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
•
4 gostaram•6,005 visualizações
Recomendados
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a 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
Semelhante a 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 (20)
Mais de Insight Technology, Inc.
Mais de Insight Technology, Inc. (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
- 1. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 列指向DB HPVertica ～その圧倒的な高速検索の謎を解き明かす～ 2013年5月30日 日本ヒューレット・パッカード株式会社 HPソフトウェア事業統括 Vertica事業部 プリセールスマネージャー 相澤 恵奏
- 2. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.2 Vertica事例(WWで2500社以上） Communications Consumer Marketing Online Web and Gaming Healthcare RetailFinancial Services 大統領選挙
- 3. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.3 HP Vertica Analytics Platform Big Dataのためのリアルタイム解析データベースプラットフォーム 高速性： 列指向RDBMSの超高速検索 ANSI-SQL99に準拠しているRDBMS：SQLを使用して大量データの超高速分析、検索が可能 （従来製品より50～1000倍の高速性） 拡張性： 超並列処理（MPP）アーキテクチャによるスケールアウト x86サーバにLinuxをインストールしたものを並べていくことにより、無限の拡張性 簡易性： 既存のDBAが直ちに利用可能 複雑なチューニング不要 柔軟性： スモールスタートからエンタープライズ規模まで アプライアンスでは無く、ソフトウェアは製品での販売（1Tbyte ～）
- 4. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.4 Vertica = 解析用プラットフォームソフトウェア製品 分析・検索処理に特化したDBエンジンです。 Database Database (OLTP) Apps. Files レポート OLAP アプリ ダッシュ ボード データの 抽出、変換、 ロード (ETL) データ ソース データ 抽出 解析用 DBｴﾝｼﾞﾝ データ 分析 既存の業務データ ・分析SQL ・UDx ODBC JDBC HDFS ODBC JDBC
- 5. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.5 Vertica Systems 概要 2008 Top 10 Tech Startups 2007 “Cool Vendor” Data Mgmt. 2008 Top 100 Best Startups 2007 Top 20 Cutting Edge Technologies • 分析用DBソフトウェアベンダー • 設立：2005年 • 本社：米国 マサチューセッツ州 • Michael Stonebrakerが産みの親 Postgres, C-Storeの開発者 • 注目ベンチャーとして数々の賞を受賞 • 2011/3/22 HPが買収完了を発表 • 2012/12/1 HPに統合完了
- 6. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.6 Michael Stonebrakerによるデータベース開発 INGRES POSTGRES Aurora C-store RDBMS Object DB CEP Column- oriented DB Ingres Corp. Computer Associates Illustra Informix StreamBase Systems Vertica Hewlett Packard 1970 1980 2000 2010 商用化 技術継承 技術 Sybase SQL Server Aster Data Greenplum Netezza ・B-trees ・Replication ・Rules/triggers ・Object relational ・Complex data type ・Streaming data ‘processing ・Column oriented ・Compression ・MPP
- 7. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.7 HP Vertica Analytics Platformの特徴 自動パフォーマンス チューニング Database Designer Columnar storage and execution Continuous performance ClusteringCompression 列指向RDBMS データ圧縮機能 超並列 アーキテクチャー ノードダウン時の継 続実行機能 HDFS Connector NEW Verticaから HDFSに配置されている ファイルの読み込みが可能 標準のBI, ETLツールと連携 Analytics R言語をサポート
