Enviar búsqueda
Cargar
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
•
2 recomendaciones
•
1,408 vistas
Insight Technology, Inc.
Seguir
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 39
Descargar ahora
Descargar para leer sin conexión
Recomendados
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] D13:PCIeフラッシュで、高可用性高性能データベースシステム?! by 株式会社HGSTジ...
[db tech showcase Tokyo 2015] D13:PCIeフラッシュで、高可用性高性能データベースシステム?! by 株式会社HGSTジ...
Insight Technology, Inc.
[B22] PostgresPlus Advanced Server の Oracle Database 互換機能検証 by Noriyoshi Shinoda
[B22] PostgresPlus Advanced Server の Oracle Database 互換機能検証 by Noriyoshi Shinoda
Insight Technology, Inc.
[D36] Michael Stonebrakerが生み出した列指向データベースは何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャ...
[D36] Michael Stonebrakerが生み出した列指向データベースは何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャ...
Insight Technology, Inc.
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
Insight Technology, Inc.
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
Insight Technology, Inc.
Recomendados
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] D13:PCIeフラッシュで、高可用性高性能データベースシステム?! by 株式会社HGSTジ...
[db tech showcase Tokyo 2015] D13:PCIeフラッシュで、高可用性高性能データベースシステム?! by 株式会社HGSTジ...
Insight Technology, Inc.
[B22] PostgresPlus Advanced Server の Oracle Database 互換機能検証 by Noriyoshi Shinoda
[B22] PostgresPlus Advanced Server の Oracle Database 互換機能検証 by Noriyoshi Shinoda
Insight Technology, Inc.
[D36] Michael Stonebrakerが生み出した列指向データベースは何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャ...
[D36] Michael Stonebrakerが生み出した列指向データベースは何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャ...
Insight Technology, Inc.
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
Insight Technology, Inc.
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
Insight Technology, Inc.
A21 列指向DB HP Vertica ~その圧倒的な高速検索の謎を解き明かす~ byKeizo Aizawa
A21 列指向DB HP Vertica ~その圧倒的な高速検索の謎を解き明かす~ byKeizo Aizawa
Insight Technology, Inc.
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
Insight Technology, Inc.
Pivotal Greenplumで実現する次世代データ分析基盤のご紹介
Pivotal Greenplumで実現する次世代データ分析基盤のご紹介
Masayuki Matsushita
DX認定制度システム開発裏話:技術編
DX認定制度システム開発裏話:技術編
Arichika TANIGUCHI
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] E27: Neo4jグラフデータベース by クリエーションライン株式会社 李昌桓
[db tech showcase Tokyo 2015] E27: Neo4jグラフデータベース by クリエーションライン株式会社 李昌桓
Insight Technology, Inc.
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
MapR Technologies Japan
今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ
株式会社クライム
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
Insight Technology, Inc.
[C31]世界最速カラムナーDBは本物だ! by Daisuke Hirama
[C31]世界最速カラムナーDBは本物だ! by Daisuke Hirama
Insight Technology, Inc.
性能問題を起こしにくい信頼されるクラウド RDB のつくりかた
性能問題を起こしにくい信頼されるクラウド RDB のつくりかた
Tomoyuki Oota
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
datastaxjp
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
Insight Technology, Inc.
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
Insight Technology, Inc.
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
Insight Technology, Inc.
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
Shintaro Takemura
D24 ビックデータへの苦難と、国産データベースの挑戦 自社従来比100倍の性能に挑む、超高速データベースエンジンHitachi Advanced Dat...
D24 ビックデータへの苦難と、国産データベースの挑戦 自社従来比100倍の性能に挑む、超高速データベースエンジンHitachi Advanced Dat...
Insight Technology, Inc.
レガシーコード読書会 20120618
レガシーコード読書会 20120618
Suguru Shirai
青森県黒石市Facebookセミナー動画3時間in黒石市法人会
青森県黒石市Facebookセミナー動画3時間in黒石市法人会
新潟コンサルタント横田秀珠
Más contenido relacionado
La actualidad más candente
A21 列指向DB HP Vertica ~その圧倒的な高速検索の謎を解き明かす~ byKeizo Aizawa
A21 列指向DB HP Vertica ~その圧倒的な高速検索の謎を解き明かす~ byKeizo Aizawa
Insight Technology, Inc.
