Submit Search
Upload
分散グラフデータベース DataStax Enterprise Graph
•
5 likes
•
2,066 views
Yuki Morishita
Follow
DB Tech Showcase Tokyo 2017 セッション E15 発表資料 http://www.db-tech-showcase.com/dbts/tokyo
Read less
Read more
Technology
Report
Share
Report
Share
1 of 36
Recommended
[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.
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
DataStax Enterpriseによる大規模グラフ解析
DataStax Enterpriseによる大規模グラフ解析
Yuki Morishita
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
Developers.IO 2019 Effective Datalake
Developers.IO 2019 Effective Datalake
Satoru Ishikawa
PHP開発者のためのNoSQL入門
PHP開発者のためのNoSQL入門
じゅん なかざ
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
サンプルで学ぶCassandraアプリケーションの作り方
サンプルで学ぶCassandraアプリケーションの作り方
Yuki Morishita
Recommended
[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.
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
DataStax Enterpriseによる大規模グラフ解析
DataStax Enterpriseによる大規模グラフ解析
Yuki Morishita
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
Developers.IO 2019 Effective Datalake
Developers.IO 2019 Effective Datalake
Satoru Ishikawa
PHP開発者のためのNoSQL入門
PHP開発者のためのNoSQL入門
じゅん なかざ
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
サンプルで学ぶCassandraアプリケーションの作り方
サンプルで学ぶCassandraアプリケーションの作り方
Yuki Morishita
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
Koichiro Sasaki
(LT)Spark and Cassandra
(LT)Spark and Cassandra
datastaxjp
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
Hideo Takagi
RDB開発者のためのApache Cassandra データモデリング入門
RDB開発者のためのApache Cassandra データモデリング入門
Yuki Morishita
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
Insight Technology, Inc.
Datastax Enterpriseをはじめよう
Datastax Enterpriseをはじめよう
Yuki Morishita
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
MapR Technologies Japan
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
MapR Technologies Japan
Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版
Makoto Sato
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hideo Takagi
Hadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食い
Ryuji Tamagawa
[db tech showcase Tokyo 2014] L32: Apache Cassandraに注目!!(IoT, Bigdata、NoSQLのバ...
[db tech showcase Tokyo 2014] L32: Apache Cassandraに注目!!(IoT, Bigdata、NoSQLのバ...
Insight Technology, Inc.
事例で学ぶApache Cassandra
事例で学ぶApache Cassandra
Yuki Morishita
SparkとCassandraの美味しい関係
SparkとCassandraの美味しい関係
datastaxjp
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
Tetsutaro Watanabe
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
Hideo Takagi
Azure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data Lake
Hideo Takagi
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
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
Naoki (Neo) SATO
Azure Datalake 大全
Azure Datalake 大全
Daiyu Hatakeyama
[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎
[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎
Insight Technology, Inc.
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
日本マイクロソフト株式会社
More Related Content
What's hot
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
Koichiro Sasaki
(LT)Spark and Cassandra
(LT)Spark and Cassandra
datastaxjp
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
Hideo Takagi
RDB開発者のためのApache Cassandra データモデリング入門
RDB開発者のためのApache Cassandra データモデリング入門
Yuki Morishita
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
Insight Technology, Inc.
Datastax Enterpriseをはじめよう
Datastax Enterpriseをはじめよう
Yuki Morishita
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
MapR Technologies Japan
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
MapR Technologies Japan
Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版
Makoto Sato
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hideo Takagi
Hadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食い
Ryuji Tamagawa
[db tech showcase Tokyo 2014] L32: Apache Cassandraに注目!!(IoT, Bigdata、NoSQLのバ...
[db tech showcase Tokyo 2014] L32: Apache Cassandraに注目!!(IoT, Bigdata、NoSQLのバ...
Insight Technology, Inc.
事例で学ぶApache Cassandra
事例で学ぶApache Cassandra
Yuki Morishita
SparkとCassandraの美味しい関係
SparkとCassandraの美味しい関係
datastaxjp
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
Tetsutaro Watanabe
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
Hideo Takagi
Azure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data Lake
Hideo Takagi
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
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
Naoki (Neo) SATO
Azure Datalake 大全
Azure Datalake 大全
Daiyu Hatakeyama
What's hot
(20)
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
(LT)Spark and Cassandra
(LT)Spark and Cassandra
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
RDB開発者のためのApache Cassandra データモデリング入門
RDB開発者のためのApache Cassandra データモデリング入門
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
Datastax Enterpriseをはじめよう
Datastax Enterpriseをはじめよう
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食い
[db tech showcase Tokyo 2014] L32: Apache Cassandraに注目!!(IoT, Bigdata、NoSQLのバ...