- 8. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.8 Columnar storage and execution 5/05/09 5/06/09 5/05/09 5/06/09 143.74 143.75 37.03 37.13 AAPL AAPL BBY BBY AAPL NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE N YSE NYSE NYSE 143.74 NYSE NYSE NYSE 5/05/09 AAPL NYASE NYAASE NYSE NYASE NGG YSE NYGGGSE NYSE NYSE NYSE 143.74 NYSE NYSE NYSE 5/06/09 BBY NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE 37.03 NYSE NYSE NYSE 5/05/09 BBY NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE 37.13 NYSE NYSE NYSE 5/06/09 NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS AAPL AAPL BBY BBY 143.74 143.75 37.03 37.13 5/05/09 5/06/09 5/05/09 5/06/09 AAPL NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE 143.74 NYSE NYSE NYSE 5/05/09 AAPL NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE 143.74 NYSE NYSE NYSE 5/06/09 BBY NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE 37.03 NYSE NYSE NYSE 5/05/09 BBY NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE 37.13 NYSE NYSE NYSE 5/06/09 Reads 3 columns Reads all columns SELECT AVG(price) FROM tickstore WHERE symbol = ‘AAPL” AND date = ‘5/06/09’ 行指向 - 従来型 SELECT AVG(price) FROM tickstore WHERE symbol = ‘AAPL” AND date = ‘5/06/09’ ディスクI/Oとメモリ量の 劇的な削減 列指向 - Vertica 検索に最適なカラム（列）指向のRDBMS
- 9. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.9 データの属性に応じた最適な圧縮アルゴリズムで50~90%のデータ圧縮 データ検索時のI/O量が減り、より高速な処理を実現 物理ストレージの容量削減 処理日 お客様番号 取引データ 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 0000001 0000001 0000003 0000003 0000005 0000011 0000011 0000020 0000026 0000050 0000051 0000052 5/05/2009, 16 RLE アルゴリズム 0000001 0 2 2 4 10 10 19 25 49 Delta Encoding Raw Data Compressed Data 100.25 302.43 991.23 73.45 134.09 843.11 208.13 114.29 83.07 43.98 229.76 LZO アルゴリズム ÞìÃp:±æ+©> Hì&ì¥YÛ¡×¥ ©éa½?50ÓJ Compression データ圧縮機能
- 10. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.10 シェアードナッシング方式によりリニアに性能向上 すべてのノードが同じ役割を実行可能 node01 専用データ領域 node02 専用データ領域 node03 専用データ領域 node01 Massively Parallel Processing (MPP) SymmetricMulti-Processing (SMP) MPP SMP密結合 •HP Neoiew 性能 ノード数 性能 ノード数 従来型DBMS(データ共有型) Vertica node02 node03 検索クエリ 3 4 10 3 Clustering 超並列処理（MPP）アークテクチャー
- 11. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.11 #3 #4 #5 #6#1 node01 #2 最大2つのレプリカを保持可能 自動リプリケーションによる障害発生時サービス継続 node02 node03 node04 node05 node06 #3 #4 #5#6 #1 #2 #1 #2 #3 #4#5 #6 ノードダウン時の継続実行機能Continuous performance
- 12. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.12 DB管理者 > 論理スキーマ ・テーブル作成 > サンプルセット ・良く使用するクエリ ・サンプルデータ 最高のパフォーマンスが出せる物理デザインを提供 自動で最適なデータ圧縮、列の並び替えを行い、検索を高速化 定型検索に最適なデータ配置を追加で作成することが可能 INDEXの作成は不要 ハード構成を考えず論理設計 物理構成を考慮しデータ配置 DB管理者の負担を最小限に Database Designer (DBD) > 物理スキーマ作成、データ圧縮 ・最適な検索になるようデータ圧縮、列の 並び替えを自動的に実施 ・定常的なデータの取り込みを考慮 DBデザイン機能
- 13. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.13 Projectionとは？ Projectionは物理スキーマとして定義 各列の圧縮方法、列の配置、分散KEYの定義、がProjectionには含まれる。 データが格納されるのはTableでは無く、Projectionになる。 日付 エリア 店舗 顧客ID 売上高 date varchar(10) varchar(10) Int Int 日付 エリア 店舗 顧客ID 売上高 0701 東京 新宿 10001 100 0701 東京 新宿 10002 1,000 0702 名古屋 名古屋 10003 1,0000 0703 大阪 梅田 10004 2,400 0703 東京 池袋 10005 1,600 0704 東京 新宿 10006 6,400 0705 東京 品川 10007 1,000 0706 大阪 梅田 10008 1,100 0706 名古屋 名古屋 10009 1,300 エリア 店舗 売上高 大阪 梅田 2,400 大阪 梅田 1,100 東京 池袋 1,600 東京 品川 1,000 東京 新宿 100 東京 新宿 1,000 東京 新宿 6,400 名古屋 名古屋 1,0000 名古屋 名古屋 1,0000 顧客ID 売上高 10001 100 10002 1,000 10003 1,0000 10004 2,400 10005 1,600 10006 6,400 10007 1,000 10008 1,100 10009 1,300 Projection-1 Projection-2 Projection-3 Verticaでは、Tableは論理スキーマとして定義 create table table1(日付 date ,エリアvarchar(10) ,店舗 varchar(10),顧客ID(int),売上高(int)）;
