世界中のオンラインゲームやスマフォアプリの分析をしてきたPlayFab。最近、従来のイベント分析に加えて様々なテレメトリーを包含したクラウド分析機能が備わりました。今回は、その裏の Azure Data Explorer a.k.a Kusto での構成や仕組みをご紹介します。Windowsのテレメトリー分析やAzureのログ解析基盤の裏側と共通した仕掛けが含まれているのでお楽しみに！ゲーム業界に限らず、ビックデータ運用を考えている大規模なSaaS事業やIoT事業にもご参考いただけたら幸いです。 at db tech showcase ONLINE 2020 https://db-tech-showcase.com/dbts/2020/online #dbts2020 #gamestackjp ＊本資料は ２０２０年１１月１１日に開催された DB Tech Showcase イベントにてお話させていただいた、同タイトルのセッション資料となります

1. 世界中のゲーム分析をしてきたPlayFabが大進化！
一緒に裏側の最新データ探索の仕組みを覗いてみよう
Data is eating the world
マイクロソフト
グローバルブラックベルトアジア地域
ゲームサーバーアーキテクト
増渕大輔
@dmasubuchi
slideshare

2. `本日のお話
 第一部： PlayFab Insights
 ゲームの BaaS 「 PlayFab 」の分析機能 についてお話します
 従来の分析機能が大幅にバージョンアップしました（新機能＝PlayFab Insights）
 内部には、Azure Data Explorer が使われています。機構をご紹介します
 第二部： Azure Data Explorer
 Azure Data Explore についてさらにお話します
 この製品の生い立ち、過去の経緯、Microsoft社内での利用シナリオについてご紹介します

3. Kusto と Azure Data Explorer の言葉の定義
Kusto は、テレメトリ データをすばやく検索および視覚化するためのビッグデータ ログ検索および分析の社内向け
に開発されたサービスであり、開発コードです
当初はApplication Insightsや、OMS（現 Azure Monitor）のエンジンとして使われました
この社内サービス（Kusto）を一般企業向けに提供したものが、Azure Data Explorer です
ただし今でも Kusto の愛称で呼ばれることがあります。またツールやクエリーには Kusto の名前が残っています
例： Kusto Explorer、 KQL（Kusto Query Language）
今年リリースされた、PlayFabの新しい分析機能の、PlayFab Insights の基盤は、Azure Data Explorer です

4. ゲームデータ管理やマルチプレイ通信をサポート
します
ゲーム内ストア運営や、仮想通貨管理、アイテム
管理などの機能があります
様々なプラットフォームやデバイスに対応
開発者はサーバーのスキルを必用としません
プレイヤー行動ログ（イベント）を即座に可視化
ゲーム運営をスムーズにします
ゲーム向けBaaS 「PlayFab」とは？
https://playfab.com/

5. https://playfab.com/
https://www.buzzsprout.com/489403

6. PlayFab を使うと誰でも簡単にデータ設計できる
PlayFabを手に入れた
これは、数千件のオンラインゲームの
運用実績があるツールだ
データ設計のスキルＵｐの効果がある
PlayFab を 装備しますか？
> はい
いいえ

9. PlayStream
すべてのイベントのリアルタイムストリーム（と履歴）をモニター
Real-Time Segmentation
プロパティを利用して、プレーヤーをセグメント化
プレーヤーがセグメントに出入りするときにアクションをトリガー
Reports
ゲームの日次・月次の状況を、電子メール等でレポーティング
Real-Time Rules Engine
PlayStreamイベントに応答する強力なアクションとトリガーを設定
Event Filter and Search
タイムスライスを利用し、プレーヤー、イベント、エラー状態を分析

10. Microsoft Azure によって
強化された新しいログ分
析機能
アドホックなデータ探索
と分析用に最適化された
クエリ言語KQLで可視化
時系列のデータに対する
機械学習を利用した異常
検知を実装可能に

11. PlayStream Event Model reference
https://docs.microsoft.com/en-us/gaming/playfab/api-
references/events/
PlayFab内のイベントのプロパティ説明
Player、Title、など、PlayFabのデータの概念を理解していると読みとく
のはとても簡単です
Kusto の概要
https://docs.microsoft.com/ja-jp/azure/data-explorer/kusto/concepts/
Kusto のクエリ言語の説明や、よく使われ
るテーブル演算子の説明があります
チュートリアルやサンプル配下の天気データを用いることで、
実際に手を動かしながらKQLを学ぶことができます

