Was unterscheidet In-Memory Datagrids von In-Memory-Datenbanken?
Zunehmend mehr Unternehmen generieren große Datensätze, die sie möglichst in Echtzeit verarbeiten wollen. In-Memory Datagrids und -Datenbanken können hierbei für Geschwindigkeit und Skalierbarkeit sorgen. Doch wie unterscheiden sie sich konzeptionell voneinander? Und was passt zu welchem Unternehmen?
- Nikita Ivanov
Für die digitale Transformation oder für Omnichannel-Strategien benötigen Unternehmen hohe Geschwindigkeit und Skalierbarkeit ihrer Datenbankprozesse. Zunehmend mehr Organisationen setzen dafür auf In-Memory Computing. Die Analysten von Gartner gehen davon aus, dass 75 Prozent der ursprünglichen Cloud-Anwendungsentwicklung bis 2019 In-Memory Computing oder darauf basierende Dienste nutzt. Diese sollen Entwickler in die Lage versetzen, leistungsstarke und massiv skalierbare Anwendungen zu implementieren.
Dass Disk-basierte Plattformen ihre Grenzen haben, wurde bereits vor Jahrzehnten deutlich. So gab es zahlreiche Versuche, Daten in transaktionalen Datenbanken zu analysieren, um deren Leistungsfähigkeit zu verbessern. Separate analytische OLAP-Datenbanken (Online Analytical Processing) wurden entwickelt. Daten in transaktionalen OLTP-Datenbanken (Online Transaction Processing) mussten einen periodischen ETL-Prozess (Extract, Transform, Load) durchlaufen und in OLAP-Datenbanken importiert werden.
Seit etwa fünf Jahren verfolgen Unternehmen zunehmend Initiativen zur digitalen Transformation oder müssen aufgrund bestimmter Regularien spezielle Anforderungen in Echtzeit umsetzen. Marketinganwendungen für eine Omnichannel-Präsenz generieren darüber hinaus große Datensätze. Diese Herausforderungen bedürfen einer verzögerungsfreien Analyse und Reaktion. Echtzeitentscheidungen sind mit den Verzögerungen bei ETL-Prozessen jedoch kaum realisierbar. Als Resultat entstand ein Bedarf an In-Memory-Computing-Produkten mit hybrider transaktionaler beziehungsweise analytischer Verarbeitung (Hybrid Transactional/Analytical Processing = HTAP), die Echtzeitanalysen des Betriebsdatensatzes ermöglichen.
Für Entwickler stellt sich in den meisten Fällen als Erstes die Frage, ob sie ein In-Memory DataGrid oder eine In-Memory-Datenbank einsetzen sollen. Sie müssen die Unterschiede und daraus folgende Strategien beider Ansätze begreifen, bevor sie die Technik in ihre Architektur integrieren. Diese Entscheidung ist in erster Linie davon abhängig, ob das Unternehmen beabsichtigt, eine Anwendung zu beschleunigen, eine neue zu entwickeln oder die bestehende vollständig zu rekonstruieren. Sie müssen ebenfalls entscheiden, wo die Daten gespeichert werden sollen: im In-Memory Computing Layer oder im tiefer liegenden Data Layer.
