SlideShare une entreprise Scribd logo
1  sur  71
Télécharger pour lire hors ligne
Developer Day
Benchmarking on AWS
パフォーマンスの文句は計測してから言え!
1
C-2
大栗 宗, AWSコンサルティング部
クラスメソッド株式会社
Ⓒ Classmethod, Inc.
2015年03月29日
#cmdevio2015C
お前誰よ?
大栗 宗(@maroon1st)
インフラ構築 on AWSやってます
I ❤️ ウィスキー, シガー, パイプ
好きなAWSサービス:
• RDS
• SSM(Simple Systems Manager)
2Ⓒ Classmethod, Inc. #cmdevio2015C
Agenda
• What is Benchmark ?
• Benchmarking for EC2/EBS
• Benchmarking for RDS
• Benchmarking for Other Services
• Summary
3Ⓒ Classmethod, Inc. #cmdevio2015C
What is Benchmark ?
#cmdevio2015C
–Tom DeMarco
測定できないものは
制御できない
#cmdevio2015C
Benchmarkを

実施したことがある人
挙手!
6 #cmdevio2015C
Benchmarkツールの
話は一切しません。
7 #cmdevio2015C
コンピュータシステムのハードウェアやソフトウェア
の性能を測定するための指標のことを指す。(中略)直
接的な性能比較ができないシステムの間において、様々
な観点で性能を比較する手段を提供する。
(ベンチマーク. (2014, June 26). In Wikipedia.
Retrieved 03:20, March 17, 2015)
8Ⓒ Classmethod, Inc.
Benchmarkとは?
#cmdevio2015C
つまり
性能比較のための指標
9 #cmdevio2015C
Benchmarkとは?
本日の話題の対象範囲
10Ⓒ Classmethod, Inc.
アプリケーション
サービス
ミドルウェア
OS
{
{ユーザの責任範囲
AWSの責任範囲
仮想化機構
物理ハードウェア
#cmdevio2015C
Benchmarkとは?
本日の話題の対象範囲
Ⓒ Classmethod, Inc.
アプリケーション
サービス
ミドルウェア
OS
{
{ユーザの責任範囲
AWSの責任範囲
仮想化機構
物理ハードウェア
#cmdevio2015C
Benchmarkの目的
システムで使用するインスタンス / サービスで、

必要な性能が出せるか目安を立てる。
コンポーネント単体の性能のみを比較しても、

あまり意味は無い。
AWSのサービスの性能結果を組み合わせて、

システム全体の性能を推測することが重要。
12Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmarkの目的
スコアのためのBenchmarkは無意味!
「最適化」や「チート」の結果は無駄!
13Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmarkにおける重要事項
以下の項目を念頭に置きましょう。
1. 計測の目的

→目的によって計測方法が変わる
2. 計測対象の特定

→計測対象を間違えない
3. 計測対象の内容把握

→計測対象のアーキテクチャを知る
14Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmarking
for EC2/EBS
#cmdevio2015C
–Jean-Jacques Rousseau
幸福はその人の受ける苦しみ
の最小量によって測られなけ
ればならない。
#cmdevio2015C
まずはEC2の
Benchmarking!
17 #cmdevio2015C
Benchmarkの内容
Benchmarkの目的
• 特定のインスタンスタイプの性能を知りたい。
Benchmarkの条件
• Instance Type: c3.xlarge
• EBS: gp2 500GB (1,500/3,000 IOPS)
• Region: Tokyo(ap-northeast-1)
• OS: CentOS 6.5
• Benchmark tool: UnixBench 5.1.3
18Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmark結果
19Ⓒ Classmethod, Inc.
パターンA パターンB
Dhrystone 2 using register variables(整数演算) 6730.6 6697
Double-Precision Whetstone(浮動小数点) 2322.1 2313.7
Execl Throughput(システムコール) 858.6 2477.2
File Copy 1024 bufsize 2000 maxblocks(ディスクI/O) 790.4 1957.6
File Copy 256 bufsize 500 maxblocks(ディスクI/O) 486.5 1160.2
File Copy 4096 bufsize 8000 maxblocks(ディスクI/O) 1595.9 4054.8
Pipe Throughput(パイプ) 726 2687.3
Pipe-based Context Switching(パイプ) 411.4 1727.6
Process Creation(プロセスフォーク) 586.4 2841
Shell Scripts (1 concurrent)(シェルのテキスト処理:1並列) 1480.1 3221.9
Shell Scripts (8 concurrent)(シェルのテキスト処理:8並列) 1388.4 3149
System Call Overhead(システムコール) 640.5 3416.9
System Benchmarks Index Score(総合スコア) 1054.8 2716.7
#cmdevio2015C
何故こんな差が
出ているんでしょう?
20 #cmdevio2015C
性能差の原因
仮想化タイプが違っていた。
• PV(準仮想化)

