Suche senden
Hochladen
20180217 hackertackle geode
•
0 gefällt mir
•
1,931 views
M
Masaki Yamakawa
Folgen
2018/2/17 Hacker Tackle@LINE福岡
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 37
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
Data x AI x API で考えるビジネスインフラ
Data x AI x API で考えるビジネスインフラ
Daiyu Hatakeyama
20180627 databricks ver1.1
20180627 databricks ver1.1
Hirono Jumpei
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
Daiyu Hatakeyama
WebDB Forum 2012 基調講演資料
WebDB Forum 2012 基調講演資料
Recruit Technologies
Azure Datalake 大全
Azure Datalake 大全
Daiyu Hatakeyama
20220331_DSSA_MigrationToYugabyteDB
20220331_DSSA_MigrationToYugabyteDB
Masaki Yamakawa
【14-B-2】グリーを支えるデータ分析基盤の過去と現在(橋本泰一〔グリー〕)
【14-B-2】グリーを支えるデータ分析基盤の過去と現在(橋本泰一〔グリー〕)
Developers Summit
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hideo Takagi
Empfohlen
Data x AI x API で考えるビジネスインフラ
Data x AI x API で考えるビジネスインフラ
Daiyu Hatakeyama
20180627 databricks ver1.1
20180627 databricks ver1.1
Hirono Jumpei
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
Daiyu Hatakeyama
WebDB Forum 2012 基調講演資料
WebDB Forum 2012 基調講演資料
Recruit Technologies
Azure Datalake 大全
Azure Datalake 大全
Daiyu Hatakeyama
20220331_DSSA_MigrationToYugabyteDB
20220331_DSSA_MigrationToYugabyteDB
Masaki Yamakawa
【14-B-2】グリーを支えるデータ分析基盤の過去と現在(橋本泰一〔グリー〕)
【14-B-2】グリーを支えるデータ分析基盤の過去と現在(橋本泰一〔グリー〕)
Developers Summit
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hideo Takagi
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
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
Hideo Takagi
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
Azure DataLake 大全
Azure DataLake 大全
Daiyu Hatakeyama
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
Microsoft AI セミナー - Microsoft AI Platform
Microsoft AI セミナー - Microsoft AI Platform
Daiyu Hatakeyama
20190517 Spark+AI Summit2019最新レポート
20190517 Spark+AI Summit2019最新レポート
Ryoma Nagata
RDBNoSQLの基礎と組み合わせDB構成をちょっとよくする話
RDBNoSQLの基礎と組み合わせDB構成をちょっとよくする話
Shohei Kobayashi
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もあり
ippei_suzuki
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDB
ippei_suzuki
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
dots. ビッグデータオールスターズ: Azure 畠山
dots. ビッグデータオールスターズ: Azure 畠山
Daiyu Hatakeyama
Delta Lake with Synapse dataflow
Delta Lake with Synapse dataflow
Ryoma Nagata
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
Hideo Takagi
AI研究を加速するオープンデータ
AI研究を加速するオープンデータ
Deep Learning Lab(ディープラーニング・ラボ)
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
BigData Architecture for Azure
BigData Architecture for Azure
Ryoma Nagata
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
Weitere ähnliche Inhalte
Was ist angesagt?
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
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
Hideo Takagi
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
Azure DataLake 大全
Azure DataLake 大全
Daiyu Hatakeyama
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
Microsoft AI セミナー - Microsoft AI Platform
Microsoft AI セミナー - Microsoft AI Platform
Daiyu Hatakeyama
20190517 Spark+AI Summit2019最新レポート
20190517 Spark+AI Summit2019最新レポート
Ryoma Nagata
RDBNoSQLの基礎と組み合わせDB構成をちょっとよくする話
RDBNoSQLの基礎と組み合わせDB構成をちょっとよくする話
Shohei Kobayashi
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もあり
ippei_suzuki
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
Hideo Takagi
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDB
ippei_suzuki
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
dots. ビッグデータオールスターズ: Azure 畠山
dots. ビッグデータオールスターズ: Azure 畠山
Daiyu Hatakeyama
Delta Lake with Synapse dataflow
Delta Lake with Synapse dataflow
Ryoma Nagata
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
Hideo Takagi
AI研究を加速するオープンデータ
AI研究を加速するオープンデータ
Deep Learning Lab(ディープラーニング・ラボ)
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
BigData Architecture for Azure
BigData Architecture for Azure
Ryoma Nagata
Was ist angesagt?