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
Insight Technology, Inc.
Pivotal Greenplumで実現する次世代データ分析基盤のご紹介
Pivotal Greenplumで実現する次世代データ分析基盤のご紹介
Masayuki Matsushita
DX認定制度システム開発裏話:技術編
DX認定制度システム開発裏話:技術編
Arichika TANIGUCHI
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] E27: Neo4jグラフデータベース by クリエーションライン株式会社 李昌桓
[db tech showcase Tokyo 2015] E27: Neo4jグラフデータベース by クリエーションライン株式会社 李昌桓
Insight Technology, Inc.
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
MapR Technologies Japan
今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ
株式会社クライム
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
Insight Technology, Inc.
[C31]世界最速カラムナーDBは本物だ! by Daisuke Hirama
[C31]世界最速カラムナーDBは本物だ! by Daisuke Hirama
Insight Technology, Inc.
性能問題を起こしにくい信頼されるクラウド RDB のつくりかた
性能問題を起こしにくい信頼されるクラウド RDB のつくりかた
Tomoyuki Oota
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
datastaxjp
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
Insight Technology, Inc.
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
Insight Technology, Inc.
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
Insight Technology, Inc.
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
Shintaro Takemura
D24 ビックデータへの苦難と、国産データベースの挑戦 自社従来比100倍の性能に挑む、超高速データベースエンジンHitachi Advanced Dat...
D24 ビックデータへの苦難と、国産データベースの挑戦 自社従来比100倍の性能に挑む、超高速データベースエンジンHitachi Advanced Dat...
Insight Technology, Inc.
La actualidad más candente
(20)
A21 列指向DB HP Vertica ~その圧倒的な高速検索の謎を解き明かす~ byKeizo Aizawa
A21 列指向DB HP Vertica ~その圧倒的な高速検索の謎を解き明かす~ byKeizo Aizawa
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
Pivotal Greenplumで実現する次世代データ分析基盤のご紹介
Pivotal Greenplumで実現する次世代データ分析基盤のご紹介
DX認定制度システム開発裏話:技術編
DX認定制度システム開発裏話:技術編
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2015] E27: Neo4jグラフデータベース by クリエーションライン株式会社 李昌桓
[db tech showcase Tokyo 2015] E27: Neo4jグラフデータベース by クリエーションライン株式会社 李昌桓
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[C31]世界最速カラムナーDBは本物だ! by Daisuke Hirama
[C31]世界最速カラムナーDBは本物だ! by Daisuke Hirama
性能問題を起こしにくい信頼されるクラウド RDB のつくりかた
性能問題を起こしにくい信頼されるクラウド RDB のつくりかた
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
D24 ビックデータへの苦難と、国産データベースの挑戦 自社従来比100倍の性能に挑む、超高速データベースエンジンHitachi Advanced Dat...
D24 ビックデータへの苦難と、国産データベースの挑戦 自社従来比100倍の性能に挑む、超高速データベースエンジンHitachi Advanced Dat...
