SlideShare a Scribd company logo
1 of 32
Download to read offline
© Hitachi, Ltd. 2014. All rights reserved. 
今を分析する日立の『CEP』、 知るなら今でしょ! 
2014/11/12 
株式会社 日立製作所 
情報・通信システム社 
ITプラットフォーム事業本部 
村上 順一
© Hitachi, Ltd. 2014. All rights reserved. 
CEP(Complex Event Processing)って何? 
何が新しくて、どこでどう使われているの? 
といった疑問を解決します。 
そして、貴社における 
データ処理方式の選択肢のひとつ 
に加えてもらいたい。 
0-1 本セッションの要約 
2
© Hitachi, Ltd. 2014. All rights reserved. 
1.CEPとは? 
2.技術的な特長とその原理 
3.どこでどう使われているのか? ~適用事例 
4.まとめ ~技術活用のアプローチ 
Contents 
3
© Hitachi, Ltd. 2014. All rights reserved. 
1.CEPとは? 
2.技術的な特長とその原理 
3.どこでどう使われているのか? ~適用事例 
4.まとめ ~技術活用のアプローチ 
4 
Contents
© Hitachi, Ltd. 2014. All rights reserved. 
1-1 ビッグデータの時代(モノ・ヒト・コト) 
通話ログ 
電力メーター 
カーナビ 
つぶやき 
コンテンツダウンロード 
SNS 
ネット購入 
業務処理 
監視映像 
Big Data 
ヒト 
モノ 
環境・気象データ 
設備監視 
GPS 
動画・画像・音声 
スマートフォン 
診断画像・ 
電子カルテ 
物流トレース 
運行情報 
ICカード利用 
人の移動 
© Hitachi, Ltd. 2014. All rights reserved. 
コト 
サービス 
5
© Hitachi, Ltd. 2014. All rights reserved. 
Data B 
1-2 Intelligence~ビッグデータから価値ある情報を抽出① 
1つの値ではなく、値の変化に意味がある 
■ 逐次発生し続けるデータから、価値ある情報を抽出 
■ 意味ある「値の集合」を分析することで価値ある情報を抽出 
■ 統計分析、傾向分析、相関分析など、分析方法はさまざま 
Data A 
Data C 
時刻 
発生データ 
6
© Hitachi, Ltd. 2014. All rights reserved. 
Data B 
■ 逐次発生し続けるデータから、価値ある情報を抽出 
■ 意味ある「値の集合」を分析することで価値ある情報を抽出 
■ 統計分析、傾向分析、相関分析など、分析方法はさまざま 
Data A 
Data C 
時刻 
発生データ 
<例>傾向分析 
予兆検知 
1つの値ではなく、値の変化に意味がある 
1-3 Intelligence~ビッグデータから価値ある情報を抽出② 
7
© Hitachi, Ltd. 2014. All rights reserved. 
Data B 
■ 逐次発生し続けるデータから、価値ある情報を抽出 
■ 意味ある「値の集合」を分析することで価値ある情報を抽出 
■ 統計分析、傾向分析、相関分析など、分析方法はさまざま 
Data A 
Data C 
時刻 
発生データ 
<例>軌跡分析 
動線 
軌跡 
1つの値ではなく、値の変化に意味がある 
1-4 Intelligence~ビッグデータから価値ある情報を抽出③ 
8
© Hitachi, Ltd. 2014. All rights reserved. 
Data B 
■ 逐次発生し続けるデータから、価値ある情報を抽出 
■ 意味ある「値の集合」を分析することで価値ある情報を抽出 
■ 統計分析、傾向分析、相関分析など、分析方法はさまざま 
Data A 
Data C 
時刻 
発生データ 
<例>相関分析 
外れ値 
1つの値ではなく、値の変化に意味がある 
1-5 Intelligence~ビッグデータから価値ある情報を抽出④ 
9
© Hitachi, Ltd. 2014. All rights reserved. 
顧客行動指向マーケティング 
流通分野 
金融分野 
証券取引サービス 
ITシステム保守運用サービス 
保守分野 
交通状況モニタリング 
交通分野 
通信状況分析サービス 
通信分野 
設備省電力サービス 
電力分野 
医療分野 
オーダーメイド医療 
行政分野 
世論(SNS)分析、意思決定支援 
モノ 
ヒト 
1-6 Intelligence×Speedが生み出す新ビジネス 
10
© Hitachi, Ltd. 2014. All rights reserved. 
1.ストリームデータ処理技術(CEP)とは? 
2.技術的な特長とその原理 
3.どこでどう使われているのか? ~適用事例 
4.まとめ ~技術活用のアプローチ 
11 
Contents
© Hitachi, Ltd. 2014. All rights reserved. 
2-1 CEP基盤の動作原理 
12 
取引情報 
売上データ 商品データ 
事業活動 
情報 
DB操作で 
集計・分析 
ストック型データ処理(従来DBMS) 
デ 
ータ 
DB DB 
データをDBにストック(蓄積)してから, 
データを集計・分析する。 
一括処理 データ保存必要 
操作ログ 
POSデータ RFID 
センサデータ 
実世界データ 
データが発生する度に, 
逐次,データを集計・分析する。 
リアルタイム処理 データ保存不要 
リアルタイム 
集計・分析 
リアルタイム 
表示 
フロー型データ処理(CEP) 
複合イベント処理 
データの 
量と質の変化 
データ発生時にリアルタイムに処理するフロー型データ処理
© Hitachi, Ltd. 2014. All rights reserved. 
事前登録 
稼動情報 
通信データ 
ICカード 
運行データ 
ネットワーク 
入力情報 
分析シナリオ 
分析結果 
ダッシュボード 
(見える化) 
結果ファイル 
uCosminexus Stream Data Platform 
株a,15 
CEP基盤 
株a,1 
株b,2 
株a 計15 
株b 計6 
株a,1 
株b,2 
株a,4 
株b,6 
株a,9 
株a,3 
株b,4 
株a,5 
株a,6 
2-2 CEP基盤の要素技術とその価値 
Intelligence×Speedを実現するデータ処理基盤 
■ ウィンドウ演算により、時系列データの分析を簡単に実現 
■ インメモリ差分計算により、超高速処理を実現 
■ 分析シナリオは、SQLを拡張したCQLで記述 
出力情報 
日立の 
CEP基盤 
13
© Hitachi, Ltd. 2014. All rights reserved. 
時系列 
データ 
100 
99 
2 
1 
0 
101 
102 
