München, Starnberg, 10. Jan. 2018 - Fünf Vorhersagen von Mark Bregman, NetApp CTO, wie sich Daten und ihr Management in nächster Zeit entwickeln werden...
Zum Hintergrund: In dem Maße, wie sich Daten im Zuge der digitalen Transformation immer mehr ausbreiten, d.h. auch dynamischer wachsen und vielfältiger werden, wird sich die gesamte IT-Infrastruktur verändern. Es gilt, ausgehend von der Applikations-Architektur bis zur Bereitstellungsstrategie einschließlich Datenverwaltung alles an die Geschäftsrealität in der Hybrid Cloud anzupassen. In dieser führt ein intelligenterer Umgang mit den Daten nach Ansicht von Mark Bregman, CTO von NetApp über fünf Wege, auf denen Unternehmen bereits im Jahr 2018 vorausfahren können – und sollten.
Hinweis: Sie finden das komplette zugehörige Video mit Mark Bregman als Aufzeichnung unter diesem Link > CTO Predictions Driven by Data for 2018.
1. „Selbstbewusste“ (self-aware) Daten sind schneller beim Nutzer
Derzeit bestimmen Prozesse, wie die Daten behandelt, bewegt, verwaltet und geschützt werden. Das Gegenteil wäre, wenn Daten das alles selbst aus sich heraus festlegen würden. Die Daten wären sozusagen selbstbewusst (self-aware) und selbstbestimmt“, wodurch ihre Vielfältigkeit zunähme. Reine Utopie? Nein, denn Metadaten ermöglichen es, dass sich Daten pro-aktiv um Transport, Kategorisierung, Analyse und Schutz kümmern. Der Informationsfluss zwischen Daten, Applikationen und Speicher wird in Echtzeit abgebildet. Das befähigt dazu, exakt den Informationsbedarf zu dem Zeitpunkt zu bedienen, wenn dieser beim Nutzer entsteht. Daten können sich so selbst verwalten, da sie bestimmen, wer auf sie zugreifen, sie teilen oder nutzen darf. Daraus ergeben sich Konsequenzen für externe Daten in puncto Sicherheit, Schutz, Kontrolle und Hoheit.
Dies lässt sich am Beispiel eines Autounfalls aufzeigen: Eine Anwaltskanzlei oder Versicherung benötigt den Zugriff auf die Autodaten, um die Haftungsfrage zu klären; oder ein Autohersteller will die Daten für das Verbessern der Bremsen oder anderer mechanischer Systeme nutzen... Bei „selbstbewussten“ Daten wäre die Kontrolle gegeben, wer was sieht. Das würde ohne zusätzlichen Zeitaufwand geschehen. Außerdem entfiele so der fehleranfällige menschliche Eingriff.
2. Virtuelle Maschinen als „Mitfahrgelegenheit“
Eigene Hardware kann eine teure, aber durchaus sinnvolle Investition sein, um anspruchsvolle Workloads wie z.B. SAP HANA konsistent abzubilden. Eine virtuelle Maschine in der Cloud unterstützt hingegen unterschiedliche Anwendungen, die an das Leasing-Prinzip erinnern: Nutzer erhalten Zugang zur VM ohne diese zu besitzen bzw. im Detail kennen zu müssen. VMs lassen sich auch von einer Web-Scale Infrastruktur bereitstellten, deren physische Komponenten wie Server, Speicher und Rechenleistung virtualisiert sind.
In so einer Umgebung funktionieren VMs wie das „Mitfahren“ bei Serverless Computing: Der Nutzer spezifiziert seinen Auftrag, um die Details kümmert sich der Cloud Provider, damit die Nutzung einfacher wird. Im übertragen Sinn will der Nutzer eine Strecke von A nach B schnell und bequem zurücklegen, wobei der Fahrzeugtyp keine Rolle spielt. Für ihn stellt eine Mitfahrgelegenheit die beste Option dar. In der IT-Welt lassen sich die immer stärker verteilten Daten schneller, kostengünstiger und bequemer mit VMs in einer Web-Scale Infrastruktur verwalten.
