Fit für Big Data

Neben Cloud Computing ist „Big Data“ eines der Themen, mit dem sich IT-Fachleute derzeit intensiv beschäftigen. Dabei handelt es sich um extrem große Datenbestände von mehreren Tera-, Exa- oder gar Petabyte. Sie liegen in halb- oder unstrukturierter Form vor und sind häufig auf mehrere Speicherorte verteilt. Bis vor kurzem war es nur für Forschungseinrichtungen und Großkonzerne erschwinglich, Big Data zu analysieren.

Das ist heute anders. Rechen- und Speicherkapazitäten sind preisgünstiger denn je, nicht zuletzt dank Cloud Computing. Außerdem stehen effiziente Verfahren für die Analyse von Big Data zur Verfügung. Daher können nun auch kleinere Firmen große Datenmengen speichern und auswerten – bei akzeptablen Kosten. Solche Analysen geben beispielsweise Aufschluss über das Kaufverhalten von Kunden. Ein weiteres Anwendungsgebiet ist die Steuerung komplexer Prozesse, etwa in der Industrie oder der Logistikbranche.

Weitverkehrsnetze sind überfordert

Doch es gibt einen Haken: Die Datenbestände müssen schnell, zuverlässig und kostengünstig über Weitverkehrsnetze (Wide Area Networks, WANs) übermittelt werden. Dies ist beispielsweise dann der Fall, wenn Speichersysteme an unterschiedlichen Standorten diese Daten replizieren. Hinzu kommt ein weiterer Faktor: In vielen Fällen bietet es sich an, Big Data im Rechenzentrum eines Cloud-Service-Providers (CSP) oder einer unternehmenseigenen Private Cloud analysieren zu lassen. Eine Cloud-Computing-Umgebung stellt Rechen- und Speicherkapazitäten nach Bedarf zur Verfügung. Das heißt, der Anwender ordert nur die Ressourcen, die er tatsächlich für das Speichern und Verarbeiten von Big Data benötigt.

Die drei größten Probleme bei der Übermittlung von Big Data in eine Cloud sind die Distanz zum Cloud-Computing-Rechenzentrum, die Bandbreite und die Qualität der Netzwerkverbindung (siehe Kasten). Im Fall von Big Data bedeutet dies, dass in vielen Fällen die Analyseergebnisse bereits veraltet sind, wenn sie nach dem Transport über das WAN und der Bearbeitung in einem Cloud-Data-Center wieder beim Auftraggeber eintreffen. Das wiederum läuft dem Ziel des Big-Data-Ansatzes zuwider, große Datenmengen so schnell wie möglich zu analysieren und die Ergebnisse in Geschäftsaktivitäten umzusetzen.

Die Lösung: WAN-Optimierung

Einen Ausweg bieten WAN-Optimierungssysteme. Sie verwenden Techniken wie Datenkompression und Deduplizierung redundanter Daten, um den Bandbreitenbedarf zu reduzieren. Außerdem stellen WAN Optimization Appliances die Integrität der Daten sicher, wenn diese in eine Cloud-Computing-Umgebung transportiert werden. Das bedeutet in der Praxis, dass de facto mehr Bandbreite zur Verfügung steht, als ein WAN-Link eigentlich anbietet. Außerdem reduzieren WAN-Optimierungs-Appliances die Latenzzeiten, beschleunigen den Datentransfer und ermöglichen somit einen schnelleren Zugriff auf Big-Data-Bestände. Nach Erfahrungswerten des Anbieters Silver Peak Systems lässt sich der WAN-Datenverkehr in der Praxis um den Faktor zehn bis 100 reduzieren, wenn WAN-Optimierung eingesetzt wird.

Um solche Werte zu erreichen, ist es notwendig, dass eine WAN Optimization Appliance in Echtzeit den gesamten Datenverkehr auf einer WAN-Strecke überwacht. Außerdem ist das Deduplizieren von mehrfach vorhandenen Daten erforderlich. Werden identische Daten über das WAN übermittelt, speichern die Optimierungssysteme an beiden Enden der WAN-Strecke diese Datensätze auf ihren lokalen Festplatten zwischen. Über die WAN-Leitung werden anschließend statt des „echten" Datensatzes nur Zeigerinformationen übertragen, die sich auf die Kopie der Daten im Cachespeicher der WAN-Appliances beziehen. Das Optimierungssystem am Zielort rekonstruiert anhand der Zeiger die Datensätze und leitet sie weiter. Dieses Deduplizieren verringert den WAN-Verkehr um bis zu 95 Prozent.

