SlideShare uma empresa Scribd logo
1 de 37
Baixar para ler offline
© Hitachi, Ltd. 2013. All rights reserved.
SSDで挑むOracle超高速化と信頼性の両立
株式会社 日立製作所
ITプラットフォーム事業本部
© Hitachi, Ltd. 2013. All rights reserved.
DB高速化需要の高まり
 データの増加に伴い、処理時間が増加。これに伴い、
データベースシステム要件として、
処理時間の短縮=DB高速化
が重要になりつつある。
DB担当者
担当者のDB高速化の悩みは尽きない
朝までかかる夜間
バッチは、ハードを
リプレースするだけで、
速くなるだろうか。
既存アプリは、今更
手を入れるなんて
できないから
DB自体を速くしないと
DWHで抽出してる
データが少な過ぎると
言われているが、
増やせば時間がかかる
1
© Hitachi, Ltd. 2013. All rights reserved.
Oracle高速化に必要な条件
 オープンで信頼性の高いプラットフォームである
多くの実績に基づくIAサーバとSANストレージでのOracle RAC構成。
信頼性の高いハードを冗長構成化したLinux/Windowsサーバ。
万が一のトラブルでもボリュームコピーバックアップから迅速に戻せる。
 データ容量や処理内容に合わせてコスト調整できる
CPUコア数、メモリ量、ストレージ容量を予算に応じて調整できる。
Oracle EEライセンスを抑えられる様に少ないコア数でも構成できる。
コスト極小化の為、Oracle SEライセンスでも使える。
 I/Oの多いバッチ処理を高速化できること
月末/期末のバッチ処理が短時間で処理でき多重度も増やせる。
DWHやBIのデータ抽出処理も高速化できる。
もちろんオンライン処理のレスポンスも良くなる。
何を速くしたいのか。速ければ何でもよいのか。
2
© Hitachi, Ltd. 2013. All rights reserved.
1.高速化の話
3
© Hitachi, Ltd. 2013. All rights reserved.
1-1. DBの高速化を実現する方法
簡単なものから難しいものまでいくつかある
ソフト的な要因 ハード的な要因
CPU メモリー I/O
SQL
機能
パラメータ
構造
CPU/メモリがボトルネックなら最新サー
バへのリプレースで、大きな性能向上が
期待できるが、それはまれなケース。
IO、ストレージネックの場合は、 それを
解消すればCPU/メモリをもっと使え、大
きく性能向上の可能性あり。
工数をかけずにDBを高速化する鍵はI/Oやストレージ
SQLで性能は大きく変わるが、変えら
れない(パッケージ利用、技術者不足)
技術者がいてもSQL文や構造の見直し
は工数が膨大で難しい
パラメータチューニングは、実はほとん
ど効果なし
ストレージ
CPU メモリー I/OSQL機能パラメータ 構造 ストレージ
性能への効果
変更の難易度
性能への効果
変更の難易度
リプレースなら難易度は全て同じ
工数大
4
DBが遅い原因
© Hitachi, Ltd. 2013. All rights reserved.
CPUの性能推移とI/Oの性能推移
1
10
20
相対性能
2004 2005 2006 2007 2008 2009 2010
5
15
2011
25
30
4倍
10倍
HDD回転数
1倍
4core
6core
2core
28倍
10core
1-2. H/Wの性能進化の不均衡
 CPUの性能の伸びに比べ、I/Oはそれ程伸びていない
 特にストレージ性能に寄与するHDD回転数とFC帯域は最悪
ストレージI/Oの高速化を行うことにより、
性能は劇的に向上する可能性がある ※CPU性能はSAP SDベンチ
マークをベースにした値
5
© Hitachi, Ltd. 2013. All rights reserved.
容量
年代
1-3. ストレージI/Oの高速化には
高速化の鍵はFlashメモリー
① 半導体なのでリード/ライトが速い
 磁気記憶では無く、メモリーチップを使用して
いる為、HDDより桁違いにリード/ライトが速い。
 Flashの特徴として、ライトは上書きでは無く別
の場所に書き、元の場所を無効化する。ブロッ
ク内に無効領域が増えたらガーベッジコレクショ
ンしてから消去する。
② 容量がHDD並みとなってきた
 HDD互換のSSDでは数100GB~1TB超の
デバイスが製品化されてきており、価格はHDD
より割高だが性能が必要な状況で採用される
様になってきた。
6
書
込
み
済
空
き
領
域
1ブロック
(消去単位)
© Hitachi, Ltd. 2013. All rights reserved.
1-4. SSDの特性
SLCとMLC
FlashにはSLCとMLCがあり、MLCの方がビッ
ト単価が安く大容量化に向いているが、短寿命等
の弱点もある。しかし最近の技術進歩でMLCで
も基幹系システムに利用できる信頼性を持つも
のが出てきている。
データ保持時間
Flashは電源が無くてもデータを保持する特性
があるが、電源が無い状態で長期放置を行うと、
微量ながらも電荷が減っていく為、データが失わ
れることがある。MLCの場合は、3ヵ月以内には
通電することを推奨。
SSDとは
HDD互換インターフェース(SATA/SAS)を
装備したFlashメモリー。SDカードやUSBメ
モリーと同じNAND Flashを使用。
© Hitachi, Ltd. 2013. All rights reserved.
昼(オンライン) 夜夜(バッチ処理)
1-5. ストレージのアクセス種別について
業務処理の1日のアクセス状況
DB領域全てをSSD化すれば、なにも考えなくても速くなる!
業務処理では、昼間はIOPSが必要で夜間は帯域が必要となる。
PCIフラッシュ等で一部の領域を高速化する手法も最近の話題。
しかしバッチの場合は、どのデータに高速性が求められるかわからない。
※グラフはストレージアクセスイメージです。
IOPS必要
帯域必要
8
© Hitachi, Ltd. 2013. All rights reserved.
1-6. 高速化に必要なSSD前提システムの要件
サーバに必要な条件
ストレージに必要な条件
サーバからストレージまでのI/Oボトルネックを排除
 性能と可用性を両立する為、2ノード以上のOracle RAC構成
 I/OはRACで実績多いFCで、SSD帯域合計に負けないポート数での接続
 レイテンシーを極小化する為、FCスイッチを介さず直接ストレージに接続
 インターコネクトは10GbpsのLANが必要。クロスケーブル接続は禁止
 SSDの帯域とIOPSに対応したストレージコントローラを搭載している
 搭載しているSSDのバス(SAS)をロスなく伝達できるバックエンドの装備
 特定プロセッサネックを発生させない為のプロセッサコアの最適配置機能
 LUの優先パスを最適に分散させ偏らない様にするFCパス制御機能
9
© Hitachi, Ltd. 2013. All rights reserved.
1-7. 検討したハードウェア構成
理想の構成はこれだ!
ストレージ
サーバ #0 サーバ #1
1G
NIC
1G
NIC
管
理
LAN
10G
NIC
10G
LANSW
10G
LANSW
10G
NIC
10G
NIC
10G
NIC
Bonding Bonding
RAC Interconnect
RACインターコネクトは、
10GbpsのNICで冗長化
もちろんパブリック
LANも冗長化必要
今後は10G対応で
I/O性能を上げるため
LUは分けて、ポートと
制御CPUにくくりつける
SASインターフェースが
ボトルネックにならない
SSD本数と経路を確保
Ctrl0 Ctrl1 Ctrl2 Ctrl3
8Gbps x 16
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
F
C
P P P P P P P P P P P P P P P P
10G
NIC
10G
NIC
Bonding
10G
NIC
10G
NIC
Bonding
Public LAN
LU LU
LU LU
LU LU
LU LU
SSD帯域に負けない為
FCは16ポートは必要
ストレージ直結が良い
10
© Hitachi, Ltd. 2013. All rights reserved.
ストレージ
1-8. 複数LUへのDB配置
使い
過ぎ
少な
過ぎ
FC
利用率
100%
0%
OSのI/Oキューの分散の為、
LUを分けるのは一般的。
理想の構成ではLUにポート
を専有させると性能は向上。
LUが複数あるとどのデータ
をどのLUに割り当てるか検
討が必要
検討不十分だとLUのデータ
