„Translytics“-Plattform Hazelcast 5.0 geht an den Start

Autor / Redakteur: Michael Matzer / Nico Litzel

Der US-Softwarehersteller Hazelcast hat seine neue Plattform Hazelcast 5.0 angekündigt, eine Analyse-Software, die als eine einzige Plattform für transaktionale, operative wie auch analytische Workloads eingesetzt werden könne.

Firmen zum Thema

Eine vereinfachte Architektur, hoch performant, skalierbar und zuverlässig – das verspricht Hazelcast mit der gleichnamigen Plattform in der Version 5.0.
Eine vereinfachte Architektur, hoch performant, skalierbar und zuverlässig – das verspricht Hazelcast mit der gleichnamigen Plattform in der Version 5.0.
(Bild: Hazelcast)

„Die Hazelcast-Plattform kombiniert die Fähigkeiten einer Echtzeit-Stream-Processing-Engine mit In-Memory-Computing und bietet so eine vereinfachte Architektur, die hoch performant, skalierbar und zuverlässig ist“, sagte CEO Kelly Herrell. Diese Architektur ermögliche es Unternehmen, ihre transaktionalen, operativen und analytischen Workloads zu verschmelzen, die Chancen für Umsatzwachstum zu beschleunigen, Risiken zu reduzieren und die Kosteneffizienz zu steigern.

Der wichtigste Ansatz der Version 5.0 ist die Zusammenführung von Daten, die ruhen und in OLTP- bzw. OLAP-Systemen verarbeitet werden, mit Daten, die in Bewegung sind, also vor allem Streaming-Daten, die von Ereignissen ausgelöst oder von Sensoren gesendet werden. „Hazelcast kombiniert verteilte Rechenleistung und Streaming-Analysen mit einem hochleistungsfähigen In-Memory-Datenspeicher in einer einzigen, einheitlichen Runtime“, erläutert Herrell. „Diese verarbeitet zum einen sowohl Daten in Bewegung als auch in Ruhe befindliche Daten und zum anderen transaktionale als auch analytische Arbeitslasten.“

Bildergalerie

Der Vorteil sei, dass damit die Lokalität der Daten (Datenquellen, Storage) zusammen mit In-Memory-Computing kombiniert werden können, um bahnbrechende Leistung für all diese Workloads zu ermöglichen. Wo immer also genügend Memory vorliegt, kann Hazelcast Daten schnell verarbeiten, sei es in der Cloud, on-premises oder am Edge. „Wir bieten einen dramatisch höheren Durchsatz im Vergleich zu anderen Technologien, während wir oft wesentlich niedrigere Latenzzeiten liefern.“

Herrell gab an, dass der Datendurchsatz bei einer Milliarde Transaktionen pro Sekunde liegt, mit einer Zuverlässigkeit von 99 Prozent. Die Latenzzeit liege unter 30 Millisekunden. „Alternative Lösungen erfordern häufiges Verschieben von Daten zwischen Compute und Storage. Dieser Ping-Pong-Effekt mit den Daten und der Verarbeitung führt zu zusätzlicher Latenz und Komplexität.“ Das vermeidet Hazelcast. Darüber hinaus vereinfacht dieser einheitliche Ansatz sowohl Entwicklung als auch Betrieb.

Hazelcast läuft in allen Betriebsmodellen. „Hazelcast ist eine ,Run-anywhere‘-Plattform – sie unterstützt echte Multi-Cloud- und Hybrid-Cloud-Implementierungen und ist als Managed Service auf allen drei großen Cloud-Plattformen (AWS, Azure und GCP) verfügbar“, berichtet Herrell. „Hazelcast läuft auch auf Cloud-Native-Kubernetes-basierten-IaaS-Plattformen, wie denen der großen Cloud-Anbieter: Wir haben Kubernetes auf AWS EKS, Azure AKS, Google GKE sowie auf Oracle und IBM Clouds, Red Hat OpenShift und VMware Tanzu zertifiziert.“ Viele Kunden entschieden sich dafür, Hazelcast direkt auf Cloud-Instanzen wie Amazon EC2 zu betreiben. „Wir laufen auch in Edge-Implementierungen.“

Hazelcast unterstütze in seiner neuen SQL Query Engine einen erweiterten Befehlssatz von ANSI-SQL und verfüge über eine große Auswahl an Konnektoren sowie die Möglichkeit, Debezium-basierte Konnektoren zu nutzen. „Unsere Plattform kann sich mit den wichtigsten Datenbanken wie Snowflake über JDBC oder andere Client-APIs verbinden, ebenso wie mit Apache Kafka, Apache Pulsar und Amazon Kinesis sowie anderen Event-/Messaging-Plattformen, ebenso wie mit Cloud-Datenspeichern wie S3 oder Big-Data-Speichern wie Hadoop/HDFS.“ Entwickler könnten SQL in Kombination mit Client-APIs für Java, C#/.Net, Python, NodeJS, C++, Go und Scala verwenden.

„Zu den wichtigsten Workloads“, so Herrell weiter, „bei denen wir Anwendungen und Analysen beschleunigen, gehören die Online-Transaktionsverarbeitung (OLTP) wie etwa im Online-Handel, im Bankwesen oder bei der Zahlungsabwicklung; Echtzeit-Analysen wie etwa Betrugserkennung, Echtzeit-Angebote und andere Anwendungsfälle für Machine Learning in Echtzeit; Dateneingabe und -umwandlung, Berechnungen und Berechnungen mit niedriger Latenz sowie Telemetrie- und Sensordatenverarbeitung.

Im Machine Learning hat die Version 5.0 zahlreiche Fortschritte vorzuweisen, so etwa schnellere Verarbeitung (Training, Inferenz) und die Kombination bzw. den Vergleich von Algorithmen. Machine Learning profitiere von der linearen Skalierung, die in einem Hazelcast-Cluster erreichbar ist. ML-Modelle erlauben es, an allen gewünschten Datenquellen schnelle Berechnungen, Transformationen und Analysen vorzunehmen und Aktionen anzustoßen, sagte Herrell.

Der Analyst Mike Gualtieri von der Forrester Group nennt diesen neuen Typus von Streaming-Analytics-Anwendungen „Translytics“. Herrell nannte die Top-Branchen, in denen Hazelcast am häufigsten eingesetzt wird: Finanzdienstleistungen, Einzelhandel/E-Commerce und Telekommunikation. Hier werden hohe Transaktionsraten erzielt. „Hazelcast ist rund um den Globus verfügbar und im Einsatz, auch in EMEA.“ Von Version 5.0 ist eine Beta-Version verfügbar.

Artikelfiles und Artikellinks

(ID:47528577)

Über den Autor