スライディング・ウィンドウで切り取られた処理対象の時系列データ 
■ スライディング・ウィンドウの種類 
・データの数(ROWS) 例: 直近の100取引分を対象にする 
・時間(RANGE) 例: 直近3分間分を対象にする 
・グループ分け(PARTITION)) 例: 各銘柄の最新5取引分を対象にする 
■ スライディング・ウィンドウにより、時系列データの分析範囲を定義 
■ 分析に必要なデータだけを抽出することで、データ処理を効率化 
■ 分析シナリオに複数種のスライディングウィンドウを提供 
無限に続く時系列データを効率よく処理 
14 
2-3 ウィンドウ演算
© Hitachi, Ltd. 2014. All rights reserved. 
株価指数の計算処理の例 
A社,xxx円,xxx株 
B社,xxx円,xxx株 
C社,xxx円,xxx株 
: 
xxxxx 
時価総額 
株価,株式数 
A社,yyy円,yyy株 
B社,xxx円,xxx株 
C社,xxx円,xxx株 
: 
yyyyy 
A社,xxx円,xxx株 
xxxxx 
A社,yyy円,yyy株 
- 
+ 
分析対象データ、中間計算結果は メモリ中に保持 
変化のあった株価のみを演算 
スライディング・ウインドウ 
スライディング・ウインドウ 
■ インメモリデータ処理により、ディスクI/Oを排除 
■ 中間結果を利用した差分計算により、大量データ処理時の負荷を軽減 
■ 分析対象のデータ数に依存しない、一定の計算量で処理を実現 
圧倒的な超高速処理を実現 
15 
2-4 インメモリ差分計算
© Hitachi, Ltd. 2014. All rights reserved. 
IStream( 
Select id, Sum(val) as S 
From str [Rows 3] 
Group by id) 
…ストリーム化演算 
CQLの例 
選択、結合 
集合演算など 
ストリーム化演算 
時系列 
データ 
中間結果 
入力・出力 
■ SQLを拡張した言語であるため、習得は容易 
■ ウィンドウ演算により時系列データの分析範囲を定め、関係演算を実行 
■ アプリケーションの個別開発と比較して、開発効率を大幅に向上 
幅広い業務に対応可能なクエリ言語を提供 
…ウィンドウ演算 
処理モデル 
リレーション 
ウィンドウ演算 
関係演算 
16 
2-5 クエリ言語CQL(Continuous Query Language)
© Hitachi, Ltd. 2014. All rights reserved. 
1.ストリームデータ処理技術(CEP)とは? 
2.技術的な特長とその原理 
3.どこでどう使われているのか? ~適用事例 
4.まとめ ~技術活用のアプローチ 
17 
Contents
© Hitachi, Ltd. 2014. All rights reserved. 
顧客行動指向マーケティング 
流通分野 
金融分野 
証券取引サービス 
ITシステム保守運用サービス 
保守分野 
交通状況モニタリング 
交通分野 
通信状況分析サービス 
通信分野 
設備省電力サービス 
電力分野 
医療分野 
オーダーメイド医療 
行政分野 
世論(SNS)分析、意思決定支援 
モノ 
ヒト 
3-1 Intelligence×Speedが生み出す新ビジネス 
18
© Hitachi, Ltd. 2014. All rights reserved. 
相場 
ユーザ 
システム 
入力AP 
電文受信/ 
フィルタ処理 
電文組立/ 
配信処理 
uCosminexus Stream Data Platform 
株価 株価 
指数 
処理性能 
スループット 8,000件/秒以上 
レイテンシ 
10ミリ秒以下 
(1~10ミリ秒) 
従来サービス 指数高速配信 
配信間隔 1秒毎 
指数構成銘柄の 
値段の変化毎 
指数高速配信システム 
CEP基盤 出力AP 
指数計算処理 
集計・分析 
シナリオ 
参考:2011年2月22日付弊社ニュースリリース「東京証券取引所の指数高速配信サービスが開始 ~ 世界最高水準、TOPIXをミリ秒レベルで配信 ~」 
http://www.hitachi.co.jp/New/cnews/month/2011/02/0222.html 
処理時間を「秒」から「ミリ秒」に 
■ 算出処理の高速化により、サービスレベルを大幅に向上 
■ 分析シナリオの柔軟性確保により、システム運用コストを低減 
3-2 <事例> 株価指数算出配信サービス モノ 
19
© Hitachi, Ltd. 2014. All rights reserved. 
大量のWebアクセスをリアルタイムに見える化 
3-3 <事例> Webサービス稼動状況モニタリング モノ 
20 
応答時間 
現在の値 
時間 
しきい値 
検知 
外れ値検知 
(予兆検知) 
SLOしきい値 
ベースライン 
正常範囲 
(ベースラインから 
算出) 
リアルタイム監視画面 
ホーム画面 
過去の情報(ベースライン)と比較して 
いつもと違う傾向を検知 (外れ値検知) 
しきい値検知より早く 
予兆の検知が可能 SLO : Service Level Objective 
統合システム運用管理 
JP1/IT Service Level Management 
■ 運用者の視点でWebサービスの稼動状況をモニタリング 
■ 「いつもと違う」をリアルタイムに検出し、障害発生を未然に防止
© Hitachi, Ltd. 2014. All rights reserved. 
交通管制センタ 
スマートフォンプローブ 
プローブカー 
タクシープローブ 
GIS 
Database 
車載GPS 
Walking Bike Vehicle 
(1) 
交通渋滞 
推定 
(3) 
パーソン 
トリップ推定 
(2) 
交通量 
推定 
プローブ 
解析 
1234 
3456 
2345 
4567 
1234 
3456 
12hr total 
24hr total 
123 
234 
3456 
4567 
3456 
7890 
(2) 交通量 
[Position, Time] 
[Position, Time] 
交通局員のユーザインタフェースイメージ 
(1) 交通渋滞 
(3) パーソントリップ 
・・
・・・・・
・・・・ 
・・ 
・・ 
・ 
・ 
・ 
・・ 
・・・ 
・ 
・ 
・
・・・・ 
・ 
・ 
・ 
・・ 
・・・・・ 
・・ 
・・ 
・・・・・・・・・ 
・ 
・ 
・・ 
・・・・・
・・ 
・・・ 
・・・・・ 
・・・・・ 
・・・ 
・ 
・ 
・ 
・・ 
・ 
・ 
・・・ 
・ 
・・ 
・・・・ 
・ 
・・・ 
・ 
・・ 
監視カメラ 
(4) 監視カメラ 
スマホGPS 
「時刻×緯度×経度」から新たな価値を創出 
■ カーナビ、スマートフォン、カメラが高性能なセンサーに早変わり 
■ 各センサー毎に進行速度や方向を算出し、「流れ」を分析 
3-4 <事例> プローブデータ活用の方向性 モノ 
21
© Hitachi, Ltd. 2014. All rights reserved. 