(20)
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
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Azure DataLake 大全
Azure DataLake 大全
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
Microsoft AI セミナー - Microsoft AI Platform
Microsoft AI セミナー - Microsoft AI Platform
20190517 Spark+AI Summit2019最新レポート
20190517 Spark+AI Summit2019最新レポート
RDBNoSQLの基礎と組み合わせDB構成をちょっとよくする話
RDBNoSQLの基礎と組み合わせDB構成をちょっとよくする話
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もあり
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDB
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
dots. ビッグデータオールスターズ: Azure 畠山
dots. ビッグデータオールスターズ: Azure 畠山
Delta Lake with Synapse dataflow
Delta Lake with Synapse dataflow
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
AI研究を加速するオープンデータ
AI研究を加速するオープンデータ
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
BigData Architecture for Azure
BigData Architecture for Azure
Ähnlich wie 20180217 hackertackle geode
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
20221117_クラウドネイティブ向けYugabyteDB活用シナリオ
20221117_クラウドネイティブ向けYugabyteDB活用シナリオ
Masaki Yamakawa
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
MapR Technologies Japan
コンテナ環境でJavaイメージを小さくする方法!
コンテナ環境でJavaイメージを小さくする方法!
オラクルエンジニア通信
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
Ocha_MLflow_MLOps.pdf
Ocha_MLflow_MLOps.pdf
Kenichi Sonoda
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
MapR Technologies Japan
OSC 2012 Microsoft Session [マイクロソフトの魅せるセンサー×クラウド技術]
OSC 2012 Microsoft Session [マイクロソフトの魅せるセンサー×クラウド技術]
Aya Tokura
QConTokyo2015「Sparkを用いたビッグデータ解析 〜後編〜」
QConTokyo2015「Sparkを用いたビッグデータ解析 〜後編〜」
Kazuki Taniguchi
Developers.IO 2019 Effective Datalake
Developers.IO 2019 Effective Datalake
Satoru Ishikawa
Core Data バッドプラクティス
Core Data バッドプラクティス
Kaname Noto
JAWS DAYS 2022
JAWS DAYS 2022
陽平 山口
ゲームだけじゃないHTML5
ゲームだけじゃないHTML5
Osamu Shimoda
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
terurou
地方企業がソーシャルゲーム開発を成功させるための10のポイント
地方企業がソーシャルゲーム開発を成功させるための10のポイント
Kentaro Matsui
MapReduceを置き換えるSpark 〜HadoopとSparkの統合〜 #cwt2015
MapReduceを置き換えるSpark 〜HadoopとSparkの統合〜 #cwt2015
Cloudera Japan
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
Ähnlich wie 20180217 hackertackle geode
(20)
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
20221117_クラウドネイティブ向けYugabyteDB活用シナリオ
20221117_クラウドネイティブ向けYugabyteDB活用シナリオ
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
コンテナ環境でJavaイメージを小さくする方法!
コンテナ環境でJavaイメージを小さくする方法!
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Ocha_MLflow_MLOps.pdf
Ocha_MLflow_MLOps.pdf
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
OSC 2012 Microsoft Session [マイクロソフトの魅せるセンサー×クラウド技術]
OSC 2012 Microsoft Session [マイクロソフトの魅せるセンサー×クラウド技術]
QConTokyo2015「Sparkを用いたビッグデータ解析 〜後編〜」
QConTokyo2015「Sparkを用いたビッグデータ解析 〜後編〜」
Developers.IO 2019 Effective Datalake
Developers.IO 2019 Effective Datalake
Core Data バッドプラクティス
Core Data バッドプラクティス
JAWS DAYS 2022
JAWS DAYS 2022
ゲームだけじゃないHTML5
ゲームだけじゃないHTML5
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