Destacado
レガシーコード読書会 20120618
レガシーコード読書会 20120618
Suguru Shirai
青森県黒石市Facebookセミナー動画3時間in黒石市法人会
青森県黒石市Facebookセミナー動画3時間in黒石市法人会
新潟コンサルタント横田秀珠
リファクタリング読書会20120220
リファクタリング読書会20120220
Suguru Shirai
ヘイトスピーチと反ヘイト運動:3種類の《二正面作戦》という難題
ヘイトスピーチと反ヘイト運動:3種類の《二正面作戦》という難題
Myungsoo Kim
クロスプラットフォーム モバイルアプリ開発ツール Xamarin 概要
クロスプラットフォーム モバイルアプリ開発ツール Xamarin 概要
Yoshito Tabuchi
【ゼンリンデータコム】株式発行トレンドマップ企画案
【ゼンリンデータコム】株式発行トレンドマップ企画案
東証ソーシャルかぶコン
UnityとnodeとMMDと
UnityとnodeとMMDと
sters
勉強会KLC「図書・図書館史回」
勉強会KLC「図書・図書館史回」
Satoko Yamashita
部下が仕事に“ハマる”ために必要な上司のコミュニケーションと職場環境
部下が仕事に“ハマる”ために必要な上司のコミュニケーションと職場環境
Rikkyo University
FOSS4G OKINAWA QGIS入門編ワークショップ
FOSS4G OKINAWA QGIS入門編ワークショップ
IWASAKI NOBUSUKE
プロジェクトリーダに必要な3つのこと
プロジェクトリーダに必要な3つのこと
Yuji Okazawa
編集長に学ぶ、読まれるWebライティング
編集長に学ぶ、読まれるWebライティング
Kappei Nakano
OpenCloudCampus PrivateCloudStudy Eucalyptus Deep-dive at GMO
OpenCloudCampus PrivateCloudStudy Eucalyptus Deep-dive at GMO
Osamu Habuka
How we realized SOA by Python at PyCon JP 2015
How we realized SOA by Python at PyCon JP 2015
hirokiky
20150926 uwpストア攻略
20150926 uwpストア攻略
Makoto Nishimura
創業時を振り返って(起業家向け)Ver1.1
創業時を振り返って(起業家向け)Ver1.1
Shinsuke Usami
PyCon JP 2015 keynote
PyCon JP 2015 keynote
Haruo Sato
Ubuntuをインストールしたzyboボードにカメラを付けてopen cvで顔認識
Ubuntuをインストールしたzyboボードにカメラを付けてopen cvで顔認識
marsee101
コミュニケーションを科学する
コミュニケーションを科学する
WorksEntertainment.Inc
スタートアップ 立ち上げマニュアル
スタートアップ 立ち上げマニュアル
Takaya Shinozuka
Destacado
(20)
レガシーコード読書会 20120618
レガシーコード読書会 20120618
青森県黒石市Facebookセミナー動画3時間in黒石市法人会
青森県黒石市Facebookセミナー動画3時間in黒石市法人会
リファクタリング読書会20120220
リファクタリング読書会20120220
ヘイトスピーチと反ヘイト運動:3種類の《二正面作戦》という難題
ヘイトスピーチと反ヘイト運動:3種類の《二正面作戦》という難題
クロスプラットフォーム モバイルアプリ開発ツール Xamarin 概要
クロスプラットフォーム モバイルアプリ開発ツール Xamarin 概要
【ゼンリンデータコム】株式発行トレンドマップ企画案
【ゼンリンデータコム】株式発行トレンドマップ企画案
UnityとnodeとMMDと
UnityとnodeとMMDと
勉強会KLC「図書・図書館史回」
勉強会KLC「図書・図書館史回」
部下が仕事に“ハマる”ために必要な上司のコミュニケーションと職場環境
部下が仕事に“ハマる”ために必要な上司のコミュニケーションと職場環境
FOSS4G OKINAWA QGIS入門編ワークショップ
FOSS4G OKINAWA QGIS入門編ワークショップ
プロジェクトリーダに必要な3つのこと
プロジェクトリーダに必要な3つのこと
編集長に学ぶ、読まれるWebライティング
編集長に学ぶ、読まれるWebライティング
OpenCloudCampus PrivateCloudStudy Eucalyptus Deep-dive at GMO
OpenCloudCampus PrivateCloudStudy Eucalyptus Deep-dive at GMO
How we realized SOA by Python at PyCon JP 2015
How we realized SOA by Python at PyCon JP 2015
20150926 uwpストア攻略
20150926 uwpストア攻略
創業時を振り返って(起業家向け)Ver1.1
創業時を振り返って(起業家向け)Ver1.1
PyCon JP 2015 keynote
PyCon JP 2015 keynote
Ubuntuをインストールしたzyboボードにカメラを付けてopen cvで顔認識
Ubuntuをインストールしたzyboボードにカメラを付けてopen cvで顔認識
コミュニケーションを科学する
コミュニケーションを科学する
スタートアップ 立ち上げマニュアル
スタートアップ 立ち上げマニュアル
Similar a [D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉
20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉
Insight Technology, Inc.
NTT DATA と PostgreSQL が挑んだ総力戦
NTT DATA と PostgreSQL が挑んだ総力戦
NTT DATA OSS Professional Services
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
Insight Technology, Inc.