車両位置情報から道路の混雑状況を分析 
車両位置情報 
CEP基盤 
uCosminexus Stream Data Platform 
分析シナリオ 
速度計算 
走行方向計算 
密度計算 
渋滞検出 
事故検出 
車両ID (緯度,経度) 
渋滞情報 
赤:低速 
黄:中速 
緑:高速 
始点:一つ前の位置 
終点:最新の位置 
各車両走行状況渋滞・事故検知 
この位置で 
渋滞・事故が発生 
事故情報 
Ⓒ2008 Google 
Ⓒ2008 Zenrin 
■ 各車両の進行速度や方向を算出し、リアルタイム表示 
■ 周辺車両の状況により、渋滞や事故の発生を検出 
3-5 <事例> 交通状況リアルタイムモニタリング モノ 
22
© Hitachi, Ltd. 2014. All rights reserved. 
プロアクティブな空調制御により省電力を実現 
■ 無線センサーがデータセンターのきめ細かな環境データを逐次収集 
■ 設置場所や吸排気温度の相関分析により、空調制御を最適化 
分析1 
相関/ 
傾向分析 
判定 
分析シナリオ 
事前登録 
分析2 
データセンターレイアウトの表示 
サーバ別詳細情報の表示 
サーバ室温状況のモニタリング 
熱溜り検知・アラーム通知 
熱溜りのイベント 
パトライトによるアラーム 
熱溜り 
冷気不足による 
熱の回り込み 
日立センサーネット情報システム 
AirSenseⅡ 
吸気温度と 
排気温度の 
相関分析 
室温上昇の 
傾向分析 
CEP基盤 
サーバ室 
無線通信による 
サーバ室温情報の 
逐次収集 
室温情報を表示したいサーバをクリック 
3-6 <事例> データセンターの空調制御最適化 モノ 
23
© Hitachi, Ltd. 2014. All rights reserved. 
ゾーン B 
Food Court 
ゾーン C 
Home 
Furnishing 
s 
コンテンツ 
DB 
端末情報 
DB 
ゾーン A 
Fashions 
CEP基盤 
Mail 
サーバ 
端末利用 
者の趣味・ 
嗜好情報 
ゾーン内滞留検知により 
コンテンツを配信 
通過移動のため 
ゾーン内滞留を未検知 
ゾーン毎の 
コンテンツ 
情報 
ヒトの動線や嗜好に合わせた広告コンテンツをPush配信 
■ 携帯端末から収集した位置情報をリアルタイムに分析 
■ 動線(滞留、再訪、軌跡)に合わせた広告配信により売上向上 
3-7 <事例> リアルタイム広告コンテンツ配信 ヒト 
24
© Hitachi, Ltd. 2014. All rights reserved. 
社員の声 
アンケート、在席情報… 
設備情報 
室温、湿度、騒音、電力量… 
外部情報 
気象情報、災害情報… 
快適とecoの実現 
設備制御の最適化 
社員のecoマインド醸成 
設備×ITによる「快適とeco」の両立(実証実験中) 
■ モノとヒトの情報を収集・分析し、現場に即座にフィードバック 
■ 設備制御にヒトの情報(活動効率/スケジュール/過去実績)をプラス 
3-8 <事例> 日立・横浜事業所「快適ecoプロジェクト」 ヒト 
電力使用量の予実績と 
従業員の快適度(活動効率)を 
リアルタイムに表示 
従業員の快適度に 
合わせて空調を制御 
(例:冷やし過ぎない) 
25
© Hitachi, Ltd. 2014. All rights reserved. 
・人の流れ 
・通行頻度 
・滞留箇所 
・・・ 
・性別 
・年齢層 
・・・ 
・コミュニケーション 
・組織の活性度 
・グループの見える化 
・・・ 
買い周りしやすい 
スムーズに動ける 
役立つ情報が 
タイムリーに 
やってくる 
スムーズで 
気持ちのいい 
接客 
商品が見やすい 
手に取りやすい 
入りやすい店構え 
欲しいものが 
そこにある 
「流れ」の見える化 「関係」の見える化 「属性」の見える化 
30代 
男性 
移動中 
20代 
女性 
移動中 
ヒトの動きを「見える化」し、心地良いサービスや環境を提供 
3-9 <事例> ヒトの情報活用の可能性 ヒト 
26
© Hitachi, Ltd. 2014. All rights reserved. 
1.ストリームデータ処理技術(CEP)とは? 
2.技術的な特長とその原理 
3.どこでどう使われているのか? ~適用事例 
4.まとめ ~技術活用のアプローチ 
27 
Contents
© Hitachi, Ltd. 2014. All rights reserved. 
通話ログ 
電力メーター 
カーナビ 
つぶやき 
コンテンツダウンロード 
SNS 
ネット購入 
業務処理 
監視映像 
Big Data 
ヒト 
モノ 
環境・気象データ 
設備監視 
GPS 
動画・画像・音声 
スマートフォン 
診断画像・ 
電子カルテ 
物流トレース 
運行情報 
ICカード利用 
人の移動 
© Hitachi, Ltd. 2014. All rights reserved. 
コト 
サービス 
CEP(Complex Event Processing) 
『今』を分析する技術 
IoT(Internet of Things)とM2M(Machine to Machine) 
いつでもどこでも早く便利に! 
Intelligence 
ビッグデータから価値ある情報を抽出! 
Speed 
ビジネススピードが競争力の源! 
28 
4-1 まとめ
© Hitachi, Ltd. 2014. All rights reserved. 
データ活用の 
ビジョン 
生まれる価値 
の明確化 
価値創出の 
実現性の 目途 
Output 
ビジネス価値 
ビジョン実現に向けた 
プロセス・KPIの設定 
ビジョンに対する 
成果の確認 
Milestone 
ビジョンの実現 
YES 
分析手法検証支援 
システム検証支援 
シナリオ検証支援 
事業モデル化 
システム構築 
運用サポート 
仮説立案 
Output 
Output 
Output 
YES 
実用化検証 
活用シナリオ策定 
ビジョン構築 
システム導入 
4-2 ビッグデータ活用のためのプロセス 
仮説立案とビジョン実現のプロセス 
29
© Hitachi, Ltd. 2014. All rights reserved. 
CEP(Complex Event Processing)って何? 
何が新しくて、どこでどう使われているの? 
といった疑問を解決します。 
そして、貴社における 
データ処理方式の選択肢のひとつ 
に加えてもらいたい。 
4-3 さいごに 
30 
ご清聴ありがとうございました。
 [db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ!  by 株式会社日立製作所 村上順一
© Hitachi, Ltd. 2014. All rights reserved. 
今を分析する日立の『CEP』、 知るなら今でしょ! 
2014/11/12 
株式会社 日立製作所 
情報・通信システム社 
ITプラットフォーム事業本部 
村上 順一

More Related Content

What's hot

de:code 2019登壇資料:MLOpsによるAIモデルの作り方
de:code 2019登壇資料:MLOpsによるAIモデルの作り方de:code 2019登壇資料:MLOpsによるAIモデルの作り方
de:code 2019登壇資料:MLOpsによるAIモデルの作り方Hiroshi Senga
 
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」Recruit Technologies
 
GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介Takashi Suzuki
 
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例Recruit Technologies
 
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~Recruit Technologies
 
タクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて
タクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについてタクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて
タクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについてTakashi Suzuki
 
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜LeapMind Inc
 
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...DataWorks Summit/Hadoop Summit
 
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化Shota Suzuki
 
「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...
「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...
「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...NTT DATA Technology & Innovation
 
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Recruit Technologies
 
プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)NTT DATA Technology & Innovation
 
PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会
PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会
PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会IoTビジネス共創ラボ
 
[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...
[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...
[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...Insight Technology, Inc.
 
[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~
[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~
[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~オラクルエンジニア通信
 
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit groupStruggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit groupRecruit Technologies
 
カルマンフィルタ入門
カルマンフィルタ入門カルマンフィルタ入門
カルマンフィルタ入門Yasunori Nihei
 

What's hot (20)

de:code 2019登壇資料:MLOpsによるAIモデルの作り方
de:code 2019登壇資料:MLOpsによるAIモデルの作り方de:code 2019登壇資料:MLOpsによるAIモデルの作り方
de:code 2019登壇資料:MLOpsによるAIモデルの作り方
 
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
 
GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介GOの機械学習システムを支えるMLOps事例紹介
GOの機械学習システムを支えるMLOps事例紹介
 
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
 
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
 
タクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて
タクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについてタクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて
タクシー×AIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて
 
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
 
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
 
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化
 
「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...
「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...
「量子コンピュータ」は今のコンピュータに取って代わってしまうのか? ~現状のアプリケーションから将来像を考える~(NTTデータ テクノロジーカンファレンス...
 
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
 
プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
プログラムを自動生成する技術 ~ Programming by Example ~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
 
PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会
PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会
PowerApps+Flow+Azureで作れるノンコーディングのIoTソリューション_IoTビジネス共創ラボ 第8回勉強会
 
[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...
[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...
[db tech showcase Sapporo 2015] A16:DBママが教えるインデックスのしつけ方 by 株式会社日立製作所 情報・通信システ...
 
[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~
[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~
[Modern Cloud Day Tokyo 2019] 決め手はコストとサポート力!中堅企業が選ぶべきクラウド ~他社クラウドからオラクルに置き換えた理由~
 
Spring “BigData”
Spring “BigData”Spring “BigData”
Spring “BigData”
 
Pepper+独自会話エンジン
Pepper+独自会話エンジンPepper+独自会話エンジン
Pepper+独自会話エンジン
 
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit groupStruggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
 
Data-Centric AIの紹介
Data-Centric AIの紹介Data-Centric AIの紹介
Data-Centric AIの紹介
 
カルマンフィルタ入門
カルマンフィルタ入門カルマンフィルタ入門
カルマンフィルタ入門
 

Similar to [db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一

[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama
[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama
[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro YokoyamaInsight Technology, Inc.
 
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャシステム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャRecruit Technologies
 
[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...
[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...
[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...Insight Technology, Inc.
 
LBJ2016オープンステージスライド
LBJ2016オープンステージスライドLBJ2016オープンステージスライド
LBJ2016オープンステージスライドKurata Takeshi
 
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)appliedelectronics
 
Supervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic StackSupervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic StackHiroshi Yoshioka
 
アドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニングアドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニングYosuke Mizutani
 
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展Recruit Technologies
 
Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネスMie Mori
 
セミナ受講レポート NRI Senju V12
セミナ受講レポート NRI Senju V12セミナ受講レポート NRI Senju V12
セミナ受講レポート NRI Senju V12Yukio Saito
 
Approved spt
Approved sptApproved spt
Approved sptakipower
 
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例  by 株式会社日立製作所 ...[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例  by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...Insight Technology, Inc.
 
