"Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT?" Matthias Heiler, Solution Architect, Database & Technology, SAP Deutschland 23. April 2013 Do Things Differently Do Different Things
Agenda Ein kleines Gedankenexperiment Heutige Business Anforderungen für Enterprise Computing Neue Enterprise Computing Anforderungen Enterprise Application Charateristika Technologie Einführung Historie, Core Konzepte und Roadmap Kundenbeispiele Kunden, die HANA Beschleuniger oder Rapid Deployment Solutions implementieren Projekte mit free style Anwendung 2013 SAP AG. All rights reserved. 2
Ein Wendepunkt Licht in Slow Motion 2012 (Femto) - Trillion frames per second! 1964 (Micro) Million frames per second! http://www.ted.com/talks/ramesh_raskar_a_camera_that_takes_one_trillion_frames_per_second.html 2013 SAP AG. All rights reserved. 3
SAP s Antwort auf Big Data ist SAP HANA 2013 SAP AG. All rights reserved. 4
Was ist HANA? HANA = High Performance ANalytical Appliance Das ist Hardware plus Software einem Paket 2013 SAP AG. All rights reserved. 5
Think Game Changing! Think Big! Antworten in Real-Time für das Business Business Application SAP HANA?? Transaktional Analysieren Vorhersage Social Media Oracle MS SQL DB2 Sybase Postgres Hyperion Cognos SAP BW SAS Teradata Radian 6 2013 SAP AG. All rights reserved. 6
Heterogene (strukturierte, unstrukturierte, semi-strukturierte) Daten (Big Data) in Echtzeit zu verstehen (Analyse) Entscheidungen zu treffen, und Aktionen durchzuführen (Transaktion), auf den Daten (In-Memory) SAP HANA 2013 SAP AG. All rights reserved. 7
IMDBMSs will see great adoption in the coming years. Not only (1) speeding up existing applications but also (2) supporting new business opportunities. Ensure you understand the business value and technology options available. Gartner, September 10 th, 2012, Who s Who in In-Memory Database Management Systems (IMDBMS)
Software & Hardware
OLAP & OLTP
RAM 250 TB RAM 2013 SAP AG. All rights reserved. 11
Laden 2,5 TB / h
Up to 230k x Faster
Beverage Oil & Gas Retail Life Sciences Telecommunications Professional Services Utilities & Waste Chemicals Automotive Automotive Consumer Products/Wholesale Forest Products, Furniture & Textiles Construction Materials, NEC Consumer Products Primary Metals Consumer Products Retail Banking Consumer Products Aerospace Consumer Products Utilities & Waste Retail Consumer Products Insurance Consumer Products Primary Metals Industrial Machinery & Components Professional Services Performance Factor Durchschnittlicher SAP BW on HANA Performancegewinn: 12380x 1,000,000 100,000 10,000 1,000 100 10 1 0.100 0.010 0.001 3 3 Old Speed Report [sec.] New Speed Report [sec.] Performance Factor 864,000 259,200 68,400 86,400 45,000 100,000 36,000 10,800 16,920 21,600 6,480 2,700 3,600 3,000 2,700 4,300 300 136 360 1,260 420 300 333 300 360 240 300 360 220 30 40 45 120 60 120 37 13 15 44 6 10 10 10 9 10 5 4 5 2 2 2 3 3 1 1 0 HANA Customer by Industry 2013 SAP AG. All rights reserved. 14
Enterprise Information Architektur hinkt hinterher Real-time Service Levels können nicht bereitgestellt werden Platten-zentrische Verarbeitung verursacht große Flaschenhälse I/O Bottleneck daraus resultierend komplexe Entwicklungsparadigmen und in-effiziente Deployment Architekturen mit in-effektiver User Experience Disk Storage 2013 SAP AG. All rights reserved. 16
Zusammenbringen von Transaktionen und Analytics kurze Latenzzeiten durch in-memory Technologie CPU Memory Column Store Partitioning Compression Insert Only on Delta Logging and Backup Storage Disks 2013 SAP AG. All rights reserved. 17
Ermöglichen von real-time Anwendungen und Analytics Grundlage für eine intelligentere User Experience Predictive Analysis Text Search (Fuzzy) Business Rules Management Business Function Libraries In-memory Database R & Hadoop Integration Planning and Calculation Engine 2013 SAP AG. All rights reserved. 18
Wichtige Technologie Trends + Multi-Core Große Anzahl an Cores Massive Parallelskalierung Parallelisierung auf Thread-Ebene + großer Hauptspeicher 64-Bit Adressraum Speicherchips mit hoher Dichte Starker Preisverfall Core 1 st Level Cache 2 nd Level Cache CPU Core 1 st Level Cache 2 nd Level Cache - Speicherlatenzzeit Kein CPU-Leerlauf aufgrund fehlender Daten Relevanz der Speicherlokalität ( RAM locality is king ) Kosten pro Terabyte Hauptspeicher 1990 84.000.000 EURO 2012 4.000 EURO Shared 3 rd Level Cache Main Memory Disk 2013 SAP AG. All rights reserved. 19
