Netezza TDWI Webcast MBastien_ohne Logos_mit letzter Folie
Werbung
Marc Bastien– Systems Engineer Netezza Mehr Zeit für das Wesentliche! © 2011 IBM Corporation Information Management Klassische Problemstellung in DWH-Projekten (fachlich) Identifikation des Geschäftsproblems, der Anforderungen Identifikation der benötigten Daten / Herkunft dieser Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) Entwicklung der analytischen Abfragen / Reports 2 Information Management Klassische Problemstellung in DWH-Projekten (ganz technisch) Auf der Basis der gestellten Anforderungen (bzw. „Corporate Policy“) – Auswahl ETL und BI Tools • Passende Server und Infrastrukturen • ETL oder ELT? • Dashboards, Ad-Hoc, OLAP oder Reports – Auswahl Datenbank und -Server • Sizing Datenbank Edition (1 aus 3, Optionen (x von 9), Packs (x von 2), Security (x aus 8)? • Auswahl und Sizing Hardware für RDBMS bzw. OLAP-Server Server (CPU, RAM, andere Komponenten) Netzwerk, Platten, RAID 3 Information Management Klassische Problemstellung in DWH-Projekten (ganz technisch) Auf der Basis der gestellten Anforderungen (bzw. „Corporate Policy“) – Auswahl ETL und BI Tools • Passende Server und Infrastrukturen • ETL oder ELT? • Dashboards, Ad-Hoc, OLAP oder Reports – Auswahl Datenbank und -Server • Sizing Datenbank Edition (1 aus 3, Optionen (x von 9), Packs (x von 2), Security (x aus 8)? • Auswahl und Sizing Hardware für RDBMS bzw. OLAP-Server Server (CPU, RAM, andere Komponenten) Netzwerk, Platten, RAID 4 Information Management Klassische Problemstellung in DWH-Projekten (Projekt / Auswahl) Identifikation des Geschäftsproblems, der Anforderungen Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des technischen DWH und der Datamarts, Größenschätzungen Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools 5 Information Management Klassische Problemstellung in DWH-Projekten (Realisierung) Identifikation des Geschäftsproblems, der Anforderungen Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des technischen DWH und der Datamarts, Größenschätzungen • Alle Fachlichkeit abbildbar? Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? 6 Information Management Klassische Problemstellung in DWH-Projekten (Technik gegen Fachlich!) Identifikation des Geschäftsproblems, der Anforderungen Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Nein: Reduktion der verfügbaren Daten = Reduktion der fachlichen Anforderungen! Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des technischen DWH und der Datamarts, mit allen Konsequenzen, Größenschätzungen • Alle Fachlichkeit abbildbar? Nein: Reduktion auf das technisch Machbare = Reduktion der Anforderungen! Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? Nein: Performance-Tuning im DWH, oder Reduktion... 7 Information Management Klassische Problemstellung in DWH-Projekten (Technik gegen Fachlich!) Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Nein: Reduktion der verfügbaren Daten = Reduktion der fachlichen Anforderungen! Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des technischen DWH und der Datamarts, mit allen Konsequenzen, Größenschätzungen • Alles Fachlichkeit abbildbar? Nein: Reduktion auf das technisch Machbare = Reduktion der Anforderungen! - - zusätzliche Spalten, Indices, Materialisierte Sichten, Summentabellen, - Wechsel der Technologie -> das technische Modell wird immer komplexer! Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? Nein: Performance-Tuning im DWH, oder Reduktion... 8 Information Management Klassische Problemstellung in DWH-Projekten (Technik gegen Fachlich!) Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Nein: Reduktion der verfügbaren Daten = Reduktion der fachlichen Anforderungen! - Weitere ETL-Schritte, Komplexitätssteigerung und Verlängerung Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des DWH und der Datamarts, mit allen Konsequenzen, Größenschätzungen • Alles Fachlichkeit abbildbar? Nein: Reduktion auf das technisch Machbare = Reduktion der Anforderungen! - - zusätzliche Spalten, Indices, Materialisierte Sichten, Summentabellen, - Wechsel der Technologie -> das technische Modell wird immer komplexer! Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? Nein: Performance-Tuning im DWH, oder Reduktion... 9 Information Management Klassische Problemstellung in laufenden DWH-Projekten Laufende Wartung: – Ständiges Nachpflegen der Indices, ..., aller Performancefeatures der eingesetzten Technologie – Bis zu: Ersatz des Plattensystems durch schnellere Technologie (z.B. SSD) – Die Nacht mal wieder zu kurz? -> Tagverarbeitung beginnt und Verarbeitungen behindern sich – Lange Abfragezeiten frustrieren IT- und Fachabteilung Praxisbeispiel: Neue Query durch Fachabteilung (Tool basierend) – unmöglich, da bisher nicht genutzte Spalte verwendet wurde, Laufzeit: nach mehreren Stunden abgebrochen – Abfrage manuell umgeschrieben: wenige Minuten Laufzeit – Neue Spalte fest in Tabelle ergänzt: ab dann zig-Minuten Laufzeit (aber jederzeit durch Endnutzer nutzbar) Echte Weiterentwicklung? Unmöglich! 10 Information Management Traditionelle Data Warehouse Anwendungen sind einfach zu komplex Sie basieren auf Datenbanken die für die Transaktionsverarbeitung optimiert wurden – NICHT um die Anforderungen von fortschrittlichen Analysen auf großen Datenbeständen abzubilden Zu komplexe Infrastruktur Zu ineffiziente Analysen Zu komplizierter Einsatz Zu viel Personal für die Wartung Zu viel Tuning notwendig Zu kostspielig im Betrieb Zu zeitraubend für schnelle Antworten 11 Information Management „Inhalt“ der Netezza Appliance Auf der Basis der gestellten Anforderungen (bzw. „Corporate Policy“) – Auswahl ETL und BI Tools • Passende Server und Infrastrukturen • ETL oder ELT? • Dashboards, Ad-Hoc, OLAP oder Reports – Auswahl Datenbank und -Server • Sizing Datenbank Edition (1 aus 3, Optionen (x von 9), Packs (x von 2), Security (x aus 8)? • Auswahl und Sizing Hardware für RDBMS bzw. OLAP-Server Server (CPU, RAM, andere Komponenten) Netzwerk, Platten, RAID 12 Information Management Wert einer Appliance! (Lego-Kasten mit unterschiedlichen Steinen aller Farben und Größen) 13 Information Management Wert einer Appliance! 