1. 2020年 8⽉25⽇(⽕)
⽇本アイ・ビー・エム株式会社
Data and AI 事業部 テクニカルセールス 榎本康孝
Powered by AI & Build for AI Database
IBM Db2 & Db2 Warehouse
v11.5.4 最新情報アップデート
IBM
Db2

2. © 2020 IBM Corporation2
With コロナ、After コロナによる社会変化
デジタルトランスフォーメーションのさらなる加速
⼀気に進む働き⽅改⾰、リモートワークが当たり前の世界
顧客チャネルの割合変化 F2Fからデジタル化へ 新しい顧客体験の模索
あらゆるユーザー企業が “デジタル企業”への変⾰が求められる
データと AI を活⽤した新たなビジネス & サービスの創出による価値提供
既存の IT システム（レガシー）のモダナイズ = 変化に強くコストを最適化
- デジタルトランスフォーメーションへの急速なシフト -

3. © 2020 IBM Corporation3
DX時代に求められるデータベースとしてさらに進化
- Powered by AI & Build for AI Database Db2 v11.5.4 -
あらゆる場所に配置でき
変化に迅速に対応可能
ハイパフォーマンス &
スケーラビリティ
あらゆるワークロードに
共通DBエンジンで対応
データベース運⽤管理
シンプル化によるコスト削減
Web & AI 開発者向け
機能拡張(In-DB ML)
エンタープライズ
セキュリティ・⾼可⽤性
IBM
Db2
AIによるDB運⽤管理を⾃動化、AIを⽣み出すための機能強化
データの価値創出を最⼤化、ビジネスへのAI促進を実現

4. © 2020 IBM Corporation4
あらゆるワークロードに共通エンジンで対応 Db2 v11.5.4
オンプレミスからクラウドサービスまで ”1つの技術”と”同⼀の顧客体験”を提供
OLAPOLTP
フルマネージド
クラウドデータベースサービス
(Db2 on Cloud)
フルマネージド
クラウドデータウェアハウスサービス
(Db2 Warehouse on Cloud )
DBソフトウェア & コンテナ
(Db2 Database)
ソフトウェアDWHアプライアンス
(Db2 Warehouse)
DWHアプライアンス
(Integrated Analytics System)
業務系ワークロード 分析系ワークロード
オンプレミス x プライベートクラウド x パブリッククラウド
IBM Cloud & AWS & Azure & GCPCustomer DC & Private Cloud Infrastructure
IBM
Db2
Hybrid
Data Management

5. © 2020 IBM Corporation5
マルチモデル型データベース Db2 & Db2 Warehouse v11.5.4
全てのDb2データベースのエディションでマルチワークロード、マルチデータタイプに対応
IBM
Db2
グラフデータベース機能
(Db2 Graph v11.5.4 Tech Preview)
列表(Columnar Table)⾏表(Row Table)
ドキュメントデータベース機能
(Db2 JSON & BSON データストア & 関数)
JSON、XML、
テキスト、画像
OLTPワークロード
⼤量同時ユーザーの少量レコード
参照更新トランザクション、参照定型BI、
業務バッチ処理がメイン
OLAPワークロード
BIレポーティング、アドホック分析
定型分析に加えて、少数ユーザーによる
⼤量データの集計分析、ETLバルクロード
データ間の複雑な関係性をリアルタイム可視化するための新規機能JSON形式、BSON形式のデータを列表に柔軟に格納、参照することが可能
Hybrid
Data Management

6. © 2020 IBM Corporation6
クラウドネイティブ・コンテナプラットフォームをサポート
開発プロセス
アプリケーション
アーキテクチャー
インフラ稼働形式 デプロイ場所
DX時代のニーズの変化に対応できる柔軟性と迅速性が、ITの開発⼿法
インフラ稼働形式、デプロイ場所になパラダイムをもたらしている。
- RHEL OpenShift 4.x 正式サポート開始 K8S環境でDb2を迅速に展開し利⽤が可能に -

7. © 2020 IBM Corporation7
クラウドネイティブ・コンテナプラットフォームをサポート
- RHEL OpenShift 4.x 正式サポート開始 K8S環境でDb2を迅速に展開し利⽤が可能に -
IBM Cloud AWS Azure Google Private
Hyper Converged
Infrastructure
Red Hat OpenShift & Red Hat Linux ( コンテナプラットフォーム)
簡易化された
⾼可⽤性機能
(Single HA & HADR)
統合DB管理
コンソール
(Management Console)
DB運⽤管理
簡易化 & ⾃動化
(k8s Operator)
シンプルかつ
迅速な配置と移動
( Rapid Deploy & Move)
柔軟なリソース
割当&スケール
(Scale Up & Down)
Db2 & Db2 Warehouse コンテナサービスを活⽤した迅速な開発、検証、本番環境展開
※1 Cloud Pak for Data を構成せず、OpenShiftのワーカーノード基盤上に構成することも可能です。
※2 Configuring database storage for Db2 https://www.ibm.com/support/producthub/icpdata/docs/view/services/SSQNUZ_current/cpd/svc/dbs/database-storage-aese.html?t=Add%20services&p=services
Db2 or Db2 Warehouse コンテナ (Db2U:Db2 Universal Container)

8. © 2020 IBM Corporation8
APP NameSpace
J2EE J2EE
Db2 on RHEL OpenShift を活⽤した業務アプリケーション、分析データストアの展開
・ アジャイル開発のビジネス戦略に適した構成
・ ハイブリッドクラウド & マルチクラウド対応
・ 迅速な環境のデプロイ＆スケール
・ 運⽤管理、アップグレードのコスト削減
・ インフラ管理のコスト削減
・ 柔軟な拡張性 (コンピュート & ストレージ)
コンテナプラットフォームを活⽤したデータ基盤モダナイゼーション
・ロードバランシング & ルーティング対応
・DBサービス フェイルオーバー対応
(障害時は同⼀Namespaceの別ノードで稼働)
・HADRによるデータベース冗⻑化構成サポート
・分析⽤データストア Db2 Warehouse
SMP構成 & MPP構成をサポート
・各種 永続ストレージサポート
Db2 on OpenShift メリット
Db2 on OpenShift 技術ポイント
※1 Configuring database storage for Db2 https://www.ibm.com/support/producthub/icpdata/docs/view/services/SSQNUZ_current/cpd/svc/dbs/database-storage-aese.html?t=Add%20services&p=services

