Soumettre la recherche
Mettre en ligne
がっつりMongoDB事例紹介
•
Télécharger en tant que PPTX, PDF
•
47 j'aime
•
23,366 vues
Tetsutaro Watanabe
Suivre
2014年3月時点で、日本MongoDBユーザ会に集められたMongoDBの事例紹介をします
Lire moins
Lire la suite
Business
Signaler
Partager
Signaler
Partager
1 sur 36
Télécharger maintenant
Recommandé
MongoDBが遅いときの切り分け方法
MongoDBが遅いときの切り分け方法
Tetsutaro Watanabe
Redisの特徴と活用方法について
Redisの特徴と活用方法について
Yuji Otani
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織
Takafumi ONAKA
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
Takuto Wada
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方
Yoshiyasu SAEKI
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
NTT DATA OSS Professional Services
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDB
ippei_suzuki
Recommandé
MongoDBが遅いときの切り分け方法
MongoDBが遅いときの切り分け方法
Tetsutaro Watanabe
Redisの特徴と活用方法について
Redisの特徴と活用方法について
Yuji Otani
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織
Takafumi ONAKA
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
Takuto Wada
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方
Yoshiyasu SAEKI
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
NTT DATA OSS Professional Services
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDB
ippei_suzuki
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
Amazon Web Services Japan
AWSのログ管理ベストプラクティス
AWSのログ管理ベストプラクティス
Akihiro Kuwano
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Recruit Technologies
Mongo dbを知ろう
Mongo dbを知ろう
CROOZ, inc.
後悔しないもんごもんごの使い方 〜アプリ編〜
後悔しないもんごもんごの使い方 〜アプリ編〜
Masakazu Matsushita
webエンジニアのためのはじめてのredis
webエンジニアのためのはじめてのredis
nasa9084
最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り
Sotaro Kimura
MongoDBの監視
MongoDBの監視
Tetsutaro Watanabe
PostgreSQLアンチパターン
PostgreSQLアンチパターン
Soudai Sone
Swagger ではない OpenAPI Specification 3.0 による API サーバー開発
Swagger ではない OpenAPI Specification 3.0 による API サーバー開発
Yahoo!デベロッパーネットワーク
SQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するか
Shogo Wakayama
今こそ知りたいSpring Batch(Spring Fest 2020講演資料)
今こそ知りたいSpring Batch(Spring Fest 2020講演資料)
NTT DATA Technology & Innovation
MongoDB〜その性質と利用場面〜
MongoDB〜その性質と利用場面〜
Naruhiko Ogasawara
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
Koichiro Matsuoka
Docker Compose 徹底解説
Docker Compose 徹底解説
Masahito Zembutsu
DevOps with Database on AWS
DevOps with Database on AWS
Amazon Web Services Japan
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
ツール比較しながら語る O/RマッパーとDBマイグレーションの実際のところ
ツール比較しながら語る O/RマッパーとDBマイグレーションの実際のところ
Y Watanabe
SPAセキュリティ入門~PHP Conference Japan 2021
SPAセキュリティ入門~PHP Conference Japan 2021
Hiroshi Tokumaru
脱RESTful API設計の提案
脱RESTful API設計の提案
樽八 仲川
MongoDB World 2014に行ってきた!
MongoDB World 2014に行ってきた!
Tetsutaro Watanabe
Osc2012.dbに行ってきました
Osc2012.dbに行ってきました
Masaru Kobashigawa
Contenu connexe
Tendances
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
Amazon Web Services Japan
AWSのログ管理ベストプラクティス
AWSのログ管理ベストプラクティス
Akihiro Kuwano
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Recruit Technologies
Mongo dbを知ろう
Mongo dbを知ろう
CROOZ, inc.
