DTO – Die logische Weiterentwicklung der SAP BW on HANA und BW/4HANA Archivierungstechnologie
Heutzutage gehört es zum Status Quo erfolgreicher Unternehmen, dass diese eine immer größere Menge an unternehmensbezogene Daten sammeln, mit dem Ziel das Unternehmen effizienter und optimierter in Echtzeit zu steuern. Dadurch ergeben sich erhebliche Wettbewerbsvorteile gegenüber der Konkurrenz, aber auch…
ein paar Herausforderungen
- Verwaltung eines kontinuierlichen Datenwachstums in der HANA Datenbank
- Abhängigkeiten zwischen Datenbankwachstum und Speicherkosten
- Das Datenbankwachstum wirkt sich auf die Systemleitung aus
Folgende Maßnahmen bieten sich aufgrund unserer Erfahrung als Lösung an
- Entkopplung des Datenstandorts von der festen Speicherschicht
- Speicherschichten unterscheiden sich in den Kosten und in der Leistung
- Skalieren Sie Ihre Daten mit dem besten Preis- und Leistungsverhältnis
Data Tiering Optimization (DTO)
Diese Lösungsansätze lassen sich mit Data Tiering Optimization (DTO) angehen und realisieren.
Bei diesem Ansatz werden die Daten in drei Temperaturklassen klassifiziert: Heiße Daten, warme Daten, kalte Daten.
Data Tiering Optimization ist die Zuordnung von Daten zu verschiedenen Ebenen / Speichermedien auf der Grundlage von Datentyp, Betriebsnutzen, Leistungsanforderungen, Zugriffshäufigkeit und Sicherheitsanforderungen der Daten.
Überblick über die Data-Tiering-Optionen für HANA-Anwendungen
Folgende Argumente sprechen für eine Implementierung der DTO Technologie
Ein Konzept für heiße, warme und kalte Daten
- Data Tiering basierend auf Advanced DataStore-Objektpartitionen
- Partitionstemperatur als lokale Einstellung (kein Transport)
- Verwenden von HANA-Technologie wie SDA, Scale-Out und Plattenspeicher in SAP IQ
Einfache und zentrale Definition und Implementierung
- Datentemperatur nur in Advanced DataStore-Objekt definiert
- Keine zusätzliche Konfiguration von Datenarchivierungsprozessen
Die Verschiebung von Daten als einfache und regelmäßige Housekeeping Aktivitäten
- Einzelner Job zur Datenebenen Optimierung, der Daten regelmäßig in definierte Speicher verschiebt
- Keine komplexe Prozesskettenmodellierung für die Datenarchivierung
Nicht unterbrechungsfreie Vorgehensweise und Schutz vergangener Investitionen
- Nahtlose Konvertierung oder Koexistenz mit dem bestehenden SAP BW NLS
IQ / Hadoop-Ansatz, da einige zentrale technische Konzepte für die kalte Datenspeicherung gemeinsam genutzt werden - Großes Einsparpotential bei zukünftigen Investitionen in Speichermedien wie zum Beispiel in HANA Nodes
Technischer Überblick aus Datenbankperspektive
Folgende technische Implementierungsschritte sind notwendig
Sie möchten gerne mehr über die Data-Tiering-Optimization-Technologie erfahren? Dann zögern Sie nicht uns zu kontaktieren! Michael Eigenmann, Managing Consultant SAP BI / S-BPMN beantwortet Ihnen gerne Ihre Fragen: michael.eigenmann@nagarro-es.com