Usando la Memoria

Trabajar en memoria es una tendencia que comenzó a expandirse y Qlikview fue uno de los precursores. Así, siguiendo sus pasos, Oracle adquirió TimesTen, una herramienta que lo ayudará a tener beneficios del uso de memoria. Cognos, que ya pertenece hace unos meses a IBM, había comprado Aplex, empresa que se dedicaba a resolver cubos OLAP in memory. Por su parte, MicroStrategy no quedó ajeno a esto y en su versión 9 anunció lo que llaman in-memory ROLAP, característica que toma las consultas más usadas y crea cubos en memoria basados en ellas. En tanto, SAP también cuenta con BI accelerator, que aumenta la performance aplicando compresión de datos sobre memoria y particionamiento horizontal y vertical.

Al parecer, la mayoría de las herramientas de BI apuntan cada vez más a aprovechar la memoria, pero la gente de Qlikview no se preocupa, ya que según comentan, trabajar en memoria fue algo que ellos tomaron desde sus inicios para realizar los procesos asociativos, mientras que el resto de las empresas están utilizando la memoria para ganar un poco de flexibilidad y velocidad.

Fuente: Revista Information Technology

facebooktwitter

2 comments to Usando la Memoria

  • Hola,

    sirve este tipo de sistemas para grandes volúmenes de datos?

  • Christian

    juanca.

    Te comento que actualmente estoy trabajando con Qlikview y lo probé con grandes volumenes de datos y funciona muy bien.

    Por supuesto que si queres manejar volúmenes demasiado grandes vas a necesitar más hardware, hacer un estudio previo de qué volumen vas a manejar y de qué forma se va a incrementar ese volumen y en base a eso hacer un buen modelo de datos que se ajuste a las necesidades del usuario.

    QlikView puede tomar datos, tanto de los transaccionales de la empresa como del data Warehouse corporativo y luego genera su propio repositorio para la explotación de los datos.

    Este repositorio puede estar directamente en memoria o puede estar en disco en forma de qvd y luego llevar a memoria solo los datos que se necesitan.

    Además el volumen de datos se reduce considerablemente, ya que comprime mucho los datos debido a la estructura de la base asociativa que maneja.