Technische Herausforderungen
Je mehr Daten gesammelt werde desto grösser werden die technischen Aufwände die für die Ausarbeitung der Informationen und der Speicherung der Dtaten betrieben werden müssen. Wegen dieser zunehmenden Komplezität basieren Technisch Big-Data-Anwendungen nicht auf einer einzigen Technologie, sondern im Grunde auf einem Zusammenspiel verschiedener Innovationen, wofür aber herkömmliche Technologien wie z.B. klassische Datenbanken nicht ausreichen. Jede Technologie verfolgt ihren eigenen Zweck und ihre spezielle Funktion, mit Daten zu hantieren.
Je nach Anforderungenn kommen verschiedene Kombinationen und Architekturen infrage. Zur Orientierungen unterscheidet man 4 Kategorien:
Standardisierte Analytics: Für Anwendungen mit geringeren Anforderungen an Zeit und Datenvielfalt.
In-Memory-Technologien: Für sehr grosse Datenauswertungen.
Hadoop-Lösungen: Für grosse Vielfalt an Datenformaten, in der Lage gewaltiges Volumen zu speichern und zu verarbeiten, Skalierungsfähigkeit scheint fast unbegrenzt.
Complex Event-Processing und Streaming: Daten während des Entstehens erfassen und auswerten.
Wenn Unternehmen ihre Daten auswerten wollen, dann steht ihnen eine grosse Auswahl an Analyse-Tools zur Verfügung.
Die Speicherung und Auswertung der Informationen nimmt zudem enorm viel Energie in Anspruch, was somit auch ein umwelttechnisches Problem darstellt. Deshalb gillt es diese Prozesse so effizient wie mäglich zu gestalten
Schlüsselbegriffe
Zusammenspiel mehrerer Technologien | 4 Kategorien | Energie Verbrauch für Speicherung / Verarbeitung