後悔しないもんごもんごの使い方 〜アプリ編〜
後悔しないもんごもんごの使い方 〜アプリ編〜
Masakazu Matsushita
webエンジニアのためのはじめてのredis
webエンジニアのためのはじめてのredis
nasa9084
最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り
Sotaro Kimura
MongoDBの監視
MongoDBの監視
Tetsutaro Watanabe
PostgreSQLアンチパターン
PostgreSQLアンチパターン
Soudai Sone
Swagger ではない OpenAPI Specification 3.0 による API サーバー開発
Swagger ではない OpenAPI Specification 3.0 による API サーバー開発
Yahoo!デベロッパーネットワーク
SQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するか
Shogo Wakayama
今こそ知りたいSpring Batch(Spring Fest 2020講演資料)
今こそ知りたいSpring Batch(Spring Fest 2020講演資料)
NTT DATA Technology & Innovation
MongoDB〜その性質と利用場面〜
MongoDB〜その性質と利用場面〜
Naruhiko Ogasawara
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
Koichiro Matsuoka
Docker Compose 徹底解説
Docker Compose 徹底解説
Masahito Zembutsu
DevOps with Database on AWS
DevOps with Database on AWS
Amazon Web Services Japan
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
ツール比較しながら語る O/RマッパーとDBマイグレーションの実際のところ
ツール比較しながら語る O/RマッパーとDBマイグレーションの実際のところ
Y Watanabe
SPAセキュリティ入門~PHP Conference Japan 2021
SPAセキュリティ入門~PHP Conference Japan 2021
Hiroshi Tokumaru
脱RESTful API設計の提案
脱RESTful API設計の提案
樽八 仲川
Tendances
(20)
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
[Aurora事例祭り]Amazon Aurora を使いこなすためのベストプラクティス
AWSのログ管理ベストプラクティス
AWSのログ管理ベストプラクティス
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Mongo dbを知ろう
Mongo dbを知ろう
後悔しないもんごもんごの使い方 〜アプリ編〜
後悔しないもんごもんごの使い方 〜アプリ編〜
webエンジニアのためのはじめてのredis
webエンジニアのためのはじめてのredis
最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り
MongoDBの監視
MongoDBの監視
PostgreSQLアンチパターン
PostgreSQLアンチパターン
Swagger ではない OpenAPI Specification 3.0 による API サーバー開発
Swagger ではない OpenAPI Specification 3.0 による API サーバー開発
SQL大量発行処理をいかにして高速化するか
SQL大量発行処理をいかにして高速化するか
今こそ知りたいSpring Batch(Spring Fest 2020講演資料)
今こそ知りたいSpring Batch(Spring Fest 2020講演資料)
MongoDB〜その性質と利用場面〜
MongoDB〜その性質と利用場面〜
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
DDD x CQRS 更新系と参照系で異なるORMを併用して上手くいった話
Docker Compose 徹底解説
Docker Compose 徹底解説
DevOps with Database on AWS
DevOps with Database on AWS
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
ツール比較しながら語る O/RマッパーとDBマイグレーションの実際のところ
ツール比較しながら語る O/RマッパーとDBマイグレーションの実際のところ
SPAセキュリティ入門~PHP Conference Japan 2021
SPAセキュリティ入門~PHP Conference Japan 2021
脱RESTful API設計の提案
脱RESTful API設計の提案
Similaire à がっつりMongoDB事例紹介
MongoDB World 2014に行ってきた!
MongoDB World 2014に行ってきた!
Tetsutaro Watanabe
Osc2012.dbに行ってきました
Osc2012.dbに行ってきました
Masaru Kobashigawa
Introduction to MongoDB
Introduction to MongoDB
moai kids
WiredTigerを詳しく説明
WiredTigerを詳しく説明
Tetsutaro Watanabe
はじめてのMongoDB
はじめてのMongoDB
Keisuke Izumiya
MongoDB very basic (Japanese) / MongoDB基礎の基礎
MongoDB very basic (Japanese) / MongoDB基礎の基礎
Naruhiko Ogasawara
mongoDB: OSC Tokyo2010 spring
mongoDB: OSC Tokyo2010 spring
ichikaway
JSON Value into Power Automate
JSON Value into Power Automate
Tomoyuki Obi
MongoDB勉強会資料
MongoDB勉強会資料
Hiromune Shishido
X pages day発表_20141118 final
X pages day発表_20141118 final
Fumiko Yamamoto
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
Code4Lib JAPAN
Hypermedia: The Missing Element to Building Adaptable Web APIs in Rails (増補日本語版)
Hypermedia: The Missing Element to Building Adaptable Web APIs in Rails (増補日本語版)
Toru Kawamura
Xcode4 project template (slide)
Xcode4 project template (slide)
Wataru Kimura
PHP開発者のためのNoSQL入門
PHP開発者のためのNoSQL入門
じゅん なかざ
JDBCでつながるSaasの世界
JDBCでつながるSaasの世界
CData Software Japan
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
JAWSDAYS2016 Technical Deep DIVE
JAWSDAYS2016 Technical Deep DIVE
陽平 山口
MySQLと組み合わせて始める全文検索プロダクト"elasticsearch"
MySQLと組み合わせて始める全文検索プロダクト"elasticsearch"
Kentaro Yoshida
PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門
Hironori Sekine
DOO-005_裏 Inside Azure ~OSS 視点で理解する、Azure のテクノロジ & アーキテクチャ~
DOO-005_裏 Inside Azure ~OSS 視点で理解する、Azure のテクノロジ & アーキテクチャ~
decode2016
Similaire à がっつりMongoDB事例紹介
(20)
MongoDB World 2014に行ってきた!
MongoDB World 2014に行ってきた!
Osc2012.dbに行ってきました
Osc2012.dbに行ってきました
Introduction to MongoDB
Introduction to MongoDB
WiredTigerを詳しく説明
WiredTigerを詳しく説明
はじめてのMongoDB
はじめてのMongoDB
MongoDB very basic (Japanese) / MongoDB基礎の基礎
MongoDB very basic (Japanese) / MongoDB基礎の基礎
mongoDB: OSC Tokyo2010 spring
mongoDB: OSC Tokyo2010 spring
JSON Value into Power Automate
JSON Value into Power Automate
MongoDB勉強会資料
MongoDB勉強会資料
X pages day発表_20141118 final
X pages day発表_20141118 final
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
Hypermedia: The Missing Element to Building Adaptable Web APIs in Rails (増補日本語版)
Hypermedia: The Missing Element to Building Adaptable Web APIs in Rails (増補日本語版)
Xcode4 project template (slide)
Xcode4 project template (slide)
PHP開発者のためのNoSQL入門
PHP開発者のためのNoSQL入門
JDBCでつながるSaasの世界
JDBCでつながるSaasの世界
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
JAWSDAYS2016 Technical Deep DIVE
JAWSDAYS2016 Technical Deep DIVE
MySQLと組み合わせて始める全文検索プロダクト"elasticsearch"
MySQLと組み合わせて始める全文検索プロダクト"elasticsearch"
PythonによるWebスクレイピング入門
PythonによるWebスクレイピング入門
DOO-005_裏 Inside Azure ~OSS 視点で理解する、Azure のテクノロジ & アーキテクチャ~
DOO-005_裏 Inside Azure ~OSS 視点で理解する、Azure のテクノロジ & アーキテクチャ~
Plus de Tetsutaro Watanabe
データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎
Tetsutaro Watanabe
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
ドライブレコーダの動画を使った道路情報の自動差分抽出
ドライブレコーダの動画を使った道路情報の自動差分抽出
Tetsutaro Watanabe
IoTデバイスデータ収集の難しい点
IoTデバイスデータ収集の難しい点
Tetsutaro Watanabe
ドライブレコーダの画像認識による道路情報の自動差分抽出
ドライブレコーダの画像認識による道路情報の自動差分抽出
Tetsutaro Watanabe
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ
Tetsutaro Watanabe
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた
Tetsutaro Watanabe
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用
Tetsutaro Watanabe
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
Tetsutaro Watanabe
Google Cloud Next '18 Recap/報告会 機械学習関連
Google Cloud Next '18 Recap/報告会 機械学習関連
Tetsutaro Watanabe
巨大なサービスと膨大なデータを支えるプラットフォーム
巨大なサービスと膨大なデータを支えるプラットフォーム
Tetsutaro Watanabe
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
Tetsutaro Watanabe
ビックデータ処理技術の全体像とリクルートでの使い分け
ビックデータ処理技術の全体像とリクルートでの使い分け
Tetsutaro Watanabe
MongoDB3.2の紹介
MongoDB3.2の紹介
Tetsutaro Watanabe
Plus de Tetsutaro Watanabe
(17)
データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎
MLOpsはバズワード
MLOpsはバズワード
ドライブレコーダの動画を使った道路情報の自動差分抽出
ドライブレコーダの動画を使った道路情報の自動差分抽出
IoTデバイスデータ収集の難しい点
IoTデバイスデータ収集の難しい点
ドライブレコーダの画像認識による道路情報の自動差分抽出
ドライブレコーダの画像認識による道路情報の自動差分抽出
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
Google Cloud Next '18 Recap/報告会 機械学習関連
Google Cloud Next '18 Recap/報告会 機械学習関連
巨大なサービスと膨大なデータを支えるプラットフォーム
巨大なサービスと膨大なデータを支えるプラットフォーム
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
リクルートテクノロジーズ における EMR の活用とコスト圧縮方法
ビックデータ処理技術の全体像とリクルートでの使い分け
ビックデータ処理技術の全体像とリクルートでの使い分け
MongoDB3.2の紹介
MongoDB3.2の紹介
Dernier
20240318_case___________________________
20240318_case___________________________
i Smart Technologies
HRMOS(ハーモス)タレントマネジメント_ご紹介資料_Saleshub掲載用
HRMOS(ハーモス)タレントマネジメント_ご紹介資料_Saleshub掲載用
wataruhonda3
株式会社デジタルフォルン_会社説明資料~その他の働く環境~ 2024年版
株式会社デジタルフォルン_会社説明資料~その他の働く環境~ 2024年版
DIGITAL VORN
株式会社デジタルフォルン_会社説明資料~仕事内容~ 2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~ 2024年版
DIGITAL VORN
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
inoue13
株式会社デジタルフォルン_会社説明資料~カルチャー~ 2024年版
株式会社デジタルフォルン_会社説明資料~カルチャー~ 2024年版
DIGITAL VORN
20240209_case___________________________
20240209_case___________________________
i Smart Technologies
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
株式会社オプティマインド
株式会社デジタルフォルン_会社説明資料~事業内容~ 2024年版
株式会社デジタルフォルン_会社説明資料~事業内容~ 2024年版
DIGITAL VORN
ROMS_recruting_deck_for_website_20240322.pdf
ROMS_recruting_deck_for_website_20240322.pdf
hirokisawa3
Japan IT Week 2024 Brochure by 47Billion
Japan IT Week 2024 Brochure by 47Billion
Data Analytics Company - 47Billion Inc.
