Nothing Special   »   [go: up one dir, main page]

Skip to main content
Log in

Hybride Datenbankarchitekturen am Beispiel der neuen SAP In-Memory-Technologie

  • Fachbeitrag
  • Published:
Datenbank-Spektrum Aims and scope Submit manuscript

Zusammenfassung

Die Verfügbarkeit neuer Technologien wie Multi-Core, SSD oder große Hauptspeicherkapazitäten bieten eine Gelegenheit, die klassischen Architekturansätze von Datenbanksystemen zu überdenken und an bestimmten Stellen zu korrigieren. In diesem Beitrag stellen wir die Grobstruktur der neuen hauptspeicherzentrierten SAP Technologie als einen Ansatz einer kommerziellen Umsetzung moderner Architekturkonzepte vor. Zentrales Design-Kriterium ist dabei ein hybrider Ansatz, um eine möglichst hohe Anzahl von Anforderungsvarianten optimal zu unterstützen.

Nach einer Einleitung führt der Artikel durch die wichtigsten Architekturkomponenten und illustriert den grundsätzlichen Aufbau des Systems. Für einen „deep dive“ werden zwei Bereiche in Teil 3 und 4 des Artikels im Detail diskutiert. Dabei greift der Artikel zum einen den Aspekt der physischen Optimierung im Kontext eines hauptspeicherzentrierten Systems auf und diskutiert unterschiedliche Komprimierungs- und Sortierungskriterien, wie sie im klassischen disk-zentrierten Ansatz nicht zu finden sind. Zum anderen wird die Unterstützung von Planungsanwendungen skizziert, wodurch ein Einblick in die spezifische Unterstützung einer Anwendungsdomäne („business planning“) und die prinzipiellen Erweiterungen für komplexe Operationen zur direkten Unterstützung von darauf aufbauender Planungsfunktionalität gezeigt werden.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Subscribe and save

Springer+ Basic
$34.99 /Month
  • Get 10 units per month
  • Download Article/Chapter or eBook
  • 1 Unit = 1 Article or 1 Chapter
  • Cancel anytime
Subscribe now

Buy Now

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6
Abb. 7
Abb. 8
Abb. 9
Abb. 10

Literatur

  1. Abadi DJ, Madden SR, Ferreira MC (2006) Integrating compression and execution in column-oriented database systems. In: Proc SIGMOD, S 671–682

  2. Alsberg PA (1975) Space and time savings through large data base compression and dynamic restructuring. Proc IEEE 63(8):1114–1122

    Google Scholar 

  3. Aulbach S, Grust T, Jacobs D, Kemper A, Rittinger J (2008) Multi-tenant databases for software as a service: schema-mapping techniques. In: SIGMOD

  4. Bernstein PA, Hadzilacos V, Goodman N (1987) Concurrency control and recovery in database systems. Addison-Wesley, Reading

    Google Scholar 

  5. Boncz P, Manegold S, Kersten ML (2009) Database architecture evolution: mammals flourished long before dinosaurs becaume exinct. In: PVLDB

  6. Cha SK, Song C (2004) P*time: Highly scalable oltp dbms for managing update-intensive stream workload. In: VLDB

  7. French CD (1995) „One size fits all“ database architectures do not work for dds. In: SIGMOD

  8. Gray J (2006) Tape is dead. disk is tape. flash is disk, ram locality is king. In: Storage guru Gong show

  9. Gray J, Reuter A (1993) Transaction processing: concepts and techniques. Kaufmann, Los Altos

    MATH  Google Scholar 

  10. Jaecksch B, Lehner W, Faerber F (2010a) A plan for OLAP. In: EDBT, S 681–686

  11. Jaecksch B, Lehner W, Faerber F (2010b) Cherry picking in database languages. In: Proc 10th IDEAS

  12. Krueger J, Grund M, Tinnefeld C, Plattner H, Zeier A, Faerber F (2010) Database systems for advanced applications: optimizing write performance for read optimized databases. Springer, Berlin, S 291–305

    Google Scholar 

  13. Lemke C, Sattler KU, Färber F (2009) Kompressionstechniken für spaltenorientierte bi-accelerator-lösungen. In: BTW, S 486–497

  14. Lemke C, Sattler KU, Färber F, Zeier A (2010) Speeding up queries in column stores: a case for compression. In: Proc 12th DaWaK

  15. LLVM (2010) http://www.llvm.org/

  16. Paradies M, Lemke C, Plattner H, Lehner W, Sattler KU, Zeier A, Krüger J (2010) How to juggle columns: an entropy-based approach for table compression. In: Proc 10th IDEAS

  17. Plattner H (2009) A common database approach for oltp and olap using an in-memory column database. In: SIGMOD

  18. Ross JA (2008) SAP NetWeaver BI accelerator. SAP Press, Dedham

    Google Scholar 

  19. Westmann T, Kossmann D, Helmer S, Moerkotte G (2000) The implementation and performance of compressed databases. SIGMOD Rec 29(3):55–67

    Article  Google Scholar 

  20. Willhalm T, Popovici N, Boshmaf Y, Plattner H, Zeier A, Schaffner J (2009) Simd-scan: ultra fast in-memory table scan using on-chip vector processing units. PVLDB 2(1):385–394

    Google Scholar 

  21. Zukowski M, Héman S, Nes N, Boncz P (2006) Super-scalar ram-cpu cache compression. In: Proc 22nd ICDE, S 59

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Bernhard Jäcksch.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Färber, F., Jäcksch, B., Lemke, C. et al. Hybride Datenbankarchitekturen am Beispiel der neuen SAP In-Memory-Technologie. Datenbank Spektrum 10, 81–92 (2010). https://doi.org/10.1007/s13222-010-0020-8

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s13222-010-0020-8

Schlüsselwörter

Navigation