9. © 2020 IBM Corporation9
Red Hat OpenShift (エンタープライズ向けコンテナプラットフォーム)
IBM Cloud Pak for Data ( データ & AI 統合 データプラットフォーム)
Watson Studioデータを分析する
BIダッシュボード
機械学習、深層学習
Watson Machine Learning
Watson OpenScale
R Studio Jupyter Note
データを集める
構造化・⾮構造化
データの収集・蓄積
Data Virtualization
Db2 Warehouse
Netezza
MongoDB
Db2
Postgres
データを整える
データの探索・定義
加⼯・品質・ガバナンス
Watson Knowledge Catalog
Data Stage
AIの業務への活⽤
⾃動照会応答、⾳声認識
知識探索、⾔語解析
Watson Assistant
Watson Discovery
Watson Text to Speech
Watson Speech to Text
Extension SW Base HW/SW Base SW VPCライセンス & HCIインフラ (標準に含まれるHW,SW)要追加SWライセンス
各種クラウドプラットフォーム オンプレミス : ハイパーコンバージド・インフラ
データ収集、探索、加⼯、分析をフルサイクルで⽀援 IBM Cloud Pak for Data
企業内のすべてのデータおよび分析ニーズに対するEnd to End の統合分析 データプラットフォーム
コンテナプラットフォームを活⽤したデータ基盤モダナイゼーション

10. © 2020 IBM Corporation10
Db2 & Db2 Warehouse on OpenShift & CP4D 構成例パターン
注: 業務系,分析系共にDb2はSaaS版の選択肢があります。顧客要件を考慮の上、最適なインフラ構成、Db2エディションの選択が必要となります。
提案、サイジング、構成作成は必ずData and AI HDMテックセールスまで相談してください。(榎本康孝 : e33119@jp.ibm.com)
1.開発環境を集約・コスト削減 & 迅速提供
2.業務アプリシステムのモダナイゼーション
3.分析環境のサンドボックス⽤途で利⽤
RHEL OpenShift
IBM
Db2
IBM
Db2
IBM
Db2
Cloud Pak for Data
RHEL OpenShift
Db2 Warehouse x Data Stage x Watson Studio
RHEL OpenShift / VM
IBM Cloud / AWS / Azure / On-Prem
RHEL OpenShift
IBM
Db2
IBM
Db2
IBM
Db2
AP
RHEL OpenShift / VM
IBM Cloud / AWS / Azure / On-Prem
IBM
Db2
IBM Cloud / AWS / Azure / CP4D System
4.既存情報系基盤のモダナイゼーション
Cloud Pak for Data
RHEL OpenShift
Db2 Warehouse x Data Stage x Cognos Analytics
IBM Cloud / AWS / Azure / CP4D System

11. © 2020 IBM Corporation11
Db2 & Db2 Warehouse on Red Hat OpenShift Ready ! データベースのハイブリッド & マルチクラウド展開を実現
https://www.youtube.com/watch?v=q5KwPlxsXtM
Db2 11.5.4 (Nebula) Cloud Pak for Data and Containers
https://www.youtube.com/watch?v=EspeSpr24WM
https://ibm.ent.box.com/s/dpekhes1xepu9y28jws2qoeugl6upak2
Db2 v11.5.4 OS サポート & 導⼊要件はこちらを参照ください
https://www.ibm.com/support/pages/node/612045#1154A
Db2 Warehouse v11.5.4 OSサポート ＆ 導⼊要件はこちらを参照ください。
https://www.ibm.com/support/knowledgecenter/SSCJDQ/com.ibm.swg.im.dashdb.doc/admin/local_planning.html
Db2 11.5.4 on OpenShift をデプロイしてみた (Qiita 導⼊記事)
https://qiita.com/mi-kana/items/fed0d47fca56853fdd4e
Db2 HADR Cloud Pak for Data - Overview and Setup
https://www.youtube.com/watch?v=7MalR7XsmPA
IBM Db2 Warehouse on the Cloud performance validation using OpenShift Container Storage
https://www.redhat.com/ja/blog/ibm-db2-warehouse-cloud-performance-validation-using-openshift-container-storage
IBM Db2 Warehouse MPP on OpenShift Container Storage
https://www.redhat.com/en/resources/IBM-Db2-Warehouse-MPP-on-OpenShift-Container-Storage-detail
Docker Hub サイト (Db2 コンテナダウンロード情報)
https://hub.docker.com/r/ibmcom/db2
Db2 & Db2 Warehouse on OpenShift & CP4D 参考情報

12. © 2020 IBM Corporation12
Db2 & Db2 Warehouse v11.5.4
パフォーマンス機能拡張アップデート
1. DBパフォーマンス向上
2. クエリオプティマイザーロックダウン
3. ストレージコスト削減 (圧縮率向上)
4. データ仮想化パフォーマンス向上
5. ロードパフォーマンス向上 (外部表機能)
6. ログイン処理時間改善 (認証キャッシング)

13. © 2020 IBM Corporation13
Db2 BLU & Db2 Warehouse クエリパフォーマンス改善v11.
Db2/Db2 Warehouseにおける列表を利⽤したクエリパフォーマンス改善はこの数年(v11.1.4からv11.5.4にかけて)で⼤幅な
進化を実現しています。以下は代表的なクエリパフォーマンス改善機能の⼀覧です。特にv11.1の時代から⽐べて、更新処理性
能、圧縮機能は進化を遂げています。
エージェント
エージェント
エージェント
エージェント
エージェント エージェント
エージェント
エージェント
エージェント
エージェント
エージェント
SELECT処理 (Db2 v11.1) INSERT/UPDATE/DELETE処理
(Db2 v11.1)
エージェント
エージェント
エージェント
エージェント
エージェント
SELECT / INSERT / UPDATE / DELETE 処理 (Db2 v11.5 以降)
Db2 BLU (Columnar Organized Table) はサーバーに
搭載した全てのコアを活⽤してパラレルクエリーを実⾏
Large SMP環境もしくはスケールアウトMPP環境で
優れたスケーラビリティとパフォーマンスを備える
Db2 v11.5 更新処理(IUD)を完全並列化
Db2 BLU バルク IUD(INSERT/UPDATE/DELETE)処理は
参照クエリと同様に並列処理で実⾏が可能に。更新処理の
パフォーマンスを向上(Db2 v11.1.1.2 INSERT、Db2 v11.5
UPDATE/DELETE)
並列更新処理+以下の機能向上でさらに更新処理が⼤幅向上
・Reduce Logging : 90%ログ出⼒を削減
・Vectorized Insert & Update :複数データ⼀括並列更新
・Efficient Bulk Insert :効率的バルクインサート処理
・Trickle Insert Enhancements : 少量データ同時インサート⾼速化
・Vectorized ADC : 並列処理で圧縮辞書を⾃動作成