12. ['events.all']
| take 10
// Event list
['events.all']
| distinct FullName_Name
// project(“select” in SQL): https://docs.microsoft.com/en-us/azure/data-
explorer/kusto/query/projectoperator
['events.all']
| take 10
| project EventData
// “dynamic” data type: https://docs.microsoft.com/ja-jp/azure/data-
explorer/kusto/query/scalar-data-types/dynamic
['events.all']
| take 10
| project EventData
| getschema
['events.all']
| where FullName_Name == 'player_logged_in'
| take 10
| project EventData, EventData.Source
['events.all']
| where FullName_Name == 'player_logged_in'
| take 10
| project EventData, EventData.Location.CountryCode
// extend(define new column): https://docs.microsoft.com/en-us/azure/data-
explorer/kusto/query/extendoperator
['events.all']
| where FullName_Name == 'player_logged_in'
| take 10
| project EventData
| extend ipv4adress = tostring(EventData.IPV4Address)
| extend CountryCode = tostring(EventData.Location.CountryCode)
| extend Timestamp = todatetime(EventData.Timestamp)
// DAU, NRU, Retention rate, Churn rate
let startdate = datetime(2020-03-01);
let enddate = datetime(2020-06-30);
['events.all']
| where FullName_Name == 'player_logged_in'
| evaluate activity_metrics(Entity_Id, Timestamp, startdate, endofday(enddate), 1d)
//| render timechart
// DAU, NRU, Retention rate, Churn rate by Country
let startdate = datetime(2020-03-01);
let enddate = datetime(2020-06-30);
['events.all']
| where FullName_Name == 'player_logged_in'
| extend CountryCode = tostring(EventData.Location.CountryCode)
| evaluate activity_metrics(Entity_Id, Timestamp, startdate, endofday(enddate), 1d,
CountryCode)
//| render timechart
// DAU by country
let startdate = datetime(2020-03-01);
let enddate = datetime(2020-06-30);
['events.all']
| where FullName_Name == 'player_logged_in' and Timestamp between (startdate ..
endofday(enddate))
| extend CountryCode = tostring(EventData.Location.CountryCode)
| summarize dcount(Entity_Id) by CountryCode, bin(Timestamp, 1d)
| project Timestamp, CountryCode, dcount_Entity_Id
// Power BI
['events.all’]
| where Timestamp > ago(7d)
PlayFabイベントに関する情報
詳しくは・・・ https://docs.microsoft.com/en-us/gaming/playfab/api-references/events/

14. 以前のPlayFab
• モバイル/カジュアル中心
• 小規模組織
• PlayFab 自身の情報が把握しにくかった
• 高度な分析ニーズはなかった
Microsoft への合流後
• AAAのタイトルのニーズ急増
• マルチプレイやチャットなど、PlayFab の
ワークロードが多様化
• データサイエンティストがいる
スタジオの高度な分析機会
• PlayFab 運営チーム自身が顧客の状況をリア
ルタイムで把握できるように

15. データの量・質が増えたら、分析手法も変わるべき
• PlayFab はもともと分析に強いと好評でした
• さらに、Azure に移行したことで、PlayFab Insights (Preview) の提供を開始
• プレーヤーの全体像をより把握しやすくなる
• インポート、エクスポートの柔軟性
• 様々なBIツールとの連携
• 機械学習の対応

16. PlayFab Analytics Architecture (high level)
PlayStream
PlayFab
Client
SDK
Game Manager
PlayFab.com
PlayFab Customer
Game Manager
Game Manager
PlayFab Action
Services
Ingestion
ADX Clusters
ADF
Proxy
PlayFab
Services
Logs &
Metrics
CosmosDB
Operational logs
and metrics
Tenancy
RTA
*ADX - Azure Data Explorer
*ADF - Azure Data Factory
Warehouse: Reports, Trends
etc.
AzureBlob
Scorecard compute

17. PlayFab Facts /
Dimensions
PlayFab Analytics (ETL scenarios)
PlayFab
Client
SDK
ADX Clusters
GDE004
(table per event)
CosmosDB
ADX Clusters
GDEPF001
(follower DB from GDE001)
ADF
PlayFab
Services
PlayFab Facts /
Dimensions
Power BI PF internal reportsPlayFab DB
ADX Functions
PlayFab Metrics
PlayFab Metrics
PlayFab Metrics
ADF
PlayFab Facts /
Dimensions
PlayFab Facts /
Dimensions

18. PlayFab Analytics – direct access
Powering analytics with Azure Data Explorer
• クエリの埋め込みエクスペリエンス
• 保存されたクエリ/レンダリングされたグラフ
• データのインポートとエクスポート
• スケーラブルなパフォーマンス (IPU メーター)
Connectors through Proxy

19. ADX continuous
export to Azure Blob
Manage Experiments
Experience
• UI と API を使用する
• CRUD API サーフェス
• 実験のスケジュール
• Expのコンプライアンス
• Expのアクセス制御
• コードレスExp
•
*A&E – Analytics and Experimentation
➢ Variant ID でタグ付けされ
た PlayFab Profile
(treatment)
➢ Variant ID でタグ付けされ
た PlayFab Events
➢ メトリック生成用
Azure BLOB データ
➢ Data Bricks による
スコアカード

20. Azure Data Explorer
(Kusto)
PlayFab Data Governance – GDPR
PlayFab.com
Game Manager
PlayFab
APIPurge or
Export
PlayFab SDK
Service Fabric Cluster
PCF Command
Feed Ingestion
Command Actor
Orchestrator
Actor
Table Delete Service
CRM
Management
API
PlayFab
Webhook
Stateful Service
(Partitioned by
Cluster]
Stateless Service
Stateful Actor
(Partitioned by PlayerId)
Stateful Actor
Determines Query Execution
GDPR compliance for all customers
• Data Portability: 顧客データのエクスポートを提供
• Forgottenの権利: すべてのPlayFabテレメトリの顧客データ消去
NGP Compliance (for Xbox Game Studios)
• Integrated into Microsoft Privacy Portal
DeleteMasterPlayer
ExportMasterPlayer

22. `本日のお話
 第一部： PlayFab Insights
 ゲームの BaaS である PlayFab の分析機能についてお話します
 PlayFab は従来の分析機能が大幅にバージョンアップしました
 内部には、Azure Data Explorer が使われており、その機構をご紹介します
 第二部： Azure Data Explorer
 Azure Data Explore （ADX、または Kusto ）についてさらにお話します
 この製品の生い立ち、過去の経緯、Microsoft社内での利用シナリオについてご紹介します

23. PlayFab 以外もいろいろと使われている ADX
Azure Monitor Security Products IoT
Office 365 Telemetry
Gaming

26. Kusto Basics – What & Why
• ビッグ データ ログ検索とテキスト分析
• ログ データへの格納とクエリに最適化
• クラウドベースのサービス
• 時系列データへの機械学習が優れている
• RDBMSではない
• クエリの最適化を可能にするレコードの更新
はサポートしていません
• インポート速度が速い（Ingestion の容量が大
きい）
• キホンはインメモリーデータベース（階層型
でディスクを組み合わせることも可能）
• Azure では、テレメトリ データをモダンな
データサービスに格納し、Kusto を使用して
新しいダッシュボードを構築するという大き
な流れがあった
• KQL（Kusto Query Language）はシンプルで
簡単
• 数十億行を数秒で検索
• Azureのデータセンター内部、ネットワークに
関する深い洞察を得ることができるようにな
る
• 視覚的なグラフですばやく要約する
• 迅速にCSV、Excel、プレーンテキストまたは
Power BIにエクスポートすることもできる
• 機械学習を応用して、異常検出などの追加の
シナリオの実装が簡単
• トラブルシューティングシナリオでかなり役
に立つ

27. Kusto Basics – Terminology
 すべてのデータは、固有のクラスターを介してアクセス可能
 クラスタにデータベースが含まれる
 データベースにテーブルが含まれる
 テーブルは、列と行にデータを格納 "表形式のデータ"
(Cluster)
(Database)
(Tables)

28. Kusto Basics – Exploring data
 Kusto Explorer でデータの探索を開始する最も簡単な方法
 リスト内のテーブルをダブルクリックすることです。
注意！！
この方法では実行しないでください

29. Kusto Basics – Exploring data
右のスクショの環境には24億行以上の
データが含まれていました！
制限のないクエリを実行すると、GB 相
当のデータが返され、
クラスターリソースが無駄になる可能性
があります
(2.4 Billion Rows)
ただし、Azure Data Explorer はクラスターのCore
数課金なのでクエリー課金バーストはありません
（ご安心ください）

30. Kusto Basics – Pipes & Operators
 Kusto のパイプは他のシステムの
パイピング データと同じ (UNIX、
BSD、JUNOS)
 パイプは、クエリを非常に読みやす
くします
 演算子の順序も重要
 タイムスタンプwhere句で最初に
フィルタリングするのが◎
 時間でフィルタリングするように最
適化されています

31. Kusto Basics – Limit Operator
 クエリ結果を小さなサイズに制限す
る。
 テーブル内の生データをすばやく確
認でき、データに含まれる内容、構
造を理解できます。
 右の場合は、結果をスキミングして、
デバイス名、インターフェイス、説
明、各種カウンタなどの詳細がテー
ブルに含まれているかをチェック

32. Kusto Basics – Where Operator
右のスクショでは以下の条件に合致
するルータのみを表示
 時間が過去 1 日
 tunnel を含まない
 ibr と lax を含む

33. Kusto Basics – Summarize Operator
Summarize（集計）演算の例
 TIMESTAMP列が最も近い時間にラ
ウンドされている
 T-SQL で DISTINCT を使用する場
合と似ています

34. Kusto Basics – Render Operator
Renderでデータをグラフィカルに
 右の例は(現在の時間を除く) 7 時間 の
データを取得
 TIMESTAMP で集計し、棒グラフに表
示

35. タイムチャートの例
//performance index % of requests meeting SLA (5 second)
request
|where context_data_eventTime >= now(-7d)
| summarize reqCount = count(), reqCountovr5 =
count(request_durationMetric_value > 50000000) by
context_data_eventTime bin = time(1h)
| extend pctover5s = reqCountovr5 *100.0 / reqCount
| extend pctIndex = 100.00 - pctover5s
| project context_data_eventTime , pctIndex
| render timechart
//reliability index - % of failed requests
request
| where context_data_eventTime >= now() -time(7d)
| summarize reqCount = count(), reqError =
count(request_responseCode >= 500) by
context_data_eventTime bin = time(1h)
| extend relIndex = reqError *100.00 / reqCount
| extend reliabilityIndex = 100.00 - relIndex
| project context_data_eventTime , reliabilityIndex
|render timechart

36. Kusto 続き.

37. Kusto + Power BI

38. ADXが
地味な理由
１ノード、200MB/秒のインポート速度
数十億件のクエリが1秒
1兆超のイベントを毎日処理
しかし、多くの企業にビックなデータは
ない（ゆえに営業部門では興味を持つ人が少ない）

39. “Digital feedback loops help you
better engage with your customers,
empower your employees, optimize
your operations, and reinvent
products and business models”
S. Nadela

40. Log files
Spatial & GPS
coordinates
Data market feeds
eGov feeds
Weather
Text/image
Web 2.0Advertising
Mobile
Collaboration
eCommerce
Web logs
Digital Marketing
Search Marketing
Recommendations
40
More decision makers
BigData
Megabytes
Gigabytes
Terabytes
Petabytes
Data Complexity: Velocity, Variety
ERP/CRM
Payables
Payroll
Inventory
Contacts
Deal Tracking
Sales Pipeline
Click streams
Wikis, Blogs
Sensors/RFID/
Devices
Social Sentiment
Audio/Video

41. エンジニア部門
やサポート部門
では、ADXは
絶対的な存在
7 PB 27K
MSFT ENG
MONTHLY UNIQUE USERS
Per day, at 2017
800K
CORES

42. Any append-
only stream
of records
Relational query
model:
Filter, aggregate, join,
calculated columns, …
Fully-
managed
Rapid iterations to
explore the data
High volume
High velocity
High variance
(structured, semi-
structured, free-text)
PaaS,
Vanilla,
Database
Purposely built
１センテンスで理解するADX

43. • メトリックと時系列データ
• テキスト検索とテキスト分析
• 多次元/リレーショナル分析
Comprehensive Strength
• シンプルで強力なデータ探索
• リッチ リレーショナル クエリ言語
• 全文検索
• ML Extentionの拡張性
• SQL/TDS エンドポイント
Analytics Query language
• 低遅延インジェズレーション
• 圧縮とインデックス作成
• 自動保持(リテンション設定)
• Hot/cold resource アロケーション
Data Ingestion and Management
• ハードウェアでスケールアウト
• ジオ全体でスケールアウト
• 細かいリソース使用率制御
• クロスジオでのクエリ
High performance over large data sets
Azure Data Explorer
A big data interactive platformAzure Data Explorer の内部の構造
Ingestion
Dev/BI Tools

