Oracle Database 12c In-Memory Option 7/18/2014. Eckart Mader Oracle Deutschland B.V. & Co. KG. Karlsruhe, den

Transkript

1 Oracle Database 12c In-Memory Option Eckart Mader Oracle Deutschland B.V. & Co. KG Karlsruhe, den

2 Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment to deliver any material, code, or functionality, and should not be relied upon in making purchasing decisions. The development, release, and timing of any features or functionality described for Oracle s products remains at the sole discretion of Oracle. Oracle Confidential 3 Wo kann Oracle In-Memory unterstützen? Fachbereich Schnelle Antwortzeiten auch bei großen Systemen. Unterstützung neuer Analyseanforderungen. Flexibleres Standardreporting. Extrem zeitnahe Auswertungen von OLPT, DWH und Mixed Workload. IT Verringerung der Komplexität. Einfache Verwaltung und Umsetzung. Einfache Nutzung ohne Änderung der Infrastruktur. u.v.a.m Auch OLTP-Systeme können einen vergleichsweise hohen Berichtsanteil beinhalten. 4 2

3 Oracle In-Memory Technologie Oracle In-Memory Technologien Result Cache - Inside shared pool - At client side - Appl. Transparency Flash Cache Data Buffer Extensions 2 nd level Cache Database Buffer Default Cache Keep Cache Recycle Cache LRU-Algorithmus Database In- Memory Technology Memory optimized technologies Compression Partitioning Parallel operations OLAP Exadata X4 Hybrid Col. Compr. Smart Scan Storage Index Smart Flash Cache Smart Flash Logging In-Memory Option Row and column In-Memory Format simultanously, transactional consistency TimesTen IMDB IMDB Database Cache Option TimesTen for Exalytics In-Memory technology for Middle-Tier Coherence Data Grid Object Cache / Data Grid for distributed applications 6 3

4 Oracle Datenbank 12c In-Memory Option Ziele Sehr hohe Performance: Analytics, Reporting, Batch Flexibel für gemischten Workload: OLTP und Data Warehouse Transparent: - keine Änderung der Anwendung - keine operationalen Änderungen - keine Bewegung von Daten Einfach: Anwendung und Implementierung 7 Klassischer Zeilenansatz vs. spaltenorientierter Speicherung Row SALES OLTP läuft am Besten mit Zeilen-Format Operationen auf wenigen Zeilen, vielen Spalten Beispiel: Insert, Update oder Abfragen auf Tabellen Column SALES DWH Abfragen laufen am Schnellsten Spalten-Format Operationen auf wenige Spalten, viele Zeilen Beispiel: Auswertung Summe aller Verkäufe pro Region Bislang gab es nur die Entweder-Oder-Entscheidung 8 4

5 Oracle Datenbank optimiert für beide Formate Memory SALES Row Format Memory SALES Column Format Tabelle liegt im Row- und Column-Format vor. Gleichzeitig aktiv und transaktional konsistent. Analyse & Reporting nutzen transparent das neue Column-Format. OLTP Systeme nutzen das erprobte Row-Format. 9 In-Memory Column Store Teil des Datenbank Cache 10 5

6 REGION Vector Register 7/18/2014 Oracle In-Memory Columnar Technologie Pure In-Memory Columnar SALES Reines In-Memory Format ohne Logging Hintergrundprozess transferiert die Daten in den Columnar Store Lesen der Tabelle durch den Benutzer Startphase der Datenbank Objekte Tabellen Spalten Partitionen Materialized Views Tablespace Datenbank 11 Performancesteigerungen für Daten Scanning Example: Find all sales in region of CA Memory CPU Load multiple region values CA CA CA CA select sum(amount) from sales where REGION = CA Vector Compare all values an 1 cycle Jede CPU Core nutzt die lokalen Vector Register, um die In-Memory Spalten parallel zu bearbeiten. Optimiertes Format für superschnelle SIMD Vektor-Operationen. Neue und spaltenspezifische Komprimierungs-Verfahren Nur benötigte Spalten werden gelesen. > Faktoren an Performance! * SIMD: Single Instruction Processing Mutiple Data Values 12 6

