Submit Search
Upload
DBP-005_SQL Server 2016 Operational Analytics によるデータ活用
•
1 like
•
76 views
D
decode2016
Follow
DBP-005_SQL Server 2016 Operational Analytics によるデータ活用
Read less
Read more
Technology
Report
Share
Report
Share
1 of 59
Download now
Download to read offline
Recommended
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/IoT時代のデータベース GridDB
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/IoT時代のデータベース GridDB
griddb
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
Insight Technology, Inc.
まだ統計固定で消耗してるの? - Bind Peek をもっと使おうぜ! 2015 Edition -
まだ統計固定で消耗してるの? - Bind Peek をもっと使おうぜ! 2015 Edition -
歩 柴田
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/ IoT時代のデータベースとは??
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/ IoT時代のデータベースとは??
griddb
易観国際中国Itマンスリーニュース2013年3月号
易観国際中国Itマンスリーニュース2013年3月号
CLARA ONLINE, Inc.
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Web Services Japan
SPL-005_オープンソースから見たマイクロソフト
SPL-005_オープンソースから見たマイクロソフト
decode2016
SPL-004_Windows 10 開発の舞台裏から学ぶエンジニアの未来
SPL-004_Windows 10 開発の舞台裏から学ぶエンジニアの未来
decode2016
Recommended
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/IoT時代のデータベース GridDB
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/IoT時代のデータベース GridDB
griddb
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
[db tech showcase Tokyo 2015] B36:Hitachi Advanced Data Binder 実践SQLチューニング方法 ...
Insight Technology, Inc.
まだ統計固定で消耗してるの? - Bind Peek をもっと使おうぜ! 2015 Edition -
まだ統計固定で消耗してるの? - Bind Peek をもっと使おうぜ! 2015 Edition -
歩 柴田
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/ IoT時代のデータベースとは??
高速処理と高信頼性を両立し、ペタバイト級の多種大量データを蓄積する、ビッグデータ/ IoT時代のデータベースとは??
griddb
易観国際中国Itマンスリーニュース2013年3月号
易観国際中国Itマンスリーニュース2013年3月号
CLARA ONLINE, Inc.
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Web Services Japan
SPL-005_オープンソースから見たマイクロソフト
SPL-005_オープンソースから見たマイクロソフト
decode2016
SPL-004_Windows 10 開発の舞台裏から学ぶエンジニアの未来
SPL-004_Windows 10 開発の舞台裏から学ぶエンジニアの未来
decode2016
SPL-003_黒船襲来! 世界DevOps トップ企業 x マイクロソフトによるトークバトル セッション
SPL-003_黒船襲来! 世界DevOps トップ企業 x マイクロソフトによるトークバトル セッション
decode2016
SPL-002_クラウド心配性な上司を説得するコツを伝授します ~本当に信頼できるクラウドの構築/運用とは? マイクロソフト クラウド成長の軌跡~
SPL-002_クラウド心配性な上司を説得するコツを伝授します ~本当に信頼できるクラウドの構築/運用とは? マイクロソフト クラウド成長の軌跡~
decode2016
PRD-009_クラウドの ERP による業務システム開発 ~OData エンド ポイントから Power BI 連携~
PRD-009_クラウドの ERP による業務システム開発 ~OData エンド ポイントから Power BI 連携~
decode2016
PRD-008_クラウド ネイティブ ERP ~Dynamics AX のアーキテクチャ/環境構築から開発/運用まで~
PRD-008_クラウド ネイティブ ERP ~Dynamics AX のアーキテクチャ/環境構築から開発/運用まで~
decode2016
PRD-006_機械学習で顧客対応はこう変わる! Azure ML と Dynamics で造る次世代 CRM
PRD-006_機械学習で顧客対応はこう変わる! Azure ML と Dynamics で造る次世代 CRM
decode2016
PRD-005_Skype Developer Platform によるアプリケーション開発の最新情報
PRD-005_Skype Developer Platform によるアプリケーション開発の最新情報
decode2016
