In Gesprächen mit Partnern und potenziellen Kunden höre ich oft, wie sie mit der Performance ihrer Systeme/Datenbank sind – insbesondere mit der Geschwindigkeit beim Datenzugriff. Das ist für mich nicht wirklich überraschend, da die Anforderungen an eben diese Systeme/Datenbanken ständig steigen.: So wachsen die Datenmengen kontinuierlich stark an und die Unternehmen und Organisationen – egal ob im Bereich Finanzdienstleistungen, Handel, IoT, Fertigung und Gesundheitswesen – müssen diese Daten nicht nur schnell erhalten, sondern auch umgehend analysieren, um programmatische Aktionen auszuführen und wichtige Geschäftsentscheidungen zu treffen.
Die gute Nachricht? Die nahezu Real-Time-Erfassung und -Abfrage von Daten ist möglich. Genau das bieten und optimieren wir bei InterSystems seit Jahren. Gartner nennt diese Fähigkeit „Augmented Transactions “ [i] [1]. Andere wie Forrester bezeichnen sie mit dem Begriff „ Translytics“. Beide Analysten haben die Leistungsfähigkeit unserer Datenplattform sowohl im Gartner Magic Quadrant als auch in der Forrester Wave bestätigt. Im Gartner Magic Quadrant for Operational Database Management Systems (OPDBMS) sind wir bereits seit einigen Jahren vertreten, ein schöner Beleg für unsere fortlaufenden Bemühungen nach Performance Verbesserungen.
Probieren geht über Studieren
Doch egal, welchen Namen man für dieses Feature auch verwendet, wir bei InterSystems wissen: Worten muss man auch Taten folgen lassen und Probieren geht bekanntlich über Studieren. Deshalb messen wir seit vielen Jahren kontinuierlich die Performance unserer Software und arbeiten daran, sie mit jedem Release zu verbessern. Mit InterSystems IRIS wurde die Performance für einige unserer anspruchsvollsten Kundenanwendungen in den letzten beiden Jahren sogar um das Dreifache (und mehr) verbessert. Damit setzt InterSystems IRIS neue Maßstäbe: Die Lösung erfasst einen Datensatz, erstellt den Datensatz im Speicher und indiziert ihn, um ihn für Abfragen auf handelsüblicher Hardware verfügbar zu machen – und das alles in Nanosekunden.
Abbildung 2: Kontinuierliche Verbesserung der Performance der InterSystems IRIS Data Platform für eine große Kundenanwendung
Doch viele unserer Interessenten und Partner fragen uns auch, wie InterSystems IRIS im Vergleich zu anderen Produkten abschneidet, die sie derzeit nutzen oder deren Einsatz sie in Erwägung ziehen. Also haben wir eine Leistungsprüfung entwickelt und versucht, diese so fair wie möglich zu gestalten, um genau das zu herauszufinden.
Der neue Open Source Geschwindigkeits-Benchmark
Diejenigen von Ihnen, die regelmäßig unsere GitHub- oder Open Exchange-Seiten besuchen, kennen ihn vielleicht schon: Den neuen Geschwindigkeitstest. Dieser Benchmark vergleicht InterSystems IRIS mit gängigen Datenbanken von verschiedenen Cloud- und Datenmanagementlösungen. Er prüft die gleichzeitige Verarbeitung von Erfassungs- und Abfrage-Workloads in derselben Datenbankinstanz. So wird ein Multi-Workload-Anwendungsfall simuliert, der kein Produkt bevorzugt und den Sie selbst in der Cloud oder auf Ihrem Laptop ausführen können. Sie können sogar eigene Daten und Abfragen einbeziehen, da der Test als modifizierbare Open-Source-Lösung bereitgestellt wurde.
Bitte bedenken Sie dabei, dass der Geschwindigkeitstest die Datenbanken im Hinblick auf einen ganz bestimmten Aspekt testet: wie viele Daten sie gleichzeitig erfassen und abfragen können und wie sich das auf die Performance auswirkt.
Nehmen wir als Beispiel ein Finanzdienstleistungsunternehmen. Es benötigt eine schnelle Datenerfassung mit gleichzeitiger Analyse, um Handelsgeschäfte in Sekundenbruchteilen tätigen zu können. Gleichzeitig müssen Tausende von Benutzern unterstützt werden, die Echtzeitabfragen zu Auftragsstatus, Risiko, Vermögensaufteilung usw. ausführen. In einem solchen Fall muss die genutzte Datenbank skalierbar und zuverlässig sein sowie eine hohe Leistung für gleichzeitige Transaktionen und analytische Abfragen bieten, um den hohen (Daten-)Druck bewältigen zu können.
Der Geschwindigkeitstest wurde so konzipiert, dass er ebendiesen Druck simuliert und prüft, wie die Datenbank darauf reagiert.
Wie wurde der Geschwindigkeitstest durchgeführt?
Bei diesem Test wurde InterSystems IRIS in einem Zeitraum von 1.200 Sekunden (20 Minuten) mit den anderen Datenplattformen verglichen. Alle beteiligten Datenbanken werden in der AWS-Cloud ausgeführt. Die Konfiguration der AWS-Infrastruktur wurde für jede der Lösungen so ausgewählt, dass gleiche Bedingungen herrschen. Aufgrund von Anfragen von unseren Kunden vergleichen wir derzeit InterSystems IRIS mit vier weiteren gängigen Datenbanken: SAP HANA Express 2.0, AWS Aurora (MySQL) 5.6.10a, AWS RDS SQL Server 2017 und Sybase Ase 16.0 Sp03 Pl08, Public Cloud Edition, Premium Version.
In jedem Fall übertrifft InterSystems IRIS die anderen Produkte bei der Erfassung und gleichzeitigen Abfrage von Daten (59,9 % bis 67 Mal schneller.)
Um nach der Durchführung unserer eigenen Tests vollkommen transparent zu sein, haben wir das Geschwindigkeitstest-Benchmark-Kit als Open-Source-Lösung auf GitHub bereitgestellt und die Abteilung Validation Services der Enterprise Strategy Group (ESG) – einem Unternehmen für Marktforschung, Forschung, Validierung und Strategie im IT-Bereich, das Marktinformationen und verwertbare Erkenntnisse für die globale IT-Community bietet – beauftragt, den Test und die Ergebnisse zu bewerten.
Welche Ergebnisse hat der Geschwindigkeitstest ergeben?
ESG hat bestätigt, dass der Test einen fairen Vergleich der unterschiedlichen Produkte ermöglicht und InterSystems IRIS sowohl traditionellen als auch In-Memory-Datenplattformen überlegen ist, da die Lösung mehr Daten (etwa 100 Millionen Datensätze) schneller erfasst und gleichzeitig mehr Daten abfragt – mit höheren Abfrageraten (über 20.000 Datensätze pro Sekunde) und Reaktionszeiten von Mikrosekunden.
Es ist wichtig hervorzuheben, dass dies ein Test ist, bei dem bestimmte Kriterien genutzt wurden, um einen möglichst fairen Vergleich aller Produkte zu ermöglichen. Nutzen Sie deshalb die Chance, und testen Sie auf unserer GitHub-Seite das Kit selbst in AWS oder mithilfe von Docker auf einer lokalen Maschine. Auf diese Weise können Sie den Test oder die Konfigurationen anpassen, um Ihre spezifischen Anforderungen widerzuspiegeln.
[1] Hype Cycle for Data Management, 2019. 31. Juli 2019 G00369950 Analyst(en): Donald Feinberg, Adam Ronthal