- 14. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.14 Projectionとは？ Table ユーザはProjectionを意識する必要なく、 Tableに対してクエリーを実行すれば良い。 SuperProjection すべての列を含み、汎用的な圧縮、 並び替えを事前にしているデータセット Query Specific Projection 必要な列のみ クエリーに特化した 圧縮並び替え Query Specific Projection 必要な列のみ クエリーに特化した 圧縮並び替え もっとも検索コストが低いプロジェクションをVerticaが自動選択 ユーザはProjectionを意識する必要はない
- 15. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.15 最適な圧縮、最適な列配置、 最適なソートが事前に実施されたデータセット Projectionとは？ Table:A Table:B Query Specific Projection （特定のクエリーに特化したProjection） SELECT A.1c,A.2c from TableA where A.3 = 100; DatabaseDesinerがクエリーを解析し、 クエリーに最適なProjectionを追加で作成 １ ２ ３ Query Specific Projection Pre-JOIN-Projection (事前にJOINしたProjection) SELECT A.5c,B.2c from TableA,TableB where A.3c = B.3c; すべてのクエリーに汎用的に対応できる、 SuperProjection（Comprehensive Projection） すべての列を含み、列の型やカーディナリティーを考慮して、 DatabaseDesinerが自動的に作成 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 Pre-Join Projection
- 16. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.16 1256678 1254038 1278858 1230807 Student_ID 1210466 1249290 1244262 1252490 1267170 1248100 1243483 1230382 1240224 1222781 1231806 1246648 Cappiello, Emilia Dalal, Alana Orner, Katy Frigo, Avis Name Stober, Saundra Borba, Milagros Sosnowski, Hillary Nibert, Emilia Popovic, Tanisha Schreckengost, Max Porcelli, Darren Sinko, Erik Tarvin, Julio Lessig, Elnora Thon, Max Trembley, Allyson F F F M Gender F F F F F M M M M F M F Sophomore Senior Junior Senior Class Junior Freshman Junior Sophomore Freshman Senior Junior Freshman Sophomore Junior Sophomore Junior 62 92 76 64 Score 90 96 68 59 95 76 67 91 85 63 82 100 D A C D Grade A A D F A C D A B D B A 自動で最適なデータ配置を作成 Example query: select avg( Score ) from example where Class = ‘Junior’ and Gender = ‘F’ and Grade = ‘A’
- 17. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.17 1256678 1254038 1278858 1230807 Student_ID 1210466 1249290 1244262 1252490 1267170 1248100 1243483 1230382 1240224 1222781 1231806 1246648 Cappiello, Emilia Dalal, Alana Orner, Katy Frigo, Avis Name Stober, Saundra Borba, Milagros Sosnowski, Hillary Nibert, Emilia Popovic, Tanisha Schreckengost, Max Porcelli, Darren Sinko, Erik Tarvin, Julio Lessig, Elnora Thon, Max Trembley, Allyson F F F M Gender F F F F F M M M M F M F Sophomore Senior Junior Senior Class Junior Freshman Junior Sophomore Freshman Senior Junior Freshman Sophomore Junior Sophomore Junior 62 92 76 64 Score 90 96 68 59 95 76 67 91 85 63 82 100 D A C D Grade A A D F A C D A B D B A Queryに最適化されたカラム配置に並び替え データ保持イメージ①