Deduplizierung reicht nicht

Allerdings reicht Deduplizierung nicht aus, um die Latenzzeiten zu verringern. Ein Grund dafür sind die Eigenheiten der Transportprotokolle TCP (Transmission Control Protocol) und UDP (User Datagram Protocol). So verwendet TCP beispielsweise eine Fenstergröße (Windows Size) von 64 KByte. Das heißt pro Übertragungszyklus (Round Trip) lassen sich nur 64 KByte übermitteln. Das wirkt sich vor allem bei der Übermittlung großer Datenmengen wie bei Big Data negativ aus. WAN-Optimierungssysteme wie etwa die von Silver Peak Systems sind deshalb in der Lage, die Sende- und Empfangsfenster von TCP-Paketen auf bis zu ein Gigabyte zu erweitern, und zwar dynamisch je nach der aktuellen Paketverlustrate.

Negativ auf die Qualität der Daten wirkt sich zudem der Verlust von Paketen beim Transport über das Weitverkehrsnetz aus. Dies passiert beispielsweise, wenn eine Verbindung überlastet ist. Um die Folgen von Paketverlusten zu minimieren, sollte ein WAN-Optimierungssystem Techniken wie Forward Error Correction (FEC) und Packet Order Correction (POC) beherrschen. Bei FEC wird einer bestimmten Zahl von Paketen ein Fehlerkorrekturpaket hinzugefügt. Es enthält Informationen über jedes Paket, mit dem es zusammen übermittelt wird. Diese Daten stellen sicher, dass ein verloren gegangenes Paket nach der Übertragung wiederhergestellt werden kann – ohne erneute Übermittlung über die WAN-Strecke. POC wiederum verhindert, dass Pakete in der falschen Reihenfolge übertragen werden.

Eine weitere Grundanforderung an Big-Data-taugliche WAN-Optimierungssysteme sind Quality-of-Service-Funktionen (QoS). Daten mit höheren Anforderungen an die Dienstgüte, etwa Big-Data-Analyseergebnisse, werden in diesem Fall mit höherer Priorität übermittelt als E-Mails oder Datei-Downloads. Zudem lohnt sich ein Blick auf die Leistungsdaten der Appliances. Sie sollten in der Lage sein, pro Sekunde mehrere Gigabit verschlüsselter und optimierter WAN-Daten zu übermitteln und zudem mehrere 100.000 IP-Flows parallel unterstützen. Dies stellt sicher, dass die Systeme die Daten von Zehntausenden von Sensoren oder Aktorsystemen bzw. Netzwerkclients verarbeiten können.

Auf dem Weg ins Cloud-RZ – die drei größten Probleme bei der Übermittlung von Big Data in eine Cloud:
•    Distanz: Je größer die Entfernung zwischen dem Cloud-Rechenzentrum und dem Standort ist, an dem die Daten erfasst und gespeichert werden, desto höher fallen beim Datentransfer über das WAN die Latenzzeiten aus und desto länger dauert die Übermittlung.
•    Bandbreite: Wird die zur Verfügung stehend WAN-Bandbreite nicht effizient genutzt, stößt ein WAN-Link schnell an seine Kapazitätsgrenzen. Die Folge ist, dass Datentransfers extrem lange dauern können.
•    Verbindungsqualität: Die Grundlage einer Cloud-Computing-Infrastruktur ist das Internet. Das heißt, dass Überlastsituationen im Netzwerk unvermeidbar sind. Sie führen dazu, dass Router und Switche Datenpakete "wegwerfen" oder diese beim Adressaten in der falschen Reihenfolge ankommen.

Mehr Informationen: www.silver-peak.com

Bildquelle: Eva-Maria Roßmann/Pixelio