Ziel des Projektes ist die Optimierung von Zugriffsmethoden für multidimensionale Daten in memory-basierten OLAP-Datenbanken. Die Entwicklung wird auf Basis des quelloffenen Palo OLAP Servers von Jedox durchgeführt. Durch den Einsatz von schnellen Grafikkarten (GPUs), die ursprünglich für Computerspiele konzipiert wurden, ist dem Team aus Forschern und Entwicklern jetzt ein entscheidender Durchbruch im Projekt gelungen: Die Performance von OLAP-Analysen in Palo kann damit in bisher unvorstellbarem Maße gesteigert werden; das Team erhofft sich auf Basis dieser Ergebnisse eine Steigerung der Rechengeschwindigkeit um bis zum 40-fachen der bisher möglichen Leistung.
Einen Prototypen dieser GPU-Version von Palo führt Jedox bereits auf der diesjährigen CeBIT am Jedox Stand in Halle 4, D 53 vor. Außerdem präsentiert Jedox auf der CeBIT ihre gerade neu erschienene Multiprozessorversion von Palo 3.0.
Internationale Zusammenarbeit im Forscherteam
Derzeit arbeitet Professor Amitava Datta, University of Western Australia in Perth, als Gastwissenschaftler im Rahmen des DFG-Projektes in Freiburg. Der renommierte Informatikprofessor ist zu Gast bei Jedox und arbeitet mit dem Entwicklerteam der Softwarefirma und Forschern der Albert-Ludwigs-Universität zusammen. Zentrales Thema im Palo-Projekt ist die Entwicklung effizienter Algorithmen für memory-basierte OLAP Anwendungen. Professor Datta ist Experte auf den Gebieten Algorithmik und paralleles Rechnen und erforscht seit längerem weitere Einsatzfelder für die leistungsfähigen GPUs. Er bringt damit im direkten internationalen Austausch die optimalen Kompetenzen in das Freiburger Team aus Wissenschaftlern und Entwicklern ein.
Die Performance von Datenbanken ist heute zentrales Erfolgskriterium von Business-Systemen, die für die geforderten schnellen Geschäftsentscheidungen ad hoc riesige Datenmengen analysieren müssen. Professor Datta und Jedox machen sich hier neue Entwicklungen aus dem Hardware-Bereich zunutze: Im wissenschaftlichen Bereich werden für komplexe Berechnungen statt der üblichen Prozessoren (CPU) zunehmend Grafikkarten (GPU) eingesetzt. Moderne Grafikkarten bestehen aus vielen kleinen Prozessorkernen, die Berechnungen parallelisieren und damit beschleunigen können. Im Jahr 2008 brachten Chiphersteller wie Nvidia und AMD erstmals Grafikprozessoren mit mehr Rechenleistung als herkömmliche CPUs auf den Markt.
Was macht die GPU so schnell?
Um den Unterschied in der Vorgehensweise der Berechnungen und der damit verbundenen Schnelligkeit deutlich zu machen, sei ein Vergleich mit einem anschaulichen Beispiel, passend zu den kommenden Ereignissen des Frühjahrs, angeführt: Im Szenario der klassischen Prozessorarchitektur würde der Osterhase bei der Verteilung von Ostergeschenken zunächst ermitteln, in welchen Häusern Kinder wohnen, dann relativ aufwendig eine optimale Route berechnen und schließlich seine Geschenke entlang dieser optimierten Route von Haus zu Haus tragen. In der "neuen Welt" der GPUs würden stattdessen zigtausende Osterhasen ohne vorherige Routenberechnung zu allen Häusern gleichzeitig losgeschickt. Bei einem Haus angekommen, würde jeder Osterhase prüfen ob dort Kinder wohnen und nur in diesem Falle seine Süßigkeiten dort abgeben. Diese Vorgehensweise ist pro Osterhase zwar ineffizienter, aufgrund der großen Anzahl von verfügbaren Osterhasen (sprich GPU-Prozessoren) aber insgesamt viel schneller erledigt.
Grafikkarten im OLAP-Bereich: Die Auswirkungen in der Praxis
Im Palo-Projekt werden Grafikkarten von Nvidia verwendet, die sich durch eine sehr gute Programmierschnittstelle auszeichnen. Palo ist der ideale Ausgangspunkt, um im OLAP-Bereich neue Wege durch den Einsatz von Grafikkarten zu beschreiten: Zum einen wegen des offenen Quellcodes der Open-Source-Lösung, die einer breit angelegten internationalen Forschung und Entwicklung entgegenkommt, zum anderen wegen der in-memory Architektur des Palo-Servers, die sich optimal für den Einsatz der neuen GPUs mit immer größerem Grafikspeicher eignet.
"In-Memory OLAP-Server sind ein ideales Anwendungsgebiet für die schnellen Grafikkarten, wir sind froh, damit für GPUs eines der ersten kommerziellen Einsatzfelder im Bereich Business Intelligence gefunden zu haben" erklärt Prof. Datta von der Universität Perth.
Im Geschäftsalltag wird sich das Ergebnis gravierend auswirken: Durch bisher nicht gekannte Schnelligkeit bei einzelnen komplexen Berechnungen oder durch eine verbesserte Performance bei dezentralen Geschäftsprozessen mit vielen Beteiligten, wie z.B. der Unternehmensplanung.