In-memory computing, de moderne multitasker

Een databank lezen is relatief eenvoudig. Meerdere databases combineren is al iets complexer. Die dan ook combineren met in real time veranderende factoren, vraagt een heel andere aanpak.

Bij in-memory computing zet u de data waarmee berekeningen worden gemaakt in het geheugen in plaats van op klassieke opslag. Dat neemt een groot deel van de vertraging weg wanneer verschillende datapunten snel moeten worden gecombineerd. In de praktijk komt het neer op een laag tussen applicatie en database die vooral moet zorgen dat uw toepassing snel en schaalbaar is. “Dat maakt het mogelijk om miljoenen of zelfs miljarden zaken met elkaar te verbinden,” vertelt Abe Kleinfeld, CEO van Gridgain aan Data News. Zijn bedrijf legt zich toe op die laag die handelingen vanuit het intern geheugen van een server uitvoert om workloads te schalen.

De toepassingen zijn breed. Zo gebruikt BNP Paribas in Polen in-memory computing via Hazelcast, een andere specialist rond de technologie, om klanten een gepersonaliseerd aanbod voor een lening te doen terwijl ze geld afhalen. “Daarbij ga je alle interacties met je klant verzamelen, die data correleren met andere gegevens zoals de geschiedenis van die klant en het bedrag op zijn of haar rekening, allemaal tussen de tijd dat de bankkaart wordt uitgelezen en de klant geld afhaalt,” vertelt Kelly Herrell, CEO van Hazelcast. De bank zag daardoor zijn conversieratio maal vier gaan. “De uitdaging in moderne toepassingen is om meerdere datasystemen snel te bekijken. Dat kan alleen met een oplossing die alles combineert, maar de meeste systemen kunnen daar niet mee om. Zeker niet als je nog eens evenementen of datastromen toevoegt,” zegt Herrell.

Hoewel ze niet als klant worden genoemd, wijst Herrell onder meer naar de techgiganten Apple, Amazon, Netflix, Facebook en Google als bedrijven die de technologie gebruiken om in real time gebruikers een gepersonaliseerd aanbod te geven. “Wat zij doen, verwacht je nadien ook bij lokale bedrijven, zoals je postkantoor,” vult Dale Kim, senior director technical solutions bij Hazelcast aan. “Daar bieden wij een real time data platform dat vlot te integreren is in je bestaande omgeving, met een API voor distributed processing en storage.”

Die toepassingen zijn vooral interessant in de financiële sector, niet enkel voor snelle kredietvoorstellen, maar ook voor real time fraudedetectie. Al gaat het veel breder. “In een industriële omgeving krijg je ook info van je sensoren die aangeven of een machine op het punt staat om in panne te vallen. Dat wil je preventief oplossen, of de boel stilleggen, in plaats van het achteraf te moeten herstellen,” zegt Kim.

Van Raspberry Pi tot mainframes

De oplossing van Hazelcast is softwaregebaseerd in de vorm van een Java Virtual Machine. “Je kan er meerdere naast elkaar draaien in een datacenter, als managed service, maar evenzeer op de Edge. Eén klant van ons draait het zelfs op een Raspberri Pi,” vertelt Herrell.

Bij Gridgain doen ze iets soortgelijks. Gridgain is het commerciële bedrijf achter Apache Ignite. Ook dat kan u draaien op verschillende platformen, of als SaaS-oplossing. “Onze use cases zijn de laatste jaren alleen maar toegenomen. Van medische toepassingen tot VoIP call routing management of logistieke oplossingen,” zegt Kleinfeld. Als voorbeeld wijst hij onder meer naar Prorail, de Nederlandse spoorbeheerder, die klant is. “Bij werken of vertragingen moet je heel snel kunnen herplannen, dus Gridgain is een belangrijk deel in hun logistiek, want hoe beter hun real time info, hoe meer treinen je op de sporen kunt zetten en op elkaar afstemmen.”

Een opmerkelijke naam die bij beide bedrijven valt is IBM met zijn mainframe, een machine die al zo lang meegaat dat u haar misschien niet meteen linkt aan supersnelle real time toepassingen anno 2022. Maar dat wordt met klem tegengesproken door beide partijen. Bij Hazelcast is IBM een reseller en system integrator. Bij Gridgain is big blue een partner voor IBM Z. “Toen we hier mee begonnen was een mainframe de laatste omgeving waaraan we dachten, maar intussen hebben we Gridgain bij een paar klanten op een IBM mainframe draaien, waarna IBM zelf met ons is komen praten.”

“Dat kostte wel wat tijd, onze code moest aangepast worden, maar vandaag kan je het gewoon installeren,” vult Nikita Ivanov, oprichter en CTO, aan. “Mainframes zijn nog steeds bij de meest geavanceerde machines ter wereld. Ze zijn bij de enige systemen met een in de hardware geïntegreerde atoomklok, het verrast me niet dat klanten ondanks andere mogelijkheden bij hun mainframe blijven, want die functionaliteit elders repliceren is gewoon niet eenvoudig.”

Nodig in digitale transformatie

Naar de markt toe ziet Kleinfeld alleen maar groei. “Grote bedrijven spreken vandaag veel vaker rechtstreeks met hun eindklanten, waar dat vroeger via dealers en tussenpersonen ging. Maar hun backendsystemen zijn vooral ontworpen op kleinere hoeveelheden aan transacties, een oude Oracle database, of SAP achterliggend. Nu is het moment voor hen gekomen om heel functionele dynamische systemen te bouwen, niet enkel voor hun verkooppunten maar voor gebruikers wereldwijd. Maar die systemen moeten ook veel meer informatie verzamelen, zelfs tegenover tien jaar geleden. Een klassiek systeem kan die workload niet aan.”

Ook bij Hazelcast wijzen ze naar de trend dat real time dataverwerking de standaard zal worden in veel sectoren. “De wereld verschuift naar een real time economy. Onze klanten zeggen dat ze niet meer kunnen handelen enkel op basis van de data die ze gisteren hadden,” zegt Herrell. “Vaak is de live data de trigger voor iets. Maar die data op zich is maar een klein stukje zonder context. Die context zit vaak in de data die je al hebt dus die moet je kunnen combineren,” zegt de topman van Hazelcast.