[INSIGHT OUT 2011] C27 今こそBCPを考える ~コスト・要件に応じたデータベースのディザスタ・リカバリを提案しよう!~(kishida)
[INSIGHT OUT 2011] C27 今こそBCPを考える ~コスト・要件に応じたデータベースのディザスタ・リカバリを提案しよう!~(kishida)
Insight Technology, Inc.
【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介
オラクルエンジニア通信
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
Insight Technology, Inc.
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
Insight Technology, Inc.
Microsoft MVP が語る Azure 移行の勘所
Microsoft MVP が語る Azure 移行の勘所
Tetsuya Odashima
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
Insight Technology, Inc.
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
griddb
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
Koji Shinkubo
Oss x user_meeting_6_postgres
Oss x user_meeting_6_postgres
Kosuke Kida
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
Insight Technology, Inc.
0151209 Oracle DDD OracleとHadoop連携の勘所
0151209 Oracle DDD OracleとHadoop連携の勘所
オラクルエンジニア通信
Big Data Architecture 全体概要
Big Data Architecture 全体概要
Knowledge & Experience
[db tech showcase Tokyo 2015] B24:最高峰の可用性 ~NonStop SQLが止まらない理由~ by 日本ヒューレット・パ...
[db tech showcase Tokyo 2015] B24:最高峰の可用性 ~NonStop SQLが止まらない理由~ by 日本ヒューレット・パ...
Insight Technology, Inc.
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
Insight Technology, Inc.
[de:code 2019 振り返り Night!] Data Platform
[de:code 2019 振り返り Night!] Data Platform
Naoki (Neo) SATO
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
Similar a [D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
(20)
20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉
20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉
NTT DATA と PostgreSQL が挑んだ総力戦
NTT DATA と PostgreSQL が挑んだ総力戦
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[INSIGHT OUT 2011] C27 今こそBCPを考える ~コスト・要件に応じたデータベースのディザスタ・リカバリを提案しよう!~(kishida)
[INSIGHT OUT 2011] C27 今こそBCPを考える ~コスト・要件に応じたデータベースのディザスタ・リカバリを提案しよう!~(kishida)
【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
Microsoft MVP が語る Azure 移行の勘所
Microsoft MVP が語る Azure 移行の勘所
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
Oss x user_meeting_6_postgres
Oss x user_meeting_6_postgres
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
0151209 Oracle DDD OracleとHadoop連携の勘所
0151209 Oracle DDD OracleとHadoop連携の勘所
Big Data Architecture 全体概要
Big Data Architecture 全体概要
[db tech showcase Tokyo 2015] B24:最高峰の可用性 ~NonStop SQLが止まらない理由~ by 日本ヒューレット・パ...
[db tech showcase Tokyo 2015] B24:最高峰の可用性 ~NonStop SQLが止まらない理由~ by 日本ヒューレット・パ...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
[de:code 2019 振り返り Night!] Data Platform
[de:code 2019 振り返り Night!] Data Platform
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Más de Insight Technology, Inc.
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Insight Technology, Inc.
Docker and the Oracle Database
Docker and the Oracle Database
Insight Technology, Inc.
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Insight Technology, Inc.
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
Insight Technology, Inc.
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
Insight Technology, Inc.
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
Insight Technology, Inc.
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Insight Technology, Inc.
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
Insight Technology, Inc.
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
Insight Technology, Inc.
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
Insight Technology, Inc.
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
Insight Technology, Inc.
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
Insight Technology, Inc.
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
Insight Technology, Inc.
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
Insight Technology, Inc.
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Insight Technology, Inc.
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
Insight Technology, Inc.
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Insight Technology, Inc.
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Insight Technology, Inc.
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
Insight Technology, Inc.
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
Insight Technology, Inc.
Más de Insight Technology, Inc.
