SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse

Größe: px
Ab Seite anzeigen:

Download "SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse"

Transkript

1 SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse Oliver Neumann, Edwin Schicker Kurzzusammenfassung Dieser Artikel beschreibt das Konzept der In-Memory Datenbank HANA von SAP zur Verwaltung sehr großer strukturierter und unstrukturierter Datenmengen in Unternehmen und beantwortet die Frage, warum sich der Umstieg lohnt. Neben der Darstellung von Implementierungsoptionen werden des Weiteren Migrationsstrategien präsentiert. Zuletzt werden praktische Hinweise zu neuen Modellierungsformen in SAP NetWeaver BW in Verbindung mit HANA gegeben. Laufzeitmessungen von definierten Anwendungsfällen mit Echtdaten liefern einen Überblick über die erzielbaren Geschwindigkeitsverbesserungen und zeigen vielversprechende Optimierungsstrategien auf. 1 Warum In-Memory? Big Data, Self-Service BI und Mobile BI sind Schlagwörter, die als Anforderungen in vielen Artikeln rund um die Entwicklung des Information- Management in der IT in Unternehmen publiziert und diskutiert werden. Big Data bezeichnet schwierig zu verwaltende, enorm große und unstrukturierte Datenmengen, die mit herkömmlicher Software nicht mehr analysierbar sind (vgl. [Many11]). Self-Service BI hingegen bezeichnet die Analyse von Daten weitestgehend ohne das Zutun der IT (vgl. [Geis13]), Mobile BI die Analyse auf mobilen Endgeräten. Offensichtlich stehen die letztgenannten Begriffe im Widerspruch zur ersten Begrifflichkeit, wenn unterstellt wird, dass selbst die IT mit den zunehmenden Datenmengen überfordert ist. Um diesem Anspruch in einem Unternehmensumfeld jedoch trotzdem gerecht zu werden, besteht die Herausforderung für die IT in der Balance aus dem Verwalten sehr großer Datenmengen und dem Zurverfügungstellen flexibler Analysen. Neue Technologien wie In-Memory können dabei helfen, diese Herausforderung zu bewältigen. 1.1 Reaktionszeit und die Geschwindigkeit der Gedanken In einer Stichwortsuche im Web hängt das optimale Ergebnis maßgeblich von der Auswahl der geeignetsten Suchwörter ab. Eine schnelle Antwortzeit der Suchmaschine ermöglicht ein Trial-and-Error-Verfahren und das schrittweise Verfeinern des Suchergebnisses. Im Umfeld der Datenanalyse in Unternehmen wäre diese Geschwindigkeit ebenfalls wünschenswert und könnte dem Analysten bessere Ergebnisse liefern (vgl. [Plat12], S. 4 f.).

2 Die durchschnittliche Reaktionszeit eines Betrachters für eine einfache Reaktion auf einen Reiz, liegt bei 220 ms (vgl. [Lami68]). Dagegen ist die durchschnittliche Zeit zur Erfassung eines Sachverhalts deutlich länger, weil ein Verständnis für die Bedeutung entstehen muss. Diese kann durchschnittlich mit 384 ms quantifiziert werden. Wird der Sachverhalt komplexer, kann das Intervall je nach Komplexität der Informationen zwischen ms liegen. Es wird als Geschwindigkeit der Gedanken bezeichnet (vgl. [Plat12], S. 4 f.). Wird die Zeit der Geschwindigkeit der Gedanken überschritten, wird sie von einem Nutzer als Wartezeit empfunden und lässt ihn gedanklich abschweifen. Je länger die Wartezeit, desto größer die Ablenkung und desto schwieriger wird es für den Nutzer, zum eigentlichen Prozess zurückzukehren. Als Ziel für die Bereitstellung von Informationen kann daher eine Wartezeit von maximal einer Sekunde abgeleitet werden. 1.2 Hardware Trends Moderne Hardware verändert sich schnell und innovativ. Sie ist der Haupttreiber für die Entwicklung von In-Memory Datenbanken. Neben dem deutlichen Preisverfall des Hauptspeichers sind auch neue Trends wie parallele Verarbeitung mit Multicore-CPUs oder eine erhöhte Bandbreite innerhalb von Rechnern zu nennen. Zwar existieren In-Memory Datenbanken bereits seit den 1980er Jahren (vgl. [Garc92]), so sind sie jedoch erst seit ein paar Jahren erschwinglich genug, um große Systeme in Unternehmen damit auszustatten. Abbildung 1 veranschaulicht den Preisverfall von Hauptspeicher in Preis pro Megabyte. Abbildung 1: Preisentwicklung von Speichermedien ([Plat12] S. 10) Aufgrund der viel geringeren Zugriffszeiten ist der Hauptspeicher im Gegensatz zu Festplatten sehr gut geeignet, um schnell große Datenmengen zu analysieren. Verglichen mit plattenbasierten Systemen, können allein nur mit dem konsequenten Einsatz verbesserter Hardware, wie zum Beispiel die Parallelisierung von Rechenprozessen mit Multicore-CPU, sehr große Geschwindigkeitsverbesserungen erzielt werden.

3 1.3 Total Cost of Ownership Schließlich kann die TCO-Betrachtung (Total Cost of Ownership) eine Antwort auf die initiale Frage liefern: Warum In-Memory?. Im TCO-Konzept werden sämtliche Kosten einer Beschaffung berücksichtigt, die mit ihr in Zusammenhang stehen. Somit werden neben den Anschaffungskosten auch indirekte Kosten wie die Kosten der Nutzung mit einberechnet (vgl. [Schw14], S. 1). Die Geschwindigkeitsverbesserungen, die eine In-Memory Datenbank mit sich bringt, können die Kosten des gesamten Systems über den vollen Lebenszyklus hinweg verringern, damit also die TCO senken. Um die Geschwindigkeit analytischer Abfragen zu erhöhen, wurde in den Data-Warehouse-Systemen nach und nach materialisierte Sichten und persistente Aggregate eingeführt. Partitionen und Indexstrukturen wurden eingesetzt, um die relationale Speicherung weiter zu optimieren. All dies wird jedoch sofort obsolet, wenn Systeme schnell genug werden, um Berechnungen zur Laufzeit durchzuführen und ihre Optimierung selbst vornehmen. Generell kann deshalb dazu übergegangen werden, Systeme wieder schlanker zu machen, die Komplexität der Architektur zu reduzieren, indem weniger Schichten verwendet werden, und weniger Objekte zu nutzen. Ein schlankeres System ist weniger teuer, schneller zu erstellen, leichter zu ändern und zu skalieren und produziert deshalb weniger Fehler (vgl. [Plat12], S. 18 f.). Zusätzlich können die Mitarbeiter-Interaktionen genannt werden, deren Wartezeit, direkt in Kosten übersetzt, ebenfalls die TCO senken. Unter die verschwendete Zeit kann sowohl das Warten auf die Ausführung einer Abfrage als auch das Verstehen eines komplexen administrativen Vorgangs ein kategorisiert werden. 2 Das technische Konzept einer In-Memory Datenbank SAP HANA als konkretes Produkt einer In-Memory Datenbank profitiert erheblich von der Kombination technischer Neuerungen in Verbindung mit einer Neugestaltung der Datenorganisation. Die wichtigsten Aspekte werden im Nachfolgenden kurz erläutert. 2.1 Speichertechnologie Grundlegenden Einfluss auf die erhöhte Performance der Datenbank hat der Wechsel der Speichertechnologie. Im Gegensatz zu konventionellen ferromagnetischen Festplatten hat der elektronische Speicher DRAM (Dynamic Random Access Memory) eine deutlich geringere Zugriffszeit. Visualisiert wird dies in Abbildung 2. Die Zugriffszeiten sind allerdings nicht vollkommen konstant, sondern abhängig von der gelesenen Blockgröße. Um die Geschwindigkeit weiter zu optimieren, muss deshalb die Hierarchie der Cache Level einer CPU in Betracht gezogen werden. Werden Daten aus dem Hauptspeicher gelesen, werden sie in den unterschiedlichen Ebenen (Level 1 bis 3) zwischengespeichert, die jeweils verschiedene Speicherkapazitäten

