Simple report about SAP HANA vs Oracle. It also includes about the history of storages and benefit of in-memory processing.

1. 정상준
HANA vs.

2. 순서

3. 순서
HANA

4. 순서
HANA = In Memory DB

5. 순서
HANA
Database가 느려서
= In Memory DB

6. 순서
HANA
Database=
= In Memory DB

7. 순서
HANA
Database
HDD 보다 빠른 RAM
=
= In Memory DB

8. 순서
HANA
Database
HDD 보다 빠른 RAM 저장장치의 역사
=
=
= In Memory DB

9. =
=
=
순서
HANA
HDD 보다 빠른 RAM
Database
저장장치의 역사
설명
순서
In Memory DB

10. 1. DB는 왜 태어 났나요?

11. 에니악의 등장 = 계산기
Reference: http://ftp.arl.mil/ftp/historic-computers/, Copyright Rovio Entertainment Ltd.

12. 에니악의 등장 = 계산기
Reference: http://ftp.arl.mil/ftp/historic-computers/, Copyright Rovio Entertainment Ltd.

14. Data

15. Data
Data
Data

16. 데이터 증가 = DB 수요
Copyright (C) Apple Inc.,Template - CoreData.icns

17. 그런데 성능이 만족스럽지 않아. 왜 그런걸까?

18. 2. 저장장치의 역사

19. 동굴 벽화
Reference: http://en.wikipedia.org/wiki/File:AltamiraBison.jpg

20. 자기 테이프
Reference: http://en.wikipedia.org/wiki/File:Quarter-Inch_Cartridges.jpg

21. 하드 디스크
Reference: http://en.wikipedia.org/wiki/File:Seagate_ST33232A_hard_disk_inner_view.jpg

22. 램
Reference: http://en.wikipedia.org/wiki/File:4GB_DDR3_SO-DIMM.jpg

23. 문제 = 느린 HDD

24. HDD가 얼마나 느린가요

25. HDD가 얼마나 느린가요
대역폭 반응 속도
CPU
GPU RAM
RAM
HDD
25.6GB/s 0.32ns
153GB/s 0.83ns
17.06GB/s 6ns
120MB/s 4.16ms

26. HDD가 얼마나 느린가요
0
50
100
150
200
CPU GPU RAM HDD
0
1.5
3.0
4.5
6.0
대역폭 반응 속도
GB/s ns

27. 답답하니까

28. 대역폭 = 읽기 속도

29. Contributed by AvatarP

30. 대역폭 = 읽기 속도
3.63GBLEGENDS
LEAGUEof
League of Legends and Riot Games Inc. are trademarks or registered trademarks of Riot Games, Inc.

31. 대역폭 = 읽기 속도
30초
3.63GBLEGENDS
LEAGUEof
League of Legends and Riot Games Inc. are trademarks or registered trademarks of Riot Games, Inc.

32. 대역폭 = 읽기 속도
30초 0.21초
3.63GBLEGENDS
LEAGUEof
League of Legends and Riot Games Inc. are trademarks or registered trademarks of Riot Games, Inc.

33. 대역폭 = 읽기 속도
30초 0.21초
3.63GBLEGENDS
LEAGUEof
League of Legends and Riot Games Inc. are trademarks or registered trademarks of Riot Games, Inc.
142배

34. 반응 속도
CPU
HDD

35. 반응 속도
CPU
자료좀 다오
HDD

36. 반응 속도
CPU
자료좀 다오
드리겠습니다 HDD

37. 반응 속도
CPU
자료좀 다오
드리겠습니다 HDD
4.16ms

38. 반응 속도
CPU
자료좀 다오
드리겠습니다 RAM

39. 반응 속도
CPU
자료좀 다오
드리겠습니다 RAM
6ns

40. HDD RAM
반응 속도

41. HDD RAM
4.16ms 6ns
반응 속도

42. HDD RAM
4.16ms 6ns
1초
반응 속도

43. HDD RAM
4.16ms 6ns
1초8일
반응 속도

44. HDD RAM
4.16ms 6ns
1초8일
반응 속도
700,000배

45. 컴퓨터 구조

46. 컴퓨터 구조
CPU

47. 컴퓨터 구조
CPU
GPU

48. 컴퓨터 구조
CPU
GPU
Chipset

49. 컴퓨터 구조
CPU
GPU
16GB/s(PCIe v3.0)
Chipset

50. 컴퓨터 구조
CPU
GPU
16GB/s(PCIe v3.0)
Chipset
17GB/s(DDR3-2133)

51. 컴퓨터 구조
CPU
GPU
16GB/s(PCIe v3.0)
25.6GB/s
(QPI@3.2GHz)
Chipset
17GB/s(DDR3-2133)

