©2015 DataStax Confidential. Do not distribute without consent.
1
DataStax
原沢滋
Apache
Sparkがリアルタイム分析で
NOSQLのApache
Cassandraに出会った。(ウルルン風)
Hadoop
/
Spark
Conference
Japan
2016

Data
Science
at
Scale
2009

x
Apache Cassandraとは
分散オペレーショナル・データベース
Apache
Cassandra
とは
Amazon
Dynamo
の分散ハッシュ
テーブル（DHT）と、Google
BigTable
のKVSの２つの特徴を併せ持つビッ
グデータ用分散データベース
• Amazon
DynamoとGoogle
Bigtableの良い点を持つ
• 高速パフォーマンスとリニアな拡張
• SPOF（Single
Point
of
Failure）がない、簡単に24時間
x
365
日ダウンさせないで運用が可能
• 完全な分散
• 柔軟なNoSQLデータモデル(スキーマーレス！）
• シンプルな運用管理
• SQL
ライクな言語CQLをサポートしている
• 様々な無償ツールとドライバ/コネクタを持つ
• 様々な整合性を選ぶ事が可能(CAP定理,
BASE)
+

OLTP
(RDBMS)
DWH
(RDBMS)
Cassandra
(NOSQL)
OLTP
(RDBMS)
DWH
(RDBMS)
Hadoop/
Spark
分析・データベース
オペレーショナル
データベース
既存システム(RDB)
新システムへの要求
＊データ量
＊パフォマンス
＊柔軟性
＊可用性
＊値段
分析・データベース
オペレーショナル
データベース
既存システム(RDB)
新システム(NoSQL)
今までRDB
では不可能、又は実現するのに
コストが膨大にかかった領域
Cassandra(NOSQL)とHadoop/Sparkの位置付け

Spark
Streaming
Near
Real-­‐Zme
SparkSQL
Structured
Data
MLLib
Machine
Learning
GraphX
Graph
Analysis
Sparkは大量データをスキャンするのが得意

CREATE TABLE raw_weather_data (!
wsid text, !
year int, !
month int, !
day int, !
hour int, !
temperature double, !
dewpoint double, !
pressure double, !
wind_direction int, !
wind_speed double, !
sky_condition int, !
sky_condition_text text, !
one_hour_precip double, !
six_hour_precip double, !
PRIMARY KEY ((wsid), year, month, day, hour)!
) WITH CLUSTERING ORDER BY (year DESC, month DESC, day DESC, hour DESC);!
Cassandra
は大量データを集めるのが得意です

Spark
Streaming
Near
Real-­‐Zme
SparkSQL
Structured
Data
MLLib
Machine
Learning
GraphX
Graph
Analysis
Cassandra は大量データを集めるのが得意です
Sparkは大量データをスキャンするのが得意

Spark
Streaming
Near
Real-­‐Zme
SparkSQL
Structured
Data
MLLib
Machine
Learning
GraphX
Graph
Analysis
CREATE TABLE raw_weather_data (!
wsid text, !
year int, !
month int, !
day int, !
hour int, !
temperature double, !
dewpoint double, !
pressure double, !
wind_direction int, !
wind_speed double, !
sky_condition int, !
sky_condition_text text, !
one_hour_precip double, !
six_hour_precip double, !
PRIMARY KEY ((wsid), year, month, day, hour)!
) WITH CLUSTERING ORDER BY (year DESC, month DESC, day DESC, hour DESC);!
Spark Connector!
Cassandra と Sparkが出会った

Spark
Streaming
Near
Real-­‐Zme
SparkSQL
Structured
Data
MLLib
Machine
Learning
GraphX
Graph
Analysis
CREATE TABLE raw_weather_data (!
wsid text, !
year int, !
month int, !
day int, !
hour int, !
temperature double, !
dewpoint double, !
pressure double, !
wind_direction int, !
wind_speed double, !
sky_condition int, !
sky_condition_text text, !
one_hour_precip double, !
six_hour_precip double, !
PRIMARY KEY ((wsid), year, month, day, hour)!
) WITH CLUSTERING ORDER BY (year DESC, month DESC, day DESC, hour DESC);!
Spark Connector!
リアルタイム
分析
オペレーショナル
データ
分析結果
検索結果
分析結果
分析結果
オペレーショナルデータ
Apache
Spark
と Apache
Cassandra

Store
a
ton
of
data
Analyze
a
ton
of
data
Apache
Spark
と
Apache
Cassandra
大量データをスキャンして
高速に集約、分析するのが得意
大量データをスキャンして
集約、分析するのが苦手
高速に、安全に大量のデータを
集めてくるのが得意
大量データを集めてくるのは
基本はバッチ処理
得意分野x得意分野
不得意分野を補う

Cassandraで分散された各ノードでSparkも動く
分散データを各
ノードで分析する
パラレル処理
を行う事が可能
各ノードにCassandraとSpark
Apache
Spark
と
Apache
Cassandra

ETL不要！！（オペレーションと分析の分離）
オペレーション
オペレーショナル
環境
分析環境
双方向レプリケーション
Apache
Spark
と
Apache
Cassandra

SPARK
Cassandra
Connector
h[ps://github.com/datastax/spark-­‐cassandra-­‐connector

©2015 DataStax Confidential. Do not distribute without consent.
ありがとうございました！
Twi[er
account:
@cassandrajapanで情報発信しています