4 Abbildung 2: Zugriffszeiten von Speicherkomponenten ([SAP13] S. 11) besitzen. Sind die gelesenen Blöcke jedoch zu groß für die Cache Level muss der Block aufgeteilt werden, wodurch ein sog. cache miss entsteht (vgl. [Plat12], S. 40 ff.). Der Prozessor muss nun nach der Abarbeitung des ersten Blocks warten, bis der nächste Teil der angeforderten Daten in den Cache geladen wurde. Um dies zu optimieren, werden die Daten neu organisiert und spaltenorientiert abgelegt. 2.2 Spaltenorientierte Speicherung Zeilenbasierte Speicherung ist optimal in OLTP-Systemen, um einzelne Tupel aus einer Datenbanktabelle zu lesen, jedoch eignet sie sich nicht, um eine Menge von Daten aus nur einer einzigen Spalte zu lesen (vgl. [Plat12], S. 33 ff.). Bei einem Zugriff auf Daten werden, wie in Kapitel 2.1 beschrieben, ganze Blöcke gelesen und in den CPU Cache geladen. Abbildung 3: Vergleich Zeilen- und Spaltenorientierte Speicherung in Anlehnung an ([SAP13], S.12) Nehmen wir an (siehe Abbildung 3), es sollen Umsatzwerte aggregiert werden. Bei einer zeilenbasierten Speicherung könnte es sein, dass pro gelesenem Block nur ein einzelner Umsatzwert enthalten ist. Die restlichen Tupel enthalten andere nicht relevante Werte. Bei einer spaltenorientierten Speicherung hingegen werden alle Umsatzwerte in zusammenhängenden Speicherbereichen allokiert und ein gelesener Block enthält nur Werte, die für die Rechenoperation der CPU benötigt werden (vgl. [SAP13], S. 12 f.).

5 2.3 Komprimierung Die Komprimierung der Daten verfolgt zwei Ziele: Zunächst einmal soll der Speicherverbauch reduziert werden. Weil bei SAP HANA alle Daten im Hauptspeicher abgelegt werden sollen, muss der Speicherbedarf so gering wie möglich sein. Die spaltenorientierte Speicherung eignet sich dabei sehr gut für eine Komprimierung, da Daten des gleichen Datentyps in aufeinander folgenden Speichersektionen abgelegt sind (vgl. [Abad08]). Ein weiterer Grund für die Komprimierung ist die verbesserte Abfragezeit. Dies liegt vor allem an der eingesetzten light-weight Komprimierung, die es ermöglicht, komprimierte Daten schneller zu lesen als unkomprimierte Daten und somit eine optimale Balance zwischen Cache und CPU-Verarbeitung bietet. Eine heavy-weight Komprimierung hingegen erzeugt viel Mehraufwand für die CPU durch Entkomprimierung und erneute Komprimierung (vgl. [Chen01]). SAP HANA setzt konkret die sog. Dictionary-Komprimierung ein. Für jeden Wert wird eine eindeutige ID erzeugt und in einer separaten Tabelle komprimiert gespeichert. Bei einer Abfrage müssen nur die optimiert komprimierten IDs gelesen werden, was für die Datenbank viel weniger Aufwand bedeutet als beispielsweise Text-Werte zu lesen (vgl. [Färb12]). 2.4 Parallele Verarbeitung Die In-Memory Datenbank von SAP macht sich eine weitere Hardware- Entwicklung der letzten Jahre zum Vorteil: Multicore-CPUs. SAP hat die Verarbeitung der Prozesse so entworfen, dass sie in kleinste Verarbeitungsschritte unterteilt werden und gleichzeitig auf mehreren Prozessoren verarbeitet werden können (vgl. [SAP13], S. 11). Außerdem werden die Daten über mehrere Serverblades 1 verteilt, um gleichzeitige Lesezugriffe zu ermöglichen. Die Ausfallsicherheit wird dadurch ebenfalls verbessert. Abbildung 4 stellt die Verteilung der Daten anschaulich dar. Abbildung 4: Daten-Verteilung bei SAP HANA in Anlehnung an ([SAP13], S.12) Nachdem nun das technische Konzept kurz vorgestellt wurde, werden im folgenden Kapitel die Implementierungsoptionen von SAP HANA beschrieben. 1 Ein Blade ist ein Server, der durch seine modulare, kompakte Bauweise eine hohe Leistung bei geringem Platzverbrauch zur Verfügung stellt (vgl. [Plat12], S. 246).

6 3 SAP HANA für ein Enterprise Data Warehouse Je nach vorhandener Systemlandschaft sind unterschiedliche Ansätze zur Implementierung denkbar und mit Lizenzmodellen von SAP vorgesehen. Drei Optionen werden im Folgenden dargestellt. 3.1 Implementierungsoptionen Standalone-Implementierung für Analysen Soll ein Analyseproblem gelöst und kein Applikationsserver NetWeaver BW eingesetzt werden, kann die Standalone-Implementierung eingesetzt werden. Sämtliche Prozesse müssen jedoch neu modelliert und erstellt werden, da eine komplette Neuinstallation durchgeführt wird. Das Werkzeug zur Modellierung der Daten kann frei gewählt werden, man ist daher nicht nur auf das HANA Studio von SAP beschränkt. Benutzer und Berechtigungen müssen manuell festgelegt werden. Von SAP NetWeaver BW bekannte Funktionen, wie zum Beispiel der Business Content, können bei dieser Implementierung jedoch nicht verwendet werden (vgl. [Berg13], S. 55 ff.) SAP NetWeaver BW auf SAP HANA Hat das Unternehmen bereits ein NetWeaver BW System im Einsatz, ist die zu empfehlende Option die sog. BW on HANA Implementierung. Dabei wird grob formuliert nur die darunterliegende Datenbank ausgetauscht. Alle Funktionen und Objekte der Schichten-Architektur von NetWeaver BW bleiben erhalten, somit gehen auch keine Investitionen für das Unternehmen verloren. Um eine Migration durchführen zu können, wird jedoch ein gewisser Versionsstand von NetWeaver BW vorausgesetzt. Möglicherweise muss daher vor der Migration erst ein Upgrade erfolgen. Ist die Migration schließlich abgeschlossen, profitiert man zwar sofort von der neuen Technologie, das heißt von einer besseren Abfragegeschwindigkeit, von schnelleren Datenladungen und einer Senkung des Speicherverbrauchs. Um jedoch in vollem Umfang zu profitieren, müssen zusätzlich einige Optimierungen manuell vorgenommen werden. Das Datenmodell kann beispielsweise verschlankt und vereinfacht werden, da Aggregate und redundante Tabellen nicht mehr notwendig sind. Zudem können InfoCubes in neue HANA-optimierte InfoCubes konvertiert werden, die eine nochmal verbesserte Abfragegeschwindigkeit liefern. Des Weiteren können neue InfoProvider die alten ersetzen und zusätzliche Geschwindigkeitsverbesserungen mit sich bringen (vgl. [Berg13], S. 69 ff.) SAP Business Suite auf SAP HANA Die letzte Implementierungsoption ist die SAP Business Suite on HANA. Die In- Memory Technologie wird dabei als zugrunde liegende Datenbank für alle Business Suite Anwendungen implementiert, ähnlich wie bei BW on HANA. Diese Lösung bietet allerdings keine Möglichkeit die HANA-basierten Werkzeuge für Entwurf und Konfiguration, wie z.b. das HANA Studio, einzusetzen. Es müssen die nativen SAP-Anwendungen verwendet werden. SAP