- 18. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.18 1256678Cappiello, EmiliaF Sophomore 62D 1254038Dalal, AlanaF Senior 92A 1278858Orner, KatyF Junior 76C 1230807Frigo, AvisM Senior 64D 1210466Stober, SaundraF Junior 90A 1249290Borba, MilagrosF Freshman 96A 1244262Sosnowski, HillaryF Junior 68D 1252490Nibert, EmiliaF Sophomore 59F 1267170Popovic, TanishaF Freshman 95A 1248100Schreckengost, MaxM Senior 76C 1243483Porcelli, DarrenM Junior 67D 1230382Sinko, ErikM Freshman 91A 1240224Tarvin, JulioM Sophomore 85B 1222781Lessig, ElnoraF Junior 63D 1231806Thon, MaxM Sophomore 82B 1246648Trembley, AllysonF Junior 100A Student_IDNameScoreClassGender Grade 並 び 替 え S O R T データ保持イメージ②
- 19. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.19 A D B A Junior Senior Freshman Junior Sophomore Sophomore Junior Junior F F F M F F F F M M M F M F 1256678Cappiello, EmiliaSophomore 62D 1254038Dalal, AlanaSenior 92A 1278858Orner, Katy76C 1230807Frigo, Avis64D 1210466Stober, SaundraJunior 90 1249290Borba, Milagros96 1244262Sosnowski, Hillary68 1252490Nibert, Emilia59F 1267170Popovic, TanishaF Freshman 95A 1248100Schreckengost, MaxSenior 76C 1243483Porcelli, DarrenJunior 67D 1230382Sinko, ErikM Freshman 91A 1240224Tarvin, Julio85 1222781Lessig, Elnora63D 1231806Thon, MaxSophomore 82B 1246648Trembley, Allyson100 Student_IDNameScoreClassGender Grade A 圧 縮 データ保持イメージ③
- 20. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.20 A D B A Junior Senior Freshman Junior Sophomore Sophomore Junior Junior F F F M F F F F M M M F M F 1256678Cappiello, Emilia62 1254038Dalal, Alana Sophomore Senior 92 1278858Orner, Katy76 1230807Frigo, Avis64 1210466Stober, SaundraJunior 90 1249290Borba, Milagros96 1244262Sosnowski, Hillary68 1252490Nibert, Emilia59 1267170Popovic, TanishaF Freshman 95A 1248100Schreckengost, MaxSenior 76 D C 1243483Porcelli, Darren67 1230382Sinko, ErikM 91 1240224Tarvin, Julio85 1222781Lessig, Elnora63 C D 1231806Thon, Max Junior Freshman Sophomore 82 D A F D A B 1246648Trembley, Allyson100 Student_IDNameScoreClassGender F Grade AJunior Junior Junior Junior Junior A A 90 100 1st I/O Reads entire column 2nd I/O 3rd I/O 4th I/O offset offset データ保持イメージ④ －検索スピード Example query: select avg( Score ) from example where Class = ‘Junior’ and Gender = ‘F’ and Grade = ‘A’
- 21. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.21 Create Projection文 SELECT EXAMPLE. gendar , EXAMPLE.class , EXAMPLE.grade , EXAMPLE.score FROM EXAMPLE CREATE PROJECIOTN student_table_P1( gendar ENCODING RLE , class ENCODING RLE , grade ENCODING RLE , score ENCODING DELTVAL ) AS 列の選択＆ 圧縮率の指定 実データの指定 ORDER BY EXAMPLE.gendar , EXAMPLE.class , EXAMPLE.grade 列の並び替え SEGMENTED BY HASH(EXAMPLE.class , EXAMPLE.score) ALL NODES; ノードに分散する HASH KEYの指定
- 22. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.22 Verticaの特徴 - 圧倒的な検索パフォーマンス 列指向 データベース • ディスクI/Oを劇的に削減 • 列指向に最適されたDBエン ジンにより高速検索 • 50～1000倍の高速化 データ圧縮 • 最大90%の圧縮率 • 圧縮したままで内部演算 処理 超並列 アーキテクチャー • Shared Nothing クラスタリン グによるリニアな性能向上 • No Specialized Node • 業界標準x86サーバ （ソフトウェア製品） 高可用性 • 最大2つのレプリカを保持可能 • 自動リプリケーションによる障害 発生時サービス継続 自動データベース デザイン • 対話形式のGUIにより容易 にDBの管理が可能 • 検索に最適なデータ配置を システムが自動的に作成 データロード • メモリ経由とディスク直接 の2方式のロード • ローディング中もクエリー のパフォーマンスは低下 しない 標準的なSQL インタフェース • ANSI SQL-99準拠 • JDBC/ODBC/ADO.net ドライバ 拡張分析 • 空間解析などの独自の関数 をあらかじめ用意 • R言語や事前に用意された SDKでUser Defined Function の作成可能 • 関数は並列アーキテク チャーで利用可能
