Wenn Big Data nicht sein muss

Actian Vector wurde im Jahr 2026 in Actian Analytics Engine umbenannt.

Schnelle und einfache Data Analytics mit einer Vector FARM

Ich bin seit langem in der IT-Branche tätig. Was vorbei ist, ist vorbei. Mein Lieblingsbeispiel ist, wie aus dem zentralisierten Mainframe-Timesharing das dezentralisierte Client-Server-Computing hervorging. Jetzt kehren wir zum Timesharing zurück, aber in der Cloud. Die Technologie entwickelt sich weiter. Manchmal scheinen neue Ideen gut zu sein, aber sie erweisen sich als nicht so gut, so dass wir zurückgehen und ältere, aber bewährte Ideen neu erfinden.

Nehmen wir zum Beispiel Data Warehousing und Big Data. Wir alle sammeln all diese Big Data an, die nicht ohne Weiteres auf einem kleinen Computer Platz finden. Also schaffen wir einen riesigen Computer oder noch besser einen Cluster kleiner Computer, der wie ein riesiger Computer aussieht, um die Workload zu bewältigen.

Die Verwaltung von Computer-Clustern IST SCHWER

Auf dem Papier, wie in diesem Diagramm, sieht der Cluster einfach aus, aber in der Realität sind sie komplex einzurichten, schwer im Gleichgewicht zu halten und am Laufen zu halten, sie führen einen Haufen neuer Probleme ein, wie z.B. Sharding-Skew und Workload , und sie sind tatsächlich nicht so einfach zu erweitern... es ist verrückt! Das ganze Ökosystem ist anfällig und schwierig.

Wenn Sie nicht zu den wenigen Unternehmen gehören, die wirklich einen großen, einzigartigen Datensatz haben, ist das Ideal eines riesigen, zentralisierten Data Warehouse für alles aus praktischer Sicht einfach nicht so produktiv oder notwendig. Warum sollte man sich die Dinge schwerer machen als sie sein müssen?

Was mehr Sinn macht, ist eine leistungsfähige, leicht verständliche, einfach einzurichtende, leicht zu verwalten und leicht zu ändernde Umgebung. Für die Analytik schlage ich vor, einen Schritt zurückzutreten und einzelne Server in Betracht zu ziehen, die jedoch leistungsfähig und leicht zu verwalten sind.

Ziehen Sie eine Vector Farm in Betracht, um Unternehmensziele einfach zu erfassen.

Vector Farms können sehr flexibel sein. Sie könnten eine homogene Vector Farm betreiben, in der Sie über eine Reihe identischer Server verfügen, auf denen jeweils dieselbe Actian Analytics Engine installiert ist. Die Verwaltung ist einfach, da jeder Server unabhängig ist und somit keine Cluster entsteht, jeder Server über dieselbe Datenbankkonfiguration verfügt und Server problemlos hinzugefügt oder entfernt werden können, ohne die anderen zu beeinträchtigen. Außerdem erfordert Actian Vector selbst kaum bis gar keine Feinabstimmung, sodass nur wenig individuelle Konfiguration erforderlich ist. Sie können sogar geringfügige Abweichungen einführen, sodass Sie eine heterogene Vector Farm erhalten. In diesem Fall bietet die Actian Analytics Engine extreme Leistung und einfache Verwaltung, ohne die Komplexität eines Cluster. Hier sind einige Beispiele:

Unabhängige Gruppen von gleichartigen Nutzern, die dieselbe Anwendung verwenden, aber getrennte Daten benötigen

Dieses Szenario ist das einfachste. Die Vector Farm ist besonders nützlich, da sie eine einfache Trennung Nutzer ermöglicht. Ein Beispiel hierfür wäre ein multinationales Unternehmen, das aus rechtlichen Gründen europäische Daten On-Premises speichern On-Premises von kanadischen sowie US-amerikanischen Daten trennen muss usw. Beachten Sie hierbei, dass die Einrichtung des Datenbankservers bis hin zum Datenbanknamen in allen Fällen identisch ist. Die Verwaltung all dieser Server erfolgt auf die gleiche Weise. Die Actian Analytics Engine bietet allen Nutzern abfragen hervorragende abfragen .