52. 컴퓨터 구조
CPU
GPU
16GB/s(PCIe v3.0)
25.6GB/s
(QPI@3.2GHz)
Chipset
17GB/s(DDR3-2133)
0.1GB/s

53. 컴퓨터 구조
CPU
GPU
16GB/s(PCIe v3.0)
25.6GB/s
(QPI@3.2GHz)
Chipset
17GB/s(DDR3-2133)
0.1GB/s
병목현상

54. HDD를 쓰는 이유는

55. 비싼 RAM
HDD를 쓰는 이유는

56. 3. 떨어지는 메모리 가격

57. 1955
109
1
10-5
$/1MB
Reference: http://www.jcmit.com/mem2012.htm
2010

58. 1955
109
1
10-5
$/1MB
Reference: http://www.jcmit.com/mem2012.htm
2010
DIMM
SIMM
IC

59. 1955
109
1
10-5
$/1MB
Reference: http://www.jcmit.com/mem2012.htm
2010
DIMM
SIMM
IC
Flash

60. 1955
109
1
10-5
$/1MB
Reference: http://www.jcmit.com/mem2012.htm
2010
DIMM
SIMM
IC
Flash
HDD

61. 1955
109
1
10-5
$/1MB
Reference: http://www.jcmit.com/mem2012.htm
2010
DIMM
SIMM
IC
Flash
HDD
많이
내렸다

62. 그래서 나온것이

63. In Memory DB

64. In Memory DB

65. In Memory DB
Data
Data

66. In Memory DB
Data
Data

67. In Memory DB
• 메모리가 싸지니까
• 메모리가 빠르니까
• 많은 데이터 즉시 분석

68. 예를 들어보면
• DB
• 모든 시험 정보
• 등수가 궁금

69. 예를 들어보면
• 나의 성적 조회
• 수강 내역 가져오기
• 수강 내역 별 점수
• 등수 계산하기
• 보여주기 Data
Data

70. 예를 들어보면
• 나의 성적 조회
• 매 시험 10문제 * 2번
• 한 학기 6과목
• 8학기
• 수강생 20명
• 10*2*6*8*20*4.16ms = 79초
Data
Data

71. 예를 들어 일본 노무라연구소는 인메모리 컴퓨팅을
이용해 도쿄에서 운행하고 있는 1만2000대 택시에서
발생하는 교통정보를 1초에 분석해 최단 이동경로를
운전자들에게 제공한다. 교통흐름을 실시간으로 분석
해 막히지 않는 구간을 안내하는 것. 택시들이 최단
이동 경로로 움직이기 때문에 교통 혼잡으로 인한
손실을 막을 수 있다. 또 단순히 택시 회사의 이익뿐
아니라 교통 분산 효과를 가져오기 때문에 공공인프라
개선이라는 부수적 효과도 가져온다.
Reference: http://www.ddaily.co.kr/news/news_view.php?uid=99448

72. 예를 들어 일본 노무라연구소는 인메모리 컴퓨팅을
이용해 도쿄에서 운행하고 있는 1만2000대 택시에서
발생하는 교통정보를 1초에 분석해 최단 이동경로를
운전자들에게 제공한다. 교통흐름을 실시간으로 분석
해 막히지 않는 구간을 안내하는 것. 택시들이 최단
이동 경로로 움직이기 때문에 교통 혼잡으로 인한
손실을 막을 수 있다. 또 단순히 택시 회사의 이익뿐
아니라 교통 분산 효과를 가져오기 때문에 공공인프라
개선이라는 부수적 효과도 가져온다.
Reference: http://www.ddaily.co.kr/news/news_view.php?uid=99448

73. 실시간 처리
실시간 분석
실시간 예측
인공지능
사용자 프로파일링
무서운 미래

74. ORLANDO, Fla. — HP and SAP AG (NYSE:SAP) today announced advancements to
a joint initiative, codenamed “Project Kraken,” to improve business processes and
mitigate risks for customers.
...
Project Kraken’s goal is to provide customers additional choice in scalability for
large, online transaction processing applications, with requirements for real-time
analytical insights into this data.This allows organizations, including retailers,
financial institutions, utilities and governments, another alternative to quickly detect
patterns, analyze massive data volumes on the fly, and perform their operations
quickly.
The prototype system, optimized with 16 Intel® Xeon® processor E7 family
(codenamed Ivy Bridge-EX) central processing units (CPUs) and 12 terabytes of
memory, has been engineered specifically for complex, data-intensive workloads.
These include supply chain, customer relationship management (CRM), enterprise
resource planning (ERP) and data analysis. HP and SAP chose Intel processors
because of the company’s leading-edge technology that enables customers to
improve system performance.
HP and SAP Advance SAP HANA through Joint Innovation
SAP, SAP HANA and all SAP logos are trademarks or registered trademarks of SAP AG in Germany and in several other countries. Intel and Xeon are trademarks of Intel Corporation in the U.S. and other countries.

