SlideShare a Scribd company logo
1 of 71
Vertica 8.0.0 新機能
(a.k.a. Frontloader)
HPE Japan Bigdata Platform Presales
HPE Vertica 8.0.0 “Frontloader” ハイライト
1. パフォーマンス向上
–クエリー
–データロード
2. クラウド&オープンソース連携強化
–Microsoft Azure対応
–Apache Spark対応
3. その他機能拡張
3
Vertica 8.0.0 新機能
目次
1.クエリーパフォーマンスに関して
2.データロードパフォーマンスに関
して
3.サポートプラットフォーム
4.インストール&アップグレード
5.クライアント接続
6.クエリー管理
7.テーブル機能
8.制約機能
9. データロード機能
10.テキスト検索
11.マネージメントコンソール
12.SQL機能とステートメント
13.SDKアップデート
4
クエリーパフォーマンスに関して
5
• クエリー単体処理
• クエリー多重実行スループットの向上
• ノードダウン時のクエリーパフォーマンスの向上
クエリー単体処理
TPC-Hベンチマーク(SF=100)
– 同一環境、同一計測方法で実施
– 大きな差は発生しなかった(誤差のレベル)
6
Query#
V7.2.3-1
処理時間
[ms]
V8.0.0-0
処理時間
[ms]
性能比 件数 Group By Order By Join
1 24,356.28 23,849.26 1.02 4 有 有 無
2 6,562.14 6,056.67 1.08 100 無 無 有
3 14,613.62 13,667.09 1.07 10 有 有 有
4 38,867.74 38,714.12 1.00 5 有 有 無
5 19,610.98 19,427.48 1.01 5 有 有 有
6 4,856.71 4,840.60 1.00 1 無 無 無
7 12,188.03 11,902.86 1.02 4 有 有 有
8 14,054.43 16,383.92 0.86 2 有 有 無
9 95,592.61 95,486.76 1.00 175 有 有 無
10 56,706.94 56,240.22 1.01 20 有 有 有
11 2,180.02 2,016.79 1.08 91,219 有 有 有
クエリー単体処理
TPC-Hベンチマーク(SF=100)
– 同一環境、同一計測方法で実施
– 大きな差は発生しなかった(誤差のレベル)
7
Query#
V7.2.3-1
処理時間
[ms]
V8.0.0-0
処理時間
[ms]
性能比 件数 Group By Order By Join
12 31,925.94 30,585.20 1.04 2 有 有 有
13 76,785.14 71,076.28 1.08 45 有 有 無
14 8,968.09 8,978.10 1.00 1 無 無 有
15 9,522.05 9,618.47 0.99 1 無 有 有
16 32,956.67 33,000.65 1.00 27,840 有 有 有
17 29,240.68 29,647.27 0.99 1 無 無 有
18 15,569.55 16,166.51 0.96 100 有 有 有
19 13,366.54 13,354.51 1.00 1 無 無 有
20 33,740.20 33,766.77 1.00 111,490 無 有 有
21 122,509.92 122,680.05 1.00 100 有 有 有
22 12,089.40 11,899.05 1.02 7 有 有 無
11分16秒 11分9秒 1.01
クエリー単体処理
TPC-Hベンチマーク(SF=100)
環境情報(参考)
– ノード
– ストレージ
8
リージョン 役割 AWSサービス タイプ ノード数 CPU メモリ
内部ストレージ
容量 タイプ I/O
東京 DWHノード Amazon EC2 c3.4xlarge 1 16vCPU 30GiB 2x160GB 汎用SSD 不祥
リージョン 役割 AWSサービス タイプ
ストレージ
容量 I/O
東京 DWH用データ格納ストレージ Amazon EBS io1
2x200GB
(RAID0)
250M/s
(*) *ノード全体スループット/vioperfによる計測
クエリー多重実行スループットの向上
従来のチャレンジ
9
.
• 3ノード(各ノード24Core)クラスター
• 1~29セッションで100クエリーを連続で実行し、秒間のクエリー実行
数を計算
=> プラン作成、クエリ実行ともにスループットがすぐに頭打ちになる
クエリー多重実行スループットの向上
プラン作成時間
10
クエリー多重実行時のプラン作成のスループットを改善
クエリー多重実行スループットの向上
クエリー実行時間
11
クエリー多重実行時のクエリー実行のスループットを改善
ノードダウン時のクエリーパフォーマンス向上
全ノードUP時と1ノード停止時の実行計画の相違(~v7.2.x)
全ノードUP時 1ノード停止時
読み込み処理
Projection A0
少数のカラムのみ先にマ
テリアライズ
結合処理
(パスXX)
絞り込み処理
Projection A0
読み込み処理
Projection A0
読み込み処理
Projection A1
UNION処理
絞り込み処理
UNION結果
結合処理
(パスXX)
オリジナルのプロジェクション(Projection A0)とバディープロジェ
クション(Projection A1)の結果をUNIONする内部処理に変更と
なるため、関連するカラムをすべて先にマテリアライズする必要
あり
ノードダウン時のクエリーパフォーマンス向上
8.0.0の改善内容
7.2.3まで: 8.0.0:
15
読み込み処理
Projection A0
読み込み処理
Projection A1
UNION処理
絞り込み処理
UNION結果
結合処理
(パスXX)
読み込み処理
Projection A0
Projection A1
絞り込み処理
結合処理
(パスXX)
元のプロジェクションとバディープロジェ
クションの結果のUNIONを扱うのでは
なく、読み込みの時点で、両プロジェク
ションからデータを読み込み、その後は
全ノードUP時と同じように処理される
想定
ノードダウン時のクエリーパフォーマンス向上
16
0
5
10
15
20
25
30
Query 1 Query 2
Runningtime(ms)
All nodes up Old buddy-down plan New buddy-down plan
ノードダウン時のクエリーパフォーマンス向上
17
0
5
10
15
20
25
30
Query 1 Query 2
Runningtime(ms)
All nodes up Old buddy-down plan New buddy-down plan
データロードパフォーマンス
に関して
18
• 自動分配ロード(Apportioned Load)で大容量データのロードパフォーマ
ンスを向上
• カラム数の多いテーブルへのロードパフォーマンスが向上
データロードパフォーマンスに関して
自動分配ロード(Apportioned Load)で大容量データのロードパフォーマンスを向上
– 大容量ファイルを内部で自動分割してロード可能
– パフォーマンスの大幅向上
– DBパラメーター「EnableApportionedFileLoad」(COPY FILE)「EnableApportionLoad」(COPY WITH SOURCE)
で機能の有効/無効を調整可能
19
v7.2.3まで v8.0.0
0
1
2
3
4
5
6
7
8
9
10
250 500 750 1000 1250 1500
