Your SlideShare is downloading. ×
[D36] Michael Stonebrakerが生み出した列指向データベースは何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャを詳解~ by Hiroyuki Komori
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

[D36] Michael Stonebrakerが生み出した列指向データベースは何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャを詳解~ by Hiroyuki Komori

1,617
views

Published on

Published in: Technology

0 Comments
5 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,617
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
40
Comments
0
Likes
5
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Michael Stonebrakerが生み 出した列指向データベース は何が凄いのか? ~Verticaを例に列指向データベースのアーキテクチャを詳解~ Verticaを例に列指向デ タベ スのア キテクチャを詳解 日本ヒューレット・パッカード株式会社 小森 博之 ( hiroyuki.komori@hp.com ) © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 2. 列指向データベースとは? 列指向データベースマネジメントシステムは、データベースマネジメントシステム 列指向デ タベ ネジ は デ タベ ネジ (DBMS)の内部構造において、列のデータをひとまとまりにして取り出すときに効率的 であるように設計されたものである。(ウィキペディアより引用) カラムナデータベース(Columnar Database)、カラム型データベースとも呼ばれます。 C1 C2 C3 C4 C1 C2 C3 C4 C1 C2 C3 C4 C1 C2 C3 C4 C1 列指向 C2 C3 C4 C1 行指向 C2 C3 C2 C1 C3 C3 C4 C4 C1 C1 C2 C4 Hbase, Cassandraなど、”カラム指向データモデル”を採用したデータベースの ことを列指向データベースと呼ぶ場合もありますが、これとは別物です。 ことを列指向データベースと呼ぶ場合もありますが これとは別物です 2 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 3. データベース製品 一般用途向け • Oracle • SQL Server • DB2 • Sybase ASE • NonStop/SQL • HiRDB • Symfoware • Tibero • AltiBase • PostgreSQL • MySQL 目的特化型 カラム指向 • HBase • Cassandra 3 イン・メモリ • HANA • TimesTen • VoltDB • 高速機関 OLAP向け • Teradata • Netezza • G GreenPlum Pl • Vertica • Sybase IQ • SQL Server PDW • HADB • EssBase • InfiniDB • RedShift SQL ドキュメント指向 • MongoDB • CouchDB © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. キーバリュー型 • Riak • Redis No SQL
  • 4. 列指向なのは? 一般用途向け • Oracle • SQL Server • DB2 • Sybase ASE • NonStop/SQL • HiRDB • Symfoware • Tibero • AltiBase • PostgreSQL • MySQL 目的特化型 カラム指向 • HBase • Cassandra 4 イン・メモリ • HANA • TimesTen • VoltDB • 高速機関 OLAP向け • Teradata • Netezza • G GreenPlum Pl • Vertica • Sybase IQ • SQL Server PDW • HADB • EssBase • InfiniDB • RedShift SQL ドキュメント指向 • MongoDB • CouchDB © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. キーバリュー型 • Riak • Redis No SQL
  • 5. Vertica 概要 • • • • • • 2005年 分析用DBソフトウェアベンダーとして設立 本社:米国 マサチューセッツ州 Michael Stonebrakerが産みの親 Postgres, C St の開発者 P t C-Storeの開発者 注目ベンチャーとして数々の賞を受賞 2011/3/22 HPが買収完了を発表 2012/12/1 HPに統合完了 / / 統合完了 Michael Stonebrakerが開発に関わったデータベース 1970 1980 2000 2010 INGRES POSTGRES C-store H-store RDBMS Object DB Columnoriented DB In-Memory DB Sybase S b SQL Server Aster Data A D Vertica 技術継承 Greenplum HP Netezza © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 5 VoltDB
