalten werden.

Zum anderen, und das ist für Analyse und Reporting von Bedeutung, haben die Benutzer durch die Integration der NLS-Schnittstelle in die OLAP-Engine weiterhin darauf Zugriff. Die Daten können daher in einem ihrem Alter und ihrer Stellung im Informationslebenszyklus entsprechenden optimalen Speichermedium abgelegt werden und damit die unterschiedlichen Anforderungen an deren Service Level Agreements (SLAs) adressieren.

NLS empfiehlt sich vor allem für Daten aus Infocubes und DataStore Objects (DSOs

Nearline-Speicherung für Daten aus Infocubes und DSOs

Gerade für die Verwaltung großer Datenmengen mit den dabei auftretenden besonderen Anforderungen an Performance und Skalierbarkeit gibt es Konzepte, die für die unterschiedlichen Speicherstrategien große Verbesserungspotenziale versprechen. Um die Komplexität der Verfahren für Hochverfügbarkeit, Betrieb und die Erstellung von Systemkopien zu reduzieren, hat sich die Nutzung eines Nearline-Repositories innerhalb des Business Warehouse-Systems bewährt. Dabei erfolgt die komprimierte Ablage der NLS-Daten in spezifischen komprimierten Speicherbereichen der BW-Datenbank.

Im Zuge der Big-Data-Diskussion sind darüber hinaus Technologien wie SAP IQ und Hadoop zukunftsträchtig, da sie große Datenvolumina effizient managen und diese mit sehr guter Performance bereitstellen können. Die klassische Datenarchivierung hingegen bietet eine kostengünstige Lösung für sehr alte Daten, Daten aus der Akquisitionsschicht und einige temporäre Daten. Durch das hohe Kosten-Nutzen-Verhältnis bietet es sich an, temporäre Daten nur kurz aufzubewahren und regelmäßig zu löschen.

Fazit

Nicht erst seit dem Aufkommen des Big-Data-Begriffs sind schnell lesende und schreibende Zugriffe auf den Datenbestand, Flexibilität und kostenoptimales Datenmanagement für Unternehmen erfolgskritisch. Mit einem umfassenden Konzept für ein Business Warehouse-Datenmanagement können versteckte Potenziale aufgedeckt und genutzt werden.

Ausgangspunkt ist die Analyse des Lebenszyklus‘ von Informationen. Darauf aufbauend können Speicheroptimierungsmöglichkeiten wie Nearline-Storage (NLS) das Datenvolumen deutlich verringern und gleichzeitig den Zugriff auf archivierte Daten erleichtern. Die aktuellen Herausforderungen rasant wachsender Datenmengen, langsamerer Zugriffszeiten und unnötig hohen administrativen Aufwands in Data-Warehouse-Umgebungen lassen sich damit besser als durch traditionelle Herangehensweisen lösen.

(ID:42992690)