Seconds
Columns in Target Table
Execution Time
Single-Node
Apportioned
データロードパフォーマンスに関して
自動分配ロード(Apportioned Load)で大容量データのロードパフォーマンスを向上
20
データロードパフォーマンスに関して
カラム数の多いテーブルへのロードパフォーマンスが向上
21
0
5
10
15
20
25
250 500 750 1000 1250 1500
Seconds
Columns in Target Table
Time to COPY 200MiB ON ANY NODE
v7.2.x : カラム数が多いほどパフォーマンスに影響
データロードパフォーマンスに関して
カラム数の多いテーブルへのロードパフォーマンスが向上
22
15
10
5
0
5
10
15
250 500 750 1000 1250 1500
Seconds
Columns in Target Table
Time to COPY 200MiB ON ANY NODE
Planning Time (s)
Execution Time (s)
v7.2.x :
データ解析および配布にかかる時間が
多くを占めている
15
10
5
0
5
10
15
250 500 750 1000 1250 1500
Seconds
Columns in Target Table
Time to COPY 200MiB ON ANY NODE
Planning Time (7.2.2)
Planning Time (8.0.0)
Execution Time
データロードパフォーマンスに関して
カラム数の多いテーブルへのロードパフォーマンスが向上
23
v8.0.0 :
データ解析および配布にかかる時間を
大幅に改善
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
250 500 750 1000 1250 1500
Seconds
Columns
Average Planning Time
7.2.2
7.2.3
8.0.0
データロードパフォーマンスに関して
24
Over 60%
improvement
カラム数の多いテーブルへのロードパフォーマンスが向上(v7.2.xとv8.0.0)
v8.0.0 :
データ解析および配布にかかる時間を
大幅に改善
サポートプラットフォーム
25
• Microsoft Azure対応
• Apache Spark Connector
• サポートプラットフォームの追加変更分
• FIPSクライアント
サポートプラットフォーム
v8.0.0 新規 Microsoft Azure クラウド対応
その他
– HPE Vertica on Microsoft Azure
26
MS Azure Marketplace
サポートプラットフォーム
v8.0.0 新規 Apache Spark Connector
– Apache Spark connector
– 前提バージョン
27
Apache Spark Vertica
1.6 7.2.3-5+ and 8.0.x
VerticaとSpark RDD/Dataframe間のデータ連携が可能に
サポートプラットフォーム
v7.2.3
Vertica Server and Vertica Management Console(MC)
– サポートOS
– RHEL & CentOS : 6.0, 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 6.7, 7.0
– SUSE : 11.0, 11.1, 11.2, 11.3
– Oracle Enterprise Linux : 6.x 6.7
– Debian : 7.0, 7.1, 7.2, 7.3, 7.4, 7.5, 7.6, 7.7
– Ubuntu : 12.04 LTS, 14.04 LTS
– サポートファイルシステム
– EXT3, EXT4
– サポートブラウザー(MC)
– IE 10 以降
– Firefox 31 以降
– Google Chrome 38 以降
– VerticaとMCのバージョン互換性
– 完全にバージョンを合わせる必要がある(パッチバージョン含む)
28
サポートプラットフォーム
v8.0.0 追加変更分
Vertica Server and Vertica Management Console(MC)
– サポートOS
– RHEL & CentOS : 6.0, 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 6.7, 7.0
– SUSE : 11.0, 11.1, 11.2, 11.3
– Oracle Enterprise Linux : 6.x 6.7
– Debian : 7.0, 7.1, 7.2, 7.3, 7.4, 7.5, 7.6, 7.7
– Ubuntu : 12.04 LTS, 14.04 LTS
– サポートファイルシステム
– EXT3, EXT4
– サポートブラウザー(MC)
– IE 10 以降
– Firefox 31 以降
– Google Chrome 38 以降
– VerticaとMCのバージョン互換性
– 完全にバージョンを合わせる必要がある(パッチバージョン含む) Vertica 6.1以降であれば、MC 8.0.xとの互換性あり
29
サポートバージョンが絞られた
EXT3のサポートは終了
ブラウザは変わらない
互換性の考え方は変わった
サポートプラットフォーム
v7.2.3
Vertica Client Drivers
– ADO.NET Driver(Windows)
– 前提ソフトウェア
– .NET Framework 3.5 SP1 以降
– Windows 7, 8, 10 (32 & 64 bit)
– Windows Server 2008, 2008 R2 (32 bit)
– Windows Server 2008, 2008 R2, 2012, 2012 R2 (64 bit)
– JDBC Driver(All platform)
– Java 5 以降
– ODBC Driver(Windows)
– 前提Driver Manager
– Microsoft ODBC MDAC 2.8
– Windows 7, 8, 10 (32 & 64 bit)
– Windows Server 2008, 2008 R2 (32 bit)
– Windows Server 2008, 2008 R2, 2012, 2012 R2 (64 bit)
– ODBC Driver(Linux/Unix/Mac OS)
– 前提Driver Manager
– iODBC 3.52.6 以降
– unixODBC 2.3.0 以降
– DataDirect 5.3, 6.1 以降
– RHEL/CentOS 6.x, 7.x
– SUSE 11.x
– Oracle Enterprise Linux 6.x
– Ubuntu 12.04 LTS, 14.04 LTS
– AIX 5.3, 6.1
– HP-UX 11i V3
– Solaris 10
– Mac OS X 10.7, 10.8, 10.9
30
サポートプラットフォーム
v8.0.0 追加変更分
Vertica Client Drivers
– ADO.NET Driver(Windows)
– 前提ソフトウェア
– .NET Framework 3.5 SP1 以降
– Windows 7, 8, 10 (32 & 64 bit)
– Windows Server 2008, 2008 R2 (32 bit)
