MapR verknüpft IoT-Geräte

MapR Technologies (Grafik: MapR)

Eine Analyse direkt an der Datenquelle verspricht der Big-Data-Spezialist MapR mit der neuen Lösung Edge.

Am Rand des Netzwerkes, am so genannten Edge, setzt die neue Lösung MapR Edge an. Edge verarbeitet und analysiert IoT-Daten an den Sensoren oder Geräten. Dafür hat MapR die MapR Converged Data Platform verschlankt.

Statt Informationen vom Edge in das Backend und zurück zu schicken, werden diese direkt am Entstehungsort gesammelt, aggregiert und analysiert. Dadurch beschleunigt sich der Analyse-Prozess und auch die Bandbreite der Netzwerke wird dadurch entlastet. Gleichzeitig habe MapR auch die hochverfügbare Verarbeitung der Daten in den Rechenzentralen optimiert. Das Konzept ist beispielsweise mit der Idee hinter Ciscos “Fog-Computing” vergleichbar.

Die Lösung integriert ein global aufgestelltes flexibles Datengefüge und unterstützt damit nicht nur die verteilte Dateiverarbeitung, sondern auch konsistente, geo-verteilte Datenbankanwendungen. Das ist vor allem bei ortgebundenen Daten und bei sensiblen personenbezogenen Daten wichtig. Darüber hinaus unterstützt die Lösung Standards wie POSIX und HDFS API für den Dateizugriff, ANSI SQL für die Abfrage, Kafka API für das Event-Streaming sowie HBase und OJAI API für NoSQL-Datenbanken.

Mapr Edge verbindet IoT-Geräte mit dem Backend und spielt Einsichten wieder an den Rand des Netzwerkes zurück. (Bild: MapR)
Mapr Edge verbindet IoT-Geräte mit dem Backend und spielt Einsichten wieder an den Rand des Netzwerkes zurück. (Bild: MapR)

Bei IoT-Anwendungen entstehen lokal Daten. Diese müssen aber mit weiteren Informationen abgeglichen werden. Für eine gewinnbringende Auswertung müssen maschinelles Lernen oder Deep-Learning eingesetzt werden.

Die Einsichten aus den Rechenzentren müssen dann aber auch wieder in den Geräten verfügbar gemacht werden. So können auf der Basis von konvergenten Analysen Echtzeit-Entscheidungen auf der Grundlage lokaler Ereignisse getroffen werden. Über eine globale Datenebene und eine einheitliche Sicht auf verteilte Cluster in einem Namespace kann die Lösung die Entwicklung und Bereitstellung von Anwendungen vereinfachen.

Ausgewähltes Whitepaper

Studie zu Filesharing im Unternehmen: Kollaboration im sicheren und skalierbaren Umfeld

Im Rahmen der von techconsult im Auftrag von ownCloud und IBM durchgeführten Studie wurde das Filesharing in deutschen Unternehmen ab 500 Mitarbeitern im Kontext organisatorischer, technischer und sicherheitsrelevanter Aspekte untersucht, um gegenwärtige Zustände, Bedürfnisse und Optimierungspotentiale aufzuzeigen. Jetzt herunterladen!

MapR Edge bietet darüber hinaus weitere Funktionen wie eine dynamische Bandbreitenanpassung vom Rand des Netzwerkes zur Cloud oder in das eigene Rechenzentrum. Features für Authentifizierung, Autorisierung und Zugriffskontrolle, die von der Edge bis hin zu den zentralen Clustern reichen, schützen die Daten und das Streaming der Daten vor unbefugten Zugriffen. Der Austausch der Daten zwischen Rechenzentrum und Edge erfolgt verschlüsselt.

MapR Edge nutzt die globale Verteilung und Echtzeit-Synchronisation der MapR Converged Data Platform und realisiert damit eine Ende-zu-Ende-Plattform von der Edge bis zur Cloud. Deployments von MapR Edge werden in Verbindung mit der zentralen Analytik und den operativen Clustern auf der MapR Converged Enterprise Edition eingesetzt. MapR Edge ist in Konfigurationen mit drei bis fünf Knoten ab sofort verfügbar und speichert bis zu 50 TByte pro Cluster.

Mehr zum Thema

IoT: Eine neue Standard-Welt entsteht

Im Bereich IoT gibt es zahlreiche Initiativen und Konsortien, bislang laufen diese Bestrebungen jedoch überwiegend parallel nebeneinander her. Doch damit dies alles überhaupt funktionieren kann, braucht man neben neuen Produkten auch neue Standards – insbesondere für die Kommunikation der Geräte untereinander und für die Sicherheit. silicon.de gibt einen Überblick.

“Die Anwendungsfälle für das Internet der Dinge nehmen immer mehr zu. Allerdings erfordern die Datenvolumina, die in den Randbereichen erzeugt werden, häufig Bandbreiten, die die verfügbaren Ressourcen überfordern”, kommentiert Jason Stamper, Analyst Data Platforms & Analytics, bei 451 Research. “MapR verlegt die Berechnung und Analyse der IoT-Daten zur Quelle und ermöglicht so lokal eine effizientere und schnellere Entscheidungsfindung.”