Neue Datenbanktechnologien für Real Time Analysen

Werbung
Neue Datenbanktechnologien für
Real Time Analysen
Thomas Baumann
Die Mobiliar
TDWI Europe Conference 2015
München, 22.Juni 2015
1
Real-Time Analysen machen Schlagzeilen
Neue Erkenntnisse aus Echtzeit Datenanalysen
ANALYSEN AUF OLTP DATEN
Real-Time Analysen machen Schlagzeilen
Starke Entlastung Mainframe Kapazität
30% REDUKTION MAINFRAME CPU RESSOURCEN
Real-Time Analysen machen Schlagzeilen
Neue Speichertechnologie verbessert Antwortzeit
25% BESSERE ANTWORTZEIT MIT PCIe KARTEN
Real-Time Analysen machen Schlagzeilen
CRM System auch für komplexe Reports sehr schnell
SEMANTISCHE INDEXES: SEKUNDEN STATT STUNDEN
Real-Time Analysen machen Schlagzeilen
Starke Reduktion der Aufwände für Query Tuning
IN 9 VON 10 FÄLLEN KEIN SQL QUERY TUNING MEHR
Real-Time Analysen machen Schlagzeilen
Neue Technologien bringen auch neue Risiken
NEUE RISIKEN
Agenda
 Kurzporträt Die Mobiliar
 Fallstudie 1: Analysen auf der Mainframe
 Fallstudie 2: Flächendeckender Einsatz PCIe Karten
 Fallstudie 3: Semantische Indexes
 Fallstudie 4: In-Memory Column Store
 Zusammenfassung
8
Die Mobiliar
Die persönlichste Versicherung der Schweiz
 genossenschaftlich verankert,
dem Kunden verpflichtet
 breite Palette moderner
Versicherungslösungen,
inklusive Lebensversicherungen
 nahe beim Kunden,
dank 78 Generalagenturen
an total 160 Standorten
 1.7 Millionen Versicherte
 Prämienvolumen 3.5 Mrd. CHF
 4‘400 Mitarbeitende
und 325 Lernende
12x in Folge
9
Wachstum Nichtleben im Vergleich mit dem Markt
Fast zwei Drittel für die Mobiliar
10




Systeme: Linux, Windows, z/OS und AIX
5000 Notebooks, 1800 iPhones, 300 iPads
DBMS: Oracle, DB2, IMS, MS SQL Server
Standard-SW (u.a. ArcGIS, SAP, BO, Siebel, COR Life) und viel
Eigenentwicklung
11
Der Referent
Thomas Baumann
 geboren 1963
 Master Studium an der ETH Zürich
 Informatik mit Nebenfach Stochastik (Wahrscheinlichkeitstheorie u.Statistik)
 Heute würde dieser Mix „Big Data“ heissen
 Seit 1992 auf Datenbanken und Performance fokussiert
 Anerkannter DBMS Experte
 Referent an zahlreichen internationalen Konferenzen
 „Performance Minister“ bei der Mobiliar
 „dedicated to performance – since 1963“
liefert auch folgendes Suchergebnis:
 dedicated to performance – since 1963
12
Herausforderungen 2015: The Digital Company
Strategische Stossrichtungen
Prozesse
automatisieren
Neue
Neue
Technologien
Technologien
Change
Management
Datenbasiert
Angebote und
Datenbasiert
entscheiden
Zugänge
entscheiden
[email protected]
Big Data Nutzen
Was bringt Big Data dem Business wirklich?
Big Data :=
Gaining insights
to create competitive advantage
and to mitigate risks
from combining new data sources.
Why NoSQL?
Big Data = ausschliesslich neue DBMS Typen?
Data
Volume
KeyValue DB
Columnar
In-Memory DB
Document Store
Graph DB
Data
Complexity
Daten Replikation minimieren
Compliance Anforderungen
Big Data Referenzarchitektur bei der Mobiliar
Big
Data
Idee:
=
+ +
Landing
Area
Exploration Area
(Batch [Master Data] Layer)
Transform
(Service Layer)
Normalize and Load
interne / externe
Deep Analytics
Area
Daten
(Service Layer)
OLTP Area
ETL
(Master Data Layer)
BI Area
(Service Layer)
Big Data
Referenzarchitektur
Landing Area + Exploration Area
 Analyse wenig strukturierter Daten
 Analyse u.U. sehr grosser Datenmengen
 Tiefe Lese zu Schreib Ratio (dh. Fokus:
Aufwandminimierung beim Laden)
 Via Cloud lösen (Elastizität nutzen)?