PRD-004_ここまでできる! Azure AD と Office 365 連携開発の先進手法
PRD-004_ここまでできる! Azure AD と Office 365 連携開発の先進手法
decode2016
PRD-002_SharePoint Server 2016 & Online ハイブリッド環境での業務活用
PRD-002_SharePoint Server 2016 & Online ハイブリッド環境での業務活用
decode2016
INF-028_そのエラーやお困りごと、ツールを使えば解決できるかも! ~Sysinternals や OS 標準ツールの徹底活用術~
INF-028_そのエラーやお困りごと、ツールを使えば解決できるかも! ~Sysinternals や OS 標準ツールの徹底活用術~
decode2016
INF-027_セキュリティ マニアックス -サイバー攻撃の手口と防御手法- ~敵を知り、己を知れば百戦危うからず~
INF-027_セキュリティ マニアックス -サイバー攻撃の手口と防御手法- ~敵を知り、己を知れば百戦危うからず~
decode2016
INF-026_真のクラウドベース EMM ~マイクロソフトのモビリティ戦略はいかにユニークか~
INF-026_真のクラウドベース EMM ~マイクロソフトのモビリティ戦略はいかにユニークか~
decode2016
INF-025_企業で使える Windows 10 ~現実的なアプリ & デバイス管理~
INF-025_企業で使える Windows 10 ~現実的なアプリ & デバイス管理~
decode2016
INF-024_Windows 10 の展開 ~プロビジョニング? いやワイプ & ロードでしょ!~
INF-024_Windows 10 の展開 ~プロビジョニング? いやワイプ & ロードでしょ!~
decode2016
INF-023_マイクロソフトの特権管理ソリューションの全貌 ~永続的な管理者特権の廃止への道~
INF-023_マイクロソフトの特権管理ソリューションの全貌 ~永続的な管理者特権の廃止への道~
decode2016
INF-022_情報漏えいを責めるべからず。今必要な対策とは? ~Windows 10 セキュリティ機能徹底解説~
INF-022_情報漏えいを責めるべからず。今必要な対策とは? ~Windows 10 セキュリティ機能徹底解説~
decode2016
INF-021_実践! Windows as a Service との上手な付き合い方 ~新しい OS 更新管理の徹底解説~
INF-021_実践! Windows as a Service との上手な付き合い方 ~新しい OS 更新管理の徹底解説~
decode2016
INF-020_メーカーがおしえてくれない正しいクラウドについて
INF-020_メーカーがおしえてくれない正しいクラウドについて
decode2016
INF-019_Nano Server だけでここまでできる! ~極小サーバーの使い方~
INF-019_Nano Server だけでここまでできる! ~極小サーバーの使い方~
decode2016
INF-018_OS の中で SDN 抗争勃発!? ~主役を争う VXLAN vs NVGRE~
INF-018_OS の中で SDN 抗争勃発!? ~主役を争う VXLAN vs NVGRE~
decode2016
INF-017_Windows Server 2016 の Software Defined Storage のしくみと活用
INF-017_Windows Server 2016 の Software Defined Storage のしくみと活用
decode2016
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
FumieNakayama
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
More Related Content
More from decode2016
SPL-003_黒船襲来! 世界DevOps トップ企業 x マイクロソフトによるトークバトル セッション
SPL-003_黒船襲来! 世界DevOps トップ企業 x マイクロソフトによるトークバトル セッション
decode2016
SPL-002_クラウド心配性な上司を説得するコツを伝授します ~本当に信頼できるクラウドの構築/運用とは? マイクロソフト クラウド成長の軌跡~
SPL-002_クラウド心配性な上司を説得するコツを伝授します ~本当に信頼できるクラウドの構築/運用とは? マイクロソフト クラウド成長の軌跡~
decode2016
PRD-009_クラウドの ERP による業務システム開発 ~OData エンド ポイントから Power BI 連携~
PRD-009_クラウドの ERP による業務システム開発 ~OData エンド ポイントから Power BI 連携~
decode2016
PRD-008_クラウド ネイティブ ERP ~Dynamics AX のアーキテクチャ/環境構築から開発/運用まで~
PRD-008_クラウド ネイティブ ERP ~Dynamics AX のアーキテクチャ/環境構築から開発/運用まで~
decode2016
PRD-006_機械学習で顧客対応はこう変わる! Azure ML と Dynamics で造る次世代 CRM
PRD-006_機械学習で顧客対応はこう変わる! Azure ML と Dynamics で造る次世代 CRM
decode2016
PRD-005_Skype Developer Platform によるアプリケーション開発の最新情報
PRD-005_Skype Developer Platform によるアプリケーション開発の最新情報
decode2016
PRD-004_ここまでできる! Azure AD と Office 365 連携開発の先進手法
PRD-004_ここまでできる! Azure AD と Office 365 連携開発の先進手法
decode2016
PRD-002_SharePoint Server 2016 & Online ハイブリッド環境での業務活用
