{"id":3383,"date":"2016-09-07T21:49:55","date_gmt":"2016-09-07T21:49:55","guid":{"rendered":"http:\/\/c-bps.com\/?post_type=portfolio&#038;p=3383"},"modified":"2022-05-30T20:20:15","modified_gmt":"2022-05-30T20:20:15","slug":"analytic-platform","status":"publish","type":"portfolio","link":"https:\/\/enterprisemindfactory.com\/?portfolio=analytic-platform","title":{"rendered":"Analytic Platform"},"content":{"rendered":"<div class=\"flex_column av_one_full  flex_column_div first  avia-builder-el-0  el_before_av_one_third  avia-builder-el-first  \" ><div   data-size='entry_without_sidebar'  data-lightbox_size='large'  data-animation='fade'  data-conditional_play=''  data-ids='3387'  data-video_counter='0'  data-autoplay='true'  data-bg_slider='false'  data-slide_height=''  data-handle='av_slideshow'  data-interval='5'  data-class=' avia-builder-el-1  avia-builder-el-no-sibling  '  data-el_id=''  data-css_id=''  data-scroll_down=''  data-control_layout=''  data-custom_markup=''  data-perma_caption=''  data-autoplay_stopper=''  data-image_attachment=''  data-min_height='0px'  data-default-height='34.95867768595'  class='avia-slideshow avia-slideshow-1  av-default-height-applied avia-slideshow-entry_without_sidebar av_slideshow  avia-builder-el-1  avia-builder-el-no-sibling   avia-fade-slider '  itemprop=\"image\" itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/ImageObject\" ><ul class='avia-slideshow-inner ' style='padding-bottom: 34.95867768595%;' ><li  class=' av-single-slide slide-1 ' ><div data-rel='slideshow-1' class='avia-slide-wrap '   ><img class=\"wp-image-3387\"  src=\"https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/A-Plattform.jpg\" width='1210' height='423' title='a-plattform' alt=''  itemprop=\"thumbnailUrl\" srcset=\"https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/A-Plattform.jpg 1210w, https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/A-Plattform-300x105.jpg 300w, https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/A-Plattform-1030x360.jpg 1030w, https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/A-Plattform-768x268.jpg 768w, https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/A-Plattform-705x246.jpg 705w\" sizes=\"(max-width: 1210px) 100vw, 1210px\" \/><\/div><\/li><\/ul><\/div><\/div>\n<div class=\"flex_column av_one_third  flex_column_div first  avia-builder-el-2  el_after_av_one_full  el_before_av_two_third  column-top-margin\" ><p><div  style='padding-bottom:10px; color:#67619e;' class='av-special-heading av-special-heading-h3 custom-color-heading   avia-builder-el-3  el_before_av_textblock  avia-builder-el-first  '><h3 class='av-special-heading-tag '  itemprop=\"headline\"  >Big Data Analytics Plattform<\/h3><div class='special-heading-border'><div class='special-heading-inner-border' style='border-color:#67619e'><\/div><\/div><\/div><br \/>\n<section class=\"av_textblock_section \"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div class='avia_textblock  '   itemprop=\"text\" ><p>Mit unseren ,,Big Data Analytics&#8220; Plattform bieten wir Ihnen eine technische L\u00f6sung, mit deren Hilfe Sie Ihre kostbaren Daten sicher aufbewahren,\u00a0\u00a0zuverl\u00e4ssig\u00a0verarbeiten und schnell analysieren k\u00f6nnen. Unsere Analytics Suite mit den Modulen Prozessmanagement, Datenmanagement, ETL und Analytics &amp; Reporting unterst\u00fctzt Sie dabei, ist aber f\u00fcr den Betrieb der Plattform nicht notwendig.