Die Qualität von Big-Data-Anwendungen verbessern

EU-finanzierte Forscher haben das erste Open-Source-Framework definiert, um Start-ups, die an der Entwicklung von Big-Data-Anwendungen interessiert sind, qualitätsbewusste Software-Engineering-Methoden anzubieten.

Digitale Wirtschaft

Das oberste Ziel des EU-finanzierten Projekts DICE (Developing Data-Intensive Cloud Applications with Iterative Quality Enhancements) besteht darin, den Fachkräftemangel und die Lernkurven im Bereich der Entwicklung von Big-Data-Anwendungen anzugehen und die Markteinführungszeit für Anwendungen zu verkürzen, welche den Qualitätsanforderungen entsprechen. Durch die Entwicklung innovativer neuer Methoden und Tools zielt das Projekt auf die Stärkung der Wettbewerbsfähigkeit unabhängiger europäischer Softwareverkäufer auf dem Gebiet geschäftskritischer Big-Data-Anwendungen ab. Seitdem wurden eine Open-Source-Version und zwei kommerzielle Produkte veröffentlicht, die sicherstellen sollen, dass die Vorteile von DICE noch lange nach Abschluss des Projekts fortbestehen. Datenintensive Anforderungen Die weltweite Verbreitung von Smartphones, die verstärkte Nutzung von Sensoren in Sektoren wie dem Automobil- und Sicherheitssektor und die Flut von Social-Media-Inhalten, die jeden Tag hochgeladen werden, haben zur Folge, dass die Welt in Daten schwimmt. Die Extraktion hilfreicher Informationen aus diesem brodelnden Pool kann Unternehmen dabei helfen, ihre Zielgruppe besser zu verstehen und neue Trends zu erkennen – doch dies ist nach wie vor keine einfache Aufgabe. „Organisationen, die von Big Data profitieren möchten, müssen zunächst sorgfältig Computersysteme entwerfen, die die Informationen, die sie benötigen, verarbeiten und analysieren können“, erklärt DICE-Projektkoordinator Dr. Giuliano Casale vom Imperial College London im Vereinigten Königreich. „Auch wenn auf dem Markt neue Wege für das Gestalten, Organisieren und Betreiben von Big-Data-Anwendungen entstehen, haben viele Start-ups nicht die Tools für die angemessene Entwicklung besagter Big-Data-Softwaresysteme oder vollständige Integration von Big-Data-Analysetechnologien in bestehende Produkte zur Hand.“ Dieser Mangel sei signifikant, so Dr. Casale, da manche Technologieunternehmen in der Eile, den lukrativen Big-Data-Markt zu erschließen, nicht ausreichend auf diesen wichtigen Qualitätsaspekt geachtet hätten. Und weil die Qualitätsentwicklung von datenintensiven Softwaresystemen immer noch in ihren Kinderschuhen steckt, gestaltet sich die Vorhersage und Garantie der Servicequalität in Big-Data-Softwaresystemen äußerst schwierig. Methodische Datenanalyse Das DICE-Projekt ging diese Herausforderung über die Erstellung eines Satzes von 14 Tools an, um – durch einen hohen Automatisierungsgrad – Kernaktivitäten in der Entwicklung von Big-Data-Anwendungen zu unterstützen. Dies beinhaltete die Bewertung der Softwarequalität, die Verbesserung der Softwarearchitektur und die Zurverfügungstellung in der Cloud. Alle Tools sind in einer kohärenten Methode organisiert, die von den Prinzipien eines aufstrebenden Paradigmas in der Softwarebereitstellung inspiriert ist, welches als DevOps bekannt ist. „Bis dato hat es einen Mangel an Methoden zur Mitteilung von Qualitätsanforderungen gegeben“, erklärt Dr. Casale. „Wir definierten deshalb eine integrierte Methode vom Design bis zum Betrieb, die diese Mängel angeht. Dies ist tatsächlich die erste qualitätsorientierte Entwicklungsumgebung für Big-Data-Anwendungen.“ Anschließend wurden anhand dreier Datenverarbeitungs-Pilotprogramme Bewertungen der DICE-Methode und der Tool-Anwendungen durchgeführt: Social-Media-Datenanalyse; Stapelverarbeitung für die Erkennung von Steuerbetrug; und Cloud-basiertes Management von Echtzeit-Schnittstellenbetrieb. „Vorläufige Ergebnisse legen substanzielle Produktivitätssteigerungen dank DICE nahe, insbesondere im Hinblick auf die Senkung der Bereitstellungs- und Konfigurationszeit für neue Big-Data-Anwendungen“, sagt Dr. Casale. „Das DICE-Framework konnte zudem mehrere Verletzungen und Anti-Patterns in den Anwendungsdesigns identifizieren, und die Zeit für manuelle Prüfungen und Evaluationen durchgehend verkürzen.“ Eine Open-Source-Version des DICE-Frameworks für Entwickler wurde über die Projektwebseite veröffentlicht. Darüber hinaus wurde das DICE-Framework neu verpackt und an zwei maßgeschneiderte Produkte angepasst: DICE Velocity und DICE BatchPro. DICE Velocity ist auf die Anforderungen von Unternehmen zugeschnitten, die Anwendungen entwickeln, welche auf Technologie für die Verarbeitung von Datenströmen basieren, während DICE BatchPro Unternehmen bei der einfachen Konfiguration und Implementierung einer kosteneffektiven Chargendaten-Verarbeitung helfen soll.

Schlüsselbegriffe

DICE, IKT, Big Data, Datenverarbeitung, Cloud, DevOps, Social Media, Verarbeitung von Datenströmen

Developing Data-Intensive Cloud Applications with Iterative Quality Enhancements

Die Qualität von Big-Data-Anwendungen verbessern

Schlüsselbegriffe

Entdecken Sie Artikel in demselben Anwendungsbereich

Diese Seite teilen

Herunterladen