[db tech showcase Tokyo 2014] L32: Apache Cassandraに注目!!(IoT, Bigdata、NoSQLのバ...
事例で学ぶApache Cassandra
事例で学ぶApache Cassandra
SparkとCassandraの美味しい関係
SparkとCassandraの美味しい関係
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
Azure Antenna はじめての Azure Data Lake
Azure Antenna はじめての Azure Data Lake
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
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
Azure Datalake 大全
Azure Datalake 大全
Similar to 分散グラフデータベース DataStax Enterprise Graph
[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎
[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎
Insight Technology, Inc.
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
日本マイクロソフト株式会社
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
日本マイクロソフト株式会社
Synapse lakedatabase
Synapse lakedatabase
Ryoma Nagata
Prestoで実現するインタラクティブクエリ - dbtech showcase 2014 Tokyo
Prestoで実現するインタラクティブクエリ - dbtech showcase 2014 Tokyo
Treasure Data, Inc.
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
Daiyu Hatakeyama
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft
機械学習 / Deep Learning 大全 (5) Tool編
機械学習 / Deep Learning 大全 (5) Tool編
Daiyu Hatakeyama
Alfresco勉強会20120829: やさしいShareダッシュレットの作り方
Alfresco勉強会20120829: やさしいShareダッシュレットの作り方
linzhixing
第29回 SQL Server 勉強会 (JSSUG) - Azure Synapse Analytics 概要
第29回 SQL Server 勉強会 (JSSUG) - Azure Synapse Analytics 概要
Daiyu Hatakeyama
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
Ryoma Nagata
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
Daisuke Masubuchi
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
de:code 2017
Salesforce LDV(Large Data Volume) 20191018
Salesforce LDV(Large Data Volume) 20191018
Hiroki Iida
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
YusukeKuramata
Sql server 2017 新機能のご紹介
Sql server 2017 新機能のご紹介
Oda Shinsuke
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(後編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(後編)
日本マイクロソフト株式会社
Data Factory V2 新機能徹底活用入門
Data Factory V2 新機能徹底活用入門
Keisuke Fujikawa
XPages 開発 Tips 百連発
XPages 開発 Tips 百連発
Mitsuru Katoh
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
Takahito Tejima
Similar to 分散グラフデータベース DataStax Enterprise Graph
(20)
[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎
[db tech showcase Tokyo 2014] D33: Prestoで実現するインタラクティブクエリ by トレジャーデータ株式会社 斉藤太郎
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
Synapse lakedatabase
Synapse lakedatabase
Prestoで実現するインタラクティブクエリ - dbtech showcase 2014 Tokyo
Prestoで実現するインタラクティブクエリ - dbtech showcase 2014 Tokyo
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
機械学習 / Deep Learning 大全 (5) Tool編
機械学習 / Deep Learning 大全 (5) Tool編
Alfresco勉強会20120829: やさしいShareダッシュレットの作り方
Alfresco勉強会20120829: やさしいShareダッシュレットの作り方
第29回 SQL Server 勉強会 (JSSUG) - Azure Synapse Analytics 概要
第29回 SQL Server 勉強会 (JSSUG) - Azure Synapse Analytics 概要
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
Salesforce LDV(Large Data Volume) 20191018
Salesforce LDV(Large Data Volume) 20191018
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
Sql server 2017 新機能のご紹介
Sql server 2017 新機能のご紹介
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(後編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(後編)
Data Factory V2 新機能徹底活用入門
Data Factory V2 新機能徹底活用入門
XPages 開発 Tips 百連発
XPages 開発 Tips 百連発
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
More from Yuki Morishita
Apache cassandra v4.0
Apache cassandra v4.0
Yuki Morishita
DataStax EnterpriseでApache Tinkerpop入門
DataStax EnterpriseでApache Tinkerpop入門
Yuki Morishita
Apache tinkerpopとグラフデータベースの世界
Apache tinkerpopとグラフデータベースの世界
Yuki Morishita
サンプルアプリケーションで学ぶApache Cassandraを使ったJavaアプリケーションの作り方
サンプルアプリケーションで学ぶApache Cassandraを使ったJavaアプリケーションの作り方
Yuki Morishita
Apache Cassandra最新情報まとめ
Apache Cassandra最新情報まとめ
Yuki Morishita
How you can contribute to Apache Cassandra
How you can contribute to Apache Cassandra
Yuki Morishita
CQL3 in depth
CQL3 in depth
Yuki Morishita
Cassandraのしくみ データの読み書き編
Cassandraのしくみ データの読み書き編
Yuki Morishita
More from Yuki Morishita
(8)
Apache cassandra v4.0
Apache cassandra v4.0
DataStax EnterpriseでApache Tinkerpop入門
DataStax EnterpriseでApache Tinkerpop入門
Apache tinkerpopとグラフデータベースの世界
Apache tinkerpopとグラフデータベースの世界
サンプルアプリケーションで学ぶApache Cassandraを使ったJavaアプリケーションの作り方
サンプルアプリケーションで学ぶApache Cassandraを使ったJavaアプリケーションの作り方
Apache Cassandra最新情報まとめ
Apache Cassandra最新情報まとめ
How you can contribute to Apache Cassandra
How you can contribute to Apache Cassandra
CQL3 in depth
CQL3 in depth
Cassandraのしくみ データの読み書き編
Cassandraのしくみ データの読み書き編
Recently uploaded
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Recently uploaded
(11)
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
分散グラフデータベース DataStax Enterprise Graph
1.