Unabhängige Gruppen von Benutzern unterschiedlicher Größe, die dieselbe Anwendung verwenden, aber unterschiedliche Daten benötigen

In der Realität sind die meisten Nutzergruppen nicht identisch. Nehmen wir zum Beispiel einen Software-as-a-Service-Anbieter (SaaS). Ein SaaS-Anbieter stellt möglicherweise über das Internet einer Vielzahl von großen und kleinen Kunden einen Cloud zur Verfügung. In diesem Fall möchte der Anbieter sicherlich keinen ganzen Server (virtuell oder On-Premises) für sehr kleine Kunden reservieren. In diesem Fall kann der Anbieter mithilfe von Schemata (einer Methode zur Schaffung getrennter Eigentumsrechte in einer einzigen Datenbank) die Nutzung kleiner Kunden auf einer Vector-Instanz bündeln, während er andere Kunden mit eigenen Instanzen bedient. Bei besonders großen Kunden könnte er diesen Server vergrößern, dabei aber die gleiche Struktur beibehalten. Die Verwaltung all dieser Server erfolgt weiterhin über Schemata. Die Actian Analytics Engine bietet allen Nutzern abfragen hervorragende abfragen .

Eine SEHR große Gruppe von anspruchsvollen Nutzern

Ein weiteres Szenario ist gegeben, wenn die Nutzer der Analysesysteme groß ist und diese Nutzer eine zuverlässige, schnelle Leistung benötigen. Ein Beispiel hierfür ist ein Finanzdienstleistungsunternehmen, das eine Handelsanwendung anbietet. Händler benötigen sehr schnelle, komplexe Analysen von Echtzeit . Ein komplexer Cluster mit dem damit verbundenen Overhead vieler beweglicher Teile kann dies physisch nicht leisten. In diesem Szenario kann eine homogene Vektor-Farm als Pool genutzt werden, um alle Nutzer zu bedienen. Ein Echtzeit-Servicebus oder eine Nachrichtenwarteschlange kann verwendet werden, um die verschiedenen Server in Echtzeit zu synchronisieren. Die Nutzer werden auf einen der verfügbaren Server in der Farm verteilt. Auch hier ist die Verwaltung einfach, da alle Server exakt gleich sind. Die Actian Analytics Engine(die schnellste Analytics Database der Welt) bietet hervorragende Reaktionszeiten.

Unabhängige Nutzer und Anwendungen

Das letzte Szenario ist eine wirklich heterogene Vector Farm. In diesem Szenario sind die Benutzer nicht unbedingt segmentiert, und es gibt verschiedene Analyseanwendungen mit unterschiedlichen Datenbankstrukturen. Da die Anwendungen unterschiedlich sind, besteht keine betriebliche Notwendigkeit, die Daten an einem zentralen Ort in einem komplexen Cluster zu speichern. Da die Actian Analytics Engine so leistungsstark, einfach einzurichten und verwalten ist, stellt eine Vector Farm eine effektive Möglichkeit dar, diese Benutzer und Anwendungen zu unterstützen.

Fazit

Warum sollten Sie sich mit einem komplexen Cluster quälen, wenn Sie es nicht müssen. Aufgrund der Leistung, der einfachen Verwaltung und des geringen bis gar nicht erforderlichen Custom Tunings ist es einfach, die Vorteile einzelner Server in einer Actian Vector Farm zu nutzen. Da Sie sich nicht mit der komplexen Analyse des Aufbaus und der Wartung eines Cluster befassen müssen und da Vector nur wenig Tuning erfordert, können Sie die Komponenten Ihrer Vector Farm schnell in Betrieb nehmen und sofort mit der "Ernte" des Geschäftswerts beginnen!

Mehr über Actian Vector

Möchten Sie mehr überdie Actian Analytics Engine erfahren?

Sie können Actian Vector auch herunterladen und selbst ausprobieren (oder Sie können die Vector Community Edition auf AWS ausprobieren, ohne eine Evaluierungslizenz erwerben zu müssen). Sie werden nicht enttäuscht sein, und wenn Sie Hilfe brauchen, fragen Sie einfach die Community.

Über den Autor

Über Mary Schulte

Mary Schulte ist Senior Sales Engineer bei Actian und kann auf jahrzehntelange Erfahrung mit führenden Datenbankanbietern wie Informix und Netezza zurückgreifen. Sie hat Tausende von Zeilen in Informix 4GL und ESQL/C für internationale Kunden geschrieben, darunter die bahnbrechende Datablade-Implementierung für American Airlines. Mary hat unzählige Training durchgeführt und Unternehmen dabei unterstützt, ihre Datenbankumgebungen zu optimieren. Ihre Beiträge im Actian-Blog konzentrieren sich auf abfragen , Analysedatenbanken wie Vector und praktische Tipps zur Nutzung von Informix. Stöbern Sie in ihren Artikeln, um fachkundige Ratschläge zu erhalten.