世界最速のカラムナーDBであるVectorを擁するActian社が提供するもう一つの分析用DB、それがActian Matrixです。ゼロから創り上げたMPP型カラムナーDBならではの高いスケールアウト性能、ユーザー定義関数を用いた分析の柔軟性、Hadoop上のデータとオンデマンドに統合した分析など、Amazon Redshiftのコアとして選ばれたポテンシャルの高さをぜひご覧ください。

1. その名は'Matrix'
Amazon Redshiftの元となった
スケールアウト型カラムナーDB
徹底解説
平間大輔
株式会社インサイトテクノロジー

2. データ分析もSQLでやりたい！
SQL on Hadoop
Hybrid
DWH

3. で、MatrixってどんなDB?
• MPP型でスケールアウト可能なカラムナーDB
• 複数の圧縮アルゴリズムで効率的にデータを圧縮
• クエリはオブジェクトコードにコンパイルされ、高速に実行
• インターコネクトは独自プロトコル(UDPベース)で高速化
• UDF(ユーザー定義関数)が使用可能
• SQL文でHadoopや他RDBといったデータソースを統合して
分析可能(ODI)

4. 99%
1%
tweets demo tweets
世界中のツイート(*1)の1%
を抽出
(2012/4/23 - 2012/4/25)
ツイートの語句解析(MeCabに
よる形態素解析)
データベースにロード
デモのためデータを5倍に増幅
- ツイートデータで1000万件
(9GB)
- 解析後語句データで260万件
(100MB)
データロードは各データベースベ
ンダーが用意するローダーを使用
1000万件のツイートデータ
から世界のツイート数の国別
ランキングを出してみると？
1000万件のツイートデータ
から世界のツイートの時間帯
別ツイート数の推移を見てみ
ると？
1000万件のツイートデータ
と260万件の解析後の語句
データから日本でホット
だったキーワードを探って
みると？
まずは軽く力試し

5. Amazon RedshiftはMatrixを採用
“Actian has an industry leading solution and is
rethinking database cloud – we’re excited to
back such a strong team.”
- Jeff Blackburn, SVP of Business Development for Amazon
Amazon Redshift is the fastest
growing service in their portfolio
Selected after deep evaluation
against all competitors based on
price-performance value
proposition of Actian’s platform
Amazon Redshift service has over
1000 new customers since
launch in Feb ’13
Actian complements Redshift
with on-premise, high-scale
analytics suite and support
Actian Analytics Platform Underpins AMAZON
REDSHIFT
Created New Cloud Service driving $50M+ revenue annually.

6. 採用の理由はスケールアウト
0:00:00.00
0:00:43.20
0:01:26.40
0:02:09.60
0:02:52.80
0:03:36.00
0:04:19.20
0:05:02.40
0:05:45.60
2nodes 4nodes 8nodes 16nodes
TPC-H 30GB

7. 0:00:00.00
0:01:26.40
0:02:52.80
0:04:19.20
0:05:45.60
0:07:12.00
0:08:38.40
0:10:04.80
0:11:31.20
4nodes 8nodes 16nodes
TPC-H 100GB
採用の理由はスケールアウト

8. Matrixの構成

9. スケールアウトの秘密を暴く
Leader Node
Parser
Queries & Joins Non-Query Commands
Execution Planner & Optimizer
Code Generation
Queue & Workload Manager
Scheduler
Communication Layer
listener ODBC / JDBC / PSQL