 Anonymisierte Daten aus OLTP und BI
laden
Deep Analytics Area
 RDBMS+
Immutable
Normalisiert + Denormalisiert
Von der Referenzarchitektur zur Systemplattform
Welche Systemplattform brauchen wir, damit unser
Business effektiv Nutzen aus Big Data ziehen kann?
Landing
Area
Exploration Area
(Batch [Master Data] Layer)
Transform
(Service Layer)
Normalize and Load
interne / externe
Deep Analytics
Area
Daten
(Service Layer)
In dieser Präsentation im Fokus
OLTP Area
ETL
(Master Data Layer)
BI Area
(Service Layer)
Landing Area + Exploration Area
 Analyse wenig strukturierter Daten
 Analyse u.U. sehr grosser Datenmengen
 Tiefe Lese zu Schreib Ratio (dh. Fokus:
Aufwandminimierung beim Laden)
 Via Cloud lösen (Elastizität nutzen)?
 Anonymisierte Daten aus OLTP und BI
laden
 HDFS prüfen
Deep Analytics Area
 RDBMS+
 NoSQL prüfen
Agenda
 Kurzporträt Die Mobiliar
 Fallstudie 1: Analysen auf der Mainframe
 Fallstudie 2: Flächendeckender Einsatz PCIe Karten
 Fallstudie 3: Semantische Indexes
 Fallstudie 4: In-Memory Column Store
 Zusammenfassung
19
IDAA (IBM DB2 Analytics Accelerator)
Überblick
Funktionsweise:
Nutzen:
 IT
 Entlastung Mainframe
 Optimierung Mainframe für OLTP
 VSAM Disk Einsparungen
SQL Query
(an DB2)
Resultat
Menge
DB2 zOS
(„Mainframe“)
IBM Netezza
Automatische Weiterleitung von aufwändigen
Datenbankabfragen1) auf Datenkopie in
Netezza Appliance, transparent für Anwendung.
1) für
 Business und IT
 SQL Ad-hoc Analysen/Reports auf
Quelldaten zeitnah und schnell
 Business
 Neue Geschäftsfunktionen basierend
auf Quelldaten-Analysen zur Echtzeit
Anwendungen, denen eine Datenaktualität von einigen Minuten genügt
20
IDAA bei der Mobiliar
Scope
Analytical
(OLAP)
Data Mart
Decision Support
Data
Warehouse
Business
Intelligence
Cross
Information
Systems
Access
Information
Systems
OLTP
Core
Information
Systems
Operational
(OLTP)
IDAA Scope
21
IDAA Nutzung
Schrittweise Verbreitung IDAA Einsatz
 Erste Geschäfts Applikationen




Ad-hoc Reports von Business Usern (ausserhalb IT)
Optimierte Monatsabschluss Verarbeitung
Log Analysen basierend auf DB2 Tabellen für Analyse von Zugriffs Mustern
Optimierter ETL Fluss
 Streamline Mainframe für OLTP




Löschen von Sekundärindexes (nur für Analysen verwendet)
Löschen von MQT und anderen Hilfs Konstrukten für Analysen
Reduzierter Bedarf für Reorganisationen
Effizienzsteigerung von Insert Operationen