7 hat eine Unterstützung für eine Vielzahl an Geschäftsprozessen zugesichert, die auf einer HANA-Plattform ausgeführt werden können (vgl. [Berg13], S. 83f.). 3.2 Migrationsstrategien Für die Migration eines bestehenden Systems (NetWeaver BW oder Business Suite) sind unterschiedliche Migrationsstrategien möglich und abhängig von Aufwandsabschätzung und verfügbaren Ressourcen durchführbar Neuinstallation Eine Neuinstallation ist nur für BW on HANA denkbar und bietet die Möglichkeit, statt einer Migration und schrittweisen Optimierung einzelner InfoProvider komplette Datenflüsse von Grund auf neu zu entwerfen und zu implementieren Side-by-Side Bei einer Side-by-Side- oder Sidecar-Implementierung werden schrittweise Teile des bestehenden Systems auf die neue Datenbankplattform migriert. Vor allem für Datenflüsse mit hohem Nutzen durch eine Migration können schnell Verbesserungen erzielt werden. Ein hoher Aufwand wird vermieden Komplettmigration Hierbei wird das gesamte System migriert und die bisherige Datenbank komplett ausgetauscht. (vgl. [Berg13], S. 97ff.) 4 Datenmodellierung in SAP HANA on BW Die beiden folgenden Kapitel 4 (Datenmodellierung) und Kapitel 5 (Performancemessungen) beziehen sich auf eine Implementierung von SAP HANA on NetWeaver BW. Kapitel 4 beschreibt Optimierungen und neue Objekte, die HANA on BW zur Verfügung stellt. Kapitel 5 präsentiert Ergebnisse durchgeführter Tests mit Echtdaten und beschreibt die realisierten Abbildung 5: Mögliche Architektur in SAP HANA on BW ([SAP13], S. 76)

8 Performancesteigerungen. Abbildung 5 gibt zunächst einen Überblick über die in SAP HANA on BW neu verfügbaren Provider und deren Datenflüsse. Die darin verwendeten Begriffe InfoCube, TransientProvider, CompositeProvider und VirtualProvider werden im Folgenden beschrieben. 4.1 HANA-optimierter InfoCube Die größte Neuerung für bestehende Objekte in NetWeaver BW stellt der HANA-optimierte InfoCube dar. SAP nimmt mit einer Umgestaltung des Speichermodells eine grundlegende Konzeptänderung vor. Bisher wurde eine von SAP abgewandelte Form des Snowflake-Schemas verwendet, die aus einer Faktentabelle und mehreren Dimensionstabellen besteht. Die Dimensionstabellen besaßen jedoch keine Daten, sondern verknüpften wiederum die Stammdaten-Identifier (SIDs). Das neue Konzept sieht vor, dass die SIDs direkt in die Faktentabelle geschrieben werden und keine Dimensionsschlüssel (DIM-IDs) mehr verwendet werden. SAP orientiert sich damit näher an einem klassischen Star-Schema. Das Modell mit Faktentabelle und Dimensionen wird jedoch logisch beibehalten und gruppiert Merkmale semantisch, da es sich bei der Modellierung und Erstellung für den Endanwender bewährt hat. Das Resultat der Konzeptänderung ist ein schnelleres Lesen und Laden der Daten. Gleichermaßen trägt die nur noch eine verbleibende Faktentabelle zur Vereinfachung bei. Bisher existierten zwei Tabellen: die F-Tabelle mit schreib- /löschoptimierter Partitionierung und die E-Tabelle mit leseoptimierter Partitionierung. SAP behält nur noch die F-Tabelle, was eine einfachere Verwaltung der Daten ermöglicht (vgl. [Berg13], S. 197ff.). Bestehende Standard InfoCubes können mit einer Transaktion schnell und einfach konvertiert werden. Neu erstellte InfoCubes werden automatisch HANAoptimiert modelliert und müssen nicht separat konvertiert werden (vgl. [SAP13], S. 60 f.). 4.2 TransientProvider / CompositeProvider Ein neu entwickelter Provider-Typ stellt der TransientProvider dar. Wie in Abbildung 5 deutlich wird, baut dieser Provider ausschließlich auf einem HANA Modell auf und nicht auf einem NetWeaver BW Objekt. Um ein HANA Modell zu erstellen, muss das neue SAP HANA Studio verwendet werden. Es greift dort zwar auf die gleichen Tabellen der BW Objekte zu, erstellt jedoch andere Sichtweisen auf die Daten. Der Vorteil hierbei ist, dass Berechnungen und Joins direkt auf dem HANA-Server ausgeführt werden und nicht auf dem Applikationsserver des NetWeaver BW. Dadurch können bei richtiger Modellierung hohe Performanceoptimierungen erreicht werden (vgl. [SAP13], S. 82 ff.). Ein TransientProvider kann im BW nicht weiter verwaltet oder editiert werden. Er wird dort nur veröffentlicht, um für die Verwendung in Abfragetools wie dem SAP BEx Query Designer zur Verfügung zu stehen. Die Merkmale und Kennzahlen sind nicht mit InfoObjekten aus dem BW verknüpft und können dort