占有量が不揃いになったり、
アクセス頻度が偏る。
最悪本番稼働後に配置見直
し等を実施しなければならな
くなる。
高速化構成の副作用
LU
サーバ
HBA
(FCカード)
TableC TableA TableD TableB
11
© Hitachi, Ltd. 2013. All rights reserved.
1-9. サイズやアクセス頻度の偏りの無いASM
LU
Oracle ASM
最高のパフォーマンス
複数LUをうまく使うには、
Oracle ASMを使用すること
で対応が可能。
複数LUがストライピングされ、
全てのLUを均等に利用可能。
FC帯域も均等に利用でき、パ
フォーマンスも向上。
遅いLUが混在していると性能
が引きずられ、DB全体が遅く
なることがある。
理想構成では全てSSDで統一
しており、最高のパフォーマン
スを発揮可能。
FC
利用率
100%
0%
HBA
(FCカード)
複数LUをまとめて管理
TableA TableB TableC TableD
12
© Hitachi, Ltd. 2013. All rights reserved.
2.信頼性の話
13
© Hitachi, Ltd. 2013. All rights reserved.
2-1. データベースシステムには信頼性が重要
性能だけでは企業インフラには使えない
ハードウェア ソフトウェア
部位 信頼性のポイント
サーバ
スケールアップでは無く、
複数台を独立に動作させる
ネット
ワーク
NICは複数ポート必要
できればチップも分ける
サーバ/スト
レージ間
複数FCカード搭載
直結で障害時切分け容易
ストレージ
/LU
コントローラ二重化
各LUパスの二重化
ボリュームコピー機能
部位 信頼性のポイント
Oracle
RAC
2台を両現用で稼働
ネット
ワーク
Bondingによる冗長化
(Teaming/Windows)
FCパス
制御
Active-Activeやロード
バランスのパス制御
Backup
ボリュームコピー先の
二次バックアップ
可用条件は障害時でも業務が継続できること優先で、縮退は許容する。
テストではFCパス半減でも動作継続し、性能もあまり落ちないことを確認。
14
© Hitachi, Ltd. 2013. All rights reserved.
2-2. ネットワークの可用性
忘れがちなネットワークも重要
 SSDのシステムでは1Gbpsでは不足。10Gが必要
RACのインターコネクトは1Gでは不足。
1:1通信の場合Bondingでは帯域を増やせない。
直結は禁止なので2台のスイッチ(冗長)で接続
10G LAN
 Port数は最低4port。もっと欲しい
RACのインターコネクトとPublicで4port。
Active DataGuard専用Portも性能に有効
管理ネットワークも別セグメントで欲しい いくつ?
 Public LANの可用性は
スパニングツリーで構成するのが良いのか。
リンクアグリゲーション(LA)なら相性問題はまずない。
複数スイッチでのLA機能(vPC, vLAG, MLAG)が旬。
仮想LA
LA(bond)
グループ
15
© Hitachi, Ltd. 2013. All rights reserved.
DBサーバ
正VOL
(SSD)
ストレージ
SSDでもボリュームコピーは必要
DR機能もあればうれしい
16
2-3. ストレージの可用性確保
ストレージコントローラ
バックアップ
サーバ
 ストレージコントローラはDBでは要。
ファームウェア更新は無停止が必須。
 キャッシュメモリーは実は不揮発性。
停電時は電池バックアップだが最近は
フラッシュに書き出すものもある。
#0系ctrl
#1系ctrl
 ストレージ機能による遠隔データ
コピーによりDRサイト構築が容易に。
 フルバックアップならボリュームコピーは必須。
副ボリュームはHDDにしてコストダウン。
副VOL
(HDD)
先
後
キャッシュ
メモリー
バックアップや非常時の対応が必要
停電時
FLASHFLASH
© Hitachi, Ltd. 2013. All rights reserved.
2-4. SSDの寿命について
SSDの書き込み限界
SSDではRAIDの場合、構成本数と書込み量で寿命が決まる
全容量1.6TBを1日10回全て書き替えても、5年間使えます。
地上デジタル放送(非圧縮1.5MB/s)を121番組同時録画を5年間続ける。
どの程度の書き込み量なのか
※寿命まで絶対故障しないということではありません
装置によっては通知や対応も
SSDの書き込み容量が寿命の90%に達すると、通知を出す装置あり。
更に99%になるとスペアへデータをコピーし、書き込みを継続するように備える機種も。
SSDの寿命とは
SSDはデータ書き込み時に電子が移動することで半導体が劣化し、書き込み回数上
限を決めている。200GBのSSDの場合3.6PBの書き込みが上限である。
※3.6PBは日立採用のSSDの場合
17
値 備考
SSD 1本の書き込み上限 3,600TB/5年 5年でこの値に達すると仮定
(2D+1P)*4組での合計書込み上限 28,800TB/5年 200GB×8本分=1.6TB
1日で書き込める容量 15,781GB/日
1秒で書き込める容量 182MB/s
© Hitachi, Ltd. 2013. All rights reserved.
温度・電圧の組合せによる
過酷な環境による試験。
■複合マージン試験
■外観検査
通電検査だけでは判ら
ない異常を検出。
半田飛散
開発検査 量産検査
X線透視
観察装置
2-5. 障害発生頻度を極力減らすには
18
元々メインフレームでやっていた処理なんだけど...
© Hitachi, Ltd. 2013. All rights reserved.
遠隔保守有
~ユーザーエリア~
IP-VPN
サポート
センタ
監視通報装置
遠隔保守無
自動通報 復旧
復旧
業務のダウン時間を短縮
ログ解析 保守作業駆けつけ
部品手配
電話受付&問診 ログ採取/解析 保守作業部品手配駆けつけ障害切分
障害発生
ユーザの負担作業
障害連絡
19
2-6. 万一の障害発生時に迅速な対応をするには
フ
ァ
イ
ア
ウ
ォ
ー
ル
VPN
ルータ
遠隔保守支援システムが自動通報を
© Hitachi, Ltd. 2013. All rights reserved.
2-7. 全てを満たすOracle高速化モデルはこれ!
(2ブレード)
(×2台)
高信頼の日立ハイエンドブレードサーバ
10Gイーサネットファブリックスイッチ搭載可能
APサーバ、バックアップサーバ等も混載可能
サーバ当たり8本のPCI-Eスロットを追加
独立した管理プロセッサが状態を監視
I/Oケーブル断でもサーバが落ちない可用性
SSD搭載前提の高性能コントローラ搭載
帯域ネックになりにくい高速バックエンドパス
ShadowImageやTrueCopyバックアップ機能
(筺体内ボリュームコピー) (筺体間コピー)
データリードで
11GB/sの
I/O処理を確認。
8Gb/s×16
BladeSymphony BS2000
I/Oスロット拡張装置 (2ブレード用)
200/400/800GB SSD
・・・
Hitachi Unified Storage 130
20
© Hitachi, Ltd. 2013. All rights reserved.
3.SSDとOracleの相性の話
21
© Hitachi, Ltd. 2013. All rights reserved.
3-1. SSD/HDD IO性能基本データ
SSDはランダムI/Oで抜群の効果。
一方でシーケンシャルI/Oでは投資効果が薄い
22
HDD
SSD
HDD
SSD
※性能値は構成/使用条件により異なります。
【READ】 【WRITE】
SSD
HDD
シーケンシャルI/O (RAID5:4D+1P, ブロックサイズ:512KB, 多重度:1)
ランダムI/O(RAID5:4D+1P, ブロックサイズ:4KB, 多重度:32)
SSD
HDD
HDD
SSD
HDD
SSD
SSD
HDD
SSD
HDD
【READ】 【WRITE】
※HDDは10000rpm, SASディスク。
数十倍の性能向上
性能差はあまり大きくない
© Hitachi, Ltd. 2013. All rights reserved.
3-2. 高速化したい業務は何?
Oracle DBで高速化したい業務は何か?
Oracleから見た
I/Oパターン
オンライン バッチ処理 分析系業務
ランダムI/O 多い 普通 少ない
シーケンシャルI/O あまりない 普通 多い
より高速化の要望が強い
シーケンシャルリードのSQLを多く擁するバッチ処理や
分析系業務ではSSDの効果をどう考えればよいか?
23
© Hitachi, Ltd. 2013. All rights reserved.
