SlideShare a Scribd company logo
1 of 13
Team Study
2018/07/27, Kihyun Kim
Effective DBMS
効率的データベースの使用
Team Study
DBMS (Database Management System)
 Database ≠ DBMS
 使用者がデータベース内のデータを接近できるようにするソフト
ウェア道具の集合
DBMS
App
App
Databases Design/Modeling, Languages
(DDL,DML,DCL,DQL), Storage (Materialized
views/Replication), Security, Connections,
Transactions, Maintaining, Tuning, Migration,
Static analysis
IMS, CODASYL DB, DB2, ORACLE, INFORMIX,
SYBASE, INGRES, MS-SQL, Objectivity, O2,
Versanat, Ontos, Gemstone, Unisql, Object Store,
Starburst, Postgres, Tibero, MySQL
Administrator
Team Study
DBMSの種類
 RDBMS (Relational DBMS)
– ORDBMS
 NoSQL (Not Only SQL)
– Key-Value, Documents
 Graph DB
– Neo4j, Neptune, Cosmos DB, JanusGraph, S2
 TS DB (Time Series DB)
– eXtremeDB, InfluxDB, Graphite, RRDtool
 Spatial DB (空間DB)
– Oracle Spatial, SQL Server, IBM DB2, PostgreSQL, MySQL, SpatiaLite, Redis, Neo4j
 In-Memory DB : Redis, Memcached
 LocalDB : SQL Server Express, Sqlite
 DW (Dataware House) : Redshift
Team Study
DBMSの種類 - RDBMS
 Oracle
– 大規模、検証された性能・機能
– Enterpriseに最適化された管理機能 (Management server, Change manager, Capacity
Planning)
– 便利な開発のための機能 (Package, Query Optimizer, Query Hint, Network Access)
 SQL Server
– 使いやすくてEnterprise対応
– 多様な機能と用途で平均以上の性能
 MySQL
– Low OverHead, 速いクエリー性能
– Multiple Storage Engine
 PostgreSQL
– 多様なEnterprise機能
– 長い歴史の安定的であり進歩的なDBMS
Team Study
RDS料金
MySQL PostgreSQL
Aurora
(MySQL)
Aurora
(PostgreSQL)
SQL Web Oracle SE2 SQL Std
t2.small 0.052 0.056 0.063 - 0.162 0.088 -
t2.medium 0.104 0.112 0.125 - 0.324 0.176 -
m4.large 0.254 0.265 - - 0.391 0.519 1.057
r4.large 0.285 0.300 0.350 0.350 0.490 0.564 1.050
r4.2xlarge 1.141 1.200 1.400 1.400 1.920 2.256 3.990
r4.4xlarge 2.282 2.400 2.800 2.800 - 4.512 7.980
r4.16xlarge 9.126 9.600 11.200 11.200 - - 31.920
 SQL Web (t2.small) > Aurora-MySQL (t2.medium)
 SQL Web (t2.medium) > MySQL (r4.large)
 SQL Std (r4.large) >3倍> Aurora-MySQL (r4.large)
Team Study
In-Memory DB
 Memcached (Elastic Cache)
– Key-Value Store
– Staticと簡単な構造のキャッシュ(ウェブなど)
 Redis (Elastic Cache)
– 多様な形式支援、細かいメモリ管理
– ディスク保存支援、Replication支援
 Etc
– SQL Server
Table Variable
Memory Optimized Table
– MySQL
Memory Storage Engine
Team Study
Graph DB, Time Series DB, Spatial DB
 https://db-engines.com/en/ranking_categories
Team Study
RDBMSの使い方
 計画と設計、厳格だ、関係、汎用性、高性能
 Normalization(正規化)・Denormalization(逆正規化)
 RDB Model = Relation + Operator + 参照整合性条件
– 制約条件 (PK, AK, FK)
– Restricted(no action), cascade, nullify
 RDBMS is not excel sheet !!
– View, Function, Procedure/Package, Trigger
– No optimizing
 Execution Plans
Team Study
ORMとNoSQLの導入問題
 NoSQL
– 設計を正確にしなくても開発可能 => SI社👍
– Schema修正が自由 => SI社👍
– データ・関係の確認が不可能 => 運営社👎
– データ抽出統計の困難 =>運営社👎
– 管理。支援ツールが少ない =>運営社👎
 ORM (Object-relational mapping)
Mapping
Class or Object Table
Library
dog
People
Team Study
クラウド時代の流れ
 変化
– 色々な種類のDBを簡単に使用可能
– Scale-Up・Outが簡単になる
– 補助インフラ(CDN、Cache、分析、Data Pool)の追加削除が容易になる
 拡張性・柔軟性
– 一つのプログラム(言語)やFrameworkで運営イシューを解決する方法でなく
アーキテクト的にクラウドのリソースを十分に活用する設計が重要
– 各サービスは適切に役割を分けてその機能を十分に使用
– 一つの大きなMVCモデルでなく、小さいMVCらの連結 = Micro-Service
Team Study
以前
Control Table
WAS (Web Application Server)
View
Model
RDBMS
Monologic Application
Team Study
Cache
Control
View
Model
以後
Table / View
Front or JS Framework
Control
View
Model
RDBMS
Control
View
Model
WAS (API)
Procedure
Function
Cache
Batch
Deploy
No SQL
VIEW CONTROL MODEL
Team Study
参考
 https://en.wikipedia.org/wiki/Database
 https://en.wikipedia.org/wiki/Database#Performance,_security,_and_availability
 https://docs.aws.amazon.com/ja_jp/AmazonElastiCache/latest/mem-
ug/SelectEngine.html
 https://db-engines.com/en/system/Amazon+Neptune%3BInfluxDB%3BQuasardb
 http://www.incodom.kr/ORM
 https://en.wikipedia.org/wiki/Object-relational_database
 https://en.wikipedia.org/wiki/Spatial_database
 https://m.blog.naver.com/PostView.nhn?blogId=nature128&logNo=130070963305
 https://d2.naver.com/helloworld/227936