3. Datenmengen wachsen schneller als deren Übertragungsmöglichkeit
Daten werden künftig in einer Menge erzeugt, die bei weitem die Fähigkeit überschreitet, sie zu transportieren. Für die Zukunft bedeutet das: Die Datenmenge im Rechenzentrum (Core) wird immer geringer sein als diejenige, die Edge Computing generiert. Unter Edge versteht man das Computing am äußeren Rand eines Netzwerkes, beispielsweise bei einer IoT-Anwendung.
Bisher haben Geräte im Edge keine riesige Datenmengen produziert. Durch die Sensoren in all den Dingen, vom Auto über Thermostate bis zu den tragbaren Geräten wie Smart Watches beschleunigt sich das Datenwachstum welches die Kapazität einer Netzwerkverbindung ins Rechenzentrum schlicht überfordert. Autonome Autos und andere Geräte im Edge benötigen Echtzeitanalysen, um sofort geschäftskritische Entscheidungen fällen zu können. Daraus ergeben sich zwei Notwendigkeiten: das Verlagern der Applikationen und Ressourcen für die Verarbeitung zu den Daten. Die Datenerzeugung im Edge geschieht nicht zufällig, sondern die IT muss gewährleisten dort die richtigen Daten zu erheben und zu verarbeiten.
4. Aus „Big Data“ wird „Huge Data“ auf hochverfügbaren Speichern
Der Bedarf steigt, riesige Datenmengen zu analysieren – befeuert dadurch, dass sich maschinelles Lernen und künstliche Intelligenz verbreiten. Infolgedessen müssen die Daten enger an die Rechenressourcen rücken. Hochverfügbare Speicher gestatten, Rechenoperationen bei extrem niedriger Latenz durchzuführen, ohne dass Daten verloren gehen. Dieses Latenzkriterium verlangt nach anderen Software-Architekturen als bislang, um neue datengetriebene Geschäftsmodelle zu entwickeln. Deswegen ist die Flash-Technologie in der Industrie ein heißes Thema. Die Software, die auf superschnellen Flash-Speichern läuft, hat sich jedoch noch nicht wirklich verändert.
Aktuell ist die IT wesentlich dafür zuständig, die Kundenbeziehung aufzuwerten und dazu offeriert sie ständig Dienste, mobile Apps und reichlich Web-Erlebnisse. Der nächste Schritt besteht darin, die Daten, die Sensoren und Geräte sammeln, zu monetarisieren. Das geht jedoch nur über eine Applikations-Architektur, die sich auf hochverfügbare Speicher stützt.
Abb. 1: Evolving from Big Data to Hugh Data... (Bildquelle: NetApp)
5. Dezentrales und unveränderbares Datenmanagement
Mechanismen, die Daten vertrauenswürdig verwalten, dabei nicht verändern und wirklich verteilen, werden sich etablieren. Blockchain, bei der Datenblöcke über kryptographische Verfahren miteinander verkettet sind, bilden das wichtigste Beispiel für diese Entwicklung. Blockchain stellt den traditionellen Sinn von Datensicherheit und -Management infrage, denn es gibt keine zentrale Kontrollinstanz wie einen zentralen Server. Es ist unmöglich, Informationen innerhalb einer Blockchain zu verändern oder zu löschen.
Heutige Rechenzentren und Applikationen operieren jedoch wie eine konventionelle Farm in den USA. Der Farmer ist dort die zentrale Kontrollinstanz, um die Umgebung zu verwalten. Ein dezentralisierter und unveränderbarer Mechanismus für das Datenmanagement wird hingegen Microservices bieten. Mit diesen lassen sich Daten nutzen, um nötige Funktionen im Rechenzentrum performant abzubilden. Microservices und Daten arbeiten dann zusammen, eine zentralisierte Verwaltungskontrolle hat in dem Szenario keine Daseinsberechtigung mehr.