9 Time in hours auch nicht weiter verwendet werden. Eine Ausnahme stellt der neue Composite Provider dar. Mit ihm ist es möglich, ein HANA Modell mit Objekten aus der BW-Welt zu verknüpfen, was den Vorteil bietet, dass Operationen direkt auf dem HANA Server performant ausgeführt werden (vgl. [SAP13], S. 89 ff.). 4.3 VirtualProvider Ein VirtualProvider verarbeitet ebenfalls wie der TransientProvider Daten aus einem HANA Modell und stellt sie für Abfragen zur Verfügung. Der Vorteil gegenüber einem TransientProvider ist die Möglichkeit zur weiteren Verwendung in NetWeaver BW. Dort wird nach vorheriger Erstellung des HANA Modells bei der Modellierung des VirtualProviders jede Kennzahl und jedes Merkmal aus dem HANA Modell mit einem InfoObjekt aus dem BW-System verknüpft. Anschließend verhält sich der VirtualProvider wie andere BW Objekte und kann zum Beispiel mit Transaktionen Fortschreibungen in einen InfoCube abbilden oder mit anderen Objekten in einem MultiProvider kombiniert werden (vgl. [SAP13], S. 78 ff.). 5 Performancemessungen Um die neue Technologie besser einschätzen zu können, wurden bei einem global agierenden DAX-Unternehmen Tests durchgeführt. Echtdaten aus dem dort produktiv im Einsatz befindlichen NetWeaver BW System (nachfolgend BIP genannt) wurden in ein Sandbox System (nachfolgend POC genannt) kopiert, auf dem ein SAP BW on HANA System installiert und konfiguriert wurde. Die Erfahrungen, die im Zusammenhang mit den Tests gesammelt werden konnten, werden im weiteren Verlauf kurz beschrieben und erläutert. Bei den Daten handelt es sich um reale Produktionsdaten, die bei der Herstellung von elektronischen Bauteilen generiert werden. Täglich fallen dabei circa Datensätze an. Die Daten wurden über einen Zeitraum von 5 Jahren gespeichert und täglich in einen InfoCube geladen, der mittlerweile mit 32,9 Millionen Datensätzen gefüllt ist :34:43 Data loadings BIP, Standard InfoCube 7:32:28 5:04:39 POC, Standard InfoCube POC, HANA-optimized InfoCube Abbildung 6: Vergleich von Datenladungen (32.9 Mio Datensätze) SAP BW - SAP BW on HANA

10 Time in seconds In einem ersten Schritt wurden in dem POC-System zwei InfoCubes angelegt: Zum einen ein Standard InfoCube und zum anderen ein HANA-optimierter InfoCube. Die gemessenen Ladezeiten sind in Abbildung 6 dargestellt. Zum Vergleich wurden die Daten im BIP in einen temporären Cube erneut in einer 1:1-Fortschreibung geladen. Die dortige Ladezeit betrug 171 Stunden 34 Minuten. Während die Ladezeit mit einem Standard InfoCube im POC 7 Stunden 32 Minuten betrug, konnte die Ladezeit bei einem HANA optimierten InfoCube mit 5 Stunden 4 Minuten gemessen werden. Die benötigte Zeit für die Schreibvorgänge der HANA-internen Logdateien zur Datenwiederherstellung im Fehlerfall sind bereits mit inbegriffen. Vergleicht man schließlich das BIP mit einem HANA optimierten InfoCube, können Datenladungen also rund 33 Mal schneller ausgeführt werden. Neben den Ladezeiten wurde eine weitere Messung mit Abfragen an die drei erstellten InfoCubes durchgeführt. Dazu wurde eine Abfrage mit realem Anwendungsfall im BIP identifiziert, die eine Kennzahl der Materialbewegungen aggregiert. Zum Vergleich der unterschiedlichen Laufzeiten wurden Aggregationszeiträume mit zwei Wochen, einem Jahr und vier Jahren gewählt. Zusätzlich zu den InfoCubes wurde im POC außerdem ein HANA Modell erzeugt und darauf neue InfoProvider erstellt wie in Kapitel 4.2 und 4.3 beschrieben. Die Laufzeiten der Abfragen wurden mit einem ABAP-Programm standardisiert gemessen und mehrmals wiederholt ausgeführt. Die berechneten Durchschnittswerte der Messergebnisse visualisiert Abbildung Query performance weeks 1 year 4 years Abbildung 7: Vergleich von verschiedenen Abfragen SAP BW SAP BW on HANA BIP POC, Standard InfoCube POC, HANAoptimized InfoCube POC, TransientProvider POC, VirtualProvider Die Auswertung der Ergebnisse ergibt eine deutlich verbesserte Abfragezeit generell für alle InfoProvider auf der HANA Plattform. Dort können jedoch signifikante Unterschiede festgestellt werden, die sich vor allem bei größeren Datenmengen auswirken. So kann mit der Konvertierung eines InfoCube in einen HANA-optimierten InfoCube eine um durchschnittlich 36 Prozent höhere Geschwindigkeit erreicht werden. Noch schnellere Abfrageergebnisse konnten teilweise nur mit einem TransientProvider gemessen werden. Eine Erklärung dafür wäre, dass kein Applikationsserver mehr direkt im Datenfluss beteiligt ist

11 und alle Datenbankoperationen wie Joins direkt auf dem HANA Server ausgeführt werden. Der VirtualProvider hingegen benötigt einen Applikationsserver, womit die Geschwindigkeitsverluste erklärt werden können. Im Vergleich zum derzeitigen BIP-System kann mit einem HANA-optimierten InfoCube eine um Faktor 19,6 höhere Geschwindigkeit erreicht werden. Man kann jedoch beobachten, dass sich der Anstieg der Geschwindigkeit bei allen Objekten auf der HANA-Plattform nur sehr moderat im Gegensatz zu einem NetWeaver BW System verhält. In [SAP13] (S. 10) wird deutlich, dass der Faktor des Performancegewinn bei komplexeren Abfragen und größeren Datenmengen noch weiter ansteigt. Nichtdestotrotz bilden die Testergebnisse nur einen kleinen Ausschnitt der Realität ab und können nur einzelne Anwendungsfälle prüfen. Um den Aufwand überschaubar zu halten, wurden bewusst nur einzelne Testfälle erstellt. 6 Fazit und Ausblick Zusammenfassend erweist sich SAP HANA als zukunftsweisende Technologie, die viele neue Erkenntnisse und technische Entwicklungen in ihrem Konzept vereint. Verweist man auf die Fragestellung, die zu Beginn gestellt wurde, kann SAP HANA alle Motivationspunkte Reaktionszeit, Hardware Trends und TCO zu ihrem Vorteil nutzen. Die Wartezeit kann selbst bei größeren Abfragen mit kleiner gleich einer Sekunde gemessen werden, neue Technologien sind der Fortschrittstreiber und Datenflüsse werden reorganisiert, um eine schlankere Modellierung zu ermöglichen. Bei einem Wechsel sollte jedoch unbedingt beachtet werden, dass HANA zwar eine hohe Performance ermöglicht, diese aber nur in vollem Umfang nutzbar ist, wenn einige Optimierungen manuell vorgenommen werden. Ebenso machen sich die derzeit hohen Investitionskosten erst nach einer Verschlankung des Systems im laufenden Betrieb durch geringere administrative Aufwände bemerkbar. Insbesondere komplexe Abfragen und Tabellen mit großen Datenmengen profitieren von den vielen Neuerungen und sollten deshalb in den Fokus der Nacharbeit gerückt werden. Mit HANA hat SAP ein leistungsfähiges Produkt entwickelt, das beachtliche Testergebnisse liefert. Allerdings sind bereits andere Technologien wie DB2 BLU von IBM oder 12c R2 von Oracle auf dem Markt, die ähnliche Konzepte aufweisen. An In-Memory Datenbanken wird man deshalb bei großen Datenmengen mittelfristig nicht mehr vorbei kommen.