3-3. 分析系SQLのI/Oパターンは?
◆ストレージ側が受け取るI/Oパターン(分析系のSQL22個)◆シーケンシャルリードの
SQL発行でストレージ側
(SSD)が受け取るI/Oパター
ンを調べてみた。
約6~7割がランダムI/O
その理由は
Oracle Parallel Query(または業務並列化)
24
Screen Only
© Hitachi, Ltd. 2013. All rights reserved.
3-4. パラレルクエリとは
シリアル実行では、1つのSQLに1つのコアが割り当てられる。
◆オンライン処理の場合
※多くのSQLが複数端末から発行される
SQL SQL SQL SQL SQL SQL
SQL SQL SQL SQL SQL SQL
SQL
◆分析系処理の場合
※1本の重いSQLが流れる
Parallel
Query
PX PXSQL
PX PX PX PX PX PX
PXPX PX
マルチコアが活用できない。
CPUネック。
マルチコアを有効活用。
CPUネックが解消され
ディスク速度に依存。
マルチコアサーバでバッチ処理や分析系処理を行う場合、
Parallel Queryはレスポンス向上に有効。
さて、ランダムvsシーケンシャルの話は・・・
Parallel Queryでは、I/Oも多重化されて発行される。
25
PX:Parallel Execution Process
© Hitachi, Ltd. 2013. All rights reserved.
3-5. パラレルクエリ+ASMでI/Oはどうなる?
Parallel Query
ASM
RAID
分割
分割
分割
Drive(HDD/SSD)
1ドライブに対する
I/O要求が多重
/並列化し、
ランダムI/Oとなる。
多重
FC
HUS130 #0
LU
Ctrl0
P P P P
LU
Ctrl1
P P P P
FC FC FC
OracleASM
DBサーバ
LU LU
LU LULU LU
RAID5
RAID5
SQL発行
パラレル化
FC
HUS130 #0
LU
Ctrl0
P P P P
LU
Ctrl1
P P P P
FC FC FC
OracleASM
DBサーバ
LU LU
LU LULU LU
RAID5
RAID5
SQL発行
パラレル化
26
© Hitachi, Ltd. 2013. All rights reserved.
3-6. SSDとOracleの相性はとてもいい。
Oracle DBが発行するI/Oパターンと
SSDは、業務の性質によらず相性が良い。
(もちろん、I/O負荷が高いもの)
ランダムI/OではSSDは抜群の効果
だから
27
© Hitachi, Ltd. 2013. All rights reserved.
4.「RAC on SSD」分析系SQLでの検証の話
28
© Hitachi, Ltd. 2013. All rights reserved.
4-1. 検証構成
【サーバ】
Blade数: BS2000 × 2Blade
CPU: Xeon X5690 3.46GHz 6core×2
Memory: 96GB
インターフェース: FC
FC通信速度: 8Gbps/port
FCケーブル: 16本(8本/Blade × 2)
【ストレージ】
台数: HUS130 × 2台
FC通信速度: 8Gbps/port
FCケーブル: 16本(8本/台 × 2)
【DISK】
SSD: 200GB × 28 (14/台 × 2)
データベース情報
OS:Redhat Enterprise Linux 6.2
RDBMS:Oracle Database 11g Release2 (11.2.0.3)
DB構成:2ノード RAC構成
DBサイズ:150GB, 及び350GB
DBブロックサイズ:32K
DBキャッシュサイズ:48GB
テストツール、およびテスト内容
分析系DB処理の一般的なベンチマークテストを使用
SQLのレスポンスタイムの合計、及びI/Oスループッ
トを測定
同サーバでのHDDを搭載した同等構成と比較する。
ハードウェアBS2000
HUS130
I/Oスロット拡張装置
29
© Hitachi, Ltd. 2013. All rights reserved.
4-2. 結果概要
■ I/Oスループット
※dd性能とは、OSのddコマンドにてI/O性能を測定した結果
■ SQLレスポンス(IO処理の重い10個)
・ 約1/5倍に短縮
HDD構成から「RAC on SSD」への置き換えにより、
I/Oスループット11倍、レスポンスタイム1/5に短縮
0
2
4
6
8
10
12
HDD(SQL性能) SSD(SQL性能) SSD(dd性能)
0.75
8.44
11.00
00:00
01:26
02:53
04:19
05:46
07:12
08:38
HDD SSD
07:45
01:34
ところで、11GB/sとはどのくらいの性能なのでしょうか・・・?
01:30
03:00
04:30
06:00
07:30
09:00
(mm:ss)(GB/s)
FCパス14本の帯域を100%使用している状況と同じ、もしくはDVD 1枚を0.4秒で読み込む
パフォーマンスです。たとえば1TBの表であれば1分半で読み込み完了します。
30
© Hitachi, Ltd. 2013. All rights reserved.
4-3. 旧環境(6~7年程度前のUnixモデル)との比較
【サーバ】日立Unixサーバ
CPU:Itanium 2 1.30GHz 1core×2
Memory:2 GByte
OS:HP-UX Itanium 11.23(64bit)
Oracle: Oracle Database 10.2.0.5
【FCカード】
ポート数:2Port × 1枚
転送速度:2Gbps/port
【ストレージ】
型名:SANRISE9570V
インターフェース:FC
ポート数: 2Port × 2枚
通信速度:2Gbps/port
【DISK】
DISK数(HDD) :12 (146GB * 12)
31
SANRISE9570V
Port#0 Port#1
Ctrl#1
Port#A Port#B
Ctrl#0
Port#A Port#B
日立Unixサーバ
8Gb/s×16
測定ケース 旧環境 「RAC on SSD」
パラレル度 2 20
Partition数 16 24
圧縮 無効 有効
物理メモリ(搭載) 2GB 96GB
メモリ(Oracle割当) 1GB 45GB
SQL実行時間合計 3:37:31 00:01:34
約138倍高速
最新モデルと旧環境では条件が大きく異なるため、単純な比較はできません。ただし、お客様の旧
環境も同様に古いH/Wを使用している場合には、実際に大幅な性能向上が期待できます。
(旧環境)
© Hitachi, Ltd. 2013. All rights reserved. 32
5.まとめ
© Hitachi, Ltd. 2013. All rights reserved.
5. まとめ
33
 オープンで信頼性の高いプラットフォーム
オープンIAサーバを利用した通常のRAC構成。AP移行も安心。
通常のLinux/Windowsサーバ。バックアップ、監視ソフトも問題なし。
高信頼サーバ/ストレージと、あらゆる箇所の冗長構成でサービスを止めない。
 実証された構成、でも柔軟な選択
構成選定やH/Wチューニングの手間をかけずに性能と信頼性を両立できる。
サーバCPU、メモリ量、SSD容量を処理内容に応じて調整できる。
Oracleライセンス/サポートを抑えられる様に少ないコア数でも構成できる。
 その鍵はSSD
HDD⇒SSDだけでは効果薄、通り道のネックを全部排除してSSDを生かす。
OracleDBのI/Oパターンは、SSDと相性がよい。
オンラインのみならず、バッチ、分析処理の大幅な高速化を実現できる
高速化と信頼性を両立するDB高速化ソリューション
© Hitachi, Ltd. 2013. All rights reserved.
• OracleとJavaは,Oracle Corporation 及びその子会社,関連会社の米国及びその他の国における登録商標です。
• Intel Xeonは,アメリカ合衆国およびその他の国におけるIntel Corporationの商標です。
• Linuxは,Linus Torvalds氏の日本およびその他の国における登録商標または商標です。
• その他、記載の会社名、製品名は、それぞれの会社の商標または登録商標です。
• 製品の改良により予告なく記載されている仕様が変更になることがあります。
他社商品名、商標等の引用に関する表示
34
D23 SSDで挑むOracle超高速化と信頼性の両立 by Yuu Morinaka
D23 SSDで挑むOracle超高速化と信頼性の両立 by Yuu Morinaka