10. データ処理の基本は「Slice」
Leader
Node
Compute
Node 1
Slice 1
1, 10, 20,
30, 40, 50,
60, 70….
5, 14, 24,
34, 44, 54,
64, 74….
Slice 2
2, 11, 21,
31, 41, 51,
61, 71….
6, 15, 25,
35, 45, 55,
65, 75….
Slice 3
3, 12, 22,
32, 42, 52,
62, 72....
7, 16, 26,
36, 46, 56,
66, 76…
Slice 4
4, 13, 33,
43, 53, 63,
73….
8, 17, 27,
37, 47, 57,
67, 77…
Compute
Node 2
Slice 5
5, 14, 24,
34, 44, 54,
64, 74….
1, 10, 20,
30, 40, 50,
60, 70….
Slice 6
6, 15, 25,
35, 45, 55,
65, 75….
2, 11, 21,
31, 41, 51,
61, 71….
Slice 7
7, 16, 26,
36, 46, 56,
66, 76….
3, 12, 22,
32, 42, 52,
62, 72....
Slice 8
8, 17, 27,
37, 47, 57,
67, 77…
4, 13, 33,
43, 53, 63,
73….

11. Stream, Segment, Step

12. 集計処理は２段階
Supplier
Nation AcctBal
S0
---------
1
2
4
4
8
S1
---------
1
1
7
7
8
S0
---------
$5
$10
$12
$15
$30
S1
---------
$10
$11
$15
$5
$8
S0
Hash aggregate table
1 – $5
2 – $10
4 – $27
8 - $30
S1
Hash aggregate table
1 – $21
7 – $20
8 - $8
S0
-----------
1
1
1
2
2
S1
---------
4
4
S0
---------
$5
$21
$15
$10
$7
S1
---------
$27
$1054
Aggr
Dist
Aggr
Supplier
Nation AcctBal
S2
---------
1
7
7
9
10
S3
---------
2
4
4
6
9
S2
---------
$15
$1
$12
$10
$3
S3
---------
$7
$1050
$4
$10
$2
S2
Hash aggregate table
1 – $15
7 – $13
9 – $10
10 - $3
S3
Hash aggregate table
2 – $7
4 – $1054
6 – $10
9 = $2
S2
-----------
6
7
7
S3
---------
8
8
9
9
10
S2
---------
$10
$20
$13
S3
---------
$30
$8
$10
$2
$3
Node 2Node 1
... ...
Scan
S2
Hash aggregate table
6 – $10
7 – $33
S3
Hash aggregate table
8 – $38
9 – $12
10 – $3
S0
Hash aggregate table
1 – $41
2 – $17
S1
Hash aggregate table
4 – $1081
select nation, sum(acctbal) from supplier group by nation;
create table supplier (
suppkey int4 not null distkey,
name char(25) not null,
address varchar(40) not null,
nation int4 not null,
phone char(15) not null,
acctbal numeric(12,2) not null,
comment varchar(101) not null
) sortkey (suppkey);

13. Queryの実行例
• TPC-H Q16
select
p_brand, p_type, p_size, count(distinct ps_suppkey) as supplier_cnt
from
partsupp, part
where
p_partkey = ps_partkey
and p_brand <> 'Brand#15'
and p_type not like 'STANDARD POLISHED%'
and p_size in (3, 8, 49, 19, 29, 9, 47, 32)
and ps_suppkey not in (
select s_suppkey
from supplier
where s_comment like '%Customer%Complaints%'
)
group by
p_brand, p_type, p_size
order by
supplier_cnt desc, p_brand, p_type, p_size;

