Deutsch   |   English
   
 digg.com  del.icio.us 

Datenbankgröße

Die Datenbankgröße kann aus den Systemtabellen EXA_ALL_OBJECT_SIZES oder EXA_DBA_OBJECT_SIZES entnommen werden.

In der Tabelle werden Tabellen und Schemata aufgelistet. Bitte beachten Sie, dass die Größe eines Objekts vom Typ 'SCHEMA' als Summe von Größen aller in dem Schema befindlichen Objekten berechnet wird. Bei Views, Funktionen usw. handelt es sich hierbei um die Größe des entsprechenden Textes.

RAW_OBJECT_SIZE gibt die logische Objektgröße, bemessen an Datentypen und Inhalten an. Diese Größe ist vergleichbar mit der Größe einer CSV-Datei mit gleichem Inhalt. Der Wert wird berechnet als Summe über alle gespeicherten Werte. Dabei ergeben

  • NULL –› 1 Byte
  • Typ fester Größe: Typabhängig –› 1-80000 Bytes
  • Varchar  –› Anzahl Bytes, die der Wert belegt.

MEM_OBJECT_SIZE gibt die tatsächliche Menge an (Haupt-) Speicher ab, die für das jeweilige Datenbankobjekt verbraucht wird. Der Wert wird berechnet als

  • Summe über alle gespeicherten Werte nach Kompression
  • Overhead für Zugriffsstrukturen, z.B. Längeninformation für VARCHAR
  • Overhead für Replikation
    Replikation: Tabelleninhalte werden auf jedem Knoten im Speicher gehalten. Dies betrifft lediglich kleine Tabellen.

Bitte beachten Sie, dass bereits beim Anlegen einer Tabelle einige Datenblöcke reserviert werden. Daher ist MEM_OBJECT_SIZE von leeren oder sehr kleinen Tabellen in der Regel größer als RAW_OBJECT_SIZE. Dies sagt nichts über die tatsächliche Datenkompression aus.

In diesen Systemtabellen sehen Sie die Gesamtgröße der Datenbankobjekte, also über alle Knoten.

Beispiel: Objekte im Schema 'EXAMPLES'

  1. OBJECT_NAME              OBJECT_TYPE RAW_OBJE MEM_OBJE
  2. ------------------------ ----------- -------- --------
  3. TESTADR                  TABLE         492836  2615072
  4. ITEMS                    TABLE           1120    23489
  5. PAYMENTS                 TABLE            208    13956
  6. PRODUCTS                 TABLE           1191   230942
  7. NEW_CITIES               TABLE            132    80336
  8. V_PRODUCT_ORDERING       VIEW             578      578
  9. V_CUSTOMERS              VIEW             431      431
  10. V_PRODUCT_RATING_MONTHLY VIEW             755      755
  11. CUSTOMER_MOVES           TABLE              0    13920
  12. MYMAX                    FUNCTION         290      290
  13. DAYS_BETWEEN             FUNCTION         402      402
  14. COUNTRIES                TABLE             64    74655
  15. NEW_CUSTOMERS            TABLE            117   217756
  16. CITIES                   TABLE            167    80336
  17. ORDERS                   TABLE            399    13996
  18. TESTADR_CLEANSED         TABLE          41770  1822724
  19. CUSTOMERS                TABLE            365   222986
  20. RETURNED_ITEMS           TABLE            178    92179
  21. V_ORDERS                 VIEW             648      648
  22. V_RETURNS                VIEW             713      713
  23. V_PAYMENTS               VIEW             472      472
  24. V_CUSTOMER_RAITING       VIEW             861      861
  25. V_TRANSACTIONS           VIEW             615      615
  26. LAG                      TABLE             45     9299
  27. MYFUNCS                  PACKAGE          208      208
  28.  

EXAoperation dagegen zeigt den freien Platz pro Knoten ausgehend von den Gesamtgrößen der persistenten und temporären Datenbankfiles sowie gegebenenfalls Backups. Die Größen können durchaus von Knoten zu Knoten unterschiedlich sein, z.B. aufgrund von temporär erzeugten Daten.

Anzeige in EXAoperation

  1. Node    Free data   Disk        Free spool  State
  2. n0011    400.7 GiB  [UUUUUUUU]   400.7 GiB  Running
  3. n0012   1028.8 GiB  [UUUUUUUU]  1028.8 GiB  Running
  4. n0013   1174.8 GiB  [UUUUUUUU]  1174.8 GiB  Reserve
  5. n0014   1278.4 GiB  [UUUUUUUU]  1278.4 GiB  Running
  6. n0015    181.7 GiB  [UUUUUUUU]   181.7 GiB  Running

Datenverteilung

Die Angaben in EXAoperation sind daher nicht geeignet, um die Gleichmäßigkeit der Datenverteilung zu überprüfen.

