[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日本IBMシステムズ・エンジニアリング株式会社大月真史 / 辻麻衣子

© 2017 IBM Corporation
データベース・サービスを好きなところで動かそう
Db2 Warehouse 大月真史、辻麻衣子
2017/9/7

© 2017 IBM Corporation2
目次
• はじめに
• Db2 Warehouseってなに？
• もっと深くみていこう
• Db2 Warehouseを動かしてみよう
• まとめ

“DB2”は”Db2”になりました
DB2
Software
dashDB
Local
dashDB for
Transactions
dashDB for
Analytics
オンプレミス/プライベート・クラウドパブリック・クラウド
• コアとなるデータ
ベース・ソフトウェ
ア
• さまざまな要件、構
成に対応可能
• お客様が自由に管理
• アナリティクス向け
のソリューション
• お客様のインフラに
デプロイして利用
• Dockerによって迅速
かつ簡単に利用開始
• お客様が自由に管理
• フルマネージドのト
ランザクション向け
DBサービス
• 小規模構成の仮想マ
シンか大規模構成の
物理マシンが用意さ
れる
• フルマネージドのア
ナリティクス向けDB
サービス
• SMPとMPP
• SoftLayer/AWSで利
用可能
Db2
Db2
Warehouse
Db2
on Cloud
Db2
Warehouse
on Cloud
IBMのデータベースソリューションをDb2ブランドで統一
当セッションでは
この話をします

ちなみに、Db2は誰でも使えます
 Db2 Developer-C / Db2 Developer
Community Edition (docker)
 4 core, 16 GB Memory, 100 GB disk
 MacOSでも使える！(docker版)
 本番環境では利用できない
開発者向けのフル機能版
 IBM Db2 Express-C
 2 core, 16 GB Memory, 15 TB disk
 本番環境で利用可能
 機能には一部制限あり
本番でもタダで使いたい
 IBM Db2 評価版
 リソースの制限がないため、大規模環境で
の評価に使える
 90日間の評価期間
フル機能＆大規模で評価
 IBM Db2 Warehouse
 ダウンロードしたら30分で使える
 リソースの制限がないため、大規模環境で
の評価に使える
 90日間の評価期間
Db2 Warehouseを試す
 無償で利用できるDb2のご案内（https://www.ibm.com/blogs/solutions/jp-ja/db2-free/）
 クラウドで提供されるDb2 Warehouse on Cloudも、1GB以下であれば無償、無期限で利用できます
用途に応じていろいろな無償版の選択肢があります

Db2 Warehouse の評価版を使ってみる
Db2 Warehouse 評価版をDocker Hubから入手するには、以下の手順
を実施してください。
1. Docker HubサイトにてDocker IDの作成を行います。
https://hub.docker.com/
2. Docker Hubにログイン後、右上のプルダウンメニューからSettingを選択し、初期パスワードを変
更します。
3. IBM Db2 Warehouseのサイトにアクセスし「Start Your Free Trial」を選択します。
4. IBM IDとパスワードを入力します。(IBM IDはすぐに作成できます)
5. Docker IDを登録すると、24時間以内に承認メールが届きます。その後、Docker Hubからの
pull(ダウンロード)が可能になります。

データ分析に取り組むときのありがちなハードル
• マーケティング系の人が使ってみるときに
• 分析したいデータがある
• でも、貴重なデータなのでインターネット上のサービス
を使ってよいか判断できない
• 調査と承認を得るために数ヶ月かかる。却下されるかも
しれない
• 我が社のプライベート・クラウドは使ってよいけど、
サーバーだけもらってもつらい・・・
• 私のスキルだとDBを直接使って分析はするのは難し
い・・・
✓エンジニアじゃなくても使える
✓データの持ち出しに苦労しなくてよい
Db2 Warehouseなら

短い期間で目的を達成するために
• 新たな施策の素早い立ち上げを支える
• センサーデータを利用した製造現場の生産性改善でIT面の
リードを命じられた
• とにかく早くと言われているので、インフラはさっさと作
りたい
• 統計解析や機械学習を使うことになりそうだけど、データ
量も膨大なので蓄積するコンポーネントは必須
• でも便利ですぐ使えるサービスはインターネットの向こう
側・・・データの性質を考えると工場に設置するか、せめ
て自社センターに置きたい・・
✓統計解析や機械学習を統合した分析基盤
✓すぐに使い始めることができる
✓期間限定での導入もできる
Db2 Warehouseなら

