NoSQL für Big Data

Graphdatenbanken vs. relationale Datenbanken

Interview mit Holger Temme, Area Director CEMEA bei Neo Technology, darüber, inwieweit Graphdatenbanken künftig den relationalen Datenbanken den Rang ablaufen könnten und welche Rolle sie im Umfeld von Big Data spielen

Holger Temme, Neo Technology

Holger Temme ist Area Director CEMEA bei Neo Technology.

IT-DIRECTOR: Herr Temme, wie hängen Big Data und Graphdatenbanken zusammen?
H. Temme: Die Menge an neuen Daten, die in Unternehmen erhoben werden, nimmt jedes Jahr exponentiell zu. Mit der Datenmenge wächst zugleich deren Komplexität, denn die Informationen besitzen weniger Struktur und sind stärker miteinander verbunden. Zugleich lassen sich Beziehungen zwischen verschiedenen Elementen, die beispielsweise für Logistik-, Produkt- oder Personennetzwerke grundlegend sind, nur äußerst ressourcenintensiv und kompliziert in einer relationalen Datenbank – bekannt als SQL-Datenbanken – abspeichern. Sie stoßen bei komplexen Berechnungen an ihre Grenzen. Für Unternehmen wird es schwieriger, in der benötigten Geschwindigkeit Analysen durchzuführen und gewinnbringende Erkenntnisse daraus zu ziehen. Graphdatenbanken dagegen spielen bei solchen Datenmodellen ihre Stärken aus.

IT-DIRECTOR: Demnach werden die alternativen NoSQL-Datenbanken langfristig bestehende Lösungen ersetzen?
H. Temme:
Wir beobachten gerade, wie sich der NoSQL-Begriff zunehmend auflöst und sich die alternativen Datenbanksysteme als eigenständige Kategorien etablieren – dokumentenorientierte Datenbanken, Key-Value-Datenbanken und eben Graphdatenbanken. Aber keine der neuen Datenbanksysteme nimmt für sich in Anspruch, die bestehenden relationalen Architekturen ersetzen zu können. Vielmehr haben sie jeweils für gewisse Anwendungsfälle ihre Vorteile und bieten sich so als sinnvolle Ergänzungen an.

Ein „One database fits all“-Ansatz widerspricht in zunehmenden Maße den Anforderungen von Unternehmen. Daten lassen sich in Zukunft nicht mehr mit einer einzigen Datenbanktechnologie effizient beherrschen. Der Trend geht zu einem hybriden oder polyglotten Ansatz, bei dem mehrere unterschiedliche Systeme eingesetzt werden.

IT-DIRECTOR: Welche Vorteile können Firmen mit Graphdatenbanken erzielen?
H. Temme:
Graphdatenbanken wie Neo4j eignen sich besonders gut, stark vernetzte und unstrukturierte Informationen anschaulich darzustellen. Denn sie messen den gespeicherten Daten und der Beziehung zwischen diesen Daten die gleiche Bedeutung bei. Diese Beziehungen werden also nicht mehr als bloße Metadaten abgetan, sondern stehen vielmehr im Zentrum des Modells.
Graphdatenbanken erleiden bei extrem vielen, miteinander verknüpften Datensätzen keine Performance-Verluste. Die Beziehungen zwischen Elementen müssen für eine Abfrage nicht aufwendig berechnet werden, sondern sind durch die vorliegenden Strukturen einfach verfolgbar. Die Abfragegeschwindigkeit hängt nicht von der Gesamtmenge der Daten in der Datenbank und der Anzahl von Verknüpfungsoperationen ab, sondern nur von der Anzahl der konkreten Beziehungen, die für die gewünschte Abfrage relevant sind. Abfragen, die in anderen Datenbanktechnologien noch Minuten oder gar Stunden dauerten, liefern jetzt in Millisekunden das Ergebnis.

Unternehmen jeder Branche nutzen Graphdatenbanken, um Datenzusammenhänge schnell abbilden zu können. Die Analysten von Forrester prognostizieren, dass 2017 über 25 Prozent der Unternehmen solche Datenbanken verwenden werden.

IT-DIRECTOR: Für welche Anwendungsfälle eignen sich diese Datenbanken besonders?
H. Temme:
Graphdatenbanken unterstützen beispielsweise Echtzeit-Routenberechnungen in komplexen Logistiknetzwerken. Große Logistikdienstleister müssen mehrere Tausend Sendungen pro Sekunde bearbeiten und die jeweils kosteneffizienteste Zustellroute in Höchstgeschwindigkeit kalkulieren. Mit relationalen Datenbanken würden die gleichen Abfragen in derselben Geschwindigkeit wesentlich mehr Rechnerleistung und Hardwarekapazitäten benötigen.

Ein anderes Beispiel sind Echtzeit-Produktempfehlungen im Onlinehandel. Für die Erstellung attraktiver Angebote müssen Daten zu den früheren Käufen des Kunden schnell abgefragt und Verbindungen zu Benutzern, die ein ähnliches Kaufverhalten aufweisen und deren soziale Netzwerke sich mit dem des Kunden überschneiden, hergestellt werden. Diese komplexe Analyse muss in Echtzeit stattfinden, damit der Kunde nicht zur Website eines Wettbewerbers wechselt.

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok