SlideShare une entreprise Scribd logo
1  sur  29
Télécharger pour lire hors ligne
オープニングセッション
db tech showcaseから⾒る
データマネージメントテクノロジー
株式会社インサイトテクノロジー COO / 森⽥ 俊哉
Copyright @2019 Insight Technology, Inc. All Right Reserved
⾃⼰紹介
■名前 森⽥ 俊哉 / Toshiya Morita
■所属
株式会社インサイトテクノロジー(2013)
取締役副社⻑ 兼 COO(2018)
■過去の職歴
[⽇⽴製作所] ⽇⽴半導体組み⽴て⼯程技術者
[独⽴系SIer] C⾔語プログラマー/C⾔語デバッガー
UNIX管理者
Oracle DBA
データベースチューニング
データベーストラブルシューティング
Platinum Sponsors
Gold Sponsors
Silver Sponsors
Thank you
1300
Thank you!
Copyright @2019 Insight Technology, Inc. All Right Reserved
2012 db tech showcase
4
Copyright @2019 Insight Technology, Inc. All Right Reserved
2017
34
Copyright @2019 Insight Technology, Inc. All Right Reserved
2018
37(-9+12)
Copyright @2019 Insight Technology, Inc. All Right Reserved
2019
38(-16+17)
Copyright @2019 Insight Technology, Inc. All Right Reserved
扱えるデータベース TOP20推移 (選択肢の数)
2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89)
1 Oracle Oracle Oracle Oracle Oracle
2 MySQL MySQL MySQL MySQL MySQL
3 PostgreSQL Microsoft SQL Server PostgreSQL PostgreSQL PostgreSQL
4 Microsoft SQL Server PostgreSQL Microsoft SQL Server Microsoft SQL Server Microsoft SQL Server
5 DB2 MongoDB Hadoop Access Access
6 Hadoop DB2 MongoDB MariaDB MariaDB
7 MongoDB Hadoop DB2 SQLite Amazon Aurora
8 MariaDB Hive MariaDB Hadoop Db2
9 Hive MariaDB Hive Db2 MongoDB
10 Cloudera Cloudera Spark MongoDB Amazon Redshift
11 Amazon Redshift Vertica Amazon Redshift Amazon Aurora Hadoop
12 MapR Amazon Redshift Vertica Spark SQLite
13 HiRDB Netezza Cloudera Amazon Redshift Spark
14 Amazon DynamoDB Teradata Netezza Redis Amazon DynamoDB
15 Netezza Cassandra Cassandra Amazon DynamoDB Hive
16 Greenplum Amazon DynamoDB Amazon Aurora Hive Azure SQL Database
17 Impala SAP HANA Amazon DynamoDB Azure SQL Database Redis
18 Vertica MapR Google BigQuery Google BigQuery Elasticsearch
19 Sybase ASE Impala SQL Azure Cassandra Oracle Cloud
20 Cassandra HiRDB MapR Memcached Hbase
Copyright @2019 Insight Technology, Inc. All Right Reserved
扱えるデータベース TOP20推移 (選択肢の数)
2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89)
1 Oracle Oracle Oracle Oracle Oracle
2 MySQL MySQL MySQL MySQL MySQL
3 PostgreSQL Microsoft SQL Server PostgreSQL PostgreSQL PostgreSQL
4 Microsoft SQL Server PostgreSQL Microsoft SQL Server Microsoft SQL Server Microsoft SQL Server
5 DB2 MongoDB Hadoop Access Access
6 Hadoop DB2 MongoDB MariaDB MariaDB
7 MongoDB Hadoop DB2 SQLite Amazon Aurora
8 MariaDB Hive MariaDB Hadoop Db2
9 Hive MariaDB Hive Db2 MongoDB
10 Cloudera Cloudera Spark MongoDB Amazon Redshift
11 Amazon Redshift Vertica Amazon Redshift Amazon Aurora Hadoop
12 MapR Amazon Redshift Vertica Spark SQLite
13 HiRDB Netezza Cloudera Amazon Redshift Spark
14 Amazon DynamoDB Teradata Netezza Redis Amazon DynamoDB
15 Netezza Cassandra Cassandra Amazon DynamoDB Hive
16 Greenplum Amazon DynamoDB Amazon Aurora Hive Azure SQL Database
17 Impala SAP HANA Amazon DynamoDB Azure SQL Database Redis
18 Vertica MapR Google BigQuery Google BigQuery Elasticsearch
19 Sybase ASE Impala SQL Azure Cassandra Oracle Cloud
20 Cassandra HiRDB MapR Memcached Hbase
Copyright @2019 Insight Technology, Inc. All Right Reserved
聞いてみたいデータベース TOP20推移 (選択肢の数)
2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89)
1 Oracle Oracle Oracle PostgreSQL PostgreSQL
2 MySQL MySQL MySQL MySQL MySQL
3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora
4 Microsoft SQL Server MongoDB Spark Oracle Oracle
5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift
6 Hadoop Hadoop Hadoop Spark MariaDB
7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery
8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop
9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark
10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB
11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB
12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database
13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB
14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL
15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud
16 Impala Vertica Apache Kafka Cassandra Cassandra
17 Couchbase Impala MapR Google Cloud SQL Apache Kafka
18 Presto Cloudera Hive SAP HANA Google Cloud Spanner
19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA
20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
Copyright @2019 Insight Technology, Inc. All Right Reserved
聞いてみたいデータベース TOP20推移 (選択肢の数)
2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89)
1 Oracle Oracle Oracle PostgreSQL PostgreSQL
2 MySQL MySQL MySQL MySQL MySQL
3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora
4 Microsoft SQL Server MongoDB Spark Oracle Oracle
5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift
6 Hadoop Hadoop Hadoop Spark MariaDB
7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery
8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop
9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark
10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB
11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB
12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database
13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB
14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL
15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud
16 Impala Vertica Apache Kafka Cassandra Cassandra
17 Couchbase Impala MapR Google Cloud SQL Apache Kafka
18 Presto Cloudera Hive SAP HANA Google Cloud Spanner
19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA
20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
Copyright @2019 Insight Technology, Inc. All Right Reserved
聞いてみたいデータベース TOP20推移 (選択肢の数)
2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89)
1 Oracle Oracle Oracle PostgreSQL PostgreSQL
2 MySQL MySQL MySQL MySQL MySQL
3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora
4 Microsoft SQL Server MongoDB Spark Oracle Oracle
5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift
6 Hadoop Hadoop Hadoop Spark MariaDB
7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery
8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop
9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark
10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB
11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB
12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database
13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB
14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL
15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud
16 Impala Vertica Apache Kafka Cassandra Cassandra
17 Couchbase Impala MapR Google Cloud SQL Apache Kafka
18 Presto Cloudera Hive SAP HANA Google Cloud Spanner
19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA
20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
Copyright @2019 Insight Technology, Inc. All Right Reserved
聞いてみたいデータベース TOP20推移 (選択肢の数)
2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89)
1 Oracle Oracle Oracle PostgreSQL PostgreSQL
2 MySQL MySQL MySQL MySQL MySQL
3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora
4 Microsoft SQL Server MongoDB Spark Oracle Oracle
5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift
6 Hadoop Hadoop Hadoop Spark MariaDB
7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery
8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop
9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark
10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB
11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB
12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database
13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB
14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL
15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud
16 Impala Vertica Apache Kafka Cassandra Cassandra
17 Couchbase Impala MapR Google Cloud SQL Apache Kafka
18 Presto Cloudera Hive SAP HANA Google Cloud Spanner
19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA
20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
Copyright @2019 Insight Technology, Inc. All Right Reserved
2019年は?
Copyright @2019 Insight Technology, Inc. All Right Reserved
Data Volumes Becoming Unmanageable
Copyright @2019 Insight Technology, Inc. All Right Reserved
⼤量データ処理のために
スケールアウトスケールアップ
安価で拡張性が高いが
整合性が取りにくい
高価で拡張性に制限あり
排他制御などは楽
Copyright @2019 Insight Technology, Inc. All Right Reserved
NOSQL
RDBMS(Single)
MPP
(massively parallel processing)
⾮構造化データ ⼤量データ
CLOUD
Copyright @2019 Insight Technology, Inc. All Right Reserved
データも適材適所に?! [データマネージメントソフトマッピング]
Mission CriticalOSS
NoSQL
Leader
Niche playerHadoop / SQL on Hadoop GraphDB
Cloud Service
BigData
Distributed
Copyright @2019 Insight Technology, Inc. All Right Reserved
⽇本国内でのAttunityReplicateの適⽤事例
24
0
5
10
15
20
25
30
35
40
45
50
2012年 2013年 2014年 2015年 2016年 2017年 2018年
MIGRATION
REPLICATION
Oracle
↓
Oracle
Oracle
DB2
MySQL
SQL Server
(Sybase)
(zOS/DB2)
↓
Oracle
MySQL
PostgreSQL
SQL Server
Teradata
Amazon Aurora
Azure Database
(Kafka)
(MongoDB)
Oracle
DB2
MySQL
SQL Server
Netezza
zOS/DB2
(Sybase)
(zOS/IMSDB)
↓
Oracle
MySQL
PostgreSQL
SQL Server
Teradata
Amazon Aurora
Azure Database
Azure DW
(Kafka)
(MongoDB)
Oracle
↓
Oracle
Oracle
DB2
↓
Oracle
PostgreSQL
Oracle
DB2
MySQL
↓
Oracle
PostgreSQL
Amazon Aurora
Teradata
Oracle
↓
Oracle
案件数→
Copyright @2019 Insight Technology, Inc. All Right Reserved
Replication Source & Target in Japan
Azure SQLDWMainframe
SOURCE TARGET
Copyright @2019 Insight Technology, Inc. All Right Reserved
BIG
DATA
ソーシャルメディア
において参加者が書
き込むプロフィール
、コメント等
GPS、ICカード、RFID
等において検知される
位置、乗⾞履歴、温度
、加速度等
オフィスのパソコンに
おいて作成されるオフ
ィス⽂書、eメール等
Webサーバ等におい
て⽣成されるアクセス
ログ、エラーログ等
CRMシステムにおい
て管理されるDM等販
促データ、会員カー
ドデータ
ECサイトの購⼊履歴
やブログエントリー
等の蓄積データ
Web上の配信サイト
等で提供される⾳声、
動画データ
販売管理等の業務シ
ステムにおいて⽣成
されるPOSデータ、
取引明細データ等
総務省:平成24年版情報通信⽩書
Copyright @2019 Insight Technology, Inc. All Right Reserved
BIG
DATA
ソーシャルメディア
において参加者が書
き込むプロフィール
、コメント等
GPS、ICカード、RFID
等において検知される
位置、乗⾞履歴、温度
、加速度等
オフィスのパソコンに
おいて作成されるオフ
ィス⽂書、eメール等
Webサーバ等におい
て⽣成されるアクセス
ログ、エラーログ等
CRMシステムにおい
て管理されるDM等販
促データ、会員カー
ドデータ
ECサイトの購⼊履歴
やブログエントリー
等の蓄積データ
Web上の配信サイト
等で提供される⾳声、
動画データ
販売管理等の業務シ
ステムにおいて⽣成
されるPOSデータ、
取引明細データ等
総務省:平成24年版情報通信⽩書
Copyright @2019 Insight Technology, Inc. All Right Reserved
MaaS(Mobility as a Service)時代
カーシェアリング
サービス
⾃動運転
物流
サービス
エネルギー
シェアパーキング
配⾞
サービス
MaaS時代への対応
〜社内にシリコンバレー流をつくる〜
成迫 剛志
株式会社デンソー
MaaS開発部⻑
(兼)デジタルイノベーション室⻑
⼤学卒業後、⽇本IBMに⼊社、SEを経験後、伊藤忠商事に転じ、オープンシステム化、⻄暦2000年対応やインタ
ーネット関連ビジネスの⽴ち上げなどに携わる。2005年に⾹港のIT事業会社の社⻑に就任。帰国後は国内外のIT
企業の役員を歴任し、2016年8⽉にデンソー⼊社。
コネクティッドカー時代のIoT推進を担当し、デジタルイノベーション室を新設、同室⻑に就任。
2018年4⽉よりMaaS開発部 部⻑。

Contenu connexe

Tendances

[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみるTakahiro Moteki
 
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始めHadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始めオラクルエンジニア通信
 
[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例
[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例
[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例Amazon Web Services Japan
 
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...Insight Technology, Inc.
 
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...Insight Technology, Inc.
 
負荷分散勉強会
負荷分散勉強会負荷分散勉強会
負荷分散勉強会Yuji Otani
 
認証/認可が実現する安全で高速分析可能な分析処理基盤
認証/認可が実現する安全で高速分析可能な分析処理基盤認証/認可が実現する安全で高速分析可能な分析処理基盤
認証/認可が実現する安全で高速分析可能な分析処理基盤Masahiro Kiura
 
SparkやBigQueryなどを用いた モバイルゲーム分析環境
SparkやBigQueryなどを用いたモバイルゲーム分析環境SparkやBigQueryなどを用いたモバイルゲーム分析環境
SparkやBigQueryなどを用いた モバイルゲーム分析環境yuichi_komatsu
 
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〜 #cwt2015MapReduce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〜 #cwt2015Cloudera Japan
 
データの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiCデータの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiCYahoo!デベロッパーネットワーク
 
[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...
[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...
[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...Insight Technology, Inc.
 
Hadoopビッグデータ基盤の歴史を振り返る #cwt2015
Hadoopビッグデータ基盤の歴史を振り返る #cwt2015Hadoopビッグデータ基盤の歴史を振り返る #cwt2015
Hadoopビッグデータ基盤の歴史を振り返る #cwt2015Cloudera Japan
 
Apache Kuduを使った分析システムの裏側
Apache Kuduを使った分析システムの裏側Apache Kuduを使った分析システムの裏側
Apache Kuduを使った分析システムの裏側Cloudera Japan
 
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...Naoki (Neo) SATO
 
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...Insight Technology, Inc.
 
[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀
[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀
[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀Insight Technology, Inc.
 
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望Yahoo!デベロッパーネットワーク
 

Tendances (20)

[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
 
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始めHadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始め
 
[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例
[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例
[よくわかるクラウドデータベース] CassandraからAmazon DynamoDBへの移行事例
 
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
 
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
[db tech showcase OSS 2017] A22: NoSQL:誰のための、何のためのデータベース?その将来は?by Aerospike, ...
 
負荷分散勉強会
負荷分散勉強会負荷分散勉強会
負荷分散勉強会
 
Apache Atlasの現状とデータガバナンス事例 #hadoopreading
Apache Atlasの現状とデータガバナンス事例 #hadoopreadingApache Atlasの現状とデータガバナンス事例 #hadoopreading
Apache Atlasの現状とデータガバナンス事例 #hadoopreading
 
認証/認可が実現する安全で高速分析可能な分析処理基盤
認証/認可が実現する安全で高速分析可能な分析処理基盤認証/認可が実現する安全で高速分析可能な分析処理基盤
認証/認可が実現する安全で高速分析可能な分析処理基盤
 
Serverless analytics on aws
Serverless analytics on awsServerless analytics on aws
Serverless analytics on aws
 
SparkやBigQueryなどを用いた モバイルゲーム分析環境
SparkやBigQueryなどを用いたモバイルゲーム分析環境SparkやBigQueryなどを用いたモバイルゲーム分析環境
SparkやBigQueryなどを用いた モバイルゲーム分析環境
 
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〜 #cwt2015MapReduce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
 
データの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiCデータの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiC
 
[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...
[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...
[db tech showcase Tokyo 2015] D23:MySQLはドキュメントデータベースになり、HTTPもしゃべる - MySQL Lab...
 
Hadoopビッグデータ基盤の歴史を振り返る #cwt2015
Hadoopビッグデータ基盤の歴史を振り返る #cwt2015Hadoopビッグデータ基盤の歴史を振り返る #cwt2015
Hadoopビッグデータ基盤の歴史を振り返る #cwt2015
 
Apache Kuduを使った分析システムの裏側
Apache Kuduを使った分析システムの裏側Apache Kuduを使った分析システムの裏側
Apache Kuduを使った分析システムの裏側
 
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
[db tech showcase Tokyo 2017] AzureでOSS DB/データ処理基盤のPaaSサービスを使ってみよう (Azure Dat...
 
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
 
[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀
[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀
[20171031 db tech salon] クラウド移行をベトナムで!? by 株式会社インサイトテクノロジー 森 茂紀
 
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
 
金融機関でのHive/Presto事例紹介
金融機関でのHive/Presto事例紹介金融機関でのHive/Presto事例紹介
金融機関でのHive/Presto事例紹介
 

Similaire à db tech showcase2019オープニングセッション @ 森田 俊哉

継続?移行?Oracle SE2 RACのサポート終了に向けた備え
継続?移行?Oracle SE2 RACのサポート終了に向けた備え継続?移行?Oracle SE2 RACのサポート終了に向けた備え
継続?移行?Oracle SE2 RACのサポート終了に向けた備え株式会社クライム
 
MariaDB Meetup Tokyo 2019 #2
MariaDB Meetup Tokyo 2019 #2MariaDB Meetup Tokyo 2019 #2
MariaDB Meetup Tokyo 2019 #2GOTO Satoru
 
9/16 Tokyo Apache Drill Meetup - drill vs sparksql
9/16 Tokyo Apache Drill Meetup - drill vs sparksql9/16 Tokyo Apache Drill Meetup - drill vs sparksql
9/16 Tokyo Apache Drill Meetup - drill vs sparksqlMitsutoshi Kiuchi
 
Beginner must-see! A future that can be opened by learning Hadoop
Beginner must-see! A future that can be opened by learning HadoopBeginner must-see! A future that can be opened by learning Hadoop
Beginner must-see! A future that can be opened by learning HadoopDataWorks Summit
 
RPALT_20200309Aomori
RPALT_20200309AomoriRPALT_20200309Aomori
RPALT_20200309Aomoriyoko tsushima
 
あなたの知っているSAPは古いかもしれません
あなたの知っているSAPは古いかもしれませんあなたの知っているSAPは古いかもしれません
あなたの知っているSAPは古いかもしれませんMana Matsudate
 
Smart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructureSmart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructureDataWorks Summit
 
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...Insight Technology, Inc.
 
Amazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTips
Amazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTipsAmazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTips
Amazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTipsyuichi_komatsu
 
Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)
Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)
Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)NTT DATA OSS Professional Services
 
Cassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 SpringCassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 Springdatastaxjp
 
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...Insight Technology, Inc.
 
クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]
クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]
クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]オラクルエンジニア通信
 
Cassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 SpringCassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 SpringShigeru Harasawa
 
20160127三木会 RDB経験者のためのspark
20160127三木会 RDB経験者のためのspark20160127三木会 RDB経験者のためのspark
20160127三木会 RDB経験者のためのsparkRyuji Tamagawa
 
ライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とは
ライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とはライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とは
ライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とはKimihiko Kitase
 
Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004Satoru Ishikawa
 

Similaire à db tech showcase2019オープニングセッション @ 森田 俊哉 (20)

継続?移行?Oracle SE2 RACのサポート終了に向けた備え
継続?移行?Oracle SE2 RACのサポート終了に向けた備え継続?移行?Oracle SE2 RACのサポート終了に向けた備え
継続?移行?Oracle SE2 RACのサポート終了に向けた備え
 
MariaDB Meetup Tokyo 2019 #2
MariaDB Meetup Tokyo 2019 #2MariaDB Meetup Tokyo 2019 #2
MariaDB Meetup Tokyo 2019 #2
 
9/16 Tokyo Apache Drill Meetup - drill vs sparksql
9/16 Tokyo Apache Drill Meetup - drill vs sparksql9/16 Tokyo Apache Drill Meetup - drill vs sparksql
9/16 Tokyo Apache Drill Meetup - drill vs sparksql
 
Beginner must-see! A future that can be opened by learning Hadoop
Beginner must-see! A future that can be opened by learning HadoopBeginner must-see! A future that can be opened by learning Hadoop
Beginner must-see! A future that can be opened by learning Hadoop
 
RPALT_20200309Aomori
RPALT_20200309AomoriRPALT_20200309Aomori
RPALT_20200309Aomori
 
あなたの知っているSAPは古いかもしれません
あなたの知っているSAPは古いかもしれませんあなたの知っているSAPは古いかもしれません
あなたの知っているSAPは古いかもしれません
 
CData Drivers for PCA 概要
CData Drivers for PCA 概要CData Drivers for PCA 概要
CData Drivers for PCA 概要
 
Smart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructureSmart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructure
 
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
 
Amazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTips
Amazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTipsAmazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTips
Amazon Elastic MapReduceやSparkを中心とした社内の分析環境事例とTips
 
Spring Cloud Data Flow の紹介 #streamctjp
Spring Cloud Data Flow の紹介  #streamctjpSpring Cloud Data Flow の紹介  #streamctjp
Spring Cloud Data Flow の紹介 #streamctjp
 
Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)
Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)
Apache Spark超入門 (Hadoop / Spark Conference Japan 2016 講演資料)
 
Cassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 SpringCassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 Spring
 
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
 
クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]
クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]
クラウドを使って競争優位なビッグデータ活用の実現へ [Oracle Cloud Days Tokyo 2016]
 
Cassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 SpringCassandra Meetup Tokyo, 2016 Spring
Cassandra Meetup Tokyo, 2016 Spring
 
20160127三木会 RDB経験者のためのspark
20160127三木会 RDB経験者のためのspark20160127三木会 RDB経験者のためのspark
20160127三木会 RDB経験者のためのspark
 
ライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とは
ライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とはライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とは
ライトプランで利用可能な分析基盤「IBM Analytics Engine (IAE)」とは
 
Azure Data Platform
Azure Data PlatformAzure Data Platform
Azure Data Platform
 
Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004
 

Plus de Insight Technology, Inc.

グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Insight Technology, Inc.
 
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明するInsight Technology, Inc.
 
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーンInsight Technology, Inc.
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門Insight Technology, Inc.
 
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー Insight Technology, Inc.
 
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?Insight Technology, Inc.
 
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Insight Technology, Inc.
 
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?Insight Technology, Inc.
 
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...Insight Technology, Inc.
 
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 Insight Technology, Inc.
 
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Insight Technology, Inc.
 
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]Insight Technology, Inc.
 
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...Insight Technology, Inc.
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)Insight Technology, Inc.
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)Insight Technology, Inc.
 
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...Insight Technology, Inc.
 
[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...
[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...
[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...Insight Technology, Inc.
 

Plus de Insight Technology, Inc. (20)

グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
Docker and the Oracle Database
Docker and the Oracle DatabaseDocker and the Oracle Database
Docker and the Oracle Database
 
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
 
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
 
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
 
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
 
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
 
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
 
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
 
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
 
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
 
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
 
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
 
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
 
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
 
[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...
[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...
[db tech showcase Tokyo 2018] #dbts2018 #E37 『Attunity Replicateが変えた Oracle D...
 

db tech showcase2019オープニングセッション @ 森田 俊哉

  • 2. Copyright @2019 Insight Technology, Inc. All Right Reserved ⾃⼰紹介 ■名前 森⽥ 俊哉 / Toshiya Morita ■所属 株式会社インサイトテクノロジー(2013) 取締役副社⻑ 兼 COO(2018) ■過去の職歴 [⽇⽴製作所] ⽇⽴半導体組み⽴て⼯程技術者 [独⽴系SIer] C⾔語プログラマー/C⾔語デバッガー UNIX管理者 Oracle DBA データベースチューニング データベーストラブルシューティング
  • 8. Copyright @2019 Insight Technology, Inc. All Right Reserved 2012 db tech showcase 4
  • 9. Copyright @2019 Insight Technology, Inc. All Right Reserved 2017 34
  • 10. Copyright @2019 Insight Technology, Inc. All Right Reserved 2018 37(-9+12)
  • 11. Copyright @2019 Insight Technology, Inc. All Right Reserved 2019 38(-16+17)
  • 12. Copyright @2019 Insight Technology, Inc. All Right Reserved 扱えるデータベース TOP20推移 (選択肢の数) 2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89) 1 Oracle Oracle Oracle Oracle Oracle 2 MySQL MySQL MySQL MySQL MySQL 3 PostgreSQL Microsoft SQL Server PostgreSQL PostgreSQL PostgreSQL 4 Microsoft SQL Server PostgreSQL Microsoft SQL Server Microsoft SQL Server Microsoft SQL Server 5 DB2 MongoDB Hadoop Access Access 6 Hadoop DB2 MongoDB MariaDB MariaDB 7 MongoDB Hadoop DB2 SQLite Amazon Aurora 8 MariaDB Hive MariaDB Hadoop Db2 9 Hive MariaDB Hive Db2 MongoDB 10 Cloudera Cloudera Spark MongoDB Amazon Redshift 11 Amazon Redshift Vertica Amazon Redshift Amazon Aurora Hadoop 12 MapR Amazon Redshift Vertica Spark SQLite 13 HiRDB Netezza Cloudera Amazon Redshift Spark 14 Amazon DynamoDB Teradata Netezza Redis Amazon DynamoDB 15 Netezza Cassandra Cassandra Amazon DynamoDB Hive 16 Greenplum Amazon DynamoDB Amazon Aurora Hive Azure SQL Database 17 Impala SAP HANA Amazon DynamoDB Azure SQL Database Redis 18 Vertica MapR Google BigQuery Google BigQuery Elasticsearch 19 Sybase ASE Impala SQL Azure Cassandra Oracle Cloud 20 Cassandra HiRDB MapR Memcached Hbase
  • 13. Copyright @2019 Insight Technology, Inc. All Right Reserved 扱えるデータベース TOP20推移 (選択肢の数) 2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89) 1 Oracle Oracle Oracle Oracle Oracle 2 MySQL MySQL MySQL MySQL MySQL 3 PostgreSQL Microsoft SQL Server PostgreSQL PostgreSQL PostgreSQL 4 Microsoft SQL Server PostgreSQL Microsoft SQL Server Microsoft SQL Server Microsoft SQL Server 5 DB2 MongoDB Hadoop Access Access 6 Hadoop DB2 MongoDB MariaDB MariaDB 7 MongoDB Hadoop DB2 SQLite Amazon Aurora 8 MariaDB Hive MariaDB Hadoop Db2 9 Hive MariaDB Hive Db2 MongoDB 10 Cloudera Cloudera Spark MongoDB Amazon Redshift 11 Amazon Redshift Vertica Amazon Redshift Amazon Aurora Hadoop 12 MapR Amazon Redshift Vertica Spark SQLite 13 HiRDB Netezza Cloudera Amazon Redshift Spark 14 Amazon DynamoDB Teradata Netezza Redis Amazon DynamoDB 15 Netezza Cassandra Cassandra Amazon DynamoDB Hive 16 Greenplum Amazon DynamoDB Amazon Aurora Hive Azure SQL Database 17 Impala SAP HANA Amazon DynamoDB Azure SQL Database Redis 18 Vertica MapR Google BigQuery Google BigQuery Elasticsearch 19 Sybase ASE Impala SQL Azure Cassandra Oracle Cloud 20 Cassandra HiRDB MapR Memcached Hbase
  • 14. Copyright @2019 Insight Technology, Inc. All Right Reserved 聞いてみたいデータベース TOP20推移 (選択肢の数) 2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89) 1 Oracle Oracle Oracle PostgreSQL PostgreSQL 2 MySQL MySQL MySQL MySQL MySQL 3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora 4 Microsoft SQL Server MongoDB Spark Oracle Oracle 5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift 6 Hadoop Hadoop Hadoop Spark MariaDB 7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery 8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop 9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark 10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB 11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB 12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database 13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB 14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL 15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud 16 Impala Vertica Apache Kafka Cassandra Cassandra 17 Couchbase Impala MapR Google Cloud SQL Apache Kafka 18 Presto Cloudera Hive SAP HANA Google Cloud Spanner 19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA 20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
  • 15. Copyright @2019 Insight Technology, Inc. All Right Reserved 聞いてみたいデータベース TOP20推移 (選択肢の数) 2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89) 1 Oracle Oracle Oracle PostgreSQL PostgreSQL 2 MySQL MySQL MySQL MySQL MySQL 3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora 4 Microsoft SQL Server MongoDB Spark Oracle Oracle 5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift 6 Hadoop Hadoop Hadoop Spark MariaDB 7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery 8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop 9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark 10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB 11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB 12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database 13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB 14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL 15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud 16 Impala Vertica Apache Kafka Cassandra Cassandra 17 Couchbase Impala MapR Google Cloud SQL Apache Kafka 18 Presto Cloudera Hive SAP HANA Google Cloud Spanner 19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA 20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
  • 16. Copyright @2019 Insight Technology, Inc. All Right Reserved 聞いてみたいデータベース TOP20推移 (選択肢の数) 2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89) 1 Oracle Oracle Oracle PostgreSQL PostgreSQL 2 MySQL MySQL MySQL MySQL MySQL 3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora 4 Microsoft SQL Server MongoDB Spark Oracle Oracle 5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift 6 Hadoop Hadoop Hadoop Spark MariaDB 7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery 8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop 9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark 10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB 11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB 12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database 13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB 14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL 15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud 16 Impala Vertica Apache Kafka Cassandra Cassandra 17 Couchbase Impala MapR Google Cloud SQL Apache Kafka 18 Presto Cloudera Hive SAP HANA Google Cloud Spanner 19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA 20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
  • 17. Copyright @2019 Insight Technology, Inc. All Right Reserved 聞いてみたいデータベース TOP20推移 (選択肢の数) 2014 (33) 2015 (39) 2016 (59) 2017 (87) 2018 (89) 1 Oracle Oracle Oracle PostgreSQL PostgreSQL 2 MySQL MySQL MySQL MySQL MySQL 3 PostgreSQL PostgreSQL PostgreSQL Amazon Aurora Amazon Aurora 4 Microsoft SQL Server MongoDB Spark Oracle Oracle 5 MongoDB Amazon Redshift Microsoft SQL Server Hadoop Amazon Redshift 6 Hadoop Hadoop Hadoop Spark MariaDB 7 Amazon Redshift Microsoft SQL Server MongoDB Amazon Redshift Google BigQuery 8 Amazon DynamoDB Amazon Aurora Amazon Aurora MariaDB Hadoop 9 MariaDB Amazon DynamoDB Cassandra Google BigQuery Spark 10 SAP HANA MariaDB MariaDB MongoDB Amazon DynamoDB 11 MapR Cassandra Amazon Redshift Microsoft SQL Server MongoDB 12 Hive SAP HANA SAP HANA Azure SQL Database Azure SQL Database 13 Cloudera Hive Amazon DynamoDB Amazon DynamoDB Azure Cosmos DB 14 Cassandra MapR Google BigQuery Google Cloud Spanner Azure Database for PostgreSQL 15 Riak TreasureData SQL Azure Apache Kafka Oracle Cloud 16 Impala Vertica Apache Kafka Cassandra Cassandra 17 Couchbase Impala MapR Google Cloud SQL Apache Kafka 18 Presto Cloudera Hive SAP HANA Google Cloud Spanner 19 Netezza Riak Azure SQL Data Warehouse SQLite SAP HANA 20 DB2 Presto Cloudera Google Cloud Datastore Google Cloud SQL
  • 18. Copyright @2019 Insight Technology, Inc. All Right Reserved 2019年は?
  • 19. Copyright @2019 Insight Technology, Inc. All Right Reserved Data Volumes Becoming Unmanageable
  • 20. Copyright @2019 Insight Technology, Inc. All Right Reserved ⼤量データ処理のために スケールアウトスケールアップ 安価で拡張性が高いが 整合性が取りにくい 高価で拡張性に制限あり 排他制御などは楽
  • 21. Copyright @2019 Insight Technology, Inc. All Right Reserved NOSQL RDBMS(Single) MPP (massively parallel processing) ⾮構造化データ ⼤量データ CLOUD
  • 22. Copyright @2019 Insight Technology, Inc. All Right Reserved データも適材適所に?! [データマネージメントソフトマッピング] Mission CriticalOSS NoSQL Leader Niche playerHadoop / SQL on Hadoop GraphDB Cloud Service BigData Distributed
  • 23. Copyright @2019 Insight Technology, Inc. All Right Reserved ⽇本国内でのAttunityReplicateの適⽤事例 24 0 5 10 15 20 25 30 35 40 45 50 2012年 2013年 2014年 2015年 2016年 2017年 2018年 MIGRATION REPLICATION Oracle ↓ Oracle Oracle DB2 MySQL SQL Server (Sybase) (zOS/DB2) ↓ Oracle MySQL PostgreSQL SQL Server Teradata Amazon Aurora Azure Database (Kafka) (MongoDB) Oracle DB2 MySQL SQL Server Netezza zOS/DB2 (Sybase) (zOS/IMSDB) ↓ Oracle MySQL PostgreSQL SQL Server Teradata Amazon Aurora Azure Database Azure DW (Kafka) (MongoDB) Oracle ↓ Oracle Oracle DB2 ↓ Oracle PostgreSQL Oracle DB2 MySQL ↓ Oracle PostgreSQL Amazon Aurora Teradata Oracle ↓ Oracle 案件数→
  • 24. Copyright @2019 Insight Technology, Inc. All Right Reserved Replication Source & Target in Japan Azure SQLDWMainframe SOURCE TARGET
  • 25.
  • 26. Copyright @2019 Insight Technology, Inc. All Right Reserved BIG DATA ソーシャルメディア において参加者が書 き込むプロフィール 、コメント等 GPS、ICカード、RFID 等において検知される 位置、乗⾞履歴、温度 、加速度等 オフィスのパソコンに おいて作成されるオフ ィス⽂書、eメール等 Webサーバ等におい て⽣成されるアクセス ログ、エラーログ等 CRMシステムにおい て管理されるDM等販 促データ、会員カー ドデータ ECサイトの購⼊履歴 やブログエントリー 等の蓄積データ Web上の配信サイト 等で提供される⾳声、 動画データ 販売管理等の業務シ ステムにおいて⽣成 されるPOSデータ、 取引明細データ等 総務省:平成24年版情報通信⽩書
  • 27. Copyright @2019 Insight Technology, Inc. All Right Reserved BIG DATA ソーシャルメディア において参加者が書 き込むプロフィール 、コメント等 GPS、ICカード、RFID 等において検知される 位置、乗⾞履歴、温度 、加速度等 オフィスのパソコンに おいて作成されるオフ ィス⽂書、eメール等 Webサーバ等におい て⽣成されるアクセス ログ、エラーログ等 CRMシステムにおい て管理されるDM等販 促データ、会員カー ドデータ ECサイトの購⼊履歴 やブログエントリー 等の蓄積データ Web上の配信サイト 等で提供される⾳声、 動画データ 販売管理等の業務シ ステムにおいて⽣成 されるPOSデータ、 取引明細データ等 総務省:平成24年版情報通信⽩書
  • 28. Copyright @2019 Insight Technology, Inc. All Right Reserved MaaS(Mobility as a Service)時代 カーシェアリング サービス ⾃動運転 物流 サービス エネルギー シェアパーキング 配⾞ サービス