(20)
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Docker and the Oracle Database
Docker and the Oracle Database
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
1.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 1 あなたのビジネスを変える InfiniDB ケーススタディ 株式会社アシスト データベース技術本部 花谷 俊英
2.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 2 はソフトウェア活用をアシストする会社です
3.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 3 つなぐ 貯める 活かす データ連携が標準化され、データ 加工/ロードが自動化、高速化 されたバックエンド 信頼性と高速性を同時に 実現できるデータベース 誰でも必要な時に必要な情報を活用 でき、柔軟性に富んだフロントエンド 自由分析 ダッシュボード 自由分析 ダッシュボード 定型レポート定型レポート 半定型レポート半定型レポート DWH データ整備 予算データ 販売システム 経理システム ETLETL データの 変換/加工 原価管理システム DM(データマート) BI
4.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 4 InfiniDBの特長
5.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 5 DWHにおけるユーザの期待 細かく幅広いデータ分析 - 精度/粒度/鮮度 - 保持期間 PDCAサイクルの活性化 - 要件変更の柔軟性、容易性 - デリバリスピード 利用ユーザ部門 企画・開発部門 快適なパフォーマンス - ストレスを感じないレスポンス - 情報提供までのスピード向上 高い投資対効果 - 初期投資の抑制、資産の流用 - 段階的な拡張性とシナリオ シンプルなシステム基盤 - 維持運用コストの抑制 - 既存資産に対する影響小 経営・購買部門 情報システム・運用部門
6.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 6 「DWH特化型DB」という製品分野 汎用RDBMS DWH専用 アプライアンス DWH専用ソフトウェア パフォーマンス × 担当者スキルに依存した性能 ◎ 専用機材で性能が担保される ○ 機能特化することで高性能を実現 拡張性 × スケールアウトは困難 ○ ただし、実際の拡張は高コスト ○ スケールアップ/アウトに対応 保守、運用性 △ 確立されているケースが多い △ ベンダー依存度が高い ○ システム任せの 要員、操作性 ○ 使い慣れたインタフェース △ 専用のスキルや知識が必要 ○ 汎用RDBMSと同等 コスト △ 安価なエディションあるが・・・ × 低コストは望めない ○ 専用機材が不要 「DWHは、構築と運用にコストと時間がかかりすぎる」 「汎用RDBMSでは、もはや期待する検索パフォーマンスが出ない」 「DWHアプライアンスは、どれも高額で手が出せない」
7.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 7 昨今の情報系インフラの選択肢 データウェアハウス 見るべき情報を 的確に見る、見せる ビッグデータ 未知なる知見を データからあぶり出す 構造化データ中心 数百GB~数十TB 構造化データに留まらず 非構造化データも TBから PBにまたがることも 一般的なRDBMS DWH専用機材 多種多様な選択肢が増加 (クラウド、Hadoop、NoSQL..) 10年前 現在 トレンド 目的 ソース 規模 インフラ ビッグデータデータウェアハウス
8.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 8 本日のテーマ 多種多様なアーキテクチャ、プロダクトが存在する 昨今の情報系インフラ市場において、 「列指向型データベース」=「InfiniDB」を題材に、 ● どのように企業システムで活用されているのか、 ● 導入した結果、どのような効果をもたらしたか、 についてご紹介します。 列指向型データベースご検討/ご活用の一助となれ ば幸いです。
9.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 9 ケーススタディ1
10.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 10 取扱データが増えると 売上・利益は増える?
11.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 11 ビッグデータ基盤をパブリック・クラウドで構築 ● 数十ペタバイト(PB)規模 ● 数TB単位/日の規模で増加 ● Webログ、デバイスログ 等々
12.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 12 パブリック・クラウド利用のメリット・デメリット メリット 必要な時に必要なリソースがすぐに調達できる 運用をおまかせできる 定期的に最新化される物理インフラ 低コストで環境を利用できる デメリット リソース共有による性能安定性(HW・NW等) サービス個別での安定性 (使い方を誤ると)安くない データ連携、高スペックリソース恒常利用 美味しいところをつまんで使う
13.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 13 具体例① NOKIAのケース SQLによる アドホック分析 パブリッククラウド 活用することで 伸縮性を確保 @Nokia
14.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 14 ユーザ分析環境は「都度調達」 ● データ分析が必要になったら・・・ 1. データ量などを考慮して、必要なスペックを決める (足りなかったら、あとから足せる) 2. Amazon AWS上で仮想マシンを調達 3. InfiniDBをセットアップし、データを投入して分析する 4. 分析が終わったら、環境を削除して終了(リリースする) ライセンス保有 (40コア分) 必要に応じてマシンを調達 クラウドの柔軟さを活用 分析必要!
