w26M2

Big-Data-Technologien – Wissen für Entscheider
als wesentlicher Motor der Big-Data-Entwicklung erwiesen.
Ein breites und innovatives Ökosystem aus Open
Source und kommerziellen Produkten liefert Verbesserungen,
mit denen sich Hadoop zunehmend zu einer
unternehmensweiten, gemeinsamen Daten-Plattform
entwickelt – einem Shared Service.
Der Unterabschnitt 4.1.2 führt in die Welt der Big-Datarelevanten
Datenbanken ein. Es wird erläutert, warum
frühere Investitionen in relationale Datenbanken eine
gute Grundlage für Big-Data-Projekte bilden, aber zur
Erhaltung der Wettbewerbsfähigkeit nicht ausreichen,
wenn man die vielen innovativen Möglichkeiten in
Betracht zieht, um Daten in Geschäftswert und Gewinn
umzuwandeln. Unternehmen sollten Investitionen
in In-Memory-Datenbanken (zur Beschleunigung des
Zugriffs auf Daten) sowie in NoSQL (für mehr Flexibilität
in den Datenstrukturen und bei der Verarbeitung) prüfen
und dabei die TCO über kurze und längere Zeiträume
ermitteln. Beide Technologien finden mittlerweile weiten
Einsatz und ergänzen die relationalen Datenbanken.
4.1.1 Hadoop
Viele Unternehmen sind von der Vielfalt, Geschwindigkeit
und Menge an Daten überfordert. Ein echter Mehrwert
für das Geschäft kann aus diesen Daten nur gewonnen
werden wenn es gelingt,
• die Daten so billig zu speichern wie möglich,
• die Daten auf vielfältige und flexible Weise zu
»befragen«, um wertvolle und umsetzbare Erkenntnisse
zu gewinnen,
Herausforderungen mit herkömmlichen Lösungen
Herkömmliche Lösungen sind in mehrfacher Hinsicht
extrem limitiert. In der klassischen Business Intelligence,
basiert auf relationalen Datenbanken, müssen Fragen
schon festgelegt werden, bevor Daten überhaupt
gespeichert werden. Techniker nennen das »Schema on
Write« – die Struktur und damit die Semantik der Daten
werden in der Konfiguration der Datenbank definiert,
welche dann die Daten speichert. Aus diesem Grund sind
relationale Datenbanken nicht in der Lage, neue Datentypen
zu akzeptieren, deren Schema noch nicht definiert
ist. Sie versagen also dann, wenn die Big-Data-Dimension
»Vielfalt« relevant ist. Erkenntnisse, die nur aus einem
»Entdeckungsprozess« – einem interaktiven Lernen
aus den Daten – hervorgehen, können so nur mühsam
gewonnen werden.
Außerdem skalieren herkömmliche Lösungen nicht gut,
weder aus technischer noch aus wirtschaftlicher Sicht.
Hohe Kosten pro Terabyte an Daten machen es unwirtschaftlich,
alle Daten über lange Zeiträume vorzuhalten.
Enterprise Data Warehouses zum Beispiel speichern
meist nur verdichtete Daten, nicht jedoch Rohdaten.
Aus Kostengründen werden nur einige wenige Jahre an
Daten vorgehalten. Mit existierenden, häufig proprietären
Technologien ist es für die meisten Unternehmen schlicht
unbezahlbar, alle Daten für lange Zeiträume zu speichern,
insbesondere auch Rohdaten oder solche Daten, deren
Wert noch unklar ist. Als Fazit ergibt sich: Die Datenmengen
übersteigen die verfügbaren Budgets.
Kleine Budgets für große Datenmengen – Hadoop
macht Skalierbarkeit bezahlbar
• diese Erkenntnisse zeitnah zur Verfügung stehen.
Diese drei Fähigkeiten bilden den Kern von Hadoop.
Hadoop wird daher in diesem Unterabschnitt als Framework
in seiner Gesamtheit vorgestellt, auch wenn sich die
Unterprojekte über die Bereiche Daten-Haltung, -Zugriff,
Integration, -Sicherheit und Betrieb erstrecken.
Die Internet-Riesen Yahoo, Google und Facebook sind
als erste mit dem Problem konfrontiert worden, große
Datenmengen möglichst billig zu speichern, da die Nutzer
dieser Online-Dienste ihre Inhalte gratis zur Verfügung
stellen und die Kosten nur über Werbung gedeckt werden.
Apache Hadoop wurde ursprünglich konzipiert, um große
Datenmengen für diese Internet-Riesen extrem günstig
zu speichern und auf vielfältige Weise zu verarbeiten.
35