分散グラフデータベース DataStax Enterprise Graph db
tech showcase Tokyo 2017 森下 雄貴
2.
スピーカー 森下 雄貴 (yuki@datastax.com) - Solutions
Architect (ときどきSoftware Developer) @ DataStax - Apache Cassandra™コミッター
3.
グラフデータベース?
4.
グラフデータベースとは? - 高度に入り組んだ複雑な関係の(グラフ構造)データを格納、管理、問い合わせるため のデータベース - グラフデータベースのアーキテクチャは、大量のデータが織り成す関係の中から価値 を導き出したり、共通項や例外を見つけ出したりするのに特に適している
5.
プロパティグラフ - ノード(頂点/Vertex)
エンティティ - エッジ(辺/Edge) リレーション - プロパティ エンティティやリレーションの属性 Resides Purchased Purchased Has Belongs To Ships To
6.
セキュリティと不正検知 - 不正、セキュリティリスクを伴う、あるいはコンプライアンス上懸念があるエンティ ティや取り引き、またはやりとりをすばやく特定するにはどうすれば良いか。 - グラフデータベースは、ユーザー、エンティティ、取り引き、イベント、やりとりが 織り成す複雑で高度に入り組む網の中で、数えきれない量の金融取引が関わる関係性 とイベントの干草の中から悪い針をすばやく見つけることが可能。
7.
レコメンデーション/パーソナライズ - 顧客に商品を購入してもらったり、他の顧客に商品をレコメンドしてもらったりする ために、顧客にすばやく、最も効果的に影響を与えるにはどうすれば良いか。 - グラフは、ユーザーのデータや相互関係、過去の振る舞い、やりとりに基づいて、商 品や次のアクションを勧めたり、あるいは宣伝を提示したりするのに最も適している。
8.
マスターデータ管理(MDM) - さまざまな事業部にまたがって統合化されている業務データとそれらの相互関係をす ばやく理解して分析し、顧客の全体像を把握するにはどうすれば良いか。 - グラフにおけるMDMの事例としては、複雑な階層構造やその他の相互関係を持つ 商品カタログやカスタマー360アプリケーションがある。
9.
IoT/資産管理/ネットワーク - 個別に調べるよりも全体として見たほうが、より興味深い傾向がある、データ要素間 で形成される数々の関係を簡単に分析するにはどうすれば良いか。 - グラフはまた、ネットワーク資産(およびそれらの特性や設定)やそれらの時間経過 に伴う相互関係を管理するのにも適したモデル。
10.
RDBMS vs. グラフ -
グラフデータベースとRDBMSの主要な違いの一つは、エンティティ/頂点の間の関係が優先付けされ管 理される方法。 - RDBMSでは外部キーを使ってエンティティを二次的に繋ぐのに対し、グラフデータベースにおか えるエッジ(リレーション)は、第1級の重要性を持つ。 - リレーションがグラフデータモデルに明示的に組み込まれる。 - グラフ型のビジネス課題とは、個別のエンティティでなく、エンティティ(頂点)間のリレーション (エッジ)が関心事であるもの。 RDBMS グラフ 「何か」識別できるもの、あるいは追跡するオブジェクト エンティティ ノード(Vertex) 2つのオブジェクトの間のつながりまたは参照 リレーション エッジ(Edge) オブジェクトの特性 属性 プロパティ
11.