12 Literaturverzeichnis [Abad08] [Berg13] [Chen01] [Färb12] [Garc92] Abadi, D. J.: Query Execution in Column-Oriented Database Systems. Ph.D. thesis, MIT (2008) Berg, B. und Silvia, P.: Einführung in SAP HANA. Galileo Press, Bonn, 2013 Chen, Z., Gehrke, J., Korn, F.: Query optimization in compressed database systems. In: SIGMOD, S (2001) Färber, F., May, N., Lehner, W., Große, P., Müller, I., Rauhe, H., & Dees, J. (2012). The SAP HANA Database - An Architecture Overview. IEEE Data Eng. Bull., 35(1), Garcia-Molina, H., Salem, K.: Main memory database systems: an overview. In: TKDE 4, S (1992) [Geis13] Geist, F., Kluin, T., Ritz, H.: Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen, In: AKWI-Tagungsband 2013, S [Lami68] [Many11] [Plat12] [SAP13] [Schw14] Laming, D.: Information Theory of Choice-Reaction Times. Academic Press, New York, 1968 Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., Byers, A. H.: Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute, next_frontier_for_innovation Plattner, H. und Zeier, A.: In-Memory Data Management. Technology and Applications. Springer Verlag, Berlin, SAP: BW362, SAP NetWeaver BW, powered by SAP HANA, Schulungshandbuch. SAP AG, 2013 Schwan, R.: Das Konzept des Total Cost of Ownership (TCO) in der IT: Eine betriebswirtschaftliche Gesamtkostenrechnung. Diplomica Verlag, Kontakt Oliver Neumann, B. Sc. Wirtschaftsinformatik Universität Regensburg Universitätsstraße 31, Regensburg Prof. Dr. Edwin Schicker Hochschule Regensburg Fakultät Informatik und Mathematik Postfach , Regensburg

SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse

SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse www.osram-os.com SAP HANA als In-Memory-Datenbank-Technologie für ein Enterprise Data Warehouse Oliver Neumann 08. September 2014 AKWI-Tagung 2014 Light is OSRAM Agenda 1. Warum In-Memory? 2. SAP HANA

Mehr

Performanceaspekte in der SAP BI Modellierung

Performanceaspekte in der SAP BI Modellierung Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen

Mehr

www.braunconsult.de SAP BW 7.3 & SAP HANA

www.braunconsult.de SAP BW 7.3 & SAP HANA Performanceaspekte in der SAP BI Modellierung SAP BW 7.3 & SAP HANA Performance Indizes Aggregate DSO & InfoCube BWA SAP HANA Empfehlung 2 Performance Performance bedeutet, unter gegebenen Anforderungen

Mehr

6 HANA-optimierte InfoCubes

6 HANA-optimierte InfoCubes 117 HANA-optimierte InfoCubes bilden im»sap BW powered by SAP HANA«das Pendant zu relationalen InfoCubes in BW-Systemen mit relationalen Datenbanksystemen. Obwohl ihr Modell wesentlich auf die spaltenorientierte

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

Performance by Design Wie werden performante ETL-Prozesse erstellt?

Performance by Design Wie werden performante ETL-Prozesse erstellt? Performance by Design Wie werden performante ETL-Prozesse erstellt? Reinhard Mense ARETO Consulting Bergisch Gladbach Schlüsselworte: DWH, Data Warehouse, ETL-Prozesse, Performance, Laufzeiten, Partitionierung,

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

BW powered by HANA. Martin Effinger Month 06, 2013

BW powered by HANA. Martin Effinger Month 06, 2013 BW powered by HANA Martin Effinger Month 06, 2013 winnovation Quick Facts Form Aktiengesellschaft Gründung 28.3.2006 Aktienkapital 200 000 CHF (100% im Besitz des Mgt) Ort Baar (Zug, Schweiz) Mitarbeiter

Mehr

Einführung in Hauptspeicherdatenbanken

Einführung in Hauptspeicherdatenbanken Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation

Mehr

Business Mehrwerte von SAP HANA

Business Mehrwerte von SAP HANA Business Mehrwerte von SAP HANA von der Technologie zum Geschäft Halle, 07.05.2013 2013 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda GISA im Überblick Was ist SAP HANA? Was

Mehr

Information-Design-Tool

Information-Design-Tool Zusatzkapitel Information-Design-Tool zum Buch»HR-Reporting mit SAP «von Richard Haßmann, Anja Marxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo Galileo Press, Bonn 2013 ISBN 978-3-8362-1986-0 Bonn

Mehr

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R

S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S A P B W O N H A N A P R O O F O F C O N C E P T B E I S. O L I V E R S T E F A N M A R K 07.07.2015 F O L I E 1 V O N 2 7 F I R M E N P O R T R A I T S. O L I V E R GESCHICHTE F O L I E 2 V O N 2 7 F

Mehr

6 InfoCubes erstellen und konfigurieren

6 InfoCubes erstellen und konfigurieren InfoCubes bilden die Reportingschicht in der LSA; sie sind für die Performance des Reportings entscheidend. In diesem Kapitel stellen wir Ihnen vor, welche InfoCubes es gibt und wie Sie damit arbeiten.

Mehr

FAQ: SAP BW on HANA. Autoren: Mirko Sonntag, Etienne Schölzke. Stand: April 2013

FAQ: SAP BW on HANA. Autoren: Mirko Sonntag, Etienne Schölzke. Stand: April 2013 FAQ: SAP BW on HANA Stand: April 2013 Autoren: Mirko Sonntag, Etienne Schölzke Was ist SAP BW on HANA?... 2 Was sind die kritischen Aspekte beim Betrieb eines SAP BW auf einer konventionellen Datenbank

Mehr

Oracle BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

Mehr

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08

Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Datenkollektor für SAP Business Warehouse (BW) Status: 09.12.08 Inhaltsverzeichnis SAP BUSINESS WAREHOUSE (BW) DATENKOLLEKTOR 3 GRUNDSÄTZLICHES:...3 DER BW DATENKOLLEKTOR ÜBERWACHT DIE FOLGENDEN KERNPROZESSE

Mehr

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25 Inhalt Geleitwort 13 Vorwort 17 Einleitende Hinweise 19 Handhabung des Buches 19 Übergreifendes Beispielszenario 19 Nach der Lektüre 21 Danksagung 21 1 Business-Intelligence-Konzepte - Neuerungen 25 1.1

Mehr

Möglichkeiten der E-Mail- Archivierung für Exchange Server 2010 im Vergleich

Möglichkeiten der E-Mail- Archivierung für Exchange Server 2010 im Vergleich Möglichkeiten der E-Mail- Archivierung für Exchange Server 2010 im Vergleich Seit Microsoft Exchange Server 2010 bieten sich für Unternehmen gleich zwei mögliche Szenarien an, um eine rechtskonforme Archivierung

Mehr

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Performance-Optimierung in SAP BW. Helmut Tack

Performance-Optimierung in SAP BW. Helmut Tack Performance-Optimierung in SAP BW Helmut Tack INHALTSVERZEICHNIS Inhaltsverzeichnis Einleitung 9 1 Grundlegende Betrachtungen 13 2 Grundlagen der SAP BW-Datenhaltung 17 2.1 Flache Datenspeicher 21 2.2

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht MultiProvider 243 MultiProvider MultiProvider sind virtuelle InfoProvider ohne eigene Datenhaltung, deren Hauptaufgabe die Grundlage für die Datenanalyse und -planung ist. Dabei nimmt der MultiProvider

Mehr

Workshop Fit for SAP BW 7.40!

