NashTech hilft HPE nicht nur dabei, einen Mehrwert für seine Kunden zu schaffen, sondern auch, die Transformation der Analytik voranzutreiben.

Industrie

Technologie

Einführung

NashTech

hilft HPE nicht nur dabei, einen Mehrwert für seine Kunden zu schaffen, sondern auch, die Transformation der Analytik voranzutreiben

HPE hat es sich zur Aufgabe gemacht, seinen Kunden zu sagen, was sie tun können, um Probleme zu vermeiden und ihre Erfahrungen mit den 20 Milliarden Sensoren, die in ihren Rechenzentren rund um den Globus installiert sind, zu optimieren.

Erfahren Sie, wie HPE Echtzeit-Datenpipelines aufgebaut hat, um das Kundenerlebnis mit KI zu verbessern und Probleme vorherzusagen und zu vermeiden.

Wie wir die Lücke zwischen Daten und Erkenntnissen schließen
Wie haben wir die Kompromisse zwischen Datenlatenz, Volumen, Transformation und Integration gemeistert?
Wie wir ihre klassische Big-Data-Architektur im Batch-Modus weiterentwickelt haben, um schneller einen Mehrwert zu schaffen.
Erhöhte Elastizität und belastbare Selbstheilung sind erforderlich, um Big Data schnell bereitzustellen.

Über HPE

Als anerkannter Brancheninnovator ebnet HPE den Weg für schnellere und intelligentere Infrastrukturlösungen für Rechenzentren, indem es die InfoSight-Plattform für prädiktive Analysen um Erkenntnisse in nahezu Echtzeit erweitert.

Der Data Platform Architect für HPE InfoSight ist heutzutage mehr denn je beschäftigt. “Ich werde mit Anrufen überhäuft”, freut sich Jeff Dutton, InfoSight Data Platform Architect bei HPE. “Alle wollen mehr darüber wissen, wie sie in Echtzeit einen Mehrwert aus ihren Daten ziehen können.

Dieser Nachfrageschub nach Echtzeit-Analysen für alle HPE-Produkte kommt nicht nur von InfoSight-Kunden, sondern auch von anderen Geschäftsbereichen innerhalb von HPE. Sowohl externe als auch interne Kunden wollen wissen, wie sie Streaming-Pipelines von Edge-to-Core-zu-Cloud-Daten für ihre Anwendungsfälle nutzen können. Streaming-Datenpipelines ermöglichen es fast jedem Unternehmen, seinen Kunden schneller einen höheren Mehrwert zu bieten.

In diesem Fall transformiert InfoSight die Kundenerfahrung mit KI für das Rechenzentrum, um Probleme vorherzusagen und zu verhindern.

Die Umsetzung des Echtzeit-Elements des Kundenerlebnisses erforderte jedoch eine umfassende Überarbeitung der InfoSight-Architektur, was eine der wichtigsten Lektionen für Dutton und sein Team war.

“Die Umstellung auf ein nahezu in Echtzeit stattfindendes Benutzererlebnis erfordert eine Infrastruktur, die sich selbst heilt, massiv skaliert und immer verfügbar ist, um Streaming-Workloads zu verarbeiten, egal was passiert”, sagt Dutton.

Die Herausforderung

Eine würdige Herausforderung: Schneller einen Mehrwert für den Kunden schaffen

Die Vision von HPE ist es, Kunden dabei zu helfen, die Zeit zu verkürzen, die benötigt wird, um Ideen in Werte zu verwandeln, die Branchen, Märkte und Leben verändern. Für InfoSight bedeutet die Umsetzung dieser Vision, dass der Kundennutzen in Sekunden und Minuten statt in Stunden oder Tagen erbracht wird.

HPE InfoSight wurde bereits als führend in der Kategorie anerkannt, da es in der Lage ist, die Infrastruktur zu überwachen, mögliche Probleme vorherzusagen und Empfehlungen zur Leistungssteigerung zu geben.

Das System empfängt Infrastrukturinformationen von Call-Home-Sensoren und wertet die riesige Menge an Nutzungsdaten, die es im Laufe der Jahre gesammelt hat, sowie die eingehenden Sensordaten aus. Diese Sensoren befinden sich in den Speichergeräten selbst und erfassen auch Netzwerk-, Rechen- und Hypervisor-Daten.

HPE hat über 20 Milliarden Sensoren in Rechenzentren rund um den Globus installiert, die täglich Billionen von Messdaten an InfoSight senden und Analysen von Petabytes an Telemetriedaten liefern. “Wir beobachten, was in der Umgebung vor sich geht, und lassen die Daten durch Expertensysteme laufen, die verschiedene KI- und maschinelle Lerntechniken verwenden”, sagt Dutton. “Das Ziel ist es, dem Kunden zu sagen, was er tun kann, um Probleme zu vermeiden und sein Erlebnis zu optimieren.

Die nächste Herausforderung ist die schnellere Bereitstellung von Erkenntnissen zu all diesen Themen.

Die IT-Herausforderung: Einführung der Datenstromverarbeitung: Die Lücke zwischen Daten und Erkenntnissen schließen

Die Geschwindigkeit, mit der Dutton und sein Team den Kunden Erkenntnisse liefern konnten, wurde durch die Zeit begrenzt, die für die Ausführung von Batch-Prozessen mit sehr großen, extrem komplexen Datensätzen benötigt wurde.

