In diesem Beitrag widmen wir uns der Frage, welche Rolle aktuelle Trends der Hardund Software für Datenbanksysteme spielen, um als Enabler für neuartige Konzepte im Umfeld des Data-Warehousing zu dienen. Als zentraler Schritt der Evolution im Kontext des Data-Warehousing wird dabei die enge Kopplung zu operativen Systemen gesehen, um eine direkte Rückkopplung bzw. Einbettung in operationale Geschäftsprozesse zu realisieren. In diesem Papier diskutieren wir die Fragen, wie In-Memory-Technologie das Konzept von Echtzeit-DWH-Systemen unterstützt bzw. ermöglicht. Dazu stellen wir zum einen eine Referenzarchitektur für DWH-Systeme vor, die insbesondere pushund pullbasierte Datenversorgung berücksichtigt. Zum anderen diskutieren wir die konkrete Rolle von In-Memory-Systemen mit Blick auf konkrete Aspekte wie der Frage optionaler Persistenzschichten, Reduktion der Batchgröße, Positionierung von In-Memory-Techniken für den Aufbau eines Corporate Memorys und die schnelle Bereitstellung externer Datenbestände zur Unterstützung situativer BISzenarien.
Today’s environment and business is constantly changing on a rapid pace. Models have to be adapted in order to fit the changing situations. In contrast, the complexity of enterprise models is a huge problem wrt the management of such complex models. High-performance computing technologies offer a great opportunity to leverage increased computational power to cope with that complexity. In this paper we will present an approach for determining the impact of process changes using a semantic context model for BPM that enables semantic querying on complex business process models. Based on this context models large ontologies such as Cyc and process repositories such as the MIT process handbook are queried in complex scenarios of our evaluation. In-memory databases such as Couch DB and Hadoop serve as technological basis for this evaluation. The paper concludes that such queries can be performed nearly in real-time.
Der vorliegende Beitrag gibt einen kurzen historischen Abriss zur Entwicklung der Business Intelligence (BI) und bezieht sich insbesondere auf das Spannungsfeld zwischen den technologischen Entwicklungen und den betriebswirtschaftlichen Anforderungen beim Aufbau von analytischen Informationssystemen. Business Intelligence stellt sich der Herausforderung, fragmentierte interne und externe Unternehmensinformationen zu einer vertrauenswürdigen Quelle der Entscheidungsfindung zusammenzuführen. Um eine adäquate Entscheidungsunterstützung zu etablieren, müssen sowohl die Prozesse und Inhalte der Unternehmensstrategie antizipiert, als auch die aktuellen Technologien der Informationsbeschaffung, Informationsspeicherung und Informationsaufbereitung implementiert werden. Zur Steuerung der BI-Prozesse werden zunehmend BI Competence Center eingerichtet, die als Organisationseinheit den Ausgleich zwischen dem wachsenden Pull der Fachabteilungen und den technologischen Angeboten (Push) der IT herstellen. Im Rahmen des Strategic Alignment werden die Ziele der BI-Strategie mit der Unternehmensstrategie abgeglichen, um effektive und effiziente BISysteme zu implementieren. Neben anderen aktuellen Themen der BI wird insbesondere die In-Memory-Technologie als neuer Impuls zur Wertsteigerung von BILösungen diskutiert.
In-Memory Data Management bietet das Potenzial, sich im Sinne eines nachhaltigen Trends in der Informationstechnologie zu etablieren, der die integrierte betriebliche Informationsverarbeitung erheblich beeinflussen könnte. Gleichsam existiert noch so viel Unsicherheit hinsichtlich eines ökonomisch sinnvollen Einsatzes, dass auf betrieblicher und gesellschaftlicher Ebene Fehler drohen, wenn es gilt, zu entscheiden ob, wo und wie In-Memory Data Management praktisch eingesetzt und erforscht werden sollte. Um dieses Fehlentscheidungsrisiko zu verringern, ist die systematische Entwicklung von geeigneten Methoden der ökonomischen Bewertung von „In-Memory-basierten Informationssystemen“ Gegenstand dieses Beitrags.
The introduction of 64 bit address spaces in commodity operating systems and the constant drop in hardware prices make large capacities of main memory in the order of terabytes possible. Storing the entire ERP data of large companies in main memory becomes technically feasible and economically viable. Especially columnoriented in-memory databases are a promising platform for enterprise applications to run even complex reports in merely seconds. Response-times in the order of seconds mean that we can use enterprise applications in completely new ways, for example, on mobile devices. In this paper, we demonstrate how mobile applications backed by in-memory data management can support mobile workers. We illustrate this with xSellerate, a running prototype of an application that supports sales representatives with real-time product recommendations and availability checks during customer dialogs. This way, organizations can leverage their operational data to support their sales force in the field and thus, achieve a competitive advantage over rival companies.