Workshop Fit for SAP BW 7.40! Workshop Fit for SAP BW 7.40! Fit for SAP BW 7.40 Seite 1 von 5 Agendavorschlag - Tag 1 Delta Workshop BW 7.4 09:00 09:15 Vorstellung Ablauf 09:15 09:30 Übersicht Neuerungen BW 7.4 09:30 10:00 Data Staging

Mehr

Inhaltsverzeichnis. Teil I Datenmodell 5

Inhaltsverzeichnis. Teil I Datenmodell 5 ix 1 Einleitung 1 Teil I Datenmodell 5 2 Grundlagen 7 2.1 Semantische Aspekte der Modellierung....................... 7 2.2 Zeilenbasierte Speicherstrukturen........................... 9 2.2.1 Star-Schema....................................

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

www.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale

www.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale SAP HANA Einsatzmöglichkeiten und Potenziale Vorstellung HANA Einsatzmöglichkeiten und Potenziale SAP HANA Studio Performance Was ist SAP HANA : SAP HANA ist eine neue Plattform die die In-Memory Technologie

Mehr

Praxishandbuch SAP BW 3-1

Praxishandbuch SAP BW 3-1 Norbert Egger Praxishandbuch SAP BW 3-1 Technische Universität DarmsUdt FACHBEREICH INFORMATIK BIBLIOTHEK Inventar-Nr.: Ä/A< Sachgebiete: Standort- Co Galileo Press Inhalt Vorwort 13 Zu diesem Buch 17

Mehr

BI ist tot, lang lebe BI!

BI ist tot, lang lebe BI! BI ist tot, lang lebe BI! SAP HANA Live vs. SAP BW powered by HANA Glaubt man der ein oder anderen aus Walldorf stammenden Marketingfolie, so sind die Tage von herkömmlichen Business Intelligence Systemen

Mehr

Aufgabe 1: [Logische Modellierung]

Aufgabe 1: [Logische Modellierung] Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines

Mehr

Antwortzeitverhalten von Online Storage Services im Vergleich

Antwortzeitverhalten von Online Storage Services im Vergleich EPOD Encrypted Private Online Disc Antwortzeitverhalten von Online Storage Services im Vergleich Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee

Mehr

System angelegt, an das ein BWA angeschlossen ist.

System angelegt, an das ein BWA angeschlossen ist. 129 BWA-Indizes sind ein Spezifikum des Business Warehouse Accelerator (BWA), dessen In-Memory-Technologie mit spaltenbasierter Speicherung in gewisser Weise als Ursprung der HANA-Datenbank betrachtet

Mehr

BI around the world - Globale Reporting Lösungen bei Continental Automotive

BI around the world - Globale Reporting Lösungen bei Continental Automotive BI around the world - Globale Reporting Lösungen bei Continental Automotive Stefan Hess Trivadis GmbH Stuttgart Herbert Muckenfuss Continental Nürnberg Schlüsselworte: Oracle BI EE, Business Intelligence,

Mehr

HANA. TOBA-Team Dresden 19.05.2012

HANA. TOBA-Team Dresden 19.05.2012 HANA TOBA-Team Dresden 19.05.2012 Kunde droht mit Auftrag! Ein großer Discounter schickt Anfrage: Bis wann und zu welchem Preis können Sie 30.000 Stück liefern? Die Hektik beginnt! Bis wann Welche und

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Oracle Automatic Storage Management (ASM) Best Practices

Oracle Automatic Storage Management (ASM) Best Practices Oracle Automatic Storage Management (ASM) Best Practices Markus Michalewicz BU Database Technologies ORACLE Deutschland GmbH 2 Page 1 www.decus.de 1 Agenda ASM Funktionalität und Architektur Storage Management

Mehr

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management Anke Noßmann Syncwork AG SAP HERUG Partnertag, Berlin 06. November 2009 Inhalt 1. Ausgangssituation 2. Alternative

Mehr

V13: SAP BW: Data Warehousing & Wiederholung

V13: SAP BW: Data Warehousing & Wiederholung Aufbaukurs SAP ERP: Module PP, FI und CO Wintersemester 2009/10 V13: SAP BW: Data Warehousing & Wiederholung 25. Januar 2010 Dipl.-Ök. Harald Schömburg Dipl.-Ök. Thorben Sandner schoemburg@iwi.uni-hannover.de

Mehr

2. Braunschweiger Linux-Tage. Vortrag über RAID. von. Thomas King. http://www.t-king.de/linux/raid1.html. 2. Braunschweiger Linux-Tage Seite 1/16

2. Braunschweiger Linux-Tage. Vortrag über RAID. von. Thomas King. http://www.t-king.de/linux/raid1.html. 2. Braunschweiger Linux-Tage Seite 1/16 2. Braunschweiger Linux-Tage Vortrag über RAID von Thomas King http://www.t-king.de/linux/raid1.html 2. Braunschweiger Linux-Tage Seite 1/16 Übersicht: 1. Was ist RAID? 1.1. Wo wurde RAID entwickelt? 1.2.

Mehr

Relationale Datenbanken Datenbankgrundlagen

Relationale Datenbanken Datenbankgrundlagen Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

Mehr

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN VERSION 1.0 OPTIMIERUNG VON ABFRAGEN IN MS SQL

Mehr

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9 vii 1 Einführung 1 1.1 SAP Business Information Warehouse... 3 1.1.1 BW Version 3.0...5 Architekturplanung.................................... 9 2 BW-Basissystem 11 2.1 Client/Server-Architektur... 12

Mehr

Aktueller Entwicklungsstand der PBS Nearline-Storage-Lösung für SAP BW. Dr. Christoph Bedau, Stefan Weickum, PBS Software GmbH

Aktueller Entwicklungsstand der PBS Nearline-Storage-Lösung für SAP BW. Dr. Christoph Bedau, Stefan Weickum, PBS Software GmbH Aktueller Entwicklungsstand der Nearline-Storage-Lösung für SAP BW Dr. Christoph Bedau, Stefan Weickum, Software GmbH Agenda -Lösungen für SAP BW Systemlandschaft SAP HANA Neue SAP Funktionalität unter

Mehr

REAL-TIME DATA WAREHOUSING

REAL-TIME DATA WAREHOUSING REAL-TIME DATA WAREHOUSING Lisa Wenige Seminarvortrag Data Warehousing und Analytische Datenbanken Friedrich-Schiller-Universität Jena - 19.01.12 Lisa Wenige 19.01.2012 2 Agenda 1. Motivation 2. Begriffsbestimmung

