MapR Technologies prognostiziert eine Verzehnfachung des Datenvolumens bis 2020. Darüber hinaus schätzt der Netzwerkspezialist Cisco System, dass es im gleichen Zeitraum 50 Milliarden angeschlossene Geräte geben wird. MapR geht davon aus, dass die beschleunigte Leistung von OpenTSDB auch spezifische Datenanalyseanwendungen wie Rechenzentrums- und Industriemonitoring sowie die vorausschauende Wartung von verteilten Hardwaresystemen ermöglichen könnte.

Das Unternehmen sagte, dass OpenTSDB in erster Linie zum Speichern und Analysieren von Zeitseriendaten, d.h. einer Folge von aufeinanderfolgenden Datenpunkten, verwendet wird. “Ursprünglich nur für die Überwachung von Rechenzentren konzipiert, hatte eine schlechte Ingest-Leistung die Ausweitung der Nutzung eingeschränkt”, erklärte Ted Dunning, MapRs Hauptanwendungsarchitekt, in einer Erklärung, die die beschleunigte Leistung ankündigte. “Dieser Benchmark zeigt eine praktikable Option für neue Anwendungen.”

MapR behauptet, dass Zeitreihen-Datenbanken, die die Vorteile der beschleunigten Performance von Tools wie OpenTSDB nutzen können, benötigt werden, um große neue Datensätze in Echtzeit zu speichern und zu analysieren.

MapR kündigte die Beschleunigung der OpenTSDB-Leistung um das 1.000fache auf einem Vier-Knoten-Cluster während der dieswöchigen Tableau-Konferenz in Seattle an.

MapR beschreibt OpenTSDB als eine skalierbare Zeitreihen-Datenbank, die auf Hadoop und dem spaltenorientierten Datenbankmanagementsystem Apache HBase aufbaut. Es soll die Speicherung und Analyse großer Mengen von Zeitseriendaten aus Quellen wie Serveroperationen und Lastmetriken sowie Sensoren, die beispielsweise Umweltdaten messen, vereinfachen.

Laut MapR arbeitet OpenTSDB mit zwei Programmierschnittstellen: Write API, bei der Server oder Sensoren Daten an die API und OpenTSDB senden und in HBase speichern; und Read API, bei der Benutzer oder Software auf die Schnittstelle zugreifen, um Zeitseriendaten abzurufen, die beim Abruf aggregiert, registriert, gruppiert und grafisch dargestellt werden.

Open TSDB arbeitet nativ mit MapR-DB zusammen, das wiederum die HBase API implementiert. Das Unternehmen sagte, dass es vor kurzem OpenTSDB verbessert hat, um die Leistung und Skalierbarkeit “um mehrere Größenordnungen” zu verbessern. Die Erweiterungen sollen es zu einer bevorzugten Lösung für sehr umfangreiche Zeitreihenanalysen machen.

David Swift, CEO von SwiftERM, bestätigte sein Engagement für die Bereitstellung der geeigneten Einrichtungen, um einen reibungslosen Betrieb und ungehinderten Zugang zu angemessener Serverkapazität zu gewährleisten, um den schnellen Anstieg der Nachfrage auf der Grundlage dieser Prognosen zu bewältigen. Er fügte hinzu: “Das Wissen um die zu erwartende Nachfrage hat es uns ermöglicht, das Problem anzugehen, lange bevor die meisten unserer Kunden wissen, dass es kommt”.