Enviar pesquisa
Carregar
MongoDB概要:金融業界でのMongoDB
•
16 gostaram
•
4,777 visualizações
ippei_suzuki
Seguir
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 52
Baixar agora
Baixar para ler offline
Recomendados
がっつりMongoDB事例紹介
がっつりMongoDB事例紹介
Tetsutaro Watanabe
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Recruit Technologies
MongoDBが遅いときの切り分け方法
MongoDBが遅いときの切り分け方法
Tetsutaro Watanabe
Mongo dbを知ろう
Mongo dbを知ろう
CROOZ, inc.
Oracleからamazon auroraへの移行にむけて
Oracleからamazon auroraへの移行にむけて
Yoichi Sai
WiredTigerを詳しく説明
WiredTigerを詳しく説明
Tetsutaro Watanabe
Amazon Aurora Deep Dive (db tech showcase 2016)
Amazon Aurora Deep Dive (db tech showcase 2016)
Amazon Web Services Japan
Recomendados
がっつりMongoDB事例紹介
がっつりMongoDB事例紹介
Tetsutaro Watanabe
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Recruit Technologies
MongoDBが遅いときの切り分け方法
MongoDBが遅いときの切り分け方法
Tetsutaro Watanabe
Mongo dbを知ろう
Mongo dbを知ろう
CROOZ, inc.
Oracleからamazon auroraへの移行にむけて
Oracleからamazon auroraへの移行にむけて
Yoichi Sai
WiredTigerを詳しく説明
WiredTigerを詳しく説明
Tetsutaro Watanabe
Amazon Aurora Deep Dive (db tech showcase 2016)
Amazon Aurora Deep Dive (db tech showcase 2016)
Amazon Web Services Japan
AWS Black Belt Online Seminar Amazon Aurora
AWS Black Belt Online Seminar Amazon Aurora
Amazon Web Services Japan
Apache Spark の紹介(前半:Sparkのキホン)
Apache Spark の紹介(前半:Sparkのキホン)
NTT DATA OSS Professional Services
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
Amazon Web Services Japan
PostgreSQL のイケてるテクニック7選
PostgreSQL のイケてるテクニック7選
Tomoya Kawanishi
大規模データ処理の定番OSS Hadoop / Spark 最新動向 - 2021秋 -(db tech showcase 2021 / ONLINE 発...
大規模データ処理の定番OSS Hadoop / Spark 最新動向 - 2021秋 -(db tech showcase 2021 / ONLINE 発...
NTT DATA Technology & Innovation
Best Practices for Running PostgreSQL on AWS
Best Practices for Running PostgreSQL on AWS
Amazon Web Services Japan
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
Amazon Web Services Japan
MongoDBの監視
MongoDBの監視
Tetsutaro Watanabe
ソーシャルゲームにおけるMongoDB適用事例 - Animal Land
ソーシャルゲームにおけるMongoDB適用事例 - Animal Land
Masakazu Matsushita
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Web Services Japan
Hadoopの概念と基本的知識
Hadoopの概念と基本的知識
Ken SASAKI
SparkとCassandraの美味しい関係
SparkとCassandraの美味しい関係
datastaxjp
AlloyDBを触ってみた!(第33回PostgreSQLアンカンファレンス@オンライン 発表資料)
AlloyDBを触ってみた!(第33回PostgreSQLアンカンファレンス@オンライン 発表資料)
NTT DATA Technology & Innovation
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
Amazon Web Services Japan
AWS Black Belt - AWS Glue
AWS Black Belt - AWS Glue
Amazon Web Services Japan
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
hamaken
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
Google Cloud Platform - Japan
AWS Black Belt Online Seminar 2017 AWS Elastic Beanstalk
AWS Black Belt Online Seminar 2017 AWS Elastic Beanstalk
Amazon Web Services Japan
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ (Hadoop / Spark Conference Japan 2019)
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ (Hadoop / Spark Conference Japan 2019)
Noritaka Sekiyama
MongoDB Oplog入門
MongoDB Oplog入門
Takahiro Inoue
MongoDB on Financial Services Sector
MongoDB on Financial Services Sector
Norberto Leite
業務システムにおけるMongoDB活用法
業務システムにおけるMongoDB活用法
Yoshitaka Mori
Mais conteúdo relacionado
Mais procurados
AWS Black Belt Online Seminar Amazon Aurora
AWS Black Belt Online Seminar Amazon Aurora
Amazon Web Services Japan
Apache Spark の紹介(前半:Sparkのキホン)
Apache Spark の紹介(前半:Sparkのキホン)
NTT DATA OSS Professional Services
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
Amazon Web Services Japan
PostgreSQL のイケてるテクニック7選
PostgreSQL のイケてるテクニック7選
Tomoya Kawanishi
大規模データ処理の定番OSS Hadoop / Spark 最新動向 - 2021秋 -(db tech showcase 2021 / ONLINE 発...