PRD-002_SharePoint Server 2016 & Online ハイブリッド環境での業務活用
decode2016
INF-028_そのエラーやお困りごと、ツールを使えば解決できるかも! ~Sysinternals や OS 標準ツールの徹底活用術~
INF-028_そのエラーやお困りごと、ツールを使えば解決できるかも! ~Sysinternals や OS 標準ツールの徹底活用術~
decode2016
INF-027_セキュリティ マニアックス -サイバー攻撃の手口と防御手法- ~敵を知り、己を知れば百戦危うからず~
INF-027_セキュリティ マニアックス -サイバー攻撃の手口と防御手法- ~敵を知り、己を知れば百戦危うからず~
decode2016
INF-026_真のクラウドベース EMM ~マイクロソフトのモビリティ戦略はいかにユニークか~
INF-026_真のクラウドベース EMM ~マイクロソフトのモビリティ戦略はいかにユニークか~
decode2016
INF-025_企業で使える Windows 10 ~現実的なアプリ & デバイス管理~
INF-025_企業で使える Windows 10 ~現実的なアプリ & デバイス管理~
decode2016
INF-024_Windows 10 の展開 ~プロビジョニング? いやワイプ & ロードでしょ!~
INF-024_Windows 10 の展開 ~プロビジョニング? いやワイプ & ロードでしょ!~
decode2016
INF-023_マイクロソフトの特権管理ソリューションの全貌 ~永続的な管理者特権の廃止への道~
INF-023_マイクロソフトの特権管理ソリューションの全貌 ~永続的な管理者特権の廃止への道~
decode2016
INF-022_情報漏えいを責めるべからず。今必要な対策とは? ~Windows 10 セキュリティ機能徹底解説~
INF-022_情報漏えいを責めるべからず。今必要な対策とは? ~Windows 10 セキュリティ機能徹底解説~
decode2016
INF-021_実践! Windows as a Service との上手な付き合い方 ~新しい OS 更新管理の徹底解説~
INF-021_実践! Windows as a Service との上手な付き合い方 ~新しい OS 更新管理の徹底解説~
decode2016
INF-020_メーカーがおしえてくれない正しいクラウドについて
INF-020_メーカーがおしえてくれない正しいクラウドについて
decode2016
INF-019_Nano Server だけでここまでできる! ~極小サーバーの使い方~
INF-019_Nano Server だけでここまでできる! ~極小サーバーの使い方~
decode2016
INF-018_OS の中で SDN 抗争勃発!? ~主役を争う VXLAN vs NVGRE~
INF-018_OS の中で SDN 抗争勃発!? ~主役を争う VXLAN vs NVGRE~
decode2016
INF-017_Windows Server 2016 の Software Defined Storage のしくみと活用
INF-017_Windows Server 2016 の Software Defined Storage のしくみと活用
decode2016
More from decode2016
(20)
SPL-003_黒船襲来! 世界DevOps トップ企業 x マイクロソフトによるトークバトル セッション
SPL-003_黒船襲来! 世界DevOps トップ企業 x マイクロソフトによるトークバトル セッション
SPL-002_クラウド心配性な上司を説得するコツを伝授します ~本当に信頼できるクラウドの構築/運用とは? マイクロソフト クラウド成長の軌跡~
SPL-002_クラウド心配性な上司を説得するコツを伝授します ~本当に信頼できるクラウドの構築/運用とは? マイクロソフト クラウド成長の軌跡~
PRD-009_クラウドの ERP による業務システム開発 ~OData エンド ポイントから Power BI 連携~
PRD-009_クラウドの ERP による業務システム開発 ~OData エンド ポイントから Power BI 連携~
PRD-008_クラウド ネイティブ ERP ~Dynamics AX のアーキテクチャ/環境構築から開発/運用まで~
PRD-008_クラウド ネイティブ ERP ~Dynamics AX のアーキテクチャ/環境構築から開発/運用まで~
PRD-006_機械学習で顧客対応はこう変わる! Azure ML と Dynamics で造る次世代 CRM
PRD-006_機械学習で顧客対応はこう変わる! Azure ML と Dynamics で造る次世代 CRM
PRD-005_Skype Developer Platform によるアプリケーション開発の最新情報
PRD-005_Skype Developer Platform によるアプリケーション開発の最新情報
PRD-004_ここまでできる! Azure AD と Office 365 連携開発の先進手法
PRD-004_ここまでできる! Azure AD と Office 365 連携開発の先進手法
PRD-002_SharePoint Server 2016 & Online ハイブリッド環境での業務活用
PRD-002_SharePoint Server 2016 & Online ハイブリッド環境での業務活用
INF-028_そのエラーやお困りごと、ツールを使えば解決できるかも! ~Sysinternals や OS 標準ツールの徹底活用術~
INF-028_そのエラーやお困りごと、ツールを使えば解決できるかも! ~Sysinternals や OS 標準ツールの徹底活用術~
INF-027_セキュリティ マニアックス -サイバー攻撃の手口と防御手法- ~敵を知り、己を知れば百戦危うからず~
INF-027_セキュリティ マニアックス -サイバー攻撃の手口と防御手法- ~敵を知り、己を知れば百戦危うからず~
INF-026_真のクラウドベース EMM ~マイクロソフトのモビリティ戦略はいかにユニークか~