– Windows Server 2008, 2008 R2, 2012, 2012 R2 (64 bit)
– JDBC Driver(All platform)
– Java 5 以降
– ODBC Driver(Windows)
– 前提Driver Manager
– Microsoft ODBC MDAC 2.8
– Windows 7, 8, 10 (32 & 64 bit)
– Windows Server 2008, 2008 R2 (32 bit)
– Windows Server 2008, 2008 R2, 2012, 2012 R2 (64 bit)
– ODBC Driver(Linux/Unix/Mac OS)
– 前提Driver Manager
– iODBC 3.52.6 以降
– unixODBC 2.3.0 以降
– DataDirect 5.3, 6.1 以降
– RHEL/CentOS 6.x, 7.x 6.5, 6.6, 6.7, 7.0
– SUSE 11.x 11.3
– Oracle Enterprise Linux 6.x 6.7
– Ubuntu 12.04 LTS, 14.04 LTS
– AIX 5.3, 6.1
– HP-UX 11i V3
– Solaris 10
– Mac OS X 10.7, 10.8, 10.9, 10.10, 10.11
– FIPS-compliant Red Hat Enterprise Linux 6.6
31
New!
サポートバージョンが絞られた
サポートプラットフォーム
v7.2.3
Vertica Client Drivers(つづき)
– vsql Client
– Windows 7, 8.x, 10 (32 & 64 bit)
– Windows Server 2008, 2008 R2, 2012, 2012 R2 (32 & 64 bit)
– RHEL/CentOS 6.x, 7.x
– SUSE 11.x
– Oracle Enterprise Linux 6.x
– Ubuntu 12.04 LTS
– AIX 5.3, 6.1
– HP-UX 11i V3
– Solaris 10
– Mac OS X 10.7, 10.8, 10.9
– クライアントとサーバーの互換性
32
Client Driver Vertica Server
6.1.x 6.1.x, 7.0.x, 7.1.x, 7.2.x
7.0.x 7.0.x, 7.1.x, 7.2.x
7.1.x 7.1.x, 7.2.x
7.2.x 7.2.x
サポートプラットフォーム
v8.0.0 追加変更分
Vertica Client Drivers(つづき)
– vsql Client
– Windows 7, 8.x, 10 (32 & 64 bit)
– Windows Server 2008, 2008 R2, 2012, 2012 R2 (32 & 64 bit)
– RHEL/CentOS 6.x, 7.x 6.5, 6.6, 6.7, 7.0
– SUSE 11.x 11.3
– Oracle Enterprise Linux 6.x 6.7
– Ubuntu 12.04 LTS
– AIX 5.3, 6.1
– HP-UX 11i V3
– Solaris 10
– Mac OS X 10.7, 10.8, 10.9, 10.10, 10.11
– FIPS-compliant Red Hat Enterprise Linux 6.6
– クライアントとサーバーの互換性
33
Client Driver Vertica Server
6.1.x 6.1.x, 7.0.x, 7.1.x, 7.2.x, 8.0.x
7.0.x 7.0.x, 7.1.x, 7.2.x, 8.0.x
7.1.x 7.1.x, 7.2.x, 8.0.x
7.2.x 7.2.x, 8.0.x
8.0.x 8.0.x
New!
サポートバージョンが絞られた
サポート対象外となるクライアントドライ
バーのバージョンはなし
サポートプラットフォーム
FIPSクライアントサポート
アメリカ国立標準技術研究所 (NIST) が発行している標準規格に準拠したクライアント
– FIPS 140-2 (暗号モジュールのためのセキュリティ要求)に準拠
– Red Hat の暗号化方式を活用
34
Vertica Cluster
on
Red Hat OS
Vertica Client
BI Dashboard
FIPS 140-2
OpenSSL
FIPS(連邦情報処理標準)とは?
連邦情報処理標準[1](れんぽうじょうほうしょりひょうじゅん) または連邦情報
処理規格[2](れんぽうじょうほうしょりきかく)、略称FIPS (Federal Information
Processing Standard(s)) は、アメリカ国立標準技術研究所 (NIST) が発行し
ている標準規格で、軍事以外全ての政府機関及び請負業者による利用を目
的として米国連邦政府が開発した公式発表の情報処理標準規格である。
出展: Wikipedia「連邦情報処理標準」
FIPS準拠を要件とするグローバルカンパニー向けの拡張
New!
サポートプラットフォーム
v8.0.0 追加変更分
Hadoop
35
Distribution Vertica 7.2.0/7.2.1 Vertica 7.2.2 Vertica 7.2.3 Vertica 8.0.0
Cloudera (CDH) •5.2
•5.3
•5.4
•5.5
•5.3
•5.4
•5.5
•5.5
•5.6
•5.6
•5.7
HortonWorks Data
Platform (HDP)
•2.2
•2.3
•2.2
•2.3
•2.3
•2.4
•2.3
•2.4
MapR •3.1.1
•4.0
•3.1.1
•4.0
•3.1.1
•4.0
•4.1
•5.0
※最新は5.8(2016/7)
※最新は2.5(2016/9)
※最新は5.2(2016/8)
※Vertica Connector for Hadoop MapReduceは7.2.3以降サポートされなくなりました
※HDFSに関する以下の問題に対し、パッチ適用を推奨します(詳細は、各Hadoopベンダーにお問い合わせください)
HDFS-8855, HDFS-8696, HDFS-7280, HDFS-7279, HDFS-7270, and HDFS-7945
より最近の
バージョンをサポート
サポートプラットフォーム
v8.0.0 追加変更分
その他
– Microsoft SQL Server 2016
– SQL Server Analysis Services (SSAS) 2016
– SQL Server Integration Services (SSIS) 2016
– SQL Server Reporting Services (SSRS) 2016
– SQL Server Data Tool BI (SSDT-BI)
− Microsoft Visual Studio 2015
36
インストール&アップグレード
37
• Machine Learning Packageがデフォルトでサーバーインストールされる
インストール&アップグレード
Machine Learning Packageがデフォルトでサーバーインストールされる
38
専用パッケージ
のインストールと
設定
– In-DB
Machine
Learningの機
能はデフォルト
ではインストー
ルされていな
いため、はじめ
にインストール
と設定が必要
データ準備
– Verticaにデー
タをロード
– 必要に応じて、
使⽤データを
正規化
分析モデル
の作成
– 線形回帰
– ロジスティック
回帰
分析の実行
– スコアリング
– K-meansクラ
スタリング
評価
– スコアリングや