<\/p>\n<p>Unser Plattform haben wir auf dem Industriestandard Java aufgebaut und f\u00fchrenden Technologien, wie Cassandra und Spark, integriert. Diese sind aufeinander bestens abgestimmt und bieten Ihnen\u00a0Support und Entwicklungssicherheit.<\/p>\n<p>Da wir die Plattform in Ihrer ,,Private Cloud&#8220; implementieren, haben Sie die vollst\u00e4ndige\u00a0Kontrolle \u00fcber Ihre Daten und hohe Flexibilit\u00e4t \u00fcber Ihre Prozesse. Dennoch nutzen Sie die Vorteile einer Cloud-basierten L\u00f6sung wie geringe Investitionskosten, hohe Skalierbarkeit, maximale Mobilit\u00e4t und verbrauchsbasierten Geb\u00fchren.<\/p>\n<\/div><\/section><\/p><\/div><div class=\"flex_column av_two_third  flex_column_div av-zero-column-padding   avia-builder-el-5  el_after_av_one_third  el_before_av_hr  column-top-margin\" style='border-radius:0px; '><p><div  style='padding-bottom:10px; color:#dd8223;' class='av-special-heading av-special-heading-h3 custom-color-heading   avia-builder-el-6  el_before_av_tab_container  avia-builder-el-first  '><h3 class='av-special-heading-tag '  itemprop=\"headline\"  >Komponenten<\/h3><div class='special-heading-border'><div class='special-heading-inner-border' style='border-color:#dd8223'><\/div><\/div><\/div><br \/>\n<div  class=\"tabcontainer   top_tab   avia-builder-el-7  el_after_av_heading  avia-builder-el-last \" role=\"tablist\">\n\n<section class=\"av_tab_section\"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div aria-controls=\"tab-id-1\" role=\"tab\" tabindex=\"0\" data-fake-id=\"#tab-id-1\" class=\"tab active_tab\"  itemprop=\"headline\" >Cassandra<\/div>\n<div id=\"tab-id-1\" class=\"tab_content active_tab_content\" aria-hidden=\"false\">\n<div class=\"tab_inner_content invers-color\"  itemprop=\"text\" >\n<p>Cassandra ist eine der f\u00fchrenden verteilten und hochverf\u00fcgbaren No-SQL Datenbanken, die bei namhaften Unternehmen u.a.\u00a0Cisco, Credit Suisse, Disney, Ebay, Hp uvm. im Betrieb ist.<\/p>\n<p>Cassandra ist \u00a0bekannt f\u00fcr Hochverf\u00fcgbarkeit und Hochdurchsatz -Eigenschaften und sie ist in der Lage, enorme Schreiblasten zu handhaben und Cluster-Knoten Ausf\u00e4lle zu \u00fcberstehen. In Bezug auf das CAP-Theorem \u00a0bietet Cassandra eine konfigurierbare Konsistenz und Verf\u00fcgbarkeit f\u00fcr den Betrieb.<\/p>\n<p>Im Hinblick auf die Datenverarbeitung ist Cassandra linear skalierbar (erh\u00f6hte Belastungen k\u00f6nnen\u00a0durch Erh\u00f6hung der Anzahl der\u00a0Knoten eines Clusters abgedeckt\u00a0werden) und sie\u00a0ist in der Lage, Cross-Rechenzentrum Replikation (XDCR) durchzuf\u00fchren. \u00a0XDCR \u00a0bietet eine Reihe von interessanten Anwendungsf\u00e4lle \u00a0f\u00fcr:<\/p>\n<ul>\n<li>geo-verteilte Rechenzentren: Daten, die spezifisch f\u00fcr die Region sind \u00a0oder n\u00e4her an den Kunden\u00a0liegen.<\/li>\n<li>Datenmigration in Rechenzentren: Wiederherstellung nach Ausf\u00e4llen oder Verschieben von Daten auf einen neuen Datacenter.<\/li>\n<li>getrennte Betriebs- und Analytik-Workloads: Es k\u00f6nnen getrennte Cluster f\u00fcr schreib-intensive und analyse-intensive Anwendungen aufgesetzt werden.