In einem ersten Experiment migrierte das Team von einer Unternehmensdatenbank zu Apache Spark, um herauszufinden, ob eine schnellere Stapelverarbeitung die Lösung ist. Sie erkannten schnell, dass sie mit den Daten in Echtzeit arbeiten mussten, um ihre Geschäftsvision zu verwirklichen. Dies bedeutete die Einführung von Stream Processing.

Batch-Analysen sind etwas, das fast jeder Entwickler und Architekt grundsätzlich versteht, unabhängig von seinem technischen Hintergrund: bemerkt Dutton.

“Der Streaming-Teil der Reise war die größte Herausforderung”.

Stream-Processing-Lösungen verarbeiten Daten direkt bei ihrer Erzeugung oder ihrem Empfang. Damit wird das Batch-Modus-Paradigma der Speicherung von Daten in einer Datenbank, einem Dateisystem oder einer anderen Form von Massenspeicher umgedreht, bei dem Anwendungen die Daten im Ruhezustand abfragen oder berechnen. Bei der Stromverarbeitung sind die Anwendungslogik, Analysen und Abfragen kontinuierlich vorhanden, und die Daten fließen kontinuierlich durch sie hindurch.

Batch spielt weiterhin eine wichtige Rolle in der Architektur. Es nutzt mehrere Petabytes an historischen Daten, sagt Dutton. “Die Quelle für nahezu Echtzeit-Einblicke wird jedoch der Stream?

Die Lösung

Die Lösung: Der nächste Schritt nach vorn: Big Data im Eiltempo

HPE arbeitet mit NashTech zusammen, um eine auf InfoSight basierende Referenzarchitektur zu entwickeln, zu implementieren und zu betreiben, die sich schnell zu einer Blaupause für andere HPE-Produktlinien entwickelt

Die Bereitstellung von Einblicken in Streaming-Datensätze erforderte einen neuen Ansatz für Dutton und das Team. Im Gegensatz zur Batch-Anwendung müssen Datendienste in einer dynamischen Streaming-Anwendung dauerhaft laufen und bei Bedarf auf- und abwärts skaliert werden können. Hier sind oben und unten Maßeinheiten für die Größe. Die eigentliche Skalierung erfolgt horizontal, über mehrere Knoten hinweg, und nicht vertikal, innerhalb eines einzelnen Rechners.

Die Streaming-Anwendung muss nicht nur elastisch skalieren, sondern auch in der Lage sein, sich schnell von Ausfällen zu erholen. Ein logischer Datendienst kann auf Backup-Instanzen ausweichen. Ausgefallene Dienstinstanzen können automatisch neu gestartet werden. Das bedeutet, dass Fehler ein erstklassiges, erwartetes Konzept in der Software sein müssen. Fehler sind normal, werden vorhergesehen, behandelt und im Idealfall innerhalb der Anwendung selbst behoben.

Dutton entschied sich für das NashTech, weil es die Elastizität und die belastbare Selbstheilung bietet, die für die schnelle Bereitstellung großer Datenmengen erforderlich sind.

NashTech umfasst Microservices-Frameworks für die Verarbeitung kontinuierlicher Anwendungslogik, mehrere Streaming-Engines für die Bewältigung von Kompromissen zwischen Datenlatenz, -volumen, -transformation und -integration, Fachwissen über maschinelles Lernen und Deep Learning für die Anwendung von Algorithmen sowie intelligente Verwaltungs- und Überwachungsfunktionen zur Verringerung des Risikos beim Betrieb dieses ständig aktiven Systems in der Produktion.

“NashTech hat Hewlett Packard Enterprise bei der Migration der InfoSight IoT-Analytik auf eine Streaming-Architektur auf Basis von Scala und dem SMACK-Stack unterstützt”, so Dutton. “Nur sehr wenige Unternehmen verfügen über ausgebildete Teams, die sich auf diese Spitzentechnologien konzentrieren wie NashTech, und keines kann den Wert, den NashTech bietet, erreichen. Ich habe großes Vertrauen und Respekt vor Vikas (Global CTO, NashTech) und mein Team freut sich darauf, unsere Partnerschaft mit dem NashTech-Team weiter auszubauen”, fügte er hinzu.

Zurück zu Duttons Telefon, das ununterbrochen klingelt. Die Fast-Data-Services von NashTech, die die Lightbend Fast Data Platform und den Ansatz von Dutton nutzen, werden schnell zu einer Referenz für andere HPE-Geschäftseinheiten, die einen ähnlichen Mehrwert für ihre Kunden in Echtzeit bieten wollen. Es ist wirtschaftlich so sinnvoll, dass HPE Storage und HPE Pointnext zusammenarbeiten, um die Streaming-Lösung für die Top-Kunden von HPE anzubieten.

“NashTech hat Hewlett Packard Enterprise bei der Migration von InfoSight IoT-Analysen auf eine Streaming-Architektur unterstützt, die auf Scala und dem SMACK-Stack basiert. Nur wenige Unternehmen verfügen über so gut ausgebildete Teams, die sich auf diese Spitzentechnologien konzentrieren wie NashTech, und keines kann den Wert, den NashTech bietet, erreichen.

Jeff Dutton, InfoSight-Datenplattform-Architekt – Hewlett Packard Enterprise