大規模データ処理の定番OSS Hadoop / Spark 最新動向 - 2021秋 -(db tech showcase 2021 / ONLINE 発...
NTT DATA Technology & Innovation
Best Practices for Running PostgreSQL on AWS
Best Practices for Running PostgreSQL on AWS
Amazon Web Services Japan
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
Amazon Web Services Japan
MongoDBの監視
MongoDBの監視
Tetsutaro Watanabe
ソーシャルゲームにおけるMongoDB適用事例 - Animal Land
ソーシャルゲームにおけるMongoDB適用事例 - Animal Land
Masakazu Matsushita
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Web Services Japan
Hadoopの概念と基本的知識
Hadoopの概念と基本的知識
Ken SASAKI
SparkとCassandraの美味しい関係
SparkとCassandraの美味しい関係
datastaxjp
AlloyDBを触ってみた!(第33回PostgreSQLアンカンファレンス@オンライン 発表資料)
AlloyDBを触ってみた!(第33回PostgreSQLアンカンファレンス@オンライン 発表資料)
NTT DATA Technology & Innovation
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
Amazon Web Services Japan
AWS Black Belt - AWS Glue
AWS Black Belt - AWS Glue
Amazon Web Services Japan
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
hamaken
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
Google Cloud Platform - Japan
AWS Black Belt Online Seminar 2017 AWS Elastic Beanstalk
AWS Black Belt Online Seminar 2017 AWS Elastic Beanstalk
Amazon Web Services Japan
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ (Hadoop / Spark Conference Japan 2019)
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ (Hadoop / Spark Conference Japan 2019)
Noritaka Sekiyama
MongoDB Oplog入門
MongoDB Oplog入門
Takahiro Inoue
Mais procurados
(20)
AWS Black Belt Online Seminar Amazon Aurora
AWS Black Belt Online Seminar Amazon Aurora
Apache Spark の紹介(前半:Sparkのキホン)
Apache Spark の紹介(前半:Sparkのキホン)
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
PostgreSQL のイケてるテクニック7選
PostgreSQL のイケてるテクニック7選
大規模データ処理の定番OSS Hadoop / Spark 最新動向 - 2021秋 -(db tech showcase 2021 / ONLINE 発...
大規模データ処理の定番OSS Hadoop / Spark 最新動向 - 2021秋 -(db tech showcase 2021 / ONLINE 発...
Best Practices for Running PostgreSQL on AWS
Best Practices for Running PostgreSQL on AWS
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
MongoDBの監視
MongoDBの監視
ソーシャルゲームにおけるMongoDB適用事例 - Animal Land
ソーシャルゲームにおけるMongoDB適用事例 - Animal Land
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Hadoopの概念と基本的知識
Hadoopの概念と基本的知識
SparkとCassandraの美味しい関係
SparkとCassandraの美味しい関係
AlloyDBを触ってみた!(第33回PostgreSQLアンカンファレンス@オンライン 発表資料)
AlloyDBを触ってみた!(第33回PostgreSQLアンカンファレンス@オンライン 発表資料)
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
AWS Black Belt - AWS Glue
AWS Black Belt - AWS Glue
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
AWS Black Belt Online Seminar 2017 AWS Elastic Beanstalk
AWS Black Belt Online Seminar 2017 AWS Elastic Beanstalk
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ (Hadoop / Spark Conference Japan 2019)
Hadoop/Spark で Amazon S3 を徹底的に使いこなすワザ (Hadoop / Spark Conference Japan 2019)
MongoDB Oplog入門
MongoDB Oplog入門
Destaque
MongoDB on Financial Services Sector
MongoDB on Financial Services Sector
Norberto Leite
業務システムにおけるMongoDB活用法
業務システムにおけるMongoDB活用法
Yoshitaka Mori
MongoDB日本語紹介資料
MongoDB日本語紹介資料
ippei_suzuki
How Insurance Companies Use MongoDB
How Insurance Companies Use MongoDB
MongoDB
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もあり
ippei_suzuki
How Financial Services Organizations Use MongoDB
How Financial Services Organizations Use MongoDB
MongoDB
ソーシャルゲームにおけるAWS/MongoDB利用事例
ソーシャルゲームにおけるAWS/MongoDB利用事例
Masakazu Matsushita
Mongo sharding
Mongo sharding
Takahiro Inoue
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
ippei_suzuki
MongoDBで作るソーシャルデータ新解析基盤
MongoDBで作るソーシャルデータ新解析基盤
Takahiro Inoue
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
Takahiro Inoue
MongoDB全機能解説1
MongoDB全機能解説1
Takahiro Inoue
イマドキのフロントエンドエンジニアの道具箱
イマドキのフロントエンドエンジニアの道具箱
Fumio SAGAWA
Mongo DBを半年運用してみた
Mongo DBを半年運用してみた
Masakazu Matsushita
MongoDB〜その性質と利用場面〜
MongoDB〜その性質と利用場面〜
Naruhiko Ogasawara
ザ・ドキュメント~うまくいかないNoSQL~
ザ・ドキュメント~うまくいかないNoSQL~
Akihiro Kuwano
月間10億pvを支えるmongo db
月間10億pvを支えるmongo db
Yuji Isobe