Db2 Warehouseは何のために登場したのか？
PaaS
DWHプラットフォームの選択肢
Db2
Warehouse
on Cloud
IaaS
Private
Cloud
オンプレミス
アプライアンス
Db2
Db2
hosted
Db2
PureData
Db2
フルマネージドのDBサー
ビスBluemix Public/
Dedicatedで利用可能。
IaaSベンダーの提供する
サーバー上にデータベー
スを構築する。DB2は自
由にカスタマイズ可能。
お客様のプライベートク
ラウド上にデータベース
を構築する。DB2は自由
にカスタマイズ可能。
伝統的な利用形態。サー
バー、DB2どちらも自由
に構築可能。
設置してすぐ利用開始で
きる高速なDWHアプライ
アンス
Db2 Warehouseなら
✓ SaaSで提供される管理機能やイ
ンターフェースがそのまま使える
✓ フルマネージドの共通構成や共通
運用に制約されない（通信経路、
パッチ適用、メンテナンス）
✓ SaaSで提供される管理機能やイ
ンターフェースがそのまま使える
✓ お客様がデータに対する完全な管
理権限を維持できる
ここに大きな断絶がある
✓ dockerコンテナーを利用して迅速
に構築できる

ホストサーバー
Db2 Warehouseのアーキテクチャ
 Docker上でIBM提供のコンテナーを稼働する
Linux OS
Docker engine
LDAP
ファイルシステム
Linux
プロセス Database Engine
Db2 Warehouseコンテナー
Fluid
Query
DSM
Web
console
Docker
Hub
IBM
Box
or
Docker Hub上のリポジトリーから取得も
しくはIBMのBoxからダウンロード
➢ データベース・エンジン
➢ 負荷モニター
➢ ユーザー管理
➢ データ投入
➢ オブジェクト管理
➢ Sparkの稼働環境
➢ ホストサーバー
➢ Docker環境
➢ DBデータを保持するファ
イルシステム
Db2 Warehouseが提供する部分
事前に用意する部分

Db2 Warehouseを動かすまでの流れ
 データベースの導入と構成は数コマンドで完了
サーバーとLinux OSを準備する
Dockerを導入、構成する
データベースを格納するファイルシステムを作成する
Docker Hubにログイン
Db2 Warehouseのイメージをダウンロード（docker pull）
Db2 Warehouseのコンテナを起動する（docker run)
表を作成しデータを投入する or ファイルをアップロード
Db2 Warehouseのユーザー登録を行う
分析に利用するアプリケーションから接続する
分析を始める
このセッション
で紹介

Db2 Warehouseの前提といろいろな構成
 前提
 目的に応じて多様な構成が可能
Db2
Warehouse
2 VPC
Docker engine
CPU: 2core
Memory:15GB
SSD:450GB
RHEL 7.3
• 2.0 GHz以上のプロセッサー
（ライセンス上2コアからスタート）
• 8 GB以上のメモリー
• 300 GB以上のストレージ
ハードウェア
• DockerをサポートするLinux
• Docker engine 1.12.6以上
（CE or EE）
* Power Linux LEの場合など、最新情報は
マニュアルを参照
ソフトウェア
お試しなら月額課金で
スモールスタート
Azure AWS
Db2
Warehouse
24 VPC
Docker engine
CPU: 24core
Memory:256GB
SSD:2TB
RHEL 7.3
4TB生データで
の推奨構成
IA Server 2TB
CPU: 8core
Memory:64GB
共有ストレージ
Docker
RHEL 7.3
クラスターソフト
Db2
Warehouse
8VPC
CPU: 8core
Memory:64GB
Docker
RHEL 7.3
クラスターソフト
Db2
Warehouse
1VPC
フェイルオーバー構成
IA
Server
IA
Server
Bluemix