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤Recruit Technologies
 
システム運用のデジタルトランスフォーメーションを実現する「Hinemos」
システム運用のデジタルトランスフォーメーションを実現する「Hinemos」システム運用のデジタルトランスフォーメーションを実現する「Hinemos」
システム運用のデジタルトランスフォーメーションを実現する「Hinemos」Hinemos
 
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
 
YakoCloud presen 141213
YakoCloud presen 141213YakoCloud presen 141213
YakoCloud presen 141213知礼 八子
 
Base 20141011 1_for_slideshre
Base 20141011 1_for_slideshreBase 20141011 1_for_slideshre
Base 20141011 1_for_slideshre正善 大島
 
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 Insight Technology, Inc.
 
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Preferred Networks
 
B14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori Tamura
B14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori TamuraB14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori Tamura
B14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori TamuraInsight Technology, Inc.
 

Similar to [db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一 (20)

[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama
[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama
[C23] 「今」を分析するストリームデータ処理技術とその可能性 by Takahiro Yokoyama
 
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャシステム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
 
[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...
[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...
[db tech showcase Tokyo 2015] C33:ビッグデータ・IoT時代のキーテクノロジー、CEPの「今」を掴む! by 株式会社日立...
 
LBJ2016オープンステージスライド
LBJ2016オープンステージスライドLBJ2016オープンステージスライド
LBJ2016オープンステージスライド
 
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
 
Supervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic StackSupervised Machine Learning of Elastic Stack
Supervised Machine Learning of Elastic Stack
 
アドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニングアドテク×Scala×パフォーマンスチューニング
アドテク×Scala×パフォーマンスチューニング
 
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
 
Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネス
 
セミナ受講レポート NRI Senju V12
セミナ受講レポート NRI Senju V12セミナ受講レポート NRI Senju V12
セミナ受講レポート NRI Senju V12
 
Approved spt
Approved sptApproved spt
Approved spt
 
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例  by 株式会社日立製作所 ...[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例  by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
 
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
 
システム運用のデジタルトランスフォーメーションを実現する「Hinemos」
システム運用のデジタルトランスフォーメーションを実現する「Hinemos」システム運用のデジタルトランスフォーメーションを実現する「Hinemos」
システム運用のデジタルトランスフォーメーションを実現する「Hinemos」
 
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
 
YakoCloud presen 141213
YakoCloud presen 141213YakoCloud presen 141213
YakoCloud presen 141213
 
Base 20141011 1_for_slideshre
Base 20141011 1_for_slideshreBase 20141011 1_for_slideshre
Base 20141011 1_for_slideshre
 
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
 
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
 
B14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori Tamura
B14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori TamuraB14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori Tamura
B14 「今」を分析するストリームデータ処理技術とその可能性 by Kazunori Tamura
 

More from Insight Technology, Inc.

グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Insight Technology, Inc.
 
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明するInsight Technology, Inc.
 
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーンInsight Technology, Inc.
 
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごとMBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごとInsight Technology, Inc.
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォームDBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォームInsight Technology, Inc.
 
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門Insight Technology, Inc.
 
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉 db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉 Insight Technology, Inc.
 
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也Insight Technology, Inc.
 
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー Insight Technology, Inc.
 
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?Insight Technology, Inc.
 
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Insight Technology, Inc.
 
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?Insight Technology, Inc.
 
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...Insight Technology, Inc.
 
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Insight Technology, Inc.
 
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]Insight Technology, Inc.
 
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...Insight Technology, Inc.
 

More from Insight Technology, Inc. (20)

グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
Docker and the Oracle Database
Docker and the Oracle DatabaseDocker and the Oracle Database
Docker and the Oracle Database
 
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
 
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
 
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
 
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごとMBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォームDBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
 
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
 
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL ServicesLunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
 
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉 db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
 
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
 
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
 
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
 
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
 
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
 
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
 
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
 
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
 
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
 

Recently uploaded

AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。iPride Co., Ltd.
 
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版Takayuki Nakayama
 
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdfIGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdfIGDA Japan SIG-Audio
 
チームで開発するための環境を整える
チームで開発するための環境を整えるチームで開発するための環境を整える
チームで開発するための環境を整えるonozaty
 
The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))yoshidakids7
 
これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024Hideki Saito
 
00001_test_automation_portfolio_20240313
00001_test_automation_portfolio_2024031300001_test_automation_portfolio_20240313
00001_test_automation_portfolio_20240313ssuserf8ea02
 
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜Naomi Yamasaki
 
AWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作りAWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作りiPride Co., Ltd.
 
バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析sugiuralab
 
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~honeshabri
 
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」IGDA Japan SIG-Audio
 

Recently uploaded (12)

AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
 
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
 
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdfIGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
 
チームで開発するための環境を整える
チームで開発するための環境を整えるチームで開発するための環境を整える
チームで開発するための環境を整える
 
The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))
 
これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024
 
00001_test_automation_portfolio_20240313
00001_test_automation_portfolio_2024031300001_test_automation_portfolio_20240313
00001_test_automation_portfolio_20240313
 
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
 
AWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作りAWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作り
 
バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析
 
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
 
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
 

[db tech showcase Tokyo 2014] D25: 今を分析する日立の「CEP」、知るなら今でしょ! by 株式会社日立製作所 村上順一

  • 1. © Hitachi, Ltd. 2014. All rights reserved. 今を分析する日立の『CEP』、 知るなら今でしょ! 2014/11/12 株式会社 日立製作所 情報・通信システム社 ITプラットフォーム事業本部 村上 順一
  • 2. © Hitachi, Ltd. 2014. All rights reserved. CEP(Complex Event Processing)って何? 何が新しくて、どこでどう使われているの? といった疑問を解決します。 そして、貴社における データ処理方式の選択肢のひとつ に加えてもらいたい。 0-1 本セッションの要約 2
  • 3. © Hitachi, Ltd. 2014. All rights reserved. 1.CEPとは? 2.技術的な特長とその原理 3.どこでどう使われているのか? ~適用事例 4.まとめ ~技術活用のアプローチ Contents 3
  • 4. © Hitachi, Ltd. 2014. All rights reserved. 1.CEPとは? 2.技術的な特長とその原理 3.どこでどう使われているのか? ~適用事例 4.まとめ ~技術活用のアプローチ 4 Contents
  • 5. © Hitachi, Ltd. 2014. All rights reserved. 1-1 ビッグデータの時代(モノ・ヒト・コト) 通話ログ 電力メーター カーナビ つぶやき コンテンツダウンロード SNS ネット購入 業務処理 監視映像 Big Data ヒト モノ 環境・気象データ 設備監視 GPS 動画・画像・音声 スマートフォン 診断画像・ 電子カルテ 物流トレース 運行情報 ICカード利用 人の移動 © Hitachi, Ltd. 2014. All rights reserved. コト サービス 5
  • 6. © Hitachi, Ltd. 2014. All rights reserved. Data B 1-2 Intelligence~ビッグデータから価値ある情報を抽出① 1つの値ではなく、値の変化に意味がある ■ 逐次発生し続けるデータから、価値ある情報を抽出 ■ 意味ある「値の集合」を分析することで価値ある情報を抽出 ■ 統計分析、傾向分析、相関分析など、分析方法はさまざま Data A Data C 時刻 発生データ 6
  • 7. © Hitachi, Ltd. 2014. All rights reserved. Data B ■ 逐次発生し続けるデータから、価値ある情報を抽出 ■ 意味ある「値の集合」を分析することで価値ある情報を抽出 ■ 統計分析、傾向分析、相関分析など、分析方法はさまざま Data A Data C 時刻 発生データ <例>傾向分析 予兆検知 1つの値ではなく、値の変化に意味がある 1-3 Intelligence~ビッグデータから価値ある情報を抽出② 7
  • 8. © Hitachi, Ltd. 2014. All rights reserved. Data B ■ 逐次発生し続けるデータから、価値ある情報を抽出 ■ 意味ある「値の集合」を分析することで価値ある情報を抽出 ■ 統計分析、傾向分析、相関分析など、分析方法はさまざま Data A Data C 時刻 発生データ <例>軌跡分析 動線 軌跡 1つの値ではなく、値の変化に意味がある 1-4 Intelligence~ビッグデータから価値ある情報を抽出③ 8
  • 9. © Hitachi, Ltd. 2014. All rights reserved. Data B ■ 逐次発生し続けるデータから、価値ある情報を抽出 ■ 意味ある「値の集合」を分析することで価値ある情報を抽出 ■ 統計分析、傾向分析、相関分析など、分析方法はさまざま Data A Data C 時刻 発生データ <例>相関分析 外れ値 1つの値ではなく、値の変化に意味がある 1-5 Intelligence~ビッグデータから価値ある情報を抽出④ 9
  • 10. © Hitachi, Ltd. 2014. All rights reserved. 顧客行動指向マーケティング 流通分野 金融分野 証券取引サービス ITシステム保守運用サービス 保守分野 交通状況モニタリング 交通分野 通信状況分析サービス 通信分野 設備省電力サービス 電力分野 医療分野 オーダーメイド医療 行政分野 世論(SNS)分析、意思決定支援 モノ ヒト 1-6 Intelligence×Speedが生み出す新ビジネス 10
  • 11. © Hitachi, Ltd. 2014. All rights reserved. 1.ストリームデータ処理技術(CEP)とは? 2.技術的な特長とその原理 3.どこでどう使われているのか? ~適用事例 4.まとめ ~技術活用のアプローチ 11 Contents
  • 12. © Hitachi, Ltd. 2014. All rights reserved. 2-1 CEP基盤の動作原理 12 取引情報 売上データ 商品データ 事業活動 情報 DB操作で 集計・分析 ストック型データ処理(従来DBMS) デ ータ DB DB データをDBにストック(蓄積)してから, データを集計・分析する。 一括処理 データ保存必要 操作ログ POSデータ RFID センサデータ 実世界データ データが発生する度に, 逐次,データを集計・分析する。 リアルタイム処理 データ保存不要 リアルタイム 集計・分析 リアルタイム 表示 フロー型データ処理(CEP) 複合イベント処理 データの 量と質の変化 データ発生時にリアルタイムに処理するフロー型データ処理
  • 13. © Hitachi, Ltd. 2014. All rights reserved. 事前登録 稼動情報 通信データ ICカード 運行データ ネットワーク 入力情報 分析シナリオ 分析結果 ダッシュボード (見える化) 結果ファイル uCosminexus Stream Data Platform 株a,15 CEP基盤 株a,1 株b,2 株a 計15 株b 計6 株a,1 株b,2 株a,4 株b,6 株a,9 株a,3 株b,4 株a,5 株a,6 2-2 CEP基盤の要素技術とその価値 Intelligence×Speedを実現するデータ処理基盤 ■ ウィンドウ演算により、時系列データの分析を簡単に実現 ■ インメモリ差分計算により、超高速処理を実現 ■ 分析シナリオは、SQLを拡張したCQLで記述 出力情報 日立の CEP基盤 13