44. Telemetry Analytics for internal Analytics Data Platform for products
AI OMS ASC Defender IOT
Interactive Analytics Big Data Platform
2015 - 2016
Israelの研究所で行われた社内のインキュ
ベーションプログラム
マイクロソフト社内のデータ分析プラッ
トフォームを作るビジョンで開始された
2019
サードパーティのオファーを試験運営
Operational Management Suite/Application
Insightsにまたがる統合プラットフォーム
クライアント/サーバー・セキュリティー
を介してブリッジされるシナリオに拡張
（IoT、テレメトリーシナリオ）
2017
パブリックプレビューは2018年後半
GAは、2019年
Kusto （現ADX）の生い立ち

45. 昔々、VSTSサービス停止とスローダウン障害発生
 SQL Azure クエリ プロセッサの互換性レベルを 100 (SQL Server 2008) から 120 (SQL Server 2014) に変更
 SQL Server 2014 クエリ オプティマイザは、カーディナリティの推定値に大幅な変更があった
 これは、クエリのメモリアロケーション算定に使用されました
 （ワーキングメモリのディスクへの流出を避けるためにクエリのメモリを事前に計算している）
 処理に必要なクエリのメモリ許可の推定値が以前の小さな値から 3.5 GB に急増
 メモリ不足を防ぐため、クエリを実行する前にバックアップされシリアル化される可能性が発生
 これによる、ジョブの渋滞が発生
 お客様の要求がタイムアウト/失敗
 解決方法はクエリに使用する最大メモリ付与をクエリ オプティマイザーに伝えるヒントを追加する
Blog: https://devblogs.microsoft.com/bharry/vs-team-services-incidents-on-feb-3-4/

46. （続き）
 SQL の互換性レベルを変更する前に、すべての SQL 待機タイプを確認
 上位の待機タイプが CXPACKET であり、並列化された部分が別の並列部分の完了を待機している
 RESOURCE_SEMAPHOREで待機しているものを見ることによってさらに掘削すると、prc_UpdateIdentitiesが支配的
 sproc に対するメモリ許可要求のタイム チャートを見ると、 SQL compat レベルに変更した瞬間から巨大なスパイクが発生
Blog: https://devblogs.microsoft.com/bharry/a-bit-more-on-the-feb-3-and-4-incidents/

47. https://devblogs.microsoft.com/bharry/a-bit-more-on-the-feb-3-and-4-incidents/
* Microsoft Edge にて機械翻訳をしています
Brian
February 6th, 2016

48. 弊社サービスのボリューム例 （５－６年前）
1 MILLION
1 秒あたりのイベント数
78 TB
1 日あたりに取り込むデータ
20 PB
2013年 XX 月の処理データ合計
99.99%
2013年 XX 月以降のコレクターの可用性
75 SECONDS
PUB-SUB へのイベントの 99.9% の待機時間
390 MILLION
デバイスとサービスの接続の数
1.8 MILLION
データ サービスに対する 1 日あたりのクエリ
1000 VIEWS
ポータルの 1 日あたりのページ ビュー
このような巨大SaaSサービスがAzure Data Explorer（ADX）のユーザーです
最近は、社内の承認アプリや Oderアプリにも使われ始めています

49. Azure Data Explorer を使う主な目的
素晴らしいクラウドサービスを開発・運用するチームづくりには絶対に必要
1. Monitorするため
品質、製品健全性、ユーザーインサイト、ビジネス指標における監視とアクション
2. Correlate による作業効率化
クラウド、モバイル、Web アプリ間のデータの意味付け
3. Security を確保するため
準拠した方法でのコンシューマ・企業データのセキュリティ
4. Interop で好きなツールやデータにつなぐため
他のデータ セットおよびテクノロジとの相互運用

50. Engineer Raw Data Cooked
Data
Alerts
Dashboards
Cosmos
Data Apps
Diagnostics
Services
Data
Processing
“Analyze”
“Debug”
“Mine”
“Glance”
“Monitor”
Data Information
データサイエンティストやビジネ
スアナリストの助けを借りて
チームは、KPI から開始し、ドリルダウンして実行可能な
ステップを特定し、優先順位を付け、洞察を得ることが
できる
エンジニアは
彼らが素早く洞察を得ること
ができる
魔法はここで起こる
生データを、迅速に問い合わせることができる意味の
ある洞察に変換する
IntelligenceInsight
Democratize access to data-driven insight
データに関する深い専門知識, 洗練された分析
“Log”
Service/Client Feedback “Tune”
Clients
高レベルのシナリオをサポート
監視、診断、軽減、異常検出、実験、本番でのテスト
KPI 主導のアクション

