Superschnelle Analysen in Echtzeit

In-Memory-Technologie bringt Datenbanken und Data Warehouses auf Touren. Wie funktionieren diese Abfragetechniken und wie schnell sind sie wirklich?

SAP-Mitbegründer Hasso Plattner ist begeistert. Für ihn spricht vor allem die rasende Performance für den Einsatz von In-Memory-Techniken: Kombiniert mit Kompressionsalgorithmen, würden dadurch auch sehr komplexe Data-Warehouse-Abfragen bis zu hundertmal schneller. Topmanager müssen nicht mehr Stunden oder Tage auf entscheidungsrelevante Analyse-Ergebnisse warten. «Wenn alle Informationen nahezu in Echtzeit vorliegen, wird das unser Arbeiten umkrempeln und ganz neue Geschäftsmodelle ermöglichen», sagte Plattner kürzlich auf der SAP World Tour in Mannheim. Auch das neue ERP-System SAP Business ByDesign, das voraussichtlich Ende des Jahres auf den Markt kommt, arbeitet mit dieser superschnellen Analysetechnik.

Festplatten auf dem Mars

Was macht In-Memory-Technologie so attraktiv? Ein Vergleich hilft hier weiter: Angenommen, der sehr prozessornahe Level-1-Cache wäre ein Rechenzentrum in Winterthur. Der etwas langsamere Level-2-Cache entspräche der Stadt Winterthur, Daten im Hauptspeicher (in memory) wären über den Kanton Zürich, Daten auf Solid-State-Disks (Flash) über Zentraleuropa verteilt. Auf Festplattenmedien abgespeicherte Informationen, heutzutage oft noch der Normalfall, befänden sich in diesem Beispiel dann buchstäblich auf einem anderen Planeten, nämlich auf dem Mars.

Wer sehr schnell, nahezu in Echtzeit, riesige Datenmengen auswerten will, packt also so viel wie möglich in den Hauptspeicher. Das sei heute auch problemlos möglich, rechnet Plattner vor. Kombiniert man das Memory von 100 Blade-Servern, ergibt sich eine Hauptspeicherkapazität von 50 Terabyte. Das reiche selbst für grosse Data Warehouses aus. Ausserdem könnten im Hauptspeicher befindliche Datenbanken spalten-, das heisst feldweise ausgewertet werden, was weitere Performance-Vorteile bringt. Denn der normale Festplattenzugriff liest Datenbanken satzweise aus und schleppt dadurch auch Datensatzfelder mit, die für die aktuelle Auswertung gar nicht benötigt werden. Im Durchschnitt sind nur 10 Prozent der in einem Datensatz abgespeicherten Infos für Abfragen relevant. Die restlichen 90 Prozent sind nur unnötiger Ballast, der die Analyse zusätzlich ausbremst.

Dynamische OLAP-Würfel

Nicht nur aus Kapazitätsgründen verfolgen Datenbank- und BI-Anbieter zurzeit jedoch eine hybride Strategie. MicroStrategy lädt auf bestimmte Abfrageklassen optimierte ROLAP-Würfel, also auf relationale Datenbanken aufbauende OLAP Cubes (Online Analytical Processing), in den Hauptspeicher. «Der ROLAP-Würfel passt sich dynamisch den Nutzeranfragen an», erklärt Dominik Hertzog, Marketing Director EMEA bei MicroStrategy. Häufig nachgefragte Informationen werden ins schnelle Memory geladen und dort belassen. Interne Messungen ergaben eine Performance-Verbesserung um mehr als 65 Prozent. Durchschnittliche Antwortzeiten von 21,1 Sekunden auf einer optimierten Oracle-Datenbank verkürzten sich durch In-Memory-ROLAP-Cubes auf 9,5 Sekunden. Benötigt ein User einmal Infos, die der Würfel nicht vorhält, ist zwar auch der Direktzugriff aufs Data Warehouse möglich. Aber das befindet sich dann wieder auf dem Mars. Extrawünsche dauern im Hybridmodell eben etwas länger.

«Wir bilden kein komplettes Data Warehouse in memory ab», erläutert auch Jürgen Klein, Director Services beim BI-Anbieter QlikTech. Die entscheidende Frage sei, welche Daten in den Hauptspeicher kommen, wo nach Massgabe der Nutzervorgaben ein virtueller Würfel erstellt wird. Jeder Mausklick hat nach Klein eine neue Berechnung des virtuellen Würfels zur Folge. Das macht virtuelle InfoCubes sehr flexibel.