AWS Black Belt Techシリーズ Amazon CloudFront
AWS Black Belt Techシリーズ Amazon CloudFront
Amazon Web Services Japan
Destaque
(18)
MongoDB on Financial Services Sector
MongoDB on Financial Services Sector
業務システムにおけるMongoDB活用法
業務システムにおけるMongoDB活用法
MongoDB日本語紹介資料
MongoDB日本語紹介資料
How Insurance Companies Use MongoDB
How Insurance Companies Use MongoDB
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もあり
How Financial Services Organizations Use MongoDB
How Financial Services Organizations Use MongoDB
ソーシャルゲームにおけるAWS/MongoDB利用事例
ソーシャルゲームにおけるAWS/MongoDB利用事例
Mongo sharding
Mongo sharding
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介
MongoDBで作るソーシャルデータ新解析基盤
MongoDBで作るソーシャルデータ新解析基盤
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
「GraphDB徹底入門」〜構造や仕組み理解から使いどころ・種々のGraphDBの比較まで幅広く〜
MongoDB全機能解説1
MongoDB全機能解説1
イマドキのフロントエンドエンジニアの道具箱
イマドキのフロントエンドエンジニアの道具箱
Mongo DBを半年運用してみた
Mongo DBを半年運用してみた
MongoDB〜その性質と利用場面〜
MongoDB〜その性質と利用場面〜
ザ・ドキュメント~うまくいかないNoSQL~
ザ・ドキュメント~うまくいかないNoSQL~
月間10億pvを支えるmongo db
月間10億pvを支えるmongo db
AWS Black Belt Techシリーズ Amazon CloudFront
AWS Black Belt Techシリーズ Amazon CloudFront
Semelhante a MongoDB概要:金融業界でのMongoDB
ビッグデータ活用とサーバー基盤
ビッグデータ活用とサーバー基盤
日本ヒューレット・パッカード株式会社
Growing up serverless
Growing up serverless
Amazon Web Services Japan
ビッグデータエコシステムとデータサイエンスのススメ
ビッグデータエコシステムとデータサイエンスのススメ
Yuki Asano
[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
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Web Services Japan
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
株式会社クライム
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
kurikiyo
Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004
Satoru Ishikawa
技術者として抑えておきたい Power BI アーキテクチャ
技術者として抑えておきたい Power BI アーキテクチャ
Yugo Shimizu
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
Insight Technology, Inc.
ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版)
ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版)
Kensuke SAEKI
プログラムの大海に溺れないために
プログラムの大海に溺れないために
Zenji Kanzaki
[CTO Night & Day 2019] AWS Database Overview -データベースの選択指針- #ctonight
[CTO Night & Day 2019] AWS Database Overview -データベースの選択指針- #ctonight
Amazon Web Services Japan
[Cloud OnAir] データ ウェアハウス モダナイゼーション 2019年10月17日 放送
[Cloud OnAir] データ ウェアハウス モダナイゼーション 2019年10月17日 放送
Google Cloud Platform - Japan
20171118 jjug snappydata
20171118 jjug snappydata
Masaki Yamakawa
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
20180217 hackertackle geode
20180217 hackertackle geode
Masaki Yamakawa
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
S01 t3 data_engineer
S01 t3 data_engineer
Takeshi Akutsu
第一回IoT関連技術勉強会 分散処理編
第一回IoT関連技術勉強会 分散処理編
tzm_freedom
Semelhante a MongoDB概要:金融業界でのMongoDB
(20)
ビッグデータ活用とサーバー基盤
ビッグデータ活用とサーバー基盤
Growing up serverless
Growing up serverless
ビッグデータエコシステムとデータサイエンスのススメ
ビッグデータエコシステムとデータサイエンスのススメ
[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
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004
技術者として抑えておきたい Power BI アーキテクチャ
技術者として抑えておきたい Power BI アーキテクチャ
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版)
ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版)
プログラムの大海に溺れないために
プログラムの大海に溺れないために
[CTO Night & Day 2019] AWS Database Overview -データベースの選択指針- #ctonight
[CTO Night & Day 2019] AWS Database Overview -データベースの選択指針- #ctonight
[Cloud OnAir] データ ウェアハウス モダナイゼーション 2019年10月17日 放送
[Cloud OnAir] データ ウェアハウス モダナイゼーション 2019年10月17日 放送
20171118 jjug snappydata
20171118 jjug snappydata
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
20180217 hackertackle geode
20180217 hackertackle geode
Big data解析ビジネス
Big data解析ビジネス
S01 t3 data_engineer
S01 t3 data_engineer
第一回IoT関連技術勉強会 分散処理編
第一回IoT関連技術勉強会 分散処理編
Mais de ippei_suzuki
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
ippei_suzuki
日本語:開発者向けのMongo dbオペレーションガイド
日本語:開発者向けのMongo dbオペレーションガイド
ippei_suzuki
日本語:Mongo dbに於けるシャーディングについて
日本語:Mongo dbに於けるシャーディングについて
ippei_suzuki
MongoDB: システム可用性を拡張するインデクス戦略
MongoDB: システム可用性を拡張するインデクス戦略
ippei_suzuki
次世代ITの時代に向けての提言:scamアーティストになれ!