エミュレーションのオーバーヘッドを抑えるPVが高速で
あるが、OS側での対応が必要。
• HVM(完全仮想化)

OS側の対応が不要だがエミュレーションコストが大き
い。CPUの支援機能(Intel VT-xやAMD-V)が必須。
21Ⓒ Classmethod, Inc. #cmdevio2015C
性能差の原因
一昔前の資料には PV > HVM という説明が多いが、
現在は逆転している。
特にCPUの仮想化支援機能によるメモリアクセスの高
速化、I/Oアクセスの高速化の影響が大きい。
今はHVMでもPVドライバ(PV on HVM)を使用でき、
拡張ネットワーキングも可能となり、高速化されてい
る。
22Ⓒ Classmethod, Inc. #cmdevio2015C
余談だが、近い将来に新しい仮想化

タイプがEC2で使用できるかも。
Xen 4.4、Linux 3.14以降でPVHが

使用可能。一言で言うとPVやHVMよ
り高速に動作するらしい。
詳しい方、情報求む!
23Ⓒ Classmethod, Inc. #cmdevio2015C
新しい仮想化タイプが出てきても

慌てないように環境構築の自動化を

推進する。
秘伝のタレを使い続けると新しい

インスタンスや仮想化タイプが

出てきたときに対応できない!
24Ⓒ Classmethod, Inc. #cmdevio2015C
次はEBSの
Benchmarking!
25 #cmdevio2015C
先日のアップデート...
26 #cmdevio2015C
性能上限が一気に向上!
• General Purpose(gp2)

3,000 → 10,000 IOPS
• Provisioned IOPS(PIOPS)

4,000 → 20,000 IOPS
27 #cmdevio2015C
では計測の実施!
28 #cmdevio2015C
Benchmark内容
Benchmarkの目的
• 想定した性能をEBSが発揮するか?
Benchmarkの条件
• EBS

gp2:4,000GB(10,000IOPS)

io1 :4,000GB(20,000IOPS)
• OS: Amazon Linux 2014.09.2
• Benchmark tool: fio 2.1.5
• block size: 16 KB
• 計測回数: 3回
29Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmark結果
30Ⓒ Classmethod, Inc.
9,722%%
9,499%%
8,953%%
9,635%%
9,710%%
9,737%%
1,544%%
1,544%%
1,536%%
1,522%%
1,515%%
1,526%%
20,152%%
20,115%%
19,682%%
19,761%%
19,993%%
20,108%%
1,523%%
1,528%%
1,540%%
1,496%%
1,492%%
1,501%%
0"" 5,000"" 10,000"" 15,000"" 20,000"" 25,000""
16"jobs"
32"jobs"
64"jobs"
16"jobs"
32"jobs"
64"jobs"
16"jobs"
32"jobs"
64"jobs"
16"jobs"
32"jobs"
64"jobs"
seq"read"rand"read"seq"write"rand"write"
IOPS
gp2" io1"
155.5%%MB/s%
152.0%%MB/s%
143.2%%MB/s%
154.2%%MB/s%
155.4%%MB/s%
155.8%%MB/s%
24.7%%MB/s%
24.7%%MB/s%
24.6%%MB/s%
24.4%%MB/s%
24.2%%MB/s%
24.4%%MB/s%
322.4%%MB/s%
321.8%%MB/s%
314.9%%MB/s%
316.2%%MB/s%
319.9%%MB/s%
321.7%%MB/s%
24.4%%MB/s%
24.5%%MB/s%
24.6%%MB/s%
23.9%%MB/s%
23.9%%MB/s%
24.0%%MB/s%
0.0""MB/s" 100.0""MB/s" 200.0""MB/s" 300.0""MB/s" 400.0""MB/s"
16"jobs"
32"jobs"
64"jobs"
16"jobs"
32"jobs"
64"jobs"
16"jobs"
32"jobs"
64"jobs"
16"jobs"
32"jobs"
64"jobs"
seq"read"rand"read"seq"write"rand"write"
bandwidth
gp2" io1"
#cmdevio2015C
Write性能が低い。。。
31 #cmdevio2015C
なぜWrite性能が低いのか?
データブロックに初めてアクセスした場合、IOPS は 5
∼50% 減少 