クラスタリング
の結果を評価
v7.2.3までのIn-DB Machine Learningの流れ
インストール&アップグレード
Machine Learning Packageがデフォルトでサーバーインストールされる
39
専用パッケージ
のインストールと
設定
– In-DB
Machine
Learningの機
能はデフォルト
ではインストー
ルされていな
いため、はじめ
にインストール
と設定が必要
データ準備
– Verticaにデー
タをロード
– 必要に応じて、
使⽤データを
正規化
分析モデル
の作成
– 線形回帰
– ロジスティック
回帰
分析の実行
– スコアリング
– K-meansクラ
スタリング
評価
– スコアリングや
クラスタリング
の結果を評価
不要
v8.0.0
インストール&アップグレード
Machine Learning Packageがデフォルトでサーバーインストールされる
– Machin Learning Analytics 専用スキーマ 「v_ml」 は廃止
– V7.2.xからV8.0.0へアップグレードする場合は、アップグレードスクリプトの実行が必要
/opt/vertica/packages/MachineLearning/ddl/install_backward_compatibility.sql
– v_mlスキーマにあった分析モデル管理システムテーブル「models」はv_catalogスキーマ内に移動する
40
…
クライアント接続
41
• ユーザーのコネクション制御機能を拡張
クライアント接続
ユーザーのコネクション制御機能を拡張
1. ユーザーごとの接続セッション最大数を設定可能に MAXCONNECTIONS
2. 接続セッションのアイドルタイムアウトを設定可能に IDLESESSIONTIMEOUT
3. 特定のユーザーによる接続セッションを停止可能に CLOSE_USER_SESSIONS
42
クライアント接続
ユーザーのコネクション制御機能を拡張 サンプル
dbadmin=> --最大接続数:DB全体で1、アイドルタイムアウト:1分のユーザー u1 を作成
dbadmin=> CREATE USER u1 MAXCONNECTIONS 1 ON DATABASE IDLESESSIONTIMEOUT '30
seconds';
CREATE USER
dbadmin=>
dbadmin=> --u1の作成定義を確認(dbadminと比較)
dbadmin=> SELECT user_name, max_connections, connection_limit_mode,
idle_session_timeout FROM users WHERE user_name IN ('dbadmin','u1');
user_name | max_connections | connection_limit_mode | idle_session_timeout
-----------+-----------------+-----------------------+----------------------
dbadmin | unlimited | database | unlimited
u1 | 1 | database | 00:00:30
(2 rows)
43
クライアント接続
ユーザーのコネクション制御機能を拡張 サンプル
dbadmin=> --現在のu1からの接続数を確認
dbadmin=> SELECT COUNT(*) FROM sessions WHERE user_name = 'u1';
COUNT
-------
1
(1 row)
dbadmin=> --u1からの接続が1つある状態で、u1に接続する
dbadmin=> c - u1
Password:
FATAL 7470: New session rejected because connection limit of 1 on database
already met for u1
Previous connection kept
44
u1は、1を超えるセッションを接続できない
クライアント接続
ユーザーのコネクション制御機能を拡張 サンプル
dbadmin=> --u1の接続を切断
dbadmin=> SELECT CLOSE_USER_SESSIONS('u1');
CLOSE_USER_SESSIONS
-----------------------------------------------------------------------------
Close all sessions for user u1 sent. Check v_monitor.sessions for progress.
(1 row)
dbadmin=> --再度、u1に接続する
dbadmin=> c - u1
Password:
You are now connected as user "u1".
45
特定ユーザーからの接続のみ、セッションを切断
クライアント接続
ユーザーのコネクション制御機能を拡張 サンプル
u1=> --30秒経過後、クエリーを実行
u1=> SELECT 1;
FATAL 7540: Session idle for more than 30000 ms. Session Timed Out!
server closed the connection unexpectedly
This probably means the server terminated abnormally
before or while processing the request.
The connection to the server was lost. Attempting reset: Succeeded.
46
u1で接続したセッションで30秒以上何もしない時間が続くと、セッションが自動切断される
クライアント接続
ユーザーのコネクション制御機能を拡張 サンプル
dbadmin=> --dbadminの最大接続数の設定を変更する
dbadmin=> ALTER USER dbadmin MAXCONNECTIONS 1 ON DATABASE;
ROLLBACK 7452: Maxconnections cannot be set for a superuser
dbadmin=> --dbadminのアイドルタイムアウトの設定を変更する
dbadmin=> ALTER USER dbadmin IDLESESSIONTIMEOUT '30 seconds';
WARNING 7674: Idlesessiontimeout cannot be less than 15 minutes for superuser.
Using 15 minutes as idlesessiontimeout
ALTER USER
dbadmin=> --dbadminの作成定義を確認
dbadmin=> SELECT user_name, max_connections, connection_limit_mode,
idle_session_timeout FROM users WHERE user_name = 'dbadmin';
user_name | max_connections | connection_limit_mode | idle_session_timeout
-----------+-----------------+-----------------------+----------------------
dbadmin | unlimited | database | 00:15
(1 row)
47
dbadmin(スーパーユーザー)は
• 最大接続数の設定を変更できない
• 15分以下のアイドルタイムアウトを設定できない