次世代ITの時代に向けての提言:scamアーティストになれ!
ippei_suzuki
Cloud Computing Business Model
Cloud Computing Business Model
ippei_suzuki
Ippeis Cloud Computing Presentation(Tokyo2.0)
Ippeis Cloud Computing Presentation(Tokyo2.0)
ippei_suzuki
Mais de ippei_suzuki
(7)
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:開発者向けのMongo dbオペレーションガイド
日本語:開発者向けのMongo dbオペレーションガイド
日本語:Mongo dbに於けるシャーディングについて
日本語:Mongo dbに於けるシャーディングについて
MongoDB: システム可用性を拡張するインデクス戦略
MongoDB: システム可用性を拡張するインデクス戦略
次世代ITの時代に向けての提言:scamアーティストになれ!
次世代ITの時代に向けての提言:scamアーティストになれ!
Cloud Computing Business Model
Cloud Computing Business Model
Ippeis Cloud Computing Presentation(Tokyo2.0)
Ippeis Cloud Computing Presentation(Tokyo2.0)
Último
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
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
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
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
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
Último
(8)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
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)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
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)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
MongoDB概要:金融業界でのMongoDB
1.
MongoDB 概要 ! 鈴木逸平 ippei.suzuki@mongodb.com
2.
2 データベース技術の進化 2010 RDBMS キーバリュー/ カラムストア OLAP/DW Hadoop 2000 RDBMS OLAP/DW 1990 RDBMS オペレーショナル データベース データ ウェアハウジング Document DB NoSQL
3.
3 RDB技術の課題 データボリューム • ペタバイト級 • 兆単位のレコード •
秒速数百万件のクエリー 処理 アジャイル開発 • イテレーション • 短期開発サイクル • 新規ワークロード 新しいアーキテクチ • 水平スケーリング • 汎用サーバ • クラウド データタイプとOOP • 非構造型データ • 半構造型データ • ポリモーフィック型データ
4.
4 課題を克服するための要求 課題項目 要求事項 内容 データタイプ
階層型データ構造 今日のOOP言語のオブジェクト構造をサポートする事 データタイプ、アジ リティー ダイナミックスキーマ テーブル内の異なるデータ構造を取り扱える事 アジリティー ネーティブOOP言語 統一環境で開発を可能とし、機能/ルールを集約する ボリューム スケーラビリティ 効率よく数百テラ/ペタバイト級のデータを取り扱える事 ボリューム、新アー キテクチャ, New 性能 単一ノードで高スループットを提供し、水辺分散が出来る事 未解決 ソフトウェアコスト オープンソース+付加価値サービスの提供 未解決 データ同期性 書き込みされたデータをどれだけ早くリードできるか 未解決 クエリー機能 任意のフィールドのクエリー 例:セカンダリーインデックス 未解決 使いやすさ 習得しやすい事、開発のしやすさ
5.
5 既存データベース技術比較 要求事項 RDBMS MongoDB
キー/バリュー カラム型 階層的データ構造 △ ◎ △ ⃝ 動的スキーマ △ ◎ △ ⃝ ネーティブOOP 言語 △ ◎ ◎ ◎ スケーラビリティ △ ◎ ◎ ◎ 性能 △ ◎ ◎ ◎ 価格 △ ◎ ◎ ◎ データ保全性 ◎ ⃝ △ △ クエリー機能 ◎ ⃝ △ △ 使いやすさ ⃝ ◎ ⃝ △
6.
