Big-Data - Grid Computing & HPC

Unternehmen in unterschiedlichen Branchen wie Finanzdienstleistungen, Gesundheitswesen und in der klinischen Forschung, Telekommunikation oder Logistik mögen unterschiedliche Geschäftsprozesse und Ziele haben, kämpfen aber trotzdem mit ähnlichen Leistungsengpässen. Mit der unaufhaltsam steigenden Menge an verfügbaren Daten wächst auch der Aufwand und die Zeit, die benötigt wird, um diese zu verarbeiten, zu speichern, zu aggregieren und zu analysieren. Zusätzliche Rechnerleistung, in Form von neuer Hardware, kann die Situation nur bis zu einem gewissen Grad verbessern.

Lösungen, die nur den Ansatz der Skalierung von Hardware verfolgen, haben nur beschränkte Effekte oder Flexibilität und sind in der Regel nicht die kostengünstigsten. Die Einbindung einer Grid-Computing-Middleware in Ihrem System kann signifikant effizienter sein, sowohl was Leistung, Skalierbarkeit und Kosten anbelangt. Das widerspricht dabei nicht dem Konzept, dass dennoch zusätzliche Hardwareressourcen in einem System integriert werden könnte. Grid-Middleware kann dazu verwendet werden, um Berechnungscluster (physisch, virtuell oder beides) zu erzeugen, sodass die vorhandenen Hardwareressourcen voll ausgenutzt werden, indem die Ressourcen dynamisch ausbalanciert und die Arbeitslast über die Cluster-Knoten verteilt wird. In einem solchen Szenario könnte ein Berechnungscluster eine spürbare Leistungssteigerung bei geringeren Kosten liefern.

Für zeitkritische Systeme, in denen die Berechnung / Analyse in einem vorgegebenen und sehr knappen Zeitrahmen zu erledigen ist, ist die Verteilung der Arbeitslast deutlich effizienter und erlaubt die vorhandenen Ressourcen besser nutzen zu können. Geschäftskritische (Mission-Critical) Umgebungen besitzen strenge Anforderungen sowohl an die Leistungsfähigkeit als auch an die Zuverlässigkeit, sodass man sich nicht nur auf eine einzelne Berechnungsquelle verlassen darf. Berechnungscluster können die benötigte Redundanz für diese Anforderungen bereitstellen.

Verteiltes Rechnen und im speziellen Grid-Computing können einen flexiblen, skalierbaren und kosteneffizienten Ansatz für die obengenannten Schwierigkeiten liefern.
Eine maßgeschneiderte Grid-Middleware Komponente kann eine kosteneffiziente Lösung für Ihre Bedürfnisse darstellen, egal ob Ihr Unternehmen Finanzdienstleistungen anbietet (häufiges Ausführen von komplexen Berechnungen, wenn Risikoanalysen, Tagesendverarbeitung (EOD-Processing), Derivatebewertungen etc. durchgeführt werden), Big Data aggregiert und verarbeitet oder große Datenmengen sendet.

Grid-Computing Lösungen können flexibel an Ihre Bedürfnisse angepasst werden, damit sie auch genügend Reserven für künftige Erweiterungen haben. Ein Compute-Cluster kann lokal an einer bestehenden Hardware oder in der Cloud eingerichtet werden, um die Vorteile des Cloud-Computing zu nutzen. Ein verteilter Cluster oder multiple Cluster können in einem heterogenen Setup konfiguriert werden, in dem einige Knoten auf lokalen Computern arbeiten, während andere auf virtuellen Cloud-Servern laufen. Ein derartiges Setup kann die Vorteile aus beiden Welten, nicht nur technologisch, sondern auch was Lizenzgebühren und Gesamtkosten betrifft, miteinander verbinden.
Eine individuelle Lösung könnte auf Open-Source Frameworks, wie Spark, Storm und Ignite oder kompatiblen kommerziellen Produkten basieren, anforderungs- und budgetgerecht.