クライアント接続
ユーザーのコネクション制御機能を拡張 サンプル
dbadmin=> --dbadminの接続を切断
dbadmin=> SELECT CLOSE_USER_SESSIONS('dbadmin');
CLOSE_USER_SESSIONS
-------------------------------------------------------------------------------
Close all sessions for user dbadmin sent. Check v_monitor.sessions for
progress.
(1 row)
※別セッション
dbadmin=> select 1;
server closed the connection unexpectedly
This probably means the server terminated abnormally
before or while processing the request.
The connection to the server was lost. Attempting reset: Succeeded.
48
dbadmin(スーパーユーザー)に対しても、
CLOSE_USER_SESSIONSを実行可能
クエリー管理
51
• Directed Queriesに分析関数やUDxを使用することが可能に
クエリー管理
分析関数やUdxを含むSQLに対してDirected Queriesを作成することが可能に
Directed Queries とは?
1. オプティマイザが生成するクエリ実行計画の保存と適用
1. CREATE DIRECTED QUERY OPTIMIZER <オリジナルSELECTクエリ> ;
2. ACTIVATE DIRECTED QUERY ‘クエリ名’ ;
2. クエリ実行計画のカスタマイズと強制
1. SAVE QUERY <オリジナルSELECTクエリ> ;
2. CREATE DIRECTED QUERY CUSTOM ‘クエリ名’ SELECT <ヒント句付のカスタマイズSELECTクエリ> ;
3. ACTIVATE DIRECTED QUERY ‘クエリ名’ ;
オプティマイザの生成実行計画の保存
CREATE DIRECTED QUERY OPTIMIZER
Query Plan
カスタマイズした実行計画の保存
CREATE DIRECTED QUERY CUSTOM
SELECT /*+syntactic_join, verbatim*/ c.name
FROM ( customer c /*+projs(customer_proj_age)*/
JOIN /*+jtype(M), Distrib(L,B)*/
purchase p
/*+projs(purchase_proj_cid)*/
ON c.cid = p.cid )
JOIN /*+jtype(H), Distrib(L,R)*/
item i /*+projs(item_proj_type)*/
ON p.iid = i.iid
WHERE i.type = ‘household’
AND c.age < 30
AND Month(p.date) = ‘March’;
SQL + HINTS
クエリー管理
分析関数やUdxを含むSQLに対してDirected Queriesを作成することが可能に
V7.2.3まで
Vertica分析関数(OVER句を含む関数など)やUDxを
使ったSQLにはDirected Queriesが作成できなかった
例:
CREATE DIRECTED QUERY OPTIMIZER ‘DQ1’
SELECT symbol, bid, RANK() OVER(PARTITION
BY symbol ORDER BY bid DESC) rank
FROM TickStore;
ROLLBACK 7073: WINDOW clause not supported
for optimizer-generated annotated queries
V8.0.0
Vertica分析関数(OVER句を含む関数など)やUDxを
使ったSQLにもDirected Queriesが作成可能になった
例:
CREATE DIRECTED QUERY OPTIMIZER ‘DQ1’
SELECT symbol, bid, RANK() OVER(PARTITION
BY symbol ORDER BY bid DESC) rank
FROM TickStore;
CREATE DIRECTED QUERY
--システムテーブル確認:
SELECT annotated_query FROM
DIRECTED_QUERIES WHERE query_name = ‘DQ1';
SELECT /*+ verbatim */ TickStore.symbol AS
symbol, TickStore.bid AS bid, rank() OVER
(PARTITION BY TickStore.symbol ORDER BY
TickStore.bid DESC) AS rank
FROM public.TickStore AS
TickStore/*+projs('public.TickStore')*/
テーブル機能
54
• フレックステーブルのデータ型決定の精度を向上するパラメータがデフォ
ルトONに
テーブル
フレックステーブルのデータ型決定の精度を向上するパラメータがデフォルトONに
– フレックステーブルのデータ型決定の精度を向上させるDBパラメーター「EnableBetterFlexTypeGuessing」のデ
フォルト値がONに変更された
– データ内容に応じて、文字列型だけでなく、BOOLEAN、INTEGER、FLOAT、TIMESTAMP、DATEなどのデータ
型を適用
55
compute_flextable_keys()
compute_flextable_keys_an
d_build_view()
Flex table: users
Prior users_keys
age: int
created: date
name: varchar
制約機能
56
• 制約違反エラー発生時、違反レコードの表示数を拡張
テーブル
制約違反エラー発生時、違反レコードの表示数を拡張
Primary Key制約やUnique Key制約を有効化したカラムに対して、制約違反となるレコードを挿入した際、
対象のキー情報の数が、最大30までエラーメッセージに表示されるようになった
例:
PKEY_TESTテーブル(col1 int primary key enabled, col2 varchar)への10,000件のキー重複ロード
dbadmin=> copy PKEY_TEST from ‘/home/dbadmin/PKEY_TEST.csv’ direct;
ERROR 6745: Duplicate key values: 'col1=18' -- violates constraint
'public.PKEY_TEST.C_PRIMARY'
DETAIL: Additional violations:
Constraint 'public.PKEY_TEST.C_PRIMARY':
duplicate key values: 'col1=19'; 'col1=24'; 'col1=25'; 'col1=28'; 'col1=30'; 'col1=31';
'col1=32'; 'col1=34'; 'col1=36'; 'col1=40'; 'col1=42'; 'col1=43'; 'col1=44'; 'col1=47';
'col1=5'; 'col1=51'; 'col1=53'; 'col1=54'; 'col1=57'; 'col1=58'; 'col1=59'; 'col1=60';