  • 6. 列指向デ タ 列指向データベースの実装 の実装 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 7. 検索に最適な列指向のデータ格納 全ての列を読み込み 行指向 - 従来型 SELECT AVG(price) FROM tickstore WHERE symbol = ‘AAPL” AND date = ‘5/06/09’ AAPL AAPL BBY BBY NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE NYASE NYAASE NYSE NYASE NGGYSE NYGGGSE NYSE NYSE NYSE NYASE NYASE NYAASE NYAASE NYSE NYSE NYASE NYASE NGGYSE NGGYSE NYGGGSE NYGGGSE NYSE NYSE NYSE NYSE NYSE NYSE 143.74 143.74 37.03 37.13 NYSE NYSE NYSE NYSE NYSE NYSE NYSE NYSE NYSE NYSE NYSE NYSE NYSE 列指向 - Vertica 7 NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS 143.74 143.75 37.03 37.13 37 13 NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYASE NYSE 143.74 NYAASE NYSE 143.74 NYAASE 37.13 NYSE NYSE NYSE NYSE NYASE NYSE NYSE NGGYSE NYSE NYSE NYGGGSE NGGYSE NYSE N 5/05/09 NYSE NGG YSE NYASE NYSE NYAASE NGGYSE NYSE NYASE NYSE 37.03 NYASE NYASE NYSE NYGGGSE 5/06/09 NYGGGSE NYSE 5/05/09 NYGGGSE NYSE 5/06/09 3列のみ読み込み SELECT AVG( i ) FROM ti k t AVG(price) tickstore WHERE symbol = ‘AAPL” AND date = ‘5/06/09’ NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYSE NYSE NYSE NQDS NYASE NYSE BBY AAPL AAPL BBY BBY NYAASE NYSE NYSE BBY NYSE NYASE NYSE AAPL 5/05/09 5/06/09 5/05/09 5/06/09 NYSE NYSE AAPL YSE 5/05/09 5/06/09 5/05/09 5/06/09 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. AAPL AAPL BBY BBY 143.74 143.75 37.03 37.13 5/05/09 5/06/09 5/05/09 5/06/09
  • 8. 列指向ストアの実装方法 真の列指向ストア C1 C2 C3 C4 列指向データベースとは? 列ごとに異なるストレージ領域 (ファイル)にデータを格納。 ( イ )にデ タを格納 C1 C2 C3 C4 列ごとに読み出しを実行。 「・・・列のデータをひとまと まりにして取り出す・・・」 圧縮は効くようになるが、列ごとの読 み出しはできず全ての列を読み出す。 ブロックの中に列ごとに格納。スト レージ領域としては分かれていない。 偽の列指向ストア 8 C1 C2 C3 C4 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 9. 計算してみましょう! 行のサイズ : 1KB 読み込む行数:10,000,000行 (1,000万行) 必要なカラム数:3 必要なカラムの合計サイズ:30B 読み込みが必要なデータ量は? 行指向の場合 1KB x 10,000,000行 = 10GB 列指向の場合 30B x 10,000,000行 = 300MB 9 1 / 33 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 100MB / sec読めるストレー ジを使ったとすると… 100秒 3秒
  • 10. INSERT, DELETE, UPDATEはどうなるのか? INSERT DELETE (削除マークをつけるだけ) UPDATE (内部的にDELETE + INSERTを実行) Read Optimized Store (ROS) Write Optimized Store (WOS) ( ) TUPLE MOVER • 列指向ストア • ディスク上 • ソート済/圧縮済 • 大量データを直接ロード 非同期データ転送  行指向ストア  メモリ上 MOVE OUT 未ソ ト/非圧縮  未ソート/非圧縮 10 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. A B C
  • 11. MERGE OUT Read Optimized Store(ROS) Write Optimized Store (WOS) TUPLE MOVER • 列指向ストア • ディスク上 • ソート済/圧縮済 A B C  メモリ上 A B C  未ソート/非圧縮 A B C 非同期データ転送  行指向ストア Read Optimized Store(ROS) MERGE OUT バックグランド処理 11 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. A B C
  • 12. データ・ローディング COPY WOSを経由せず直接、 列指向ストアを生成 Read Optimized Store (ROS) Write Optimized Store (WOS) ( ) TUPLE MOVER • 列指向ストア • ディスク上 • ソート済/圧縮済 • 大量データを直接ロード 非同期データ転送  行指向ストア  メモリ上 未ソ ト/非圧縮  未ソート/非圧縮 12 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. A B C