- 23. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.23 DEMO #1 Vertica install （インストールの簡易性） #2 DBD（DatabaseDesigner） （自動チューニングの説明） #3 R言語との連携 #4 Hadoopとの連携 #5 Udxの例（Github掲載のSentimental分析の実装）
- 24. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.24 VMware Workstation 8 3 Nodes on Vmware Workstation Install 環境（例） each 1 processer core 1.6 GB Memory Red Hat Enterprise Linux 6.2 Red Hat Enterprise Linux 6.2 VM VM HP EliteBook 2540p
- 25. Function Setup + Usage -- Define function CREATE LIBRARY rlib AS ‘/path/rcode.R’ LANGUAGE 'R'; CREATE TRANSFORM FUNCTION Kmeans AS LANGUAGE 'R' NAME 'kmeansCluFactory' LIBRARY rlib; -- Use function CREATE TABLE point_data ( x FLOAT, y FLOAT ); SELECT Kmeans(x, y) OVER() FROM point_data; R Source Code UDx in R Example: K-Means Clustering # Example: K-means (k=5) # Input: two-dimensional points # Output: the point coordinates plus their assigned # cluster kmeansClu <- function(x) { cl <- kmeans(x,5,10) res <- data.frame(x[,1:2], cl$cluster) res } kmeansCluFactory <- function() { list(name=kmeansClu, udxtype=c("transform"), intype=c("float","float"), outtype=c("float","float","int"), outnames=c(“col1",“col2","cluster") ) }
- 26. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.26 C++でのUserDefinedFunctionの設定方法 C++（UserDefinedFunciton）に関して • Github上に様々なExtentionPackagesが準備されている。 • https://github.com/vertica/Vertica-Extension-Packages
- 27. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.27 Hadoop連携に関して ■HDFS上のファイルをロード dbadmin=> copy test1234 with source hdfs(url='http://192.168.47.30:50070/webhdfs/v1/user/root/test.csv', username='root'); Rows Loaded ------------- 4 (1 row) ■HDFS上のファイルをExternal Tableとして定義 dbadmin=> create external table hadoop_bb (a int, b int) as copy source hdfs(url='http://192.168.47.30:50070/webhdfs/v1/user/root/test.csv', username='root'); CREATE TABLE dbadmin=> select * from hadoop_b; a | b ---+--- 1 | 2 2 | 3 3 | 4 4 | 5 (4 rows)
- 28. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.28 HadoopとVerticaによるデータ活用支援サービス VerticaHadoop 分散処理基盤 Hadoop 大規模データ分析に用いられるソフトウ エアのデファクト・スタンダード 分析データベースVertica 大量データからの高速な検索に適した 新世代カラム指向データベース Connectors $ € ¥ Flume Sqoop さまざまなデータ ERPを代表としたビジネスデータ は もちろんのこと様々なデータ を集める テータを収集し、それぞれのクラスタに向く処理を実行し、データを受け渡して利用・ 連携・保管し、データを活用する支援をいたします。
- 29. © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.29 はじめようHadoopとVertica ! パッケージ 並列処理のスケールアウトと組み合わせの良さを実感できる最小構成 標準バンドル Cloudera Enterprise 1年間365日24時間保守込みのサブスクリプション Vertica 1TB License ライセンスと1年間平日 9:00-17:30保守 Red Hat Enterprise Linux Server 1年間365日24時間保守込みのサブスクリプション HP BladeSystem c7000エンクロージャおよびGbEスイッチ HP ProLiant BL460c Gen8サーバ x 8 = ( 1+4 Hadoop ) + ( 3 Vertica ) 各ブレード CPU: 1P/8C Memory :32GB Disk: 900GB x2 1年間 365日24時間保守 初期セットアップ作業 Vertica 3 Node Hadoop 1+4 Node HadoopとVerticaによるデータ活用支援サービスと ソフトウエアとハードウエアおよびセットアップ作業を、 ひとつのパッケージで ご提供いたします。