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
株式会社オプティマインド
株式会社ベクトル総研会社概要 Vector Research Institute (VRI) Corporate Profile
株式会社ベクトル総研会社概要 Vector Research Institute (VRI) Corporate Profile
vrihomepage
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
jun_suto
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
ssuser5a38bf
20240319_case___________________________
20240319_case___________________________
i Smart Technologies
Dernier
(16)
20240318_case___________________________
20240318_case___________________________
HRMOS(ハーモス)タレントマネジメント_ご紹介資料_Saleshub掲載用
HRMOS(ハーモス)タレントマネジメント_ご紹介資料_Saleshub掲載用
株式会社デジタルフォルン_会社説明資料~その他の働く環境~ 2024年版
株式会社デジタルフォルン_会社説明資料~その他の働く環境~ 2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~ 2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~ 2024年版
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
株式会社デジタルフォルン_会社説明資料~カルチャー~ 2024年版
株式会社デジタルフォルン_会社説明資料~カルチャー~ 2024年版
20240209_case___________________________
20240209_case___________________________
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
株式会社デジタルフォルン_会社説明資料~事業内容~ 2024年版
株式会社デジタルフォルン_会社説明資料~事業内容~ 2024年版
ROMS_recruting_deck_for_website_20240322.pdf
ROMS_recruting_deck_for_website_20240322.pdf
Japan IT Week 2024 Brochure by 47Billion
Japan IT Week 2024 Brochure by 47Billion
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
株式会社ベクトル総研会社概要 Vector Research Institute (VRI) Corporate Profile
株式会社ベクトル総研会社概要 Vector Research Institute (VRI) Corporate Profile
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
20240319_case___________________________
20240319_case___________________________
がっつりMongoDB事例紹介
1.
MongoDB usecases がっつり MongoDB事例紹介 渡部徹太郎 2014/03/19 第16回 丸の内MongoDB勉強会
2.
アジェンダ • 自己紹介 • MongoDBは人気 •
MongoDBの事例 1. Webアプリ・オンラインゲーム 2. アジャイル開発 3. 大量データ分析 4. ログ収集 5. データハブ 6. データ統合 7. 拠点間データ連携 • MongoDB,Incについて
3.
自己紹介 {"ID" :"fetaro", "名前" :"渡部
徹太郎", "所属" :"MongoDB JP - MongoDB 日本ユーザ会", "経歴" :"学生時代は情報検索の研究(@日本データベース学会)", "仕事" :{"昔":"証券会社のオントレシステムのWeb基盤", "今":"オープンソース全般"}, "特技":["サーバ基盤","Linux","KVM","ruby","MongoDB"], "エディタ":"emacs派", "趣味":"自宅サーバ", "MongoDB関連":{ -"3年前に、友人の結婚式用のアプリを作った時に利用", -"技評記事「MongoDBでゆるふわDB体験」", -"日経SYSTEMS 8月号 「ドキュメント指向データベース」"}, "属性" : ["ギーク","スーツ"], } 3
4.
MongoDBは人気
5.
MongoDBは人気(1/4) • db-engines.comでは上位にランキング 図の引用元: http://db-engines.com/en/ranking •指標の元データ o ウェブサイトでのシステム名称の登 場回数(Google,
Bing) o 一般的な人気度(Google Trends) o 技術的なディスカッションの頻度 (Stack Overflow,DBA Stack Exchange) o 求人サイトにおける募集スキル (Indeed, Simply Hired) o プロフィール登場回数(LinkedIn) o インストール数は考慮されていない
6.