もっと深くみていこう

スモールスタートから巨大なウェアハウスまで
 Db2 Warehouseは、1つのDockerイメージが3つの構成パターンに対
応する
 シングルサーバー構成（SMP）
— 初期化時に1台のサーバーと8GB以上のメモリーが構成されている場合
— 2CPUコアでのスモールスタートから、64コア構成で10TB生データの高速処理まで
 最大24台までのスケールアウト構成（MPP）
— 初期化時に3台以上のサーバーと、各サーバー64GB以上のメモリーが構成されている場合
— データを格納するための共有ストレージが必要
 最大60台までのスケールアウト構成（MPP）
— 初期化時に3台以上のサーバーと、クラスター全体で7.68TB以上のメモリーが構成されている場合
— データを格納するための共有ストレージが必要
共通のソフトウェア、共通の管理インターフェースで
小規模から超大規模までの幅広い用途で利用できる！

どんなときに複数のサーバーを必要とするのか？
 たとえば…
— 数十TBのデータを蓄積して高速に分析したい
— Sparkによる非構造化データの分析基盤を同時に構築したい
 MPP構成の面白いところ
— 3台から24台もしくは60台までMPP構成でスケールアウト可能
— HAの設定をしなくても障害時は自動で縮退して継続稼働
— 構造化データはBLU MPP（DBエンジン）で分散処理、非構造化デー
タはSparkで分散処理
— 相互の変換もサーバー内で高速に
サーバー
サーバーサーバーサーバー
共有ファイルシステム
サーバーが協調動作するための共
有ファイルシステム
Db2 Warehouse MPP構成の概要

Db2のMPP構成ってどんなの？
 Db2 MPP環境はn個のdata partitionで構成され、それぞれのdata partition
が1/nのデータを分散して保持する
Partition 0
Partition 1
Partition 2
Partition 3
Partition 4
Partition 23
Partition 22
24のData
Partition
・
・
・
Partition 5
Partition 6
24のプロセス
Partition 21
db2sysc 0
db2sysc 1
db2sysc 5
db2sysc 4
db2sysc 3
db2sysc 2
db2sysc 6
db2sysc 21
db2sysc 22
db2sysc 23
照会に対しては
各パーティションが
1/24のデータを処理
それぞれのプロセス
がメモリーを確保
n台のサーバー
（例では4台）
db2sysc 0
db2sysc 1
db2sysc 2
db2sysc 3
db2sysc 4
db2sysc 5
db2sysc 6
.
.
db2sysc 18
.
db2sysc 21
db2sysc 22
db2sysc 23
任意の数のサーバー
に格納する
・
・
・
・
・
・
24セットの
DBファイル群
・
・
・
・
・
・
ストレージ
サーバーのローカル
DISKでも共有DISK
でもよい
照会を発行

データはどんな風に分散されるか
 テーブルごとに決める「分散キー」のハッシュ値で格納先のdata partitionが決
まる
レコード1
分散キーを取り出し
てハッシュ値を計算
a8db4f
データ投入時にレコードの値で
配置先が決まる
レコード2
c8cbd1
Partition 16
ハッシュ値を元に格
納先を決定
Partition 5
create table sales (
store_id bigint,
order_date timestamp,
shipping_id bigint,
shipping_method char(20),
mix_cntl int ,
mix_desc char(20) ,
mix_chr char(9) ,
mix_ints smallint ,
mix_tmstmp timestamp )
distribute by hash (store_id)
テーブルを作成するときに
分散キーを指定する
レコード3
11ed8f
Partition 3

そのデータ分散の仕組みって、重くない？
SALES表
Hashing
(store_id)
create table SALES (
store_id bigint,
...)
カラム
ストア
C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8
Hashing
(store_id)
STOCK表
create table STOCK (
store_id bigint,
...)
カラム
ストア
SELECT store_id,
sum(store_sales),
sum(stock_volume)
from SALES, STOCK
where sales.store_id = stock.store_id
データ投入時は確かに重いが、照会はとても早い
分散キーが一致するテーブル同士の照会
ではネットワーク転送がほとんど不要