Mais conteúdo relacionado

Mais procurados

2022年ASP.NETCore2.2~6.0の旅.pptx
2022年ASP.NETCore2.2~6.0の旅.pptx2022年ASP.NETCore2.2~6.0の旅.pptx
2022年ASP.NETCore2.2~6.0の旅.pptxMasanori Masui
 
Microsoft Azure Overview - Japanses version
Microsoft Azure Overview - Japanses versionMicrosoft Azure Overview - Japanses version
Microsoft Azure Overview - Japanses versionTakeshi Fukuhara
 
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装de:code 2017
 
BuildKitの概要と最近の機能
BuildKitの概要と最近の機能BuildKitの概要と最近の機能
BuildKitの概要と最近の機能Kohei Tokunaga
 
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日IBM Analytics Japan
 
AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...
AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...
AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...NTT DATA Technology & Innovation
 
DX 組織デザインパターン
DX 組織デザインパターンDX 組織デザインパターン
DX 組織デザインパターンOsaka University
 
Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜
Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜
Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜Hyperleger Tokyo Meetup
 
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
 
マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017
マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017
マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017Yusuke Suzuki
 
TPC-DSから学ぶPostgreSQLの弱点と今後の展望
TPC-DSから学ぶPostgreSQLの弱点と今後の展望TPC-DSから学ぶPostgreSQLの弱点と今後の展望
TPC-DSから学ぶPostgreSQLの弱点と今後の展望Kohei KaiGai
 
ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料)
ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料) ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料)
ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料) NTT DATA Technology & Innovation
 
レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)
レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)
レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)NTT DATA Technology & Innovation
 
Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪
Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪
Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪崇之 清水
 
Databricks の始め方
Databricks の始め方Databricks の始め方
Databricks の始め方Ryoma Nagata
 
AWSとOCIを比べてみた
AWSとOCIを比べてみたAWSとOCIを比べてみた
AWSとOCIを比べてみたk otsuka
 
Oracle Cloud Infrastructure:2021年9月度サービス・アップデート
Oracle Cloud Infrastructure:2021年9月度サービス・アップデートOracle Cloud Infrastructure:2021年9月度サービス・アップデート
Oracle Cloud Infrastructure:2021年9月度サービス・アップデートオラクルエンジニア通信
 
クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応Ryoma Nagata
 
楽天における大規模データベースの運用
楽天における大規模データベースの運用楽天における大規模データベースの運用
楽天における大規模データベースの運用Rakuten Group, Inc.
 

Mais procurados (20)

2022年ASP.NETCore2.2~6.0の旅.pptx
2022年ASP.NETCore2.2~6.0の旅.pptx2022年ASP.NETCore2.2~6.0の旅.pptx
2022年ASP.NETCore2.2~6.0の旅.pptx
 
Microsoft Azure Overview - Japanses version
Microsoft Azure Overview - Japanses versionMicrosoft Azure Overview - Japanses version
Microsoft Azure Overview - Japanses version
 
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
 
BuildKitの概要と最近の機能
BuildKitの概要と最近の機能BuildKitの概要と最近の機能
BuildKitの概要と最近の機能
 
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
 
AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...
AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...
AWSにおけるIaCを活かしたTerraformの使い方2選! ~循環型IaCとマルチクラウドチックなDR環境~ (HashiTalks: Japan 発...
 
DX 組織デザインパターン
DX 組織デザインパターンDX 組織デザインパターン
DX 組織デザインパターン
 
Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜
Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜
Hyperledger Fabric 簡単構築ツール minifabricのご紹介 〜productionへの移行をminifabricで加速〜
 
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
 
マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017
マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017
マイクロサービス化設計入門 - AWS Dev Day Tokyo 2017
 
[dbts-2014-tokyo] 目指せExadata!! Oracle DB高速化を目指した構成
[dbts-2014-tokyo] 目指せExadata!! Oracle DB高速化を目指した構成[dbts-2014-tokyo] 目指せExadata!! Oracle DB高速化を目指した構成
[dbts-2014-tokyo] 目指せExadata!! Oracle DB高速化を目指した構成
 
TPC-DSから学ぶPostgreSQLの弱点と今後の展望
TPC-DSから学ぶPostgreSQLの弱点と今後の展望TPC-DSから学ぶPostgreSQLの弱点と今後の展望
TPC-DSから学ぶPostgreSQLの弱点と今後の展望
 
ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料)
ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料) ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料)
ここがつらいよ、Hyperledger Fabricの商用適用(Blockchain GIG #4発表資料)
 
レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)
レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)
レプリケーション遅延の監視について(第40回PostgreSQLアンカンファレンス@オンライン 発表資料)
 
Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪
Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪
Amazon DynamoDB(初心者向け 超速マスター編)JAWSUG大阪
 
Databricks の始め方
Databricks の始め方Databricks の始め方
Databricks の始め方
 
AWSとOCIを比べてみた
AWSとOCIを比べてみたAWSとOCIを比べてみた
AWSとOCIを比べてみた
 
Oracle Cloud Infrastructure:2021年9月度サービス・アップデート
Oracle Cloud Infrastructure:2021年9月度サービス・アップデートOracle Cloud Infrastructure:2021年9月度サービス・アップデート
Oracle Cloud Infrastructure:2021年9月度サービス・アップデート
 
クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応
 
楽天における大規模データベースの運用
楽天における大規模データベースの運用楽天における大規模データベースの運用
楽天における大規模データベースの運用
 

Semelhante a D23 SSDで挑むOracle超高速化と信頼性の両立 by Yuu Morinaka

[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara
[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara
[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji FujiwaraInsight Technology, Inc.
 