14. Queryの実行例
stm | seg | step | maxtime | avgtime | rows | bytes | label | slices
-----+-----+------+-----------------+-----------------+----------+------------+----------------------+--------
0 | 0 | 0 | 00:00:00.082427 | 00:00:00.047169 | 479 | 37414 | scan tblP =108506 | 32
0 | 0 | 2 | 00:00:00.082427 | 00:00:00.047169 | 479 | 1916 | bcast | 32
0 | 1 | 0 | 00:00:00.099844 | 00:00:00.094777 | 7664 | 30656 | scan fabric=67 | 32
0 | 1 | 2 | 00:00:00.099844 | 00:00:00.094777 | 7664 | 122624 | hash tblT =240 | 32
1 | 2 | 0 | 00:00:00.002559 | 00:00:00.001517 | 0 | 0 | scan tblP =108490 | 32
1 | 2 | 1 | 00:00:00.002559 | 00:00:00.001517 | 0 | 0 | sort tblT =242 | 32
2 | 3 | 0 | 00:00:00.002244 | 00:00:00.001048 | 0 | 0 | scan tblP =108514 | 32
2 | 3 | 1 | 00:00:00.002244 | 00:00:00.001048 | 0 | 0 | sort tblT =244 | 32
3 | 4 | 0 | 00:00:02.231598 | 00:00:01.725522 | 79999318 | 1279989088 | scan tblP =108514 | 32
3 | 4 | 1 | 00:00:02.231598 | 00:00:01.725522 | 0 | 0 | merge | 32
3 | 4 | 5 | 00:00:02.231598 | 00:00:01.725522 | 11885548 | 0 | mjoin tbl =239 | 32
3 | 4 | 8 | 00:00:02.231598 | 00:00:01.725522 | 11879878 | 0 | hjoin tblT =240 | 32
3 | 4 | 11 | 00:00:02.231598 | 00:00:01.725522 | 11879783 | 712462256 | aggr tblT =257 | 32
3 | 4 | 12 | 00:00:02.231598 | 00:00:01.725522 | 11879783 | 565281908 | dist | 32
3 | 5 | 0 | 00:00:02.426613 | 00:00:02.371618 | 11879783 | 569904860 | scan fabric=68 | 32
3 | 5 | 1 | 00:00:02.426613 | 00:00:02.371618 | 11877404 | 712319756 | aggr tblT =260 | 32
4 | 6 | 0 | 00:00:00.192183 | 00:00:00.133277 | 11877404 | 712319756 | scan tblT =260 | 32
4 | 6 | 5 | 00:00:00.192183 | 00:00:00.133277 | 890878 | 56991616 | aggr tblT =265 | 32
4 | 6 | 6 | 00:00:00.192183 | 00:00:00.133277 | 890878 | 45434532 | dist | 32
4 | 7 | 0 | 00:00:00.301407 | 00:00:00.292919 | 890878 | 49864592 | scan fabric=69 | 32
4 | 7 | 1 | 00:00:00.301407 | 00:00:00.292919 | 27840 | 1780992 | aggr tblT =268 | 32
5 | 8 | 0 | 00:00:00.001789 | 00:00:00.001143 | 27840 | 1780992 | scan tblT =268 | 32
5 | 8 | 3 | 00:00:00.001789 | 00:00:00.001143 | 27840 | 1558272 | sort tblT =238 | 32
6 | 9 | 0 | 00:00:00.000595 | 00:00:00.000336 | 27840 | 1558272 | scan tblT =238 | 32
6 | 9 | 1 | 00:00:00.000595 | 00:00:00.000336 | 27840 | 1419844 | return | 32
6 | 10 | 0 | 00:00:00.046609 | 00:00:00.046609 | 27840 | 0 | merge | 1
6 | 10 | 2 | 00:00:00.046609 | 00:00:00.046609 | 0 | 0 | return | 1

15. データの持ち方も重要
分散キー (distkey)
catid
category
catgroup catname catdesc
distkey
Slice 0 Slice 1
catitem
catid
distkey
itemid
ソートキー (sortkey)
Amazon
Buffer
Create
Drive
Enjoy
.
.
.
.
Xbox
You
zone
Super
Final
high
VACUUM