MongoDBは人気(2/4) • LinkedInにおける o NoSQLではMongoDBの技術者が圧倒的に多い o
NoSQL技術の標準になりつつある 図の引用元: http://blogs.the451group.com/information_management/2013/12/ 18/nosql-linkedin-skills-index-december-2013/
7.
MongoDBは人気(3/4) • 採用企業 600社以上
8.
MongoDBは人気(4/4) • MongoDB,Incは絶好調 o MongoDBはオープンソースなので誰でも開発できるが、 現時点では実質MongoDB,Incが開発している。 o
2013年10月に150,000,000$(約150億円)の投資を受けた。 ▪ 米MongoDB、1億5000万ドルの資金調達「Oracleに 追いつく成熟度を目指す」 • 引用元:http://internet.watch.impress.co.jp/docs/news/20131007_618340.html • 何が言いたいかというと... 「MongoDBは大人気!」 MongoDB,Incもすごく期待されている!
9.
MongoDBの事例
10.
MongoDBの事例 一覧 分類 利用している MongoDBの特徴 本日紹介する事例 1
Webアプリ・オンラ インゲーム •水平分散 •リッチなデータ [国内][SNS] CyberAgent [海外][Web] orange [国内][Web]大手ニュースサイトR社 [国内][Web] ZenClerk 2 アジャイル開発 •スキーマレス •多機能 •使いやすい [国内][Web] 株式会社キッチハイク [国内][SIer] システムインテグレータM社 3 大量データ分析 •スキーマレス •使いやすい [海外][セキュリティ] McAfee [製品] Jaspersoft(レポーティング・BI)、Pentaho(BI)、qlik view( 商用BI)、talend(ETL)、Splunk(商用M2M) 4 ログ収集 •スキーマレス •使いやすい [国内][SIer]野村総合研究所 [製品]Fluentd 5 データハブ •スキーマレス •使いやすい [海外][保険] MetLife [海外][金融]グローバル信託銀行 X社(事例1) 6 データ統合 •スキーマレス •使いやすい [国内][Sier] ペタデータ株式会社(事例1) [国内][Sier] ペタデータ株式会社(事例2) 7 拠点間データ連携 •レプリケーション •使いやすい [海外][金融]グローバル信託銀行 X社(事例2) 従来の教科書通りの使い方 近年の新しい使い方
11.
1.Webアプリ・オンラインゲーム • 利用される理由 o 複雑なデータモデルを扱う o
利用ユーザの増加などによるトラフィックの増加が激しく、デ ータの水平分散が求められることが多い o 特にユーザログインがあるようなWebアプリケーション 水平分散 リッチなデー タ 11
12.
[国内][SNS] Cyber Agent •
アメーバピグにて利用 o 国内のMongoDB事例の先駆け o slideshareの「MongoDBを半年間運用してみた」(2011/7)は有名 12 1.Webアプリ・オンラインゲーム 引用元:http://www.slideshare.net/matsukaz/mongo-db-8707809
13.
課題 選定理由・解決策 結果 •MySQLがスケーラビリテ ィの上限に達して性能要件 を達成できなくなった •RBMSでは非定型なメタデ ータの管理が困難 •性能とスケーラビリティに 期待しMongoDBを導入 •60億におよぶ属性情報デー タの代わりに、1コンテン ツを1ドキュメントにする 構造を導入 •秒間11万件以上のクエリに 対応 •3年で200万ドル以上のコ スト削減 •新規機能の導入のスピード が著しく早くなった •新規プロジェクトでは全て MongoDBを利用する方針 となった [海外][Web]
orange • 700万のウェブ・モバイルユーザに対する広範囲 コンテンツ・サービス提供 13 引用元:http://www.mongodb.com/customers/orange-digital 1.Webアプリ・オンラインゲーム
14.
[国内][Web] 大手ニュースサイトR社 • 大手ニュースサイトにてポータルに利用 14 課題
選定理由・解決策 結果 •MySQLベースのストレー ジシステムがEOSの為、シ ステム再構築を行う必要が あった •ポータルサイトは書き込み が少なく、読み出しが非常 に多い非対称なクエリバラ ンスである事から MongoDBを採用した。 •性能検証の結果、キャッシ ュ層が必要無い程の性能が 確認できた。 • レプリケーションによるデ ータ冗長性、安全性も優れ ていた事からRDBMSから 完全に脱却した。 •システム全体としては、様 々な初期トラブル(CPU過 負荷など)に見舞われたが ロジック過負荷になっても MongoDBの超えることは 無かったため データ破壊な ど致命的な状態には至らな かった。 1.Webアプリ・オンラインゲーム
15.
