In-Memory-Datenbank: Begriff, Funktion und beste Anwendungsfälle

Die Basis für schnelle Echtzeitanalyse

Vorteile von In-Memory-Datenbanken:

  • Beschleunigte Echtzeitanalyse

  • Reduzierte Datenlatenz

  • Verbesserte Skalierbarkeit für umfangreiche Analysen

author-image

Von

In-Memory-Datenbanken unterstützen die Lösung von einigen der umfangreichsten Analyseproblemen in der heutigen Wirtschaftswelt. Da Unternehmen riesige Datenmengen verarbeiten, ist ein verzögerungsfreier Zugriff auf diese Daten für Echtzeitanalysen und Anwendungen mit künstlicher Intelligenz unabdingbar.

Herkömmliche Massenspeichermedien wie Flash-Datenspeicher (SSD) und Laufwerke mit rotierenden Festplatten (HDD, Hard-Disk Drive) konnten diese Forderung nicht erfüllen, und DRAM setzt vielen Unternehmen Grenzen wegen zu hoher Kosten und beschränkter Kapazität.

61 % der Datenverwaltungs-Fachleute geben an, dass Systembeschränkungen ihre größte Sorge sind, wenn sie versuchen, Nutzen aus ihren Daten zu ziehen. 1

Was ist eine In-Memory-Datenbank?

Die Daten in einer traditionellen Datenbank werden auf Datenträgern gespeichert. Wenn die Daten benötigt werden, werden sie in den lokalen Systemspeicher (RAM) geladen und dann von der CPU verarbeitet. Weil es einige Zeit erfordert, nach den auf Datenträgern vorgehaltenen Daten zu suchen, kommt es häufig zu Engpässen.

Eine In-Memory-Datenbank speichert Daten dagegen direkt im Systemspeicher, auf den unmittelbar über den Speicherbus mit seiner hohen Übertragungsgeschwindigkeit und seiner geringen Latenz zugegriffen wird. Das reduziert den Zeitaufwand für die Analyse der Daten und verringert damit die Datenlatenz. Mit einer In-Memory-Datenbank erfolgt der Zugriff auf Daten viel schneller und so können große Mengen komplexer Daten in Echtzeit analysiert werden.

70 % der Unternehmen sind dabei, eine In-Memory-Datenbank zu implementieren, haben dies bereits getan oder erweitern den Einsatz. 1

In-Memory- im Vergleich zur traditionellen Datenbank

Um die Vorteile einer In-Memory-Datenbank (In-Memory-DB) zu verdeutlichen, wollen wir die Funktionsweise der unterschiedlichen Speichertechniken etwas genauer unter die Lupe nehmen. Bis vor Kurzem konnten Rechenzentren nur auf die folgenden Arbeitsspeicher- und Datenspeicherlösungen zurückgreifen:

  • DRAM ist zwar sehr schnell, aber unverhältnismäßig teuer, und die Kapazität ist begrenzt.
  • SSDs bieten mehr Kapazität und verursachen weniger Kosten als DRAM, sie sind jedoch um Größenordnungen langsamer als DRAM.
  • Festplatten (HDDs) können bei niedrigeren Preisen enorme Datenmengen speichern, sind aber noch langsamer als SSDs.

Wie Sie sehen, hat jede dieser Optionen Nachteile, sei es in puncto Leistung, Kapazität oder Kosten.

Persistenter Speicher ist eine neue Option für In-Memory-Datenbanken. Er bietet fast an DRAM heranreichende Leistungseigenschaften mit größerer Kapazität und günstigerem Preis. 2 Persistenter Intel® Optane™ Speicher ist die Grundlage für eine In-Memory-Datenbank, die das Beste aus beiden Welten vereint: höhere Kapazität als DRAM bei gleichzeitiger Vermeidung der Leistungseinschränkungen herkömmlicher Datenspeichermedien.

In-Memory-Datenanalyse trägt noch auf andere Weise zur Verbesserung der Softwareleistung bei. Sie nutzt Mehrkern- und Multithread-Prozessorfunktionen, die wegen der reduzierten Latenz durch die Bereitstellung im Arbeitsspeicher in Echtzeit auf Daten angewendet werden können.

Anwendungsfälle für In-Memory-Datenbanken

Von der Finanzbranche und dem Einzelhandel bis hin zur Gesundheitsversorgung und Cybersicherheit kann persistenter Speicher die Echtzeitanalysen als Grundlage für Ihre Entscheidungen, die Ihr Unternehmen voranbringen, erleichtern. Für die Echtzeitanalyse sind tatsächlich In-Memory-Datenbanken notwendig, wenn Erkenntnisse mit dem für diese Anwendungen erforderlichen Tempo bereitgestellt werden sollen. Die folgenden Anwendungsfälle bauen auf einer Referenzarchitektur auf, die auf ThinkSystem-Servern von Lenovo mit skalierbaren Intel® Xeon® Prozessoren und On-Disk-Speicher basiert. 3 Mit skalierbaren Intel® Xeon® Prozessoren der 2. Generation konfigurierte ThinkSystem-Server unterstützen persistenten Intel® Optane™ Speicher, der für zusätzliche Kapazität, günstigere Kosten und Datenpersistenz sorgt. 4

Finanzwelt: Betrugserkennung und Überwachung

Finanzinstitute können Echtzeit-Streaming-Analyse nutzen, um die Unternehmensgesundheit zu verbessern und Erkenntnisse für eine bessere Entscheidungsfindung zu gewinnen. Modelle für maschinelles Lernen können mit vorherigen Transaktionsdaten trainiert werden, um Kredittransaktionen zu überwachen und betrügerische Transaktionen vorherzusagen.

