Aufbereitung und Analyse von Big Data mit NoSQL Graphdatenbanken spielen bei stark vernetzten Daten ihre Stärken aus

Autor / Redakteur: Holger Temme / Nico Litzel

Die gegenwärtige Komplexität von Big Data beruht auf zwei wesentlichen Faktoren: Unstrukturiertheit und Verbundenheit der Daten. Zugleich lassen sich Beziehungen zwischen verschiedenen Elementen nur äußerst ressourcenintensiv und kompliziert in einer relationalen Datenbank abspeichern. Graphdatenbanken dagegen spielen bei solchen Datenmodellen ihre Stärken aus.

Anbieter zum Thema

Der Autor: Holger Temme ist Area Director CEMEA bei Neo Technology
Der Autor: Holger Temme ist Area Director CEMEA bei Neo Technology
(Bild: Neo Technology)

Die Menge an neuen Daten, die in Unternehmen erhoben werden, nimmt jedes Jahr exponentiell zu. Mit der Menge der Daten wächst zugleich deren Komplexität. Die Daten haben weniger Struktur und sind stärker miteinander verbunden. Die relationalen Datenbanken – bekannt als SQL-Datenbanken – stoßen bei komplexen Berechnungen an ihre Grenzen. Für Unternehmen wird es schwieriger, in der benötigten Geschwindigkeit Analysen durchzuführen und gewinnbringende Erkenntnisse daraus zu ziehen. Daher wurden neuen Technologien entwickelt, um die Skalierungsfähigkeit und Performance bereitzustellen, die für die Aufbereitung und Analyse von Big Data erforderlich ist – bekannt unter dem sehr heterogenen Sammelbegriff NoSQL.

Kein Allheilmittel

Aktuelle Entwicklungen und Investitionen bei diesen alternativen Technologien zeigen jedoch, dass sich der NoSQL-Begriff zunehmend auflöst und sich drei Hauptkategorien mit ihren jeweiligen Charakteristika herauskristallisieren: dokumentenorientierte Datenbanken, Key-Value-Datenbanken und Graphdatenbanken. Aber keine der neuen Datenbanksysteme nimmt für sich in Anspruch, die bestehenden relationalen Architekturen ersetzen zu können. Selbst untereinander machen sie sich keine Konkurrenz. Vielmehr haben sie jeweils für gewisse Anwendungsfälle ihre Vorteile und bieten sich so als sinnvolle Ergänzungen an. Daten sind unterschiedlich strukturiert und müssen daher anders verarbeitet werden.

Ein „One-database-fits-all“-Ansatz widerspricht im zunehmenden Maße den Anforderungen von Unternehmen. Für viele Marktbeobachter steht fest, dass sich Daten in Zukunft nicht mehr mit einer einzigen Datenbanktechnologie effizient beherrschen lassen. Der Trend geht zu einem hybriden oder polyglotten Ansatz, bei dem mehrere unterschiedliche Systeme eingesetzt werden. Graphdatenbanken beispielsweise eignen sich besonders gut bei stark vernetzten Daten.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Artikelfiles und Artikellinks

(ID:42986261)