INF-026_真のクラウドベース EMM ~マイクロソフトのモビリティ戦略はいかにユニークか~
INF-025_企業で使える Windows 10 ~現実的なアプリ & デバイス管理~
INF-025_企業で使える Windows 10 ~現実的なアプリ & デバイス管理~
INF-024_Windows 10 の展開 ~プロビジョニング? いやワイプ & ロードでしょ!~
INF-024_Windows 10 の展開 ~プロビジョニング? いやワイプ & ロードでしょ!~
INF-023_マイクロソフトの特権管理ソリューションの全貌 ~永続的な管理者特権の廃止への道~
INF-023_マイクロソフトの特権管理ソリューションの全貌 ~永続的な管理者特権の廃止への道~
INF-022_情報漏えいを責めるべからず。今必要な対策とは? ~Windows 10 セキュリティ機能徹底解説~
INF-022_情報漏えいを責めるべからず。今必要な対策とは? ~Windows 10 セキュリティ機能徹底解説~
INF-021_実践! Windows as a Service との上手な付き合い方 ~新しい OS 更新管理の徹底解説~
INF-021_実践! Windows as a Service との上手な付き合い方 ~新しい OS 更新管理の徹底解説~
INF-020_メーカーがおしえてくれない正しいクラウドについて
INF-020_メーカーがおしえてくれない正しいクラウドについて
INF-019_Nano Server だけでここまでできる! ~極小サーバーの使い方~
INF-019_Nano Server だけでここまでできる! ~極小サーバーの使い方~
INF-018_OS の中で SDN 抗争勃発!? ~主役を争う VXLAN vs NVGRE~
INF-018_OS の中で SDN 抗争勃発!? ~主役を争う VXLAN vs NVGRE~
INF-017_Windows Server 2016 の Software Defined Storage のしくみと活用
INF-017_Windows Server 2016 の Software Defined Storage のしくみと活用
Recently uploaded
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
FumieNakayama
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
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
【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
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
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?
akihisamiyanaga1
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.pdf
FumieNakayama
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
Yuki Kikuchi
Recently uploaded
(9)
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
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
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
【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)
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)
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?
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.pdf
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
DBP-005_SQL Server 2016 Operational Analytics によるデータ活用
1.
2.
3.
Operational System 業務処理によるデータ蓄積 小規模トランザクションが多発 IIS Server 業務システム ユーザー
4.
Operational System 業務処理によるデータ蓄積 小規模トランザクションが多発 IIS Server 業務システム ユーザー Analytical
System ETL によるデータウェアハウス作成
5.
Operational System 業務処理によるデータ蓄積 小規模トランザクションが多発 IIS Server 業務システム ユーザー Analytical
System ETL によるデータウェアハウス作成 分析に特化したデータ構造 BI アナリスト
6.
Operational System 業務処理によるデータ蓄積 小規模トランザクションが多発 IIS Server 業務システム ユーザー Analytical
System ETL によるデータウェアハウス作成 分析に特化したデータ構造 パフォーマンス向上のためにSSASも使用 BI アナリスト
7.
懸案事項….. IIS Server 業務システム ユーザー BI アナリスト ETLの複雑な実装…… 別々のハードウェアが必要…… リアルタイム分析ができない…
8.
IIS Server 業務システム ユーザー BI アナリスト Goal Operational
System で 蓄積したデータを、直接分 析で使えるようにする!
9.
IIS Server 業務システム ユーザー BI アナリスト Goal Operational
System で 蓄積したデータを、直接分 析で使えるようにする! 利点 ETLによるデータ操作不要!