スケールインもスケールアウトも自在
Partition 0
Partition 1
Partition 5
Partition 6
Partition 7
Partition 11
Partition 12
Partition 13
Partition 17
Partition 18
Partition 19
Partition 23
Partition 2 Partition 8 Partition 14 Partition 20
Partition 0
Partition 1
Partition 5
Partition 6
Partition 7
Partition 17
Partition 18
Partition 19
Partition 23
Partition 2
Partition 20
Partition 3
Partition 21
Partition 4
Partition 16
Partition 22
Partition 11
Partition 12
Partition 13
Partition 8
Partition 14
Partition 9
Partition 15
Partition 10
Part 0
Part 1
Part 2
Part 3
Part 12
Part 13
Part 14
Part 15Part 11
Part 8
Part 9
Part 10
Part 23
Part 20
Part 21
Part 22Part 6
Part 7
Part 5
Part 4
Part 17
Part 18
Part 19
Part 16
サーバー4台で稼働中
3台構成へスケールイン
（縮退）
6台構成へスケールアウト
定義したサーバー数に応じて自動的にdata partitionが配分される
# cat /mnt/clusterfs/nodes
head_node=node1i:192.168.10.1
data_node1=node2i:192.168.10.2
# cat /mnt/clusterfs/nodes
head_node=node1i:192.168.10.1

共有ストレージはとても大事
 前ページのダイナミックなノードの増減が実現できるのは共有ストレージ
と共有ファイルシステムのおかげ
 Hadoopなどの分散ファイルシステムと比べるとストレージへの投資が大
きくなるが、得られるメリットを考えると捨てたものではない
 ストレージ技術の進歩により取り得る選択肢は多い
— フラッシュ + 共有ファイルシステム（ GPFS/GFS2 など）
— クラウドベンダーのBlock Storage +共有ファイルシステム（ GPFS/GFS2など）
— 高速NAS （NFS）で共有ファイルシステムを不要に
— Amazon EFS（NFS）でストレージも自在にスケールさせる

Db2 Warehouseで利用できるストレージ構成の選択肢
共有DISK+共有FS クラウドDISK+共有FS
高速NAS Amazon EFS
Db2
Ware
house
フラッシュ
Db2
Ware
house
Db2
Ware
house
GPFS/GFS2など
Db2
Ware
house
Bluemix Infra
Block Storage
Db2
Ware
house
Db2
Ware
house
GPFS/GFS2など
Db2
Ware
house
NAS DISK
Db2
Ware
house
Db2
Ware
house
NFS NFS NFS
Db2
Ware
house
Amazon EFS
Db2
Ware
house
Db2
Ware
house
NFS NFS NFS
iSCSI iSCSI iSCSI
 共有できてPosix互換なら、なんでもOK

dashDB LocalコンテナdashDB Localコンテナ
Analytics
EngineRelational Engine
CSV,Twitter, 地理データ
オープン・データ
BI/分析アプリケーション
(SPSS/Cognos)
Webコンソール
SQLインターフェイス
Cloudant
（蓄積）
構造化データ
スケーラブルクラスタファイルシステム
Watson IoT/Kafka
(収集、抽出)
共有メモリによる高速データ通信
データサイエンティスト
テキスト
ファイル
半構造化、非構造データ
オブジェクトストレージ
ストリームデータ
データ可視化、分析
加工
加工
Db2 Warehouse コンテナ
非構造化データはどうするの？
データウェアハウスにSpark分析エンジンを統合することで、半構造、非構造化データの
加工、分析処理と従来の構造化データ分析処理を単一プラットフォームで実現
 Relational Engine側に格納してSparkで読み込んでも良いし、ファイル
のままファイルシステムに配置することも可能

