SAP发布软件更新包 集成HANA与Hadoop

日前，SAP发布新的程序更新包，并将在Hadoop中集成分析和数据库技术，包括倍受追捧的HANA内存数据库平台和Sybase IQ(列式数据库)。

另外，SAP还宣称该程序包将与Hadoop、SAP Data Integrator和SAP BusinessObjectsBI套件进行集成。

新的程序包由SAP和Cloudera、Hitachi Data Systems、Hortonworks、HP、IBM等多家合作厂商共同推出，将为客户提供一套高级数据仓库解决方案，以对来自多种数据源的大型数据集进行实时分析。

Hadoop是基于Java的免费编程框架，通过使用多台机器对分布式计算环境中的大型数据集进行处理，属于Apache软件基金会赞助的项目。

该程序包能够使SAP用户运用多种方式将Hadoop集成到现有BI和数据仓库环境中。

企业可以使用数据集成器从Hadoop分布式文档系统(HDFS)或Hive数据库中读取数据，然后将相关数据载入HANA或Sybase IQ中。同时，BI用户仍然可以继续使用他们现有的报表和分析工具。

客户还可以在Sybase IQ和Hadoop环境中运行查询;BusinessObjects BI用户可以查询Hive数据库，直接开发Hadoop环境。

SAP大数据策略负责人David Yonker称，SAP支持Hadoop和HANA的集成。

Hadoop一次性扫描或处理大量数据的能力出色。Yonker说：“如果你想要扫描几PB的数据，它确实很管用。但是是否实时呢?不，但是已经不错了。”

相较而言，HANA这样的内存数据库可读取所有数据，不仅仅限于与特定查询相关的子集。

“正因如此，二者应该有机结合。它们匹配得很好。”

Yonker举例，日本有一家生物信息公司Mitsui Knowledge Industry，目前正在进行整合Hadoop和SAP HANA的POC项目，以开发癌症治疗法，原理在于不同的人由于DNA不同所作出的反应也不一样。

该项目的流程包括使用Hadoop对病人的数据进行分析，然后将它们与正常的数据链进行比对。由于数据量之大，这一流程大概需要两天的时间。

“你必须读取所有的DNA数据，包括健康的和病变的，而无法只读取某个子集。”但在使用了Hadoop之后，两天的时间缩短到了20分钟，而且估计还将减半。

下一步就是使用HANA将其与其他病人的DNA样本进行比对。“这一步，你是在与1000万到2000万的DNA样本比对。这是高级的迭代查询，也就是说你需要在系统中运行1000万到2000万次查询。”

今年SAP可谓在Hadoop系统上大做文章。6月的时候，SAP发布了BusinessObjects 4.0和Feature Pack 3，同时宣布支持HiveQL——一种在Hadoop中使用的简单的SQL式查询语言。

SAP BI市场副总裁Jason Rose说道：“现在，在大家一直使用的同一款信息设计工具中，我们对HiveQL进行支持;这样一来，你就可以将Hadoop中的信息引入并搭配到BI环境中去。”