  • 13. 圧縮 列ごとにデータを格納しているので、効率的な圧縮が可能 列ごとにデ タを格納しているので 効率的な圧縮が可能 データの属性に応じた最適な圧縮アルゴリズムを使⽤ データ検索時のI/O量が減り、より⾼速な処理を実現 処理日 5/05/2009, 16 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 5/05/2009 RLE アルゴリズム 13 お客様番号 取引データ 0000001 0 0000001 2 0000003 2 0000003 4 0000005 10 0000011 10 0000011 19 0000020 25 0000026 49 0000050 0000051 0000052 ÞìÃp:±æ+©> Þ 100.25 ©> æ 302.43 Hì&ì¥YÛ¡×¥ 991.23 ©éa½?50ÓJ 73.45 134.09 843.11 208.13 208 13 114.29 83.07 43.98 229.76 Delta D l Encoding LZO アルゴリズム © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 計算してみましょう! 列指向ストアで1/33になった読込 データが、1/10に圧縮されていたと すると… 1/33 x 1/10 = 1/330 になります。
  • 14. 列指向データベースに(ほぼ)共通して見られる実装 Vertica, V ti SAP HANA, SQL Server 2012 P ll l Data W h HANA S Parallel D t Warehouseを例に を例に • 列指向ストアにより、検索時の読み込み量を削減 • デ タに応じて複数の圧縮方法を使い分け 非常に高い圧縮 データに応じて複数の圧縮方法を使い分け、非常に高い圧縮 率を実現 • Tuple Moverを使用した処理 • • • • • 14 更新処理は、いったん行指向ストアでメモリに書き込む Tuple Moverが列指向ストアの形式に変更して、ストレージに書き込む 検索処理は、両方の領域のデータを読んで処理する DELETEは削除マークをつけるだけ、UPDATEはDELETE+INSERTを実行 ロ ディングはTuple ローディングはTuple Moveを通さずに実行する © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 15. HP AppSystem for SAP HANA Other Applications SAP BusinessObjects インメモリーテクノロジー搭載のアプライアンス製品 インメモリ テクノロジ 搭載のアプライアンス製品 -アプライアンスはHPから、ライセンスはSAPからご提供ー MDX SQL SQL BICS SAP HANA® オープンインターフェイス(ODBC、JDBC、SQL、MDXに準拠) SAP HANA Studio データベースモデリング・運用管理 SAP HANA デ タ データベース ス 行・列型ストア リアルタイム データレプリケーション 計算・計画 エンジン バッチ データロード ハ ッチ テ ータロート (ETL) Real Time Replication / ETL SAP Business Suite 15 SAP NetWeaver BW インメモリーテクノロジー(リアルタイムに大量データをメモリ上で処理する技 術)を搭載 データ移行 ETL(Data services)機能により3rd partyデータソースの取り込みも容易に。 partyデ タソ スの取り込みも容易に。 また、SAP Landscape Transformationを使用することにより、リアルタイムの データ複製が可能 パフォーマンス 全てのデータがインメモリー上にあり(物理ディスクではなく物理メモリ上に 全てのデ タがインメモリ 上にあり(物理ディスクではなく物理メモリ上に 論理領域を作成してデータやログを書きこむ)ため、Disk I Oボトルネックを解 消。 インデックスのパーティショニングにより各サーバ(Core)で並列処理が可能。 結果大幅なパフォーマンス向上につながる。 3rd Party DB © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 16. HANAの列指向ストア 列指向と行指向の両方をサポート 圧縮 Run Length Encoding, 辞書圧縮など、5種類の圧縮アルゴリズムを使用 更新処理 Data Table (列指向) Data Table (列指向) 456 1000 456 France corn 1000 Italy wheat 900 457 Italy corn 900 458 Italy corn 600 458 Italy corn 600 459 16 corn 457 INSERT DELETE UPDATE France Spain rice 800 459 Spain rice 800 460 Denmark corn 600 delta merge Delta Store (行指向) update 457 Italy corn 900 Insert 460 Denmark corn 600 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 17. HP AppSystem for SQL Server 2012 Parallel Data Warehouse 1. ビッグデータ時代の大量データを高速に処理。 2. Hadoopと連携して、Webログやソーシャル・データの分析が可能。 3. Excelを使うことで、現場担当者自らがビッグ・データを分析。 高速 ExcelでBI SQL Serverを超並列(MPP) 化し、カラム型技術を搭載 することで、高速な処理を 実現しています。 17 Hadoopとの連携 Hadoopとの高速な連携を 実現。Hadoopで処理され た非構造化データと、DBに 蓄積されたデータの相関 分析を可能にします。 Microsoft製品だけにExcel との相性は抜群。誰でも使 えるExcelでビッグデータを 誰でも扱えるようにします。 