Clusterindex für schnelle Datenbanksuche
Wer mit Datenbanken umgeht, kann sicher ein Lied davon singen: Je größer und komplexer die Datenbestände sind, umso zeitraubender und kostspieliger ist die gezielte Suche nach Informationen. So gilt es in Unternehmen immer wieder, möglichst schnell Garantiefälle zu bearbeiten, Rückrufaktionen einzuleiten oder Materialnachweise durchzuführen.
“Ob Prognosen oder komplexe Entscheidungen zu treffen sind, Gemeinsamkeiten oder Ausreißer in Datenbeständen gesucht werden, stets kostet Komplexität Rechenzeit oder Hardware-Einsatz – häufig sogar beides”, sagt Professor Dr. Wolfgang Benn, Inhaber der Professur Datenverwaltungssysteme an der Technischen Universität Chemnitz.
Die Ursachen: “Entweder müssen extrem viele Datensätze durchsucht werden oder die Kombinatorik der Prädikate in der Abfrage ist enorm hoch, das heißt – eine sehr komplexe Korrelation vieler Attributwerte ist notwendig.” Wenn etwa ein Bauteil eines Fahrzeuges reklamiert wird, muss festgestellt werden, welcher Zulieferer an der Fertigung beteiligt war. Dazu muss die Decodierung der Produkt-Identifikation in die verwendeten Einzel- oder Bestandteile erfolgen – und das dauert.
Der klassische Weg zur Bewältigung dieser Komplexität sei die “KIWI-Methode” (Kill It With Iron). “Dabei kommt zusätzliche Hardware zum Einsatz, was indirekt die Energiekosten erhöht und in der Regel die Anschaffung zusätzlicher Software erfordert”, sagt Benn.
Alexander Adam, Prof. Wolfgang Benn und Sebastian Leuoth (v.l.) entwickelten ICIx
Foto: TU Chemnitz/Heiko Kießling
Sächsische Wissenschaftler haben nach Angaben der TU Chemnitz nun eine Alternative entwickelt, die ohne Cluster oder zusätzliche Hardware auskommt, auf die bestehende Datenbank aufsetzt und die Suche meist um den Faktor 100 oder mehr beschleunigt.