14. © 2020 IBM Corporation14
Db2 BLU & Db2 Warehouse クエリパフォーマンス改善v11.
Db2/Db2 Warehouseにおける列表を利⽤したクエリパフォーマンス改善はこの数年(v11.1.4からv11.5.4にかけて)で⼤幅な
進化を実現しています。以下は代表的なクエリパフォーマンス改善機能の⼀覧です。特にv11.1の時代から⽐べて、更新処理性
能、圧縮機能は進化を遂げています。
Db2 v11.5 ETLパフォーマンス向上 Parallel Insert Degree/Time/Speedup
表はオンラインの状態で参照可能
データ取得スループットが10TB/Hour
以上まで性能向上 ※1
以下の機能をフル活⽤することで⼤幅な
ETLパフォーマンス向上を実現
・MPPマルチノード構成: 複数ノードの全CPU/IO性能をフル活⽤
・Parallel Insert : 複数エージェントで並列更新プロセス実⾏
・Reduce Logging : 90%ログ出⼒を削減
・Vectorized Insert :複数データ⼀括並列更新
・Efficient Bulk Insert :効率的バルクインサート処理
※1 Db2 Warehouse MPP(マルチノード)構成時の並列外部表データ取り込みスピード例
性能は外部ストレージ構成、Db2 Warehouse構成に依存するため、Db2 Warehouse /IIAS単体で保証できる数値ではありません。

15. © 2020 IBM Corporation15
オプティマイザーは、クエリ構造を踏まえて、表スキャン時にMPP DBパーティションごとに重複排除対象列データを
先に重複排除した上で残りのクエリ処理を⾏います。これにより、クエリ途中の結合処理やソートが発⽣時、不要なデ
ータの再配置(再分散)において、重複データが排除され、分散時のデータ転送量の削減、結合中間結果のメモリ使⽤量
の削減により、よりインメモリ処理を⾏えるよう、パフォーマンス改善を⾏います。
Db2/Db2 Warehouseにおける列表を利⽤したクエリパフォーマンス改善は更新処理以外に、参照系処理で様々なパフォーマ
ンス向上が図られています。今回はDb2 v11.5.4で追加されたパフォーマンス改善概要を簡単に紹介します。
1. MPP Partial-final distinct
2. Full early distinct & Full early aggregation
オプティマイザーは、クエリ構造を踏まえて、表スキャン時に重複排除対象列(distinct or group by)データを先に重
複排除した上で残りのクエリ処理を⾏います。これにより、クエリ途中の結合処理、データ再分散処理、ソート処理の
中で最終的に重複されるデータが排除されます。結合時データのメモリ使⽤量や再分散発⽣時のデータ転送量が⼤幅に
削減され、⼤幅なパフォーマンス改善を⾒込めます。
クエリオプテイマイザーはクエリ初期段階で重複排除を⾏うプランと通常のプランを何パターンか
作成してプランコストを⽐較検討した上で、選択を⾏います。重複データの有無と複雑なクエリでは、
数⼗倍以上⾼速化されるケースもあります。(クエリに⼤きく依存)
Db2 BLU & Db2 Warehouse クエリパフォーマンス改善v11.
Db2 11.5.4 (Nebula) Enterprise Readiness 動画: https://www.youtube.com/watch?v=Rd7R_6Sa33w 資料 : https://ibm.ent.box.com/s/r830bu7rmjo3f39vec8ngvluado4vwui

16. © 2020 IBM Corporation16
v11.
クエリオプティマイザーはより適
切なプランを構成するため、機械
学習モデルを利⽤したカーディナ
リティの予測を⾏います。
適切なカーディナリティの予測は
、プランの中で最も好ましい表デ
ータのフィルタリング順番を導き
出し、正しく必要なメモリ量の確
保を⾏うことで、パフォーマンス
のミスリードを防ぎ、最も⾼速な
クエリプラン選定に貢献します。
Db2 ML Optimizer によるクエリプラン最適化 (Db2 v11.5.4 Tech Preview)
Db2 Machine Learning Optimizer Technology Preview
https://www.ibm.com/support/pages/db2-machine-learning-optimizer-technology-preview
※カーディナリティ = データの種類(絶対値)
( ML Optimizer 利⽤前プラン)
( ML Optimizer 利⽤後プラン )
※ 本機能はDb2 11.5 for Linux on AMD64 or Intel EM64T systems (x64)
（例）商品マスター表の商品名列と⾊列の値を組み合わせて検索
select * from 商品マスター where 商品名='A' and ⾊='⽩'
（例）商品種類︓100種類、⾊︓10種類
ただし、8割を占める商品A の⾊は、⽩ or ⿊のみの特性
商品= A は、全体の80%
⾊ = ⽩ は、1/10の絞込み
商品= A ⇒ 全体の80%
⾊ = ⽩ ⇒ そのうちの半分
8% 40%
表に複数の列を指定した条件がある場合、MLオプティマイザーはその表の絞込み
組み合わせ結果とカーディナリティを考慮した正しい結果件数を返すために機能する。
結果的により正確なコスト、メモリ⾒積ができ、適切な結合順序が期待できる。
複数列の条件指定絞り込み時のデータカーディナリティ
を予測し、より正確にプランの⾒積もりを実現。
正しい誤り
Db2 ML Optimizer 新機能

17. © 2020 IBM Corporation17
v11.クエリオプティマイザープランのロックダウン
( ML Optimizer 利⽤前プラン)
( ML Optimizer 利⽤後プラン )
DBA、システム管理者は、クエリオプティマイザーのリリースレベルをロックダウンし、アップグレード
後にクエリプランが変わることで性能に影響を与える事態を避けることができます。
具体的にはDB2_OPTIMIZER_VERSIONレジストリー変数を使⽤して、以前のDb2バージョンでクエリオ
プティマイザーを実⾏し、そのバージョンから最新Db2バージョンに導⼊されたクエリ最適化を無効にし
て、不適切なアクセスプランの変更によるパフォーマンスの低下を回避します。
DB2_OPTIMIZER_VERSION パラメータ
https://www.ibm.com/support/knowledgecenter/SSEPGG_11.5.0/com.ibm.db2.luw.admin.regvars.doc/doc/r0005664.html#r0005664__Q_DB2_OPTIMIZER_VERSION

