Der Entwickler von In-Memory-Analytics-Datenbanken, Exasol, hat sich unter Data-Warehouse-Anwendern, die für ihre SQL-Analytics-Operationen massive Parallelität und Reaktionszeiten von weniger als einer Sekunde benötigen, einen Namen gemacht. Jetzt ist das deutsche Unternehmen bereit, seinen Bekanntheitsgrad mit zwei großen Ankündigungen zu steigern, die für die zweite Hälfte des Jahres 2023 geplant sind: eine neue Version des Data Warehouse, das Rechenleistung und Speicherung trennt, und potenzielle Rentabilität für das börsennotierte Unternehmen als Ganzes.
Exasol wurde im Jahr 2000 von Falko Mattasch gegründet, um ein Forschungsprojekt, an dem er an der Universität Jena arbeitete, zur Parallelisierung der Datenverarbeitung zu kommerzialisieren. Während sich das ursprüngliche Projekt nicht auf Analytics an sich konzentrierte, erkannte Mattasch das Potenzial der Algorithmen, an deren Entwicklung er beteiligt war, und gründete anschließend Exasol, um einen Data Warehouse Accelerator zu entwickeln.
Oracle Data Warehouses waren ein frühes Ziel für den Beschleuniger von Exasol, der 2008 offiziell auf den Markt kam. Durch die Kombination aus einer schnellen In-Memory-Schicht und einem Daten-Cache auf der Festplatte konnte Exasol zuverlässig einen Geschwindigkeits- und Parallelitätsschub bieten Produktions-Data Warehouse, die die Anforderungen nicht erfüllten.
Exasol entwickelt eine speicherinterne, massiv parallele Spaltendatenbank
Während Exasol sein Produkt nicht stark vermarktete, begann sich die Nachricht in der Analytics-Community zu verbreiten, was teilweise mit dem Engagement für die Durchführung von Benchmark-Tests, insbesondere des TPC-H, half, um seine Preis-Leistungs-Ansprüche zu beweisen. Im Laufe der Zeit übernahmen OLAP-Kunden von Teradata, IBM und Microsoft den Exasol-Beschleuniger. Das Unternehmen teilt keine Kundenzahlen mit, sagt aber, dass es von vielen Fortune-100-Kunden in den Bereichen Finanzdienstleistungen, Telekommunikation, Einzelhandel und Gesundheitswesen verwendet wird.
„Wir sind auf unsere Fähigkeit spezialisiert, Daten in großem Umfang gleichzeitig zu laden und zu verarbeiten“, sagt Solongo Erdenkhuyag, der von der Niederlassung in Washington, D.C. aus den Kundenerfolg für Exasol leitet. „Wir sind in der Lage, sehr komplexe Abfragen zu riesigen Datenmengen mit einer Antwort von unter einer Sekunde durchzuführen. Concurrent OLAP ist unser Brot und Butter.“
Exasol verfügt nicht über die technischen Ressourcen eines Snowflake oder AWS, aber es hat eine wiederholbare Erfolgsformel gefunden, indem es Kunden hilft, das Beste aus bestimmten Workloads herauszuholen, sagt Erdenkhuyag. Sie tut dies, indem sie ausgeklügelte Funktionen in ihr Produkt integriert, wie z. B. Selbstoptimierung, On-the-Fly-Indexerstellung und intelligentes Vorabrufen von Daten, sagt sie.
„Der Markt ist ziemlich voll. Aber wenn es um spezifische Workloads und Anwendungsfälle geht, ist es viel nuancierter“, sagt Erdenkhuyag. „Wenn Sie nach einer In-Memory-Datenbank suchen, die überall bereitgestellt werden kann und die Ihnen Flexibilität und Time-to-Data bietet, gibt es nur eine.“
Es gibt drei Hauptbereitstellungsmodelle für Exasol. Erstens kann es als Geschwindigkeitsschicht in ein vorhandenes OLAP-Setup integriert werden. Es kann auch als primäres Data Warehouse fungieren und horizontal skaliert (oder skaliert) werden, um Hunderte von Terabyte oder sogar Petabyte an Daten zu unterstützen. Drittens kann Exasol eine Konsolidierungsschicht für Unternehmen mit mehreren Data Warehouses sein.
Solongo Erdenkhuyag leitet den Kundenerfolg für Exasol
Die Datenbank kann vor Ort oder in einer der großen öffentlichen Clouds ausgeführt werden. Das Unternehmen hat eine engere Partnerschaft mit AWS, das Exasol letztes Jahr zum Partner des Jahres für Europa ernannt hat. Neben der Verwendung von Amazon S3 als Objektspeicher ist Exasol auch gut in die anderen Big-Data-Angebote von Amazon wie Glue und Sagemaker integriert.