Amazon EBS ボリュームのパフォーマンス on Linux インスタンス

http://docs.aws.amazon.com/ja_jp/AWSEC2/latest/UserGuide/EBSPerformance.html
パフォーマンスを発揮するためには?
• すべてのブロックを対象に、書き込みまたは読み取
りを実行することで、パフォーマンスの低下を回避
• Pre-Warmingの実行が必要
32Ⓒ Classmethod, Inc. #cmdevio2015C
Write性能が低い原因は、
Pre-Warmingを
していないため!
33 #cmdevio2015C
Pre-Warmingの
実行速度を計測しましょう
34 #cmdevio2015C
Benchmark内容
Benchmarkの目的
• Pre-Warmingに必要な時間はどのくらいか?
Benchmarkの条件
• EBS:(gp2)500GB, 1000GB, 2,000GB, 3000GB
• OS: Amazon Linux 2014.09.2
• コマンド:time sudo dd if=/dev/zero of=/dev/
xvd* oflag=direct bs=1M count=50000

oflag=direct :OSのキャッシュを使用しない。
Amazon EBS ボリュームの事前ウォーミング

http://docs.aws.amazon.com/ja_jp/AWSEC2/latest/UserGuide/ebs-prewarm.html
35Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmark結果
36Ⓒ Classmethod, Inc.
実行時間 io1 推定完了時間
500GB 738 sec 71.0 MB/sec 2.0 h
1,000GB 734 sec 71.4 MB/sec 4.0 h
2,000GB 782 sec 67.0 MB/sec 8.5 h
3,000GB 858 sec 61.1 MB/sec 14.0 h
平均 778 sec 67.6 MB/sec ー
#cmdevio2015C
16TBのEBSを

Pre-Warmingするのに

約3日(68.9h)必要。。。
本当にPrewarmingを
実施してから使用する?
37 #cmdevio2015C
通常のシステム運用で
Prewarmingを行わないなら、
Benchmarkでも実施しない!
38 #cmdevio2015C
EC2/EBSの計測方法
• 自分が使用するインスタンス、AMI、ユースケースを
把握する。

→現行世代のEC2を使用する。インスタンスタイプ
変更の場合、仮想化タイプの移行が可能か検討。移
行費用とランニングコストを天 にかけて決定。
• EBSはPrewarmingが実施可能である場面は少ない。

→Prewarmingをしないで計測する。
• EBSのユースケースを洗い出す。

→バックアップやリストアの時間も考慮する。
39Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmarking
for RDS
#cmdevio2015C
–Mohandas Karamchand Gandhi
人生は速度を上げるだけが
能ではない。
#cmdevio2015C
RDBMSの種類
RDBMSを大きく以下のように分類する。
• OLTP:RDS(MySQL, PostgreSQL, Oracle,
SQL Server)

→通常用途
• DWH:Redshift(PostgreSQL like)

→大規模データ分析
• 超高速系:インメモリDB等

(HANA on EC2, MySQL Cluster on EC2, etc)

→超高トラフィック対策
42Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSの種類
OLTP VS DWH VS 超高速系
43Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSの種類
OLTP VS DWH VS 超高速系?
ハイブリッド VS トラック VS F1 ?
44Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSの種類
OLTP VS DWH VS 超高速系?
ハイブリッド VS トラック VS F1 ?
45Ⓒ Classmethod, Inc. #cmdevio2015C
意味ある比較にならない!
RDSのEngine
RDSのDB Engineは現在4種類。
• MySQL(GPL v2.0)

OSS。シンプルなクエリが得意。
• PostgreSQL(The PostgreSQL License)

OSS。地理情報やJSONを扱える。
• Oracle(License Include, BYOL)

プロプライエタリ。エンタープライズの実績多数。
• SQL Server(License Include, BYOL)