18. © 2020 IBM Corporation18
v11.ストレージコスト削減 : 列表ページ圧縮技術 (v11.5.4 新機能)
( ML Optimizer 利⽤前プラン)
( ML Optimizer 利⽤後プラン )
従来の列表 辞書ベースの圧縮暗号化されにくい⽂字列デ
ータ(カーディナリティの⾼いデータ=重複値が少ないも
の)に対して、⾮辞書ベースのページ圧縮を従来の圧縮技
術と組み合わせてサポートすることで圧縮率を向上させ
、ディスク使⽤効率を向上させます。
圧縮対象となるデータは以下の通り
• CHAR/VARCHAR
• GRAPHIC/VARGRAPHIC
• BINARY/VARBINARY
例えば⽂字型に以下のようなデータを記載
して含んでいる場合でも効果があります。
• Numbers (including decimal, hex, serial numbers,
and phone numbers)
• Dates
• Times
• Timestamps
※ 圧縮率はデータ種類、データカーディナリティに応じて変動するため、上記圧縮率が全ての環境で得られるわけではありません。
Db2 v11.5.4 上記圧縮機能はデフォルトでは有効化されていません。有効化する場合は、DB2_COL_STRING_COMPRESSION パラメータの変更が必要です。
https://www.ibm.com/support/producthub/db2/docs/content/SSEPGG_11.5.0/com.ibm.db2.luw.wn.doc/doc/c_compression_enhancements_11-5-4.html
0
0.5
1
1.5
2
2.5
3
Large Turkish Bank
(All Tables)
Large Reinsurance
Company (Single
Table)
TBs
ストレージサイズ
Before CURE 1 After CURE 1
従来列表圧縮率(1/3-1/4)
から圧縮率を2倍程度向上
※⽂字型多いケース場合に
特に有効

19. © 2020 IBM Corporation19
v11.データ仮想化 (フェデレーション) & 外部表機能アップデート
仮想的にデータを統合して物理的に集めることなく、データ照会や演算処理を⾼速化します。データレイク、
データウェアハウス、データマートがそれぞれ別のテクノロジーに格納された形式であっても、データ仮想
化機能が提供する接続アダプターにより、分析者からはシームレスにアクセスできます。
Object Object
Object
Object
Object
オブジェクトストレージ
(IBM Cloud Storage)
様々な各種RDBMS
(Db2/Oracle/Postgres/MySQL)
ファイル ファイル
ファイル
ファイルファイル
外部共有ストレージ
(NAS)
Hadoop
(Hive/BigSQL/Spark/Impala)
複数のデータソースに対して
シングルポイントアクセスを実現
ETLツールを介さずシンプルに
データアクセス
外部表SELECT参照、データロード、アンロードリモートデータ参照、リモートデータバルクインサート
物理的にデータ統合を⾏わず、
仮想データ統合により企業内の
様々なデータソースの表を可視化
Db2 & Db2 Warehouse

20. © 2020 IBM Corporation20
データ仮想化機能 パフォーマンス向上 (並列処理) v11.5.4
Db2 Oracle Postgres Netezza
ノード#1
DB Partition 1
DB Partition 2
DB Partition 3
DB Partition 4
DB Partition 5
DB Partition 6
ノード#2
DB Partition 7
DB Partition 8
DB Partition 9
DB Partition 10
DB Partition 11
DB Partition 12
ノード#3
DB Partition 13
DB Partition 14
DB Partition 15
DB Partition 16
DB Partition 17
DB Partition 18
DB Partition 19
DB Partition 20
DB Partition 21
DB Partition 22
DB Partition 23
DB Partition 24
並列分散処理でフェデレーション処理を実⾏
リモート表からのデータ取得、加⼯、参照処理
クエリパフォーマンスの向上
Db2 v11.5.4 DPF環境、Db2 Warehouse MPP環境(マルチDBパーティション環境)にて、
フェデレーションクエリ処理のMPP並列処理実⾏をサポート。クエリ処理性能4倍向上へ
※1 IBM 社内検証結果数値より。パーティション数やネットワーク構成、ソース側の性能にも依存します。
※2 サポート対象データソース: Db2 family, Oracle, PostgreSQL, Greenplum, Netezza, Informix, and Teradata.
Db2 DPF / Db2 Warehouse MPP構成
For TPC-DS workload, the improvement in total elapsed time
is about 4.8x with a 4-node DPF cluster on 100 queries
4.8倍
クエリ処理
時間改善

21. © 2020 IBM Corporation21
参考:データ仮想化機能 パフォーマンス向上 新機能
1.Federation FMP Enhancement
フェデレーション FMPバッファキャッシュの増加
2. Federation Fetch Clause FFNR Pushdown
リモートデータソースへのクエリプッシュダウンによるテータ転送量削減、クエリ性能向上
3.Federation NoSQL Wrapper Pushdown
MongoDB(NoSQL)へのクエリプッシュダウンによる性能向上
4.Bulk Insert for Oracle
Oracle DBへのフェデレーションバルクインサート⼤幅性能向上 (検証結果 x84倍向上)
5.Federation Data Source Support 拡張
例:Amazon AWS Redshift, Google BigQuery, Amazon AWS S3, Amazon Athena, and Salesforce. …etc
Db2 Version 11.5.4 Federation Performance Enhancements
https://www.ibm.com/support/pages/db2-version-1154-federation-performance-enhancements
Db2 Version 11.5.4 Federation Enhancement
https://www.ibm.com/support/knowledgecenter/SSEPGG_11.5.0/com.ibm.db2.luw.wn.doc/doc/c_fed_server_enhancements_11-5-4.html
MonogoDB
Db2
SQLアクセス
リモートバルクインサートサポートDB
•ODBC (Netezza®, Oracle, MS SQL Server)
•Oracle Native Wrapper (NET8)

22. © 2020 IBM Corporation22
外部表機能によるロード&アンロードパフォーマンス性能向上(Db2 v11.5~)
DBの外に存在する外部ストレージ(NFS、Object Storage)上に保存されたファイルを外部表として、
DBから⾼速ロード & アンロードを⾏う仕組みです。SQL構⽂を利⽤してINSERT⽂でデータをロード&
アンロードできるだけなく、SELECT⽂でフラットファイルからデータを参照することができます。
Db2 v11.5.4 CREATE EXTERNAL TABLE ステートメント
https://www.ibm.com/support/knowledgecenter/ja/SS6NHC/com.ibm.swg.im.dashdb.sql.ref.doc/doc/r_create_ext_table.html
NAS
Db2
SQLアクセス
(select/insert)
クライアント側
ストレージ
Db2
SQLベース
データロード
(select/insert)
JDBC
外部表ロード & アンロード 特徴
1. ⾼速ロード & アンロード処理 (並列処理可能)
2. ETL SQLバッチ処理に組み込み利⽤
3. 表オンライン状態でロード/アンロード可能
4. S3,ICOSを利⽤したデータロード/アンロードが可能
5. 参照可能なアーカイブ表として利⽤可能
6. ⾼速バルクデータ連携機能で利⽤
7. ⼀時外部表 or 外部表定義どちらも可能
8. 圧縮辞書効率はDb2 Loadより劣る。