6 今後のアプリケーションに必要な要件 要求事項 RDBMS MongoDB
キー/バリュー カラム型 階層的データ構造 △ ◎ △ ⃝ 動的スキーマ △ ◎ △ ⃝ ネーティブOOP 言語 △ ◎ ◎ ◎ スケーラビリティ △ ◎ ◎ ◎ 性能 △ ◎ ◎ ◎ 価格 △ ◎ ◎ ◎ データ保全性 ◎ ⃝ △ △ クエリー機能 ◎ ⃝ △ △ 使いやすさ ⃝ ◎ ⃝ △
7.
7 オペレーショナルDBMSランドスケープ • 自動ジョイン機能が不要! • ドキュメント型データ! •
高速,スケーラブルR/W
8.
8 アプリケーションのデータ形式に合わせる RDB MongoDB {! customer_id
: 1, ! first_name : "Mark", ! last_name : "Smith", ! city : "San Francisco", ! accounts : [! { ! ! account_number : 13, ! ! branch_ID : 200, ! ! account_type : "Checking" ! }, ! {! account_number : 14, ! ! branch_ID : 200, ! ! account_type : ”IRA”, ! ! beneficiaries: […]! ! } ] }
9.
9 シェル データベースを直接操作す るインラインのシェル 好きな言語を利用可能 ドライバー 殆どの言語とフレームワークを サポート > db.collection.insert({name: "John
Smith", address: "10 3rd St.", phone: {home: 1234567890, mobile: 1234568138}})! > ! > db.collection.findOne() {! ! “_id”: ObjectId(“5106c1c2fc629bfe52792e86”),! ! “name”: “John Smith”, ! “address”: “10 3rd St.”, ! “phone”: { ! ! “home”: 1234567890, ! ! “mobile”: 1234568138 } } Java Python Perl Ruby Haskell JavaScript
10.
10 データモデルを一カ所で管理 アプリケーション Code Relational Database Object Relational Mapping XML Config
DB スキーマ アプリケーション Code クエリー処理 位置情報 テキスト サーチ Map Reduce Aggregation
11.
11 No SQL でありながらクエリー処理が充実 MongoDB {!
customer_id : 1, ! first_name : "Mark", ! last_name : "Smith", ! city : "San Francisco", ! accounts : [! { ! ! account_number : 13, ! ! branch_ID : 200, ! ! account_type : "Checking" ! }, ! {! account_number : 14, ! ! branch_ID : 200, ! ! account_type : "Savings" ! } ] } 高度な クエリー処理 • Markのアカウントを全て検索 • 先月アカウントを開いた人を全て捜す 位置情報 • ニューヨーク市内10マイル以内の顧客を 検索 テキストサーチ • 特定銀行を話題にした呟きを全て検索 データ統合 Aggregation • Markのアカウントの平均貯蓄額 Map Reduce • 普通口座に加え、IRAを持つ顧客のリスト
12.
12 オペレーショナルデータベースのユースケース RDBMSs キーバリュー/ カラムストア! MongoDB
13.
13 DB-Engines.com ランキング
14.
MongoDBのユーザ層
15.
MongoDB ソリューション
16.
16 MongoDB 機能の特長 Application Driver Mongos Primary Secondary Secondary Shard 1 Primary Secondary Secondary Shard
2 … Primary Secondary Secondary Shard N db.customer.insert({…})! db.customer.find({ ! name: ”John Smith”}) 1. ダイナミックスキーマ { name: “John Smith”,! date: “2013-08-01”,! address: “10 3rd St.”,! phone: {! ! home: 1234567890,! ! mobile: 1234568138 } ! } 2. 言語ドライバー 4. 高性能" - データローカリティ! - インデックス! - RAM 3. 高い可用性" - レプリカセット 5. 水平スケーラビリティ! - シャーディング
17.
17 データローカリティ の改善 性能 インメモリ キャッシング In-Place アッ プデート
18.
18 MongoDB Hadoop コネクター オペレーショナル データベース •
低レイテンシー" • 高速クエリー処理! • データベースアグリゲーション! • 既知のdata relationships • 長いジョブ" • バッチ処理の分析" • 高度な並列処理" • 未知のdata relationships" アナリティクス MongoDB-Hadoop コネクター
19.
金融業界でのMongoDB
20.
20 インベストメントバンキング 機能分野 実装されているユースケース リスク分析とレポーティング 企業内統合リスク分析プラットホーム 日中マーケットリスク分析 日中カウンターパーティリスク分析 リスクの例外ワークフロー最適化 リミット管理サービス コンプライアンス要件 柔軟なサイロ間レポーティング: Volker,
Dodd-Frank, EMIR, MiFID II, etc 長期オンライン監査証跡 統合型 Know Your Customer (KYC) レポジトリ バイサイド ポータル 対応型ポートフォリオ レポーティング トレード管理 (企業間共通)クロスプロダクトトレードマート 柔軟なOTC デリバティブトレード捕捉 フロントオフィストレーディング 戦略バックテスティング アジャイル戦略設定 戦略パフォーマンス分析 参照データ管理 参照データの配布用ハブ マーケットデータ管理 ティックデータ捕捉 ソーシャルネットワークフィード捕捉 投資アドバイザリー業務 クロスチャンネルのデータをベースとしたクロスセルサービス 拡張された投資リサーチ
21.