プロプライエタリ。WIndowsと相性が良い。
46Ⓒ Classmethod, Inc. #cmdevio2015C
RDSのEngine
話題休閑
AuroraもRDSの1種である。現在Limited Preview中。
MySQLからStorageを独自実装に変更している。
MySQLと同等シンプルなクエリがとくと推定される。
64TBまでのデータに対応可能だが集計処理が不得意と
思われるため、DWH用途での使用は難しいであろう。
ライセンスはGPL v2.0だがサービス提供のため、ソー
スの配布義務が無く公開されないと思われる。
47Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
代表的なRDBMSのBenchmarkに以下がある。
• トランザクション処理性能評議会(TPC):

TPC-C:注文・支払い処理業務(OLTP)

TPC-E:証券取引・市場監視(OLTP)

TPC-DS:新世代の意思決定支援システム(DWH)

TPC-H:旧世代の意思決定支援システム(DWH)

TPC-VMS:同一マシンでの複数VM同時実行
• その他:

SysBench:単一テーブルへのWrite/Read
48Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
TPC-C:注文・支払い処理業務

49Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
TPC-E:証券取引・市場監視

50Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
TPC-DS:新世代の意思決定支援システム

51Ⓒ Classmethod, Inc.
Store Sales ERD Store Returns ERD Catalog Sales ERD
Catalog Returns ERD Web Sales ERD Web Returns ERD
#cmdevio2015C
RDBMSのBenchmarkの種類
TPC-H:旧世代の意思決定支援システム

52Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
TPC-VMS:同一マシンでの複数VM同時実行
• TPC-C、TPC-E、TPC-DS、TPC-Hから1つの指標
を選択。
• 選択した指標を同一マシン上のVMで3インスタンス
稼働し、計測する。
• AWS上では通常使用しない。しかし、今後ECS/
Docker on AWSでの計測が必要になるかもしれな
い。
53Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
SysBench

54Ⓒ Classmethod, Inc. #cmdevio2015C
RDBMSのBenchmarkの種類
• TPC

各々指標が想定している業務モデルがある。

対象業務に近い指標を選択して評価すべき。
• SysBench

特定の業務モデルがない。

RDBMS的な使用をしていない。

KVSと同様のモデル。
55Ⓒ Classmethod, Inc. #cmdevio2015C
RDSの計測方法
• 特性に合わせたDB Engineを選択する。

→ クエリの複雑性、使用する機能。
• 使用するシステムの業務モデルを把握する。

→ 類似の業務モデルの指標で計測。
• Benchmarkの業務モデルを理解する。

→ TPC-C/TPC-E/TPC-DS/TPC-H/TPC-VMS/
SysBench
56Ⓒ Classmethod, Inc. #cmdevio2015C
Benchmarking
for Other Services
#cmdevio2015C
–Mohandas Karamchand Gandhi
人生は速度を上げるだけが
能ではない。
#cmdevio2015C
各種サービスでの注意点
59 #cmdevio2015C
各種サービスでの注意点
• S3(API)
• APIの叩き過ぎは、スロットリングでエラーが発生。
• S3(Static Web Hosting)
• 名前解決によって接続先が変わる。
• AZで異なるレイテンシを考慮。
• 多数のクライアントからアクセスして、

アクセス先を分散させる。
60Ⓒ Classmethod, Inc.
ネットワーク的に近い
¦¦
低レイテンシ
ネットワーク的に遠い
¦¦
高レイテンシ
#cmdevio2015C
各種サービスでの注意点
• CloudFront
• S3と同様に同一ドメインでもアクセス先エッジサーバが複数
存在。
• WebかStreamingを意識してアクセスする。Webの場合は
rps、Streamingの場合はThroughputに注意。1Gbps or
1,000rpsを超える場合は上限緩和が必要。
• TTLが短い場合や動的コンテンツの場合はアクセス頻度が大
きい場合は、オリジンサーバのボトルネックを考慮する。
61Ⓒ Classmethod, Inc. #cmdevio2015C
各種サービスでの注意点
• DynamoDB
• Primary Keyのカーディナリティに注意。パーティション単
位で内部のIOPSが決まっているため、アクセスするKey(正確
にはパーティション)が偏ると性能を発揮できない。
62Ⓒ Classmethod, Inc. #cmdevio2015C
1パーティション:
X IOPS
全体性能:
3X IOPS
各種サービスでの注意点
スループットの大きな上下により性能低下の可能性がある。