23. © 2020 IBM Corporation23
ユーザーログインパフォーマンス向上 (認証キャッシング) Db2 v11.5.3
お客様は、LDAP /その他の認証システムの過負荷を回避し、アプリケーションのパフォーマンスを向上させることができます。
同時ショートクエリ認証パフォーマンス向上
認証バックエンドのボトルネックによるパフォーマンス
への影響を軽減 同じ、同⼀認証IDを使⽤して繰り返し発
⽣する同時ショートクエリのパフォーマンスを⼤幅に向
上させます。
Db2でサポートされるすべてのパスワードプラグインに
適⽤されます キャッシュは、キャッシュされるユーザー
の最⼤数とキャッシュの期間(デフォルトは3分)に基づき
構成されます。
本機能は以下の2つのパラメータで設定されます。
authn_cache_users:キャッシュサイズを決定し、オンラインで構成できます。デフォルトでは0（ゼロ）なので、キャッシ
ュは無効になっています。最⼤10000のユーザーエントリをキャッシュできます。
authn_cache_duration:この値は、キャッシュエントリが有効で再利⽤できると⾒なされる分数を決定します。デフォルト
では3分に設定されており、10000分まで増やすことができます（⾮推奨）
Db2 v11.5.3 Authentication Cache
https://www.ibm.com/support/knowledgecenter/SSEPGG_11.5.0/com.ibm.db2.luw.admin.sec.doc/doc/c_auth_group_cache.html
MS AD
LDAP
Db2
キャッシュ

24. © 2020 IBM Corporation24
Db2 & Db2 Warehouse v11.5.4
Developer 向け新機能アップデート
1. In-DB Machine Learning on Db2 & Db2 Warehouse
2. Python UDF 機能サポート ※別途セッション#4にてご紹介
3. 地理空間分析（Spatial Analytics）機能強化
4. JSON データストア 機能強化 (クエリ関数 & 列,⾏表サポート)
5. REST API によるDB開発・管理機能追加
6. Db2 接続ドライバ情報アップデート

25. © 2020 IBM Corporation25
In-DB Analytics for R & Python for Db2 & Db2 Warehouse
Db2
Warehouse
分析データの準備
(データ加⼯, 前処理)
分析モデルの適⽤
(スコアリング)
分析モデルの作成
(モデリング)
クライアント側にデータを移動させず、Db2内でPython, Rによる機械学習、統計解析を実施
データ加⼯、予測分析モデル開発、評価を⾼速化、データセキュリティ監査を集中管理で強化
エンドユーザー
データ分析者・データ
サイエンティスト
R & Pythonを利⽤した
データ加⼯、前処理
予測モデル開発、適⽤
をIn-DB実⾏
SQL⾃動変換アプリから利⽤
ビジネスへの適⽤、
評価の実施
システム&DB管理者
データ提供・セキュリティ管理
データサイティストは使い慣れたR, Pythonを利⽤してコーディングを実施、
処理内容は⾃動SQL変換されてIn-DBでデータ加⼯、予測モデル開発、スコアリングまで実⾏
In-Database Analytics R & Python

26. © 2020 IBM Corporation26
Db2 & Python Juptyer Notebookを使った開発 参考資料
Db2 Python、SQLAlchemy、および Django Framework アプリケーション開発
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.swg.im.dbclient.python.doc/doc/c0054366.html
Db2 Jupyter Notebook Extensions
https://github.com/IBM/db2-jupyter
Installing Db2 Jupyter Notebook Extensions
https://www.youtube.com/watch?v=kZWaapguu28
Accessing Db2 from a Jupyter Notebook
https://www.youtube.com/watch?v=G5z7r5h--qc
Db2 on Cloud (Db2 Warehouse) and Jupyter Notebook Integration
https://www.youtube.com/watch?v=bNfH0Wzx3is
Simplifying Access to Db2 Databases in Jupyter Notebook
https://dzone.com/articles/simplifying-access-to-db2-databases-in-jupyter-not
Db2 Python ダウンロードおよび関連リソース
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.swg.im.dbclient.python.doc/doc/r0054697.html
IBM
Db2
x

27. © 2020 IBM Corporation27
地理空間分析（Spatial Analytics）機能強化 (v11.5.4)
空間情報はデータベースがユーザーに対して現実世界の地理的特徴、場所に関する正確な情報提供を⾏いユ
ーザーが地理情報データを踏まえて、意思決定を⾏うことを⽀援するための機能です。例えば以下のような
情報が対象となります。
空間情報は、単独で、または従来のリレーショナル・データと組み合わせて、公共機関や企業がサービスを
提供するエリアの決定や、潜在的なマーケットの場所の特定などを⾏うために役⽴ちます。(以下参考例)
• ⾃治体の福祉管理者は、福祉サービスのエリア内に実際に居住している福祉援助の申請者と受給者を確認
できます。サービスを提供しているエリアの形状と、申請者と受給者の住所を分析します。
• 商業施設⽴地場所を検討確認に利⽤できます。例えば、候補となる都市において、⾃分たちの常連顧客
はどの地域に多く住んでいるのか? 犯罪発⽣率が低いのはどこか? 競合するレストランはどこにあるか?
従来の情報と地理空間データを活⽤することで、必要な情報を把握確認できるようになります。
視覚化ツールを使⽤すれば、クライアントの位置や、
レストラン候補地への主要な幹線道路の近さなど、
空間分析によって⽣成された情報をマップ上に
グラフィカルに表⽰できます。

28. © 2020 IBM Corporation28
地理空間分析（Spatial Analytics）機能強化(v11.5.4)
地理空間分析(Spatial Analytics)機能はDb2 v11.5.4より、⾏表だけでなく列表でもサポートが機能拡張
されました。分析⽤データベースであるDb2 BLU及びDb2 Warehouseを利⽤してDb2の地理情報関数を
フル活⽤することが可能です。
Db2 v11.5.4 空間データの分析 概要
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.db2.luw.spatial.topics.doc/doc/db2sb03.html
項⽬ Spatial Extender Spatial Analytics
処理の⽅法 データベース内で実⾏ データベース内で実⾏
データ編成 ⾏オーガナイズのみ ⾏オーガナイズまたは列オーガナイズ
索引タイプ 空間グリッド (適⽤外)
空間結合 (空間関係とも呼ばれる) 関数 はい はい
時空間結合関数 いいえ いいえ
関数タイプ 平⾯（Planar） 平⾯（Planar）
カスタム座標系を使⽤できる はい はい
空間参照系はユーザーが指定できる はい はい
デフォルトの空間参照系 0 (未定義) 4326 (WGS84)
データベース内の最⼤形状サイズ (圧縮) 4 MB 4 MB

