Системы управления базами данных развиваются сегодня как никогда быстро, становясь все более гибкими, с тем чтобы отвечать потребностям современного онлайнового мира, на каждом уровне которого все активнее применяется виртуализация.

Так или иначе, но СУБД, какими мы их знаем, растворяются в механизмах виртуализации. В соответствии с формирующейся новой парадигмой данные не размещаются где-то конкретно. Вместо этого они прозрачным образом распределяются по абстрактной единой сети взаимосвязанных дисковых ресурсов и ресурсов хранения во все большем числе физических и логических форматов, а приложения, которым требуются эти данные, получают их с минимальной задержкой.

"Реальное время" как новое направление в бизнес-аналитике вызывает исключительный интерес. Виртуализация будет способствовать появлению бизнес-аналитики в реальном времени (real time business intelligence), более мощной, нежели традиционные подходы. Виртуализация баз данных будет поддерживать предоставление аналитических услуг в режиме реального времени за счет использования опирающейся на политики сети распределенных и поддерживающих кэширование средств хранения, которые пронизывают инфраструктуру ИТ на всех ее уровнях.

С распространением этой новой концепции будет создана конвергированная архитектура, которая объединит различные подходы к реализации средств бизнес-анализа в реальном времени, такие как ETL (Extract, Transform, Load - "извлечение, преобразование, загрузка"), захват меняющихся данных (Changed-Data Capture, CDC), обработка потоков событий и федерации данных. Эти подходы, традиционно реализуемые на основе плохо связанных между собой компонентов, превратятся в своего рода шаблоны, комбинируемые в общей виртуализованной "информационной решетке" (information fabric) для бизнес-аналитики в реальном времени.

Пройдут годы, прежде чем конвергенция подходов к бизнес-аналитике в реальном времени, направленная на создание унифицированной, размещаемой в памяти распределенной инфраструктуры с поддержкой кэширования, принесет свои плоды. Причина тому - незрелость технологий, отсутствие стандартов, поддерживаемых разными производителями и фрагментарная реализация необходимых для этого технологий производителями современных средств бизнес-аналитики и хранилищ данных. Однако все указывает на то, что это непременно произойдет.

Вот выразительный пример. Корпорация Microsoft, хотя это и не самый известный производитель подобных решений, недавно объявила о поддержке в своей СУБД SQL Server средств оперативной бизнес-аналитики. Еще важнее то, что корпорация начала обсуждать намерение сделать размещаемую в памяти распределенную систему кэширования (также называемую "информационной решеткой") краеугольным камнем своего подхода к развитию стратегии, касающейся бизнес-аналитики и хранилищ данных.

Microsoft выпустила давно ожидаемую версию SQL Server 2008. К числу многих улучшений новой версии относится новый модуль CDC и проактивное кэширование в механизме оперативной аналитической обработки. Для традиционной бизнес-аналитики в реальном времени CDC является наилучшим практическим решением, поскольку за счет непрерывной загрузки обновлений базы данных из журналов транзакций он минимизирует влияние на производительность при обработке транзакций. Проактивное кэширование – важная функция в киосках данных, интегрируемых в системы переднего края, поскольку оно ускоряет ответы на запросы пользователей, адресуемые к агрегированным данным.

Кроме того, недавно Microsoft сообщила о своих намерениях разработать следующее поколение размещаемого в памяти и поддерживающего распределенное кэширование программного инструментария промежуточного слоя, получившего кодовое название Project Velocity. Несмотря на то, что в корпорации пока не сообщили, когда и как эта новая технология будет реализована в выпускаемых программных продуктах, почти наверняка она будет интегрирована в будущие версии SQL Server. Начиная данный проект, Microsoft в каком-то смысле догоняет конкурентов, учитывая, что Oracle уже имеет хорошо проработанную технологию распределенного кэширования в памяти, получившую название Coherence, которую она приобрела более года назад с покупкой компании Tangosol. Специализированные компании, такие как GigaSpaces, Gemstone Systems и ScaleOut Software, имеют аналогичные решения по виртуализации данных.

Более того, Microsoft недавно сообщила о намерении приобрести компанию DATAllegro, специализирующуюся на серверных устройствах (server appliance) для хранилищ данных, и добавить это поддерживающее технологию grid решение к своему стеку продуктов, связанных с хранилищами данных, в состав которого входит SQL Server, средства оптимизации запросов и инструментарий промежуточного слоя для интеграции данных. Microsoft не сообщает подробностей, однако весьма вероятно, что корпорация будет эффективно использовать функции массивной параллельной обработки DATAllegro, динамического распределения запросов и федеративного развертывания в будущих версиях своих СУБД, в том числе в варианте SQL Server, адаптированного к использованию в виде сервисов. Кроме того, можно без труда представить важную роль распределенного кэширования в памяти в будущих планах Microsoft, связанных со специализированными серверными устройствами для бизнес-анализа и хранилищ данных. Если говорить о еще более отдаленной перспективе, нет ничего удивительного в том, что при присоединении SQL Server к платформе DATAllegro (и отказе от используемого в настоящее время свободной СУБД Ingres) корпорация Microsoft может изменить базовый механизм хранения для того, чтобы поддерживать больше логических и физических схем, оптимизированных для задач бизнес-аналитики.

