基幹業務もHadoopで!! -ローソンにおける店舗発注業務へのHadoop + Hive導入とその取り組みについて-

基幹業務もHadoopで!!
Hadoop / Spark Conference 2016
Future Architect
Keigo Suda
ローソンにおける店舗発注業務への
Hadoop + Hive導入とその取り組みについて

本発表を通してお伝えしたいこと
Enterprise
基幹領域でのHadoop活用シーンへのヒント
 どういった課題をクリアするために？
 どんなことを検討/対応する必要がある？
※資料は後ほど公開致します

目に焼き付けておきなさい。
Hadoopを使うってそういうことよ
(綺麗なことばかりじゃないのよ)

自己紹介
＊須田桂伍(2012年入社)
＊ Technology Innovation Group シニアコンサルタント
＊インフラエンジニア～ソフトウェアアーキテクト
＊最近はビッグデータ領域(情報系～基幹系)どっぷり
最近はQiita記事に技術ネタ投稿してます直近の生きる目標(人生のマイルストン)

Outline
Introduction
Architecture
Team Development
Conclusion

フューチャーアーキテクト株式会社
（英文表記：Future Architect, Inc.）
設立
上場
資本金
代表者
売上高
社員数
オフィス
： 1989年11月28日
： 2002年6月東証1部
： 14億21百万円
：代表取締役会長 CEO 金丸恭文
：連結344億24百万円、単体197億27百万円（2014年12月期）
：連結1,587名、単体783名（2014年12月末日現在）
：大崎（本社）、大阪、鹿児島、福岡

店舗発注業務のセンター化
発注時に利用するマスタ作成をセンタ集約
 店舗毎に行われていたマスタデータ作成処理を集約
 店舗からはAPI経由でマスタデータを参照

店舗発注業務の裏側
ローソン全業務で利用されるマスタデータを
日次バッチで最新化
1
最新化された全業務マスタデータの更新差分を
各店舗へファイル連携
店舗へ更新分データのファイル連携
2
本部センターファイル
連携基盤
ストアコンピュータ
データ反映
発注端末
商品を発注
しますね
更新データ
全業務マスタデータ
日次バッチ処理
最新化
1 2 3 4
全業務マスタデータの最新化処理
連携されたファイルデータを各店舗にある
ストコン内のDBへ反映する。
3
最新化されたマスタデータをもとに発注業務を実施
発注時の商品データ参照4
更新分データのDB反映処理

店舗発注業務の裏側
ローソン全業務で利用されるマスタデータを
日次バッチで最新化
1
最新化された全業務マスタデータの更新差分を
各店舗へファイル連携
店舗へ更新分データのファイル連携
2
本部センターファイル
連携基盤
ストアコンピュータ
データ反映
発注端末
商品を発注
しますね
更新データ
全業務マスタデータ
日次バッチ処理
最新化
1 2 3 4
全業務マスタデータの最新化処理
連携されたファイルデータを各店舗にある
ストコン内のDBへ反映する。
3
最新化されたマスタデータをもとに発注業務を実施
発注時の商品データ参照4
更新分データのDB反映処理
これまでは処理負荷を
各店舗に分散していたイメージ

機能のセンター集約
店舗DB
発注業務データ参照加工処理
加工処理取込処理
取込処理
発注
端末
発注
端末
発注
端末
発注
端末
発注
端末
発注
端末
発注
端末
API
API API
API
API
API
API
全店舗分の発注業務に利用する
マスタデータをバッチ処理(日次)で作成
全業務マスタDBから店舗毎に必要な
マスタデータの更新差分をファイルで連携
これまで店舗毎に配信されていた
全店舗分の更新差分ファイルを連携
受信用DB 公開用DB
1. 全業務マスタDBから各店舗へ更新差分ファイルを配信
2. 店舗毎にDBへ差分反映後、発注利用マスタデータを作成
3. 作成されたマスタデータは発注業務時に発注端末から参照
1. 全業務マスタDBから全店舗分の更新差分ファイルを配信
2. 受信用DBへ差分反映後、全店舗分の発注利用マスタデータを作成
3. 作成されたマスタデータはREST APIで公開し、発注端末より参照
データ参照
発注業務
Before After

しかしその壁も高い・・・
店舗数増加への考慮ピーク時の処理多重度
限られたバッチウィンドウ膨大なレコード件数

18
20%
80%
全店舗分の処理ピークが重なる

19
発注商品マスタ
～10億レコード
PLUマスタ
～7億レコード
商品マスタ
～5億
約70マスタテーブル(数十億レコード)

～1.5時間
店舗へのデータ公開バッチ処理開始
約4時間
リラン

Volume
Complexity
Small
Medium
~
Specially Complex
Simple
Complex
~
Enterprise Web
Complex Business Logic
データ観点でざくっと考えてみる(私見)
Very Large