Dies kann mit Hilfe der iproc()-Funktion für einzelne Tabellen erledigt werden:

Beispiel: iproc()-Nutzung

  1. SELECT
  2.     COUNT(*), iproc()
  3. FROM mytable
  4. GROUP BY iproc()
  5. ORDER BY 2;
  1. COUNT(*)            IPROC
  2. ------------------- -----
  3.             5327099     0
  4.             5325780     1
  5.             5333799     2
  6.             5319445     3
  7.  
Sie kommen nicht weiter?
Von den Experten lernen:
Referenzen
  • AHOOLY
  • COOP
  • „Mit EXASolution sind wir für zukünftiges Datenwachstum bestens gerüstet. Dadurch, dass wir jetzt Geodaten verarbeiten, sprich die Dimension des Raumbezugs mit auswerten können, bieten wir unseren Kunden ganz neue Analysemöglichkeiten und noch umfassendere Marktübersichten. Wir sind sehr zufrieden mit der neuen Lösung, können flexibel auf zukünftige Anforderungen reagieren und trotzdem unsere Total Cost of Ownership reduzieren, da der so gewählte BI-Stack unsere Vision eines „Lean-BI“ in vollem Umfang unsterstützt.“

    Guido Niermann, IT-Leiter, Dataforce GmbH

    Dataforce
  • "Durch die Einbindung von EXASOL können wir unseren Kunden ein ganz neues Erlebnis bezüglich der explorativen Datenanalyse bieten… Neben der Technologie waren wir vor allem mit der Pre-Sales Beratung und dem Support während der Integration äußerst zufrieden."

     Martin Heink
    Geschäftsführer und Inhaber, econda GmbH 

    Econda
  • "Entscheidend für die IMS Health war insbesondere, dass wir uns durch einen sehr schnell aufgesetzten Proof of Concept von der Leistungsfähigkeit von EXASolution direkt überzeugen konnten."

     Michael Kempke
    Director Data Collection Global Operations, IMS Health GmbH & Co. OHG

    IMS
  • "Mit der innovativen Datenbank von EXASOL können wir komplexe Berechnungen genauer und umfangreicher durchführen. Das gibt uns einen signifikanten Technologievorsprung gegenüber der Konkurrenz."

     Tobias Kiessling
    CTO, intelliAd 

    Intelliad
  • "Die durchgängig hohe Leistung und die Möglichkeit, Echtzeitanalysen fahren zu können, waren für uns ausschlaggebend bei der Wahl von EXASolution."

     Tobias Kroha, Geschäftsführer der für das m-pathy-Projekt verantwortlichen seto GmbH

    m-pathy
  • Media Control
  • Olympus
  • "Wir haben uns für EXASolution entschieden, da die Hochleistungsdatenbank mit den zu erwartenden großen Datenmengen sehr gut umgehen kann und optimale Flexibilität bietet."

     Dr. Michael Röbbecke
    (ehem.) Geschäftsführer, RatePAY 

    RatePAY
  • "Mit EXASolution können wir unsere Geschäftsprozesse deutlich optimieren." 

     Gerhard Zapf
    Projektleiter, Semikron 

    Semikron
  • "Ein zuverlässiger und schneller Support, eine bessere Kundenbetreuung sowie eine bewiesene Fachkompetenz…"

     David Hodge
    IT Director, Sony Music Entertainment Germany 

    Sony Music
  • SOQUERO
  • SponsorPay
  • Stayfriends
  • "Die Datenbank von EXASOL ist Technik made in Germany, auf die wir uns langfristig verlassen können. Da sie bei steigendem Datenvolumen selbstständig skaliert und auch physisch beliebig erweitert werden kann, wächst unsere Datenbank mit unserem Unternehmen, und wir können auch in Zukunft flexibel und schnell auf neue Anforderungen reagieren."

     Heinrich Zetlmayer
    Geschäftsführer, Turtle Entertainment 

    Turtle Entertainment
  • United Internet Dialog
  • "Mit EXASolution haben wir eine Lösung erworben, die unsere hohen Leistungsansprüche komplexer Analysen bei steigenden Datenmengen für unsere Kunden optimal erfüllt." 

     Christian Sauer
    Geschäftsführer, Webtrekk GmbH 

    Webtrekk
  • "Wir haben uns nach einem ausgiebigen Benchmark-Test für die Lösung von EXASOL entschieden. Die hohe Performance des Systems, das Preis-/Leistungs-Verhältnis und der Service haben uns vollauf überzeugt"

    Dr. Ulrich Fricke
    Leiter Business Intelligence, XING AG 

    Xing
  • "Neben Wirtschaftlichkeit, Geschwindigkeit und hoher Leistungsfähigkeit war Flexibilität eines der entscheidenden Kriterien bei der Wahl unserer Datenbank… Die neue Datenbank bietet uns diese Skalierbarkeit bei reduzierten Total Cost of Ownership. So können wir auch in Zukunft immer die optimale Analyseleistung für unsere Kunden erbringen…"

     Sebastian Hoop
    Head of Operations, xplosion interactive gmbh 

    Xplosion
  • Zalando