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 18. SQL Server 2012 Parallel Data Warehouseの列指向ストア Clustered ColumnStoreとして列指向ストアを実装 (SQL Server 2012のColumnStore Indexとは異なります。) Delta Storeにデータがたまると、REORANIZEを実行。(VerticaのMOVE OUTに相当) その後、削除された領域の解放 (REBUILD)を実行。(VerticaのMERGE OUTに相当) そ 後 削除された領域 解放 ( )を実行 ( 相当) C1 C2 C3 C4 C5 C6 Column Store BULK INSERT Deleted Bitmap Tuple Mover INSERT DELETE UPDATE 18 Delta Store C1 C2 C3 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. C4 C5 C6
  • 19. Vertica独自の実装 実装 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 20. リレーショナル・データベースの基礎 RDBMSでは、データを列と行から構成される表として考えます。 表の行は論理的には順序に関係ないものとして考えます。 RDBMSは、この表から以下のような関係演算と呼ばれる処理を行って、目的とする表(結果セット、一時 テーブル)を作り出します。 • • • • projection : 列の取り出し selection : 行の取り出し join : 表と表の結合 union : 表と表の合併 DBMSは、データ言語である SQLが抽象的で無手続きであるという特質により、平行および並列処理などを 色々と工夫して処理速度を上げる事が可能です。 言いかえれば、RDBMSの最大の利点は、目的のデータを探す手順を示さなくても得る事ができる点です。 20 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 21. C-Store(Vertica)の設計思想 “C-Store: Column-Oriented DBMS ” Stonebraker al. “C Sto e A Col mn O iented DBMS.” Stoneb ake et al VLDB 2005 2005. • Compress columns • No alignment • Bi di k blocks Big disk bl k • Only materialized views (perhaps many) → Projection • Focus on Sorting not indexing → Indexよりsortが重要 • Data ordered on anything, not just time • Automatic physical DBMS design → 物理デザインの自動化 • O ti i f grid computing Optimize for id ti • Innovative redundancy • Xacts – but no need for Mohan • Column optimizer and executor → 列指向専用オプティマイザ 21 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 22. Projection 最適な圧縮と最適な列配置と最適なソートが事前に実施されたデータセット 最適な圧縮と最適な列配置と最適なソ トが事前に実施されたデ タセ ト 表A Super Projection Comprehensive Projection 圧 縮 圧 縮 圧 縮 圧 縮 表B 圧 縮 圧 縮 圧 縮 圧 縮 圧 縮 表の実態 Query Specific Projection 特定クエリーに最適化 圧 縮 ⼊⼒されたSQLを Database Designerで解析し、対象 クエリ に最適なProjectionを追加で作成可能 クエリーに最適なProjectionを追加で作成可能 SELECT A.2c,A.3c from TableA where A.1c = 100 and A.3c = 200; 自動作成 Pre-JOIN-Projection あらかじめJOIN SELECT A.5c,B.2c from TableA,TableB where A.3c = B.3c; 22 圧 縮 Database Designer © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 圧 縮 圧 縮 圧 縮
  • 23. Projectionを使ったデータの絞り込み Gender F F F F F F F F F F M M M stM M M Reads entire 1 I/O Class Freshman Freshman offset Junior Junior Junior Junior Junior Senior Sophomore nd d Sophomore Freshman Junior Sophomore Sophomore Senior S i Senior 2 I/O /O Grade A A A A C D D A D rd F d A D B B C D Score offset 3 I/O /O 95 96 90 100 76 63 68 92 62 th59 91 67 82 85 76 64 4 I/O /O column Example query: select avg( Score ) from example where Class = ‘Junior’ and Gender = ‘F’ and Grade = ‘A’ 23 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. Name Student_ID Popovic, Popovic, Tanisha Borba, Borba, Milagros