'col1=63'; 'col1=69'; 'col1=71'; 'col1=81'; 'col1=82'; 'col1=88'; 'col1=89';
Note: there were additional errors
57
追加で表示されるようになったメッセージ
データロード機能
58
• テーブルレベルでロード方式のデフォルト選択が可能に
• フレックステーブルに対し、INSERTの実行が可能に
• Sparkとの連携
データロード
テーブルレベルでロード方式のデフォルト選択が可能に
– v7.2.3までは、DML(COPY/INSERTなど)側でダイレクトヒントをつけることにより、ロード方式を選択していた
例:
CREATE TABLE LOAD_METHOD_ROS (col1 int, col2 varchar);
INSERT /*+direct*/ INTO LOAD_METHOD_ROS VALUES(1,'Vertica');
– v8.0.0から、CREATE TABLE / ALTER TABLEにて、テーブルごとにデフォルトのロード方式の設定が可能になった
例:
CREATE TABLE LOAD_METHOD_ROS (col1 int, col2 varchar) DIRECT;
INSERT INTO LOAD_METHOD_ROS VALUES(1,'Vertica');
※ダイレクトヒントを使用せずに、ROSへの書き込みが可能になる = 汎用的なSQLで期待の動作を実現
59
データロード
フレックステーブルに対し、INSERTの実行が可能に
1. INSERT-VALUES
INSERT INTO flex_table(…) VALUES(…);
2. INSERT-SELECT
INSERT INTO flex_table(…) SELECT … FROM …;
60
データロード
Sparkとの連携
Verticaから
Spark RDDおよびdataframe へのExport
Node 1
Node 2
Node 3
HPE Vertica
Executor
Executor
Task
Task
Task
Task
Task
Task
RDD
Dataframe
WORKER NODE
WORKER NODE
Partition
Partition
Partition
Partition
Partition
Partition
Spark Dataframeから
Vertica tableへのImport
HPE Vertica Connector for Apache Spark
テキスト検索
62
• テキストインデックスがマルチバイト文字に対応
テキスト検索
テキストインデックスがマルチバイト文字に対応
マルチバイト文字を含むログデータなどのメッセージをテキストインデックスに登録することが可能に
例:
中国語を含むOracleのログメッセージ
842 [http-nio-8080-exec-8] (SqlExceptionHelper.java:146) ERROR - ORA-00001: 违反唯一约束条件
(WEBSTUDIO0413.UQ_USER_WORKSPACE_NAME
63
マネージメントコンソール
66
• Kafkaローディングの管理・監視が可能に
• Kafkaクラスターにマネージメントコンソールを配置することが可能に
• テーブルの使用率を確認可能に
• 表示チャートの拡張
マネージメントコンソール
Kafkaローディングの管理・監視が可能に
マネージメントコンソール
Kafkaクラスターにマネージメントコンソールを配置することが可能に
Production database - 1
Production database - 2
Kafka
MC Storage DB
Custom dcschema to manage
the data from the stream of the
34 table topics
34 collector topics
Data Collector information set - 1
Target = Consumer = MC Storage DB
A single dedicated centralized database that
receives the stream of messages and stores
the information for use in the MC charts
Source DB = Producer
The database(s) that sends the stream
of messages, events and statistics
Data Collector information set - 2
Transport
Service
34 dc tables
34 dc tables
34 real tables
Management
Console
マネージメントコンソール
テーブルの使用率を確認可能に
ソート・フィルター機能
行数と使用率
をビジュアル
で表示
stream_
マネージメントコンソール
表示チャートの拡張
■タイムフレームの拡張
マネージメントコンソール
表示チャートの拡張
■画面の拡大表示
SQL機能とステートメント
73
• Machine Learning機能の変更
• テーブル複製コマンド「COPY_TABLE」の提供
• サンプル関数の提供
SQL機能とステートメント
Machine Learning機能の変更
– v_mlスキーマの廃止に伴い、関数名が変更となった
例:
v_ml.logisticReg  LOGISTIC_REG
– 分析モデルを管理するシステムテーブルModelsの所属スキーマがv_mlからv_catalogに変更となった
74
SQL機能とステートメント
テーブル複製コマンド「COPY_TABLE」の提供
– Create Table As Selectよりも高速なテーブル複製コマンド「COPY_TABLE」
– 物理的なコピーではなく、論理的なコピー
実行コマンド:
select copy_table(from_table, to_table);
75
SQL機能とステートメント
サンプル関数の提供
サンプル関数「TABLESAMPLE」を使用することにより、テーブルデータのN %をランダム抽出することが可能に
dbadmin=> SELECT COUNT(*) FROM call_center_dimension;
COUNT
-------
200
(1 row)
dbadmin=> SELECT cc_closed_date FROM call_center_dimension TABLESAMPLE(1);
cc_closed_date
----------------
2003-05-15
2007-05-11
(2 rows)
76
200件のうち2件のデータをランダム抽出
SDKアップデート
77
• PythonでスカラーUDFが作成可能に
SDKアップデート
PythonでスカラーUDFが作成可能に
1. Pythonスクリプトに処理を記述(Python 3.5.1ベース)
2. ライブラリ登録(CREATE LIBRARY)
3. UDF作成(CREATE FUNCTION)
4. SQLにて関数を使用可能に
GitHubにサンプルあり
https://github.com/vertica/UDx-Examples
78
Original
Function
Udx
framework
calls
(Factory Class not shown)
Thank you
Contact information
jpn_vertica_info@hpe.com
82

