Les bases de données en mémoire contribuent à résoudre certains des problèmes analytiques les plus importants des entreprises aujourd'hui. Alors que les entreprises traitent d'énormes quantités de données, les applications d'analytique en temps réel et d'intelligence artificielle nécessitent un accès immédiat à ces données.
Les supports de stockage traditionnels comme le stockage Flash (SSD) et les disques durs (HDD) n'ont pas pu répondre à ce besoin, alors que le prix de la DRAM reste prohibitif et que la capacité est limitée dans de nombreuses organisations.
61 % des professionnels de la gestion de données indiquent que les limites du système constituent leur principale préoccupation lorsqu'ils tentent de tirer de la valeur de leurs données1.
Qu'est-ce qu'une base de données en mémoire ?
Les données d'une base de données traditionnelle sont stockées sur un lecteur. Lorsque des données sont nécessaires, elles sont transférées dans la mémoire du système local (ou RAM), puis traitées par le processeur. Comme la recherche de données qui résident sur des lecteurs prend du temps, cela provoque souvent des goulots d'étranglement.
En revanche, une base de données en mémoire stocke des données directement dans la mémoire du système, branchée directement sur le bus mémoire à haut débit et à faible latence. Elle réduit la latence en diminuant le temps nécessaire à l'analyse des données. Grâce à une base de données en mémoire, les données sont accessibles beaucoup plus rapidement, ce qui vous permet d'analyser de grands volumes de données complexes en temps réel.
70 % des entreprises mettent en œuvre, ont mises en œuvre ou étendent l'adoption d'une base de données en mémoire1.
Base de données en mémoire ou traditionnelle
Pour mieux comprendre les avantages d'une base de données en mémoire, ou bd en mémoire, examinons de plus près comment fonctionnement les différents types de mémoire. Jusqu'à récemment, les centres de données étaient limités aux solutions de mémoire et de stockage suivantes :
- La mémoire DRAM est très rapide, mais possède une capacité limitée et son prix peut être prohibitif.
- Les lecteurs SSD offrent davantage de capacité et son moins chers que la DRAM, mais ils sont considérablement plus lents que la DRAM.
- Les disques durs peuvent stocker d'énormes quantités de données à un prix inférieur, mais sont encore plus lents que les lecteurs SSD.
Comme vous pouvez le voir, chacune de ces options possède ses propres limitations, qu'il s'agisse de performances, de capacité ou de coût.
La mémoire persistante offre une nouvelle option pour les bases de données en mémoire. Elle offre des performances proches de celles de la DRAM, à des capacités plus élevées et des prix plus abordables2. La mémoire persistante Intel® Optane™ fournit une base de données en mémoire et le meilleur des deux mondes : une capacité supérieure celle de la DRAM tout en évitant les limitations de performances des supports de stockage traditionnels.
L'analytique en mémoire contribue à améliorer les performances des logiciels d'autres manières. Elle utilise les capacités des processeurs multicœurs et multithread, qui peuvent traiter les données en temps réel grâce à la réduction de la latence due à la conservation des données en mémoire.
Exemples d'utilisation de bases de données en mémoire
Des finances et de la vente au détail à la santé et à la cybersécurité, la mémoire persistante peut contribuer à faciliter l'analytique en temps réel que vous utilisez pour prendre les décisions qui font progresser votre entreprise. En fait, l'analytique en temps réel dépend des bases de données en mémoire pour fournir des renseignements aux vitesses exigées par ces applications. Les cas d'utilisation suivants reposent sur une architecture de référence construite sur des serveurs ThinkSystem Lenovo équipés de processeurs Intel® Xeon® Scalable utilisant de la mémoire sur disque3. Les serveurs ThinkSystem configurés avec des processeurs Intel® Xeon® Scalable de 2ᵉ génération prennent en charge la mémoire persistante Intel® Optane™, qui offre une capacité supplémentaire, un prix plus abordable et la persistance des données4.
Finances : détection et surveillance des fraudes
Les institutions financières peuvent utiliser l'analytique en temps réel en streaming pour améliorer les résultats commerciaux et découvrir des renseignements qui permettent de prendre de meilleures décisions. Les modèles de Machine Learning peuvent être formés à l'aide des données transactionnelles précédentes afin de surveiller les transactions liées au crédit et de prévoir les transactions frauduleuses.
Vente au détail : efficacité opérationnelle et plus grands volumes de vente
Les détaillants peuvent utiliser l'analytique en temps réel en streaming pour améliorer les opérations, suivre les stocks, accroître le volume des ventes, collecter des renseignements et améliorer la satisfaction des clients.