29. © 2020 IBM Corporation29
JSON データストア 機能強化 (Db2 v11.1-v11.5)
Db2 ⾏表、列表共にJSON形式もしくはBSON形式のデータを格納して活⽤できます。
JSON は、IETF RFC 4627 で指定された軽量のデータ交換フォーマットです。 ⾔語に依存せず、移植可能
です。JavaScript プログラミング⾔語のサブセットとして簡単に実装でき、⼈間にもマシンにも簡単に読め
ます。BSON は、JSON ドキュメントをシリアライズするための標準化されたバイナリー表記形式です。
JSON ドキュメントを⾼速で全探索できます。
Db2 では、JSON とのやり取りに対して NoSQL ⽅式と SQL ⽅式の両⽅を提供します。
Db2 v11.5 JSON アプリケーション開発
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.swg.im.dbclient.json.doc/doc/c0070285.html
SQL Java API
JSON/BSONデータ格納表
を定義、追加、更新、検索
JSON CLI
Db2
エンドユーザー
(BI/アプリ参照)
DBA

30. © 2020 IBM Corporation30
JSON データストア 機能強化 (Db2 v11.1-v11.5)
Db2 ⾏表、列表共にJSON形式もしくはBSON形式のデータを格納して活⽤できます。JSON形式で格納され
たデータに対し様々な⽅式でデータを取得できる関数が⽤意され、SQL を使⽤して JSON データと BSON
データの保管、取得、および照会を直接⾏うことができます。
JSON 格納表定義 JSONデータ格納例
JSON データ取得関数 (⼀部抜粋)
データ作成関数 説明
JSON_ARRAY JSON配列データを⽣成します。Db2上の表データを
元に⽣成することが可能です。
JSON_OBJECT 指定されたキー:値のペアを使⽤して、JSON オブジェ
クトを⽣成します。
JSON_TABLE JSONオブジェクトから表形式で結果セットを返します。
データ参照関数 説明
JSON_QUERY JSONドキュメントからJSONオブジェクトの値を取得
JSON_VALUE JSONドキュメントからJSONオブジェクトのスカラー値を
返します。
JSON_EXISTS 対象データを含むJSONオブジェクトが存在するかどうか
を確認します。
JSON データ取得関数 (⼀部抜粋)
Db2 v11.5 JSON アプリケーション開発
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.swg.im.dbclient.json.doc/doc/c0070285.html
列に LOB データ・タイプを使⽤する場合、列定義に INLINE
LENGTH オプションを使⽤します。 INLINE LENGTH オプション
を使⽤すると、より⼩さいドキュメントを効率的に処理できます。
IBM Db2 JSON 11.5 参考資料
https://www.slideshare.net/PhilDowney1/ibm-db2-json-115

31. © 2020 IBM Corporation31
REST API によるDB開発・管理機能追加(v11.5.4)
IBM Db2⽤のRESTサービスにより、Web、モバイル、およびクラウドアプリケーションは、スケーラブルなRESTful API
のセットを介してDb2を利⽤したアプリケーション開発、データベース操作及び運⽤管理が可能となります。REST APIを
利⽤したDB開発、運⽤管理機能追加は以下のようなメリットを提供します。
各種データベースでサポートされているドライバーを導⼊し、
ドライバに依存する技術要素を学習する必要性がなく
なりよりアプリケーション開発に時間を費やすことができる
Db2ドライバをインストールせずに、REST HTTPクライアントからDb2へSQL実⾏、操作、監視が可能
DB依存せずアプリケーション⽣産性と保守性を向上、データベースの運⽤管理のシンプル化
アプリケーション開発者にとってのメリット
Db2 REST エンドポイント機能 (IBM Db2 REST サービス・コンテナーの導⼊が必要となります。)
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.db2.luw.admin.rest.doc/doc/c_rest.html
データベース管理者にとってのメリット
様々な部⾨で利⽤されている各DB運⽤管理において、
DBに依存せずREST APIで統⼀したシンプルな運⽤管理
を実現。DB依存の作業を減らし管理効率化
For Web & AI Developer For Database Administrator

32. © 2020 IBM Corporation32
アプリケーション開発者は、お気に⼊りのプログラミング⾔語とIDEの最新機能をDb2と共に使⽤できます
.NET
• .NET Core 5 (LTS) is projected to be available in Oct/Nov 2020
• .NET EF 6.4 is planned for Q4 2020
参考:Db2 v11.5.4 接続ドライバ情報アップデート
ドライバ関連ロードマップ情報
IBM Data Server client (Db2 Client)および Data Server drivers の機能拡張 & Db2 v11.5.4 Java サポート
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.db2.luw.wn.doc/doc/c0054927.html
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.db2.luw.qb.server.doc/doc/r0011932.html
, 12.x
Java
• JDBC 4.3 support is planned for Q4 2020.
• OpenJDK 13 support is planned for Sept 2020
• OpenJDK 14 support is planned for Dec 2020

33. © 2020 IBM Corporation33
Db2 & Db2 Warehouse v11.5.4
データベース 運⽤管理機能拡張
1. データベース起動⾼速化 (Faster Database Startup)
2. アドバンスドログ管理 (Advanced Log Space management )
3. ⾃動圧縮機能 (Automatic REORG RECOMPRESS)
4.アダプティブワークロード管理 (Adaptive Workload Management)

34. © 2020 IBM Corporation34
データベース起動⾼速化 (Faster Database Startup)
データベースをより速く起動して、全体的な可⽤性とパフォーマンスを向上させます。
バッファプールとロックリストのメモリをバックグラウンドで⾮同期に初期化することにより、データベ
ースのアクティブ化時間を改善します。これにより、データベースのアクティブ化がより早く完了し、
アプリケーション接続がより速く接続されます。(デフォルトで有効化)
Speeds database startup by up to 120x.
The larger the buffer pools and lock list;
the larger the speed- up.

35. © 2020 IBM Corporation35
アドバンスドログ領域管理 (Advanced Log Space management)
ALSMは、Db2でのログスペース管理をより⾃律的に⾏うことでログ管理をシンプル化するための機能です。
主にログ・フル状態のエラー (SQL0964N)になりうる⻑時間実⾏されているトランザクションの実⾏ログ
を別ファイルに⾃動的に退避させ、回避する機能が追加されました。
Advanced Log Space Management
https://www.ibm.com/support/knowledgecenter/SSEPGG_11.5.0/com.ibm.db2.luw.admin.ha.doc/doc/c_adv_lsmg.html
ALSMを使⽤すると、Db2トランザクションマネージャーは、ログがいっぱいの状態を引き起こしている可能性のあ
る⻑時間実⾏トランザクションを⾃動識別し、それらのログデータをアクティブログファイルからトランザクション
専⽤の個別の抽出ログファイルに抽出します。これにより、元のログファイルを削除してディスク領域を解放できる
ため、新しいアクティブなログファイルを作成できます。(注:100%ログフルエラーの回避を保証する訳ではありません)
• ロードオペレーション (⼤量データロード)
• CTAS & INSERT (⼤量データコピー、追加)
• 索引作成 (CREATE INDEXオペレーション)
• インダウトトランザクション
S0000002.LOGS0000000.LOG S0000001.LOG S0000003.LOG S0000004.LOG
(current write log)
X0000000.META
X0000000_TID1.LOG
X0000000_TID2.LOG
X0000001.META
X0000001_TID1.LOG
X0000002.META
Committed log records
Uncommitted log records
抽出ログファイル
(ログコピーファイル)
⻑時間実⾏されるトランザクション例
アクティブログ
※現バージョンv11.5.4では本機能はミラー・ロギングが構成されたデータベース、HADR、 PureScale環境では利⽤できません。詳細はマニュアル確認ください。