<\/li>\n<\/ul>\n<p>Cassandra unterliegt der Apache 2.0 Lizenz.<\/p>\n\n<\/div>\n<\/div>\n<\/section>\n\n<section class=\"av_tab_section\"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div aria-controls=\"tab-id-2\" role=\"tab\" tabindex=\"0\" data-fake-id=\"#tab-id-2\" class=\"tab \"  itemprop=\"headline\" >Spark<\/div>\n<div id=\"tab-id-2\" class=\"tab_content \" aria-hidden=\"true\">\n<div class=\"tab_inner_content invers-color\"  itemprop=\"text\" >\n<p>Spark ist eine sehr schnelle Engine\u00a0f\u00fcr verteilte, gro\u00df angelegte Datenverarbeitung und wird heute als quasi Standard in den meisten Plattformen (SAP, Microsoft, IBM usw.) f\u00fcr Big-Data Analytics verwendet.<\/p>\n<p>Dabei wird nach dem &#8222;Map-Reduce&#8220; Prinzip die Datenverarbeitungsaufgabe vom Spark-Master in mehrere Teile zerlegt und an die\u00a0verteilten Maschinen (sog. Worker) verschickt. Diese arbeiten die Teilaufgaben ab und senden die Ergebnisse an den Master, der die Teilergebnisse zu einem Gesamtergebnis zusammenf\u00fcgt. Ein Spark-Cluster kann dabei aus\u00a0einer Vielzahl (Je nach Anforderungen) \u00a0von verteilten Maschinen (sog. Worker) bestehen<\/p>\n<p>Spark hat die f\u00fchrende Technologie der letzten Jahren ,,Hadoop MapReduce&#8220; abgel\u00f6st und f\u00fchrt die\u00a0Programme bis zu 100x schneller als ,Hadoop MapReduce im Speicher (In Memory) oder 10x schneller auf dem Datentr\u00e4ger aus. Dar\u00fcber hinaus ist die Handhabung einfacher, die Programmierung effizienter und die Module f\u00fcr verschiedene Analytics-Aufgaben sind bereits in Spark integriert.<\/p>\n<p><img loading=\"lazy\" class=\"size-medium wp-image-3391 aligncenter\" src=\"http:\/\/c-bps.com\/wp-content\/uploads\/2016\/09\/spark-stack-300x141.png\" alt=\"spark-stack\" width=\"300\" height=\"141\" srcset=\"https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/spark-stack-300x141.png 300w, https:\/\/enterprisemindfactory.com\/wp-content\/uploads\/2016\/09\/spark-stack.png 633w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><\/p>\n<p>Spark unteliegt der Apache 2.0 linzenz.<\/p>\n\n<\/div>\n<\/div>\n<\/section>\n\n<section class=\"av_tab_section\"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div aria-controls=\"tab-id-3\" role=\"tab\" tabindex=\"0\" data-fake-id=\"#tab-id-3\" class=\"tab \"  itemprop=\"headline\" >Zeppelin<\/div>\n<div id=\"tab-id-3\" class=\"tab_content \" aria-hidden=\"true\">\n<div class=\"tab_inner_content invers-color\"  itemprop=\"text\" >\n<p>Zeppelin ist ein web-basierter Notebook, das interaktive Datenanalysen erm\u00f6glicht. Mit den Notebooks von Zeppelin kann man folgende Aufgaben durchf\u00fchren:<\/p>\n<ul>\n<li>Data Ingestion<\/li>\n<li>Data Discovery<\/li>\n<li>Data Analytics<\/li>\n<li>Data Visualization &amp; Collaboration<\/li>\n<\/ul>\n<p>Zeppelin Interpreter-Konzept erm\u00f6glicht, dass eine Vielzahl von\u00a0Daten-Verarbeitung-Backend integriert werden k\u00f6nnen. Besonders ausgezeichnet ist die Integration von Spark und Cassandra. Dar\u00fcber hinaus unterst\u00fctzt Zeppelin viele Interpreter wie Java, Scala,\u00a0Python, R JDBC und Shell.<\/p>\n<p>Cassandra unterliegt der Apache 2.0 Lizenz.