More Related Content

Similar to Effective DBMS (2018)

Ibm クラウドデータベースの使いどころ
Ibm クラウドデータベースの使いどころIbm クラウドデータベースの使いどころ
Ibm クラウドデータベースの使いどころjapan_db2
 
IBMクラウドデータベースの使いどころ
IBMクラウドデータベースの使いどころIBMクラウドデータベースの使いどころ
IBMクラウドデータベースの使いどころmtanaka0111
 
M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]
M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]
M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]日本マイクロソフト株式会社
 
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章Insight Technology, Inc.
 
クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応Ryoma Nagata
 
AWS Black Belt Techシリーズ Amazon ElastiCache
AWS Black Belt Techシリーズ Amazon ElastiCacheAWS Black Belt Techシリーズ Amazon ElastiCache
AWS Black Belt Techシリーズ Amazon ElastiCacheAmazon Web Services Japan
 
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]Hideo Takagi
 
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!Masayuki Ozawa
 
Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう!
Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう! Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう!
Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう! Yoichi Kawasaki
 
Guide to Cassandra for Production Deployments
Guide to Cassandra for Production DeploymentsGuide to Cassandra for Production Deployments
Guide to Cassandra for Production Deploymentssmdkk
 
Developers.IO 2017 MongoDB on AWS Advance
Developers.IO 2017 MongoDB on AWS AdvanceDevelopers.IO 2017 MongoDB on AWS Advance
Developers.IO 2017 MongoDB on AWS AdvanceShuji Kikuchi
 
20170510aws blackbeltrds-170510101017
20170510aws blackbeltrds-17051010101720170510aws blackbeltrds-170510101017
20170510aws blackbeltrds-170510101017anzhong70
 
[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117
[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117
[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117Amazon Web Services Japan
 
[MongoDB勉強会 in 2017] MongoDB on AWS
[MongoDB勉強会 in 2017] MongoDB on AWS[MongoDB勉強会 in 2017] MongoDB on AWS
[MongoDB勉強会 in 2017] MongoDB on AWSShuji Kikuchi
 
Azure上の データベース 機能の選び方。KVSからDWHまで
Azure上の データベース 機能の選び方。KVSからDWHまでAzure上の データベース 機能の選び方。KVSからDWHまで
Azure上の データベース 機能の選び方。KVSからDWHまでDaisuke Masubuchi
 
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...Insight Technology, Inc.
 