36. © 2020 IBM Corporation36
⾃動圧縮管理機能 (Db2 & Db2 Warehouse 列表利⽤時)
初回表へのデータロード及びインサート時に⼀定のレコード件数が蓄積されるとそのデータを元に列単位
で辞書が⾃動⽣成されます。しかし初回に⼤量のデータがロードされると、圧縮辞書が作成される前にデ
ータが格納され、⾮圧縮のデータが残る状態が発⽣していました。⾃動圧縮機能は、該当の⾮圧縮のデー
タを⾮同期で⾃動的に圧縮する機能となります。
より良い辞書を作成するために、ADCのしきい値を⾼く設定されます。 テーブルの前⾯にある多数の値が圧
縮されないままになっています。REORG Recompressは、進化した辞書を⾃動的に使⽤して、デフォルトの
辞書を使⽤して以前にエンコードされたコミット済みデータを再圧縮します エクステント全体を解放します
が、割り当て解除はしません
COMPRESSED
ADC
triggered
here
COMPRESSED
UNCOMPRESSED
COMPRESSED
Free extents
ADC = Automatic Dictionary Creation = ⾃動辞書作成Discover Db2 v11.5 Auto REORG RECOMPRESS 概要紹介
https://www.youtube.com/watch?v=J6Mnu0ssY7M

37. © 2020 IBM Corporation37
アダプティブワークロード管理 (Db2 & Db2 Warehouse 列表)
複数のクエリを同時実⾏するとリソース競合/不⾜が引き起こされることがあり、これを管理しない場合、システムが過負荷状態になってクエリ
が失敗する可能性があります。データベースでは、使⽤可能なリソースに基づいて照会の実⾏の受け⼊れを制御する、アダプティブ・ワークロー
ド・マネージャーを採⽤しています。
• ⾒積もり実⾏時間が 0 秒から 30 秒の照会は
SYSDEFAULTSUBCLASS (25%, 内20%最⼩保証)に割当。
• ⾒積もり実⾏時間が 30 秒から 10 分の照会は
SYSMEDIUMSUBCLASS (25%, 内30%最⼩保証)に割当。
•⾒積もり実⾏時間が 10 分を超える照会は
SYSCOMPLEXSUBCLASS (30%)に割当。
•ショートクエリバイパス
⾒積もり実⾏時間が 1 秒未満であるか、⾒積もりコストが
25000 timeron 未満のクエリは無制限に優先してクエリを
受付。
• ロード処理はSYSLOADSUBCLASS (15%)に割当。
※処理状況に応じて動的にサブクラス割り当ては変更。
ソフトリソースシェア(共有)でのリソース割当となります。Db2Warehouse
WorkloadManagement
Costサイズ
Low
High
各 “レーン”毎に、メモリ & CPUの実際の
空具合に基づいてスケジューリング
実際の時間履歴
実際のメモリ使用履歴
時間 評価
メモリ 評
価
フィー
ドバ
ックユーザー &アプリケーション
SQLクエリ
“シンプル”
レーン
“ミディアム”
レーン
“コンプレックス”
レーン
SQL クエリ
アダプティブ・ワークロード・マネージャーに関してはこちらを参照ください。
https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.db2.luw.admin.wlm.doc/doc/adaptive_wlm_overview.html
デフォルトAWLM サブクラスリソース割当⽅式
インテリジェント・ジョブ・スケジューリング
HW構成に応じたCPU並列処理負荷度と実⾏中ソートメモリ領域の使⽤状況を継続評価。過去の処理実⾏に基づいたヒストリ
カルなフィードバックも含む (“シンプル”、”ミディアム”、”コンプレックス”) 各レーン毎のリソースの空き具合に基づい
て⾃動スケジューリングを⾏います。

38. © 2020 IBM Corporation38
アダプティブワークロード管理 ユーザーカスタマイズモデル
A
B
50
50
Db2
Warehouse
ほとんどのワークロードについては、デフォルトのアダプティブ・ワークロード・マネージャー環境は、さまざまなサイズの照会の処理に使⽤
されるリソースをバランスよく配分しながら、データベースの安定性を確保します。デフォルトのアダプティブ・ワークロード・マネージャー
環境がニーズに適合しない場合は、この環境をカスタマイズできます。
特定のアプリケーション⽤のリソースを保護するためのカスタム・サービス・クラスや、アプリケーション間でリソースを均等に分配するため
のカスタム・サービス・クラスを作成できます。
• ソフトリソース共有 : 全体リソースが不⾜した場合、割り当てリソース配分割合に応じて制御がかかります。(リソースに空きがあれば
制限を超えて利⽤が可能) 最⼩リソースを設定しておくことで、最⼩限のリソースを予約保持しておくことができます。
• ハードリソース共有 : あらかじめ指定したリソース配分で制御されます。割当配分以上のリソースは利⽤ができません。
カスタムサービスクラス
10 ソフトリソース (最⼩)
セッション優先制御機能 (Db v11.5.2 ~)
サービス・スーパークラスでサブミットされる作業の優先順位
は、以下のいずれかのレベルに設定できます。
• CRITICAL(Weight:8) :最⾼の優先順位の作業
• HIGH (Weight:4) :⾼い優先順位の作業
• MEDIUM (Weight:2) :中間の優先順位の作業。(デフォルト値)
• LOW (Weight:1) :低い優先順位の作業
セッション優先順位は、接続グループに対して指定するこ
とも、ストアード・プロシージャーを使⽤して単⼀接続に
対して指定することもできます。