DataStax Enterprise (DSE)
Graph
12.
DataStax Enterprise Apache Cassandraを 中核にした製品 + サポート +
プロフェッショナルサー ビス + トレーニング
13.
Apache Cassandra™との統合 - DSE
Graphは、常時オン、どこでも書き込み・読み取り・アクティブの機能、リニア なスケーラビリティ、安定的な低レイテンシーのレスポンスタイム、成熟した運用手 法をはじめとするCassandraの主要な利点を引き継ぐ - その基礎の上に、DSE Graphは適応型のクエリーオプティマイザー、局所性優先のグ ラフデータパーティショナー、分散クエリー実行エンジン、各種のグラフ固有イン デックス構造などを含む、パフォーマンス強化のための機能を追加
14.
DSE Graphとは - 複雑で高度に入り組んだデータをリアルタイムで管理する必要のあるクラウドアプリ ケーションのためのスケールアウト型のグラフデータベース -
DSEの中で、Apache Cassandra™に合わせてエンジニアリングしたプロパティグラ フモデルをネイティブでサポート - 大規模なグラフの中でデータ間の関係をすばやく簡単に格納・検索 - DSEとの密接なインテグレーションを介してリアルタイムサーチ、分析グラフクエ リーを組み込みでサポート - DSEのマルチモデルプラットフォームの一要素
15.
DSE Graphのアーキテクチャ DataStax Enterprise
Graph Apache TinkerPop™ GraphComputer Apache TinkerPop™ Gremlin Server Apache Spark™ Apache Cassandra™ Storage / Indexing Apache Solr™ Indexing アプリケーション (DataStax Driver) DataStax Studio Apache TinkerPop™ Gremlin Console 3rdパーティ グラフ可視化ツール DSE Server OLAP OLTP
16.
Apache TinkerPop™ - グラフデータベース(OLTP)やグラフデータ分析システム(OLAP)のためのオープン ソースのグラフコンピューティングフレームワーク -
グラフのデータ構造(プロパティグラフ)そのものと、それを処理するためのフレーム ワークを提供 - Gremlin: グラフデータベースのための標準言語 - Apache TinkerPop™対応グラフデータベース - DSE Graph - Microsoft Azure CosmosDB - Neo4j - JanusGraph (Titan DBのフォーク) - OrientDB - …
17.
Gremlin - グラフトラバーサル言語 // Lisaが購入した全ての注文を探す g.V().has('customer',
'name', 'Lisa') .out('ordered') .values('number') // Lisaの友人が購入した全ての商品を探す g.V().has('customer', 'name', 'Lisa') .outE('related').has('Type', 'friend') .inV().out('ordered').out('purchased') .values('name’) 1 Customer Name:[Lisa] Age:[32] 2 Order Number:[1234] 5 Product Name:[Socks] Size: [XL] 4 Customer Name:[Frank] Age:[28] 6 Product Name:[Shirt] Size: [XL] 7 Address Stree:[123 West Street] Zip Code:[44534] 11 12 13 14 15 16 17 3 Tag Type:[Color] Value: [White] 18 19 orders Date:[1/1/2016] related Type:Friend resides Since:1/1/2000 ships Shipment Date:1/2/2016 purchased Qty: 42 purchased Qty: 1 has Valid: 1/1/2012 has Valid: 1/1/2012
18.
Gremlinコンソール
19.
DataStax Studio DSEのためのビジュアル開発ツール(Gremlin/CQL)
20.
アプリケーションからの接続 DataStax ドライバー
21.
GLV (Gremlin Language
Variant) import com.datastax.dse.graph.api.DseGraph; GraphTraversalSource g = DseGraph.traversal(); GraphTraversal traversal = g.V().values("name").range(0, 4).groupCount(); GraphStatement statement = DseGraph.statementFromTraversal(traversal); GraphResultSet results = dseSession.executeGraph(statement); from dse_graph import DseGraph g = DseGraph.traversal_source() traversal = g.V().name[0:4].groupCount() statement = DseGraph.query_from_traversal(traversal) results = dse_session.execute_graph(statement)
22.
デモ
23.