14 Information Management Wert einer Appliance! 15 Information Management Die Netezza TwinFin™ (=IBM Netezza 1000) Appliance Plattengehäuse SMP Hosts S-Blades™ (mit FPGA-basierendem Databankbeschleuniger) 16 Nutzdaten Swap- und Spiegelpartitionen Hochgeschwindkeitsdatenstrom SQL Compiler Query Plan Optimize Admin Prozessor & DB- und Datenstrom-Logik Hochgeschwindigkeitsdatenbank Im Datenstrom: Joins, Aggregationen, Sortierung, etc. Information Management S-Blade™ Komponenten 16 GB DRAM SAS Expander Module Dual-Core FPGA 125 MHz Intel Quad-Core 2+ GHz CPU IBM BladeCenter Server Netezza DB Accelerator Information Management Asymmetric Massively Parallel Processing™ SOLARIS AIX TRU64 HP-UX WINDOWS LINUX Client Netezza TwinFin Appliance 1 S-Blade Processor & ODBC 3.X JDBC Type 4 OLE-DB SQL/92 streaming DB logic 2 SQL Compiler S-Blade Processor & streaming DB logic Query Plan Execution Engine 3 S-Blade Processor & streaming DB logic Optimize Admin ETL Server High-Speed Loader/Unloader 920 DBA CLI Front End QuellSysteme High-Performance Database Engine Streaming joins, aggregations, sorts S-Blade Processor & streaming DB logic 3rd Party Apps SMP Host High Performance Loader Netzwerk Massively Parallel Intelligent Storage Information Management S-Blade Datenstrom Data Cache FPGA Core DeKomprimieren Projektion Select sex, age, count(*) From MultiBillionRowTable Where BirthDate < ’01/01/1967’ And PostCode like ’SW%’ Group by sex, age; CPU Core Sichtbarkeit einschränken Complex ∑ Joins, Aggs, etc. Information Management Klassische (Problem)stellung in DWH-Projekten mit Netezza: Überwindung von Grenzen - Performance Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Ja: Ladegeschwindigkeit ca. 2 TB/h ohne Tuning = Maximaler Datendurchsatz zur Unterstützung aller fachlichen Anforderungen! Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des technischen DWH und der Datamarts, Größenschätzungen • Alle Fachlichkeit abbildbar? Ja: Grenzen im Datenvolumen unwahrscheinlich, Skaliert bis 1,5 PB Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? Ja: kein Tuning notwendig, durch minimale Optimierung weitere Verbesserungen = Maximale Unterstützung der fachlichen Anforderungen 20 Information Management Klassische (Problem)stellung in DWH-Projekten mit Netezza: Überwindung von Grenzen - Performance Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Ja: Ladegeschwindigkeit ca. 2 TB/h ohne Tuning = Maximaler Datendurchsatz zur Unterstützung aller fachlichen Anforderungen! Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des technischen DWH und der Datamarts, Größenschätzungen • Alle Fachlichkeit abbildbar? Ja: Grenzen im Datenvolumen unwahrscheinlich, Skaliert bis 1,5 PB Keine Änderungen am technischen Modell wg. Performanceengpässen! Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? Ja: kein Tuning notwendig, durch minimale Optimierung weitere Verbesserungen = Maximale Unterstützung der fachlichen Anforderungen 21 Information Management Eine echte Appliance ermöglicht Geschwindigkeit, die das Unternehmen transformiert …when something took 24 hours I could only do so much with it, but when something takes 10 seconds, I may be able to completely rethink the business… - SVP Application Development, Nielsen 15.000 Benutzer; mehr, als 800.000 Abfragen pro Tag; 50x schneller 22 Information Management Performance ist nicht alles! (Aber ohne Performance….) • • • • • • Keine Tablespaces Keine Partitionierung Keine Indices Kein Log-Management 1x DB Server Cluster (active/passive) Verbindungen: 5 x IP und Strom. Information Management Nicht Einfach (Beispiel) Einfach! Führende relationale Datenbank CREATE TABLE "MRDWDDM"."RDWF_DDM_ROOMS_SOLD" ("ID_PROPERTY" NUMBER(5, 0) NOT NULL ENABLE, "ID_DATE_STAY" NUMBER(5, 0) NOT NULL ENABLE, "CD_ROOM_POOL" CHAR(4) NOT NULL ENABLE, "CD_RATE_PGM" CHAR(4) NOT NULL ENABLE, "CD_RATE_TYPE" CHAR(1) NOT NULL ENABLE, "CD_MARKET_SEGMENT" CHAR(2) NOT NULL ENABLE, "ID_CONFO_NUM_ORIG" NUMBER(9, 0) NOT NULL ENABLE, "ID_CONFO_NUM_CUR" NUMBER(9, 0) NOT NULL ENABLE, "ID_DATE_CREATE" NUMBER(5, 0) NOT NULL ENABLE, "ID_DATE_ARRIVAL" NUMBER(5, 0) NOT NULL ENABLE, "ID_DATE_DEPART" NUMBER(5, 0) NOT NULL ENABLE, "QY_ROOMS" NUMBER(5, 0) NOT NULL CREATE INDEX "MRDWDDM"."RDWF_DDM_ROOMS_SOLD_IDX1" ON "RDWF_DDM_ROOMS_SOLD" ENABLE, "CU_REV_PROJ_NET_LOCAL" NUMBER(21, 3) NOT NULL ENABLE, ("ID_PROPERTY" , "ID_DATE_STAY" , "CD_ROOM_POOL" , "CD_RATE_PGM" , "CU_REV_PROJ_NET_USD" 3) NOT NULL) ENABLE, "CD_RATE_TYPE" ,NUMBER(21, "CD_MARKET_SEGMENT" PCTFREE 10 INITRANS 6 MAXTRANS 255 "QY_DAYS_STAY_CUR" NUMBER(3, NOT NULL "DDM_DATAMART_INDEX_L" ENABLE, "CD_BOOK_SOURCE" STORAGE( FREELISTS 10) 0) TABLESPACE NOLOGGING DEGREE 4PCTFREE INSTANCES 1) LOCAL(PARTITION PCTFREE 10 CHAR(1)PARALLEL NOT NULL( ENABLE) 5 PCTUSED 95 INITRANS 4"PART1" MAXTRANS 255 INITRANS 6 MAXTRANS 255 STORAGE(INITIAL 4194304 NEXT 4259840 MINEXTENTS 1 STORAGE( FREELISTS 6) TABLESPACE "DDM_ROOMS_SOLD_DATA" NOLOGGING MAXEXTENTS PCTINCREASE 0 FREELISTS"PART1" 10 FREELIST PARTITION BY RANGE100000 ("ID_PROPERTY" ) (PARTITION VALUESGROUPS LESS 1 BUFFER_POOL DEFAULT) TABLESPACE "DDM_DATAMART_INDEX_L" NOLOGGING, PARTITION "PART2" THAN (600) PCTFREE 5 PCTUSED 95 INITRANS MAXTRANS 255 PCTFREE 10 INITRANS 6 MAXTRANS 255 4STORAGE(INITIAL 4194304 NEXT 4259840 STORAGE(INITIAL FREELISTS 6 FREELIST GROUPS 1) TABLESPACE MINEXTENTS16777216 1 MAXEXTENTS 100000 PCTINCREASE 0 FREELISTS 10 FREELIST GROUPS CREATEDEFAULT) BITMAP INDEX "CRDBO"."SNAPSHOT_MONTH_IDX13" ON 1 BUFFER_POOL TABLESPACE "DDM_DATAMART_INDEX_L" NOLOGGING, "DDM_ROOMS_SOLD_DATA" NOLOGGING NOCOMPRESS, PARTITION "PART2" VALUES "SNAPSHOT_OPPTY_MONTH_HIST" ("SNAPSHOT_YEAR" ) PCTFREE 10 INITRANS 2 PARTITION 10 95 INITRANS 6 MAXTRANS 255255 STORAGE(INITIAL LESS THAN (1200) "PART3" PCTFREE PCTFREE 5 PCTUSED INITRANS 4 MAXTRANS MAXTRANS 255 MINEXTENTS STORAGE(INITIAL 4194304 100000 NEXT 4194304 MINEXTENTS 2 MAXEXTENTS 4194304 NEXT 4259840 1 MAXEXTENTS PCTINCREASE 0 STORAGE(INITIAL 16777216 FREELISTS 6 FREELIST GROUPS 1) TABLESPACE 2147483645 