Впрочем, пока Microsoft не сообщает подробности о своих планах по выпуску единой платформы для бизнес-аналитики. Если говорить честно, ни и у Oracle, ни у любого другого производителя средств бизнес-аналитики и хранилищ данных пока нет широких возможностей реального времени или даже планов по их реализации. Ни один производитель на этом рынке пока не представил своих планов, которые объединяли бы разнородные подходы, используемые в программном обеспечении промежуточного слоя, работающих в режиме реального времени.

Точно так же ни один производитель не сформулировал четко свой подход к поддержке полного спектра физических и логических моделей "сохранения данных" (data persistence) в своих информационных решетках реального времени. Тем не менее, достаточно ясно, что отрасль бизнес-аналитики и хранилищ данных движется к новой парадигме, согласно которой оптимальная модель сохранения данных будет предоставляться автоматически каждому узлу с учетом его роли при развертывании. В этом случае данные будут записываться в такую систему, объединяющую в себе виртуализованную память и диски, которая лучше соответствует требованиям данного приложения для работы в режиме реального времени.

Например, базы данных, ориентированные на столбцы, и параметрический подход оптимизированы для киосков данных переднего плана, где они поддерживают быструю обработку запросов к большим, агрегированным таблицам. С другой стороны, реляционные и опирающиеся на строки базы данных лучше подходят для промежуточного уровня корпоративных концентраторов хранилищ данных, где они могут поддерживать быстрое администрирование сложных иерархий источников данных во множестве предметных областей. Другие модели к сохранению данных (например, такие, как обратный индекс), могут подходить для базовых узлов, где они могут поддерживать эффективные средства ETL, профилирование и хранение сложных типов данных до их загрузки в корпоративные концентраторы хранилищ данных.

Скорее всего, вся эта виртуализованная инфраструктура данных будет существовать в "облаке", в среде управляемых сервисов и в имеющихся в организации специализированных средах бизнес-аналитики. Однако странно было бы рассчитывать на то, что эта эволюция произойдет в одночасье. Даже если бы производители вдруг объединились на общей платформе информационной структуры (что крайне сомнительно), предприятия инвестировали в имеющиеся у них средства работы с данными слишком большие средства, чтобы в один момент перенести их в виртуализованную архитектуру.

Старые платформы хранилищ данных существуют уже несколько поколений, и какими бы солидными и надежными они ни казались, становятся все менее гибкими и устаревают. Не стоит рассчитывать на то, что они скоро уступят место виртуализации. Старые базы данных начнут исчезать только тогда, когда кто-нибудь перенесет свои драгоценные данные в новую среду, а затем физически их отключит, положив конец этим мучениям.

Джеймс Кобайлас — ведущий аналитик компании Forrester Research, специализирующийся на вопросах управления информацией и знаниями.

Аналитические базы данных -- главный двигатель популярных ныне систем бизнес-анализа, позволяющих клиентам получать интересующую их операционную информацию с помощью отчетов, инструментальных панелей и специализированных запросов.

В усилиях, направленных на консолидацию отрасли бизнес-анализа, аналитическим базам данных в последнее время уделялось явно недостаточное внимание. Эти компоненты, находящиеся в самом ядре хранилищ данных, воспринимались скорее как некое служебное дополнение, а не как определяющая часть платформы.

Большая часть деятельности, направленной на объединение систем бизнес-анализа, была обусловлена желанием поставщиков дополнительно усилить свои приложения финансового анализа или оснастить платформы BI более развитыми механизмами визуального представления, поиска и другими средствами, направленными на повышение удобства доступа к информации.

В ближайшие несколько лет аналитическим базам данных почти наверняка будет отводиться роль ключевого двигателя решений бизнес-анализа. Поскольку основные функции бизнес-анализа уже давно превратились в стандартный товар массового потребления, большинство поставщиков, расхваливая свои приложения, называют их отличительными чертами скорость, масштабируемость, пропускную способность и поддержку переменной рабочей нагрузки. А всего этого можно добиться лишь с помощью хорошо настроенной аналитической базы данных.

Каждый уважающий себя поставщик систем бизнес-анализа начнет доказывать, что в сравнении с конкурирующими продуктами его аналитическая база данных способна одновременно обслуживать большее количество пользователей, обрабатывать более сложные многомерные запросы, быстрее загружать громоздкую информацию, выполнять преобразования, требующие проведения интенсивных вычислений, а также эффективно управлять массивными наборами данных. Причем само решение в этом случае обойдется пользователю значительно дешевле.

