Internet Vergleich

Online-Vergleiche

Die Internet-Apotheken bieten alles Mögliche und das zu günstigen Preisen. Auch ohne Kosten und Gebühren, direkt im Internet zu erledigen. Angreifer, die ohne Expertenwissen mit frei verfügbarer Software im Internet ausgeführt werden können, sind immun. Der Gesetzestext ist im Internet unter http://www.gesetze-im-internet.

de/arbzg/. abrufbar.

Überblick und Vergleich: Datenbankoptionen für das Internet der Dinge (IoT)

Beim Auswählen von Datenbeständen für indirekte Datenverarbeitung müssen Sie auch andere Anforderungen berücksichtigen als bei herkömmlichen Unternehmensdatenbanken. Applikationen für das Internet der Dinge sind mit einer Vielzahl neuer Anforderungen konfrontiert. So kann beispielsweise eine Applikation, die Informationen von Kraftfahrzeugen einer Flotte erfasst, den Datenverlust für einige wenige Augenblicke hinnehmen und trotzdem die Grundfunktion der Kraftfahrzeuge nachvollziehen.

IoT-Sensoren generieren zwar rasch Informationen, führen aber nicht zu den gleichen Transaktionsarten wie herkömmliche Geschäftsanwendungen in Unternehmen. Bei der Auswahl einer solchen Datenbasis für IoT-Anwendungen müssen wir jedoch viele Aspekte außer Acht lassen, die bei der Gestaltung von betrieblichen Datenbankapplikationen eine wichtige Funktion haben. Bei der Auswahl einer Datenbasis für eine IoT-Anwendung müssen Sie viele Aspekte im Blick haben.

Wichtige Aspekte in der IoT-Umgebung sind unter anderem der Grad der Skalierbarkeit, die Möglichkeit der schnellen Datenspeicherung, die Flexibilität der Schemata, die Einbindung in Analysetools und die damit verbundenen Mehrkosten. Ein Datenbestand für IoT-Anwendungen muss erweiterbar sein. Die Verteilung von IoT-Datenbanken erfolgt in der Regel verstreut - es sei denn, die Applikation erhebt nur eine kleine Datenmenge und diese wird nicht größer.

Dezentrale Datenbestände können auf Standard-Hardware ausgeführt und durch neue hinzugefügte Datenserver skaliert werden. Dezentrale Datenbanksysteme eignen sich besonders für Infrastructure as a Service (IaaS), da es verhältnismäßig leicht ist, sie zu einem Datenbank-Cluster hinzuzufügen bzw. bei Bedarfen aus ihm zu löschen. Dezentrale Datenbanksysteme erzeugen Duplikate oder Replikate von Dateien und speichern diese auf mehreren Servern.

Fällt einer der beiden Datenserver aus, die einen speziellen Eintrag ablegen, kann einer der anderen Datenserver, der eine Kopien des Satzes abgelegt hat, auf die Leseanforderung antworten. Derartige Nachrichtensysteme sind z.B. die Firma Kavka oder Amazon Kinesis, die auf der Firma Kavka basieren. Sie können großvolumige Schreibeaufträge annehmen und in einem Publishing- und Subscribe-System permanent abspeichern.

Fällt ein Datenserver aus oder ist das Datenaufkommen an Schreibaufträgen für die dezentrale Datenbasis zu hoch, um in Realtime gespeichert zu werden, können die gesammelten Informationen im Messaging-System gecached werden, bis die Datenbasis den Backlog der Datensätze wieder bearbeiten kann oder dem Datenbankcluster weitere Teilnehmer hinzugekommen sind. NoSQL Datenbanken sind eine gute Option, wenn ein Unternehmen mehrere Dateitypen einsetzt und diese sind sehr wahrscheinlich im Zeitablauf veränderbar.

Andernfalls können Applikationen, die spezifische, feste Datenbestände erfassen - wie z.B. Wetterdaten - von einem Relationsmodell auskommen. Firmen, die ihre eigenen Datenbanksysteme unternehmensintern managen wollen, können mit DataStax Cassandra auf eine hochskalierbare, dezentrale NoSQL-Datenbank zugreifen. In der spaltenorientierten Datenbank werden flexibel große Tabellenschemata verwendet, schnelle Schreibvorgänge durchgeführt und eine höhere Flexibilität und Zuverlässigkeit in dezentralen Netzwerken angestrebt.

Dabei werden die gesammelten Informationen in Schlüssel-Wert-Beziehungen gespeichert. Mit der Big Data Analytics-Plattform, die für den schnellen Lese- und Schreibvorgang ausgelegt ist, ist vor allem die Analyseverarbeitung von Streams möglich. Zur speicherinternen Analyse werden über den Spark-Konnektor aus Riak zu Spark eingelesen. Mit OpenTSDB steht eine weitere Open-Source-Datenbank zur Verfügung, die besonders große Mengen an Informationen wie z.B. Zeitreihen speichert, verwaltet und auswertet.

Das Datenbanksystem umfasst Befehlszeilenschnittstellen und einen Timeseries Daemon ("TSD"). Während für die Speicherung von Langzeitdaten für die Speicherung in Handbüchern in Handbüchern verwendet wird, haben TSD-Anwender wenig bis gar keinen Zugang zu dieser. Bei MemSQL handelt es sich um eine Relationsdatenbank, die vollumfänglich mit MySQL in Verbindung steht und für Echtzeit-Datenstreaming aufbereitet ist. Mithilfe von MemSQL können Datenströme, Geschäftsvorgänge und Verlaufsdaten in derselben Datenbasis gespeichert werden.

Das Datenbanksystem kann auch ohne weitere Konfigurationen Erderkundungsdaten verarbeiten, was für ortsbezogene IT-Anwendungen von Vorteil sein kann. Der Datenbestand wird vollständig im Speicher ausgeführt und SQL-Befehle konvertieren die Anwendung in Realtime in C++. Firmen und Developer, die einen Managed Database Service wünschen, sollten AWS Angebote wie z. B. Linesis Streams und DynamoDB in Betracht ziehen.

Mit Hilfe von Kinese können bereits während der Generierung Messdaten erfasst werden. Dabei können die in Realtime abgespeicherten Informationen an die NoSQL-Dokumenten-Datenbank DynamoDB übertragen werden. Amazon Kinese kann zum Beispiel kontinuierliche Terabyte an Informationen pro Std. aus Hunderten von Tausenden von Datenquellen sammeln und aufbewahren, darunter Website-Klickströme, Finanztransaktionen, Social Media Feeds, IT-Logs und Ortungsereignisse.

Die Abrechnung der AWS Kinese-Streams erfolgt auf Stundenbasis. Was die eigentlichen Informationen betrifft, so nutzt die Firma PUT Payload Unit zur Berechnung des Gesamtverbrauchs. Jeder Block enthält zwischen einer und 25 KB Speicherplatz, so dass z.B. ein zehn KB Speicherplatz als eine Dimension und ein 30 KB Speicherplatz als zwei Einheiten berechnet wird.

Mehr zum Thema