7 Type Store ID Outlets Store ID Amount 7/18/2014 Performance durch intelligente In-Memory Funktionen Scans, Filter, Joins, Aggregate, Summen Example: Find total sales in outlet stores Stores Type=Outlet StoreID in 15, 38, 64 select sum(amount) from Stores, Sales Sales sum where type = 'Outlet' and in (15, ) Klassische Join-Operationen können durch intelligentes Filtern und Scanning um Faktoren schneller ablaufen. Besonders analytische Applikationen profitieren. Abfragen, Reports können schneller und häufig ohne vordefinierte Aggregate ausgeführt werden. 13 Performance bei Aggregationen und Summenbildung Example: Report sales of footwear in outlet stores Products Footwear Stores Outlets In-Memory Report Outline Footwear $ $$ $$$ $ Sales Sales Dynamische Vorausberechnung von Berichten im Hauptspeicher. Ergebnisse werden während des Fast-Scans bereits berechnet. Abfragen, Reports können schneller und häufig ohne vordefinierte Aggregate ausgeführt werden. Bloom Filtering, Storage Index,Vector Joins,Vector Group by, Vectore Order by 14 7

8 Store ID 7/18/2014 Columnar Store Storage Index select from stores where storeid > 8; Pure In-Memory Columnar Min 1 Max 3 Min 4 Max 7 Ermittlung von Min/Max Werten Extreme Beschleunigung des Scan Vorgangs Vergleichbar Exadata Storage Index Min 8 Max 12 Min 13 Max Hoher Pflegeaufwand für Analytische Indizes bei OLTP Table 1 3 OLTP Indexes Analytic Indexes Reporting auf das Online System Indizierung vor allem für den analytischen Bereich. Indizes beschleunigen vor allem bekannte Abfragen. Die Pflege der Indizes kann u.u. aufwendig sein. 8

9 Analytische Indizes werden überflüssig Table 1 3 OLTP Indexes In-Memory Column Store In-Memory Column Store ersetzt die analytischen Indizes und reduziert Administration und Tuning. Applikationen werden generell schneller, da weniger Indizes gepflegt werden müssen. OLTP & Batch können davon profitieren. Performancefunktionen für In-Memory SCAN Storage Index: max/min, count, in, not in, between, JOIN / Filter VECTOR JOIN AGGREGATE VECTOR GROUP BY VECTOR ORDER BY Ein Analyseschritt: SCAN.JOIN.AGGREGATE 18 9

10 Ease of Use 1. In-Memory Größe definieren - inmemory_size = XXXX GB 2. Tabellen oder Partitionen festlegen - alter table partition inmemory; 3. Analytische Indizes löschen (optional) 4. Einfach Testen! 19 Skalierung der Oracle In-Memory Datenbank Scale-Out über Servergrenzen für mehr Memory und CPU. Scale-Up für SMP Systeme. In-Memory Abfragen werden innerhalb und über Servergrenzen parallelisiert. Direct-to-wire InfiniBand Protokoll 20 10

11 Verfügbarkeit der Oracle In-Memory Datenbank Tabellen und/oder Partitionen werden verteilt vorgehalten. Transparent für die Applikation Keine Änderung an der Administration Keine Änderung der Betriebsprozesse für Hochverfügbarkeit, Backup/Recovery etc. RAC 21 In-Memory Advisor Enterprise Manager Analyse des aktuellen Workloads Empfehlungen für Objekte, die am meisten von In-Memory profitieren. Umsetzungsvorschläge Übersicht für - Objekte - Komprimierungsgrad - etc

12 Oracle Datenbank 12c In-Memory Option Ziele Sehr hohe Performance: Analytics, Reporting, Batch Flexibel für gemischten Workload: OLTP und Data Warehouse Transparent: - keine Änderung der Anwendung - keine operationalen Änderungen - keine Bewegung von Daten Einfach: Anwendung und Implementierung 24 12