<\/p>\n\n<\/div>\n<\/div>\n<\/section>\n\n<section class=\"av_tab_section\"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div aria-controls=\"tab-id-4\" role=\"tab\" tabindex=\"0\" data-fake-id=\"#tab-id-4\" class=\"tab \"  itemprop=\"headline\" >EM-Connector<\/div>\n<div id=\"tab-id-4\" class=\"tab_content \" aria-hidden=\"true\">\n<div class=\"tab_inner_content invers-color\"  itemprop=\"text\" >\n<p>Mit dem EnterpriseMind-Connector wird die Verbindung zwischen Ihrer ,,Big Data Analytics&#8220; Plattform und der Analytics-Suite hergestellt. Es unterst\u00fctzt folgende Funktionen:<\/p>\n<ul>\n<li>Erzeugen von Tabellen gem\u00e4\u00df den Schemas aus dem Modul\u00a0Datenmanagement<\/li>\n<li>Erfassen und Abfragen von Daten<\/li>\n<li>Durchf\u00fchren von ETL-Jobs<\/li>\n<li>\u00dcberwachung der Abarbeitung von ETL Jobs<\/li>\n<\/ul>\n<p>Der EM-Connector dient als Schnittstelle. Es werden keine Daten aus der EM-Plattform in der Analytics Suite gespeichert. Datenanalysen werden direkt vom Zeppelin-Server durchgef\u00fchrt.<\/p>\n\n<\/div>\n<\/div>\n<\/section>\n\n<\/div>\n<\/p><\/div><\/p>\n<div  style='height:30px' class='hr hr-invisible   avia-builder-el-8  el_after_av_two_third  el_before_av_textblock '><span class='hr-inner ' ><span class='hr-inner-style'><\/span><\/span><\/div>\n<section class=\"av_textblock_section \"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div class='avia_textblock  '   itemprop=\"text\" ><h4 style=\"text-align: center;\"><span style=\"color: #67619e;\">Big Data Analytics<\/span><\/h4>\n<\/div><\/section>\n<div   class='hr hr-short hr-center   avia-builder-el-10  el_after_av_textblock  el_before_av_textblock '><span class='hr-inner ' ><span class='hr-inner-style'><\/span><\/span><\/div>\n<section class=\"av_textblock_section \"  itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/CreativeWork\" ><div class='avia_textblock  '   itemprop=\"text\" ><p>Big Data wird\u00a0mit den drei folgenden Merkmalen charakterisiert.<\/p>\n<ul>\n<li>Volume: Es werden\u00a0gro\u00dfe Datenmengen generiert<\/li>\n<li>Variety: \u00a0Es handelt sich um verschiedene Datentypen und Datenquellen<\/li>\n<li>Velocity: Die Daten werden mit hoher Geschwindigkeit generiert und verarbeitet<\/li>\n<\/ul>\n<p>Durch die Big Data L\u00f6sungen k\u00f6nnen neue Erkenntnisse gewonnen werden, insbesondere in Bereichen, in denen zwar viele Daten generiert, aber die Potentiale noch nicht genutzt wurden. \u00a0Unternehmen k\u00f6nnen durch die\u00a0Analyse von Big Data Wettbewerbsvorteile erlangen, Einsparungspotentiale generieren und neue Gesch\u00e4ftsfelder schaffen. Beispiele f\u00fcr Big Data Anwendung sind u.a.<\/p>\n<ul>\n<li>Fraud-Detection: Entdeckung von Unregelm\u00e4\u00dfigkeiten bei Gesch\u00e4ftsvorf\u00e4llen und Transkation<\/li>\n<li>Smart Metering: Erm\u00f6glicht intelligente Netz- und Ressourcensteuerung<\/li>\n<li>Smart Billing: Aufbau flexibler Abrechungssystemen<\/li>\n<li>Predective Mainatance : Reduzierung Ausfallzeiten von Maschienen und Ger\u00e4ten<\/li>\n<\/ul>\n<p>Die technische Entwicklung der Prozessor Leistung kann jedoch mit der Menge der zu verarbeitenden Daten nicht Schritt halten. \u00a0Mit den Anforderungen an Geschwindigkeit begann seit Anfang 2000 der Erfolg\u00a0der No-SQL Datenbanken als verteilte Systeme.