39. © 2020 IBM Corporation39
参考:アダプティブワークロード管理 ベストプラクティス
クエリキューイングの発⽣はリソースの使⽤量に基づいているため、オープン・カーソルと⻑時間実⾏されている照会が他の作業に与え
る影響に留意することは重要です。
• カーソルはオープンしている限りリソースを保持して使⽤するため、アプリケーションの記述が不適切でカーソルをタイムリーにクローズ
しない場合は、キューイングが発⽣することがあります。
• エラー状態でサブミットされて⼤量のリソースを消費する、不適切な構造の照会によって、他の作業がブロックされることがあります。
デフォルトのアダプティブ・ワークロード・マネージャー環境でのキューイングのモニターおよびカスタマイズされたアダプティブ・ワークロ
ード・マネージャー環境内のキューイングのモニターで説明されているクエリモニターを使⽤して、リソース使⽤量が多いためにスループット
に影響を与えている照会や、クライアント上でブロックされている照会 (activity_state が IDLE) を識別してください。
WLMしきい値を使⽤して、データベース・パフォーマンスに悪影響を及ぼすアプリケーションや照会を検出して終了するルールを定義すること
を検討してください。以下に例を⽰します。
1.接続のアイドル時間しきい値を使⽤して、1 時間を超えてアイドル状態のままの接続を終了する
CREATE THRESHOLD MAX_IDLE_TIME FOR DATABASE WHEN CONNECTIONIDLETIME > 1 HOUR STOP EXECUTION
2.アクティビティー・ランタイムしきい値を使⽤して、2 時間より⻑く実⾏されている照会を終了する
CREATE THRESHOLD MAX_QUERY_RUNTIME FOR DATABASE WHEN ACTIVITYTOTALRUNTIME > 2 HOURS STOP EXECUTION
3.共有ソート・メモリーしきい値を使⽤して、ソート・メモリー使⽤量が原因でキューイングが発⽣している場合、
過剰な量のソート・メモリーを使⽤しているクエリを終了する
CREATE THRESHOLD MAX_SORT_MEM FOR DATABASE WHEN SORTSHRHEAPUTIL > 50 PERCENT AND BLOCKING ADMISSION FOR >
5 MINUTES STOP EXECUTION
AWLM 閾値による制御 : https://www.ibm.com/support/knowledgecenter/ja/SSEPGG_11.5.0/com.ibm.db2.luw.admin.wlm.doc/doc/c0053451.html

40. © 2020 IBM Corporation40
Db2 & Db2 Warehouse v11.5.4
⾼可⽤性 & セキュリティ機能拡張
1. Db2 HADR with Pacemaker for RHEL (Tech Preview)
• 本⽇後半のユーザー会セッション#1で詳細解説予定
2. Db2 Warehouse MPP フェイルオーバー時間の短縮化 (v11.5.1)
• Db Warehouse v11.5 新機能。サービス計画外停⽌時間短縮化
3. JSON Web Token を利⽤したSSOサポート
• よりセキュアなSSO認証として、ユーザー名/パスワードなしの認証が可能
• 幅広いプログラミング⾔語内でサポートされており、IBM WebSphere、Oracle WebLogic等でもサポート
• IBM CloudのIAM及びIBM Cloud Pak for Dataでも既に利⽤
※ JWT SSOは現時点でDb2 Warehouse & IIAS は現在サポートしてないため、別途機能が必要な場合は都度確認ください。

41. © 2020 IBM Corporation41
DX時代に求められるデータベースとしてさらに進化
- Powered by AI & Build for AI Database Db2 v11.5.4 -
あらゆる場所に配置でき
変化に迅速に対応可能
ハイパフォーマンス &
スケーラビリティ
あらゆるワークロードに
共通DBエンジンで対応
データベース運⽤管理
シンプル化によるコスト削減
Web & AI 開発者
向け機能拡張
エンタープライズ
セキュリティ・⾼可⽤性
IBM
Db2
AIによるDB運⽤管理を⾃動化、AIを⽣み出すための機能強化
データの価値創出を最⼤化、ビジネスへのAI促進を実現

42. © 2020 IBM Corporation42
IBM Db2
Best Operational Database Management Systems Software of 2020 as reviewed by customers
Customersʼ choice – March 2020
⽇経コンピュータ2019年8⽉22⽇号
顧客満⾜度調査2019-2020
データベースソフト部⾨ ４年連続１位
Powered by AI & Build for AI Database Db2
AIを組み込み、AIを⽣み出すためのDBとしてさらに進化を続けていきます。

43. © 2020 IBM Corporation43
参考:Db2 v11.5.4 & Db2 Warehouse v11.5.4 導⼊要件 & 参考情報
Db2 v11.5.4 OS サポート & 導⼊要件はこちらを参照ください。
https://www.ibm.com/support/pages/node/612045#1154A
Db2 Warehouse v11.5.4 OSサポート ＆ 導⼊要件はこちらを参照ください。
https://www.ibm.com/support/knowledgecenter/SSCJDQ/com.ibm.swg.im.dashdb.doc/admin/local_planning.html
Db2 v11.5.4 June Update OM Blog
https://medium.com/ibm-dcpe-group/ibm-db2-june-2020-update-b58d115c5623
Db2 SQL Cookbook
http://db2-sql-cookbook.org/
http://db2-sql-cookbook.org/pdf/Db2_SQL_Cookbook.pdf

44. © 2020 IBM Corporation44
ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独⾃の⾒解を反映したものです。それらは情報
提供の⽬的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助⾔を意図したものではなく、またそのような結果を⽣むも
のでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努⼒しましたが、「現状のまま」提供され、明⽰または暗
⽰にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使⽤によって、あるいはその他の関連によって、いかなる損害
が⽣じた場合も、IBMは責任を負わないものとします。 本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかな
る保証または表明を引きだすことを意図したものでも、IBMソフトウェアの使⽤を規定する適⽤ライセンス契約の条項を変更することを意図したもので
もなく、またそのような結果を⽣むものでもありません。
本講演資料でIBM製品、プログラム、またはサービスに⾔及していても、IBMが営業活動を⾏っているすべての国でそれらが使⽤可能であることを暗⽰
するものではありません。本講演資料で⾔及している製品リリース⽇付や製品機能は、市場機会またはその他の要因に基づいてIBM独⾃の決定権をもっ
ていつでも変更できるものとし、いかなる⽅法においても将来の製品または機能が使⽤可能になると確約することを意図したものではありません。本講
演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上⾼の向上、またはその他の結果が⽣じると述べる、または暗⽰すること
を意図したものでも、またそのような結果を⽣むものでもありません。 パフォーマンスは、管理された環境において標準的なIBMベンチマークを使⽤し
た測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラ
ミングの量、⼊出⼒構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。したがって、
個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。
記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使⽤したか、またそれらのお客様が達成した結果の実例として⽰された
ものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。
■ IBM、IBM ロゴ、ibm.com、 Cognos、IBM Cloud、IBM Cloud Pak、IBM SPSS、Watson は、 世界の多くの国で登録されたInternational Business
Machines Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。現時点での IBM の商標
リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。
■ Intel, Intelロゴは Intel Corporationまたは⼦会社の⽶国およびその他の国における商標または登録商標です。
■ Red Hat および OpenShiftは、Red Hat, Inc.の⽶国およびその他の国における商標。
■ VMwareは、VMware, Inc.またはその⼦会社の⽶国およびその他の地域における登録商標または商標です。
注意事項