„Am Ende des Tages wollen viele große Organisationen oder Start-ups mit riesigen Datenmengen einfach nur eine zuverlässige Datenbank“, sagt Erdenkhuyag gegenüber Datanami. „Wenn Sie all den Schnickschnack und alles entfernen, was andere möglicherweise versuchen, zu tun, hat es wirklich schnelles gleichzeitiges OLAP und eine leistungsstarke SQL-Engine.“
Vor diesem Hintergrund möchte das Unternehmen vorankommen und mehr Fähigkeiten anbieten. Die Unterstützung von Objektspeichern ist besonders wichtig für Unternehmen mit riesigen Datensätzen, weshalb das Unternehmen auf ein Cloud-Modell setzt.
„Wenn Sie große OLTP-Systeme haben, die riesige Datenmengen erzeugen, suchen Unternehmen anderswo nach Innovationen“, sagt Erdenkhuyag. „Hier kommt die Cloud-Story ins Spiel. Sie brauchen also eine viel besser zusammensetzbare Systemarchitektur. Sie wollen das Beste der Rasse. Ich glaube nicht, dass wir uns von der zentralisierten Data Lake- und Data Warehouse-Story entfernen werden, obwohl wir Trends in Richtung eines stärker föderierten Modells sehen. Das Schöne an Exasol ist die Flexibilität. Wir unterstützen Ihre Bereitstellungsstrategie und spielen sehr gut in Ihrem bestehenden Ökosystem.“
Im Jahr 2022 konzentrierte das Unternehmen seine technischen Bemühungen darauf, einige davon bereitzustellen.
Dazu gehört die Einführung eines Software-as-a-Service (SaaS)-Bereitstellungsmodells auf AWS vor einem Jahr. Es beinhaltet auch mehr Automatisierung für das Tabellendesign im Voraus, was weiterhin ein größtenteils manuelles Unterfangen ist. Der Fokus für 2023 liegt auf der Bereitstellung einer großen neuen Version der Datenbank, die erstmals die Trennung von Rechen- und Speicherfunktionen aufweisen wird.
„Wir haben das SaaS [Angebot]. Wir haben das Produkt, das die Data-Warehouse-Automatisierung durchführt. Und wir haben eine neuere Version, in der wir Rechenleistung und Speicherung getrennt durchführen“, sagt Erdenkhuyag. „Das wird wirklich spannend für die Kunden, die in der Lage sein wollen, den Berechnungsteil nach Bedarf herunterzufahren.“
Die Trennung von Datenverarbeitung und Speicherung wird es Exasol ermöglichen, als erstklassiger Bürger in öffentlichen Cloud-Umgebungen sowie in On-Prem-Umgebungen zu operieren, die Cloud-native Architekturen übernommen haben. Die neue Version, deren Veröffentlichung das Unternehmen gegen Ende des Jahres anstrebt, wird auch maßgeblich dazu beitragen, dass Exasol auf ein serverloses Angebot umsteigt, wenn es so geneigt ist.
Während das Engineering-Team Verbesserungen an der Kerndatenbank liefert, müssen die Exasol-Führungskräfte zufrieden sein, wie es dem Unternehmen finanziell geht. Im November gab das Unternehmen die Ergebnisse für die ersten neun Monate des Jahres bekannt, die von einem Anstieg der jährlichen wiederkehrenden Einnahmen (ARR) um 23 % auf 33,9 Millionen Euro gegenüber 27,5 Millionen Euro im Vorjahr gekennzeichnet waren.
„…[unsere] Profitabilität und Liquidität haben sich schneller verbessert als ursprünglich erwartet, weshalb wir kürzlich unseren diesbezüglichen Ausblick für das Gesamtjahr angehoben haben“, sagte Jan-Dirk Henrich, CFO und Sprecher der Geschäftsführung von Exasol, in eine Pressemitteilung. „Damit kommen wir auf unserem Weg, im zweiten Halbjahr 2023 profitabel zu werden, zügig voran und können unser Wachstum wie geplant aus eigener Kraft finanzieren.“
https://www.datanami.com/2023/02/27/...2023-for-two-big-developments/
|
1 |
... |
6 |
7 |
8 |
|
10 |
11 |
12 |
...
| 19
Thread abonnieren
