Inspiricon HANA in-Memory Speicherplatzreduzierung

Wie ihr eure wachsende HANA Datenbank verkleinern könnt: wir stellen euch die Inspiricon HANA In-Memory Speicherplatzreduzierung vor

Unternehmensdaten wachsen heutzutage enorm schnell. Die Unternehmen müssen mit großen Datenmengen umgehen – und das wird mehr und mehr zu einer Herausforderung für das Data Warehouse. Laut einer Studie von Gartner zu Trends und Schwierigkeiten für das Rechenzentrum ist Datenwachstum die größte Herausforderung für große Unternehmen hinsichtlich Hardware und Infrastruktur in Datenzentren“.

Ein Ausweg aus dieser Situation sind für viele Firmen die In-Memory Plattformen wie beispielsweise SAP HANA. Durch ihre Hybridstruktur sind sie dazu geeignet, sowohl transaktionale als auch analytische Arbeitsvolumen komplett In-Memory zu verarbeiten.

Mit dem neuen Release von SAP HANA präsentiert SAP ein neues Konzept für Multi-Temperatur und Datenlebenszyklus-Management (DLM). Dabei werden die Daten auf verschiedenen Speichermedien abgelegt, basierend auf der Multi-Temperatur-Datenklassifizierung (s. Abb. 1). Infolgedessen werden Daten, die häufig aufgerufen werden (heiße Daten) in HANA In-Memory gespeichert, während warme Daten auf Langzeitlagerungshosts (Dynamisches Tiering) abgelegt werden. Kalte Daten werden auf günstigere Speichergeräte außerhalb der HANA Datenbank verschoben, da sie nur selten gelesen werden. Dieses Vorgehen nennt man Nearline Storage (mehr Informationen dazu gibt es hier).

Abbildung 1. Multi-TemperaturDatenklassifizierung

Multi-Temperatur-Klassifikation

Multi-Temperatur-Klassifikation

Eines der Projektziele unseres Kunden war es, einen Teil der seltener aufgerufenen Daten auf Festplatten zu verschieben, auf die noch zugegriffen werden kann und sie aber nicht in HANA In-Memory zu behalten. Auf der Suche nach einer passenden Lösung für unseren Kunden, der den HANA Speicherbedarf optimieren und dadurch Lizenzkosten reduzieren sowie die Systemstabilität verbessern wollte, haben wir eine mögliche SAP Lösung analysiert und untersucht:
Dynamisches Tiering passte nicht zu unserem Kundenszenario: es werden zusätzliche Lizenzkosten fällig und viele Eigenschaften und Funktionen sind noch im Entwicklungsstatus. Außerdem werden diese Features erst in zukünftigen Releases verfügbar sein.

Bei unserer ersten Analyse lag der Fokus darauf, die Inspiricon HANA In-Memory Speicherplatzreduzierung zu entwickeln. Dafür haben wir mehrere Ansätze evaluiert, darunter die folgenden:

  • Migration von bestehenden Datenmodellen auf HANA-optimierte Modelle (LSA++).
  • Identifikation und Löschen von veralteten Daten/Objekten, die nicht mehr für das Reporting benötigt werden.
  • Historische Daten werden von HANA In-Memory auf HANA Festplatten„umgezogen“.
  • HANA DB Komprimierung.

Die oben aufgeführten Ansätze nutzen SAP HANA Features, so zum Beispiel die Unterteilung des AdvancedDSO. Wir haben basierend auf Inspiricon Best Practices eine Methodik entwickelt, die ohne zusätzliche Lizenzkosten auskommt und die die Gesamtbetriebskosten (TCO, Total Costs of Ownership) nicht erhöht. Dadurch konnten wir das Datenlebenszyklus-Management (DLM) einführen. Das DLM definiert Daten, berücksichtigt die Anforderungen des Unternehmens/der IT und Methoden, die für bestimmte Daten anzuwenden sind, abhängig von ihrer Komplexität und Unternehmens-/IT-Anforderungen.

Abbildung 2. Inspiricon Methodik für DLM

Inspiricon-DLM-Methode

Inspiricon-DLM-Methode

Unsere Untersuchung basiert auf einer detaillierten Systemanalyse. Dabei wurden die größten Datenobjekte identifiziert, die mögliche Kandidaten für die HANA Speicherplatzreduzierung sind.

Abbildung 3. DLM Vorgehen zur Reduzierung von Speicherbedarf

DLM Vorgehen zur Reduzierung von Speicherbedarf

DLM Vorgehen zur Reduzierung von Speicherbedarf

Remodelling

Diese Lösung hilft dabei, existierende Daten besser zu organisieren indem entweder Daten gelöscht werden, die mehrmals in unterschiedlichen InfoProvidern gespeichert sind oder indem BW Objekte in Layern eliminiert werden, die in HANA obsolet sind. Dadurch wird HANA In-Memory reduziert.

Entladen von Anwendungsdaten

Diese Anwendung wurde von der Inspiricon speziell für dieses Kundenszenario entwickelt. Hauptsächlich wird sie dafür genutzt, um bestimmte Objekttabellen von HANA In-Memory auf HANA Festplatten zu entladen. Somit lädt HANA DB sie automatisch zurück In-Memory, sobald die Daten in irgendeiner Art und Weise abgerufen werden.

Unterteilung in Teilbereiche

Dieser Ansatz reduziert den Speicherbedarf durch die Unterteilung von einer Anzahl von vordefinierten Teilbereichen. Dabei werden die Teilbereiche ausgeschlossen, die typischerweise auf zeitlichen Eigenschaften wie Kalenderjahr/-monat oder Geschäftsperiode basieren. Unterteilung passiert im BW und wird auf Datenbanklevel ausgeführt. Es kann auf den bestehenden DSO angewendet werden (mit Einschränkungen) oder auf den AdvancedDSO – abhängig von den Anforderungen des Kunden.

Zusammenfassung:

  • Durch die Inspiricon HANA In-Memory Speicherplatzreduzierung hat unser Kunde 20 % seines HANA Speicherplatzes gespart – ohne zusätzliche Kosten und Ressourcen.
  • Das Ergebnis war ein verbesserter Ladeprozess sowie mehr Systemstabilität, eine einheitlichere DW Landschaft – und damit einhergehend eine beträchtliche Senkung der jährlichen SAP HANA Speicherlizenzen.
  • Unser Beratungsmehrwert liegt darin, die Lösung zu erarbeiten, die den Kundenanforderungen entspricht – dabei bringen wir unser Know-How, effizientes Consulting sowie Partnerschaftlichkeit ein.

 

Autor dieses Beitrags
Claudio Volk Vorstand
Tel.: +49 (0) 7031 714 660 0
E-Mail: info@inspiricon.de