 Neue Business Funktionen
Zeitlicher Ablauf (Dauer ca. 12 Monate)
22
IDAA Nutzer
Nutzungsgruppen nach 1½ Jahren Betrieb
1800
1600
1400
1200
1000
800
600
400
200
0
 Daten aus KW 40/2014
Number of queries
Response time (min)
23
Agenda
 Kurzporträt Die Mobiliar
 Fallstudie 1: Analysen auf der Mainframe
 Fallstudie 2: Flächendeckender Einsatz PCIe Karten
 Fallstudie 3: Semantische Indexes
 Fallstudie 4: In-Memory Column Store
 Zusammenfassung
24
I/O Performance Hierarchie
Server System
CPU
Cache
Main Memory
Database
Buffer
fibre channel
< 20 ns
5-20ms
< 200 ns
Fusion IO
PCIe based connection
Flash Cache
based network
Storage System
1-2ms
Storage System Cache
2-3ms
SSD
Solid State Drive
HDD
5-10ms
Spinning Disk Drive
Tape Library
sec
400
03.02.2014
05.02.2014
07.02.2014
11.02.2014
13.02.2014
17.02.2014
19.02.2014
21.02.2014
25.02.2014
27.02.2014
03.03.2014
05.03.2014
10.03.2014
12.03.2014
14.03.2014
18.03.2014
20.03.2014
24.03.2014
26.03.2014
28.03.2014
01.04.2014
03.04.2014
07.04.2014
09.04.2014
11.04.2014
15.04.2014
17.04.2014
23.04.2014
12.05.2014
14.05.2014
16.05.2014
20.05.2014
22.05.2014
Auswirkungen beim Endbenutzer
Geschwindigkeits Index
(100 = Stand 2012)
+25% E2E-Speed nach Einführung PCIe Cards
350
300
250
200
150
26
Agenda
 Kurzporträt Die Mobiliar
 Fallstudie 1: Analysen auf der Mainframe
 Fallstudie 2: Flächendeckender Einsatz PCIe Karten
 Fallstudie 3: Semantische Indexes
 Fallstudie 4: In-Memory Column Store
 Zusammenfassung
27
Mangelhafte CRM Performance bei Reports/Analysen
 Keine volle Nutzung CRM System
 Unkontrollierte Ausweichmanöver
 Ähnliche Probleme in anderen Anwendungen
dimensio Uebersicht
RDBMS
SQL Query
SQL Query
(hier: Oracle 12c)
Enhanced
SQL Query
SELECT … FROM T1, …, T39, T40
WHERE …
AND T36.NAME = ‚Keller‘
AND T37.ORT=‚Belp‘
AND …
AND T1.KEY IN (…, …, …, )
dimensio ist ein mehrdimensionaler semantischer Datenbankindex und ergänzt
Datenbankabfragen (SQL Statements) mit den für die aktuelle Abfrage
notwendigen primary keys*)
*) Dadurch
entstehen effizientere Zugriffspfade. Der Zugriffspfad-Effizienzwert für die im PoC verwendeten Queries
verbesserte sich um einen Faktor zwischen 1.23 und 80K
Siebel CRM Query Beispiel
SQL Query Text
SELECT
T1.CONFLICT_ID,
T1.LAST_UPD,
T1.CREATED,
T1.LAST_UPD_BY,
T1.CREATED_BY,
T1.MODIFICATION_NUM,
T1.ROW_ID,
T49.NUM_DAY_DUR,
