Exasol

Spezialist für In-Memory-Analytics

Exasol wurde von Grund auf eigenentwickelt, um In-Memory Analytics mit höchster Performance und Skalierbarkeit zu bieten.

Eine leistungsstarke In-Memory-Datenbank, die speziell für Analysezwecke entwickelt wurde. Von kommerziellen Datenanwendungen bis hin zu komplexen Analysen können große Datenvolumen in Echtzeit analysiert, BI-Anwendungen und Reportings beschleunigt und das Ganze gewinnbringend genutzt werden.

Merkmale und Nutzen

Erfahren Sie, welche Vorteile und Nutzen Sie aus Exasol ziehen können

In-Memory-Technologie

Innovative In-Memory-Algorithmen ermöglichen eine wesentlich schnellere Verarbeitung großer Datenmengen im Hauptspeicher.

Hohe Anzahl gleichzeitiger User

Tausende Benutzer können gleichzeitig auf eine große Datenmenge zugreifen und diese analysieren, ohne dass die Leistungsfähigkeit der Abfrage beeinträchtigt wird.

Spaltenorientierte Speicherung und Kompression

Durch spaltenorientierte Speicherung und Kompression wird die Anzahl der I/O Operationen und die zur Verarbeitung im Hauptspeicher benötigte Datenmenge verringert und die Leistung erhöht.

Umfassende Hadoop-Integration

Daten, die in beliebigen von HCatalog unterstützten nativen Datenformaten vorliegen, können direkt aus HDFS geladen werden, sodass Hochgeschwindigkeitsanalysen von strukturieren und unstrukturierten Daten einfach und reibungslos durchgeführt werden können. Der Datentransfer erfolgt dabei hochperformant und parallelisiert.

Massiv-Parallele Datenverarbeitung

Exasol wurde als Parallelsystem entwickelt, das auf einer Shared-Nothing-Architektur basiert. Abfragen werden auf alle Knoten eines Clusters verteilt. Dies geschieht unter Verwendung eines optimierten parallelen Algorithmus, der die Daten lokal im Hauptspeicher eines jeden Knotens verarbeitet.

Advanced In-Database Analytics

User Defined Functions (UDF) ermöglichen es, dass Advanced Analytics innerhalb der Datenbank durch den Einsatz von R, Python, Lua und Java problemlos läuft.

Tuningfreie Datenbank

Intelligente Algorithmen überwachen kontinuierlich die Nutzung und passen sich eigenständig an, wodurch die Leistungsfähigkeit des Systems optimiert und der administrative Aufwand minimiert werden.

Erweiterte Konnektivität

Zusätzlich zu den bisherigen JDBC, ODBC und .NET-Schnittstellen wird darüber hinaus eine Web-Socket-basierte SQL-Schnittstelle unterstützt. Durch diese neue Schnittstelle kann fast jede Plattform problemlos auf Exasol zugreifen, auch wenn kein dedizierter Treiber verfügbar ist. Exasol enthält bereits einen auf diesem API basierenden Python-Adapter.

Schneller Zugriff auf sämtliche Datenquellen

Mit dem Datenvirtualisierungs-Framework „Virtual Schemas“ sowie dem hochperformanten Datenimport-Framework können neue Datenquellen leichter angebunden und noch schneller analysiert werden.

Beliebige Einsatzmöglichkeiten

Als sehr flexible Lösung kann Exasol in unterschiedliche Geschäftsmodelle eingebunden werden. Folgende Möglichkeiten stehen zur Auswahl: als reine Software-Lösung, als Appliance oder in der Cloud (ExaCloud, Microsoft Azure oder Amazon Web Services).

Lassen Sie sich über den Einsatz von Exasol beraten