[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui
[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui
[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi FukuiInsight Technology, Inc.
 
ビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDBビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDBgriddb
 
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi IshikawaInsight Technology, Inc.
 
FPGAによる大規模データ処理の高速化
FPGAによる大規模データ処理の高速化FPGAによる大規模データ処理の高速化
FPGAによる大規模データ処理の高速化Kazunori Sato
 
[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...
[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...
[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...Insight Technology, Inc.
 
[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法 by 株式会社日立製作...
[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法  by 株式会社日立製作...[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法  by 株式会社日立製作...
[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法 by 株式会社日立製作...Insight Technology, Inc.
 
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDBDXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDBgriddb
 
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』...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.
 
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by  Taichi UmedaC22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by  Taichi Umeda
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi UmedaInsight Technology, Inc.
 
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...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.
 
IDCFクラウドセミナー RDB活用
IDCFクラウドセミナー RDB活用IDCFクラウドセミナー RDB活用
IDCFクラウドセミナー RDB活用IDC Frontier
 
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi IshikawaC34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi IshikawaInsight Technology, Inc.
 
PostgreSQLによるデータ分析ことはじめ
PostgreSQLによるデータ分析ことはじめPostgreSQLによるデータ分析ことはじめ
PostgreSQLによるデータ分析ことはじめOhyama Masanori
 
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~griddb
 
AI/MLシステムにおけるビッグデータとの付き合い方
AI/MLシステムにおけるビッグデータとの付き合い方AI/MLシステムにおけるビッグデータとの付き合い方
AI/MLシステムにおけるビッグデータとの付き合い方Shota Suzuki
 
【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について
【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について
【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携についてHinemos
 
[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 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.
 

Semelhante a D23 SSDで挑むOracle超高速化と信頼性の両立 by Yuu Morinaka (20)

[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara
[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara
[C14] 超高速データベースエンジンを用いたTPC-Hベンチマーク100TBクラス世界初登録への挑戦 by Shinji Fujiwara
 
[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui
[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui
[C13] フラッシュドライブで挑むOracle超高速化と信頼性の両立 by Masashi Fukui
 
ビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDBビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDB
 
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
 
FPGAによる大規模データ処理の高速化
FPGAによる大規模データ処理の高速化FPGAによる大規模データ処理の高速化
FPGAによる大規模データ処理の高速化
 
[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...
[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...
[db tech showcase Sapporo 2015] A12:DBAが知っておくべき最新テクノロジー: フラッシュ, ストレージ, クラウド b...
 
[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法 by 株式会社日立製作...
[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法  by 株式会社日立製作...[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法  by 株式会社日立製作...
[db tech showcase Tokyo 2014] B23: SSDとHDDの混在環境でのOracleの超効率的利用方法 by 株式会社日立製作...
 
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDBDXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
 
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』...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』...
 
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by  Taichi UmedaC22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by  Taichi Umeda
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
 
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...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...
 
IDCFクラウドセミナー RDB活用
IDCFクラウドセミナー RDB活用IDCFクラウドセミナー RDB活用
IDCFクラウドセミナー RDB活用
 
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi IshikawaC34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
 
NTT DATA と PostgreSQL が挑んだ総力戦
NTT DATA と PostgreSQL が挑んだ総力戦NTT DATA と PostgreSQL が挑んだ総力戦
NTT DATA と PostgreSQL が挑んだ総力戦
 
PostgreSQLによるデータ分析ことはじめ
PostgreSQLによるデータ分析ことはじめPostgreSQLによるデータ分析ことはじめ
PostgreSQLによるデータ分析ことはじめ
 
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
 
VIOPS10: SSDの基本技術と最新動向
VIOPS10: SSDの基本技術と最新動向VIOPS10: SSDの基本技術と最新動向
VIOPS10: SSDの基本技術と最新動向
 
AI/MLシステムにおけるビッグデータとの付き合い方
AI/MLシステムにおけるビッグデータとの付き合い方AI/MLシステムにおけるビッグデータとの付き合い方
AI/MLシステムにおけるビッグデータとの付き合い方
 
【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について
【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について
【HinemosWorld2014】A1-3_01_NTT Comのグローバルクラウド戦略とHinemosとの連携について
 
[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 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...
 

Mais 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?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.
 
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~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?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.
 
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 @ 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 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?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?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。。 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...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]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...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.
 

Mais 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?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 DatabaseDocker 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~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?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 ServicesLunch & 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 @ 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 @ 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 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?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?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。。 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...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]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...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...
 

Último

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。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.
 
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)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
 
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。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.
 
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)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
 
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 UnderstandingToru Tamaki
 
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.
 
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...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。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.
 
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.
 
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)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: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
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
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Gamesatsushi061452
 

Último (11)

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。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。
 
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)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)
 
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。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。
 
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)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)
 
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
 
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
 
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...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。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。
 
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
 
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)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: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
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
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 