[国内][Web] ZenClerk • MongoDBを活用した分析でサイト訪問者の購買意欲の高まりをい ち早く察知し、
クーポンの"ベストタイミングオファー"を実現 15 課題 選定理由・解決策 結果 •格納データが、PCとスマ ートフォンとブラウザごと に取得できる情報が異なる ため、 •一人一人のサイト訪問者に 対してマウスの動きやスマ ートフォンのジェスチャー といった詳細なデータを格 納しているため、それらを 合計すると膨大なデータ量 になってしまい、RDBMS では安定した書き込みを行 うことができない。 •スキーマレスデータを扱え る •RDBMSと遜色がないほど 柔軟なクエリを組むことが でき •柔軟なイン デックスを用い て高速な読み込みができた 。 •サーバーを増やす だけで容 易にスケールアウトするこ とができた。 •サーバー1台だけで秒間 1,000アクセス以上の負荷 に耐えることができた。 •負荷に耐えられなくなった 時はサーバーの台数を増や すだけで良いので、コス ト が見積もり易い。 •副次的な効果として、 MongoDBをレプリケーシ ョンすることで、1台はホ ットス タンバイに、1台は バッチ集計に、 残りの全台 をリアルタイム集計に用い るといった柔軟な運用を行 うことがで き、高可用性を 維持することができた。 1.Webアプリ・オンラインゲーム
16.
[国内][Web] ZenClerk • システム構成図 16 1.Webアプリ・オンラインゲーム
17.
2.アジャイル開発 • 利用される理由 o スキーマの変更頻度が非常に高い o
直観的にデータを表現できる o ORマッパーを使う必要はなく、ライトウェイトなスクリプト言語 (javascript,ruby)との相性がよい。 o アプリ開発をサポートする機能が沢山ある • その他 o ハッカソンなどでは常連のDB スキーマレス 多機能 使いやすい 17
18.
[国内][SIer] システムインテグレータM社 • Webシステム作成案件で可用性を求めてMongoDBを利用 18 課題
選定理由・解決策 結果 •新規に構築するWebサービ スにおいてダウンタイムレ スでレプリケーションによ る 高可用性を実現したい。 •RDBMSではレプリケーシ ョンを行うにはそれなりの 手間が必要 •新規案件であるためスピー ド感のある開発が求められ た •MongoDBを採用し、レプ リカセットの構成を実現 •スキーマレスの利点を生か し作りながら考えることに より、短期間で開発を完了 できた。 •レプリカセットによりシン プルな構成でダウンタイム レスの高可用性を実現でき た。 2.アジャイル開発
19.
課題 選定理由・解決策 結果 •機能追加・仕様変更が多い •新規Webサービスではデー タサイズの見積りが難しい 。 •位置情報(経度・緯度)の 扱いに適したデータベース を探していた。 •Ruby
on Railsで利用できる DBを利用したい •スキーマを決めずに開発を 開始できる •データ容量の拡張が簡単 •位置情報の扱いが得意 •日常的に起こる機能追加・ 仕様変更に素早く対応でき た。 •ユーザー数増加に伴うデー タサイズの増加にも対応で きるので、安心してサービ ス成長に取り組める。 •地理空間インデックス機能 を使って、位置情報を使用 するクエリを簡単に実装で きた。 [国内][Web] 株式会社キッチハイク • スタートアップ企業にてRuby on Railsのバックグラウンドで採用 19 2.アジャイル開発
20.
3.大量のデータ分析 • 利用される理由 o 大量のデータを扱う ▪
安価なハードウェアで大量データを扱える o 柔軟にクエリー組み立てる必要あり ▪ 様々なキーに対して、複雑なインデックスを張ることができる ▪ 集計等のリッチなクエリーが既存機能だけで実現できる o 動的にクエリが書けるため、新規分析軸の導入が用意 水平分散 柔軟なクエリ 20
21.
課題 選定理由・解決策 結果 •他技術ではスケーラビリテ ィと機能がともに十分なも のが無い •Hbase/Hadoopでは複雑な クエリに対応できない •Luceneではスケーラビリテ ィに問題があり •MongoDBの自動シャーデ ィングでスケーラビリティ を実現 •動的に柔軟なクエリが書け るため、新しい分析結果を 追加する場合の開発が簡単 •地理空間インデックスの利 用により、地理的な観点で のデータ分析が容易に •レイテンシーを1/3に削減 •動的スキーマの変更が可能 になり、開発者の生産性が 大幅に向上 •市場に対する新しいサービ スの投入が迅速化 [海外][セキュリティ]
McAfee • セキュリティサービスのビッグデータ解析にMongoDBを 利用 21 (事例の出典 MongoDB,Inc http://www.mongodb.com/customers/mcafee) 3.大量データ分析
22.
