MapR Streams: Die erste konvergente Datenplattform für Unternehmen

MapR Technologies stellt die erste konvergente Datenplattform vor und kündigt mit MapR Streams ein verlässliches und global einsetzbares Event-Streaming an, das Datenproduzenten und -konsumenten über verschiedene Themengebiete hinweg zusammenführt.

Die konvergente MapR Datenplattform integriert Dateien, Datenbanken und -verarbeitung sowie Analysefunktionen, um datengetriebene Anwendungen zu beschleunigen und die steigenden Anforderungen des Internet of Things (IoT) abzudecken. MapR Streams wird voraussichtlich ab Beginn 2016 verfügbar sein.

Die Integration von MapR Streams in eine konvergente Plattform ermöglicht Unternehmen jeder Branche fortlaufend Daten aus einem Datenstrom zu sammeln, zu analysieren und einzusetzen. Ob Werbetreibende relevante Echtzeitangebote unterbreiten, Unternehmen aus dem Healthcare-Bereich die individuelle Behandlung verbessern, Einzelhändler ihr Lager ausbauen oder Telekommunikationsanbieter ihre Dienste dynamisch anpassen wollen – alle Unternehmen sind heute gefordert, ihre Reaktionszeit auf relevante Ereignisse anhand einer stetigen Analyse von Big Data zu optimieren.

Laut dem Analystenhaus Gartner zeigt sich, „dass neben herkömmlichen Workloads, die kontinuierlich optimiert werden, neue Formen hinzukommen, die maßgeblich aus dem aufkommenden Datenfluss des Internet-of-Things resultieren. In Folge reichen ehemalige Anforderungen an Volumen und Geschwindigkeit nicht mehr aus. Zugleich entsteht ein zusätzlicher Bedarf an weiterer Hardware sowie Networking- und insbesondere Technologie für das Informationsmanagement, um die zusätzlichen Datenvarianten zu verarbeiten, sichern und zu verteilen.“ (Gartner: “Predicts 2015: “Information Infrastructure Technology Rewrites, Refreshes Rules”, Merv Adrian et al., 19. Dezember 2015 )

MapR Streams ist einfach skalierbar, verarbeitet selbst umfangreiche und langfristige Datenströme und stellt Unternehmensfunktionen wie Hochverfügbarkeit (HA), Disaster Recovery (DR) sowie Datensicherheit und einen umfassenden Ausfallschutz bereit.

„MapR ist ein Vorreiter beim Entwickeln von Lösungen für datenzentrierte Unternehmen und ihre Bedürfnisse. Sie stellen die führende Big Data Plattform bereit, deren Kernarchitektur in der Lage ist, die modernen Herausforderungen der Datenverarbeitung erfolgreich zu adressieren“, sagt Michael Brown, CTO bei comScore. „Unser System analysiert 65 Milliarden Ereignisse am Tag. MapR Streams ist darauf ausgelegt, diese Ereignisse zu erfassen und in Echtzeit zu verarbeiten, was uns erlaubt, unseren Kunden ein neues Niveau an Produktangeboten zu eröffnen.“

„Wir sind immer wieder beeindruckt, welche innovativen neuen Funktionen MapR seiner Datenplattform hinzufügt“, so Brad Anderson, Vice President Big Data Informatics bei Liaison Technologies. „Unsere Kunden stammen aus stark regulierten Branchen wie dem Gesundheits- oder Finanzdienstleistungswesen. Sie haben einen sehr hohen Bedarf an Sicherheit, Compliance und Agilitätsanforderungen. Die konvergente Plattform von MapR, zusammen mit MapR Streams, liefert unseren Kunden weitere Echtzeit-Datenservices und verbessert diese entscheidenden Kriterien.“

Im Gegensatz zu anderen Ansätzen, die Datensilos über zahlreiche Systeme hinweg erstellen und denen es an benötigten Unternehmensfunktionen und einer globalen Datenbereitstellung in einem globalen Namespace mangelt, integriert MapR gespeicherte und transferierte Daten – Data-at-Rest und Data-in-Motion – nativ in die konvergente Datenplattform. Im Ergebnis ermöglicht MapR Entwicklern, neue, innovative Anwendungen zu entwickeln, die Datenduplizierung und -bewegung zu reduzieren, Geschäftsprozesse zu beschleunigen und Integrations- sowie Betriebskosten zu senken, wie sie sonst für unterschiedliche Plattformen üblich sind.

Mit MapR Streams erhalten Entwickler eine kontinuierliche, konvergente und globale Datenplattform, die ihnen folgendes ermöglicht:

• eine unkomplizierte Erstellung skalierbarer, kontinuierlicher Streams mit hohem Durchsatz, Millionen von Themen und Milliarden von Nachrichten über tausende Standorte hinweg
• das Zusammenführen von Analysen, Transaktionen und der Streamverarbeitung, um Datenduplizierung, Latenzzeiten und die Anzahl an Clustern zu reduzieren und bestehende Open-Source-Projekte wie Apache Spark Streaming, Apache Storm, Apache Flink oder Apache Apex einzusetzen
• eine verlässliche Ereignisübermittlung, inklusive automatischem Failover und konsistenter Auftragsfolge
• die Sicherstellung von einer standortübergreifenden Replikation zwecks Erstellung von umfassenden Echtzeit-Anwendungen
• uneingeschränkten, dauerhaften Zugang zu allen im Stream übermittelten Ereignissen

„MapR beinhaltet die volle Funktionalität von Apache Spark und zusammen mit der Skalierbarkeit, Leistungsfähigkeit und Flexibilität von MapR Streams ist die Lösung eine hervorragende Ergänzung zu Spark Streaming“, so Kavitha Mariappan, Vice President Marketing bei Databricks. „Wir freuen uns auf die weitere Zusammenarbeit mit MapR und dass wir unseren gemeinsamen Kunden eine leistungsstarke und konvergente Plattform bieten können, die das Management von zu transferierenden Daten vereinfacht – unabhängig von Quelle, Standort und Format.“

MapR arbeitet eng mit zahlreichen führenden Technologiepartner wie dataArtisans, Databricks, DataTorrent, Streamsets und Syncsort zusammen, so dass Kunden flexibel diejenigen Komponenten wählen können, die sie innerhalb der Datenplattform zur Echzeitanalyse nutzen möchten.

„Apache Hadoop und Apache Spark mit einer führenden NoSQL-Datenbank sowie einem kontinuierlichen, verlässlichen Streaming im globalen Maßstab zusammenzuführen, ist ein wichtiger Schritt vorwärts, um Entwicklern in Unternehmen die Erstellung von Applikationen einer neuen Generation, die Big Data einsetzen, zu ermöglichen“, betont Anil Gadre, Senior Vice President Product Management bei MapR. „Das Ergebnis entspricht der Vision von MapR, es Unternehmen einfach zu machen, Wettbewerbsvorteile aus Big Data zu ziehen, indem alle zentralen Komponenten dafür zusammengebracht wurden.“

Weitere Informationen:

Weitere Details zu MapR Streams erfahren Sie hier.

Eine technische Erklärung zur Streaming-Replikation finden Sie hier.