どんなデータをどちらに置くべきか
 RDB側で持っても、ファイルのまま共有ファイルシステムに保持しても良い
 データの特性によってどこで持つかを決めよう
xxx,yyy,zzz,111
xxx,yyy,zaz,121
xxx,yyy,zaz,113
xxx,yyy,zpz,114
xxx,yyy,zyz,161
csv
{
"name": "db-server",
"chef_type": "role",
"json_class":
"Chef::Role",
"ibm": {},
}
JSON/XML
2017-08-08 15:26:51.097957: I
tensorflow/core/common_runtim
e/gpu/gpu_device.cc:961] DMA:
0
2017-08-08 15:26:51.097962: I
tensorflow/core/common_runtim
e/gpu/gpu_device.cc:971] 0: Y
2017-08-08 15:26:51.097972: I
tensorflow/core/common_
log
RDB
C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8 C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8
 ある程度データ形式が決まっている
 全体をスキャンせずに高速に一本釣りしたい
 SQLで強力にサマリーしたい
 データがどんどん変わるので形式を固定
したくない
 Pythonなどで直接処理する方が便利
 とりあえずファイルだけ放り込んで貯め
ておきたい

構造化データと非構造化データの行き来も簡単
 Database EngineのデータをSparkSQLで読み込む
 共有ファイルシステムに貯めたファイルをPythonで処理して
Database Engineに投入
from pyspark.mllib.classification import LogisticRegressionWithLBFGS, LogisticRegressionModel
from pyspark.mllib.regression import LabeledPoint
sparkSession = SparkSession.builder.getOrCreate()
inputData = sparkSession.read.format("com.ibm.idax.spark.idaxsource") ¥
.options(dbtable=“BLUADMIN.LGDATA") ¥
.load()
data1 = spark.read.csv("work/data1.txt", mode="DROPMALFORMED", inferSchema=True)
data1.write.format("com.ibm.idax.spark.idaxsource")
.options(dbtable="BLUADMIN.NOGT1") ¥
.option("allowAppend","true") ¥
.mode("append")¥
.save()

どんな使い方をしている？
主力DWHとして使われている
PureData for Analyticsの負荷を
オフロードするため大容量かつ低
コストなデータストアとして採用
2PB！のディスクと6台のMPP構
成でデータを蓄積し、Hadoopの
ワークロードも集約に成功
大手銀行
他社データベースのエンタープラ
イズDWHをオフロードするため、
低コストなコモディティH/Wを活
用できるデータストアとして採用
Db2 Warehouseに統合された
Sparkも活用
大手保険会社
Db2 Warehouse &
Db2 Warehouse on Cloud！
クラウドのDb2 Warehouseを購入
されたお客様が、高いSLAやセ
キュリティを必要とするデータを
管理するために、共通のインター
フェースで利用できるDb2
Warehouseを追加導入
ゲーム会社
法規制（HIPAA）への対応で
Microsoft Accessでのデータ管理
からDb2 Warehouseへ
月額課金モデルを利用して低コス
トにスモールスタート。同じサー
バーで稼働できるSparkと
Jupyterを利用して分析に活用
ヘルスケアNPO

【参考】複数サーバーでMPP構成を組む
 MPP構成のコンポーネント構造
Network Switch
SAN/Eth
Network
Partition 0
共有ファイ
ルシステム
Partition 1
Partition 5
・
・
・
SAN/Eth
Network
Partition 6
共有ファイ
ルシステム
Partition 7
Partition 11
・
・
・
SAN/Eth
Network
Partition 12
共有ファイ
ルシステム
Partition 13
Partition 17
・
・
・
SAN/Eth
Network
Partition 18
共有ファイ
ルシステム
Partition 19
Partition 23
・
・
・
DockerDockerDockerDocker
• サーバー間で共有可能なファイルシステムで、
Posix互換であれば使用可能
• Db2 Warehouseを構成するパーティション
が別のサーバに移動しても、継続してデータ
にアクセス可能にする必要がある
• ストレージに応じて適切な共有ファイルシス
テムを選択する
• IBM Spectrum Scale (GPFS)とSANス
トレージ
• iSCSIとSoftLayer Block Storage
• サーバー内蔵ディスクとGPFS FPO
• など
通信ネットワーク
• SQL実行時のパーティション間通信に利用
• 10Gイーサネットを推奨
• インフラ構成上可能であれば、アプリケー
ションからの接続用ネットワークとは分離す
ることが望ましい
Db2 Warehouse(ノード)
• MPP構成では24 or 60のパーティションが
サーバー数に応じて自動で分散配置される
• サーバー障害時は自動的に検知して縮退する
（4台x6パーティション⇒3台x8パーティションなど）
• MPPでは8コア、64GBメモリーが最小の基
準