16. カラムナーDBの十八番、圧縮
エンコード名 キーワード サポートされるデータ型 圧縮の特徴
Byte dictionary BYTEDICT VARCHARとBOOLEAN
を除く全て
ブロックごとに最大255通りの値を辞書に持たせる
ことで1カラム1バイトに圧縮。
Global
dictionary
GLOBALDICT256,
GLOBALDICT64K
BOOLEAN以外全て カラム全体で1つの辞書を持つ。256だと255通りの
値を1バイトに、64Kだと65535通りの値を2バイトに
圧縮。
Delta DELTA,
DELTA32K
SMALLINT (DELTAのみ),
INT, BIGINT, DATE,
TIMESTAMP, DECIMAL
前の値との差分を格納。差分の値が元データ型の
サイズよりも小さければ圧縮可能。
Run-length RUNLENGTH 全て ランレングス圧縮。同一のデータがいくつ連続する
かを格納。連続した同一値には高い圧縮率。
LZ (Lempel-Ziv) DEFLATE BOOLEAN, REAL,
DOUBLE PRECISION
を除く全て
LZ法(ZIPなど一般的なファイル圧縮で使われている
アルゴリズム)で圧縮。圧縮率は高いが圧縮・展開
のCPU負荷も高い。
Mostly MOSTLY8 SMALLINT, INT, BIGINT,
DECIMAL
カラム内の値が指定されたデータ型よりも小さいサ
イズで格納可能な場合、指定された(元のデータ型
よりも小さい)サイズでデータを格納する。収まらな
い場合は元のサイズで格納。
MOSTLY16 INT, BIGINT, DECIMAL
MOSTLY32 BIGINT, DECIMAL
TEXT255, 32K TEXT255,
TEXT32K
VARCHARのみ 辞書を使用した圧縮のVARCHAR版。245通りの単
語まで辞書に登録可能。

17. 上手に圧縮、サイズは1/2以下！
create table lineitem (
l_orderkey int8 not null encode delta sortkey distkey,
l_partkey int4 not null,
l_suppkey int4 not null encode mostly16,
l_linenumber int4 not null encode mostly8,
l_quantity numeric(19,2) not null encode bytedict,
l_extendedprice numeric(19,2) not null encode mostly32,
l_discount numeric(19,2) not null encode mostly8,
l_tax numeric(19,2) not null encode mostly8,
l_returnflag char(1) not null encode runlength,
l_linestatus char(1) not null encode runlength,
l_shipdate date not null encode delta,
l_commitdate date not null encode delta,
l_receiptdate date not null encode delta,
l_shipinstruct char(25) not null encode bytedict,
l_shipmode char(10) not null encode bytedict,
l_comment varchar(44) not null
);
create table lineitem (
l_orderkey int8 not null sortkey distkey,
l_partkey int4 not null,
l_suppkey int4 not null,
l_linenumber int4 not null,
l_quantity numeric(19,2) not null,
l_extendedprice numeric(19,2) not null,
l_discount numeric(19,2) not null,
l_tax numeric(19,2) not null,
l_returnflag char(1) not null,
l_linestatus char(1) not null,
l_shipdate date not null,
l_commitdate date not null,
l_receiptdate date not null,
l_shipinstruct char(25) not null,
l_shipmode char(10) not null,
l_comment varchar(44) not null
);
行数： 600,037,902
40,204 MB 18,900 MB !

18. 隠し味はUDF(ユーザー定義関数)
• PL/pgSQLの例
CREATE OR REPLACE FUNCTION f_echo(_text varchar)
RETURNS varchar AS
$$
BEGIN
return _text;
END;
$$
LANGUAGE plpgsql;
• C++の例
#include "padb_udf.hpp"
PADB_UDF_VERSION(charcount);
extern "C"
{
padb_udf::int_t charcount ( padb_udf::ScalarArg &aux,
padb_udf::varchar_t *target, padb_udf::varchar_t *tst )
{
padb_udf::int_t ret = 0;
if ( tst->len != 1 )
{
aux.throwError( __func__,"probe length must be = 1" );
}
char ch = tst->str[0];
for ( padb_udf::len_t ix = 0; ix < target->len; ix++ )
{
if ( target->str[ix] == ch )
{
ret++;
}
}
return aux.retIntVal( ret );
}
}
CREATE OR REPLACE FUNCTION charcount
(target_string varchar, search_character varchar)
RETURNS int
AS '/tmp/scalar_charcount.o'
LANGUAGE C STABLE;
• ユーザーのビジネスロジック組み込み
• サードパーティ製分析関数
• ODI(On-Demand Integration)の実現