21 コアバンキング業務 機能分野 実装されているユースケース 顧客エンゲージメント 顧客プロファイルの統一 顧客満足度管理 応答性の良いデジタルバンキングサービス コンシューマアプリのゲーミフィケーション アジャイルな次世代デジタルプラットホーム マーケティング
複数チャネル統合の顧客活動記録収集分析 リアルタイムクロスチャネル顧客サービス提案システム ロケーションベースの提案システム リスク分析&レポーティング 企業内共通流動性リスク分析 トランザクションレポートと分析 規制遵守 柔軟なサイロ間レポーティング: Basel III, Dodd-Frank, etc. 長期オンライン監査証跡 統合型 Know Your Customer (KYC) レポジトリ 参照データ管理 グローバル参照データの配布用ハブ 支払い 企業トランザクションレポーティング 不正検知 統合的なアクセス記録レポジトリ サイバーセキュリティー脅威分析
22.
22 保険業界 機能分野 実装されているユースケース 顧客エンゲージメント 統合された顧客情報ポータル 顧客エクスペリエンス管理 アプリケーションのゲーミフィケーション アジャイルな次世代デジタルプラットホーム マーケティング
複数チャネル統合の顧客活動記録収集分析 リアルタイムクロスチャネル顧客サービス提案システム エージェントデスクトップ 迅速な顧客動向レポーティング リスク分析&レポーティング 災害リスクモデリング 流動性リスク分析 規制遵守 柔軟なサイロ間レポーティング: Basel III, Dodd-Frank, etc. 長期オンライン監査証跡 参照データ管理 グローバル参照データの配布用ハブ ポリシーカタログ 不正検知 統合的なアクセス記録レポジトリ
23.
High Availability 概要
24.
24 ドライバー High Availability: レプリカセット レプリケーション Read Write プライマリー セカンダリー セカンダリー
25.
25 High Availability: レプリカセット Read Read Consistent
Reads(整合性Read) Eventually Consistent(結果整合性 Reads) ドライバー レプリケーション Read Write プライマリー セカンダリー セカンダリー
26.
26 Read プライマリー High Availability: レプリカセット Read ドライバー セカンダリー セカンダリー
27.
27 プライマリー High Availability: レプリカセット Read Write Read 自動的な 次期リーダーの選挙 ドライバー Primary セカンダリー
28.
28 High Availability: レプリカセット Read ドライバー レプリケーション Read
セカンダリー プライマリー セカンダリー Read Write 利用環境:! • 高可用性! • 障害対策! • メンテナンス
29.
MongoDBのベストプラクティス
30.
30 • データエンティティの関係を把握しているケース • 例:
クエリーに基づいてドキュメントスキーマを設計出来る ! • クロスドキュメントトランザクションがアプリケーションの主 目的では無いケース – トランザクションロジックの重要性と比較して、MongoDBの 利点の方が大きいケース ! • 新規のアプリケーション、もしくはバックエンドのデー タアクセスAPIを変更する事が出来る場合 MongoDBの特性を活かせるケース
31.
31 ❑ 複数のソースからデータを収集一極化したい場合 ❑ アジャイル開発を採用、市場にアプリを迅速にリリースしたい場合 ❑
スキーマの変更回数が多い事が想定される場合 ❑ 非構造化データ、もしくはデータ構造のばらつきが大きいとき ❑ RDBMSではモデル化しにくい、階層型のデータ構造を持つケース(例:JSON) ❑ データが急激に増加する事が予測される、スケールアウトを活用したいケース ❑ リアルタイムのRead/Writeの性能を重視したい場合 ❑ レプリケーションやキャッシング機能を活用してTCOを出来るだけ低く抑えたいケース ❑ データベースの性能がユーザエクスペリエンスに直接影響を与えるケース ❑ リアルタイム分析やアグリゲーションを必要とする時 ❑ 正準モデル、スケール、TCO、アジリティ面でアプリケーション開発の課題を抱えている ケース Best Fit for MongoDB over RDBMS
32.
共通アーキテクチャパターンと ソリューションのケーススタディ
33.