T3.TRDIN_EXPIRE_DAYS,
T29.X_PARTNER_NAME,
T1.PR_DEPT_OU_ID,
T29.INTEGRATION_ID,
T29.LOC,
T29.OU_NUM,
T12.NAME,
T29.CURR_PRI_LST_ID,
T29.PR_BL_ADDR_ID,
T29.PR_BL_PER_ID,
T29.PR_SHIP_ADDR_ID,
T29.PR_SHIP_PER_ID,
T1.CONSUMER_OPTY_AMT,
T1.CONSUMER_OPTY_FLG,
T14.DECISION_DT,
T49.BL_ACCNT_ID,
T49.BL_CON_ID,
T1.CLOSURE_DESC,
T1.CURCY_CD,
T1.CUST_ACCNT_ID,
T14.PROJ_STAT_CD,
T1.ACTL_CLS_DT,
T1.CLOSED_FLG,
T1.DESC_TEXT,
T22.PR_HELD_POSTN_ID,
T49.GROUP_TYPE_CD,
T49.DEPARTURE_DT,
T49.ARRIVAL_DT,
T1.TEMPLATE_FLG,
T55.STATUS_INBND_CD,
T1.INTMD_CON_ID,
T29.ROW_ID,
T1.PR_CON_ID,
T39.CITY,
T39.ZIPCODE,
T7.ASSET_ID,
T6.BIRTH_DT,
T4.CITY,
T4.ZIPCODE,
T6.X_PR_WORK_PH_ID,
T6.X_PR_HOME_PH_ID,
T6.X_PR_CELL_PH_ID,
T31.LOGIN,
T1.X_CREATED,
T1.X_BY_CAMPAIGN,
T28.FST_NAME,
T28.LAST_NAME,
T28.X_ORPA_NAME_FR,
T28.X_ORPA_NAME_IT,
T54.FST_NAME,
T54.LAST_NAME,
T54.X_ORPA_NAME_FR,
T54.X_ORPA_NAME_IT,
T36.FST_NAME,
T36.LAST_NAME,
T36.X_ORPA_NAME_FR,
T36.X_ORPA_NAME_IT,
T1.X_PRODUCT_CD,
T18.X_VAL_LONG,
T1.X_SAS_CHECK_DT,
T2.FST_NAME,
T2.LAST_NAME,
T5.DESC_TEXT,
T15.SRC_NUM,
T1.X_SOURCE,
T18.HIGH,
T1.NAME,
T1.NEW_LOAN_FLG,
T49.OPTY_MARKET_CD,
T42.STAGE_STATUS_CD,
T49.OPTY_SEGMENT_CD,
T55.STATUS_CD,
T1.APPL_OWNER_TYPE_CD,
T1.PAR_OPTY_ID,
T38.NAME,
T34.PAR_POSTN_ID,
T38.PROJ_PRPTY_ID,
T1.EXPECT_CLS_DT,
T1.ALIAS_NAME,
T1.PR_OU_INDUST_ID,
T1.PR_OU_ADDR_ID,
T1.PR_REP_DNRM_FLG,
T1.PR_REP_MANL_FLG,
T1.PR_REP_SYS_FLG,
T1.PR_CMPT_OU_ID,
T34.PR_EMP_ID,
T1.PR_OPTYORG_ID,
T1.PR_OPTYPRD_ID,
T1.BU_ID,
T1.PR_PRTNR_ID,
T1.PR_POSTN_ID,
T1.SUM_REVN_AMT,
T1.SUM_CLASS_CD,
T1.SUM_EFFECTIVE_DT,
T1.SUM_COMMIT_FLG,
T1.SUM_COST_AMT,
T1.SUM_DOWNSIDE_AMT,
T1.SUM_REVN_ITEM_ID,
T1.SUM_MARGIN_AMT,
T1.SUM_TYPE_CD,
T1.SUM_UPSIDE_AMT,
T1.SUM_WIN_PROB,
T25.LOGIN,
T1.PR_SRC_ID,
T33.STATE,
T1.PR_TERR_ID,
T1.PROG_NAME,
T1.PROJ_PRPTY_ID,
T1.REASON_WON_LOST_CD,
T49.REL_TYPE_CD,
T13.OWN_INST_ID,
T13.INTEGRATION_ID,
T42.PHASE_CD,
T24.PR_HELD_POSTN_ID,
T1.SALES_METHOD_ID,
T42.NAME,
T1.STG_START_DT,
T1.CURR_STG_ID,
T42.STG_ORDER,
T49.STATUS_UPD_DT,
T1.SECURE_FLG,
T1.ASGN_DT,
T1.STATUS_CD,
T27.ATTRIB_43,
T14.SUBMITTED_DT,
T46.X_PARTNER_NAME,
T46.ALIAS_NAME,
T1.X_COMMENTS_LONG,
T1.X_SUBJECT,
T1.X_RESTRICTED_FLG,
T1.X_DELEGATED_POSTN_ID,
T45.PR_EMP_ID,
T32.LOGIN,
T1.BU_ID,
T1.CHANNEL_TYPE_CD,
T30.ACCNT_VAL_CD,
T6.CUST_VALUE_CD,
T1.X_OPTY_NAME,
T1.REVENUE_CLASS,
T33.COUNTRY,
T1.OPTY_CD,