51. なぜこれらの
訪問者は買い
物カゴを放棄
するのです
か?
最も不満な
ユーザーは誰
ですか?
お客様がこの
コンテンツを
クリックしな
いのはなぜで
すか?
生産品質に影
響を与えるも
のは何です
か?
何の背後にあ
る理由を理解
する
サービスのパ
ターンを深く
理解する
創発的な行動
と傾向を発見
する
新しいアイデ
アを刺激でき
る予期しない
パターンを発
見する

52. 2019 GA 以降、徐々に 顧客事例登場
 クラウド化
 巨大化するサービス
 デジタルデータ肥大化
 データ活用の重要性
大規模なIoTアプリケーション
> 数十億のセンサー、製造設備、車両からのテレメトリー監視
ビッグ データ ログの分析が必要な企業
> アドネットワーク、オンラインゲーム、ニュースサイト等
推奨コンテンツ、異常検知、データサイエンティスト負荷軽減
成長したSaaSアプリケーション
> トレンドの発見、パーソナライズされた体感の提供

53. Azure Data Explorer
Estimating costsコスト計算ツール
 https://aka.ms/adx.cost

54. Azureの利用の気を付けるべき点やチューニングのヒント、設計パターンを提案する
公式ドキュメント （URL： https://docs.microsoft.com/ja-jp/azure/architecture/ ）
ワークロード「Analytics」の配下に、Azure Data Explorer を利用したパターンが
４つほどあります

55. 注意： ADXはデータウェアハウス処理が苦手です
Modern data warehousing Real-time analytics
リアルタイムで様々な
サービス、デバイスから
洞察を得る
Machine Learning
高度な異常検知のための
分析プラットフォーム
複数のソースから、さまざま
な形式でデータを分析
ここが得意

56. Kusto の 名前の意味は
何だと思いますか？
最後に問題です

57. ジャック＝イヴ・クストー Jacques-Yves Cousteau
彼の名前が由来のようです（ precision_score = ??? ）
1930年にフランス海軍に参加。潜水用の呼吸装置スクーバ（商品
名:アクアラング）の発明者の一人として知られる。
水中考古学を始めた人物でもある。
1957年、海軍大佐で海軍を退役し、モナコ海洋博物館長に就任。
1959年海の国連と呼ばれる世界水中連盟CMASを創設。1971年に
ベリーズのグレート・ブルーホールを訪れ、世界のトップダイビ
ングスポットに選定した[1]。1992年の地球サミットで環境破
壊・海洋汚染を警告し、母国フランスの核実験再開を激しく批判。
赤いニット帽がトレードマーク。「海の恋人」と呼ばれていた。
（日本版Wikipediaより抜粋）
“Explore the ocean of data”
という言葉を残してます

58. Explore the ocean of data with Kusto

59. ThinkIT紙にご紹介いただきました
山田様・宮城様のビックデータ基盤の記事に Azure Data Explorer が取り
上げられました。Microsoft Azure、GCP(Google Cloud Platform)、
AWS(Amazon Web Services)の３社が展開する基盤の比較も掲載予定
https://thinkit.co.jp/series/9868

60. Product
 Product Page: http://aka.ms/AzureDataExplorer
 Docs: https://aka.ms/adx.docs
 Pricing Page: https://azure.microsoft.com/en-us/pricing/details/data-explorer/
 Cost Estimator: http://aka.ms/adx.cost
Demos
 Scott Guthrie’s Keynote (ADX Announcement/Demo)
 Rohan Kumar’s Keynote (ADX Announcement/Demo)
 Scott Guthrie’s in Techorama (Scott’s demo)
Blogs
 Announcement: https://azure.microsoft.com/en-in/blog/introducing-azure-data-explorer/
 Whitepaper: https://azure.microsoft.com/en-us/resources/azure-data-explorer/en-us/
 101 blog: https://azure.microsoft.com/en-us/blog/azure-data-explorer-technology-101/
Social and Community
 Twitter: @AzDataExplorer
 Stack overflow: https://stackoverflow.com/search?q=Azure+Data+Explorer
 Tech Community: https://techcommunity.microsoft.com/t5/Azure-Data-Explorer/bd-p/Kusto
リンク集

61. ご清聴いただき、ありがとうございました。
世界中のゲーム分析をしてきたPlayFabが大進化！
一緒に裏側の最新データ探索の仕組みを覗いてみよう
マイクロソフト
グローバルブラックベルトアジア地域
ゲームサーバーアーキテクト
増渕大輔
Data is eating the world
@dmasubuchi
slideshare