D23 SSDで挑むOracle超高速化と信頼性の両立 by Yuu Morinaka

  • 1. © Hitachi, Ltd. 2013. All rights reserved. SSDで挑むOracle超高速化と信頼性の両立 株式会社 日立製作所 ITプラットフォーム事業本部
  • 2. © Hitachi, Ltd. 2013. All rights reserved. DB高速化需要の高まり  データの増加に伴い、処理時間が増加。これに伴い、 データベースシステム要件として、 処理時間の短縮=DB高速化 が重要になりつつある。 DB担当者 担当者のDB高速化の悩みは尽きない 朝までかかる夜間 バッチは、ハードを リプレースするだけで、 速くなるだろうか。 既存アプリは、今更 手を入れるなんて できないから DB自体を速くしないと DWHで抽出してる データが少な過ぎると 言われているが、 増やせば時間がかかる 1
  • 3. © Hitachi, Ltd. 2013. All rights reserved. Oracle高速化に必要な条件  オープンで信頼性の高いプラットフォームである 多くの実績に基づくIAサーバとSANストレージでのOracle RAC構成。 信頼性の高いハードを冗長構成化したLinux/Windowsサーバ。 万が一のトラブルでもボリュームコピーバックアップから迅速に戻せる。  データ容量や処理内容に合わせてコスト調整できる CPUコア数、メモリ量、ストレージ容量を予算に応じて調整できる。 Oracle EEライセンスを抑えられる様に少ないコア数でも構成できる。 コスト極小化の為、Oracle SEライセンスでも使える。  I/Oの多いバッチ処理を高速化できること 月末/期末のバッチ処理が短時間で処理でき多重度も増やせる。 DWHやBIのデータ抽出処理も高速化できる。 もちろんオンライン処理のレスポンスも良くなる。 何を速くしたいのか。速ければ何でもよいのか。 2
  • 4. © Hitachi, Ltd. 2013. All rights reserved. 1.高速化の話 3
  • 5. © Hitachi, Ltd. 2013. All rights reserved. 1-1. DBの高速化を実現する方法 簡単なものから難しいものまでいくつかある ソフト的な要因 ハード的な要因 CPU メモリー I/O SQL 機能 パラメータ 構造 CPU/メモリがボトルネックなら最新サー バへのリプレースで、大きな性能向上が 期待できるが、それはまれなケース。 IO、ストレージネックの場合は、 それを 解消すればCPU/メモリをもっと使え、大 きく性能向上の可能性あり。 工数をかけずにDBを高速化する鍵はI/Oやストレージ SQLで性能は大きく変わるが、変えら れない(パッケージ利用、技術者不足) 技術者がいてもSQL文や構造の見直し は工数が膨大で難しい パラメータチューニングは、実はほとん ど効果なし ストレージ CPU メモリー I/OSQL機能パラメータ 構造 ストレージ 性能への効果 変更の難易度 性能への効果 変更の難易度 リプレースなら難易度は全て同じ 工数大 4 DBが遅い原因
  • 6. © Hitachi, Ltd. 2013. All rights reserved. CPUの性能推移とI/Oの性能推移 1 10 20 相対性能 2004 2005 2006 2007 2008 2009 2010 5 15 2011 25 30 4倍 10倍 HDD回転数 1倍 4core 6core 2core 28倍 10core 1-2. H/Wの性能進化の不均衡  CPUの性能の伸びに比べ、I/Oはそれ程伸びていない  特にストレージ性能に寄与するHDD回転数とFC帯域は最悪 ストレージI/Oの高速化を行うことにより、 性能は劇的に向上する可能性がある ※CPU性能はSAP SDベンチ マークをベースにした値 5
  • 7. © Hitachi, Ltd. 2013. All rights reserved. 容量 年代 1-3. ストレージI/Oの高速化には 高速化の鍵はFlashメモリー ① 半導体なのでリード/ライトが速い  磁気記憶では無く、メモリーチップを使用して いる為、HDDより桁違いにリード/ライトが速い。  Flashの特徴として、ライトは上書きでは無く別 の場所に書き、元の場所を無効化する。ブロッ ク内に無効領域が増えたらガーベッジコレクショ ンしてから消去する。 ② 容量がHDD並みとなってきた  HDD互換のSSDでは数100GB~1TB超の デバイスが製品化されてきており、価格はHDD より割高だが性能が必要な状況で採用される 様になってきた。 6 書 込 み 済 空 き 領 域 1ブロック (消去単位)
  • 8. © Hitachi, Ltd. 2013. All rights reserved. 1-4. SSDの特性 SLCとMLC FlashにはSLCとMLCがあり、MLCの方がビッ ト単価が安く大容量化に向いているが、短寿命等 の弱点もある。しかし最近の技術進歩でMLCで も基幹系システムに利用できる信頼性を持つも のが出てきている。 データ保持時間 Flashは電源が無くてもデータを保持する特性 があるが、電源が無い状態で長期放置を行うと、 微量ながらも電荷が減っていく為、データが失わ れることがある。MLCの場合は、3ヵ月以内には 通電することを推奨。 SSDとは HDD互換インターフェース(SATA/SAS)を 装備したFlashメモリー。SDカードやUSBメ モリーと同じNAND Flashを使用。
  • 9. © Hitachi, Ltd. 2013. All rights reserved. 昼(オンライン) 夜夜(バッチ処理) 1-5. ストレージのアクセス種別について 業務処理の1日のアクセス状況 DB領域全てをSSD化すれば、なにも考えなくても速くなる! 業務処理では、昼間はIOPSが必要で夜間は帯域が必要となる。 PCIフラッシュ等で一部の領域を高速化する手法も最近の話題。 しかしバッチの場合は、どのデータに高速性が求められるかわからない。 ※グラフはストレージアクセスイメージです。 IOPS必要 帯域必要 8
  • 10. © Hitachi, Ltd. 2013. All rights reserved. 1-6. 高速化に必要なSSD前提システムの要件 サーバに必要な条件 ストレージに必要な条件 サーバからストレージまでのI/Oボトルネックを排除  性能と可用性を両立する為、2ノード以上のOracle RAC構成  I/OはRACで実績多いFCで、SSD帯域合計に負けないポート数での接続  レイテンシーを極小化する為、FCスイッチを介さず直接ストレージに接続  インターコネクトは10GbpsのLANが必要。クロスケーブル接続は禁止  SSDの帯域とIOPSに対応したストレージコントローラを搭載している  搭載しているSSDのバス(SAS)をロスなく伝達できるバックエンドの装備  特定プロセッサネックを発生させない為のプロセッサコアの最適配置機能  LUの優先パスを最適に分散させ偏らない様にするFCパス制御機能 9
  • 11. © Hitachi, Ltd. 2013. All rights reserved. 1-7. 検討したハードウェア構成 理想の構成はこれだ! ストレージ サーバ #0 サーバ #1 1G NIC 1G NIC 管 理 LAN 10G NIC 10G LANSW 10G LANSW 10G NIC 10G NIC 10G NIC Bonding Bonding RAC Interconnect RACインターコネクトは、 10GbpsのNICで冗長化 もちろんパブリック LANも冗長化必要 今後は10G対応で I/O性能を上げるため LUは分けて、ポートと 制御CPUにくくりつける SASインターフェースが ボトルネックにならない SSD本数と経路を確保 Ctrl0 Ctrl1 Ctrl2 Ctrl3 8Gbps x 16 F C F C F C F C F C F C F C F C F C F C F C F C F C F C F C F C P P P P P P P P P P P P P P P P 10G NIC 10G NIC Bonding 10G NIC 10G NIC Bonding Public LAN LU LU LU LU LU LU LU LU SSD帯域に負けない為 FCは16ポートは必要 ストレージ直結が良い 10
  • 12. © Hitachi, Ltd. 2013. All rights reserved. ストレージ 1-8. 複数LUへのDB配置 使い 過ぎ 少な 過ぎ FC 利用率 100% 0% OSのI/Oキューの分散の為、 LUを分けるのは一般的。 理想の構成ではLUにポート を専有させると性能は向上。 LUが複数あるとどのデータ をどのLUに割り当てるか検 討が必要 検討不十分だとLUのデータ 占有量が不揃いになったり、 アクセス頻度が偏る。 最悪本番稼働後に配置見直 し等を実施しなければならな くなる。 高速化構成の副作用 LU サーバ HBA (FCカード) TableC TableA TableD TableB 11