スループットの向上はパーティション分割でIOPSを増やす。低下
はパーティション結合せずに、パーティションのIOPSを低下。
63Ⓒ Classmethod, Inc.
性能向上:
パーティションを分割して
全体性能を上げる
性能低下:
パーティション結合をしない
各パーティションの性能を下げる
Keyが偏ると通常より性能悪化
#cmdevio2015C
Summary
#cmdevio2015C
–Hajime Ooguri
測定には前提がある。

前提を見極めよ。
#cmdevio2015C
Benchmarkにおける重要事項
以下の項目を念頭に置く。
1. 計測の目的

使用用途、場面を考える。

ex) Auto Scalingのスパイク、永続的なデータストア
2. 計測対象の特定

使用するサービスの種類

ex) インスタンスサイズ、ディスクの種類
3. 計測対象の内容把握

内部アーキテクチャの影響

ex) DynamoDBのKeyパーティショニング
66Ⓒ Classmethod, Inc. #cmdevio2015C
まとめ
• 性能を向上させる方法は把握すべきだが、現
実に即した内容で計測する。
• EC2の仮想化タイプ(HVMが使用可能か?)
• Prewarmingの有無(運用上、準備時間が取れるか?)
• etc
• 自分のユースケースに合う指標を使って
Benchmarkする
• Disk I/O→Read/Write, Sequential/Random
• RDB→TPC-C/TPC-DS/TPC-E/TPC-H/TPC-VMS/SysBench
• etc
67Ⓒ Classmethod, Inc. #cmdevio2015C
最後に一言
68 #cmdevio2015C
サービス単位の

Benchmark Scoreを

鵜呑みにしないように。
重要なことは
システム全体の性能です!
69 #cmdevio2015C
Any Questions?
70 #cmdevio2015C
Developer Day
ご静聴ありがとうございました。
71
C-2
Ⓒ Classmethod, Inc. #cmdevio2015C

Contenu connexe

Similaire à Benchmarking on AWS @Developers.io 2015

AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...
AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...
AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...Amazon Web Services Japan
 
【17-C-2】 クラウド上でのエンタープライズアプリケーション開発
【17-C-2】 クラウド上でのエンタープライズアプリケーション開発【17-C-2】 クラウド上でのエンタープライズアプリケーション開発
【17-C-2】 クラウド上でのエンタープライズアプリケーション開発lalha
 
20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container ServicesAmazon Web Services Japan
 
JAZUG クラウドデザインパターンのコードを覗く
JAZUG クラウドデザインパターンのコードを覗くJAZUG クラウドデザインパターンのコードを覗く
JAZUG クラウドデザインパターンのコードを覗くTakekazu Omi
 
【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上
【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上
【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上Tatsuya Ishikawa
 
Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築VOYAGE GROUP
 
IBM Rational Team Concertに触れてみた
IBM Rational Team Concertに触れてみたIBM Rational Team Concertに触れてみた
IBM Rational Team Concertに触れてみたYou&I
 
VSCodeで始めるAzure Static Web Apps開発
VSCodeで始めるAzure Static Web Apps開発VSCodeで始めるAzure Static Web Apps開発
VSCodeで始めるAzure Static Web Apps開発Yuta Matsumura
 
Amazon EKSによるスケーラブルなCTR予測システム
Amazon EKSによるスケーラブルなCTR予測システムAmazon EKSによるスケーラブルなCTR予測システム
Amazon EKSによるスケーラブルなCTR予測システム駿哉 吉田
 
Asp Net Mvc 基礎のキソ
Asp Net Mvc 基礎のキソAsp Net Mvc 基礎のキソ
Asp Net Mvc 基礎のキソYoshitaka Seo
 
サーバーレスの今とこれから
サーバーレスの今とこれからサーバーレスの今とこれから
サーバーレスの今とこれから真吾 吉田
 
レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証
レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証
レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証Recruit Technologies
 
Spark/MapReduceの 機械学習ライブラリ比較検証
Spark/MapReduceの 機械学習ライブラリ比較検証Spark/MapReduceの 機械学習ライブラリ比較検証
Spark/MapReduceの 機械学習ライブラリ比較検証Recruit Technologies
 
[SCCM 友の会] System Center Configuration Manager この秋おさえておきたい最新機能!
[SCCM 友の会]  System Center Configuration Manager  この秋おさえておきたい最新機能![SCCM 友の会]  System Center Configuration Manager  この秋おさえておきたい最新機能!
[SCCM 友の会] System Center Configuration Manager この秋おさえておきたい最新機能!TAKUYA OHTA
 
Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)
Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)
Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)NTT DATA Technology & Innovation
 
クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化
クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化
クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化vxsejapan
 
Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築Kenta Suzuki
 
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したことAmazon Web Services Japan
 
Craft CMSに最適なサーバはどんな環境?
Craft CMSに最適なサーバはどんな環境?Craft CMSに最適なサーバはどんな環境?
Craft CMSに最適なサーバはどんな環境?Kei Mikage
 

Similaire à Benchmarking on AWS @Developers.io 2015 (20)

AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...
AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...
AWS Black Belt Tech シリーズ 2015 - AWS CodeCommit & AWS CodePipeline & AWS CodeD...
 
【17-C-2】 クラウド上でのエンタープライズアプリケーション開発
【17-C-2】 クラウド上でのエンタープライズアプリケーション開発【17-C-2】 クラウド上でのエンタープライズアプリケーション開発
【17-C-2】 クラウド上でのエンタープライズアプリケーション開発
 
20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services
 
JAZUG クラウドデザインパターンのコードを覗く
JAZUG クラウドデザインパターンのコードを覗くJAZUG クラウドデザインパターンのコードを覗く
JAZUG クラウドデザインパターンのコードを覗く
 
【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上
【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上
【SQiP2014】システム操作インターフェイス最適化によるテスト自動化ROI向上
 
Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築
 
IBM Rational Team Concertに触れてみた
IBM Rational Team Concertに触れてみたIBM Rational Team Concertに触れてみた
IBM Rational Team Concertに触れてみた
 
VSCodeで始めるAzure Static Web Apps開発
VSCodeで始めるAzure Static Web Apps開発VSCodeで始めるAzure Static Web Apps開発
VSCodeで始めるAzure Static Web Apps開発
 
Amazon EKSによるスケーラブルなCTR予測システム
Amazon EKSによるスケーラブルなCTR予測システムAmazon EKSによるスケーラブルなCTR予測システム
Amazon EKSによるスケーラブルなCTR予測システム
 
Asp Net Mvc 基礎のキソ
Asp Net Mvc 基礎のキソAsp Net Mvc 基礎のキソ
Asp Net Mvc 基礎のキソ
 
サーバーレスの今とこれから
サーバーレスの今とこれからサーバーレスの今とこれから
サーバーレスの今とこれから
 
レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証
レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証
レコメンドバッチ高速化に向けたSpark/MapReduceの機械学習ライブラリ比較検証
 
Spark/MapReduceの 機械学習ライブラリ比較検証
Spark/MapReduceの 機械学習ライブラリ比較検証Spark/MapReduceの 機械学習ライブラリ比較検証
Spark/MapReduceの 機械学習ライブラリ比較検証
 
AWS Lambda Updates
AWS Lambda UpdatesAWS Lambda Updates
AWS Lambda Updates
 
[SCCM 友の会] System Center Configuration Manager この秋おさえておきたい最新機能!
[SCCM 友の会]  System Center Configuration Manager  この秋おさえておきたい最新機能![SCCM 友の会]  System Center Configuration Manager  この秋おさえておきたい最新機能!
[SCCM 友の会] System Center Configuration Manager この秋おさえておきたい最新機能!
 
Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)
Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)
Kubernetes 基盤における非機能試験の deepdive(Kubernetes Novice Tokyo #17 発表資料)
 
クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化
クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化
クラウドバイデフォルトは新しい日常で加速するハイブリッドクラウド、マルチクラウドデータ保護の最前線とコストの最適化
 
Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築Jenkinsとhadoopを利用した継続的データ解析環境の構築
Jenkinsとhadoopを利用した継続的データ解析環境の構築
 
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと
 
Craft CMSに最適なサーバはどんな環境?
Craft CMSに最適なサーバはどんな環境?Craft CMSに最適なサーバはどんな環境?
Craft CMSに最適なサーバはどんな環境?
 