  • 14. © Hitachi, Ltd. 2014. All rights reserved. 時系列 データ 100 99 2 1 0 101 102 スライディング・ウィンドウで切り取られた処理対象の時系列データ ■ スライディング・ウィンドウの種類 ・データの数(ROWS) 例: 直近の100取引分を対象にする ・時間(RANGE) 例: 直近3分間分を対象にする ・グループ分け(PARTITION)) 例: 各銘柄の最新5取引分を対象にする ■ スライディング・ウィンドウにより、時系列データの分析範囲を定義 ■ 分析に必要なデータだけを抽出することで、データ処理を効率化 ■ 分析シナリオに複数種のスライディングウィンドウを提供 無限に続く時系列データを効率よく処理 14 2-3 ウィンドウ演算
  • 15. © Hitachi, Ltd. 2014. All rights reserved. 株価指数の計算処理の例 A社,xxx円,xxx株 B社,xxx円,xxx株 C社,xxx円,xxx株 : xxxxx 時価総額 株価,株式数 A社,yyy円,yyy株 B社,xxx円,xxx株 C社,xxx円,xxx株 : yyyyy A社,xxx円,xxx株 xxxxx A社,yyy円,yyy株 - + 分析対象データ、中間計算結果は メモリ中に保持 変化のあった株価のみを演算 スライディング・ウインドウ スライディング・ウインドウ ■ インメモリデータ処理により、ディスクI/Oを排除 ■ 中間結果を利用した差分計算により、大量データ処理時の負荷を軽減 ■ 分析対象のデータ数に依存しない、一定の計算量で処理を実現 圧倒的な超高速処理を実現 15 2-4 インメモリ差分計算
  • 16. © Hitachi, Ltd. 2014. All rights reserved. IStream( Select id, Sum(val) as S From str [Rows 3] Group by id) …ストリーム化演算 CQLの例 選択、結合 集合演算など ストリーム化演算 時系列 データ 中間結果 入力・出力 ■ SQLを拡張した言語であるため、習得は容易 ■ ウィンドウ演算により時系列データの分析範囲を定め、関係演算を実行 ■ アプリケーションの個別開発と比較して、開発効率を大幅に向上 幅広い業務に対応可能なクエリ言語を提供 …ウィンドウ演算 処理モデル リレーション ウィンドウ演算 関係演算 16 2-5 クエリ言語CQL(Continuous Query Language)
  • 17. © Hitachi, Ltd. 2014. All rights reserved. 1.ストリームデータ処理技術(CEP)とは? 2.技術的な特長とその原理 3.どこでどう使われているのか? ~適用事例 4.まとめ ~技術活用のアプローチ 17 Contents
  • 18. © Hitachi, Ltd. 2014. All rights reserved. 顧客行動指向マーケティング 流通分野 金融分野 証券取引サービス ITシステム保守運用サービス 保守分野 交通状況モニタリング 交通分野 通信状況分析サービス 通信分野 設備省電力サービス 電力分野 医療分野 オーダーメイド医療 行政分野 世論(SNS)分析、意思決定支援 モノ ヒト 3-1 Intelligence×Speedが生み出す新ビジネス 18
  • 19. © Hitachi, Ltd. 2014. All rights reserved. 相場 ユーザ システム 入力AP 電文受信/ フィルタ処理 電文組立/ 配信処理 uCosminexus Stream Data Platform 株価 株価 指数 処理性能 スループット 8,000件/秒以上 レイテンシ 10ミリ秒以下 (1~10ミリ秒) 従来サービス 指数高速配信 配信間隔 1秒毎 指数構成銘柄の 値段の変化毎 指数高速配信システム CEP基盤 出力AP 指数計算処理 集計・分析 シナリオ 参考:2011年2月22日付弊社ニュースリリース「東京証券取引所の指数高速配信サービスが開始 ~ 世界最高水準、TOPIXをミリ秒レベルで配信 ~」 http://www.hitachi.co.jp/New/cnews/month/2011/02/0222.html 処理時間を「秒」から「ミリ秒」に ■ 算出処理の高速化により、サービスレベルを大幅に向上 ■ 分析シナリオの柔軟性確保により、システム運用コストを低減 3-2 <事例> 株価指数算出配信サービス モノ 19
  • 20. © Hitachi, Ltd. 2014. All rights reserved. 大量のWebアクセスをリアルタイムに見える化 3-3 <事例> Webサービス稼動状況モニタリング モノ 20 応答時間 現在の値 時間 しきい値 検知 外れ値検知 (予兆検知) SLOしきい値 ベースライン 正常範囲 (ベースラインから 算出) リアルタイム監視画面 ホーム画面 過去の情報(ベースライン)と比較して いつもと違う傾向を検知 (外れ値検知) しきい値検知より早く 予兆の検知が可能 SLO : Service Level Objective 統合システム運用管理 JP1/IT Service Level Management ■ 運用者の視点でWebサービスの稼動状況をモニタリング ■ 「いつもと違う」をリアルタイムに検出し、障害発生を未然に防止
  • 21. © Hitachi, Ltd. 2014. All rights reserved. 交通管制センタ スマートフォンプローブ プローブカー タクシープローブ GIS Database 車載GPS Walking Bike Vehicle (1) 交通渋滞 推定 (3) パーソン トリップ推定 (2) 交通量 推定 プローブ 解析 1234 3456 2345 4567 1234 3456 12hr total 24hr total 123 234 3456 4567 3456 7890 (2) 交通量 [Position, Time] [Position, Time] 交通局員のユーザインタフェースイメージ (1) 交通渋滞 (3) パーソントリップ ・・ ・・・・・ ・・・・ ・・ ・・ ・ ・ ・ ・・ ・・・ ・ ・ ・ ・・・・ ・ ・ ・ ・・ ・・・・・ ・・ ・・ ・・・・・・・・・ ・ ・ ・・ ・・・・・ ・・ ・・・ ・・・・・ ・・・・・ ・・・ ・ ・ ・ ・・ ・ ・ ・・・ ・ ・・ ・・・・ ・ ・・・ ・ ・・ 監視カメラ (4) 監視カメラ スマホGPS 「時刻×緯度×経度」から新たな価値を創出 ■ カーナビ、スマートフォン、カメラが高性能なセンサーに早変わり ■ 各センサー毎に進行速度や方向を算出し、「流れ」を分析 3-4 <事例> プローブデータ活用の方向性 モノ 21
