In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest

Transkript

1 In.Memory im SQL Server 2014 im Vergleich mit SAP Hana im Praxistest Synopsis Darmstadt Guido Jacobs, Microsoft Tobias Maier & Dr. Benjamin Kettner, ixto GmbH

2 Microsoft SQL Server 2014 // SAP HANA Foto: Klaus Peter Beck / fotocommunity 2

3 Magic Quadrant for Business Intelligence Platforms 2014 einfach entscheiden. Quelle: Gartner 3

4 Why BI? Foto: M.Schlüter/pixelio.de 4

5 In Memory Systeme Transferrate Abfragezeit Volatiler Speicher Foto: 5

6 Drive real-time business with real-time insights Faster Transactions IN-MEMORY OLTP Up to 30x faster transaction processing with In-Memory OLTP Faster Queries IN-MEMORY DW Over 100x query speed and significant data compression with In-Memory ColumnStore Faster Insights IN-MEMORY ANALYTICS Greater performance with In-Memory Analysis Services Billions of rows per second with PowerPivot In-Memory for Excel 6

7 Breakthrough in-memory performance In-memory built into core engine Uses industry-standard hardware No need to rewrite existing apps Use the hardware you have today Faster apps & insights Best-of-breed in-memory by workload Up to 30X OLTP performance gains Up to 100X Faster star join queries 90% Disk space savings 7

8 OLTP einfach entscheiden. Modelldaten OLAP Realistische Netzgröße Analysen und Auswertungen IN MEMORY Foto: Karin Schumann/pixelio.de Simultanes Schreiben Geringe Latenz 8

9 Warum simulierte Daten? Skalierbar Kontrollierbar Für Benchmarks geeignet Foto: Markus Vogelbacher/pixelio.de Generisch 9

10 Statischer Teil Dynamischer Teil Synopsis 2014 G. Jacobs, T. Maier, B. Kettner 11

11 Hybrider Ansatz Umsetzung in SQL Server 2014 CTP2 Einzelne Tabellen beim Erstellen in In Memory Filegroup ColumnStore-Index (In Memory) für einzelne Tabellen Persistieren der Daten von Hand 11

12 The entire DB doesn t need to be In-Memory einfach entscheiden. Application Warm and hot data Cold Data On-Disk Single Query 12

13 Zusammenspiel der Komponenten Dynamischer Anteil wird oft aktualisiert Statischer Anteil wird nur einmal initialisiert Dynamischer Anteil InMemory OLTP Für OLAP, Abzug des dynamischen Teils persistieren Auswertungen darauf per Columnstore beschleunigen Foto: Lisa Spreckelmeyer/pixelio.de 13

14 DEMO Foto: Lutz Stallknecht/pixelio.de 14

15 Monolithischer Ansatz InMemory spaltenbasierte Suche TREX MaxDB SAP HANA 1.0 November 2010 P*TIME Datenbankengine InMemory OLTP engine 15

16 Zusammenfassung: Terminologie In.Memory OLTP engine In.Memory DWH-Technologie SAP HANA P*Time T-Rex SQL Server Hekaton Column Store RDBMS Max DB SQL Server

17 SQL Server 2014 SQL Server 2014 enables customers to build missioncritical applications and Big Data solutions using high- Geschäftkritische & Big Data Lösungen performance, in-memory technology across OLTP, data warehousing, business Standard intelligence Hardware and analytics workloads without having to buy expensive add-ons or high-end appliances. Standard SQL Server Management 2014 uses a common Werkzeuge set of tools to deploy and manage databases both on-premises and in the cloud, which makes it easier for customers to take advantage of the cloud with existing skills. vorhandene Fähigkeiten werden genutzt 17

18 SAP HANA Perform real-time analysis and develop and deploy realtime applications Echtzeit with the SAP HANA real-time data platform. Deployable as an on-premise Appliance appliance or via the cloud, this revolutionary platform has the real-time SAP HANA database at its core which due to the combination of row and column store is fundamentally different from any other database engine on the market today. Kombination aus Row- und Columnstore 18

19 Schreib-Performance InMemory-Filegroup Dauer für Einfügevorgänge [s] Foto: Olaf Schneider/pixelio.de Zeilen Zeilen In-Memory HDD 19

20 Zeilen/Sekunde einfach entscheiden. Vergleich Schreibperformance Import einer CSV-Datei out of the box 0 1,E+05 1,E+06 1,E+07 1,E+08 Gesamtzahl Zeilen SQL Server 2014 SAP HANA 20

21 Abfragedauer in Sekunden einfach entscheiden. SQL Server ,00 30,00 Beispiel-Abfrage: Durchschnittliche Passagierzahl nach Station 28,70 25,00 20,00 15,00 10,00 5,00 0,00 6,20 SQL Server HDD (Zeilenbasiert) SQL Server Spaltenbasiert (In-Memory) SQL Server InMemory OLTP 0,87 21

22 Abfragedauer in Sekunden einfach entscheiden. SAP HANA 35,00 Beispiel-Abfrage: Durchschnittliche Passagierzahl nach Station 30,00 25,00 20,00 17,50 15,00 10,00 5,00 0,00 4,10 SAP HANA Spaltenbasiert (HDD) SAP HAHA Spaltenbasiert SAP HANA Zeilenbasiert SAP HANA Spaltenbasiert 0,90 22

23 Abfragedauer in Sekunden einfach entscheiden. Vergleich Abfrageperformance 35,00 Beispiel-Abfrage: Durchschnittliche Passagierzahl nach Station 30,00 25,00 SQL Server ,70 SAP HANA 20,00 17,50 15,00 10,00 5,00 6,20 4,10 0,00 HDD 0,87 Column Store InM OLTP HDD ColS 0,90 InM ColS InM OLTP 23

24 Abfragedauer in Sekunden einfach entscheiden. 12,00 Vergleich Abfrageperformance Beispiel-Abfrage: Single row retrieval 11,00 10,00 8,00 SQL Server 2014 SAP HANA 6,00 4,00 3,00 3,30 3,40 2,00 0,00 HDD Column Store 0,00 InM OLTP HDD ColS 0,03 InM ColS InM OLTP 24

25 Fazit Abfrageperformance Aggregierte Abfragen: Foto: RainerSturm/pixelio.de HDD-Zugriff: SQL Server 2014 und SAP HANA gleichauf In Memory spaltenorientiert: SQL Server 2014 und SAP HANA gleichauf In Memory Zeilenbasiert: Vorteil SAP HANA Single row retrieval und TOP Abfragen: Vorteil SQL Server

26 Last but not least die Kosten Bestehende Infrastruktur vs. Appliance Foto: Thomas Klauer/pixelio.de 26

27 Vorteile hybrider Ansatz Investition in Speicher nur bei Performancegewinn Typisch: 10% Daten für 90% der Zugriffe 9/10 Speicher entbehrlich fast ohne Performanceverlust Flexibilität, die erheblich Kosten spart! Foto: Silke Kaiser/pixelio.de 27

28 Fazit Mit dem SQL Server 2014 schließt Microsoft die Lücke zum etablierten Marktführer für In Memory Datenbanken. ixto GmbH Friedrichstraße Berlin Fragen? GERNE NACH DEM VORTRAG HIER AM STAND. Foto: Tony Hegewald/pixelio.de 28