In-Memory-Datenbank - einfach erklärt
Klassische Datenbanksysteme speichern die meist
umfangreichen Daten auf externen Medien wie Festplatten ab. Festplattenspeicher
verfügen über große Speicherkapazität, sind relativ preiswert und waren in der
Vergangenheit die erste Wahl für Massendatenverarbeitung.
Eine In-Memory-Datenbank (z.B. HANA) hält die Daten vollständig im Arbeitsspeicher. In der
praktischen Anwendung sind die zu verarbeitenden Datenmengen meist sehr
umfangreich und die Größe des Arbeitsspeicher muss dementsprechend konfiguriert
sein. Arbeitsspeicher war in der Vergangenheit im Vergleich zu externem Speicher
sehr viel teurer. Seit einigen Jahren sind die Preise für Arbeitsspeicher
jedoch stark rückläufig. Die Verbreitung von In-Memory-Datenbanksystemen ist seitdem angestiegen.
Vorteile
In-Memory-Datenbanksysteme haben wesentlich kürzere Zugriffszeiten als herkömmliche
Datenbanken, die die zu verarbeiteten Daten jeweils im benötigtem Umfang - z.B.
von einer Festplatte - in den Arbeitsspeicher kopieren müssen. Dieser
Kopiervorgang erfordert jeweils - im direkten Vergleich - sehr viel zusätzliche
Zeit.
Eine In-Memory Datenbank eignet sich für die Durchführung von transaktionalen
(OLTP) und analytischen Prozeduren (OLAP) im selben System. Große Datenmengen
(Big Data) können nahezu in Echtzeit analysiert werden.
Nachteile
In-Memory-Datenbanken speichern die Daten im Arbeitsspeicher. Arbeitsspeicher
ist flüchtig und verliert die Dateninhalte, sobald die Stromzufuhr unterbrochen
wird. Eine dauerhafte Speicherung (Persistenz) erfolgreich abgeschlossener
Transaktionen erfordert zusätzliche Mechanismen, z.B. Auslagerung periodischer
Datenbank-Snapshots auf persistente Speichermedien, Datenbank Backups,
Mitführen von Protokolldateien, etc.
Implementierungen in der Praxis
Hybride In-Memory-Datenbanken vermeiden die konzeptionellen Nachteile und
können die Daten sowohl im Arbeitsspeicher als auch auf Festplatten speichern.
