Data Mesh

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Data Mesh ist ein soziotechnischer Ansatz für die Erstellung einer dezentralen Datenarchitektur[1]. Entwicklungsteams erhalten dabei die Verantwortung für die Entwicklung und den Betrieb von Datenprodukten ihrer fachlichen Domäne[2]. Es setzt dabei auf Domain-driven Design[3] von Eric Evans sowie Team Topologies[4] von Manuel Pais und Matthew Skelton auf.

Geschichte[Bearbeiten | Quelltext bearbeiten]

Der Begriff Data Mesh wurde 2019 von Zhamak Dehghani erstmals verwendet[5], um Prinzipien einer domänenorientierten dezentralen Architektur für analytische Daten zu beschreiben. Sie stellte damit einen Gegenentwurf zu den damals vorherrschenden zentralen Data Warehouse und Data Lake Architekturen vor. Seitdem erlebt Data Mesh eine hohe Beachtung[6] und wurde inzwischen von mehreren Unternehmen eingeführt, wie Zalando[7], Adidas[8] und Roche[9].

Prinzipien[Bearbeiten | Quelltext bearbeiten]

Data Mesh basiert auf den folgenden vier fundamentalen Prinzipien[2]:

  • Domain Ownership
  • Data as a Product
  • Self-Serve Data Platform
  • Federated Governance

Data Mesh überträgt die Verantwortung für Datenanalysen in die fachlich geschnittenen Domänenteams. Analytische Daten werden in Form von Datenprodukten auch anderen Teams zugänglich gemacht, um übergreifende Auswertungen zu ermöglichen. Gemeinsame Standards und Regeln werden in Form einer Federated Governance von den Teams gemeinsam festgelegt, um Interoperabilität und Sicherheitsanforderungen zu gewährleisten. Die Dateninfrastruktur wird in Form einer Datenplattform nach dem Self-Service-Gedanken von einem Data Platform Team bereitgestellt.

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Data Mesh Architecture. Abgerufen am 7. Juni 2022 (englisch).
  2. a b Zhamak Dehghani: Data Mesh. O’Reilly Media, Inc., 2022, ISBN 978-1-4920-9239-1.
  3. Eric Evans: Domain-Driven Design: Tackling Complexity in the Heart of Software. Addison-Wesley, 2003, ISBN 978-0-321-12521-7.
  4. Matthew Skelton: Team topologies : organizing business and technology teams for fast flow. Portland, OR 2019, ISBN 978-1-942788-84-3.
  5. How to Move Beyond a Monolithic Data Lake to a Distributed Data Mesh. In: martinfowler.com. (englisch).
  6. Andy Bane: Council Post: Where Is Industrial Transformation Headed In 2022? In: Forbes. (englisch).
  7. Max Schultze, Arif Wider: Data Mesh in Practice. O’Reilly Media, Inc., 2021, ISBN 978-1-09-810849-6.
  8. Javier Pelayo: Introduction to Data Mesh adoption in adidas. In: adidoescode. 22. April 2022, abgerufen am 7. Juni 2022 (englisch).
  9. "Mind, Body, Heart & Soul" - Data Mesh implementation journey at Roche Diagnostics – Omar Khawaja. Abgerufen am 7. Juni 2022 (deutsch).