Logo des Repositoriums

Auflistung nach Autor:in "Tinnefeld, Christian"

1 - 3 von 3
  • Konferenzbeitrag
    Available-to-promise on an in-memory column store
    (Datenbanksysteme für Business, Technologie und Web (BTW), 2011) Tinnefeld, Christian; Müller, Stephan; Kaltegärtner, Helen; Hillig, Sebastian; Butzmann, Lars; Eickhoff, David; Klauck, Stefan; Taschik, Daniel; Wagner, Björn; Xylander, Oliver; Tosun, Cafer; Zeier, Alexander; Plattner, Hasso
    Available-To-Promise (ATP) is an application in the context of Supply Chain Management (SCM) systems and provides a checking mechanism that calculates if the desired products of a customer order can be delivered on the requested date. Modern SCM systems store relevant data records as aggregated numbers which implies the disadvantages of maintaining redundant data as well as inflexibility in querying the data. Our approach omits aggregates by storing all individual data records in an in-memory, column-store and scans through all relevant records on-the-fly for each check. We contribute by describing the novel data organization and a lockingfree, highly-concurrent ATP checking algorithm. Additionally, we explain how new business functionality such as instant rescheduling of orders can be realized with our approach. All concepts are implemented within a prototype and benchmarked by using an anonymized SCM dataset of a Fortune 500 consumer products company. The paper closes with a discussion of the results and gives an outlook how this approach can help companies to find the right balance between low inventory costs and high order fulfillment rates.
  • Zeitschriftenartikel
    Hauptspeicherdatenbanken für Unternehmensanwendungen
    (Datenbank-Spektrum: Vol. 10, No. 3, 2010) Krueger, Jens; Grund, Martin; Tinnefeld, Christian; Eckart, Benjamin; Zeier, Alexander; Plattner, Hasso
    Unternehmensanwendungen werden traditionell in OLTP (Online Transactional Processing) und OLAP (Online Analytical Processing) unterteilt. Während sich viele Forschungsaktivitäten der letzten Jahre auf die Optimierung dieser Trennung fokussieren, haben – im Speziellen während des letztes Jahrzehnts – sich sowohl Datenbanken als auch Hardware weiterentwickelt. Einerseits gibt es Datenmanagementsysteme, die Daten spaltenorientiert organisieren und dabei ideal das Anforderungsprofil analytischer Anfragen abdecken. Andererseits steht Anwendungen heute wesentlich mehr Hauptspeicher zur Verfügung, der in Kombination mit der ebenfalls wesentlich gesteigerten Rechenleistung es erlaubt, komplette Datenbanken von Unternehmen komprimiert im Speicher vorzuhalten. Beide Entwicklungen ermöglichen die Bearbeitung komplexer analytischer Anfragen in Sekundenbruchteilen und ermöglichen so komplett neue Geschäftsprozesse und -applikationen. Folglich stellt sich die Frage, ob die künstlich eingeführte Trennung von OLTP und OLAP aufgehoben werden kann und sämtliche Anfragen auf einem vereinten Datenbestand arbeiten können. Dieser Artikel betrachtet hierfür die Charakteristiken der Datenverarbeitung in Unternehmensanwendungen und zeigt wie ausgesuchte Technologien die Datenverarbeitung optimieren können. Ein weiterer Trend ist die Verwendung von Cloud Computing und somit die Auslagerung des Rechenzentrums zur Kostenoptimierung. Damit einher gehen Anforderungen an das Datenmanagement hinsichtlich dynamischer Erweiterung und Skalierung um dem Konzept des Cloud Computings gerecht zu werden. Die Eigenschaften spaltenorientierter Hauptspeicherdatenbanken bieten hier Vorteile, auch in Bezug auf die effektivere Auslastung der zur Verfügung stehenden Hardwareressourcen.Ein wichtiger Aspekt ist, dass alle Anfragen in einer definierten Reaktionszeit erfolgen auch wenn die Last stark schwanken kann. Erfahrungsgemäß steigt insbesondere am Ende eines Quartals die Belastung der vorhandenen Datenbanksysteme. Um hierfür immer genau die richtige Hardwareressourcen zur Verfügung zu haben, eignet sich Cloud Computing. Aus der gewünschten Elastizität ergeben sich Anforderungen an das Datenmanagement, die im Artikel betrachtet werden.
  • Konferenzbeitrag
    Providing high-availability, elasticity for an in-memory database system with RAMCloud
    (INFORMATIK 2013 – Informatik angepasst an Mensch, Organisation und Umwelt, 2013) Tinnefeld, Christian; Taschik, Daniel; Plattner, Hasso
    Stanford's RAMCloud is a large-scale storage system that keeps all data in DRAM and provides high availability as well as a great degree of elasticity. These properties make it desirable for being used as the persistence for an in-memory database system. In this paper, we experimentally demonstrate the high availability and elasticity RAMCloud can provide when it is being used as a storage system for a relational in-memory database system: a) We utilize RAMCloud's fast-crash-recovery mechanism and measure its impact on database query processing performance. b) We evaluate the elasticity by executing a sinus-shaped, a plateau, and an exponential database workload. Based on our experiments, we show that an in-memory database running on top of RAMCloud can within seconds adapt to changing workloads and recover data from a crashed node - both without an interruption of the ongoing query processing.