  • 13. © Hitachi, Ltd. 2013. All rights reserved. 1-9. サイズやアクセス頻度の偏りの無いASM LU Oracle ASM 最高のパフォーマンス 複数LUをうまく使うには、 Oracle ASMを使用すること で対応が可能。 複数LUがストライピングされ、 全てのLUを均等に利用可能。 FC帯域も均等に利用でき、パ フォーマンスも向上。 遅いLUが混在していると性能 が引きずられ、DB全体が遅く なることがある。 理想構成では全てSSDで統一 しており、最高のパフォーマン スを発揮可能。 FC 利用率 100% 0% HBA (FCカード) 複数LUをまとめて管理 TableA TableB TableC TableD 12
  • 14. © Hitachi, Ltd. 2013. All rights reserved. 2.信頼性の話 13
  • 15. © Hitachi, Ltd. 2013. All rights reserved. 2-1. データベースシステムには信頼性が重要 性能だけでは企業インフラには使えない ハードウェア ソフトウェア 部位 信頼性のポイント サーバ スケールアップでは無く、 複数台を独立に動作させる ネット ワーク NICは複数ポート必要 できればチップも分ける サーバ/スト レージ間 複数FCカード搭載 直結で障害時切分け容易 ストレージ /LU コントローラ二重化 各LUパスの二重化 ボリュームコピー機能 部位 信頼性のポイント Oracle RAC 2台を両現用で稼働 ネット ワーク Bondingによる冗長化 (Teaming/Windows) FCパス 制御 Active-Activeやロード バランスのパス制御 Backup ボリュームコピー先の 二次バックアップ 可用条件は障害時でも業務が継続できること優先で、縮退は許容する。 テストではFCパス半減でも動作継続し、性能もあまり落ちないことを確認。 14
  • 16. © Hitachi, Ltd. 2013. All rights reserved. 2-2. ネットワークの可用性 忘れがちなネットワークも重要  SSDのシステムでは1Gbpsでは不足。10Gが必要 RACのインターコネクトは1Gでは不足。 1:1通信の場合Bondingでは帯域を増やせない。 直結は禁止なので2台のスイッチ(冗長)で接続 10G LAN  Port数は最低4port。もっと欲しい RACのインターコネクトとPublicで4port。 Active DataGuard専用Portも性能に有効 管理ネットワークも別セグメントで欲しい いくつ?  Public LANの可用性は スパニングツリーで構成するのが良いのか。 リンクアグリゲーション(LA)なら相性問題はまずない。 複数スイッチでのLA機能(vPC, vLAG, MLAG)が旬。 仮想LA LA(bond) グループ 15
  • 17. © Hitachi, Ltd. 2013. All rights reserved. DBサーバ 正VOL (SSD) ストレージ SSDでもボリュームコピーは必要 DR機能もあればうれしい 16 2-3. ストレージの可用性確保 ストレージコントローラ バックアップ サーバ  ストレージコントローラはDBでは要。 ファームウェア更新は無停止が必須。  キャッシュメモリーは実は不揮発性。 停電時は電池バックアップだが最近は フラッシュに書き出すものもある。 #0系ctrl #1系ctrl  ストレージ機能による遠隔データ コピーによりDRサイト構築が容易に。  フルバックアップならボリュームコピーは必須。 副ボリュームはHDDにしてコストダウン。 副VOL (HDD) 先 後 キャッシュ メモリー バックアップや非常時の対応が必要 停電時 FLASHFLASH
  • 18. © Hitachi, Ltd. 2013. All rights reserved. 2-4. SSDの寿命について SSDの書き込み限界 SSDではRAIDの場合、構成本数と書込み量で寿命が決まる 全容量1.6TBを1日10回全て書き替えても、5年間使えます。 地上デジタル放送(非圧縮1.5MB/s)を121番組同時録画を5年間続ける。 どの程度の書き込み量なのか ※寿命まで絶対故障しないということではありません 装置によっては通知や対応も SSDの書き込み容量が寿命の90%に達すると、通知を出す装置あり。 更に99%になるとスペアへデータをコピーし、書き込みを継続するように備える機種も。 SSDの寿命とは SSDはデータ書き込み時に電子が移動することで半導体が劣化し、書き込み回数上 限を決めている。200GBのSSDの場合3.6PBの書き込みが上限である。 ※3.6PBは日立採用のSSDの場合 17 値 備考 SSD 1本の書き込み上限 3,600TB/5年 5年でこの値に達すると仮定 (2D+1P)*4組での合計書込み上限 28,800TB/5年 200GB×8本分=1.6TB 1日で書き込める容量 15,781GB/日 1秒で書き込める容量 182MB/s
  • 19. © Hitachi, Ltd. 2013. All rights reserved. 温度・電圧の組合せによる 過酷な環境による試験。 ■複合マージン試験 ■外観検査 通電検査だけでは判ら ない異常を検出。 半田飛散 開発検査 量産検査 X線透視 観察装置 2-5. 障害発生頻度を極力減らすには 18 元々メインフレームでやっていた処理なんだけど...
  • 20. © Hitachi, Ltd. 2013. All rights reserved. 遠隔保守有 ~ユーザーエリア~ IP-VPN サポート センタ 監視通報装置 遠隔保守無 自動通報 復旧 復旧 業務のダウン時間を短縮 ログ解析 保守作業駆けつけ 部品手配 電話受付&問診 ログ採取/解析 保守作業部品手配駆けつけ障害切分 障害発生 ユーザの負担作業 障害連絡 19 2-6. 万一の障害発生時に迅速な対応をするには フ ァ イ ア ウ ォ ー ル VPN ルータ 遠隔保守支援システムが自動通報を
  • 21. © Hitachi, Ltd. 2013. All rights reserved. 2-7. 全てを満たすOracle高速化モデルはこれ! (2ブレード) (×2台) 高信頼の日立ハイエンドブレードサーバ 10Gイーサネットファブリックスイッチ搭載可能 APサーバ、バックアップサーバ等も混載可能 サーバ当たり8本のPCI-Eスロットを追加 独立した管理プロセッサが状態を監視 I/Oケーブル断でもサーバが落ちない可用性 SSD搭載前提の高性能コントローラ搭載 帯域ネックになりにくい高速バックエンドパス ShadowImageやTrueCopyバックアップ機能 (筺体内ボリュームコピー) (筺体間コピー) データリードで 11GB/sの I/O処理を確認。 8Gb/s×16 BladeSymphony BS2000 I/Oスロット拡張装置 (2ブレード用) 200/400/800GB SSD ・・・ Hitachi Unified Storage 130 20
  • 22. © Hitachi, Ltd. 2013. All rights reserved. 3.SSDとOracleの相性の話 21
  • 23. © Hitachi, Ltd. 2013. All rights reserved. 3-1. SSD/HDD IO性能基本データ SSDはランダムI/Oで抜群の効果。 一方でシーケンシャルI/Oでは投資効果が薄い 22 HDD SSD HDD SSD ※性能値は構成/使用条件により異なります。 【READ】 【WRITE】 SSD HDD シーケンシャルI/O (RAID5:4D+1P, ブロックサイズ:512KB, 多重度:1) ランダムI/O(RAID5:4D+1P, ブロックサイズ:4KB, 多重度:32) SSD HDD HDD SSD HDD SSD SSD HDD SSD HDD 【READ】 【WRITE】 ※HDDは10000rpm, SASディスク。 数十倍の性能向上 性能差はあまり大きくない
  • 24. © Hitachi, Ltd. 2013. All rights reserved. 3-2. 高速化したい業務は何? Oracle DBで高速化したい業務は何か? Oracleから見た I/Oパターン オンライン バッチ処理 分析系業務 ランダムI/O 多い 普通 少ない シーケンシャルI/O あまりない 普通 多い より高速化の要望が強い シーケンシャルリードのSQLを多く擁するバッチ処理や 分析系業務ではSSDの効果をどう考えればよいか? 23