Plus de 宗 大栗

基礎からのEBS
基礎からのEBS基礎からのEBS
基礎からのEBS宗 大栗
 
JAWS-UG横浜紹介『我らが横浜!』
JAWS-UG横浜紹介『我らが横浜!』JAWS-UG横浜紹介『我らが横浜!』
JAWS-UG横浜紹介『我らが横浜!』宗 大栗
 
頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜
頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜
頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜宗 大栗
 
New Cloud Design Pattern using Amazon Aurora
New Cloud Design Pattern using Amazon AuroraNew Cloud Design Pattern using Amazon Aurora
New Cloud Design Pattern using Amazon Aurora宗 大栗
 
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)宗 大栗
 
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さいre:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい宗 大栗
 
メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜
メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜
メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜宗 大栗
 
Datastore masakari 1_aurora_169_publication
Datastore masakari 1_aurora_169_publicationDatastore masakari 1_aurora_169_publication
Datastore masakari 1_aurora_169_publication宗 大栗
 
20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio
20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio
20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio宗 大栗
 
Jaws festa-2014-cdp-03
Jaws festa-2014-cdp-03Jaws festa-2014-cdp-03
Jaws festa-2014-cdp-03宗 大栗
 
Jaws festa-2014-cdp-02
Jaws festa-2014-cdp-02Jaws festa-2014-cdp-02
Jaws festa-2014-cdp-02宗 大栗
 
Jaws festa-2014-cdp-01
Jaws festa-2014-cdp-01Jaws festa-2014-cdp-01
Jaws festa-2014-cdp-01宗 大栗
 
サバフェスLt
サバフェスLtサバフェスLt
サバフェスLt宗 大栗
 
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例宗 大栗
 
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Bチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書BチームJAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Bチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Bチーム宗 大栗
 
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Cチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書CチームJAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Cチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Cチーム宗 大栗
 
JAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFP
JAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFPJAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFP
JAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFP宗 大栗
 
みんな大好き“全文検索 on AWS”を試してみました!
みんな大好き“全文検索 on AWS”を試してみました!みんな大好き“全文検索 on AWS”を試してみました!
みんな大好き“全文検索 on AWS”を試してみました!宗 大栗
 

Plus de 宗 大栗 (18)

基礎からのEBS
基礎からのEBS基礎からのEBS
基礎からのEBS
 
JAWS-UG横浜紹介『我らが横浜!』
JAWS-UG横浜紹介『我らが横浜!』JAWS-UG横浜紹介『我らが横浜!』
JAWS-UG横浜紹介『我らが横浜!』
 
頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜
頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜
頑張らないクラウド最適化 〜クラウドネイティブだけでないAWS活用〜
 
New Cloud Design Pattern using Amazon Aurora
New Cloud Design Pattern using Amazon AuroraNew Cloud Design Pattern using Amazon Aurora
New Cloud Design Pattern using Amazon Aurora
 
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい(軽量版)
 
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さいre:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい
re:Growth 2015 TOKYO keynote以外のアップデートのこと、時々でいいから...... 思い出して下さい
 
メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜
メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜
メール受信も API Gateway と Lambda で!〜サービス連携でPaaSを拡張〜
 
Datastore masakari 1_aurora_169_publication
Datastore masakari 1_aurora_169_publicationDatastore masakari 1_aurora_169_publication
Datastore masakari 1_aurora_169_publication
 
20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio
20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio
20141216 CM re:Growth Previewが通りにくい“Aurora”を ガッツリ触ってみた! #cmdevio
 
Jaws festa-2014-cdp-03
Jaws festa-2014-cdp-03Jaws festa-2014-cdp-03
Jaws festa-2014-cdp-03
 
Jaws festa-2014-cdp-02
Jaws festa-2014-cdp-02Jaws festa-2014-cdp-02
Jaws festa-2014-cdp-02
 
Jaws festa-2014-cdp-01
Jaws festa-2014-cdp-01Jaws festa-2014-cdp-01
Jaws festa-2014-cdp-01
 
サバフェスLt
サバフェスLtサバフェスLt
サバフェスLt
 
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書 回答例
 
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Bチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書BチームJAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Bチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Bチーム
 
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Cチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書CチームJAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Cチーム
JAWS FESTA Kansai 2013 AWS設計・移行ワークショップ 提案書Cチーム
 
JAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFP
JAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFPJAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFP
JAWS FEASTA Kansai 2013 設計・移行ワークショップ 仮想RFP
 
みんな大好き“全文検索 on AWS”を試してみました!
みんな大好き“全文検索 on AWS”を試してみました!みんな大好き“全文検索 on AWS”を試してみました!
みんな大好き“全文検索 on AWS”を試してみました!
 

Benchmarking on AWS @Developers.io 2015