\u00a0\u00a0Dabei werden von der Datenbank mehrere Kopien erstellt und diese auf mehrere Systeme\u00a0verteilt. Die Datenbanken k\u00f6nnen dann parallel abgefragt werden, was den Durchsatz erh\u00f6ht.\u00a0Der Nachteil dieser Systeme liegt in sogenanten\u00a0CAP Theorem, der besagt, dass nur zwei Ziele gleichzeitig erreicht werden k\u00f6nnen.<\/p>\n<ul>\n<li>Konsistenz (C consistency):\u00a0Die Konsistenz der gespeicherten Daten. In verteilten Systemen mit replizierten Daten muss sichergestellt sein, dass nach Abschluss einer Transaktion auch alle Replikate des manipulierten Datensatzes aktualisiert werden.<\/li>\n<li>Verf\u00fcgbarkeit (A availability):<strong>\u00a0<\/strong>Die Verf\u00fcgbarkeit im Sinne akzeptabler Antwortzeiten. Alle Anfragen an das System werden stets beantwortet.<\/li>\n<li>Ausfalltoleranz (P partition tolerance):\u00a0Die Ausfalltoleranz der Rechner-\/Servernetze. Das System arbeitet auch bei Verlust von Nachrichten, einzelner Netzknoten oder Partition des Netzes weiter.<\/li>\n<\/ul>\n<p>Der Fokus von Cassandra im Bereich Analytics liegt auf Verf\u00fcgbarkeit und Ausfalltoleranz, wobei Konsistenz zu Lasten der zwei anderen Ziele verbessert\u00a0werden kann.<\/p>\n<p>Der zweite Nachteil liegt in der beschr\u00e4nkten Abfragem\u00f6glickheit. Im Gegensatz zu SQL-Datenbanken muss bereits beim Tabellendesign festgelegt werden, wie die Daten abgefragt werden sollen. Ansonsten\u00a0bedarf es einer Analytics Engine wie Spark, die die Daten auswerten und analysieren kann. \u00a0Erst durch \u00a0eine Analytics Engine kann auch der Mehrwert von Big-Data durch Advanced Analytics \u00a0generiert\u00a0werden.<\/p>\n<p>Unsere ,,Big Data Analytics&#8220; Plattform ist auf die Anforderungen von Big Data ausgelegt und stellt sicher dass Ihre\u00a0Daten sicher, hoch verf\u00fcgbar und gem\u00e4\u00df Ihren Gesch\u00e4ftsanforderungen analysiert werden k\u00f6nnen.\u00a0Mit Spark und Cassandra bauen wir auf Technologien, die sich in vielen anspruchsvollen Big-Data-Anwendungen bereits bew\u00e4hrt haben.<\/p>\n<\/div><\/section>\n","protected":false},"excerpt":{"rendered":"","protected":false},"featured_media":0,"comment_status":"closed","ping_status":"closed","template":"","tags":[],"portfolio_entries":[14],"_links":{"self":[{"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=\/wp\/v2\/portfolio\/3383"}],"collection":[{"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=\/wp\/v2\/portfolio"}],"about":[{"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=\/wp\/v2\/types\/portfolio"}],"replies":[{"embeddable":true,"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3383"}],"version-history":[{"count":2,"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=\/wp\/v2\/portfolio\/3383\/revisions"}],"predecessor-version":[{"id":3490,"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=\/wp\/v2\/portfolio\/3383\/revisions\/3490"}],"wp:attachment":[{"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3383"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3383"},{"taxonomy":"portfolio_entries","embeddable":true,"href":"https:\/\/enterprisemindfactory.com\/index.php?rest_route=%2Fwp%2Fv2%2Fportfolio_entries&post=3383"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}