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
SQL Server 使いのための Azure Synapse Analytics - Spark 入門SQL Server 使いのための Azure Synapse Analytics - Spark 入門
SQL Server 使いのための Azure Synapse Analytics - Spark 入門Daiyu Hatakeyama
 
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまでやりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまでDaisuke Masubuchi
 

Similar to Effective DBMS (2018) (20)

Ibm クラウドデータベースの使いどころ
Ibm クラウドデータベースの使いどころIbm クラウドデータベースの使いどころ
Ibm クラウドデータベースの使いどころ
 
IBMクラウドデータベースの使いどころ
IBMクラウドデータベースの使いどころIBMクラウドデータベースの使いどころ
IBMクラウドデータベースの使いどころ
 
M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]
M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]
M20_Azure SQL Database 最新アップデートをまとめてキャッチアップ [Microsoft Japan Digital Days]
 
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
 
クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応クラウドDWHにおける観点とAzure Synapse Analyticsの対応
クラウドDWHにおける観点とAzure Synapse Analyticsの対応
 
AWS Blackbelt 2015シリーズ RDS
AWS Blackbelt 2015シリーズ RDSAWS Blackbelt 2015シリーズ RDS
AWS Blackbelt 2015シリーズ RDS
 
20120508 aws meister-rds-public
20120508 aws meister-rds-public20120508 aws meister-rds-public
20120508 aws meister-rds-public
 
AWS Black Belt Techシリーズ Amazon ElastiCache
AWS Black Belt Techシリーズ Amazon ElastiCacheAWS Black Belt Techシリーズ Amazon ElastiCache
AWS Black Belt Techシリーズ Amazon ElastiCache
 
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]
 
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
db tech showcase 2019 SQL Server 2019 最新情報 - SQL Serverの進化をまとめてお届け!
 
Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう!
Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう! Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう!
Web App for Containers + MySQLでコンテナ対応したPHPアプリを作ろう!
 
Guide to Cassandra for Production Deployments
Guide to Cassandra for Production DeploymentsGuide to Cassandra for Production Deployments
Guide to Cassandra for Production Deployments
 
Developers.IO 2017 MongoDB on AWS Advance
Developers.IO 2017 MongoDB on AWS AdvanceDevelopers.IO 2017 MongoDB on AWS Advance
Developers.IO 2017 MongoDB on AWS Advance
 
20170510aws blackbeltrds-170510101017
20170510aws blackbeltrds-17051010101720170510aws blackbeltrds-170510101017
20170510aws blackbeltrds-170510101017
 
[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117
[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117
[よくわかるクラウドデータベース] AWSデータベースアップデート 20140117
 
[MongoDB勉強会 in 2017] MongoDB on AWS
[MongoDB勉強会 in 2017] MongoDB on AWS[MongoDB勉強会 in 2017] MongoDB on AWS
[MongoDB勉強会 in 2017] MongoDB on AWS
 
Azure上の データベース 機能の選び方。KVSからDWHまで
Azure上の データベース 機能の選び方。KVSからDWHまでAzure上の データベース 機能の選び方。KVSからDWHまで
Azure上の データベース 機能の選び方。KVSからDWHまで
 
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
[db tech showcase Tokyo 2017] A32: Attunity Replicate + Kafka + Hadoop マルチデータ...
 
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
SQL Server 使いのための Azure Synapse Analytics - Spark 入門SQL Server 使いのための Azure Synapse Analytics - Spark 入門
SQL Server 使いのための Azure Synapse Analytics - Spark 入門
 
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまでやりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
 

More from Kihyun Kim

IoT Google Home (2017)
IoT Google Home (2017)IoT Google Home (2017)
IoT Google Home (2017)Kihyun Kim
 
Appling Google Analytics (2016)
Appling Google Analytics (2016)Appling Google Analytics (2016)
Appling Google Analytics (2016)Kihyun Kim
 