Contains
Business Logic…
Much Various

データ観点でざくっと考えてみる(私見)
Volume
Complexity
Very Large
Specially Complex
Simple
Complex
~Complex Business Logic
Large
Web

候補サービス
EMR Redshift RDS
(AmazonEMR)

アーキテクチャ案
WITH EMR
WITH Redshift
WITH RDS
取込フェーズ加工フェーズ参照フェーズ
Data Imort Data Export
SQL Batch
MapReduce
Storede Procedure & SQL Batch
Data Imort Data Export

ざっと比較してみる
EMR
分散処理による高スループット
アーキテクチャ
Redshift RDS(MySQL)
ノード追加によるリソース拡張
豊富なHadoopエコシステム
システム拡張性
耐障害性
(ノード障害時)
処理特性
費用調整
コアノード障害ならば処理継続可能
同時実行クエリ数の制約
コスト面で大量ノードで組めないので
1台失った時のインパクトでかい
更新処理がマスタサーバに集中
リードレプリカにより参照処理のみ
スケール可能
マスター障害時はスレーブのマス
タ昇格まで処理受付不可
コアノードのインスタンスタイプが
豊富&台数による微調整が可能
インスタンスタイプが少ない&台数に
よる微調整が難しい
そもそも参照しかスケールしないし
な・・・

ざっと比較してみる
EMR
Redshift RDS(MySQL)
豊富なHadoopエコシステム
システム拡張性
耐障害性
(ノード障害時)
処理特性
費用調整
コアノード障害ならば処理継続可能
同時実行クエリ数の制約
更新処理がマスタサーバに集中
リードレプリカにより参照処理のみ
スケール可能
マスター障害時はスレーブのマス
タ昇格まで処理受付不可
コアノードのインスタンスタイプが
豊富&台数による微調整が可能
インスタンスタイプが少ない&台数に
よる微調整が難しい
そもそも参照しかスケールしないし
な・・・
コスト面で大量ノードで組めないので
1台失った時のインパクトでかい

36
20%
80%

37
～10億レコード
PLUマスタ
～7億レコード
商品マスタ
～5億
約70マスタテーブル(数十億レコード)

やってみた
クラスタへのデータロードマスタデータ作成
インポート
(全件)
SQLバッチ(HiveQL)
クラスタからのデータオフロード
平均：約60分平均：約16分平均：約16分
平均：約90分
コアノード：~30台
エクスポート
(全件)

アーキテクチャ全体像
全業務
マスタDB
EMRクラスタ受信用DB
ファイル連携用
バケット
ファイル取込
サーバ
公開用DB
APIサーバ
過去データ蓄積用
バケット
アップロード
画像データ
REST API
・・・
バイナリ配置用
バケット
バイナリデータはS3パスを
返却し直接取得させる
発注端末
発注端末

3フェーズアーキテクチャ
EMRはあくまで処理エンジン!!
得意な処理に専念させるための役割分担と機能配置
データ永続化層
データ整合性の担保
前処理の実施
データは永続化させない
データ加工に専念
データ永続化層
データ公開/参照
受信用DB 公開用DBEMRクラスタ

加工処理の設計ポイント
クラスタ構成
様々な更新処理
処理の分散設計
処理リラン
ワークフロー

46
20%
80%
クラスタ構成様々な更新処理処理の分散設計処理リランワークフロー

47
20%
80%
ピーク時用クラスタ
常時用クラスタ

クラスタ構成
常時処理
ピーク時処理
UPSERT
INSERT
クラスタ起動クラスタ停止
対象テーブルを
差分更新
対象テーブルを
洗い替え(日付断面)
受信用DB
公開用DBEMRクラスタ受信用DB
公開用DB
EMRクラスタ

49
20%
80%
ピーク時用クラスタ

様々な更新処理
更新サーバ
テーブル全体の部分
更新が必要な処理を担当
ピンポイントな
更新処理を担当
対象データ種の
ファイルが到着/反映
公開用DB
受信用DB
より速い反映が必要なデータ更新を担当

マスタ作成の処理粒度をどう調整するか
どの粒度でマスタ作成処理(HiveQL)を並列に走らせるか
店舗毎に
いっぺんにドーン
複数店舗をまとまりにして
全店舗分を
・・・・・・

店舗毎に
複数店舗をまとまりにして
全店舗分を
・・・・・・
リソース不足リソース不足スループット抜群
マスタ作成の処理粒度をどう調整するか
どの粒度でマスタ作成処理(HiveQL)を並列に走らせるか

マスタA
分割後
マスタA
分割後
マスタA
分割後
マスタA
・・・
マスタB
分割後
マスタB
分割後
マスタB
分割後
マスタB
発注商品
マスタ
発注商品
マスタ
発注商品
マスタ
発注商品
マスタ
マスタA
マスタB
・・・・・・
SQL
SQL
SQL
SQL
SQL
SQL
発注商品
マスタ
発注商品
マスタ
店舗コードを
もとにハッシュ分散
500店舗単位で
分割され後続に続く
・・・・・・
全店舗分
500店舗単位
公開用DBEMRクラスタ受信用DB