地方企業がソーシャルゲーム開発を成功させるための10のポイント
地方企業がソーシャルゲーム開発を成功させるための10のポイント
MapReduceを置き換えるSpark 〜HadoopとSparkの統合〜 #cwt2015
MapReduceを置き換えるSpark 〜HadoopとSparkの統合〜 #cwt2015
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Mehr von Masaki Yamakawa
20231111_YugabyteDB-on-k8s.pdf
20231111_YugabyteDB-on-k8s.pdf
Masaki Yamakawa
20211118 dbts2021 マイクロサービスにおけるApache Geodeの効果的な使い方
20211118 dbts2021 マイクロサービスにおけるApache Geodeの効果的な使い方
Masaki Yamakawa
20190523 IMC meetup-IMDG&DS
20190523 IMC meetup-IMDG&DS
Masaki Yamakawa
20181031 springfest spring data geode
20181031 springfest spring data geode
Masaki Yamakawa
Apache geode at-s1p
Apache geode at-s1p
Masaki Yamakawa
20171125 springfest snappydata
20171125 springfest snappydata
Masaki Yamakawa
20171118 jjug snappydata
20171118 jjug snappydata
Masaki Yamakawa
Geode hands-on
Geode hands-on
Masaki Yamakawa
インメモリーデータグリッドの選択肢
インメモリーデータグリッドの選択肢
Masaki Yamakawa
インメモリーで超高速処理を実現する場合のカギ
インメモリーで超高速処理を実現する場合のカギ
Masaki Yamakawa
超高速処理とスケーラビリティを両立するApache GEODE
超高速処理とスケーラビリティを両立するApache GEODE
Masaki Yamakawa
Mehr von Masaki Yamakawa
(11)
20231111_YugabyteDB-on-k8s.pdf
20231111_YugabyteDB-on-k8s.pdf
20211118 dbts2021 マイクロサービスにおけるApache Geodeの効果的な使い方
20211118 dbts2021 マイクロサービスにおけるApache Geodeの効果的な使い方
20190523 IMC meetup-IMDG&DS
20190523 IMC meetup-IMDG&DS
20181031 springfest spring data geode
20181031 springfest spring data geode
Apache geode at-s1p
Apache geode at-s1p
20171125 springfest snappydata
20171125 springfest snappydata
20171118 jjug snappydata
20171118 jjug snappydata
Geode hands-on
Geode hands-on
インメモリーデータグリッドの選択肢
インメモリーデータグリッドの選択肢
インメモリーで超高速処理を実現する場合のカギ
インメモリーで超高速処理を実現する場合のカギ
超高速処理とスケーラビリティを両立するApache GEODE
超高速処理とスケーラビリティを両立するApache GEODE
Kürzlich hochgeladen
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
sn679259
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Kürzlich hochgeladen
(11)
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
20180217 hackertackle geode
1.
Apache Geodeで学ぶ! インメモリーデータグリッド 2018.02.17 Sat. HACKER
TACKLE ハカタクル? #hackt
2.
自己紹介 山河 征紀 ウルシステムズ株式会社 マネージングコンサルタント { “分野”:”金融系” “得技”:[“分散処理”, “インメモリー処理”] “趣味”:”マラソン” } 1
3.
本日のトーク microservices – application
databases Command Query Responsibility Segregation 2 マイクロサービス、CQRSで使える NoSQLデータベース「Apache Geode」
4.
よくあるRDB中心のアーキテクチャ Part 1
5.
データベース、使ってますか? • データの内容を確認する場合、ものすごく便利 • ただし、アプリケーションから使う場合は・・・ 4 JVM アプリケーション JDBC リレーショナルデータモデル オブジェクト
インピーダンス ミスマッチ オブジェクト vs リレーショナルデータモデル
6.
様々なO/Rマッパーの登場 • O/Rマッパーを使用することでデータモデルの差異を吸収して煩わしい作業が不要に 5 JVM アプリケーション JDBC リレーショナルデータモデル オブジェクト O/R マッパー
7.
先入観?そもそもRDBいらなくないか? • 使いたいのはオブジェクト、RDBに保存したいわけではない • RDBは昔からあったから使っているだけ? 6 JVM アプリケーション JDBC リレーショナルデータモデル オブジェクト O/R マッパー ?? ? ?? ?
8.
例えばこんなことができれば・・・ 7 メモリー中のオブジェクトの共有 オブジェクトへのトランザクション処理 オブジェクトへのクエリー 非同期イベント処理
9.
これが出来るのがApache Geode 8
10.
Apache Geodeとは? Part 2
11.
Apache Geodeとは? 10 インメモリー データグリッド製品 主要なインメモリーデータグリッド製品
12.
インメモリーデータグリッドとは? • 複数のサーバーを束ねて、一つの仮想的なメモリー空間を作り出す技術 巨大なメモリー空間 11
13.
Geodeの特徴 12 超高速インメモリー処理 高可用性 書き込み処理のスケールアウト トランザクション処理 1 2 3 4
14.