▪ 例： 2010年の販売件数を調べる
▪ SELECT COUNT(*) from MYTABLE
where YEAR = ‘2010’
▪ システム構成: 32コアCPU
▪ 表構成：10TBのテーブル
（100の列を含む10年分のデータ）
アクショナブル・コンプ
レッションによってデー
タ容量を1 TBに圧縮
各コア上でリニアスキャ
ンの並列処理を実施し、
32 MBのデータを処理
SIMD を活用し、8 MB
のデータを処理数秒以内で
処理が完了
列処理によってデータ
容量を10 GBに削減
データ・スキッピン
グによってデータ容
量を1 GBに削減
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA DATA DATA
DATA
DATA DATA
Db2 BLU アクセラレーションは、列指向のデータストアによって個別の分析クエリーに
応じた索引設定などのチューニングを行うことなく、巨大データの高速分析を可能にする
DB基盤です。
各CPUコアが8MB相当のデータを
処理するだけで良いため、数秒以内で
処理が完了する。
10 TBのデータ
結果
【参考】 Db2カラムストア（BLUアクセラレーション）のしくみ

ここまでのまとめ
Db2 Warehouseは場所を選びません
Public Cloudやデータセンター内など、あなたが管理しているサー
バー上でDb2 Warehouseを動かせます。
すぐに使い始めることができます
チューニング済みの環境が数コマンドで構築できます。
GUIでの操作が可能なWebコンソールや、分析ツールとの連携も簡
単です。
構造化、非構造化を問わずデータを統合管理できます
構造化データを分析するDBエンジンと、非構造化データの分析を
可能にするSparkエンジンの双方が利用できます。

Db2 Warehouseを動かしてみる

デモシナリオ目次
▪Db2 Warehouse の基本操作：コンソール
▪Db2 WarehouseとRを利用したアナリティクスの実践
▪Sparkの提供する機械学習ライブラリ（MLlib）の利用

Db2 Warehouse の基本操作 : コンソール
✓データベースオブジェクトの管理、操作
✓システム全体のモニター、性能調査
✓ユーザーや権限の管理
Linux OS
Docker engine
Database Engine
Db2 Warehouse コンテナー
Web
console

Linux OS
Docker engine
Database Engine
R Studioとの連携
✓R Studio(R言語の開発環境)用コンテナーを作成可能
✓In-Database Analytics用の関数の利用
✓統計分析、グラフ作成、地図情報を用いた可視化
R
Studio
Driver Pkg
R Studio
コンテナー

Linux OS
Docker engine
Sparkとの連携
✓Jupyter Notebook用コンテナーを作成可能
✓機械学習ライブラリ(MLlib)の利用
Jupyter
Notebook
Jupyter
Notebook
コンテナー
Spark
Engine
Database Engine

数クリックでお手軽に試したいときはこちら
IBM Db2 Developer Community Edition
利用上の注意/制限：開発用途のみに使用ください/コミュニティサポートの製品です
Db2を始めませんか？
Download & Go! たった15分でお手元にDb2が
インストール
http://ibm.biz/db2dev_com
http://ibm.biz/db2dev_c
他社のデータベース含めDBの知識がある方
にオススメです
全機能が無償でじっくり試せます
IBM Db2 Developer-C for Non-Production