10.
IIS Server 業務システム ユーザー BI アナリスト Goal Operational
System で 蓄積したデータを、直接分 析で使えるようにする! 利点 DWH用マシン不要! ETLによるデータ操作不要! リアルタイム分析ができる!
11.
12.
社員NO 売上年 売上月
売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・
13.
社員NO 売上年 売上月
売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・
14.
15.
少ないIO回数で小規模データへアクセス • インデックス Seek
が有効 定型クエリが主要ワークロード SELECT FROM WHERE SELECT FROM WHERE [社員NO]=911423
16.
大量データの並べ替え 社員NO 売上年 売上月
売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ SELECT FROM GROUP BY [売上年],[売上月],[商品CD] ORDER BY [売上年],[売上月],[商品CD] ,SUM([売上金額]) 大量データのグループ化 大量データの集計 社員NO 売上年 売上月 売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ 社員NO 売上年 売上月 売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ 社員NO 売上年 売上月 売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・
17.
クラスタ化/非クラスタ化 インデックスの効果が低い インデックスを使用しない大量データ のスキャンが必要 分析のための非定型クエリ多発 インデックスの定義が困難 ?
18.
社員NO 売上年 売上月
売上日 売上金額 商品CD 顧客CD ……… 160512 2016 12 21 501201 SNE12 56912 ・・・・ 231492 2016 01 12 1252011 EBA45 11125 ・・・・ 197241 2013 04 25 114352 ESB11 39462 ・・・・ 976127 2011 01 19 9822215 AQD09 42531 ・・・・ 241378 2015 10 27 421124 KLQ01 72236 ・・・・ 291023 2014 11 11 4988712 CVW02 69987 ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ 8 KBの論理 I/O 単位からの 脱却 ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ ・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・・ ・・・・・ ・・・・ 列ストアインデックス
19.
列ストアインデックス 社員NO 160512 231492 197241 976127 241378 291023 ・・・・・・ ・・・・・・ ・・・・・・ ・・・・・・ ・・・・・・ 売上年 2016 2016 2013 2011 2015 2014 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 売上月 12 01 04 01 10 11 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 売上日 21 12 25 19 27 11 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 売上金額 501201 1252011 114352 9822215 421124 4988712 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 商品CD SNE12 EBA45 ESB11 AQD09 KLQ01 CVW02 ・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 顧客CD 56912 11125 39462 42531 72236 69987 ・・・・・ 列ごとにデータを保持
20.
列ストアインデックス 社員NO 160512 231492 197241 976127 241378 291023 ・・・・・・ ・・・・・・ ・・・・・・ ・・・・・・ ・・・・・・ 売上年 2016 2016 2013 2011 2015 2014 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 売上月 12 01 04 01 10 11 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 売上日 21 12 25 19 27 11 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 売上金額 501201 1252011 114352 9822215 421124 4988712 ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 商品CD SNE12 EBA45 ESB11 AQD09 KLQ01 CVW02 ・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ 顧客CD 56912 11125 39462 42531 72236 69987 ・・・・・ セグメントに分割
21.
列ストアインデックス 社員NO ……………. ……………. ……………. ……………. ……………. セグメントごとにデータを圧縮 ……………. ……………. ……………. 商品CD ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 売上金額 ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 売上日 ……………. ……………. ……………. ……………. ……………. 売上月 ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 売上年 ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 顧客CD ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. …………….
22.
社員NO ……………. ……………. ……………. ……………. ……………. 大量データへのアクセスへの対応 必要な列/セグメントにIOを限定 列ごとのデータを高圧縮 ……………. ……………. ……………. 商品CD ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 売上金額 ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 売上日 ……………. ……………. ……………. ……………. ……………. 売上月 ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 売上年 ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. 顧客CD ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. ……………. …………….
23.
集計/グループ化/並べ替えへの対応 バッチモードによる一括処理
24.
Operational ワークロード クラスタ化/非クラスタ化インデックス によるデータアクセス Analytical ワークロード 列ストアインデックスによる データアクセス Operational
Analytics の実現
25.
既存のOLTPシステムに列ストアインデックスを追加 アプリケーション変更不要 リアルタイムデータ分析を実現 クエリ オプティマイザが適切なインデックスを選択
26.
27.
列ストア圧縮 バッチモード
28.
2014 列ストア圧縮 バッチモード 列ストア圧縮 バッチモード プライマリ データストレージ バッチモード拡張 バッチモード拡張 データ更新可能
29.