Hauptspeicher (RAM) ~100ns TBs L1 CACHE ~1ns 64k L2 CACHE ~5ns 256k Disk > 1.000.000ns TBs L3 CACHE ~20ns 8M 2013 SAP AG. All rights reserved. 20
Daten zur Applikation 2013 SAP AG. All rights reserved. 23
Algorithmen zur Datenbank 2013 SAP AG. All rights reserved. 24
650+ Kunden 2013 SAP AG. All rights reserved. 25
Beispiele von SAP HANA Kunden 2013 SAP AG. All rights reserved. 26
Tokio Taxi Szenario Customer Testimonial Video Ohne HANA App Investment von 2 Milliarden EURO und jährliche Kosten > 40million EURO Mit HANA 12.000 Taxis & 300.000 private Autos via mobilen apps. -> 3TB pro Tag 100 mal günstigere Navigationslösung für Autofahrer 100 mal günstigerer Betrieb des Verkehrs-Informationssystems
GoRFID Technologie Überwachung der Lieferkette von Medikamenten / Aufdeckungen von Medikamenten-Fälschung Komplette pharmazeutische Lieferkette in Europa: 8.000 Ereignisse/Sekunde 2013 SAP AG. All rights reserved. 28
Szenarien für SAP HANA Reporting (Content) Acceleratoren BW auf HANA Technologie SAP HANA Applikationen Demo 2013 SAP AG. All rights reserved. 29
Predictive Maintenance Technologie Beschreibung Erstellung von Vorhersagemodellen auf Basis von sehr großen Datenmengen (strukturiert und unstrukturiert) für das Managen von Anlagegütern Aktuelle Situation Komplexe Anlagegüter haben eine Vielzahl von Parametern, meist untereinander Abhängigkeiten haben. Eine Analyse fällt aufgrund von hohen Volumen nicht leicht. Vorteile Die Analysis von allen Abhängigkeiten zwischen den unterschiedlichen Paramenten eines Anlagegutes ermöglicht es genauere Aussagen über Fehlerwahrscheinlichkeit und Eintrittszeitunkt zu treffen. Ergebnis Reduzierung von unerwarteten Wartungen führen meist zu verbesserten Ergebnissen und damit zu einem erhöhten Umsatz bzw. deutlich niedrigeren Kosten. 2013 SAP AG. All rights reserved. 30
Big Point Hamburg: 250 Mio. registrierte Spieler 2013 SAP AG. All rights reserved. 31
Soziale Netzwerke und das Web Soziale Netzwerke als Seismographen der öffentlichen Meinung Twitter: 1 Mrd. neue Tweets alle 5 Tage Unternehmen scannen Twitter nach Tweets über ihre Produkte Kombination mit Informationen über Vertriebskampagnen etc. Nur Aggregate, keine persönlichen Daten! Web Suche als Indikatoren für Grippe Epidemien Google Fieber-Trends überwacht Websuchen nach Fieber Akkurate Schätzung des aktuellen Verbreitungsgrad der wöchentlichen Verbreitung einer Fieberwelle 2013 SAP AG. All rights reserved. 32
www.saphana.com 2013 SAP AG. All rights reserved. 33
Auswirkungen auf die IT Definition von Metriken und Dashboards Einführung (plan) Migration ohne Neu-Implementierung (BW on HANA) Schnellere Änderungszyklen, Prototyping, Tests Keine Unterbrechung existierender Szenarien Optimierungen Modellierung und Design ETL & Transformationen Traditionell Definition von Metriken und Dashboards Optimierungen Modellierung und Design ETL & Transformationen SAP HANA Modellierung (build) Vereinfachte Datenmodellierung Reduzierung Datenduplizierung Hohe Komprimierungsraten Weniger Daten, die materialisiert werden Betrieb (run) Vereinfachte Administration Geringere Aufwände für Optimierung der Performance Reduzierter HW-Footprint 2013 SAP AG. All rights reserved. 34
Echtzeitvorteile für Ihr Unternehmen SAP Business Suite powered by SAP HANA Intelligentere Innovationen Erschließen Sie neue Wachstumschancen schneller als der Wettbewerb Schnellere Geschäftsprozesse Halten Sie Schritt mit dem Markt Einfachere Interaktionen Ermöglichen Sie es Mitarbeitern, präzise und fundiert zu handeln 2013 SAP AG. All rights reserved. 36
SAP HANA Information 2013 SAP AG. All rights reserved. 37
"Big Data welche Antwort hat SAP auf diesen aktuellen Trend in der IT?" SAP In-Memory Data Management - Strategie, Technologie und Umsetzung in der Praxis Do Things Differently Do Different Things
No Limits In-Memory Computing Let s Win Together! Have a Great 2010! Kontaktinformation: Matthias Heiler SAP Deutschland AG & Co.KG E: matthias.heiler@sap.com www.saphana.com
Fragen?