T6.X_CUST_SEGMENT_CD,
T1.X_PROCESS_STATUS,
T1.X_ROLE_CD,
T9.X_PHONE_NUM,
T35.X_PHONE_NUM,
T40.FCST_CLS_DT,
T40.FCST_REVN_CURCY_CD,
T40.ROW_STATUS,
T43.LOGIN,
T37.EFFECTIVE_DT,
T37.COMMIT_FLG,
T37.COST_AMT,
T37.DOWNSIDE_AMT,
T37.MARGIN_AMT,
T37.WIN_PROB,
T37.REVN_AMT,
T37.ACCNT_ID,
T37.CLASS_CD,
T37.REVN_AMT_CURCY_CD,
T37.QTY,
T37.CRDT_POSTN_ID,
T37.TYPE_CD,
T37.UPSIDE_AMT,
T41.X_PHONE_NUM,
T48.ROW_ID,
T44.FST_NAME,
T44.LAST_NAME,
T51.FST_NAME,
T51.LAST_NAME,
T51.CSN,
T16.ROW_ID,
T47.ROW_ID,
T47.SRC_CD,
T27.ROW_ID,
T27.PAR_ROW_ID,
T27.MODIFICATION_NUM,
T27.CREATED_BY,
T27.LAST_UPD_BY,
T27.CREATED,
T27.LAST_UPD,
T27.CONFLICT_ID,
T27.PAR_ROW_ID,
T49.ROW_ID,
T49.PAR_ROW_ID,
T49.MODIFICATION_NUM,
T49.CREATED_BY,
T49.LAST_UPD_BY,
T49.CREATED,
T49.LAST_UPD,
T49.CONFLICT_ID,
T49.PAR_ROW_ID,
T14.ROW_ID,
T14.PAR_ROW_ID,
T14.MODIFICATION_NUM,
T14.CREATED_BY,
T14.LAST_UPD_BY,
T14.CREATED,
T14.LAST_UPD,
T14.CONFLICT_ID,
T14.PAR_ROW_ID,
T13.ROW_ID,
T13.PAR_ROW_ID,
T13.MODIFICATION_NUM,
T13.CREATED_BY,
T13.LAST_UPD_BY,
T13.CREATED,
T13.LAST_UPD,
T13.CONFLICT_ID,
T13.PAR_ROW_ID,
T9.ROW_ID,
T35.ROW_ID,
T40.ROW_ID,
T50.ROW_ID,
T37.ROW_ID,
T41.ROW_ID,
T53.ROW_ID,
T48.ROW_ID,
T23.ROW_ID,
T16.ROW_ID,
T47.ROW_ID FROM
SIEBEL.S_OPTY T1,
SIEBEL.S_CONTACT T2,
SIEBEL.S_ORG_EXT_ATX T3,
SIEBEL.S_ADDR_PER T4,
SIEBEL.S_STG_LANG T5,
SIEBEL.S_CONTACT T6,
SIEBEL.S_OPTY_ASSET T7,
SIEBEL.S_ASSET T8,
SIEBEL.S_CONTACT_XM T9,
SIEBEL.S_CONTACT_XM T10,
SIEBEL.S_CON_ADDR T11,
SIEBEL.S_PRI_LST T12,
SIEBEL.S_OPTY_SS T13,
SIEBEL.S_OPTY_DSGN_REG T14,
SIEBEL.S_SRC T15,
SIEBEL.S_PARTY T16,
SIEBEL.S_CONTACT_XM T17,
SIEBEL.S_LST_OF_VAL T18,
SIEBEL.S_CONTACT_XM T19,
SIEBEL.S_CON_ADDR T20,
SIEBEL.S_OPTY_POSTN T21,
SIEBEL.S_CONTACT T22,
SIEBEL.S_PARTY T23,
SIEBEL.S_CONTACT T24,
SIEBEL.S_USER T25,
SIEBEL.S_POSTN T26,
SIEBEL.S_OPTY_X T27,
SIEBEL.S_CONTACT T28,
SIEBEL.S_ORG_EXT T29,
SIEBEL.S_ORG_EXT_FNX T30,
SIEBEL.S_USER T31,
SIEBEL.S_USER T32,
SIEBEL.S_ADDR_PER T33,
SIEBEL.S_POSTN T34,
SIEBEL.S_CONTACT_XM
T35,
SIEBEL.S_CONTACT T36,
SIEBEL.S_REVN T37,
SIEBEL.S_OPTY T38,
SIEBEL.S_ADDR_PER T39,
SIEBEL.S_OPTY_POSTN T40,
SIEBEL.S_CONTACT_XM T41,
SIEBEL.S_STG T42,
SIEBEL.S_USER T43,
SIEBEL.S_CONTACT T44,
SIEBEL.S_POSTN T45,
SIEBEL.S_ORG_EXT T46,
SIEBEL.S_SRC T47,
SIEBEL.S_PARTY T48,
SIEBEL.S_OPTY_TNTX T49,
SIEBEL.S_PARTY T50,
SIEBEL.S_CONTACT T51,
SIEBEL.CX_ASSET_ACCNT T52,