  • 25. © Hitachi, Ltd. 2013. All rights reserved. 3-3. 分析系SQLのI/Oパターンは? ◆ストレージ側が受け取るI/Oパターン(分析系のSQL22個)◆シーケンシャルリードの SQL発行でストレージ側 (SSD)が受け取るI/Oパター ンを調べてみた。 約6~7割がランダムI/O その理由は Oracle Parallel Query(または業務並列化) 24 Screen Only
  • 26. © Hitachi, Ltd. 2013. All rights reserved. 3-4. パラレルクエリとは シリアル実行では、1つのSQLに1つのコアが割り当てられる。 ◆オンライン処理の場合 ※多くのSQLが複数端末から発行される SQL SQL SQL SQL SQL SQL SQL SQL SQL SQL SQL SQL SQL ◆分析系処理の場合 ※1本の重いSQLが流れる Parallel Query PX PXSQL PX PX PX PX PX PX PXPX PX マルチコアが活用できない。 CPUネック。 マルチコアを有効活用。 CPUネックが解消され ディスク速度に依存。 マルチコアサーバでバッチ処理や分析系処理を行う場合、 Parallel Queryはレスポンス向上に有効。 さて、ランダムvsシーケンシャルの話は・・・ Parallel Queryでは、I/Oも多重化されて発行される。 25 PX:Parallel Execution Process
  • 27. © Hitachi, Ltd. 2013. All rights reserved. 3-5. パラレルクエリ+ASMでI/Oはどうなる? Parallel Query ASM RAID 分割 分割 分割 Drive(HDD/SSD) 1ドライブに対する I/O要求が多重 /並列化し、 ランダムI/Oとなる。 多重 FC HUS130 #0 LU Ctrl0 P P P P LU Ctrl1 P P P P FC FC FC OracleASM DBサーバ LU LU LU LULU LU RAID5 RAID5 SQL発行 パラレル化 FC HUS130 #0 LU Ctrl0 P P P P LU Ctrl1 P P P P FC FC FC OracleASM DBサーバ LU LU LU LULU LU RAID5 RAID5 SQL発行 パラレル化 26
  • 28. © Hitachi, Ltd. 2013. All rights reserved. 3-6. SSDとOracleの相性はとてもいい。 Oracle DBが発行するI/Oパターンと SSDは、業務の性質によらず相性が良い。 (もちろん、I/O負荷が高いもの) ランダムI/OではSSDは抜群の効果 だから 27
  • 29. © Hitachi, Ltd. 2013. All rights reserved. 4.「RAC on SSD」分析系SQLでの検証の話 28
  • 30. © Hitachi, Ltd. 2013. All rights reserved. 4-1. 検証構成 【サーバ】 Blade数: BS2000 × 2Blade CPU: Xeon X5690 3.46GHz 6core×2 Memory: 96GB インターフェース: FC FC通信速度: 8Gbps/port FCケーブル: 16本(8本/Blade × 2) 【ストレージ】 台数: HUS130 × 2台 FC通信速度: 8Gbps/port FCケーブル: 16本(8本/台 × 2) 【DISK】 SSD: 200GB × 28 (14/台 × 2) データベース情報 OS:Redhat Enterprise Linux 6.2 RDBMS:Oracle Database 11g Release2 (11.2.0.3) DB構成:2ノード RAC構成 DBサイズ:150GB, 及び350GB DBブロックサイズ:32K DBキャッシュサイズ:48GB テストツール、およびテスト内容 分析系DB処理の一般的なベンチマークテストを使用 SQLのレスポンスタイムの合計、及びI/Oスループッ トを測定 同サーバでのHDDを搭載した同等構成と比較する。 ハードウェアBS2000 HUS130 I/Oスロット拡張装置 29
  • 31. © Hitachi, Ltd. 2013. All rights reserved. 4-2. 結果概要 ■ I/Oスループット ※dd性能とは、OSのddコマンドにてI/O性能を測定した結果 ■ SQLレスポンス(IO処理の重い10個) ・ 約1/5倍に短縮 HDD構成から「RAC on SSD」への置き換えにより、 I/Oスループット11倍、レスポンスタイム1/5に短縮 0 2 4 6 8 10 12 HDD(SQL性能) SSD(SQL性能) SSD(dd性能) 0.75 8.44 11.00 00:00 01:26 02:53 04:19 05:46 07:12 08:38 HDD SSD 07:45 01:34 ところで、11GB/sとはどのくらいの性能なのでしょうか・・・? 01:30 03:00 04:30 06:00 07:30 09:00 (mm:ss)(GB/s) FCパス14本の帯域を100%使用している状況と同じ、もしくはDVD 1枚を0.4秒で読み込む パフォーマンスです。たとえば1TBの表であれば1分半で読み込み完了します。 30
  • 32. © Hitachi, Ltd. 2013. All rights reserved. 4-3. 旧環境(6~7年程度前のUnixモデル)との比較 【サーバ】日立Unixサーバ CPU:Itanium 2 1.30GHz 1core×2 Memory:2 GByte OS:HP-UX Itanium 11.23(64bit) Oracle: Oracle Database 10.2.0.5 【FCカード】 ポート数:2Port × 1枚 転送速度:2Gbps/port 【ストレージ】 型名:SANRISE9570V インターフェース:FC ポート数: 2Port × 2枚 通信速度:2Gbps/port 【DISK】 DISK数(HDD) :12 (146GB * 12) 31 SANRISE9570V Port#0 Port#1 Ctrl#1 Port#A Port#B Ctrl#0 Port#A Port#B 日立Unixサーバ 8Gb/s×16 測定ケース 旧環境 「RAC on SSD」 パラレル度 2 20 Partition数 16 24 圧縮 無効 有効 物理メモリ(搭載) 2GB 96GB メモリ(Oracle割当) 1GB 45GB SQL実行時間合計 3:37:31 00:01:34 約138倍高速 最新モデルと旧環境では条件が大きく異なるため、単純な比較はできません。ただし、お客様の旧 環境も同様に古いH/Wを使用している場合には、実際に大幅な性能向上が期待できます。 (旧環境)
  • 33. © Hitachi, Ltd. 2013. All rights reserved. 32 5.まとめ
  • 34. © Hitachi, Ltd. 2013. All rights reserved. 5. まとめ 33  オープンで信頼性の高いプラットフォーム オープンIAサーバを利用した通常のRAC構成。AP移行も安心。 通常のLinux/Windowsサーバ。バックアップ、監視ソフトも問題なし。 高信頼サーバ/ストレージと、あらゆる箇所の冗長構成でサービスを止めない。  実証された構成、でも柔軟な選択 構成選定やH/Wチューニングの手間をかけずに性能と信頼性を両立できる。 サーバCPU、メモリ量、SSD容量を処理内容に応じて調整できる。 Oracleライセンス/サポートを抑えられる様に少ないコア数でも構成できる。  その鍵はSSD HDD⇒SSDだけでは効果薄、通り道のネックを全部排除してSSDを生かす。 OracleDBのI/Oパターンは、SSDと相性がよい。 オンラインのみならず、バッチ、分析処理の大幅な高速化を実現できる 高速化と信頼性を両立するDB高速化ソリューション
  • 35. © Hitachi, Ltd. 2013. All rights reserved. • OracleとJavaは,Oracle Corporation 及びその子会社,関連会社の米国及びその他の国における登録商標です。 • Intel Xeonは,アメリカ合衆国およびその他の国におけるIntel Corporationの商標です。 • Linuxは,Linus Torvalds氏の日本およびその他の国における登録商標または商標です。 • その他、記載の会社名、製品名は、それぞれの会社の商標または登録商標です。 • 製品の改良により予告なく記載されている仕様が変更になることがあります。 他社商品名、商標等の引用に関する表示 34