19. UDFでIoT(もどき)データを分析

20. データロードも機械学習もSQLで
自室の明るさと室温を
1秒ごとに計測！
蓄積
3rd Party UDFで
お手軽機械学習
転送
ODIで
データロード

21. ODIでデータをロードしよう
id | dates | hours | minutes | seconds | light | temperature
---------+------------+-------+---------+---------+-------+-------------
2845949 | 2015-05-01 | 8 | 0 | 0 | 1005 | 24
2845950 | 2015-05-01 | 8 | 0 | 1 | 1006 | 24
2845951 | 2015-05-01 | 8 | 0 | 2 | 1005 | 24
2845952 | 2015-05-01 | 8 | 0 | 3 | 1005 | 24
2845953 | 2015-05-01 | 8 | 0 | 4 | 1006 | 25
2845954 | 2015-05-01 | 8 | 0 | 5 | 1006 | 24
2845955 | 2015-05-01 | 8 | 0 | 6 | 1006 | 25
2845956 | 2015-05-01 | 8 | 0 | 7 | 1005 | 24
2845957 | 2015-05-01 | 8 | 0 | 8 | 1005 | 25
2845958 | 2015-05-01 | 8 | 0 | 9 | 1005 | 24
2845959 | 2015-05-01 | 8 | 0 | 10 | 1005 | 24
2015-05-01 08:00:00 1005 24
2015-05-01 08:00:01 1006 24
2015-05-01 08:00:02 1005 24
2015-05-01 08:00:03 1005 24
2015-05-01 08:00:04 1006 25
2015-05-01 08:00:05 1006 24
2015-05-01 08:00:06 1006 25
2015-05-01 08:00:07 1005 24
2015-05-01 08:00:08 1005 25
2015-05-01 08:00:09 1005 24
2015-05-01 08:00:10 1005 24

22. ODIはSlave同士が直接通信

23. insert into getlight
(id,dates,hours,minutes,seconds,light,temperature)
select
row_number() over (order by datetimes),
to_date(substring(datetimes,1,10), 'YYYY-MM-DD'),
cast(substring(datetimes,12,2) as int),
cast(substring(datetimes,15,2) as int),
cast(substring(datetimes,18,2) as int),
light,
temperature
from odi_hadoop_import(
with jobname('get-light_imp')
masternode('iq121')
inputdir('/user/dhirama/get-light')
padb_schema('getlightbase')
delimiter('¥t')
);
HadoopデータもSQLでお手軽に

24. 3rd party UDFで機械学習だ！
ライブラリ カテゴリー UDF数
DB Lytix Statistical Functions 31
Univariate Distributions 95
Math Functions 48
Cross Tab, ANOVA, Hypothesis Testing 12
Matrix Operations 4
Data Mining Functions 17
Fin Lytix Equity Derivatives 12
Fixed Income Functions 26
Interest Rate Functions 4
Time Series Functions 7
※ DB Lytix on Actian Matrix Finance Package 1.3.0

25. K-Meansでクラスタリング

26. SQLで一発だ！
select sp_kmeans('getlightkmeans',5,10);
明るさ、室温、計測時(Hour)の3次元で分類したい
UDFのパラメータに合わせたViewを用意

27. 高速、お手軽、SQL
大量データにはスケールアウト。
機能拡張はUDFで自由自在。
SQLでお手軽に。
それが、Actian Matrix。

28. BigData Project Accelerator
医療業界の最先端事例から学ぶ
プロジェクトを加速させる要因
2015年6月30日(火) 14:00 – 17:30
@ EBiS303 カンファレンスルーム (in 恵比寿)
お申込みはお手元のアンケートで！

29. 無断転載を禁ず
この文書はあくまでも参考資料であり、掲載されている情報は予告なしに変更されることがあります。
株式会社インサイトテクノロジーは本書の内容に関していかなる保証もしません。また、本書の内容に関連したいかなる
損害についても責任を負いかねます。
本書で使用している製品やサービス名の名称は、各社の商標または登録商標です。