PCTINCREASE 0 FREELISTS 1 FREELIST GROUPS 1 BUFFER_POOL FREELISTS 10 FREELIST GROUPS 1 BUFFER_POOL DEFAULT) TABLESPACE "DDM_ROOMS_SOLD_DATA" NOCOMPRESS, PARTITION "PART3" VALUES DEFAULT)NOLOGGING TABLESPACE "SFA_DATAMART_INDEX" NOLOGGING ;10 INITRANS 6 "DDM_DATAMART_INDEX_L" NOLOGGING, PARTITION "PART4" PCTFREE LESS THAN (1800)255 PCTFREE 5 PCTUSED 95 INITRANS MAXTRANSMINEXTENTS 255 MAXTRANS STORAGE(INITIAL 4194304 NEXT4 4259840 1 MAXEXTENTS 100000 PCTINCREASE 0 FREELISTS 10 FREELIST GROUPS 1 BUFFER_POOL DEFAULT) STORAGE(INITIAL 16777216 FREELISTS 6 FREELIST GROUPS 1) TABLESPACE TABLESPACE "DDM_DATAMART_INDEX_L" NOLOGGING, PARTITION "DDM_ROOMS_SOLD_DATA" NOLOGGING NOCOMPRESS, PARTITION "PART4" "PART5" VALUES PCTFREE 10 INITRANS 6 PCTFREE MAXTRANS5 255 STORAGE(INITIAL NEXT255 4259840 MINEXTENTS 1 LESS THAN (2400) PCTUSED 95 INITRANS 4194304 4 MAXTRANS CREATE CLUSTER "MRDW"."CT_INTRMDRY_CAL" ("ID_YEAR_CAL" NUMBER(4, 0), MAXEXTENTS 100000 PCTINCREASE 0 FREELISTS 10 FREELIST GROUPS 1 BUFFER_POOL "ID_MONTH_CAL" NUMBER(2, 0), "ID_PROPERTY" NUMBER(5, 0)) SIZE 16384 STORAGE(INITIAL 16777216 FREELISTS 6 FREELIST GROUPS 1) TABLESPACE DEFAULT) TABLESPACE "DDM_DATAMART_INDEX_L" NOLOGGING, PARTITION "PART6" PCTFREE NOLOGGING 10 PCTUSEDNOCOMPRESS, 90 INITRANSPARTITION 3 MAXTRANS 255 STORAGE(INITIAL "DDM_ROOMS_SOLD_DATA" "PART5" VALUES PCTFREE 10 INITRANS 6 MAXTRANS 255 STORAGE(INITIAL 4194304 NEXT 4259840 83886080 NEXT 41943040 MINEXTENTS 1 MAXEXTENTS 1017 PCTINCREASE 0 MINEXTENTS 1 MAXEXTENTS 100000 0 FREELISTS LESS THAN (3000) PCTFREE 5 PCTUSED 95 PCTINCREASE INITRANS 4 MAXTRANS 255 10 FREELIST GROUPS FREELISTS 4 FREELIST GROUPS 1 BUFFER_POOL RECYCLE) TABLESPACE 1 BUFFER_POOL DEFAULT) TABLESPACE "DDM_DATAMART_INDEX_L" NOLOGGING ) ; STORAGE(INITIAL 16777216 FREELISTS 6 FREELIST GROUPS 1) TABLESPACE "TSS_FACT" ; "DDM_ROOMS_SOLD_DATA" NOLOGGING NOCOMPRESS, PARTITION "PART6" VALUES LESS THAN (MAXVALUE) PCTFREE 5 PCTUSED 95 INITRANS 4 MAXTRANS 255 STORAGE(INITIAL 16777216 FREELISTS 6 FREELIST GROUPS 1) TABLESPACE "DDM_ROOMS_SOLD_DATA" NOLOGGING NOCOMPRESS ) ; Indexes Bitmap index Netezza CREATE TABLE MRDWDDM.RDWF_DDM_ROOMS_SOLD ( ID_PROPERTY numeric(5, 0) NOT NULL , ID_DATE_STAY integer NOT NULL , CD_ROOM_POOL CHAR(4) NOT NULL , CD_RATE_PGM CHAR(4) NOT NULL , CD_RATE_TYPE CHAR(1) NOT NULL , CD_MARKET_SEGMENT CHAR(2) NOT NULL , ID_CONFO_NUM_ORIG integer NOT NULL , ID_CONFO_NUM_CUR integer NOT NULL , ID_DATE_CREATE integer NOT NULL , ID_DATE_ARRIVAL integer NOT NULL , ID_DATE_DEPART integer NOT NULL , QY_ROOMS integer NOT NULL , CU_REV_PROJ_NET_LOCAL numeric(21, 3) NOT NULL , CU_REV_PROJ_NET_USD numeric(21, 3) NOT NULL , QY_DAYS_STAY_CUR smallint NOT NULL , CD_BOOK_SOURCE CHAR(1) NOT NULL) distribute on random; Table Clusters Keine Indices Kein physikalisches Tuning/Administration Verteilung der Daten per Zufall oder Spalte Information Management Einfach: Beladen der Netezza Appliance JDBC ODBC Data In SQL Ab Initio Business Objects/SAP Composite Software Expressor Software Oracle GoldenGate Informatica IBM Information