Einzelhandel: Betriebseffizienz und höherer Umsatz

Einzelhändler können Echtzeit-Streaming-Analyse nutzen, um den Geschäftsbetrieb zu verbessern, die Bestände zu tracken, das Umsatzvolumen zu steigern, Erkenntnisse über Trends zu erlangen und die Kundenzufriedenheit zu erhöhen.

Gesundheitsversorgung: Kontrolle des klinischen Risikos und der Sicherheit von Patienten

Die Datenanalyse kann im Gesundheitswesen die Nutzung von Big Data und maschinellem Lernen unterstützen, um die organisatorische Effizienz und die Patientenbehandlung zu verbessern. Verwalter können die Echtzeitanalyse nutzen, um das klinische Risiko zu beurteilen, die Patientensicherheit zu überwachen, die Patientenergebnisse zu personalisieren und Wiederaufnahmen zu reduzieren.

Erkennung von Bedrohungen des Netzwerks

Modelle für maschinelles Lernen können Streaming-Analysen der DNS-Daten, der Proxys und des Datenverkehrs durchführen, um die Erkennung von Bedrohungen (Threat Detection) zu beschleunigen.

Die Bedeutung von nichtflüchtigem (persistentem) Speicher

Eines der großen Probleme bei DRAM ist der Datenverlust im Zusammenhang mit Unterbrechungen oder Abschaltungen der Stromversorgung. Nichtflüchtiger Systemspeicher reduziert Ausfallzeiten, die auftreten, wenn der Server abgeschaltet wird. Wenn ein Computer heruntergefahren wurde, müssen normalerweise alle laufenden Anwendungen und Daten erneut abgerufen werden, sobald der Rechner wieder hochfährt. Weil die Daten im nichtflüchtigen Speicher zwischen Aus- und Einschaltvorgängen erhalten bleiben, kann eine In-Memory-Datenbank bis zu 13-mal schneller neu starten, als erneut vom Datenträger geladen zu werden. 5

Infrastrukturanforderungen für In-Memory-Datenbanken

Beim Aufbau einer Analyselösung mit In-Memory-Datenbank muss zunächst überlegt werden, wie Sie Ihre Daten verwenden werden. Daraus ergibt sich, welche Technik sich für die Speicherung und Verarbeitung Ihrer Daten empfiehlt. Bedenken Sie Ihre geschäftlichen Anforderungen. Wenn sie nicht zeitkritisch oder speicherintensiv sind, können Sie sich stattdessen für traditionelle Lösungen entscheiden.

Hier sind einige Empfehlungen für die Konfiguration einer Infrastruktur mit einer In-Memory-Datenbank:

  • Richten Sie eine verteilte Umgebung für die Datenverarbeitung ein, die Ihnen die Flexibilität bietet, CPU-, Arbeitsspeicher- und Datenspeicher-Kapazitäten im Lauf der Zeit nach Bedarf zu skalieren.
  • Schaffen Sie eine relationale, multimodale Umgebung, die SQL-Datenbanken und teilweise strukturierte Daten wie das JSON-Format unterstützt.
  • Stellen Sie sicher, dass Daten aus dem Arbeitsspeicher auf Datenträger verlagert (herabgestuft) werden können, wenn sie älter sind, damit Sie die Kosten der Datenverwaltung optimieren können, ohne dass die Analyseleistung und die geringe Latenz beeinträchtigt werden.

Intel® Technik für In-Memory-Datenbanken

Intels Lösungen für Rechenzentren wurden dafür konzipiert, die Anwendung der In-Memory-Analyse durch die Kombination von hoher Zugriffsgeschwindigkeit mit hoher Leistung und Kapazität zu vereinfachen.

Skalierbare Intel® Xeon® Prozessorreihe

Skalierbare Intel® Xeon® Prozessoren stärken die Leistungsfähigkeit Ihrer anspruchsvollsten Anwendungen durch die Unterstützung von In-Memory-Analyse, künstlicher Intelligenz, High-Performance-Computing und der Netzwerktransformation.

Persistenter Intel® Optane™ Speicher

Persistenter Intel® Optane™ Speicher kombiniert die besten Merkmale der Arbeitsspeicher- und der Datenspeichertechnik, um die Kapazität des Arbeitsspeichers zu erweitern und zugleich den Zugriff auf nichtflüchtige Daten mit minimaler Latenz zu ermöglichen.

Intel® Optane™ Solid-State-Drives (SSD) für Rechenzentren

Intel® Optane™ Solid-State-Drives (SSD) für Rechenzentren reduzieren Engpässe beim Massenspeicher des Rechenzentrums und können Anwendungen beschleunigen, ermöglichen kostengünstiger als DRAM größere Datenbestände und wirken sich insgesamt positiv auf die Gesamtbetriebskosten des Rechenzentrums aus. Während der Vorteil herkömmlicher SSDs mit NAND-Technik in der hohen Leistung liegt, kombiniert unsere Technik möglichst geringe Latenz mit hoher Leistung bei wahlfreiem Lesen/Schreiben.

Schnellere Erkenntnisse, bessere Leistung

Unternehmen verarbeiten mehr Daten als je zuvor. Sie benötigen aber auch einen raschen Zugang zu Erkenntnissen bei der Arbeit mit speicherintensiven Analyseanwendungen. Wenn Sie große Datenmengen verarbeiten müssen, aber Erkenntnisse in Echtzeit benötigen, könnte eine In-Memory-Datenbank mit persistentem Speicher die Option sein, nach der Sie suchen. Durch das Bereitstellen der Daten im Systemspeicher können Sie mehr Daten schneller verarbeiten, ohne sich über Ausfallzeiten oder Leistungseinbußen Sorgen machen zu müssen.

Gelangen Sie dank Intel® Technik für die Echtzeitanalyse schneller zu Erkenntnissen und bieten Sie den Kunden motivierende Funktionalität.