Mehr

Nutzung der Oracle Database InMemory Option für SAP BW

Nutzung der Oracle Database InMemory Option für SAP BW Nutzung der Oracle Database InMemory Option für SAP BW Schlüsselworte Oracle, SAP-BW, InMemory, Star-Schema. Jörn Bartels Oracle München Einleitung In SAP BW wurde bisher ein erweitertes Snow Flake Schema

Mehr

Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch

Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Obwohl mit der Verwendung von SAP HANA ein neuer semantischer Layer zum Einsatz kommt,

Mehr

Migration SAP BW 7.3 auf SAP HANA

Migration SAP BW 7.3 auf SAP HANA Migration SAP BW 7.3 auf SAP HANA IMCC 5.6.2013 Karl Schindler - IT 2011 SAP AG. All rights reserved. 1 Agenda Die Koehler Paper Group IT Landschaft InMemory - Technologie Anforderungen an modernes Reporting

Mehr

IT-basierte Kennzahlenanalyse im Versicherungswesen

IT-basierte Kennzahlenanalyse im Versicherungswesen Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

Mehr

ND.Zip & Notes/Domino 6

ND.Zip & Notes/Domino 6 ND.Zip for Notes Version 1.1 ND.Zip & Notes/Domino 6 Stand: 9.5.2003 Inhaltsverzeichnis 1 Inhaltsverzeichnis 2 ND.Zip: ein Muss auch für Notes/Domino 6! 3 LZ1 erzielt keinen Mehrwert, 4 Sofortiger und

Mehr

MHP BI Optimization Solution Ihre Lösung für einen maximalen Return on Investment Ihrer SAP BW Systemlandschaft!

MHP BI Optimization Solution Ihre Lösung für einen maximalen Return on Investment Ihrer SAP BW Systemlandschaft! MHP BI Optimization Solution Ihre Lösung für einen maximalen Return on Investment Ihrer SAP BW Systemlandschaft! Business Solutions 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung

Mehr

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector 7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen

Mehr

SAP BW: Erfahrungen in Projekt und Produktion. www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1

SAP BW: Erfahrungen in Projekt und Produktion. www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1 SAP BW: Erfahrungen in Projekt und Produktion www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1 Das Unternehmen DV-RATIO im Profil Qualität und Innovation seit 20 Jahren Beratungsteam

Mehr

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching 1.1 Caching von Webanwendungen In den vergangenen Jahren hat sich das Webumfeld sehr verändert. Nicht nur eine zunehmend größere Zahl an Benutzern sondern auch die Anforderungen in Bezug auf dynamischere

Mehr

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

OLAP und der MS SQL Server

OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen

Mehr

Aufbau einer Oracle Datenbank Tablespace, Arten von Dateien

Aufbau einer Oracle Datenbank Tablespace, Arten von Dateien Aufbau einer Oracle Datenbank Tablespace, Arten von Dateien Boris Meißner 05-INDT Fachbereich Informatik, Mathematik und Naturwissenschaften HTWK-Leipzig 05. Juni 2008 Boris Meißner (Fb IMN - HTWK-Leipzig)

Mehr

BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11.

BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11. BI-Kongress 2015 COMBINED THINKING FOR SUCCESS. Office of the CIO Daniel Stecher, Stephan Weber, Adrian Bourcevet Frankfurt, 09. Juni 2015 Zürich, 11. Juni 2015 CubeServ BI-Kongress 2015 / 1 Agenda Anforderungen

Mehr

Informationsportal für internen und externen Berichtszugriff mit BW 7.0 / BI 4.0 @ BOUYGUES E&S

Informationsportal für internen und externen Berichtszugriff mit BW 7.0 / BI 4.0 @ BOUYGUES E&S Informationsportal für internen und externen Berichtszugriff mit BW 7.0 / BI 4.0 @ BOUYGUES E&S Markus Leroy Manuel Kesseler June 12, 2013 Bouygues Energy & Services FM Schweiz AG Business & Decision Agenda

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

Fachbericht zum Thema: Anforderungen an ein Datenbanksystem

Fachbericht zum Thema: Anforderungen an ein Datenbanksystem Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank

Mehr

Oracle Warehouse Builder 3i

Oracle Warehouse Builder 3i Betrifft Autoren Art der Info Oracle Warehouse Builder 3i Dani Schnider (daniel.schnider@trivadis.com) Thomas Kriemler (thomas.kriemler@trivadis.com) Technische Info Quelle Aus dem Trivadis Technologie

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-Statistiken im Data Warehouse effizient nutzen Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

Mehr

UNLIMITED by Capgemini Echtzeit für Individualanwendungen

UNLIMITED by Capgemini Echtzeit für Individualanwendungen Application Services the way we do it UNLIMITED by Capgemini Echtzeit für Individualanwendungen Was wäre, wenn Ihre Individual-Software 30-mal schneller liefe? sie dabei 100-mal so viele Daten verarbeiten

Mehr

Analyzer für SAP E Recruiting

Analyzer für SAP E Recruiting Beschreibung Zur Analyse und Erfolgsmessung im Recruiting benötigen die Prozessbeteiligten aktuelle und verlässliche Kennzahlen und flexibel auswertbare Ansichten. Die Informationsversorgung reicht im

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche

Mehr

SAP HANA -Umgebungen. Prof. Dr. Detlev Steinbinder, PBS Software GmbH, 2013

SAP HANA -Umgebungen. Prof. Dr. Detlev Steinbinder, PBS Software GmbH, 2013 Information Lifecycle Management in SAP HANA -Umgebungen Prof. Dr. Detlev Steinbinder, PBS Software GmbH, 2013 Agenda Einführung Business Case Information Lifecycle Management (ILM) ILM und Migration nach

Mehr

Total Cost of Ownership Vergleich Linux/Windows

Total Cost of Ownership Vergleich Linux/Windows Aktuelle Themen der Informatik Total Cost of Ownership Vergleich Linux/Windows Tobias Walter CN7 Mai 2006 1 Agenda Was ist Total Cost of Ownership? 2005 North American Linux and Windows TCO Comparison

Mehr

Der Neue Weg zur Verschlüsselung von Datenbankinhalten

Der Neue Weg zur Verschlüsselung von Datenbankinhalten Der Neue Weg zur Verschlüsselung von Datenbankinhalten Da Häufigkeit und Schwere von Datendiebstahl zunehmen, ist es immens wichtig, dass Unternehmen vertrauliche und sensible Daten zusätzlich durch Verschlüsselung

Mehr

Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr.

Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Florian Johannsen AGENDA 1. Big Data Projekt der freenet Group Dr. Florian Johannsen

Mehr

Data Warehousing mit SAP BW 7.3

Data Warehousing mit SAP BW 7.3 Christian Mehrwald Data Warehousing mit SAP BW 7.3 Umfasst SAP BW 7.3 powered by SAP HANA 6., komplett überarbeitete Auflage M dpunkt.verlag Inhaltsübersicht 1 Einleitung 1 Teil I Datenmodell ~ 5 2 Grundlagen

Mehr

Self Service BI mit Office 2013 Raúl B. Heiduk

Self Service BI mit Office 2013 Raúl B. Heiduk 1 Self Service BI mit Office 2013 Raúl B. Heiduk Partner: 2 Agenda Begrüssung Vorstellung Referent Inhalt F&A Weiterführende Kurse 3 Vorstellung Referent Name: Raúl B. Heiduk Ausbildung: Dipl. Ing. (FH),

Mehr

Klicken. Microsoft. Ganz einfach.