More Related Content

What's hot

Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介
Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介
Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介
Masayuki Ozawa
 
Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介
Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介
Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介
Masayuki Ozawa
 
C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史
C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史
C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史
Insight Technology, Inc.
 
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
Masayuki Ozawa
 
仮想化した DC を PowerShell で複製する
仮想化した DC を PowerShell で複製する仮想化した DC を PowerShell で複製する
仮想化した DC を PowerShell で複製する
junichi anno
 
Always on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイントAlways on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイント
Masayuki Ozawa
 
Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)
Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)
Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)
Masayuki Ozawa
 

What's hot (20)

Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介
Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介
Sql server 2012 の新機能を使ってみよう。db 管理者向け機能の紹介
 
Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介
Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介
Dal001 sql server 2017 事始め ~ 進化を続ける sql server の最新情報を一挙紹介
 
C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史
C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史
C12 AlwaysOn 可用性グループとデータベースミラーリングのIO特製の比較 by 多田典史
 
Vertica 8.1.1(8.1 SP1) 新機能
 Vertica 8.1.1(8.1 SP1) 新機能 Vertica 8.1.1(8.1 SP1) 新機能
Vertica 8.1.1(8.1 SP1) 新機能
 
Managed Instance チートシート
Managed Instance チートシートManaged Instance チートシート
Managed Instance チートシート
 
Qlik ReplicateでApache Kafkaをターゲットとして使用する
Qlik ReplicateでApache Kafkaをターゲットとして使用するQlik ReplicateでApache Kafkaをターゲットとして使用する
Qlik ReplicateでApache Kafkaをターゲットとして使用する
 
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
 
Windows Server 2012 のストレージ強化とエンタープライズへの活用
Windows Server 2012 のストレージ強化とエンタープライズへの活用Windows Server 2012 のストレージ強化とエンタープライズへの活用
Windows Server 2012 のストレージ強化とエンタープライズへの活用
 
仮想化した DC を PowerShell で複製する
仮想化した DC を PowerShell で複製する仮想化した DC を PowerShell で複製する
仮想化した DC を PowerShell で複製する
 
Windows と標準的なハードウェアで構築するストレージ サーバー
Windows と標準的なハードウェアで構築するストレージ サーバーWindows と標準的なハードウェアで構築するストレージ サーバー
Windows と標準的なハードウェアで構築するストレージ サーバー
 
Qlik Replicate - 双方向レプリケーション(Bidirectional Replication)の利用
Qlik Replicate - 双方向レプリケーション(Bidirectional Replication)の利用Qlik Replicate - 双方向レプリケーション(Bidirectional Replication)の利用
Qlik Replicate - 双方向レプリケーション(Bidirectional Replication)の利用
 
Sql server 2016 always on 可用性グループ new features
Sql server 2016 always on 可用性グループ new featuresSql server 2016 always on 可用性グループ new features
Sql server 2016 always on 可用性グループ new features
 
Qlik ReplicateでAmazon Kinesis Data Streamsをターゲットとして使用する
Qlik ReplicateでAmazon Kinesis Data Streamsをターゲットとして使用するQlik ReplicateでAmazon Kinesis Data Streamsをターゲットとして使用する
Qlik ReplicateでAmazon Kinesis Data Streamsをターゲットとして使用する
 
Couchbase meetup20140925
Couchbase meetup20140925Couchbase meetup20140925
Couchbase meetup20140925
 
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
 
Qlik TechFest C-5 Qlikエンジンのサーバーサイド拡張(SSE)の 基礎から実装まで
Qlik TechFest C-5  Qlikエンジンのサーバーサイド拡張(SSE)の 基礎から実装までQlik TechFest C-5  Qlikエンジンのサーバーサイド拡張(SSE)の 基礎から実装まで
Qlik TechFest C-5 Qlikエンジンのサーバーサイド拡張(SSE)の 基礎から実装まで
 
Always on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイントAlways on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイント
 
Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)
Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)
Sql server 2012 の新機能を 3 つの視点でご紹介(大阪版)
 
[db tech showcase Tokyo 2017] E26: 窓は開かれた! SQL Server on Linux で拡がる可能性 by 日本マ...
[db tech showcase Tokyo 2017] E26: 窓は開かれた! SQL Server on Linux で拡がる可能性 by 日本マ...[db tech showcase Tokyo 2017] E26: 窓は開かれた! SQL Server on Linux で拡がる可能性 by 日本マ...
[db tech showcase Tokyo 2017] E26: 窓は開かれた! SQL Server on Linux で拡がる可能性 by 日本マ...
 
PostgreSQLのソース・ターゲットエンドポイントとしての利用
PostgreSQLのソース・ターゲットエンドポイントとしての利用PostgreSQLのソース・ターゲットエンドポイントとしての利用
PostgreSQLのソース・ターゲットエンドポイントとしての利用
 

Similar to Vertica 8.0.0 新機能

今後のビジネス モデルに対応する Azure プラットフォーム技術の活用
今後のビジネス モデルに対応する Azure プラットフォーム技術の活用今後のビジネス モデルに対応する Azure プラットフォーム技術の活用
今後のビジネス モデルに対応する Azure プラットフォーム技術の活用
Kazuyuki Nomura
 
【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」
【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」
【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」
Naoki (Neo) SATO
 
PHP on Windows Azure
PHP on Windows AzurePHP on Windows Azure
PHP on Windows Azure
Microsoft
 

Similar to Vertica 8.0.0 新機能 (20)

[Japan Tech summit 2017] DAL 001
[Japan Tech summit 2017]  DAL 001[Japan Tech summit 2017]  DAL 001
[Japan Tech summit 2017] DAL 001
 
TFセミナー マイクロソフト製品で作る Web インフラ 基本編
TFセミナー マイクロソフト製品で作る Web インフラ 基本編TFセミナー マイクロソフト製品で作る Web インフラ 基本編
TFセミナー マイクロソフト製品で作る Web インフラ 基本編
 
Windows Server 2016 で作るシンプルなハイパーコンバージドインフラ (Microsoft TechSummit 2016)
Windows Server 2016 で作るシンプルなハイパーコンバージドインフラ (Microsoft TechSummit 2016)Windows Server 2016 で作るシンプルなハイパーコンバージドインフラ (Microsoft TechSummit 2016)
Windows Server 2016 で作るシンプルなハイパーコンバージドインフラ (Microsoft TechSummit 2016)
 
Microsoft Azure build & ignight update summary
Microsoft Azure build & ignight update summary Microsoft Azure build & ignight update summary
Microsoft Azure build & ignight update summary
 
20140927 azure pack_slideshare
20140927 azure pack_slideshare20140927 azure pack_slideshare
20140927 azure pack_slideshare
 
WowzaMediaServer for EC2 導入編
WowzaMediaServer for EC2 導入編WowzaMediaServer for EC2 導入編
WowzaMediaServer for EC2 導入編
 
これから始める Azure の基礎サービス: IaaS/PaaS
これから始める Azure の基礎サービス: IaaS/PaaSこれから始める Azure の基礎サービス: IaaS/PaaS
これから始める Azure の基礎サービス: IaaS/PaaS
 
Cld002 windows server_2016_で作るシンプ
Cld002 windows server_2016_で作るシンプCld002 windows server_2016_で作るシンプ
Cld002 windows server_2016_で作るシンプ
 
今後のビジネス モデルに対応する Azure プラットフォーム技術の活用
今後のビジネス モデルに対応する Azure プラットフォーム技術の活用今後のビジネス モデルに対応する Azure プラットフォーム技術の活用
今後のビジネス モデルに対応する Azure プラットフォーム技術の活用
 
INF-009_PowerShell を 使いこなして、自動化対応 エンジニア になろう!!
INF-009_PowerShell を 使いこなして、自動化対応 エンジニア になろう!!INF-009_PowerShell を 使いこなして、自動化対応 エンジニア になろう!!
INF-009_PowerShell を 使いこなして、自動化対応 エンジニア になろう!!
 