映画のレコメンデーション - データセット: MovieLense
1M Dataset - https://grouplens.org/datasets/movielens/1m/ - レイティング: 約1,000,000 - ユーザー: 約6,000 - 映画: 約4,000 - (2003年2月時点) - レコメンデーション - 「この映画を高く評価したユーザーは、こんな映画も好きなはず。」
24.
デモ環境 - Dockerコンテナ - DataStax
Enterprise 5.1.2 - Search と Graph を有効化 - DataStax Studio 2.0.0 - DataStaxオフィシャルイメージは準備中 - 弊社エバンジェリストが公開しているものも利用できる - https://github.com/LukeTillman/dse-docker - https://github.com/LukeTillman/ds-studio-docker
25.
MovieLenseスキーマ schema.propertyKey('id').Int().single().create() schema.propertyKey('name').Text().single().create() schema.propertyKey('zipcode').Text().single().create() schema.propertyKey('gender').Text().single().create() schema.propertyKey('year').Int().single().create() schema.propertyKey('stars').Int().single().create() schema.propertyKey('age').Int().single().create() schema.propertyKey('timestamp').Timestamp().single().create() schema.vertexLabel('movie').partitionKey('id').properties('name', 'year').create() schema.vertexLabel('movie').index('search').search().by('name').add() schema.vertexLabel('user').partitionKey('id').properties('age', 'gender',
'zipcode').create() schema.vertexLabel('occupation').partitionKey('id').properties('name').create() schema.vertexLabel('genre').properties('name').create() schema.vertexLabel('genre').index('byname').materialized().by('name').add() schema.edgeLabel('occupation').connection('user', 'occupation').create() schema.edgeLabel('genre').connection('movie', 'genre').create() schema.edgeLabel('rated').properties('timestamp', 'stars').connection('user', 'movie').create()
26.
MovieLenseスキーマ
27.
グラフデータの投入 - Gremlin API -
Gremlin I/O - GraphML - GraphSON - Gryo - DSEグラフローダー
28.
ノードとエッジの追加 g.addV('movie').property('id', 9999) .property('name', 'Death
Note') .property('year', 2017) g.addV('user').property('id', 9999) .property('gender', 'M') g.V().has('movie', 'id', 9999).as('m') .V().has('user', 'id', 9999).as('u') .addE('rated').from('u').to('m').property('stars', 3)
29.
DSEグラフローダー - CSV、JSON(Graphson)、RDB、バイナリ(Gryo)等からDSE Graphへデータをバルク ロード -
マッピングのためのスクリプトをGroovyで記述 - スキーマの自動生成も可能(細かいコントロールが必要であれば事前に作成)
30.
マッピングスクリプト (一部抜粋: 完全なスクリプトは https://gist.github.com/yukim/6cab6f3270d60da3b1604c434e5e092f) movies
= File.text(inputDir + 'movies.dat') .delimiter("::") .header('id', 'name', 'genre') movieInfo = movies.map { def name = it['name'] def matcher = name =~ /(?<name>.*) ((?<year>d{4}))$/ if (matcher.matches()) { it['name'] = matcher.group('name') it['year'] = matcher.group('year').toInteger() } else { it['name'] = name it['year'] = 0 } it } movieload(movieInfo).asVertices { label 'movie' key id: 'id' ignore 'genre' }
31.
Graph Loaderの実行 $ ./dse-graph-loader/graphloader
movielense_loader.groovy -graph movielense -address localhost
32.
DSE Searchの利用 DSE Search
(Apache Solr™統合)が作成したインデックスの利用 g.V().has('movie', 'name', Search.token('Christmas'))
33.
リコメンデーション g.V().has('movie', 'name', 'Fight
Club') .inE('rated').has('stars', 5) .outV() .has('gender', 'M').has('age', '35') .outE('rated').has('stars', 5) .inV() .has('name', neq('Fight Club')) .groupCount().by('name') .unfold() .order().by(values, decr).limit(10) // 映画 Fight Club に… // 星5つをつけている… // ユーザーで… // 性別が男、年齢が35の人が… // 星5つをつけている… // 映画で… // 名前がFight Clubでないものを… // 名前でグループ化してカウントし… // (展開して) // 降順で並び替えて最初の10個を取得
34.
クエリー分析/プロファイリング .explain() .profile()
35.
おわりに
36.
興味を持ったあなた! - DSEダウンロードとフリーのオンライントレーニング - 開発用途に無償利用可能 -
DS330: DataStax Enterprise Graph (12時間) - https://academy.datastax.com/ Gremlin/DSE Graphサンプル - https://github.com/datastax/graph-examples