Unter dem Titel DATA+ kombiniert die COMPUTERWOCHE 2015 den bereits aus den Vorjahren bekannten Best in Big Data Award mit einem erweiterten Konferenzprogramm. Anerkannte Experten erklären die aktuellen Trends im Markt, CIOs berichten von ihren praktischen Erfahrungen mit Big-Data-Projekten. So erläutert Stefan Mennerich, Direktor Neue Medien, Medienrechte und IT beim FC Bayern München, wie er sich die digitale Zukunft des deutschen Fußball-Rekordmeisters vorstellt.

Darüber hinaus können Besucher Themen im Rahmen von Workshops vertiefen. Dabei geht es beispielsweise um Predictive und Realtime Analytics als Basis für neue digitale Geschäftsmodelle. Ein weiterer Workshop diskutiert, wie im Big-Data-Zeitalter moderne Infrastrukturen für das Daten-Management aussehen sollten. Zudem gibt es auf der Konferenz DATA+ vielfältige Gelegenheiten, sich mit Experten, Analysten und Kollegen auszutauschen und dabei spannende Aspekte rund um Big Data zu entdecken.

Scale-out-NAS-Lösung von EMC

EMC tritt beim Best in Big Data Award 2015 mit seiner Storage-Plattform "Isilon" an. Dabei handelt es sich um eine hochskalierbare Scale-out-Network-Attached-Storage-(NAS-)Lösung, die Anwendern die Konsolidierung und das Management von Unternehmensdaten und -anwendungen erleichtern soll. Ein Isilon-Cluster lässt sich nach dem Prinzip eines Lego-Baukastens modular aufbauen. So können Speicherkapazität und Leistung individuell an Geschäftsanforderungen angepasst werden. Neue Knoten sollen sich binnen weniger Minuten in einen solchen Cluster-Verbund integrieren lassen. Ein Isilon-Cluster kann zwischen drei und 144 Knoten beinhalten. Die Speicherkapazität skaliert zwischen 16 Terabyte und 50 Petabyte. Mit steigender Speicherkapazität wächst auch die Leistung linear. So lassen sich Datendurchsatzraten von 200 MB pro Sekunde beziehungsweise 3,75 Millionen Input/Output Operations per Second (IOPS) erreichen.

Um das effiziente Management der Daten kümmert sich das Betriebssystem "EMC Isilon OneFS". Die Software sorgt dafür, dass sämtliche Cluster-Knoten möglichst gleichmäßig ausgelastet sind. Herstellerangaben zufolge erlaubt die intelligente Steuerung der Aufgaben Auslastungsraten von 80 Prozent und mehr. Darüber hinaus stellt OneFS auch die notwendigen Management- und Sicherheitsfunktionen bereit.

EMC verspricht den Anwendern, dass sie mit Isilon ihre Speicherinfrastruktur rationalisieren können. Zum Beispiel lassen sich mit dem System unterschiedliche Datenquellen konsolidieren. Isilon unterstützt eine große Zahl von Standardprotokollen und Zugriffsmethoden, darunter NFS, SMB, HTTP, FTP, OpenStack-Swift-basierten Objektzugriff und das Hadoop Distributed File System (HDFS). Damit lässt sich das System flexibel in Cloud-Umgebungen beziehungsweise virtualisierten Infrastrukturen einsetzen. Der Vorteil für Hadoop-Anwendungen: Anwender müssen kein dediziertes Direct-Attached-Storage-(DAS-)Silo anlegen, das in aller Regel um den Faktor drei größer konfiguriert werden muss als der Primärspeicher. Isilon kann direkt als Shared Storage für einen Hadoop-Cluster dienen. Gleichzeitig steht der Speicher neben Big Data Analytics auch anderen Anwendungen und Workloads zur Verfügung.

Event Stream Processing mit Barrage

MIOsoft hat das System "Barrage" für das Event Stream Processing entwickelt. Ziel ist, aus Datenströmen im Umfeld des Internet of Things (IoT) komplexe Muster erkennen zu können. Herstellerangaben zufolge reichen die Möglichkeiten weiter als klassische Grenzwertanalysen. Diese beschränken sich darauf, Ereignisse in Sensordatenströmen basierend auf zuvor definierten Grenzwerten zu erkennen und zu melden. Unterschiedliche Arten von Events und Mustern lassen sich jedoch wegen der limitierten analytischen Fähigkeiten meist nicht erkennen.