サーバ JVM アプリケーション RDB サーバ サーバ JVM JVM アプリケーション アプリケーション インメモリー データグリッド サーバ JVM アプリケーション 特徴①超高速インメモリー処理: 大事なのは、どの部分のメモリーを使うのか? • RDBでもメモリーを使用して処理を高速化している • インメモリーデータグリッドはアプリケーションと同じメモリー空間を共有するため速い 13 メモリー RDBの場合
インメモリーデータグリッドの場合
15.
サーバ JVM アプリケーション RDB サーバ サーバ JVM JVM アプリケーション アプリケーション インメモリー データグリッド サーバ JVM アプリケーション 特徴①超高速インメモリー処理: やりたいのはO/Rマッピングでなくオブジェクトの共有では? • RDBではJavaとRDBの間でO/Rマッピングが必要 • アプリケーションが使用するデータはKey-Value形式でオブジェクトのまま保持 14 RDBの場合
インメモリーデータグリッドの場合
16.
特徴①超高速インメモリー処理: メモリーによる処理が速いはご存知の通り • RDBと比較して1000倍のスループット データ参照先 スループット インメモリーデータグリッド (同一JVM) 1,103,347
TPS インメモリーデータグリッド (別JVM) 2,617 TPS RDB 1,100 TPS 400倍 1000倍 データ参照時スループット 15
17.
特徴②高可用性: メモリーといえど高可用性を実現できる • インメモリーデータグリッドは、データを各サーバーのメモリー上に分散保持してくれる データB コピー Apache Geodeクラスター データA コピー データA データB 16
18.
特徴②高可用性: メモリーといえど高可用性を実現できる • インメモリーデータグリッドは、データを各サーバーのメモリー上に分散保持してくれる データB コピー Apache Geodeクラスター データA コピー データA データB 17
19.
Cache cache =
new CacheFactory() .set("cache-xml-file", “cache.xml").create(); Region<Integer, Employee> region = cache.getRegion(“Employee"); Integer key = 1; Employee employee = new Employee(…); // データ登録 region.put(key, employee); // データ取得 Employee value = region.get(key); // データ削除 region.remove(key); 特徴②高可用性: APから見た使い方も簡単 • java.util.Mapを使用してる感覚でデータが分散される • APからはクラスター、冗長化を意識する必要はない 18
20.
特徴③書き込み処理のスケールアウト: P2Pアーキテクチャー • データ読み込みのみならず、サービスの呼び出し頻度により書き込みも増減可能 • ノード数に比例して処理性能を高めることができる ・・・データベース ・・・ RDBの場合
Apache Geodeの場合 サービス 業務処理 キャッ シュ サービス 業務処理 キャッ シュ サービス 業務処理 キャッ シュ サービス 業務処理 Apache Geode サービス 業務処理 Apache Geode サービス 業務処理 Apache Geode スケール アウト 19
21.
特徴④トランザクション処理: RDBと同じようにトランザクション処理もできる • RDBと同じようにトランザクション処理ができる • ただし、楽観ロックとなるため、競合が発生した場合は例外となる 20 CacheTransactionManager
txManager = cache.getCacheTransactionManager(); try { // トランザクション開始 txManager.begin(); regionA.put("KEY", value1); regionB.put("KEY", value2); // コミット txManager.commit(); } catch (Exception e) { // ロールバック txManager.rollback(); throw e; } リージョンA リージョンB 成功 失敗 トランザクション リージョンAの処理も ロールバックできる
22.
マイクロサービスにおける Apache Geodeの使い方 - Command
Query Responsibility Segregation - Part 3
23.
読み込みと書き込みの責務を分けて 独立してスケールアウトもできるようにしたい • Apache Geodeならデータストアも簡単に分離できる 22 注文を 登録する データ連携 Command Model Query Model Apache Geode Apache Geode 注文を 検索する 注文を 登録する Model Database 注文を 検索する 一般的なデータアクセス CQRSのデータアクセス (Apache
Geode)
24.
JVM JVM リアルタイムキャッシュ • Apache Geodeではメモリー中のデータを管理するサーバーとクライアントがある •
クライアントはサーバーから必要なデータのみを取得しリアルタイムでキャッシュする • QueryModelではキャッシュといえど常に最新のデータがメモリー中に存在する 23 注文を 登録する Command Model Query Model Apache Geode (DataServer) Apache Geode (Client) 注文を 検索する CQRSのデータアクセス (Apache Geode) リアルタイム キャッシュ 変更内容はサーバーから Push更新される メモリー 参照
25.
