Big Data

Der Ausdruck „Big Data“ wird häufig in Unternehmen verwendet, um große Mengen an Daten zu beschreiben. Er bezieht sich nicht auf eine bestimmte Datenmenge, sondern beschreibt einen Datensatz, der nicht mit herkömmlicher Datenbanksoftware gespeichert oder verarbeitet werden kann.

Beispiele für Big Data sind der Google-Suchindex, die Datenbank mit Facebook-Nutzerprofilen und die Produktliste von Amazon.com. Diese Datensammlungen (oder „Datensätze“) sind so groß, dass die Daten nicht in einer typischen Datenbank oder sogar auf einem einzelnen Computer gespeichert werden können. Stattdessen müssen die Daten mithilfe eines hochgradig skalierbaren Datenbankverwaltungssystems gespeichert und verarbeitet werden. Big Data wird häufig auf mehrere Speichergeräte verteilt, manchmal an mehreren verschiedenen Standorten.

Viele herkömmliche Datenbankverwaltungssysteme haben Grenzen hinsichtlich der Datenmenge, die sie speichern können. Eine Access-2010-Datenbank kann beispielsweise nur zwei Gigabyte Daten enthalten, wodurch es unmöglich wird, mehrere Petabyte oder Exabyte an Daten zu speichern. Selbst wenn ein DBMS große Datenmengen speichern kann, arbeitet es möglicherweise ineffizient, wenn zu viele Tabellen oder Datensätze erstellt werden, was zu einer langsamen Leistung führen kann. Big-Data-Lösungen beheben diese Probleme, indem sie hochreaktive und skalierbare Speichersysteme bereitstellen.

Es gibt verschiedene Arten von Softwarelösungen für Big Data, darunter Datenspeicherplattformen und Datenanalyseprogramme. Zu den bekanntesten Big-Data-Softwareprodukten gehören Apache Hadoop, IBMs Big Data Platform, die Oracle NoSQL Database, Microsoft HDInsight und EMC Pivotal One.