33 課題: 分散しているデータの統合が困難 Cards Loans Deposits … データ
ウェアハウス バッチ バッチ バ ッ チ クロスサイロ アプリケーション 課題! • データが古い! • データ詳細が欠落! • 柔軟性の無いスキーマ! • 性能問題 データ マート データ マート データ マート バッチ 影響 • 情報のリアルタイム性 不足! • 顧客満足度の低下! • 機会の損失! • 収益の損失! ! バッチ バッチ レポーティング Cards 株式 Loans 債券 Deposits デリバティブ
34.
34 ソリューション: 動的スキーマと水平スケールの採用 データ ウェアハウス リアルタイム/
バッチ … トレーディング アプリケーション リスク アプリケーション 運用データハブ 効果! • リアルタイム性! • 情報の完全性! • 迅速性! • 顧客サービスの質の 向上! • 顧客収益の上昇! • 例外事項への迅速な 対応 戦略的 レポーティング 運用状況 レポーティング Cards Loans Deposits … 顧客 アカウント Cards 株式 Loans 債券 Deposits デリバティブ
35.
35 顧客ポリシーや活動情報のグローバル360度ビューを 実現 シングルビューを実現したケーススタディ: Tier 1
グローバル保険会社 課題 何故MongoDBなのか? 成果 • 顧客ポリシー管理に70種の システムと20種類のスク リーンが必要 • 顧客サービス要求のコール は殆どがコールセンター内 で別担当者に転送される。 • 顧客サービスの評価低下 • データ源のシステムの変更 が困難 • 動的なスキーマ機能を通して 70種のシステムの連携を用意 に実現! • 性能:単一データベースで全 データを運用! • レプリケーション:ローカル リード+高い可用性! • シャーディング:スケールア ウトを通して用意にデータ拡 張 • $3Mのコスト/3ヶ月の開発作 業 – 過去は同プロジェクトで $25M浪費! • 全販路に対して統一した顧客 データ統合! • サービス要求コールの転送回 数の劇的減少! • 顧客満足度の大幅向上
36.
36 課題: レガシーシステムがリアルタイム要 求に対応出来ない データ ソース
1 データ ソース 2 データ ソース N … 開示しにくいエンタプライズシステム! • メインフレーム • 基幹システム! • データウェアハウス! • スケーラブルでないシステム! ! データのバッチコピーは回数が多いと システムが遅くなる! ! ソースデータの変更がシステムに与え る影響が大! ! インパクト • 市場への対応の遅れ! • リソースの消費大! • インタフェースの変更、システム のエンハンスコスト大 アプリ 3 アプリ 1 アプリ 2 アプリ X … バッチコピー 要求に対する 遅いレスポンス
37.
37 ソリューション: 固定的なキャッシング サービスでレガシーシステムを仮想化運用 メインフ レーム EDW 基幹 システム … 利点! •
市場ニーズへの迅速な対応! • データソース変更に対する 対応も早い ! • 仮想化環境上でのデータ運 用が容易! • 低いTCOでスケーラビリ ティを格段に拡大 アプリ 3 アプリ 1 アプリ 2 アプリ X … … バッチ API バッチコピー バッチコピー
38.
38 エンタプライス間共通のデータハブを構築、エンタプ ライス内でのデータアクセスを統合 ケーススタディ: グローバル信託銀行が エンタプライズデータソースを仮想化運用 課題 何故MongoDBなのか?
成果 • データの複製がシステム間 で無数に存在する • 一つのシステムでの変更が 複数のグループに影響 • EDWのシステムレスポン スタイムが遅い • 頻繁にアクセスするデータ は集中的に管理したい,と いうニーズ • 動的なスキーマ: 必要な時だ けデータを正規化する! • 性能: 一つの論理DBで全ての データを管理・運用! • シャーディング: スケールア ウトによりデータを容易に追 加 • 一カ所からバッチ,もしくは RESTでデータアクセス可能! • 顧客向けポータルサイトのレ スポンスタイムが90%改善! • 開発期間の短縮! • データソースのエンハンスが 容易
39.
39 課題: マスターデータの変更と分散が困難 ゴールデン コピー バッチ 課題! • マスターデータのスキー マ変更が困難! •
世界中に配布されたデー タの同期確保が困難! ! ビジネスへの影響" • 同期が保証されていない データによる問題! • 必要な時にアップデート されたデータが無い! • コピー数が多い事による管 理コストが増大 バッチ バッチ バッチ バッチ バッチ バッチ バッチ
40.
40 ソリューション: 固定的な動的キャッシュ をグローバルで同期 リアルタイム ソリューション:! • 任意のスキーマでプライマリー DBにデータ追加! •
セカンダリーで同期+Readを 運用 ! 効果" • ビジネススピードに合ったデー タ運用効率! • 容易なスケールアウトによる データ運用! • TCOを大幅に削減 リアルタイム リアルタイム リアルタイム リアルタイム リアルタイム リアルタイム リアルタイム
41.