75. • Project Kraken
• 대형 DB에서 실시간 분석
• 패턴 찾기, 대용량 데이터 실시간 분석 등
• 16 Intel® Xeon® processor E7
• 12 TB 메모리 (12,228 GB)
HP 와 SAP 협력

76. Apple NAB Bay (2007), Photo from http://sysadminporn.com/wp-content/uploads/2011/01/Xserve-HD_2560.jpg

77. 1 U =

78. 1 U =
44.45mm

80. Apple XServe, http://www.creativeplanetnetwork.com/videography/uploadedimages/VideoGraphy/Videography_News/0408AppleXserve-1bg.jpg
79cm
48cm

81. SuperComputing 2012, IBM Power7, Photo from http://hpc.uark.edu/hpc/blog/sc12.html

82. 4. 그들은 누구인가

83. Public Domain by amadeusm

84. • 1972년 독일에서 설립
• ERP관련 (전사적 자원 관리)
• ERP에는 DB가 필요

85. 시장 점유율
SAP Salesforce Oracle Microsoft Amdocs Other
Source: Market Share Analysis: ERP Software,Worldwide, 2012,
http://www.forbes.com/sites/louiscolumbus/2012/12/04/roundup-of-crm-forecasts-and-market-estimates-2012/

86. 시장 점유율
19%
SAP Salesforce Oracle Microsoft Amdocs Other
Source: Market Share Analysis: ERP Software,Worldwide, 2012,
http://www.forbes.com/sites/louiscolumbus/2012/12/04/roundup-of-crm-forecasts-and-market-estimates-2012/

87. Video: http://youtu.be/KT5XMBzWpMc

88. Reference: http://www.flickr.com/photos/93755244@N00/4140459965 by dahlstroms

89. • 1977년 미국에서 설립
• 회사용 H/W, S/W (특히 DB)
• 많은 회사 인수 (85 + 11 이상)
• SUN(Java) - $7.4B @ 2010 #3
• MySQL - ($1.0B @ 2008 #9)
• PeopleSoft - $10.3B @ 2005 #1

90. Oracle DB IBM DB2 MS SQL SAP/Sybase Teradata Others
시장 점유율
Source: Gartner 2012, RDBMS Software Revenue,
http://itknowledgeexchange.techtarget.com/eye-on-oracle/oracle-the-clear-leader-in-24-billion-rdbms-market/

91. 49%
20%
17%
5%
4%
6%
Oracle DB IBM DB2 MS SQL SAP/Sybase Teradata Others
시장 점유율
Source: Gartner 2012, RDBMS Software Revenue,
http://itknowledgeexchange.techtarget.com/eye-on-oracle/oracle-the-clear-leader-in-24-billion-rdbms-market/

92. $12B
$5B
$4B
$1B
$1B
$1B
Oracle DB IBM DB2 MS SQL SAP/Sybase Teradata Others
DB 매출
Source: Gartner 2012, RDBMS Software Revenue,
http://itknowledgeexchange.techtarget.com/eye-on-oracle/oracle-the-clear-leader-in-24-billion-rdbms-market/

94. 
칩 OS

339S0073ARM
K2132C2PD-50-F
ONO650908
APL0298
N1PVNMPP 0919
iPhone OS

95. 
칩 OS
TIZEN
ANDROID
PA SAMI

96. 
칩 OS
OS 칩
경쟁 관계

97. DB ERP
PeopleSoft
Transaction
In Memory

98. DB ERP
DBERP
경쟁 관계

99. 

100. 마지막 원칙, 이 바닥엔 영원한 친구도 원수도 없어.
타짜, ©2006 CJ Entertainment

101. 결론

102. 결론
• In Memory DB는 무지 빠르다.

103. 결론
• In Memory DB는 무지 빠르다.
• 실시간으로 처리할 수 있다.

104. 결론
• In Memory DB는 무지 빠르다.
• 실시간으로 처리할 수 있다.
• 메모리는 엄청 싸졌다.

105. 결론
• In Memory DB는 무지 빠르다.
• 실시간으로 처리할 수 있다.
• 메모리는 엄청 싸졌다.
• Oracle도 크고 SAP도 크다. 둘이 경쟁한다.

106. 결론
• In Memory DB는 무지 빠르다.
• 실시간으로 처리할 수 있다.
• 메모리는 엄청 싸졌다.
• Oracle도 크고 SAP도 크다. 둘이 경쟁한다.
• 여러분도 좋은것 만들어 잘 팔아보자.

107. Q&A