15.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 15 利用期間次第!? 【参考】 インフラ費用の比較 利用するサービス インスタンスファミリー、タイプ vCPU DISK オンデマンドインスタンス 4 32.4 2*420GB $1.08 ¥2,835,612 ¥4,726,020 --- --- $0.03 ¥65,700 ¥109,500 ¥2,901,312 ¥4,835,520 マシンモデル 科目 CPU DISK HP Proliant DL360p サーバー本体、保守 4 32GB 300GB*6 ¥1,210,780.00 ¥1,257,580.00 ※キッティング(組み立て)費用を含む ¥1,257,580 ¥1,356,580 パブリッククラウド(Amazon W eb Service) メモリ (GB) 単価 (時間) 3年 (円換算) 5年 (円換算) ハイメモリオンデマンドインスタンス ダブルエクストララージ(m2.2xlarge) EBS最適化インスタンス ハイメモリオンデマンドインスタンス ダブルエクストララージ(m2.2xlarge) オンプレミス(HP Proliant DL360p) メモリ (GB) 単価 (1年) 3年 5年 ¥1,356,580 パブリッククラウド:オンプレミス= 480万:135万
16.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 16 (参考)Hadoop or 分析用DB 定型 バッチ 対話型 分析 得られる結果は同じ、違いは利用シーン PLAN CHECK 早い(すぐに試せる) 速い(すぐに結果が得られる) DO
17.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 17 ケーススタディ2
18.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 18 専任DBAがいない
19.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 19 システム担当(DBA)が不要なDB?! ● 基幹業務は全て外部委託 ● 情報システム部は数名 ● 情報系システムDBを刷新 ● 数名でも運用可能なDBって?! DBA不在でプロジェクト回せる? ● 構築フェーズ 定期的なシステム更改 運用フェーズ 構築フェーズ設計フェーズ ・DWH特有の設計思想が必要 ・将来的なユーザー要件の変化意識して設計 ・ETLやBI/各フロントAPLとの連携実装 ・性能チューニング、マート、サマリ表作成 ・たび重なるユーザー要件の変化への対応 ・レポート追加の度に、DBチューニングを実施 ・かならずやって来るシステム更改への対応 ・新環境への移行コストは、新規導入の数倍?!
20.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 20 情報系システム 。。。な情報系システムの現場 運用 企画 開発 積み重なる追加・修正 終わらないチューニング 企画と運用の板挟みユーザ 変更リスクが大きく、 施策や変更が受入できない 膨らみ続ける維持コスト ユーザから追加・改善要求 PDCAサイクルが回せない 投資対効果を実証しづらい
21.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 21 NO チューニング項目 概要 難易度 (コスト・スキル) 備考 1 索引追加 個別最適/アクセスパスの最適化 高・中 運用コスト大 (再作成) 2 SQLヒント文調整 個別最適/アクセスパスの最適化 高・高 チューニングコスト大 SQL修正 3 処理パラレル化 個別最適/リソース最大活用 高・低 オプションコスト大 SQL修正 4 パラメータ調整 全体最適/リソース最大活用 低・低 設計&初期リリース 5 統計情報 全体最適/アクセスパスの最適化 高・低 運用コスト大 (定期収集) 6 物理配置 全体最適/ディスクIO分散 中・中 設計 7 データ分割 (パーティショニング) 全体最適/ディスクIO分散 高・中 オプションコスト大 設計 8 データ圧縮 全体最適/ディスクIO削減 高・低 オプションコスト大 設計 9 サーバ増強 全体最適/リソース追加 高・低 ライセンスコスト大 DBAによるDBチューニング作業 InfiniDBは開発/運用の妨げとなる 「DBチューニング作業」を自動化 InfiniDBは開発/運用の妨げとなる 「DBチューニング作業」を自動化 並列処理 索引管理パーティション化 列単位の圧縮
22.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 22 BIシステムのスモール&スピード開発 ・ 数億件におよぶ大量データの取扱い - バッチ処理が終わらない/パフォーマンスがでない ・ 既存システム増強には数千万円の投資が必要 ・ 工数(時間、リソース)が確保できない ・ DBチューニングに詳しいエンジニア不在 ・ 数億件におよぶ大量データの取扱い - バッチ処理が終わらない/パフォーマンスがでない ・ 既存システム増強には数千万円の投資が必要 ・ 工数(時間、リソース)が確保できない ・ DBチューニングに詳しいエンジニア不在 ・ PCサーバ1台でのスモールスタート ・ 使い慣れたBI(WebFOCUS)の有効活用 - DBチューニング不要、レポート作成に集中 ・ メンテナンスが簡単 - DM(サマリ表)作成不要 - 索引・統計といったDBバックエンドメンテ不要 ・ PCサーバ1台でのスモールスタート ・ 使い慣れたBI(WebFOCUS)の有効活用 - DBチューニング不要、レポート作成に集中 ・ メンテナンスが簡単 - DM(サマリ表)作成不要 - 索引・統計といったDBバックエンドメンテ不要 POSデータの営業企画・支援への活用POSデータの営業企画・支援への活用 10億レコード のPOSデータ集計が 数秒~数十秒 で完了! POS データ レポーティング 医薬品製造・販売会社様の場合 ETLETL データの 変換/加工 限られた人員 (DBA不在) 少ない投資予算 「スピード感」のある PDCAサイクル BIBI データの 抽出
23.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 23 ケーススタディ3
24.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 24 DWH専用xxxって高い!?