2016 列ストア圧縮 バッチモード 列ストア圧縮 バッチモード プライマリ データストレージ バッチモード拡張 バッチモード拡張 データ更新可能 データ更新可能 フィルタ選択 圧縮猶予設定 セカンダリインデックス サポート バッチモード拡張 バッチモード拡張
30.
クラスタ化列ストアインデックス + 非クラスタ化インデックス
31.
非クラスタ化列ストアインデックス + クラスタ化インデックス 非クラスタ化インデックス
ヒープ
32.
必要な列のみ選択できる インデックス/テーブルサイズを抑制 メンテナンスコストを抑制 Operational Analytics 向き!
33.
34.
クラスタ化/非クラスタ化インデックス
35.
INSERTの場合 クラスタ化/非クラスタ化インデックス 非クラスタ化列ストアインデックス
36.
デルタストア 列ストアインデックスへのデータ追加時 に使用される一時領域 8 KB のページに行ストア形式でデータ を保持 1,024,000行が蓄積されると列ストア セグメント形式へ変換 SQL
Server 2014 まではページ圧縮 されていたが、SQL Server 2016から は圧縮無し
37.
DELETEの場合 クラスタ化/非クラスタ化インデックス
38.
DELETEの場合 クラスタ化/非クラスタ化インデックス 非クラスタ化列ストアインデックス 削除バッファ 削除ビット マップ
39.
削除ビットマップ セグメントデータの論理削除を実現する ためのビットマップ • 削除行のクラスタ化キー/RIDを登録 • データ参照時には削除行を返さないための フィルターとして作用 削除バッファ 削除ビットマップ登録負荷軽減のための 一時領域 •
削除行のクラスタ化キー/RIDを登録 • 定期的に削除ビットマップに登録
40.
列ストアセグメントは論理削除のみ実施 DELETE FROM [売上テーブル] WHERE
[社員NO]=912345 DELETE FROM [売上テーブル] WHERE [社員NO]=812143 DELETE FROM [売上テーブル] WHERE [社員NO]=452142 DELETE FROM [売上テーブル] WHERE [社員NO]=452142
41.
断片化の悪影響 不適切なデータサイズ 不要なI/Oの発生 削除ビットマップを使用したフィ ルタが参照時に発生 読み込みパフォーマンスの劣化
42.
UPDATEの場合 クラスタ化/非クラスタ化インデックス
43.
UPDATEの場合 クラスタ化/非クラスタ化インデックス 非クラスタ化列ストアインデックス 削除バッファ
44.
インデックスの 更新オーバーヘッド クラスタ化/非クラスタ化インデックス+ 非クラスタ化列ストアインデックス 高負荷!
45.
-列セグメント化の猶予 -
46.
可能な限りデルタストアでの更新操作 • 非圧縮データを行ストア形式で保持 • 更新オーバーヘッドが小さい 列ストアセグメントの断片化軽減 •
断片化解消にはインデックスの再構築/ 再編成が必要
47.
列セグメント化の動作 1. デルタストアに一定量のデータが蓄積される 2. デルタストアが[CLOSED]と設定される 3.
バックグラウンド処理でデルタストアが列スト アセグメントに変換される
48.
列セグメント化の猶予 [CLOSED]設定後の待機時間を「分」 単位で指定 CREATE NONCLUSTERED COLUMNSTORE INDEX
….. WITH COMPRESSION_DELAY=600
49.
OLTP系のトランザクション処理性能 16%程度向上
50.
分析系クエリの処理時間合計 24%程度短縮
51.
非クラスタ化列ストアインデックス ディスク上のサイズ 30%程度削減
52.
• データ追加主体のワークロード • 混合ワークロード
(UPDATE/DELETE/INSERT) • sys. dm_db_column_store_row_group_physical_stats を確認 • 断片化率 10%以上であればCOMPRESSION_DELAY値の変更を検討
53.
-インデックス作成範囲の限定 -
54.
更新多発箇所を除外
55.
CREATE NONLCUSTERED COLUMNSTORE INDEX
….. WHERE [売上年] >= 2016 AND [売上月] =< 4
56.
更新多発箇所を除外
57.
58.
既存の Operational 環境に、非クラスタ化列ストアイン デックスを定義することで
Analytics にも対応できる! トランザクションデータから、分析データへの変換を不要にす ることでリアルタイム分析を実現! OLTP ワークロード/分析ワークロードの相互干渉を軽減する ために SQL Server 2016 新機能活用が必須!
Download now