Santé : évaluation des risques cliniques et surveillance de la sécurité des patients
Dans la santé, l'analytique peut faciliter l'utilisation du Big Data et du Machine Learning afin d'améliorer l'efficacité organisationnelle et d'offrir aux patients une meilleure expérience. Les administrateurs peuvent utiliser l'analytique en temps réel pour évaluer les risques cliniques, surveiller la sécurité des patients, personnaliser les résultats des patients et réduire les réadmissions de patients.
Détection des menaces réseau
Les modèles de Machine Learning peuvent analyser en streaming les données DNS, proxy et la surveillance du trafic afin d'accélérer la détection des menaces.
L'importance de la mémoire persistante
Un des gros problèmes de la DRAM est la perte de données associée aux pannes d'électricité ou à l'arrêt des ordinateurs. La mémoire persistante réduit les cycles d'immobilisation associés à l'arrêt du serveur. En général, lorsqu'un ordinateur est éteint, toutes les applications en cours d'exécution et les données doivent être récupérées à nouveau lorsque l'ordinateur est remis en marche. Comme les données stockées sur une mémoire persistante sont conservées lorsque l'ordinateur est arrêté, une base de données en mémoire est capable de redémarrer jusqu'à 13 fois plus rapidement que s'il fallait recharger les données depuis un disque5
Besoins de l'infrastructure en bases de données en mémoire
Lorsque vous construisez la pile d'analytique de votre base de données en mémoire, la première chose à prendre en compte est la manière dont vous utiliserez vos données. Elle détermine la technologie que vous devez utiliser pour stocker et traiter vos données. Réfléchissez aux besoins de votre entreprise. S'ils ne sont pas sensibles au temps ou à la mémoire, vous pouvez choisir à la place des solutions traditionnelles.
Voici quelques recommandations à suivre lorsque vous construisez votre infrastructure de base de données en mémoire :
- Mettez à la place un environnement distribué qui vous donne la souplesse de mettre à niveau les capacités des processeurs, de la mémoire et du stockage au fil du temps, selon les besoins.
- Créez un environnement relationnel et multimodal qui prend en charge les bases de données SQL et les données semi-structurées comme JSON.
- Veillez à ce que les données puissent être transférées de la mémoire aux niveaux de stockage alors qu'elles vieillissent, ce qui permet d'optimiser les coûts de gestion des données sans compromettre les performances de l'analytique ou la latence.
Technologies Intel® pour bases de données en mémoire
La gamme de solutions pour centres de données d'Intel a été conçue pour faciliter la simplification de l'analytique en mémoire en associant vitesse, hautes performances et capacité.
Processeurs Intel® Xeon® Scalable
Les processeurs Intel® Xeon® Scalable renforcent vos applications les plus exigeantes en prenant en charge l'analytique en mémoire, l'intelligence artificielle, le calcul intensif (HPC) et la transformation des réseaux.
Mémoire persistante Intel® Optane™
La mémoire persistante Intel® Optane™ combine les meilleures caractéristiques de la mémoire et du stockage pour étendre la capacité de la mémoire tout en offrant un accès à faible latence aux données persistantes.
SSD Intel® Optane™ pour centres de données
Le SSD Intel® Optane™ pour centres de données réduit les goulets d'étranglement du stockage de votre centre de données et peut accélérer les applications, autoriser l'utilisation d'ensembles de données plus importants et moins chers que ceux de la DRAM, et d'améliorer le coût total de possession (TCO) de votre centre de données. Contrairement aux lecteurs SSD NAND traditionnels qui ont un point optimal pour les hautes performances, notre technologie combine une faible latence et de hautes performances en lecture/écriture aléatoire.
Des renseignements plus vite, de meilleures performances
Les entreprises traitent plus de données que jamais auparavant. Mais ils ont également besoin d'un accès rapide aux renseignements lorsqu'elles travaillent avec des applications d'analytique exigeantes en mémoire. Lorsque vous devez traiter de grandes quantités de données mais devez obtenir des renseignements en temps réel, une base de données en mémoire avec une mémoire persistante peut être l'option que vous recherchez. En stockant des données dans la mémoire système, vous pouvez traiter plus de données plus rapidement sans vous soucier des immobilisations ou sacrifier les performances.
Accélérez les délais d'obtention de renseignements tout en offrant des expériences client engageantes avec la technologie Intel® conçue pour l'analytique en temps réel.