店舗コードによる振分&パーティショニング
・・・
500店舗毎に36分割
ハッシュ分散UDF

店舗コードによる振分&パーティショニング
・・・
ハッシュ分散UDF 店舗コードでのパーティショニング
(Dynamic Partitioning)
500店舗毎に36分割
1つのテーブルにハッシュで散った
複数店舗分のデータが入っている
結合時には必ず店舗コードが必要

処理リラン
インポート
(全件)
エクスポート
(全件)
リトライ/リカバリリトライ/リカバリリトライ/リカバリ
・・・
ワーク1 ワークN アウトプットインプット
HiveQL
各処理単位で冪等にさせる
マスタ作成処理も割り切って頭からリカバリできる設計
リトライ/リカバリ
公開用DB受信用DB
1マスタ作成処理=1SQLファイル
中間ワークの状態管理はしない

ワークフロー
処理命令はSDK経由で実行
EMRのStepではあくまでクラスタのプロビジョニング(Chefで実行)にのみに特化
コア
マスター
・・・
処理実行
スクリプト
HiveQL
実行スクリプト
HiveQL
ワークフローサーバ
コアコアコア
SDK hive -f ${HIVEQL_FILE} ¥
--hivevar PG_ID=${PG_ID} ¥
--hivevar VERSION_YMD=${VERSION_YMD} ¥
--hivevar TEMPO_GROUP_CD=${TEMPO_GROUP_CD} ¥
>> ${LOG_FILE} 2>1

おまけ：Sqoopではまった話
MySQLへのダイレクトエクスポートで日本語が文字化け
こらっ(^ ^)

いつも通りの開発を!!
開発者にミドルウェア(Hadoop)の存在を意識させない仕組みづくり
チーム開発ですっごく考えたこと
どう品質をどう担保するか
どう開発生産性をあげるか
＊ RDBでの開発に慣れたエンジニアでもいつも通りの開発ができる
＊ Hadoop/Hiveのクセを意識せずに開発ができる
＊ HiveQLの品質担保をいかに効率的に実施していくか
＊ Hiveのチェック制約の弱さをどのようにカバーするか

チーム開発の全体像
起動時に開発DB
からデータをステップ
でインポート
コーディングはHue
エディタにて実施
HiveQLは単体テスト
&回帰テストを実施
コーディング規約をも
とした開発/レビュー
開発者

Hiveでのコーディング
MapReduceを意識させない規約づくり
開発者間の品質のばらつきを押さえるべく、ポイントは規約化

HiveのユニットテストとCI
Hiveだってしっかりテストしなきゃ!!
HiveQL
Test PG
Input Data
Output Data
回帰開発
日次で定期実行
エクセルでテストデータを
管理しながらのコーディング
Hiveのチェック制約機能の弱さを頻繁なテストでフォロー

Hiveリソースによる区分・定数管理
区分値/定数管理もHiveで!!
設計書を正とした管理(納品資料駆動開発!!)
区分/定数管理表 hiverc HiveQL

パラメータも同様に管理
区分/定数管理表 hiverc
Hiveパラメータ&UDF登録もエクセルで!
下回りの設定も設計書を正とした管理(Infrastructure as 納品資料!!)

今後より検討が必要なポイント
クラスタ起動
Blue
Green
クラスタのメンテをどうするか
作成ジョブ
優先的に処理をさせたい
リソーススケジューリングどうしよ
EMRのレイヤでどう対応できるかがポイント
クラスタのメンテや業務の重要度に応じたリソーススケジューリング

まとめ：基幹領域の適用シーンをもう一度考える
 基幹領域だからといってHadoopを避ける理由はない(選択肢はRDBだけじゃない)
 全てをHadoopで置き換えるのではなく、まずは重たいバッチ処理を部分的に切り出すよ
うなはじめ方でノウハウをためるのがいいかも
 Hadoop(HDFS)をベースとしてエコシステムは進化しているので、導入したHadoop基
盤をベースに様々なワークロードに対応可能
Enterprise

基幹業務もHadoopで!! -ローソンにおける店舗発注業務へのHadoop + Hive導入とその取り組みについて-

基幹業務もHadoopで!! -ローソンにおける店舗発注業務へのHadoop + Hive導入とその取り組みについて-

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (20)

Similar to 基幹業務もHadoopで!! -ローソンにおける店舗発注業務へのHadoop + Hive導入とその取り組みについて-

Similar to 基幹業務もHadoopで!! -ローソンにおける店舗発注業務へのHadoop + Hive導入とその取り組みについて- (20)

More from Keigo Suda

More from Keigo Suda (6)