41 各拠点で迅速にローカルアクセス出来る様に、 参照データをリアルタイムで分散/配布 ケーススタディ: グローバル銀行 参照データの配布 課題 何故MongoDBなのか?
成果 • バッチ処理によるデータ配 布の遅れが最大36時間に及 ぶ • 同じデータのグローバル配 信に複数課金される • SLA未達成による規制違反 (罰金) • 同じを保有する20カ所の分 散システムを管理する必要性 • 動的スキーマ: データのロード が容易! • 自動レプリケーション: データ 配信がリアルタイム、ローカル にデータを読む事が可能! • キャッシュとデータベースの同 期: キャッシュが常にアップ デート! • 単純なデータモデリングと分 析: 変更が簡単、理解しやすい • 違反金$40,000,000を5年間の 間に節約! • データ配信に対する課金は一 回のみ! • グローバルにデータ同期と各 拠点でのローカルReadが保証 ! • 統一したグローバルデータサー ビスに移行!
42.
42 Challenge: Siloed operational applications 株式トレード 債券トレード デリバティブ トレード …
影響! • データビューがサイロ 化(個別) • 各システムのデータア クセス層と管理層の重 複! • データ統合のための個 別システムが別途開発 必要 株式システム FI システム デリバティブ システム … レポーティングレポーティングレポーティング
43.
43 Solution: Unified data
services … 効果! • 個々のアプリは独自にデー タを保存可能! • サイロ間のレポーティン グ向けにデータは自動的 に統合される! • 管理対象となるデータア クセスレイヤーの統合! 株式システム FI システム デリバティブ システム … レポーティング ……
44.
44 リアルタイムで参照データをリアルタイムでグロー バルに配布、データのローカルアクセスを実現 ケーススタディ: OTCトレードのブローカー 向けのグローバルトレーディングシステム 課題 何故MongoDBなのか?
成果 • 各アプリケーションは個 別の監査証跡機能を持つ • 全てのトレーディングア プリに統一した監査向け のデータ収集管理フレー ムワークが必要 • 全ての証券システムの異 なるデータ構造に対応す る必要がある • 動的スキーマ: 一つのデー タサービスに全てのトレー ド関連データを集約出来 る! • スケールが容易: 性能に影 響を及ぼす事無く、長期 持続的にトレード情報を 管理する事が可能! • データの長期保存管理で迅 速な市場展開が可能! • スキーマを意識する事無く、 あらゆる商品/トレード関 連データをストア可能! • 監査/レポート向けに統合 されたトレード関連情報デー タベース
45.
45 課題 5: アプリケーション開発のアジャイル 性が不足 変更要求 変更 変更 変更
46.
46 ソリューション: データモデルをアプリ ケーションに動的に合わせる
47.
47 性能: 水平スケーリング規模事例 Top 5
マーケティング 企業 米国政府省庁 Top 5 投資銀行 データ キー/バリュー 10+ フィールド数, アレ イ, ネストドキュメント 20+ フィールド数, アレ イ, ネストドキュメント クエリー キーベース 1 – 100 ドキュメント/ クエリー 80/20 read/write Compound queries Range queries MapReduce 20/80 read/write比率 Compound queries Range queries 50/50 read/write比率 サーバ台数 ~250 ~50 ~5 トラフィック 1,200,000 ops/sec 500,000 ops/sec 30,000 ops/sec
48.
48 TCO: RDBMSより70%+低い RDBMS CPU: スケールアップ系サーバ ストレージ:
SAN 開発/管理工数 CPU: 汎用サーバ ストレージ: ローカルストレージ 開発/管理工数 $1,680K $517K
49.
49 アジリティ: 100% 管理工数と比較して開 発工数にリソースを投入 MongoDBを利用
RDBMSを利用 DB管理 マッピング管理 ビジネスロジック ビジネスロジック DB 管理 マッピング管理 消費される時間の割合
50.
50 MongoDB 製品サービスラインアップ トレーニング 開発者/管理者向けトレーニングをオンライン/オンサイトで実施 MongoDB Monitoring
Service 無償のクラウドベース監視サービス MongoDB バックアップサービス クラウドベースのバックアップを提供 サブスクリプション MongoDB Enterprise, 監視, 保守サポート, コマーシャルライセンス コンサル MongoDB導入/開発/運用全般に渡る専門家によるリソース提供
51.
51 さらに情報はここから Resource Location MongoDB ダウンロード
mongodb.com/download 無償オンライントレーニング education.mongodb.com ウェビナー/イベント mongodb.com/events ホワイトペーパー mongodb.com/white-papers 事例紹介 mongodb.com/customers プレゼン資料 mongodb.com/presentations ドキュメント docs.mongodb.org 追加情報要求 info@mongodb.com リソース URL
Baixar agora