While the conceptual architecture of enterprise information logistics has been stable since the late 1980ies, IT hardware has been subject to radical change recently. Since in-memory appliances as a new technology might address many challenges of information logistics, we discuss its potentials first. Based on a case study of a global automotive company, we then compare potentials with actual achievements. We conclude that there are situations where in-memory appliances are a useful extension to existing IT support concepts, while other situations do not require such support. As a consequence, we regard in-memory appliances as an evolution, but not revolution of IT support from an enterprise information logistics perspective.
Contrary to recent trends in database systems research focussing on scaling out workloads on a cluster of commodity computers, this presentation will break grounds for scale-up. We show that an elastic multi-tenancy solution can be achieved by combining a many-core server with a low footprint main memory database system. Total transactional throughput for TPC-C like order-entry transactions reaches up to 2 million transactions per second on a 32 core server while the number of tenants sharing a single server can be varied from a few to hundreds of separate tenants without diminishing total throughput. Contrary to common belief, a scale-up solution provides high flexibility for tenants with growing throughput needs and allows for simple sharing of common resources between different tenants while minimizing hardware and computing overhead. We show that our approach can handle changes in tenant requirements with minimal impact on other tenants on the server. Additionally, we prove that our architecture provides sufficient per-tenant throughput to handle big tenants and scales well with database size.
Current developments in the area of in-memory data management can significantly change the way business applications will be used in the future. Thus, it will be possible to store huge volumes of single documents directly in main memory for high-speed processing. To introduce and evolve in-memory data management successfully, it is necessary to understand which types of applications benefit most from this new technology. To address this question, we develop typical application patterns. They help to identify promising domains for this innovative technology. We also introduce parameters which support a systematic assessment of corresponding benefits. Our approach is illustrated with examples from different industries.
In-Memory-Technologien eröffnen vor allem bei Anwendungen, in denen große Datenmengen zu verarbeiten sind, interessante Einsatzpotentiale. In dem Beitrag wird mit dem Lunar-Programm das weltweit größte Projekt im Handel vorgestellt, um darauf aufbauend Einsatzpotentiale aus einer betriebswirtschaftlichen Perspektive in und aus einer technologischen Perspektive beim Betrieb von Handelsinformationssystemen heraus zu identifizieren. 1 In-Memory-Technologien Die traditionelle Informationsverarbeitung ist geprägt von einer Dualität von Datenstrukturen und Algorithmen, wie es in der Informatik seit Jahrzehnten üblich ist. Auch wenn die Objektorientierung als technisches Konstrukt Eingang in die Informationssystemwelt gefunden hat, die konzeptionelle Analyse ist weiterhin sehr von einer prozessorientierten Sichtweise geprägt, die vor allem die Funktionen fokussiert. Die Betonung der Applikationen und die davon getrennte Datenhaltung findet ihren Ausdruck in der Art und Weise, wie Daten und Applikationen architektonisch verzahnt werden, was letztlich dazu führt, dass die Daten weitgehend auf Festplatten oder im Cache gespeichert und nicht im Arbeitsspeicher vorgehalten werden. Die In-Memory-Technologieansätze, die aus der betrieblichen Praxis bzw. von Softwareunternehmen propagiert werden, lösen sich von den traditionellen Architekturgrundsätzen und nehmen eine Speicherung der Daten im Arbeitsspeicher vor [LV11, S. 384], so dass enorme Performance-Vorteile in Aussicht gestellt werden [Pl09]. Einhergehend mit den Performance-Versprechungen sind die konzeptionellen Defizite nicht zu vernachlässigen, denn die Datenhaltung im Arbeitsspeicher ist momentan nur mit Snapshots, Replikationen oder Transaction Logs möglich, so dass nicht unbedingt die „elegantesten Lösungsansätze“ zur Unterstützung der Datenhaltung eingesetzt werden. Ungeachtet der grundsätzlichen technologischen Fragestellung widmet sich der Beitrag zwei wesentlichen Analysefeldern: Der Identifikation von Einsatzgebieten der InMemory-Technologien aus einer betriebswirtschaftlichen Perspektive im Umfeld von Handelsinformationssystemen und aus einer technologiezentrierten Perspektive beim Betrieb von Handelsinformationssystemen.