SQL Server 2022 New Features Explain Japanese
SQL Server 2022 New Features Explain JapaneseSQL Server 2022 New Features Explain Japanese
SQL Server 2022 New Features Explain Japanese
 
Windows環境でのMySQL
Windows環境でのMySQLWindows環境でのMySQL
Windows環境でのMySQL
 
2014年12月04日 ヒーロー島 Azureスペシャル
2014年12月04日 ヒーロー島 Azureスペシャル2014年12月04日 ヒーロー島 Azureスペシャル
2014年12月04日 ヒーロー島 Azureスペシャル
 
【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」
【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」
【Build 記念】Windows Azure 最新情報 ~2013 年上半期の総括~ > 「Windows Azure 最新情報」
 
SaaS/クラウドコンピューティングでのオープンソース活用とセキュリティ
SaaS/クラウドコンピューティングでのオープンソース活用とセキュリティSaaS/クラウドコンピューティングでのオープンソース活用とセキュリティ
SaaS/クラウドコンピューティングでのオープンソース活用とセキュリティ
 
PHP on Windows Azure
PHP on Windows AzurePHP on Windows Azure
PHP on Windows Azure
 
PHP on Windows Azure
PHP on Windows AzurePHP on Windows Azure
PHP on Windows Azure
 
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]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]
 
OSC2014 東京 owncloud性能検証
OSC2014 東京 owncloud性能検証OSC2014 東京 owncloud性能検証
OSC2014 東京 owncloud性能検証
 
.NET Core とマルチプラットフォーム
.NET Core とマルチプラットフォーム.NET Core とマルチプラットフォーム
.NET Core とマルチプラットフォーム
 

More from Kaito Tono (7)

Vertica 9.1.0 新機能
 Vertica 9.1.0 新機能 Vertica 9.1.0 新機能
Vertica 9.1.0 新機能
 
Vertica 9.0.1 新機能
Vertica 9.0.1 新機能Vertica 9.0.1 新機能
Vertica 9.0.1 新機能
 
Vertica 9.0.0 新機能
Vertica 9.0.0 新機能Vertica 9.0.0 新機能
Vertica 9.0.0 新機能
 
Vertica 8.1.0 新機能
Vertica 8.1.0 新機能Vertica 8.1.0 新機能
Vertica 8.1.0 新機能
 
Vertica 8.0.1 (8.0 SP1) 新機能
Vertica 8.0.1 (8.0 SP1) 新機能Vertica 8.0.1 (8.0 SP1) 新機能
Vertica 8.0.1 (8.0 SP1) 新機能
 
Vertica 7.2.2 新機能
Vertica 7.2.2 新機能Vertica 7.2.2 新機能
Vertica 7.2.2 新機能
 
Vertica 7.2.3 新機能
Vertica 7.2.3 新機能Vertica 7.2.3 新機能
Vertica 7.2.3 新機能
 

Recently uploaded

Recently uploaded (11)

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。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。
 
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)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)
 
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
 
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)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)
 
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
 
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
 
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。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。
 
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)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)
 
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。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...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...
 
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
 

Vertica 8.0.0 新機能

Editor's Notes

  1. roadmap for enhancing traditional data warehouse capabilities roadmap for a semantic design tier; system and solution auditing and health management to assure use-case SLA compliance; static and dynamic cost-based optimization, with the potential to span processing environments and data structures; management and orchestration of multiple processing engines; and elastic workload management and process distribution.
  2. 16
  3. 17
  4. This change has resulted in a pretty substantial improvement in execution time. But while the difference is not as pronounced, there is still a pretty significant performance difference between 250 and 1500 columns. We still had more work to do.
  5. 24
  6. Encrypts data on disk. Encrypts network traffic, etc. so that I complies. Considerations: Existing environments can not upgrade dynamically into FIPS. FIPS 140-2 compliant mode of operations is set during initial installation. Must use Red Hat 6.6 on both client and server ODBC driver only Installer will query the Red Hat operating system to determine if it is in FIPS mode and will install Vertica accordingly There is a separate ODBC client installer specifically for FIPS and must be used to ensure end to end compliance
  7. ・フレックステーブルで列をコンピュートする際、取り込んだデータの性質から、Verticaでのデータ型を決定するが、これまでは基本文字列型として認識 ・この精度を向上させるためのパラメータができた ・パラメータを有効化すると、フレックステーブルで列をコンピュートする際に、より正しいデータ型をセットできるようになる https://my.vertica.com/docs/7.2.x/HTML/index.htm#Authoring/FlexTables/SettingFlexTableParameters.htm Using EnableBetterFlexTypeGuessing To increase the accuracy of the data type that the COMPUTE_FLEXTABLE_KEYS or COMPUTE_FLEXTABLE_KEYS_AND_BUILD_VIEW functions assign, set theEnableBetterFlexTypeGuessing configuration parameter. This parameter is off by default. After setting the EnableBetterFlexTypeGuessing, the function results include additional data types, including BOOLEAN, INTEGER, FLOAT, DATE, and TIMESTAMP. You can set the parameter at either the session or database level. For information about setting configuration parameters, see Setting Configuration Parameter Values in the Administrator's Guide.