Die aktuelle Version 4.0 wurde gezielt für die hohen Datenvolumen und Geschwindigkeiten von IoT-Infrastrukturen entwickelt und ermöglicht die Durchführung von verteilten Analysen -Bereich von Netzwerken mit dem Geo-Distributed Analytics (GDA) Feature von ParStream. GDA ermöglicht die schnellere, wirtschaftlichere und sichere Auswertung großer Datenmengen aus geografisch verteilten Quellen wie beispielsweise Mobilfunkmasten, Fertigungsbetrieben, Windparks, Bohrplattformen und Supply-Chains.

ParStreams GDA-Software kann direkt an der Datenquelle oder in ihrer unmittelbaren Nähe installiert werden. Damit soll sie große zentrale Datenbanken und den Transfer der Rohdaten über das Netzwerk überflüssig machen und ermöglicht schnellere Abfragen und Antworten in Echtzeit. Abfragen werden zentral ausgeführt, anschließend schlüsselt ParStream GDA die Abfrage transparent auf, schickt sie an die relevanten Remote-Server, erfasst die Ergebnisse und liefert sie an die Applikation zurück. Nicht zuletzt spart die Appliance auch Datenübertragungskosten und spart Netzwerkbandbreite für andere Zwecke.

EdgeAnalyticsBox

Zudem hat ParStream heute mit der EdgeAnalyticsBox die erste Appliance in einem robusten Design für den Einsatz im Feld vorgestellt. Die EdgeAnalyticsBox mit vorinstallierter ParStream GDA-Software ermöglicht die Erfassung und Analyse von Daten direkt an der Quelle.

Neben der EdgeAnalyticsBox können die Kunden auch ihre eigene Hardware zur Implementierung von ParStreams Edge-Analytics-Lösung verwenden. Dank dem ressourcenschonenden Design von ParStream kann ParStream GDA auf kleinen Standardservern installiert bzw. in Appliances eingebunden werden, die bereits vor Ort vorhanden sind.

Studie über das ungenutzte Potenzial von IoT-Daten

ParStream präsentierte heute zudem die Ergebnisse einer neuen unabhängigen Studie über das ungenutzte Potenzial von IoT-Daten. Die Umfrageergebnisse belegen den Zusammenhang von Realtime Analytics Fähigkeiten mit dem Erfolg von IoT-Projekten. Beispielsweise gaben nur 8 Prozent der Teilnehmer an, dass sie in der Lage sind, IoT-Daten vollständig und schnell genug zu erfassen und zu analysieren. 86 Prozent erklärten, dass schnellere und flexiblere Analysen den ROI für Investitionen in das Internet der Dinge erhöhen könnten.

„Tagtäglich werden mehr als zwei Exabyte Daten erzeugt, das heißt, die Datenvolumen wachsen exponentiell und werden mit zunehmenden Geschwindigkeiten von immer mehr sensorbestückten 'Dingen' auf der ganzen Welt übertragen“, sagt Peter M. Jensen, CEO von ParStream. „Im Internet der Dinge möchten die Unternehmen kontinuierlich enorme Datenmengen importieren, sekündlich, minütlich, stündlich, ohne dabei die Abfrage-Performance zu beeinträchtigen. Traditionelle Datenbank- und Analysetechnologien sind dafür einfach nicht geschaffen. Die ParStream Analytics Platform ist auf die schnelle Analyse von Daten zugeschnitten, solange sie noch 'frisch' sind. Und genau das hat sich als entscheidender Faktor für zahlreiche IoT-Anwendungen erwiesen.“

Die neue Version der ParStream Analytics Platform stellt auch IoT-fähige APIs bereit, die gezielt für die Geschwindigkeit und Volumen des Internet der Dinge entwickelt wurden. Die Technologie ermöglicht den laufenden Datenimport mit hoher Bandbreite von jeder Streaming-Quelle. Konnektoren zu einer wachsenden Zahl von Datenquellen sind kostenlos als Open-Software-Download im Rahmen der Apache-Lizenz verfügbar.

Zudem können Kunden und Partner von ParStream mit der neuen Version komplexe, anspruchsvolle Analyse-Algorithmen als datenbankinterne Funktionen ausführen. In Kürze wird auch ein umfangreicher Katalog von Algorithmen zur Verfügung stehen, um zusätzlichen Nutzen aus IoT-Daten zu ziehen.

Die Analyseplattform, die gezielt für die schnelle Auswertung großer Datenmengen entwickelt wurde, basiert auf ParStream DB. Die patentierte Datenbank des Unternehmens hat einige Auszeichnungen für ihre branchenführende Performance mit Antwortzeiten unter einer Sekunde bei der Auswertung von Milliarden Datensätzen erhalten. ParStream DB kann riesige Mengen von Echtzeit-Streaming-Daten und historischen Daten analysieren.

Quelle: ParStream