Probleme mit mixed Workloads
Vor allem die im Vergleich zu Individuallösungen angeblich überlegene Performance von Appliances ist bisher schwer nachzuprüfen, da zuverlässige Benchmarks fehlen und Referenzkunden beziehungsweise Highend-Installationen im Multi-Terabyte-Bereich noch die Ausnahmen bilden. Auch wird diskutiert, wie gut sich Appliances für die Verarbeitung und Auswertung halb- oder unstrukturierter Datentypen eigen und insbesondere wie gut sie mit "Mixed Workloads" umgehen können.
Letztere sind ein zunehmends Problem beim bei der Datenanalyse, das derzeit sämtliche Datenbankanbieter im Data Warehousing beschäftigt: kurz gesagt geht es geht darum, sowohl einfache als auch komplexe Datenabfragen unterstützen, als auch das Data Warehouse laufend mit neuen neuen/aktualisierten Daten befüllen zu können. Große, aber auch mittelständische Unternehmen wollen ihr bis dato als dispositives System genutztes Data Warehouse in die operativen Prozesse einbinden, um Kunden, Partner und Vertriebskanäle besser mit Geschäftsinformationen zu versorgen.
Was Appliances versprechen
Typische Vorteile, die beworben werden:
-
Vorkonfigurierte, auf Data Warehousing abgestimmte Systeme;
-
Wartung und Pflege übernehmen Hersteller oder dessen Partner;
-
besseres Preis-Leistungs-Verhältnis als Individualentwicklungen;
-
schneller Aufbau taktischer Lösungen;
-
sie nutzen eine MPP-Rechnerarchitektur und eine spaltenbasierende Datenspeicherung, die aufgrund der besseren Skalierbarkeit und Abfrageleistung als die Zukunft im Data Warehousing gelten;
-
die wachsende Konkurrenz lässt die Preise im Markt sinken.
Nachteile und Kritikpunkte:
-
Junger Markt, neue Produkte;
-
wenige Referenzkunden im Highend-Bereich (Multi-Terabyte) bei manchen Anbietern;
-
Verarbeitung von Mixed Workloads;
-
noch keine vollautomatischen System-Management-Funktionen;
-
Nutzung von Open-Source-Datenbanken, die laut Experten bisher nicht für unternehmenskritische Anwendungen zum Einsatz kommen sollten;
-
teilweises Bundling von Soft- und Hardware schränkt die Auswahloptionen ein.
Dies erfordert, dass ein Data Warehouses dynamischer (trickle feed statt Batch) und transaktionsorientierter arbeiten können muss, was wiederum wesentlich höhere Anforderungen an die Performance (Workload-Verarbeitung) des DBMS stellt. Zudem sieht Gartner-Analyst und Datenbankexperte Donald Feinberg in diesem Szenario sogar die Notwendigkeit eines RDBMS grundsätzlich in Frage gestellt, weil transaktionsrelevante Geschäftsinformationen zusehends im Data Warehouse und nicht wie bisher in der OLTP-Datenbank landen. Feinberg spricht in diesem Zusammenhang daher auch gelegentlich vom sich abzeichnenden "Tod des RDBMS"
Foto: Donald Feinberg
Unternehmen sollten also auf jeden Fall umsichtig vorgehen, wenn sie ihre künftige Data-Warehouse-Umgebung planen. Dabei sollten sie Appliances mit den tatsächlich benötigten Datenmengen testen sowie die technischen Besonderheiten und Ressourcenanforderungen der durchaus verschiedenen Produktarchitekturen von Appliances in einem Proof-of-Concept genau betrachten. Dass sich neben Neulingen mittlerweile die gesamte Datenbankprominenz mit dem Thema beschäftigt, belegt aber, wie wichtig dieser Trend trotz aller gegenwärtigen Zweifel werden dürfte.