  • 22. © Hitachi, Ltd. 2014. All rights reserved. 車両位置情報から道路の混雑状況を分析 車両位置情報 CEP基盤 uCosminexus Stream Data Platform 分析シナリオ 速度計算 走行方向計算 密度計算 渋滞検出 事故検出 車両ID (緯度,経度) 渋滞情報 赤:低速 黄:中速 緑:高速 始点:一つ前の位置 終点:最新の位置 各車両走行状況渋滞・事故検知 この位置で 渋滞・事故が発生 事故情報 Ⓒ2008 Google Ⓒ2008 Zenrin ■ 各車両の進行速度や方向を算出し、リアルタイム表示 ■ 周辺車両の状況により、渋滞や事故の発生を検出 3-5 <事例> 交通状況リアルタイムモニタリング モノ 22
  • 23. © Hitachi, Ltd. 2014. All rights reserved. プロアクティブな空調制御により省電力を実現 ■ 無線センサーがデータセンターのきめ細かな環境データを逐次収集 ■ 設置場所や吸排気温度の相関分析により、空調制御を最適化 分析1 相関/ 傾向分析 判定 分析シナリオ 事前登録 分析2 データセンターレイアウトの表示 サーバ別詳細情報の表示 サーバ室温状況のモニタリング 熱溜り検知・アラーム通知 熱溜りのイベント パトライトによるアラーム 熱溜り 冷気不足による 熱の回り込み 日立センサーネット情報システム AirSenseⅡ 吸気温度と 排気温度の 相関分析 室温上昇の 傾向分析 CEP基盤 サーバ室 無線通信による サーバ室温情報の 逐次収集 室温情報を表示したいサーバをクリック 3-6 <事例> データセンターの空調制御最適化 モノ 23
  • 24. © Hitachi, Ltd. 2014. All rights reserved. ゾーン B Food Court ゾーン C Home Furnishing s コンテンツ DB 端末情報 DB ゾーン A Fashions CEP基盤 Mail サーバ 端末利用 者の趣味・ 嗜好情報 ゾーン内滞留検知により コンテンツを配信 通過移動のため ゾーン内滞留を未検知 ゾーン毎の コンテンツ 情報 ヒトの動線や嗜好に合わせた広告コンテンツをPush配信 ■ 携帯端末から収集した位置情報をリアルタイムに分析 ■ 動線(滞留、再訪、軌跡)に合わせた広告配信により売上向上 3-7 <事例> リアルタイム広告コンテンツ配信 ヒト 24
  • 25. © Hitachi, Ltd. 2014. All rights reserved. 社員の声 アンケート、在席情報… 設備情報 室温、湿度、騒音、電力量… 外部情報 気象情報、災害情報… 快適とecoの実現 設備制御の最適化 社員のecoマインド醸成 設備×ITによる「快適とeco」の両立(実証実験中) ■ モノとヒトの情報を収集・分析し、現場に即座にフィードバック ■ 設備制御にヒトの情報(活動効率/スケジュール/過去実績)をプラス 3-8 <事例> 日立・横浜事業所「快適ecoプロジェクト」 ヒト 電力使用量の予実績と 従業員の快適度(活動効率)を リアルタイムに表示 従業員の快適度に 合わせて空調を制御 (例:冷やし過ぎない) 25
  • 26. © Hitachi, Ltd. 2014. All rights reserved. ・人の流れ ・通行頻度 ・滞留箇所 ・・・ ・性別 ・年齢層 ・・・ ・コミュニケーション ・組織の活性度 ・グループの見える化 ・・・ 買い周りしやすい スムーズに動ける 役立つ情報が タイムリーに やってくる スムーズで 気持ちのいい 接客 商品が見やすい 手に取りやすい 入りやすい店構え 欲しいものが そこにある 「流れ」の見える化 「関係」の見える化 「属性」の見える化 30代 男性 移動中 20代 女性 移動中 ヒトの動きを「見える化」し、心地良いサービスや環境を提供 3-9 <事例> ヒトの情報活用の可能性 ヒト 26
  • 27. © Hitachi, Ltd. 2014. All rights reserved. 1.ストリームデータ処理技術(CEP)とは? 2.技術的な特長とその原理 3.どこでどう使われているのか? ~適用事例 4.まとめ ~技術活用のアプローチ 27 Contents
  • 28. © Hitachi, Ltd. 2014. All rights reserved. 通話ログ 電力メーター カーナビ つぶやき コンテンツダウンロード SNS ネット購入 業務処理 監視映像 Big Data ヒト モノ 環境・気象データ 設備監視 GPS 動画・画像・音声 スマートフォン 診断画像・ 電子カルテ 物流トレース 運行情報 ICカード利用 人の移動 © Hitachi, Ltd. 2014. All rights reserved. コト サービス CEP(Complex Event Processing) 『今』を分析する技術 IoT(Internet of Things)とM2M(Machine to Machine) いつでもどこでも早く便利に! Intelligence ビッグデータから価値ある情報を抽出! Speed ビジネススピードが競争力の源! 28 4-1 まとめ
  • 29. © Hitachi, Ltd. 2014. All rights reserved. データ活用の ビジョン 生まれる価値 の明確化 価値創出の 実現性の 目途 Output ビジネス価値 ビジョン実現に向けた プロセス・KPIの設定 ビジョンに対する 成果の確認 Milestone ビジョンの実現 YES 分析手法検証支援 システム検証支援 シナリオ検証支援 事業モデル化 システム構築 運用サポート 仮説立案 Output Output Output YES 実用化検証 活用シナリオ策定 ビジョン構築 システム導入 4-2 ビッグデータ活用のためのプロセス 仮説立案とビジョン実現のプロセス 29
  • 30. © Hitachi, Ltd. 2014. All rights reserved. CEP(Complex Event Processing)って何? 何が新しくて、どこでどう使われているの? といった疑問を解決します。 そして、貴社における データ処理方式の選択肢のひとつ に加えてもらいたい。 4-3 さいごに 30 ご清聴ありがとうございました。
  • 32. © Hitachi, Ltd. 2014. All rights reserved. 今を分析する日立の『CEP』、 知るなら今でしょ! 2014/11/12 株式会社 日立製作所 情報・通信システム社 ITプラットフォーム事業本部 村上 順一