На рынке систем бизнес-анализа, все явственнее превращающихся в продукт массового потребления, главным критерием покупки становится соотношение между ценой и эффективностью. Данная тенденция способствует привлечению дополнительного внимания к аналитическим механизмам, которые также называют механизмами бизнес-анализа или механизмами хранилищ данных.

На практике большинство ведущих поставщиков систем бизнес-анализа -- SAP/Business Objects, IBM/Cognos, Oracle, Microsoft и SAS Institute -- поставляют свои собственные аналитические программно-аппаратные комплексы или разрабатывают их совместно со своими партнерами.

Хотя производители продолжают предлагать решения бизнес-анализа и хранилищ данных в виде коробочного программного обеспечения, все они чувствуют рост спроса на готовые решения, уже адаптированные к потребностям конкретного клиента. Предприятия среднего звена проявляют серьезный интерес к механизмам, обеспечивающим быстрое развертывание предварительно оптимизированных решений и снижение нагрузки на персонал ИТ-службы, численность которого ограничена.

Если аналитические механизмы занимают центральное место в выработке стратегий бизнес-анализа, то механизмы хранилищ данных превращаются в полноценные платформы BI. Занимающиеся их поставками компании Teradata, HP, Netezza, Greenplum, DATAllegro, Dataupia и ParAccel расширяют возможности проведения "анализа внутри данных" и развивают функционал других приложений, разрабатываемых как своими силами, так и силами партнеров и клиентов. Поставщики систем стремятся превзойти друг друга в совершенствовании функций базы данных -- средств индексирования, декомпозиции, кэширования, сжатия, поддержки многомерности, преобразования в лексемы (tokenization) и оптимизации планов запросов, позволяющих управлять рабочей нагрузкой аналитических механизмов. Все поставщики систем пытаются добиться увеличения масштабируемости своего оборудования за счет массовой параллельной обработки, кластеризации, управления рабочей нагрузкой и внедрения других средств оптимизации.

Поставщики баз данных, ориентированных на организацию хранения информации по столбцам (column-oriented database), -- подобные структуры особенно хорошо подходят для выполнения запросов с интенсивной обработкой данных -- намерены в ближайшее время распространить свою рыночную стратегию и на программно-аппаратные комплексы, а также приступить к освоению рынка аналитических систем.

Оптимизированные с аппаратной точки зрения системы управления базами данных демонстрируют такой выигрыш в производительности, по сравнению со своими чисто программными конкурентами, который не оставляет конкурентам шанса удержать свою долю на рынке. И хотя большинство поставщиков программно-аппаратных комплексов пока избегают подходов, ориентированных на хранение информации в столбцах (предпочитая использовать для многомерной оперативной аналитической обработки традиционные, ориентированные на хранение информации в строках реляционные системы управления базами данных), многие уже приступают к изучению альтернативных технологий в надежде добиться дальнейшего увеличения производительности.

Рост спроса на недорогие аналитические вычислительные мощности породил предложение услуг хранилищ данных, предоставляемых по подписке. Эти предложения фигурируют также под названиями DW 2.0, Database 2.0, "базы данных в облаке" и "базы данных по запросу". Корпорация Microsoft, хотя и не является первопроходцем в этой области, но уже запустила в эксплуатацию ограниченную бета-версию размещаемого сервиса SQL Server Data Services (SSDS), который планируется вывести на полную мощность в 2009 году.

Под знаменем SSDS в Microsoft собирает часть функциональности реляционной СУБД SQL Server, которая должна будет поддерживать аналитические средства, а также приложения обработки транзакций. Хотя оптимизация SSDS специально для аналитических систем еще не проводилась, в Microsoft сообщили, что планируют развивать свою службу в этом направлении.

Механизмы DW 2.0, предлагаемые сегодня уже очень многими поставщиками, обеспечивают постоянное расширение поддержки недорогих аналитических систем. В ближайшие десять лет разработчики программного обеспечения, поставляемого в виде сервиса (Software-as-a-Service, SaaS), начнут оформлять подписку на полнофункциональные службы бизнес-анализа и хранилищ данных, предназначенные для проведения высокопроизводительного, объемного и сложного анализа. Эти облака будут дополнять полностью виртуальные, распределенные, масштабируемые grid-структуры, поставляемые корпорациями Microsoft, Google и другими тяжеловесами для организации добычи данных, оптимизации производительности, а также решения других задач, которые требуют проведения сложных вычислений и интенсивной обработки данных. Со временем распространение механизмов DW 2.0 станет обыденным явлением. Услуги, предоставляемые по запросу, помогут решать задачи поддержки принятия решения различного масштаба как в деловом мире, так и в нашей повседневной жизни.