Stober, Stober, Saundra Trembley, Trembley, Allyson Orner, Orner, Katy Lessig, Lessig, Elnora Sosnowski, Sosnowski, Hillary Dalal, Dalal, Alana Cappiello, Cappiello, Emilia Nibert, Nibert, Emilia Sinko, Sinko, Erik Porcelli, Porcelli, Darren Thon, Max Tarvin, Tarvin, Julio Schreckengost, M Schreckengost, Max S h k t Frigo, Frigo, Avis 1267170 1249290 1210466 1246648 1278858 1222781 1244262 1254038 1256678 1252490 1230382 1243483 1231806 1240224 1248100 1230807
  • 24. 超並列処理(MPP)アークテクチャー シェアードナッシング⽅式によりリニアに性能向上 すべてのノードが同じ役割を実⾏可能 (マスターノードがない!) 検索クエリ node01 node01 3 専用デ タ領域 専用データ領域 24 node02 計算してみましょう! 10 3 node02 専用デ タ領域 専用データ領域 node03 4 node03 専用デ タ領域 専用データ領域 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 列指向と圧縮で1/330になった読込 データを、10ノードに分散して並列 処理すると… 1/33 ÷ 10 = 1/3300 になります になります。
  • 25. リアルタイム・マーケティング事例 Zynga, Inc. – オンライン ゲ ム会社 Z I オンライン・ゲーム会社 • ゲーム体験をパーソナライズ “4,000万人以上のプレー することで、ユーザを繋ぎ止め、 ヤーからは発生する1日当り 収入を向上させる。 を向 3TBのデータを、230ノードク • 個人個人の行動から、インフ ルエンサを見出す。 ル ンサを見出す • 世界最大のVerticaユーザの 一つ。1日に3TB以上のデータ つ 1日に3TB以上のデ タ をロードしている。 25 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. ラスタで構成したVerticaに 毎日ロードしています。 Verticaを使用したZyngaの 列指向データベースは、真 の分析ツールです。” - Ken Rudin, VP Analytics
  • 26. Verticaを使用したデータ分析リファレンス・アーキテクチャ Gather 非構造化 データソース e.g. social media l d Video images データソース &EDW 外部ソース 外部ソ ス e.g.D&B Acxiom 26 Create Infuse Vertica Platform Unstructured Data 非構造化 データストア HADOOP Act 分析アルゴリズム SQL + Q Analytic Extensions 構造化デ タ 構造化データ Hadoop コネクタ Vertica Database R Analytics UDX C++ SAS/ACEESS Interface to Vertica SAS © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. SAS 分析者 分析者 分析インター フェース フ ス Tableau. Spotfire etc. センチメント分析関数 twitter API
  • 27. まとめ 列指向データベースは、高速な検索を実現できます。 必要な列だけを読み取ることでIOを削減します。 列ごとにデータが格納されているため、圧縮率が高く、さらにIOを削減します。 MPPを併用することで、並列処理によりさらに高速化できます。 列指向データベースの代表格であるVerticaは、さらに特徴的な機能を持っています。 Projectionによるさらなる検索の高速化を実現しています。 Detabase Designerによる自動チューニングが可能です。 27 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 28. Vertica Community Edition テストを目的として、1Tbyte、3ノードまで、無料 及び無期限で利用可能 まずは、Community EditionでVerticaの 魅力を体感ください。 https://my.vertica.com/community/ My Verticaというサイトにて登録後、ダウンロードが可能です。 • 容量:1TByteまで • ノード数:3台まで • 対象OS: RHEL5 and 6, CentOS5 and 6, SUSE10 and 11, Debian 5 and 6 1Tbyte、3台以上の構成で試したい場合は、Evaluation Licenseを発行いたします。 台 上 構成 試 た 場合は を発行 た ます Evaluation Licenseを用いて、日本HPのソリューションセンターにてPOCの実施も可 能です。 実際のサービス運用へ移行の際は、Enterprise Edition (1Tbyte、3台の制限無し、 製品保守付き)へ、オンラインでライセンス適用することが可能です。 製品保守付き) オンラインでライセンス適用することが可能です ※データ容量が1Tbyteを場合、select/deleteなどが出来なくなり、それ以降のデータの追加ができません。EnterpriseEditionへの移行をご検討ください 28 © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
  • 29. ご静聴ありがとうございました 静聴ありがとう ざ ました © Copyright 2013 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.