Klicken. Microsoft. Ganz einfach. EMC UNIFIED STORAGE FÜR VIRTUALISIERTE MICROSOFT- ANWENDUNGEN Klicken. Microsoft. Ganz einfach. Microsoft SQL Server Microsoft SQL Server-Datenbanken bilden die Basis für die geschäftskritischen Anwendungen

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

BusinessITPeople. Reporting und Analyse mit SAP Business Objects. Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert

BusinessITPeople. Reporting und Analyse mit SAP Business Objects. Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert Reporting und Analyse mit SAP Business Objects Auf Basis von SAP BW oder relationalen DBMS Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert Reporting Automatisiert generierte

Mehr

SPARC LDom Performance optimieren

SPARC LDom Performance optimieren SPARC LDom Performance optimieren Marcel Hofstetter hofstetter@jomasoft.ch http://www.jomasoftmarcel.blogspot.ch Mitgründer, Geschäftsführer, Enterprise Consultant JomaSoft GmbH 1 Inhalt Wer ist JomaSoft?

Mehr

Oracle BI Publisher in der Oracle Business Intelligence Enterprise Edition Plus. Eine Mehrwertdiskussion

Oracle BI Publisher in der Oracle Business Intelligence Enterprise Edition Plus. Eine Mehrwertdiskussion Oracle BI Publisher in der Oracle Business Intelligence Enterprise Edition Plus Eine Mehrwertdiskussion Der Oracle BI Publisher als Teil der Oracle BI Suite versus Oracle BI Publisher Standalone Der Oracle

Mehr

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis DOAG Konferenz 2010 Claus Jordan Senior Consultant, Trivadis GmbH 16.11.2010 Basel Bern Lausanne Zürich Düsseldorf

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

Oracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de

Oracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de Oracle GridControl Tuning Pack best Open Systems Day April 2010 Unterföhring Marco Kühn best Systeme GmbH marco.kuehn@best.de Agenda GridControl Overview Tuning Pack 4/26/10 Seite 2 Overview Grid Control

Mehr

Enterprise Architecture Management für Krankenhäuser. Transparenz über die Abhängigkeiten von Business und IT

Enterprise Architecture Management für Krankenhäuser. Transparenz über die Abhängigkeiten von Business und IT Enterprise Architecture Management für Krankenhäuser Transparenz über die Abhängigkeiten von Business und IT HERAUSFORDERUNG Gestiegener Wettbewerbsdruck, höhere Differenzierung im Markt, die konsequente

Mehr

INFORMATION MONITOR HSM SOFTWARE GMBH CLIENT-INSTALLATION

INFORMATION MONITOR HSM SOFTWARE GMBH CLIENT-INSTALLATION INFORMATION MONITOR HSM SOFTWARE GMBH CLIENT-INSTALLATION Allgemein Infomon bietet die Architektur für das Informations-Monitoring in einer Windows- Topologie. Die Serverfunktionalität wird in einer IIS-Umgebung

Mehr

Anwendertage WDV2012

Anwendertage WDV2012 Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben Thema: Business Intelligence mit Excel 2010 Referent: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant Alles ist möglich! 1 Torsten Kühn Dipl.

Mehr

SQL Cockpit & SAP HANA Prüfen Sie Ihre SQL Abfragen auf HANA-Tauglichkeit

SQL Cockpit & SAP HANA Prüfen Sie Ihre SQL Abfragen auf HANA-Tauglichkeit SQL Cockpit & SAP HANA Prüfen Sie Ihre SQL Abfragen auf HANA-Tauglichkeit Johann Fößleitner Cadaxo GmbH email: johann.foessleitner@cadaxo.com Twitter: @foessleitnerj Agenda 1 SAP HANA Integrationsszenarien

Mehr

Error-Hospital für Oracle SOA Suite

Error-Hospital für Oracle SOA Suite Error-Hospital für Oracle SOA Suite Markus Lohn esentri AG Ettlingen Schlüsselworte Fusion Middleware, SOA, SOA Suite Einleitung Die Entwicklung von Services mit der SOA Suite erfolgt überwiegend deklarativ

Mehr

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...

Mehr

Einführung. Kapitel 1 2 / 508

Einführung. Kapitel 1 2 / 508 Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit

Mehr

8.4 Überblick und Vergleich weiterer ERP-Systeme. G Oracle Applications 11 G PeopleSoft 7 G J.D. Edwards One World G BaanERP

8.4 Überblick und Vergleich weiterer ERP-Systeme. G Oracle Applications 11 G PeopleSoft 7 G J.D. Edwards One World G BaanERP 8.4 Überblick und Vergleich weiterer ERP-Systeme G Oracle Applications 11 G PeopleSoft 7 G J.D. Edwards One World G BaanERP Kapitel 8: ERP-Einführung 32 Architektur von Oracle Applications 11 G Logische

Mehr

wikima4 mesaforte firefighter for SAP Applications

wikima4 mesaforte firefighter for SAP Applications 1 wikima4 mesaforte firefighter for SAP Applications Zusammenfassung: Effizienz, Sicherheit und Compliance auch bei temporären Berechtigungen Temporäre Berechtigungen in SAP Systemen optimieren die Verfügbarkeit,

Mehr

Data Warehouse Grundlagen

Data Warehouse Grundlagen Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

Mehr

Protected User-Level DMA in SCI Shared Memory Umgebungen

Protected User-Level DMA in SCI Shared Memory Umgebungen Protected User-Level DMA in SCI Shared Memory Umgebungen Mario Trams University of Technology Chemnitz, Chair of Computer Architecture 6. Halle Chemnitz Seminar zu Parallelverarbeitung und Programmiersprachen

Mehr

Data Warehouse Technologien

Data Warehouse Technologien Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............

Mehr

Das 1&1 Datawarehouse -Von Massendaten zu Prozesskennzahlen

Das 1&1 Datawarehouse -Von Massendaten zu Prozesskennzahlen Das 1&1 Datawarehouse -Von Massendaten zu Prozesskennzahlen Inhalt Das Unternehmen 1&1 Internet AG Ausgangssituation Projektziel Lösung Das 1&1 Datawarehouse 2 Zu meiner Person Volker Müller-Strunk Dipl.

Mehr

SAP Mobile Platform MÜNSTER 10.04.2013. best practice consulting Aktiengesellschaft Raboisen 32 20095 Hamburg T +49 40 303752-0 F +49 40 303752-77

SAP Mobile Platform MÜNSTER 10.04.2013. best practice consulting Aktiengesellschaft Raboisen 32 20095 Hamburg T +49 40 303752-0 F +49 40 303752-77 MÜNSTER 10.04.2013 SAP Mobile Platform best practice consulting Aktiengesellschaft Raboisen 32 20095 Hamburg T +49 40 303752-0 F +49 40 303752-77 E info@bpc.ag W www.bpc.ag Seite 1 18.04.2013 Agenda Einleitung

Mehr