4.ログ情報の蓄積 • 利用される理由 o 様々なログの形式を蓄積可能 o
キャップ付きコレクションで、古いログを自動的に消せる o とりあえずレプリケーションしておけば、データは冗長化できる o MongoDBにとりあえずログをためておき、そのほかの集計ミドルウェ アで集計するという使い方がよい ▪ 他の集計ミドルがよい理由は、 たとえば、時系列データを日付をキーにして水平分散させると、検 索頻度の高いレンジ(例えば今週、今月)のデータが格納されてい るシャードに負荷が偏ってしまう スキーマレス 多機能 レプリケーショ ン 22
23.
[国内][SIer] 大手SIer N社 •
サーバのログ収集にfluentd + MongoDBを利用 23 4.ログ情報の蓄積 課題 選定理由・解決策 結果 •サーバが多く、障害時にロ グ情報を収集する手間がか かっていた •fluentdであれば各サーバの ログを自動的に収集できる 。flluentdはMongoDBがデ フォルトであるため MongoDBを利用 •障害対応の効率UP •MongoDBは運用が簡単で あるためログ運用負荷も高 くない
24.
5.データ統合 • 利用される理由 o 多数の分散された既存データソースのデータをMongoDBに集約 して、アプリケーションに対してビューとして提供する o
既存のデータソースに手を加える必要はない o アプリケーションに対しては高速なビューを提供可能 スキーマレス 使いやすい 24 MongoDB データを集約 ユーザ 既存のデータソース アプリケーショ ン
25.
課題 選定理由・解決策 結果 •顧客データを個別に管理す る70以上の既存RDBMSが 存在し、そのデータを統合 をしたいが、RDBMSでは 工数がかかりすぎた •モバイルで利用したいとい う要件があるが、端末の増 加に合わせてスケールアッ プすることがRDBMSでは 難しかった •既存のRDBMSの情報を統 合してアプリケーションを 開発。 •MongoDBの開発容易性か ら、2週間でプロトタイプ が作成でき、90日でリリー スできた。 •10年間できなかった顧客 データの統合が実現。それ も既存の顧客データには手 を入れずに実現できた •巨額な投資が必要な RDBMS統合を、安価(約 $3M)に、迅速に、達成でき た(過去同プロジェクトで は約$25M) •企業内外でNOSQLの標準 としてMongoDBを採用 [海外][保険]
MetLife • 70以上の既存RDBMSに拡散した顧客情報をMongoDBで 統合 25 (出典 MongoDB Inc http://www.mongodb.com/press/metlife-leapfrogs-insurance-industry-mongodb-powered-big-data-application) 5.データ統合
26.
[海外][保険] MetLife • システム構成 MongoDB データを集約 ユーザ 既存の顧客データ(約70台) アプリケーシ ョン 5.データ統合
27.
[国内][SIer] ペタデータ株式会社(事例1) • 音楽専門放送業
大手「株式会社スペースシャワーネットワーク」 70以上の配信サイトの配信実績情報の統合サービス (Allegro IoT) にMongoDBを活用 o 公式HP:http://petadata.jp/ja/OurWorks001.html 課題 選定理由・解決策 結果 •配信実績情報は事業者毎に 異なるフォーマットであり 、それを統一する必要があ った。 •一部の事業者の配信実績情 報を手作業で整形していた 。 •フォーマットが変更される こともあり、事前にスキー マが決定できないため、 従来のRDBMSに格納が難 しかった。 •スキーマを決定する前に、 システムに取込む必要があ ったため。 •容易にレプリケーションが 可能なため。 •手作業によるミスがなくな り、事務作業が格段に減っ た。利用企業より好評を得 ている 5.データ統合
28.
[国内][SIer] ペタデータ株式会社(事例2) • 製薬会社
中堅S社 異なる温度センサーのリアルタイム温度情報の統 合サービス (Allegro IoT)にMongoDBを活用 o 公式HP:http://petadata.jp/ja/OurWorks002.html 課題 選定理由・解決策 結果 •リアルタイム温度管理が必 要だった。 •温度センサーからの温度情 報のフォーマットが変更さ れることがあり、その都 度 システムの修正が必要だっ た。 •温度情報のフォーマットが 変更された場合、設定の変 更だけで対応する手段が な かった。 •温度情報はXMLだったが、 XMLのツリー情報をそのま ま取り込む必要があった。 •パフォーマンスを保ちつつ 、スキーマレスで温度情報 を取り込む必要があった た め。 •ツリー情報をそのまま取り 込むことができるため。( JSONを取り込めるため) •容易にレプリケーションが 可能なため。 •温度情報のフォーマットの 変更があっても取得が可能 になった。 (取得後にフォ ーマット変更があったか判 断すればよくなった。) •リリース以来(2014年3月 で2年2か月)一度も停止す ることなく運用しているた め、システム運用の手間が 減った。 5.データ統合
29.