In diese Lücke stößt MIOsoft mit Barrage: Unterschiedliche Arten von Events in einem Sensordatenstrom unterscheiden sich durch die Kombination verschiedener Werte wie beispielsweise Stärke, Dauer, Frequenz und Änderungsrate. Diese Kombination der Charakteristika eines Events wird als Pattern bezeichnet. Ein solches Pattern beschreibt, wie einzelne Daten einer Sensormessung zueinander im Verhältnis stehen.

Barrage verfügt über Techniken, um asynchron eintreffende Datenströme entlang eines definierten Zeitstrahls zu korrelieren. Ihre Patterns können Anwender mit Hilfe der MIOsoft-Lösung definieren. Eingehende Datenströme werden dann im Zuge einer Advanced Pattern Recognition geprüft. Das funktioniert mit Echtzeitdatenströmen gleichermaßen wie mit historischen Daten. Beispielsweise lassen sich neu definierte Muster auch zunächst mit historischen Daten ausprobieren, um herauszufinden, ob das gewählte Pattern überhaupt zielführend ist und Sinn gibt. Sobald Barrage eine Serie von Datenpunkten findet, die auf ein bestimmtes zuvor festgelegtes Muster passt, wird ein Event ausgelöst. Zu jedem Event-Typ lassen sich bestimmte Benachrichtigungen konfigurieren, die dann an die entsprechend angebundenen Drittsysteme weitergegeben werden.

Für das Management der Sensordatenströme und die Erstellung der Musterdefinitionen stellt MIOsoft Anwendern ein Web-User-Interface (Web UI) zur Verfügung. Basis bildet eine auf der Open-Source-Programmiersprache Avail basierende Sprache. Diese ist dem Anbieter zufolge leicht zu erlernen. Zudem stehen Auto-Konfigurationsfunktionen für die Anbindung neuer Datenströme bereit. Barrage ist bereits als SaaS-Lösung wie auch als On-Premise-Produkt verfügbar.

Norcom schickt MDM ins Rennen

Norcom geht mit einer Lösung für das Messdaten-Management (MDM) auf Basis von NDOS in den Best in Big Data Award. Als Grundlage für seine Big-Data-Lösungen hat der Hersteller das "Norcom Data Operating System" (NDOS) entwickelt. Es erweitert Big-Data-Technologien wie etwa Hadoop um verschiedene Enterprise-Anforderungen - wie in diesem Fall MDM. Dabei geht es um die Massenverarbeitung von Sensor- und Messdaten etwa in der Automobilindustrie. Sensoren in vielen Geräten liefern hier laufend eine Fülle an Informationen und Messdaten. Diese dienen unter anderem dem Zustandsmonitoring oder der Qualitätsprüfung.

NDOS verfügt laut Hersteller über eine große Streaming-Bandbreite und ermöglicht die Ablage der Daten in einem Filesystem. Das beschleunigt den Import und reduziert den benötigten Speicherplatz. Darüber hinaus werden sämtliche Messdaten indiziert und damit den Suchfunktionen zugänglich gemacht. Diese erlauben eine Suche in polystrukturierten Daten. Suchen können Anwender nach Signalverläufen, Auffälligkeiten, Ähnlichkeiten, Mustern und Ereignisverläufen. Im Zuge der darauffolgenden Analyse lässt sich beispielsweise ein auffälliges Zusammenwirken von Signalen herausfiltern. Außerdem ist eine automatische Fehleranalyse möglich, beispielsweise wenn Messgrenzen überschritten werden oder Signalverläufe Anomalien aufzeigen.

Und die Sieger?

Nun stellt sich die Frage, wer am 17. September 2015 nach seinem Live-Pitch vor der Jury die Nase im Rennen um die beste Big-Data-Lösung vorne hatte. Auf der nächsten Seite erfahren Sie es!