Object Query Language(OQL)(1) •
データを取得する際はキーを指定した取得が基本となるが、クライアントキャッシュに対してク エリーを実行することも出来る 24 public class Order { private int ordreId; private String customerId; private String productCd; private Date orderDate; private int amount; private double price; ・・・ ・・・ } SELECT * FROM /Order ord WHERE ord.amount >= 500 JVM Query Model Apache Geode (Client) 注文を 検索する メモリー 参照 500以上の注文データを取得する場合のクエリー クエリー対象のオブジェクト
26.
Object Query Language(OQL)(2) •
データ量が多い場合はサーバーに対してパラレルクエリー実行する 25 JVM Query Model 注文を 検索する Apache Geodeクラスター Apache Geode (DataServer) Apache Geode (DataServer) Apache Geode (DataServer) ・・・
27.
マイクロサービスにおける Apache Geodeの使い方 - Orchestration
and Choreography - Part 4
28.
サービス間を疎結合にしたい • Apache Geodeなら非同期イベント処理が簡単にできる 27 注文 サービス 注文を 登録する 取引所へ 発注 注文受付 メール送信 注文 イベント 注文を 登録する 取引所へ 発注 注文受付 メール送信 オーケストレーション型のサービス Pub/Sub型でのサービス連携 (Apache
Geode) Apache Geode
29.
Pub/SubもできるNoSQLデータベース • データをApache Geodeに保持しつつ、非同期イベントをSubscriberへ配信する •
Subscriberは事前に登録した条件に合致するイベントのみ取得する 28 JVM 注文を 登録する Command Model Apache Geode (DataServer) 注文 イベント 取引所へ 発注 注文受付 メール送信 ・・・ イベントは事前に登 録したもののみ取得 される 取得対象 イベント登録 サービス (Subscriber)
30.
イベント処理のコード例 • クライアント(Subscriber)は取得したいイベントの条件と、イベントが発生した場合の処 理を実装する 29 Region<String, Order>
region = cache.getRegion(“Order"); // 取得対象イベントのキーを正規表現で指定 region.registerInterestRegex(".*"); public class OrderListener implements CacheListener<String, Order> { @Override public void afterCreate( EntryEvent<String, Order> event) { // 登録、追加、削除等のイベント種別毎に実装できる } @Override public void afterUpdate( EntryEvent<String, Order> event) { // 任意のイベント処理、変更前後のデータが取得できる } … 全ての注文イベントを取得する場合 イベント処理の実装
31.
Continuous Query • Continuous
Queryを使うことでキー以外の条件でイベント処理できる • Continuous QueryではOQLを登録しておき、結果が変更となった場合にイベントが取得 出来る 30 Apache Geode (DataServer) 注文 イベント 取引所へ 発注 注文受付 メール送信 ・・・ サービス (Subscriber) SELECT * FROM /Order ord WHERE ord.productCd <> 'ABC' 特定銘柄の場合のみメール送信しない Continuous Query 全イベント 取得
32.
非同期イベントでQueryに最適化したデータを作る • 検索しづらい場合は、非同期イベントでクエリーに最適化したデータを作る • パフォーマンス向上のためキーで検索できるようにする •
JOINを不要とするため非正規化したデータモデルを作る • 集計処理、等 31 JVM JVM 注文を 登録する Command Model Query Model Apache Geode Apache Geode (Query最適化データ) 注文を 検索する メモリー 参照 注文 イベント Queryに 最適化
33.
Apache Geodeファミリー Part 5
34.
ビッグデータリアルタイム分析ならSnappyData! • Apache Sparkとインメモリーデータベースを統合し、独自機能を付加 •
分散インメモリーデータベースの足回りにApache Geodeを使用 分散インメモリー データベース 独自付加機能 カラム型データベース 予測分析処理 ロー型データベース トランザクション 分散処理 フレームワーク バッチ処理 分析処理 ストリーム処理 33 Powerd by
35.
Apache Geodeサマリー Part 6
36.
Apache Geodeサマリー 35 インメモリーで速い 読み込み、書き込みともスケールアウトできる 柔軟なイベント処理ができる マイクロサービスやCQRSで使いやすい
37.
お問合せ先 mailto: info@ulsystems.co.jp http://www.ulsystems.co.jp 36
Jetzt herunterladen