idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
23.09.2019 16:36

Neues Analyse-Tool für Datenbankmanagementsysteme: Mowgli weist den Weg im Datenbanken-Dschungel

Annika Bingmann Presse- und Öffentlichkeitsarbeit
Universität Ulm

    Automatisiertes Fahren, das Internet der Dinge und Industrie 4.0: Im Zuge der Digitalisierung werden enorme Datenmengen generiert. Um dieser Flut Herr zu werden, sind neue Systeme gefragt, die große "Datenströme" speichern und verarbeiten können. Besonders geeignet erscheint eine Kombination aus Datenbankmanagementsystemen und Cloud-Ressourcen - wobei nicht jedes System zu jedem Anwendungsfall passt. Die individuell passende Lösung findet ab sofort Mowgli - ein Analysetool, das Informatiker der Universität Ulm gemeinsam mit Daimler TSS entwickelt haben.

    Im Zuge der Digitalisierung wächst der weltweite Datenberg unaufhaltsam. Reichte es noch vor ein paar Jahren aus, Auftrags- und Kundendaten in herkömmlichen Datenbanken zu verwalten, übersteigen neue Anwendungen wie das Internet der Dinge (IoT), das automatisierte Fahren oder die Digitalisierung von Produktion und Logistik („Industrie 4.0“) schnell deren Fähigkeiten. Daher sind neue Systeme gefragt, die enorme, konstant wachsende Datenmengen speichern und verarbeiten können. Eine Kombination aus Datenbankmanagementsystemen (DBMS) und Cloud-Ressourcen erscheint vielversprechend, allerdings passt nicht jedes System zu jedem Anwendungsfall. Durchblick im Datenbank-Dschungel verspricht das Analyse-Werkzeug Mowgli, das das Ulmer Institut für Organisation und Management von Informationssystemen (OMI) im Projekt „Cloud2Go“ gemeinsam mit Daimler TSS entwickelt hat.

    Beim automatisierten Fahren werden beispielsweise konstant große Datenmengen erzeugt, die gespeichert und verarbeitet werden wollen: In Echtzeit generiert das Fahrzeug technische Informationen sowie etwa Daten zur eigenen Position und zur Umgebung. Ähnliches gilt für die smarte Stadt oder die digitalisierte Fabrik. „Auf der Suche nach dem optimalen Datenbankmanagementsystem müssen sich Nutzer fragen, was für Anforderungen sie an das DBMS-System stellen: Welche Auslastung wird im konkreten Anwendungsfall erwartet? Und über welche Zeit ist ein Systemausfall tolerierbar?“, fragt Dr. Jörg Domaschka, Gruppenleiter am OMI. Denn während ein wenige Sekunden andauernder Systemausfall im Kontext automatisiertes Fahren lebensbedrohlich sein kann, hat er im Smart Home oft keine großen Konsequenzen.

    Als vielversprechende Kombination im Kontext „Big Data“ hat sich ein Zusammenspiel aus verteilten Datenbankmanagementsystemen und Cloud-Ressourcen erwiesen. Durch die verteilte Systemarchitektur können bei wachsenden Datenmengen und Nutzerzugriffen neue Instanzen zum DBMS hinzugefügt werden. Weiterhin lässt sich das System dynamisch während der Laufzeit an die Auslastung anpassen. Zudem bieten Cloud-Anbieter scheinbar endlose Ressourcen an, die auf Knopfdruck abgerufen und hinzugefügt werden können. Inzwischen haben Nutzer sogar die Qual der Wahl: Sie müssen sich zwischen rund 200 verteilten Datenbankmanagementsystemen mit unterschiedlicher Betreibbarkeit in der Cloud und 20 000 Cloud-Ressourcen entscheiden. Die entsprechenden Kombinationen haben wiederum ganz individuelle Eigenschaften, was Leistung, Skalierbarkeit oder etwa Verfügbarkeit angeht. Wer soll in diesem Datenbank-Dschungel den Durchblick behalten? Ausgehend von diesem Problem haben die Forscher vom Institut für Organisation und Management von Informationssystemen der Universität Ulm und von Daimler TSS „Mowgli“ entwickelt. Dieses Tool zur automatischen Evaluation verteilter DBMS in der Cloud spielt typische Anwendungsszenarien durch und wertet die Leistungsfähigkeit der einzelnen Systeme aus: „Die Automatisierung der Tests erlaubt eine Vielfalt und Komplexität, die bei einem händischen Vergleich der Systeme unmöglich wäre. Bei solchen händischen Tests müsste die Komplexität wirklich sehr stark reduziert werden, um den zeitlichen Rahmen nicht zu sprengen. Und selbst bei der automatisierten Auswertung durch Mowgli dauert es ein bis zwei Tage, bis wir eine Empfehlung für ein Datenbankmanagementsystem ableiten können“, so Daniel Seybold, Wissenschaftlicher Mitarbeiter am OMI. Zwar sind die Informatiker nicht die ersten Anbieter eines solchen Benchmark-Systems, allerdings ist die Anzahl der einbezogenen Variablen bei Mowgli ungewöhnlich groß. Das Tool unterstützt bereits eine Vielzahl von DBMS mit einer beliebigen Anzahl von Instanzen und bezieht unterschiedliche Cloud-Anbieter mit ein.

    Die im Laufe des einjährigen Projekts entstandene Veröffentlichung „Mowgli: Finding your way in the DBMS Jungle“ ist von Daniel Seybold auf der Tagung „ACM/SPEC International Conference on Performance Engineering“ vorgestellt und sogleich ausgezeichnet worden. Bei Daimler TSS war das Analyse-Werkzeug bereits im Einsatz und es wird im EU-Projekt „Melodic“ (Multi-cloud Execution-ware for Large-scale Optimised Data-Intensive Computing) der Uni Ulm verwendet. Die Entwickler können sicher sein, dass ihrem Mowgli auch in Zukunft die Aufträge nicht ausgehen: Denn der Datenberg wächst umgebremst weiter.


    Wissenschaftliche Ansprechpartner:

    Daniel Seybold/Universität Ulm: Tel.: 0731 50-28799, daniel.seybold@uni-ulm.de
    Jessica Becker/Daimler TSS: Tel. 0176 309 459 52; jessica.becker@daimler.com


    Bilder

    In Zeiten von Industrie 4.0 und dem Internet der Dinge wächst der Datenberg unaufhaltsam
    In Zeiten von Industrie 4.0 und dem Internet der Dinge wächst der Datenberg unaufhaltsam
    Symbolbild: Eberhardt/Uni Ulm
    None


    Merkmale dieser Pressemitteilung:
    Journalisten, Wirtschaftsvertreter, Wissenschaftler
    Elektrotechnik, Informationstechnik, Verkehr / Transport
    überregional
    Forschungs- / Wissenstransfer, Forschungsergebnisse
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).