SIEBEL.S_OPTY_ORG T53,
SIEBEL.S_CONTACT T54,
SIEBEL.S_SYS_KEYMAP T55 WHERE
T20.ADDR_PER_ID = T39.ROW_ID (+) AND
T7.ASSET_ID = T8.ROW_ID (+) AND
T1.PR_SRC_ID = T15.ROW_ID (+) AND
T11.ADDR_PER_ID =
T4.ROW_ID (+) AND
T49.EVT_MGR_PER_ID = T22.PAR_ROW_ID (+) AND
T17.PAR_ROW_ID = T28.ROW_ID (+) AND
T8.X_GBR_ID = T17.ROW_ID (+) AND
T29.X_MBA_ID = T10.ROW_ID (+) AND
T6.X_MBA_ID = T19.ROW_ID (+) AND
T1.X_CREATED_BY = T31.PAR_ROW_ID (+) AND
T10.PAR_ROW_ID = T54.ROW_ID (+) AND
T19.PAR_ROW_ID = T36.ROW_ID (+) AND
T1.ROW_ID =
T7.OPTY_ID (+) AND
T1.ROW_ID = T55.SIEBEL_SYS_KEY (+) AND
T1.PAR_OPTY_ID = T38.ROW_ID (+) AND
T29.X_PR_ADDR_ID = T20.ROW_ID (+) AND
T6.X_PR_ADDR_ID = T11.ROW_ID (+)
AND
T1.PR_OU_ADDR_ID = T33.ROW_ID (+) AND
T34.PR_EMP_ID = T2.PAR_ROW_ID (+) AND
T1.PR_CON_ID = T6.PAR_ROW_ID (+) AND
T1.X_PRODUCT_CD = T18.NAME (+) AND
T18.LANG_ID (+) = :1 AND T18.TYPE (+) = 'MOBI_CONTRACT_PRODUCT' AND
T1.PR_DEPT_OU_ID = T29.PAR_ROW_ID (+) AND
T1.BU_ID = T3.PAR_ROW_ID (+) AND
T1.PR_DEPT_OU_ID =
T30.PAR_ROW_ID (+) AND
T1.PR_POSTN_ID = T34.PAR_ROW_ID AND
T29.CURR_PRI_LST_ID = T12.ROW_ID (+) AND
T34.PR_EMP_ID = T25.PAR_ROW_ID (+) AND
T49.SALES_MGR_PER_ID
= T24.PAR_ROW_ID (+) AND
T1.CURR_STG_ID = T42.ROW_ID AND
T1.CURR_STG_ID = T5.PAR_ROW_ID (+) AND T5.LANG_ID (+) = :2 AND
T1.ROW_ID = T21.OPTY_ID (+) AND T21.POSITION_ID
(+) = :3 AND
T7.ASSET_ID = T52.ASSET_ID (+) AND T52.REL_TYPE_CD (+) = '1544' AND
T52.ACCNT_ID = T46.ROW_ID (+) AND
T1.X_DELEGATED_POSTN_ID = T45.PAR_ROW_ID (+) AND
T45.PR_EMP_ID = T32.PAR_ROW_ID (+) AND
T1.ROW_ID = T27.PAR_ROW_ID (+) AND
T1.ROW_ID = T49.PAR_ROW_ID (+) AND
T1.ROW_ID = T14.PAR_ROW_ID (+) AND
T1.ROW_ID =
T13.PAR_ROW_ID (+) AND
T6.X_PR_CELL_PH_ID = T9.ROW_ID (+) AND
T6.X_PR_WORK_PH_ID = T35.ROW_ID (+) AND
T1.PR_POSTN_ID = T40.POSITION_ID AND T1.ROW_ID = T40.OPTY_ID
AND
T40.POSITION_ID = T50.ROW_ID AND
T40.POSITION_ID = T26.PAR_ROW_ID (+) AND
T26.PR_EMP_ID = T43.PAR_ROW_ID (+) AND
T1.SUM_REVN_ITEM_ID = T37.ROW_ID (+) AND
T6.X_PR_HOME_PH_ID = T41.ROW_ID (+) AND
T1.PR_PRTNR_ID = T53.OU_ID (+) AND T1.ROW_ID = T53.OPTY_ID (+) AND
T1.PR_PRTNR_ID = T48.ROW_ID (+) AND
T1.INTMD_CON_ID =
T23.ROW_ID (+) AND
T1.INTMD_CON_ID = T44.PAR_ROW_ID (+) AND
T1.PR_CON_ID = T16.ROW_ID (+) AND
T1.PR_CON_ID = T51.PAR_ROW_ID (+) AND
T1.PR_SRC_ID = T47.ROW_ID (+)
AND
((T34.OU_ID = :4) AND