Aurora & MSSQL on AWS RDS (2017)
Aurora & MSSQL on AWS RDS (2017)Aurora & MSSQL on AWS RDS (2017)
Aurora & MSSQL on AWS RDS (2017)Kihyun Kim
 
Database Modeling (2018)
Database Modeling (2018)Database Modeling (2018)
Database Modeling (2018)Kihyun Kim
 
Technology for the Internet (2018)
Technology for the Internet (2018)Technology for the Internet (2018)
Technology for the Internet (2018)Kihyun Kim
 
The Twelve-Factor App (2017)
The Twelve-Factor App (2017)The Twelve-Factor App (2017)
The Twelve-Factor App (2017)Kihyun Kim
 
Trends of Web Application (2016)
Trends of Web Application (2016)Trends of Web Application (2016)
Trends of Web Application (2016)Kihyun Kim
 
Technical debt (2018)
Technical debt (2018)Technical debt (2018)
Technical debt (2018)Kihyun Kim
 

More from Kihyun Kim (8)

IoT Google Home (2017)
IoT Google Home (2017)IoT Google Home (2017)
IoT Google Home (2017)
 
Appling Google Analytics (2016)
Appling Google Analytics (2016)Appling Google Analytics (2016)
Appling Google Analytics (2016)
 
Aurora & MSSQL on AWS RDS (2017)
Aurora & MSSQL on AWS RDS (2017)Aurora & MSSQL on AWS RDS (2017)
Aurora & MSSQL on AWS RDS (2017)
 
Database Modeling (2018)
Database Modeling (2018)Database Modeling (2018)
Database Modeling (2018)
 
Technology for the Internet (2018)
Technology for the Internet (2018)Technology for the Internet (2018)
Technology for the Internet (2018)
 
The Twelve-Factor App (2017)
The Twelve-Factor App (2017)The Twelve-Factor App (2017)
The Twelve-Factor App (2017)
 
Trends of Web Application (2016)
Trends of Web Application (2016)Trends of Web Application (2016)
Trends of Web Application (2016)
 
Technical debt (2018)
Technical debt (2018)Technical debt (2018)
Technical debt (2018)
 

Recently uploaded

モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成Hiroshi Tomioka
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 

Recently uploaded (9)

モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 

Effective DBMS (2018)

