fbpx

The End of Ingestion? The Beginning of In-Place Analytics

Seit es kommerzielle Datenverarbeitung gibt, wurde immer viel Wert auf die Verbesserung und Beschleunigung der Leistung von Datenbankabfragen gelegt. Mit der Zunahme des Datenvolumens und der KomplexitÀt der Abfragen ist dies noch wichtiger geworden.

Von den AnfĂ€ngen indizierter Dateisysteme und Netzwerkdatenbanken ĂŒber relationale Systeme und multidimensionale OLAP-Engines bis hin zu den heutigen In-Memory-Analytics-Modellen gibt es eine ganze Reihe von Technologien, die darauf ausgelegt sind, die ReaktionsfĂ€higkeit von Datenbanksystemen fĂŒr komplexe analytische Abfragen zu beschleunigen.

Wir sehen also, dass In-Memory-Analytics der neueste und letzte in einer langen Reihe von verschiedenen AnsĂ€tzen zur Lösung desselben Problems ist. Dieser Ansatz war in den letzten zehn bis fĂŒnfzehn Jahren Mainstream. Jetzt hat er aber vielleicht ausgedient und wird vielleicht schon bald in eine eigene spezifische Nische verbannt.

Mit dem Aufkommen von Cloud-Computing gibt es praktisch unbegrenzte Ressourcen, die fĂŒr die Verarbeitung von analytischen Abfragen genutzt werden können. Es stellt sich also die Frage, wie kann das gleiche Maß an analytischer Leistung mit völlig unterschiedlichen zugrunde liegenden Speicheroptionen genutzt werden?

Durch das Loslösen der Analytics-Funktionen von den zugrundeliegenden Speichersystemen bietet Pyramid eine skalierbare Analytics-Umgebung, die auf die von Einzelpersonen oder Benutzergruppen benötigte FunktionalitÀt zugeschnitten und ohne BeeintrÀchtigung der Analytics-Performance von verschiedenen Engines betrieben werden kann. Pyramid bietet somit ultimative In-Place-Analytics.