((T1.SECURE_FLG = 'N' OR T21.OPTY_ID IS NOT NULL) AND T1.X_STATUS IS NULL)) AND
(T42.NAME = :5 AND T1.TEMPLATE_FLG = :6) ORDER BY
T1.SUM_EFFECTIVE_DT
Siebel CRM Query Beispiel
Grafische Darstellung
Siebel CRM Query Beispiel
Grafische Darstellung des Selektionskerns
Selektionskern (nur
Tabellen mit Bedingungen
die zur Reduktion der
Antwortmenge führen)
Siebel CRM Query Beispiel
dimensio Index als Radialbaum
Grafische
Darstellung des
Selektionskerns
als Radialbaum
dimensio PoC für Siebel CRM
PoC Resultate
Antwortzeit (Sekunden, logarithmische Skala)
1000
Value "as is"
100
PoC objective
10
PoC result with
dimensio
1
Use Cases aus Siebel CRM
Agenda
 Kurzporträt Die Mobiliar
 Fallstudie 1: Analysen auf der Mainframe
 Fallstudie 2: Flächendeckender Einsatz PCIe Karten
 Fallstudie 3: Semantische Indexes
 Fallstudie 4: In-Memory Column Store
 Zusammenfassung
35
Oracle In-Memory Column Store Option (OIMO)
 Bisher: Daten Organisation in Zeilen, Daten bei Gebrauch in Memory laden
 Neu: Zusätzlich: Daten Organisation in Spalten, permanent im Memory
automatischer, zeitnaher
Abgleich
Optimal für
Transaktionen jeder Art,
durch Flash Technologie
stark optimiert
Memory
Memory
Daten
Daten
Zeilen
Spalten
Optimal für
gleichzeitige Analysen
Fusion IO
Flash Cache
36
Oracle In-Memory Option b-Test bei der Mobiliar
Vergleich Oracle 12c Native vs. Oracle In Memory
100.00
10.00
Oracle native
Oracle IM
Column Store
1.00
0.10
37
Agenda
 Kurzporträt Die Mobiliar
 Fallstudie 1: Analysen auf der Mainframe
 Fallstudie 2: Flächendeckender Einsatz PCIe Karten
 Fallstudie 3: Semantische Indexes
 Fallstudie 4: In-Memory Column Store
 Zusammenfassung
38
Paradigmen Wechsel
 Vergangenheit: Trennung zwischen OLTP und OLAP




OLAP Analytik hiess vor allem “Warten auf Resultate”
ETL Prozess notwendig für akzeptable Antwortzeiten
Analysen auf OLTP Daten beeinträchtigten Performance
“Bring data to the analytics” Paradigma
 Gegenwart: Integrierter Ansatz
 “Bring analytics to the data” Paradigma
 Neue DB-Technologien erlauben
 Analysen beim Kundenkontakt
 Real-Time Analysen auf Transaktions- und operativen Daten
 Zukunft
 Integration von komplex strukturierten, externen Datenquellen
39
Vereinfachung und Reduktion Daten “Tourismus“
40
Herzlichen Dank für Ihre Aufmerksamkeit.
Thomas Baumann
IT Performance Architekt
IB Betriebsarchitektur
[email protected]
41
Herunterladen