Server Oracle Data Integrator (exSynopsis) WisdomForce OLE-DB OLE Daten-Integration* *Liste nicht vollständig Information Management Einfach: Abfragen der Netezza Appliance *Liste nicht vollständig JDBC ODBC Data Out SQL Actuate Business Objects/SAP Cognos (IBM) Information Builders Kalido KXEN MicroStrategy Oracle BIEE QlikTech Quest Software SAS SPSS (IBM) Unica (IBM) OLE-DB OLE Business Intelligence* Information Management Klassische (Problem)stellung in DWH-Projekten mit Netezza: Überwindung von Grenzen – Einfachheit in Betrieb und Nutzung Identifikation der benötigten Daten / Herkunft dieser – Entwurf einer ETL-Strategie, Auswahl von Tools und Methoden • Reicht die Nacht? Ja: kein Tuning, Nutzung der bekannten ETL-Tools, Verlagerung in die Datenbank möglich (ELT) Entwicklung eines fachlichen Modells (Dimensionen, Fakten, Historisierungen etc.) – Entwurf des DWH und der Datamarts, mit allen Konsequenzen, Größenschätzungen • Alles Fachlichkeit abbildbar? Ja: einfach: keine Tablespaces, Indices, MVs etc... Entwicklung der analytischen Abfragen / Reports – Entwurf der BI-Strategie, Auswahl von Tools • Performance der Berichte / Ad-Hoc Abfragen / Management Dashboards? Ja: kein Tuning, Nutzung der bekannten BI-Tools Betrieb: – keine Wartung von Indices usw. / HA eingebaut / Integration in vorh. BR-Lösungen 27 Information Management Eine echte Appliance ermöglicht wesentlich einfachere und schnellere Inbetriebnahme eHarmony They shipped us a box, we put it into our data center and plugged into our network. Within 24 hours we were up and running. I'm not exaggerating, it was that easy. - Joseph Essas, Vice President of Technology, eHarmony 28 Information Management Klassische Problemstellung in laufenden DWH-Projekten Laufende Wartung von Performancefeatures: entfällt. Praxisbeispiel: Neue Query durch Fachabteilung (Tool basierend) – unmöglich, da bisher nicht genutzte Spalte verwendet wurde, Laufzeit: nach mehreren Stunden abgebrochen – Abfrage manuell umgeschrieben: wenige Minuten Laufzeit – Test mit Netezza (ohne neue Spalte) • Ohne jegliche Optimierung: Performance * Faktor 30! • Mit Optimierung (Verteilung): Performance * Faktor 50! – Neue Spalte fest in Tabelle ergänzt: ab dann zig-Minuten Laufzeit (aber jederzeit durch Endnutzer nutzbar) – Test mit Netezza (mit neuer Spalte) • Ohne jegliche Optimierung: Performance * Faktor 57! • Mit Optimierung (Verteilung): Performance * Faktor 172! Echte Weiterentwicklung? Ja, unbedingt! 29 Information Management Eine echte Appliance: 30 Gemacht nur für einen Zweck: die Analyse ihrer Daten Integrierte Datenbank, Server und Speicher Standard Schnittstellen Niedrigste TCO für DWH-Systeme Geschwindigkeit: 10-100x schneller als traditionelle Systeme Einfachheit: Minimale Administration und Tuning Skalierbarkeit: bis zu Petabytes Nutzerdaten Smart: High-Performance advanced Analytics Information Management IBM Netezza Roadshow am 1. Dezember 2011 im KochWerk in Frankfurt am Main. www.ibm.com/de/events/netezza Marc Bastien [email protected] +49 (0) 7034 6430122 31
