Lösung für das "Big Data"-Problem
Die Menge der Daten, die Organisationen des öffentlichen Sektors, Unternehmen, Forschungseinrichtungen und Universitäten sammeln, explodiert und intensiviert die Diskussion um "Big Data". Denn riesige Dateien und Datensätze können zu hohen Latenzen und Speicherengpässen führen. Wenn jedoch das Storage-Management stimmt, lassen sich auch bei solchen Anforderungen Performance-Steigerungen und Kosteneffizienz im Rechenzentrum bewirken.So real die Probleme mit schnell wachsenden Datenmengen existieren, so perspektivisch gefärbt sind häufig die Begriffsdefinitionen. Nüchtern betrachtet handelt es sich bei Big Data zum einen um relativ neue Dateitypen: Hochauflösende Bilder, Videos, und Sound-Dateien zählen zu den Big-Data-"Favoriten". Zum anderen sind damit große Sammlungen kleiner Daten gemeint - wie etwa Kommentare von Social-Media-Seiten, Fotoserien, Aufnahmen von Überwachungskameras oder GPS-Daten aus Fahrzeugen, die in einem sinnvollen Zusammenhang stehen. Typischerweise ist Big Data mit den Faktoren Vielfalt und Geschwindigkeit verknüpft, was dazu führt, dass eine vormals bescheidene Datenspeichermenge schnell zu hohem Volumen anwachsen kann. Besonders exponierte Branchen wie die Medien- und Unterhaltungsindustrie haben seit Langem mit dem Big-Data-Problem zu kämpfen. Allein die Datenmenge, die während einer 3D-Videoproduktion entsteht, nimmt doppelt so viel Speicherplatz in Anspruch wie 2D-Videos, da stets zwei Kameras dieselbe Szenerie filmen müssen. Die Digitalisierung von Inhalten durchzieht alle Bereiche. Videoproduktionen sind mittlerweile fester Bestandteil von Unternehmensbereichen wie Marketing, Vertrieb oder Mitarbeitertraining. Aber auch die Öl- und Gasförderung, die High Performance Computing mit Bilderfassung und -verarbeitung bedingt, oder die Genomsequenzierung innerhalb der Biowissenschaften führen zwangsläufig zu Big Data. Der Trend, derartige Forschungsdaten langfristig aufzubewahren, fördert auch den Bedarf nach kostengünstigen und intelligenten