25.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 25 情報系システムで利用されるDBと投資予算 200 万円未満 500 万円未満 1000 万円未満 3000 万円未満 5000 万円未満 5000 万円以上 0 2 4 6 8 10 12 14 Teradata Netezza Greenplum MySQL ( MariaDB ) PostgreSQL DB2 SQLServer OracleDatabase 2012.11.21 弊社InfiniDBセミナー 事前アンケートより パフォーマンス 重視導入コスト 重視 コストとパフォーマンスはトレードオフの関係に
26.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 26 昨今の技術進化 コストは同じ CPUコア「8倍」、メモリ「10倍」 スループットは「50倍」 http://www.spec.org/ 性能データの出展:The Standard Performance Evaluation Corporation (SPEC) 某社ミッドレンジモデルの性能向上 (2002年~2012年) 注文ID 商品ID 単価 個数 顧客ID 注文日 15332 212 3000 30 433 2013/04/03 15333 427 1500 15 156 2013/04/05 15334 58 800 20 333 2013/04/05 15335 145 1800 20 261 2013/04/08 15332 15333 15334 15335 212 427 58 145 30 15 20 20 3000 1500 800 1800 433 156 333 261 2013/04/03 2013/04/05 2013/04/05 2013/04/08 列ごとに物理的に分離したブロック ※赤字:取り出すデータ領域 列指向アーキテクチャ SQL> SELECT 商品ID, SUM(単価 × 個数) ... 「進化したPCサーバー」と「列指向アーキテクチャが」 情報系システムの選択肢に変化をもたらす IOネックを最小化
27.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 27 (参考)アプライアンスとの比較 ● 某社PoC(導入事前検証)の結果抜粋 Query 既存環境 InfiniDB 検索期間 件数 実行時間 Mem 同時実行 Mem 同時実行 Mem 同時実行 1st 2nd Ave 単体 5 単体 5 単体 5 test00 20110101-20110105 4,417 28 23 25.5 1.44 5.64 1.85 6.68 1.58 4.65 20110101-20110110 71,664 34 23 28.5 1.81 5.43 2.53 6.74 2.21 5.16 20110101-20110132 530,285 39 24 31.5 6.39 10.43 7.53 12.51 5.86 12.53 構成#1 構成#2 構成#3 既存環境(DWHアプライアンス)と比較して、5倍~20倍の性能向上 ※費用差額も踏まえ、アプライアンスの最新機種は除外 W/最新PCサーバ
28.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 28 性能優位≠置換え可 ● 性能面はあくまで一つの評価指標 ● 異種DB置換えには必ず移行コストが発生 本体価格 (ソフト、ハード) 保守費用 ハードウェア ソフトウェア 保守費用 移行費用 移行費用 DWHアプライアンス 最新機種への更改 コスト差額 置換えるだけの 価格メリットもしくは 同等の価値があるか
29.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 29 ● 5年単位のリプレース計画は、主にハードウェアの老朽化対策として行われる ● ソフトウェア製品は、システム更改時のライセンス再購入不要 InfiniDBとアプライアンス製品のランニングコストの比較 アプライアンス型 製品の場合 ソフトウェア型 の場合 5~6年目 4年目 3年目 2年目 初年度 H/W 移行 保 守 保 守 5年間の投資総額 H/W 保 守 保 守 保 守 保 守 保 守 保 守 保 守 保 守 5~6年目 4年目 3年目 2年目 初年度 H/W+S/W 保守 5年間の投資総額 保守 保守 保守 保守 H/W+S/W コ ス ト の 差 額 費用の差額 : システム更改の度に買い直しが発生し、累積では多額の費用負担となる。 システム更新時に 毎回システム全体 の購入が必要! S/W (参考)ランニングコストの比較