Legal Disclaimer
• © IBM Corporation 2016. All Rights Reserved.
• The information contained in this publication is provided for informational purposes only. While efforts were made to verify the completeness and accuracy of the information contained
in this publication, it is provided AS IS without warranty of any kind, express or implied. In addition, this information is based on IBM’s current product plans and strategy, which are
subject to change by IBM without notice. IBM shall not be responsible for any damages arising out of the use of, or otherwise related to, this publication or any other materials. Nothing
contained in this publication is intended to, nor shall have the effect of, creating any warranties or representations from IBM or its suppliers or licensors, or altering the terms and
conditions of the applicable license agreement governing the use of IBM software.
• References in this presentation to IBM products, programs, or services do not imply that they will be available in all countries in which IBM operates. Product release dates and/or
capabilities referenced in this presentation may change at any time at IBM’s sole discretion based on market opportunities or other factors, and are not intended to be a commitment
to future product or feature availability in any way. Nothing contained in these materials is intended to, nor shall have the effect of, stating or implying that any activities undertaken by
you will result in any specific sales, revenue growth or other results.
• If the text contains performance statistics or references to benchmarks, insert the following language; otherwise delete:
Performance is based on measurements and projections using standard IBM benchmarks in a controlled environment. The actual throughput or performance that any user will
experience will vary depending upon many factors, including considerations such as the amount of multiprogramming in the user's job stream, the I/O configuration, the storage
configuration, and the workload processed. Therefore, no assurance can be given that an individual user will achieve results similar to those stated here.
• If the text includes any customer examples, please confirm we have prior written approval from such customer and insert the following language; otherwise delete:
All customer examples described are presented as illustrations of how those customers have used IBM products and the results they may have achieved. Actual environmental costs
and performance characteristics may vary by customer.
• Please review text for proper trademark attribution of IBM products. At first use, each product name must be the full name and include appropriate trademark symbols (e.g., IBM
Lotus® Sametime® Unyte™). Subsequent references can drop “IBM” but should include the proper branding (e.g., Lotus Sametime Gateway, or WebSphere Application Server).
Please refer to http://www.ibm.com/legal/copytrade.shtml for guidance on which trademarks require the ® or ™ symbol. Do not use abbreviations for IBM product names in your
presentation. All product names must be used as adjectives rather than nouns. Please list all of the trademarks that you use in your presentation as follows; delete any not included in
your presentation. IBM, the IBM logo, Lotus, Lotus Notes, Notes, Domino, Quickr, Sametime, WebSphere, UC2, PartnerWorld and Lotusphere are trademarks of International
Business Machines Corporation in the United States, other countries, or both. Unyte is a trademark of WebDialogs, Inc., in the United States, other countries, or both.
• If you reference Adobe® in the text, please mark the first use and include the following; otherwise delete:
Adobe, the Adobe logo, PostScript, and the PostScript logo are either registered trademarks or trademarks of Adobe Systems Incorporated in the United States, and/or other
countries.
• If you reference Java™ in the text, please mark the first use and include the following; otherwise delete:
Java and all Java-based trademarks and logos are trademarks or registered trademarks of Oracle and/or its affiliates.
• If you reference Microsoft® and/or Windows® in the text, please mark the first use and include the following, as applicable; otherwise delete:
Microsoft and Windows are trademarks of Microsoft Corporation in the United States, other countries, or both.
• If you reference Intel® and/or any of the following Intel products in the text, please mark the first use and include those that you use as follows; otherwise delete:
Intel, Intel Centrino, Celeron, Intel Xeon, Intel SpeedStep, Itanium, and Pentium are trademarks or registered trademarks of Intel Corporation or its subsidiaries in the United States
and other countries.
• If you reference UNIX® in the text, please mark the first use and include the following; otherwise delete:
UNIX is a registered trademark of The Open Group in the United States and other countries.
• If you reference Linux® in your presentation, please mark the first use and include the following; otherwise delete:
Linux is a registered trademark of Linus Torvalds in the United States, other countries, or both. Other company, product, or service names may be trademarks or service marks of
others.
• If the text/graphics include screenshots, no actual IBM employee names may be used (even your own), if your screenshots include fictitious company names (e.g., Renovations, Zeta
Bank, Acme) please update and insert the following; otherwise delete: All references to [insert fictitious company name] refer to a fictitious company and are used for illustration
purposes only.

[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日本IBMシステムズ・エンジニアリング株式会社大月真史 / 辻麻衣子

[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日本IBMシステムズ・エンジニアリング株式会社大月真史 / 辻麻衣子

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Semelhante a [db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日本IBMシステムズ・エンジニアリング株式会社大月真史 / 辻麻衣子

Semelhante a [db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日本IBMシステムズ・エンジニアリング株式会社大月真史 / 辻麻衣子 (20)

Mais de Insight Technology, Inc.

Mais de Insight Technology, Inc. (20)

Último

Último (11)