Wissen und Blog
Off

                                             Smarte MPP-Systeme und eine neue Herangehensweise erlauben eine Use-Case by Use-Case Ablöse

In einem Video veranschaulicht Ihnen Dr. Thomas Petrik (Technischer Leiter bei sphinx), wie eine schrittweise Modernisierung Ihres DWHs bis hin zu einer Komplett-Ablöse funktioniert. Schauen Sie rein!

 

Glühbirnen

Mögliche Beweggründe für eine Ablöse

 

  • hohe Aufwände für ETL-Funktionalität
  • lange Laufzeiten im Load - Power des DWH-Clusters nicht genutzt
  • hoher Aufwand für Core-Modell
  • keine vollständige Historisierung - schlechte Nachvollziehbarkeit
  • Analyst hat nur eingeschränkte Sicht über Datamarts
  • Data Scientist hat keinen performanten Zugriff auf Core und Stage
  • zusätzlicher Job Scheduler erforderlich

Es geht auch innovativer ohne gleich alles über Bord zu werfen!


Folgende Vorgehensweisen erlauben eine schrittweise Modernisierung Ihres DWHs bis hin zur Komplett-Ablöse:
 

Phase 1: Ein schlankes MPP-System als externen Accelerator einsetzen (1:1 Replikation)
Phase 2: Das vrhandene DWH als Source für ein neues DWH auf Basis von MPP nutzen (volle Historisierung)
Phase 3: Kompletter Umstieg auf MPP-System - Use-Case by Use-Case und Source by Source (Laden von den Quellen)



Der Nutzen ist vielfältig

 

  • Smartes Adhoc-Reporting Out-of-the-Box
  • Perfekte Historisierung nach fachlichen und technischen Richtlinien
  • „Zeitreisen“/Momentaufnahmen – Nachvollziehbarkeit von Änderungen
  • Security Out-of-the-Box
  • ELT in der Datenbank
  • Keine prozeduale Logik
  • Near realtime, hochperformant
  • Bottom-Up-Ansatz
  • Lizenzeinsparung u.a. (ETL-Tools, Job Scheduler)
  • Fachbereich hat Zugriff auf die gesamte Source-Sicht
  • hochperformant
  • voll historisiert
  • Sicheres Sandboxing
  • Zugriffsberechtigungen im Self-Service für Data Science
  • Agilität im Reporting: schnelle Änderung der virtuellen Datamarten



Schauen Sie rein!

 

Thomas Petrik