  • 1. Team Study 2018/07/27, Kihyun Kim Effective DBMS 効率的データベースの使用
  • 2. Team Study DBMS (Database Management System)  Database ≠ DBMS  使用者がデータベース内のデータを接近できるようにするソフト ウェア道具の集合 DBMS App App Databases Design/Modeling, Languages (DDL,DML,DCL,DQL), Storage (Materialized views/Replication), Security, Connections, Transactions, Maintaining, Tuning, Migration, Static analysis IMS, CODASYL DB, DB2, ORACLE, INFORMIX, SYBASE, INGRES, MS-SQL, Objectivity, O2, Versanat, Ontos, Gemstone, Unisql, Object Store, Starburst, Postgres, Tibero, MySQL Administrator
  • 3. Team Study DBMSの種類  RDBMS (Relational DBMS) – ORDBMS  NoSQL (Not Only SQL) – Key-Value, Documents  Graph DB – Neo4j, Neptune, Cosmos DB, JanusGraph, S2  TS DB (Time Series DB) – eXtremeDB, InfluxDB, Graphite, RRDtool  Spatial DB (空間DB) – Oracle Spatial, SQL Server, IBM DB2, PostgreSQL, MySQL, SpatiaLite, Redis, Neo4j  In-Memory DB : Redis, Memcached  LocalDB : SQL Server Express, Sqlite  DW (Dataware House) : Redshift
  • 4. Team Study DBMSの種類 - RDBMS  Oracle – 大規模、検証された性能・機能 – Enterpriseに最適化された管理機能 (Management server, Change manager, Capacity Planning) – 便利な開発のための機能 (Package, Query Optimizer, Query Hint, Network Access)  SQL Server – 使いやすくてEnterprise対応 – 多様な機能と用途で平均以上の性能  MySQL – Low OverHead, 速いクエリー性能 – Multiple Storage Engine  PostgreSQL – 多様なEnterprise機能 – 長い歴史の安定的であり進歩的なDBMS
  • 5. Team Study RDS料金 MySQL PostgreSQL Aurora (MySQL) Aurora (PostgreSQL) SQL Web Oracle SE2 SQL Std t2.small 0.052 0.056 0.063 - 0.162 0.088 - t2.medium 0.104 0.112 0.125 - 0.324 0.176 - m4.large 0.254 0.265 - - 0.391 0.519 1.057 r4.large 0.285 0.300 0.350 0.350 0.490 0.564 1.050 r4.2xlarge 1.141 1.200 1.400 1.400 1.920 2.256 3.990 r4.4xlarge 2.282 2.400 2.800 2.800 - 4.512 7.980 r4.16xlarge 9.126 9.600 11.200 11.200 - - 31.920  SQL Web (t2.small) > Aurora-MySQL (t2.medium)  SQL Web (t2.medium) > MySQL (r4.large)  SQL Std (r4.large) >3倍> Aurora-MySQL (r4.large)
  • 6. Team Study In-Memory DB  Memcached (Elastic Cache) – Key-Value Store – Staticと簡単な構造のキャッシュ(ウェブなど)  Redis (Elastic Cache) – 多様な形式支援、細かいメモリ管理 – ディスク保存支援、Replication支援  Etc – SQL Server Table Variable Memory Optimized Table – MySQL Memory Storage Engine
  • 7. Team Study Graph DB, Time Series DB, Spatial DB  https://db-engines.com/en/ranking_categories
  • 8. Team Study RDBMSの使い方  計画と設計、厳格だ、関係、汎用性、高性能  Normalization(正規化)・Denormalization(逆正規化)  RDB Model = Relation + Operator + 参照整合性条件 – 制約条件 (PK, AK, FK) – Restricted(no action), cascade, nullify  RDBMS is not excel sheet !! – View, Function, Procedure/Package, Trigger – No optimizing  Execution Plans
  • 9. Team Study ORMとNoSQLの導入問題  NoSQL – 設計を正確にしなくても開発可能 => SI社👍 – Schema修正が自由 => SI社👍 – データ・関係の確認が不可能 => 運営社👎 – データ抽出統計の困難 =>運営社👎 – 管理。支援ツールが少ない =>運営社👎  ORM (Object-relational mapping) Mapping Class or Object Table Library dog People
  • 10. Team Study クラウド時代の流れ  変化 – 色々な種類のDBを簡単に使用可能 – Scale-Up・Outが簡単になる – 補助インフラ(CDN、Cache、分析、Data Pool)の追加削除が容易になる  拡張性・柔軟性 – 一つのプログラム(言語)やFrameworkで運営イシューを解決する方法でなく アーキテクト的にクラウドのリソースを十分に活用する設計が重要 – 各サービスは適切に役割を分けてその機能を十分に使用 – 一つの大きなMVCモデルでなく、小さいMVCらの連結 = Micro-Service
  • 11. Team Study 以前 Control Table WAS (Web Application Server) View Model RDBMS Monologic Application
  • 12. Team Study Cache Control View Model 以後 Table / View Front or JS Framework Control View Model RDBMS Control View Model WAS (API) Procedure Function Cache Batch Deploy No SQL VIEW CONTROL MODEL
  • 13. Team Study 参考  https://en.wikipedia.org/wiki/Database  https://en.wikipedia.org/wiki/Database#Performance,_security,_and_availability  https://docs.aws.amazon.com/ja_jp/AmazonElastiCache/latest/mem- ug/SelectEngine.html  https://db-engines.com/en/system/Amazon+Neptune%3BInfluxDB%3BQuasardb  http://www.incodom.kr/ORM  https://en.wikipedia.org/wiki/Object-relational_database  https://en.wikipedia.org/wiki/Spatial_database  https://m.blog.naver.com/PostView.nhn?blogId=nature128&logNo=130070963305  https://d2.naver.com/helloworld/227936

Editor's Notes

  1. PostgreSQL on RDS : https://d2.naver.com/helloworld/227936, 4개의 언어, PostGIS, DB Link, JSON, Hstore 등