30.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 30 ケーススタディ4
31.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 31 RDBMSはやっぱり偉大 RDBMSの自由度、 万能さは捨てがたい。。。
32.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 32 トータルバランスを考えて それぞれの能力を最大限引き出す RDBMS 列指向型DB 現在 対象 過去 更新処理 1行データの抽出 得意 大量データ処理 分析・集計 大量データの抽出 (分析・集計) 不得意 更新処理 1行データの抽出 一つのアーキテクチャに固執しない RDBMS RDBMS 列指向型 DB
33.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 33 レスポンス課題を列指向DBで解消する 独自構築した日本最大規模のデータベース (消費者9,500万件・企業情報750万件)を用いて データベースマーケティング支援とCRM戦略立案を提供 課題 株式会社ランドスケイプがこれまで内製で作り 上げたマーケティング・システムは、長年に渡る チューニング作業の結果、システム全体では 非常に高い検索性能を 実現できていた。 が、一部の大量データに対する検索処理は、 検索に1分以上を要するなど、長年のシステム 課題となっていた。 ランドスケイプ社 上位エディション + オプション機能 全文検索エンジン への置き換え 既存DB環境を ブラッシュアップ
34.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 34 組合せてコストパフォーマンスを最適化 営業担当:150名 独自に 同期処理を実装 検索処理&更新 (メンテナンス) 法人データ :750万件 過去履歴累計 :4000万件 マーケティングDB(法人DB)の性能改善マーケティングDB(法人DB)の性能改善 重い検索処理 (LIKE検索) Oracle SEと併用することで、移行コストも最小にOracle SEと併用することで、移行コストも最小に 1分以上かかっていた検索が2秒に、 2週間かかっていた商談が3日に ランドスケイプ社の場合
35.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 35 汎用DBMSを使い倒す!! 業務系AP 販売管理システム性能の安定販売管理システム性能の安定 業務担当者 企画・管理者 売上速報みたい 在庫状況みたい 販売傾向知りたい 過去実績比較 某スポーツ用品メーカーの場合 業務系DB 基幹業務である販売管理システムを刷新、情報活用・見える化を推進 情報系AP月末締めになると 負荷増で パフォーマンスダウン 上位エディション + オプション機能 既存DB環境を ブラッシュアップ 設計上の問題? チューニング?
36.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 36 業務系DBと組合せてリアルタイム&負荷軽減 業務系AP 販売管理システム性能の安定販売管理システム性能の安定 業務担当者 企画・管理者 売上速報みたい 在庫状況みたい 販売傾向知りたい 過去実績比較 某スポーツ用品メーカーの場合 業務系DB 基幹業務である販売管理システムを刷新、情報活用・見える化を推進 情報系AP ETL経由 リアルタイム データの照会 (当月の範囲) 過去データ照会 (当月以前) 業務用DBの負荷軽減 情報系システムのレスポンス向上 業務用DBの負荷軽減 情報系システムのレスポンス向上
37.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 37 まとめ ●廉価なPCサーバにおいても、必要十分な性能 が期待できます ●BIのバックエンドに置く小規模なデータベース から、大規模なDWH環境まで幅広く活用いた だいています ●動作環境は、パブリック・クラウドから自社内の 仮想環境まで、 幅広く対応しています。
38.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 38 百聞は一見に如かず お手持ちの実データで、「速さ」と「手軽さ」を是非体験ください http://infinidb-tech.ashisuto.co.jp/ 検 索
39.
Copyright © 2012-2014
K.K.Ashisuto All Rights Reserved. 39 :本資料に記載されている社名、製品名は各社の商標または登録商標です。 :本資料の全体または一部に記載されている内容については、予告なく変更 する場合があります。
Descargar ahora