6.データハブ • 利用される理由 o スキーマレスであるため、様々な形式のデータソース のデータを格納できる o
ドライバが豊富であり、アプリも作りやすい スキーマレス 使いやすい アプリ1 アプリ2 アプリ3 データソース1 データソース2 データソース3 Mongo DB バッチコピー API ・・・ ・・・
30.
[海外][金融]グローバル信託銀行 X社(事例1) • 企業内でのデータアクセスを統合するために、データハ ブとして利用 課題
選定理由・解決策 結果 •データの複製がシステム間 で無数に存在する •一つのシステムでの変更が 複数のグループに影響 •EDWのシステムレスポン スタイムが遅い •頻繁にアクセスするデータ は集中的に管理したい,と いうニーズ •動的なスキーマ: 必要な時 だけデータを正規化する •性能: 一つの論理DBで全て のデータを管理・運用 •シャーディング: スケール アウトによりデータを容易 に追加 •一カ所からバッチ,もしく はRESTでデータアクセス 可能 •顧客向けポータルサイトの レスポンスタイムが90%改 善 •開発期間の短縮データソー スのエンハンスが容易 6.データハブ
31.
[海外][金融]グローバル信託銀行 X社(事例1) • 新旧のシステム構成比較 アプリX アプリ1 アプリ2 アプリ3 データソース1 データソース2 データソース3 データソースN バッチコピー アプリX アプリ1 アプリ2 アプリ3 データソース1 データソース2 データソース3 データソースN Mongo DB バッチコピー
API ・・・ ・・・ ・・・ ・・・ 6.データハブ
32.
7.拠点間連携 • 利用される理由 o 各拠をまたがりレプリカセットを組むことにより、 タ拠点で同じデータが見れる o
レプリケーションの耐久性が高く、多少遅延のある 通信経路でも構築可能 o レプリケーションの機能により、物理的に近い拠点 からデータを複製することが可能 o レプリケーションの構成が柔軟 ▪ 書き込み一貫性が柔軟(w値,j値) ▪ 多様なセカンダリreadonly,hidden,delayed レプリケーショ ン 使いやすい
33.
[海外][金融]グローバル信託銀行 X社(事例2) • 各拠点で迅速にローカルアクセス出来る様に、参照デー タをリアルタイムで分散/配布 課題
選定理由・解決策 結果 •バッチ処理によるデータ配 布の遅れが最大36時間に及 ぶ •同じデータのグローバル配 信に複数課金されるSLA未 達成による規制違反(罰金 ) •同じを保有する20カ所の分 散システムを管理する必要 性 •自動レプリケーション: デ ータ配信がリアルタイム、 ローカルにデータを読む事 が可能 •キャッシュとデータベース の同期: キャッシュが常に アップデート •単純なデータモデリングと 分析: 変更が簡単、理解し やすい •違反金$40,000,000を5年間 の間に節約 •データ配信に対する課金は 一回のみ •グローバルにデータ同期と 各拠点でのローカルRead が保証 •統一したグローバルデータ サービスに移行 7.拠点間連携
34.
[海外][金融]グローバル信託銀行 X社(事例2) • 新旧のシステム構成比較 バッチ連携 ゴールデン コピー レプリケーション プライマリ レプリカセット 7.拠点間連携 近い拠点から データを読み取る
35.
さいごに • MongDBの普及のために、MongoDBの活用 事例を集めています! • 公開しててもよいという人がいましたら、 ぜひお声掛けください
36.
おまけ)シャーディング性能 Top5マーケティング企業 米国政府省庁 Top5
投資銀行 データ キー/バリュー 10以上 キー/バリュー、配列、ハ ッシュを含む 20以上 キー/バリュー、配列、ハ ッシュを含む クエリ キーベース 11クエリで1~100ドキ ュメント 80%:20% = read/write compundクエリ、レンジ クエリ、mapreduce 2:8=read:write compundクエリ、レンジ クエリ 5:5=read:write サーバ台数 ~250 ~50 ~5しゃ トラフィック 1,200,000 ops/sec 500,000 ops/sec 30,000 ops/sec
Télécharger maintenant