StartIT und SoftwareCloud Data Warehouse Benchmark von Fivetran: Kopf-an-Kopf-Rennen...

Cloud Data Warehouse Benchmark von Fivetran: Kopf-an-Kopf-Rennen der fünf beliebtesten Data Warehouses

München, 14. Februar 2023 – Fivetran, führender Anbieter für automatisierte Datenbewegungen, hat gemeinsam mit Brooklyn Data Co. die Geschwindigkeit und Kosten von fünf der beliebtesten Cloud Data Warehouses verglichen. Unter die Lupe genommen wurden Amazon Redshift, Snowflake, Google BigQuery, Databricks und Azure Synapse. Die Ergebnisse präsentiert Fivetran jetzt in seinem neuesten Cloud Data Warehouse Benchmark.

Die Ergebnisse des Cloud Data Warehouse Benchmark von Fivetran:
– Alle fünf Data Warehouses punkten mit einer hervorragenden Ausführungsgeschwindigkeit und eignen sich für interaktive Ad-hoc-Abfragen.
– Alle fünf Data Warehouses haben ihre Leistung seit dem letzten Benchmark im Jahr 2020 verbessert.
– Die größten Verbesserungen erzielte Databricks aufgrund einer neuen SQL-Ausführungs-Engine.
– Die Kosten sind bei allen fünf betrachteten Data Warehouses ähnlich niedrig.
– Die wichtigsten Unterschiede bestehen in den Designansätzen und den daraus resultierenden Qualitätsunterschieden mit Fokus entweder auf Optimierungsmöglichkeiten oder Benutzerfreundlichkeit.

„Als Anbieter von Data Pipelines, die Daten aus Apps, Datenbanken und File Stores in die Data Warehouses unserer Kunden synchronisieren, werden wir häufig gefragt: „Welches Data Warehouse ist für uns das richtige?““, so George Fraser, CEO von Fivetran. „Deshalb haben wir jetzt zum zweiten Mal diesen Benchmark-Test durchgeführt. Mit den Ergebnissen können wir empfehlen, das Hauptaugenmerk bei der Auswahl eines Data Warehouses auf die Benutzerfreundlichkeit zu legen.“

Basis für den Benchmark Report ist ein typischer Fivetran-Nutzer. Dieser synchronisiert Daten aus Salesforce, JIRA, Marketo, Adwords und aus seiner Oracle-Datenbank in sein Cloud Data Warehouse. Die Datenquellen sind nicht sehr groß, sie enthalten üblicherweise höchstens einige hundert Gigabyte. Mit hunderten normalisierten Tabellen, die mithilfe komplexer SQL-Abfragen zusammengefasst werden, sind diese jedoch relativ komplex.

Auch die Abfragen, die Fivetran gemeinsam mit Brooklyn Data durchgeführt hat, waren komplex: Sie umfassten zahlreiche Join-Operationen, Aggregationen und Unterabfragen. Für den Benchmark wurden 99 Abfragen sequenziell, also nacheinander, durchgeführt. Dabei kam jede Abfrage nur einmal zum Einsatz, um ein Zwischenspeichern auszuschließen.

Mehr Informationen zu den Ergebnissen und dem Vorgehen sowie Vergleiche zu anderen Benchmark-Tests im aktuellen Fivetran „Cloud Data Warehous Benchmark“ – hier zum Download.

Über Fivetran
Fivetran automatisiert alle Datenbewegungen im Zusammenhang mit Cloud-Datenplattformen. Das gilt vor allem für die zeitaufwendigsten Teile des ELT-Prozesses (Extract, Load, Transform) – von der Extraktion von Daten über das Handling von Schema-Drifts bis hin zu Daten-Transformationen. Damit können sich Data Engineers auf wichtigere Projekte konzentrieren, ohne sich um die Data Pipelines kümmern zu müssen. Mit einer Up-Time von 99,9 % und sich selbst reparierenden Pipelines ermöglicht Fivetran Hunderten von führenden Marken weltweit, darunter Autodesk, Lionsgate und Morgan Stanley, datengestützte Entscheidungen zu treffen und so ihr Unternehmenswachstum voranzutreiben. Fivetran hat seinen Hauptsitz in Oakland, Kalifornien, und verfügt über Niederlassungen auf der ganzen Welt.
Der deutschsprachige Markt wird aus dem Büro in München betreut. Zu den Kunden in Deutschland zählen DOUGLAS, Hermes, Lufthansa, Siemens, VW Financial Services und Westwing. Weitere Informationen unter fivetran.com.

Firmenkontakt
Fivetran
Tobias Knieper (Marketing Lead DACH)
Luise-Ullrich-Straße 20
80636 München
.
tobias.knieper@fivetran.com
https://fivetran.com

Pressekontakt
Lucy Turpin Communications
Christine Schulze & Thomas Hahnel
Prinzregentenstraße 89
81675 München
+49 89 417761- 0
fivetran@lucyturpin.com
https://www.lucyturpin.de/

Die Bildrechte liegen bei dem Verfasser der Mitteilung.