SAP HANA ist bereits heute ein zentraler Baustein in jeder zukunftsweisenden SAP Plattform. Die Einführung und der Betrieb SAP HANA-basierter Lösungen bringen jedoch eine hohe Investition sowohl auf Seiten der Infrastruktur als auch seitens der Projektteams und Unternehmensorganisation mit sich.

Desto mehr ist es elementar, die Architektur sowie die operativen als auch analytischen Applikationen auf einen effektiven und insbesondere effizienten Einsatz der SAP HANA Ressourcen zu trimmen. Hierdurch kann einerseits das volle Potential von SAP HANA geschöpft und andererseits gleichzeitig eine hohe und konstante Antwortzeit erzielt werden.

Komplexe Berechnungen, hohes Datenvolumen und eine Vielzahl paralleler Benutzer-Aktionen stellen auch in einem In-Memory-Szenario besondere Herausforderungen bei der Anfrageverarbeitung dar. Treffen mindestens zwei dieser Faktoren zusammen (hohe Komplexität der Berechnungen, großes Datenvolumen oder eine hohe Anzahl paralleler Benutzer-Zugriffe) sprechen wir von einem High-Load-Analytik-Szenario. Selbst gut proportionierte SAP HANA Systeme stoßen in einem solchem Umfeld schnell an ihre Kapazitätsgrenzen. Die Folgen (lange Antwortzeiten bis hin zum Abbruch der Anwendung) spüren dann nicht nur der einzelne Endanwender der anfrageauslösenden Anwendung sondern alle Konsumenten des Gesamtsystems. Eine kostenintensive Aufstockung der Hardware (Scale-up oder Scale-out) sind häufig die einzige Lösung.

Grundsätzlich liegt jedoch der größte Hebel zur Performanceoptimierung in der Gestaltung des Datenmodells und der darauf operierenden Operationen. Insbesondere bei High-Load-Analytics-Anwendungen sollte Wert auf folgende Parameter gelegt werden:

• Optimierte Datenverarbeitung und Datenablage, speziell bei großem Datenvolumen und komplexen Kalkulationen
• Optimierter Einsatz vorhandener Ressourcen bei hohen parallelen Zugriffen
• Reduzierte Gesamtbetriebskosten (TCO) bei der Wartung und Betrieb der Applikationen

Mit dem SAP HANA Add-on In-Time hat Deloitte diese Zielsetzungen durch einen innovativen, softwarebasierten Ansatz zur Optimierung von High-Load-Analytics-Applikationen realisiert. Die Grundidee basiert dabei auf dem Konzept der logischen Partitionierung, welche die semantische Partitionierung mit Mechanismen der Daten-Vorkalkulationen und Delta-Updates kombiniert. In-Time ermittelt anhand der jeweiligen Konfiguration den optimalen Ressourcenverbrauch und wählt für die Abfrageberechnung dynamisch die bestmögliche Kombination aus Partitionierung und Vorkalkulation. Des Weiteren setzt es intelligente Logiken und Lernalgorithmen ein, um Anfragen und Vorberechnungen noch effektiver zu parallelisieren und die Laufzeit weiter zu reduzieren. Das Add-on ermöglicht hierdurch eine signifikante Reduktion des Ressourcenverbrauchs und die Entfaltung des vollständigen Potenzials von SAP HANA auf einfache Art und Weise. Neben dem positiven Effekt auf die SAP HANA Gesamtkosten (Anschaffung und Betrieb) steigert es die Kunden-/Endanwender-Zufriedenheit. Ein Kooperationsmodell mit SAP wird derzeit erarbeitet mit der Zielsetzung einer offiziellen SAP Solution Extension für SAP HANA.

Das Einsatzspektrum von der In-Time Suite ist vielfältig. Auf der einen Seite kann der klassische Batchbetrieb mit komplexen Berechnungen auf großen Datenmengen beschleunigt werden. Auf der anderen Seite ist die Unterstützung von Echtzeitkalkulationen bei einer hohen Anzahl paralleler Nutzer auf umfassenden Datenbeständen ein typisches Szenario. In welchem Umfang der Einsatz nutzbringend ist, kann mithilfe der integrierten Diagnostik-Funktionalität evaluiert und visualisiert werden. Zudem können die Vorteile anhand bestehender Einsatzszenarien und SAP-zertifizierter Applikationen wie zum Beispiel dem „Deloitte In-Time for Profit Contribution Report“ (PCR) demonstriert werden.

Autoren: 

Alex Grüner, Senior Manager | Technology Strategy & Architecture

Stefan Hartmann, Senior Manager | Information Management

Olga Ivanova, Business Analyst | Information Management