グラフデータベース：Neo4j、そしてRDBからの移行手順の紹介

1. RDBMS からグラフDBへグラフデータベースの可能性について Oc tober2015

2. アジェンダ •  Neo4jの歴史 •  グラフデータベースの特徴 •  エンタプライズアーキテクチャとpolyglot persistenceについて

3. Neo Technology社の紹介製品 • Neo4j：世界で最も利用されているグラフDB • ダウンロード数 = 100万以上、毎月、5万件の追加 • 顧客 = 150社以上（内、Global 2000は50社）企業 • Neo4jの開発元 • 従業員= 100+ • 本社 = シリコンバレー、ロンドン、ミュンヘン、パリ • 現時点の出資状況 = $45M （Fidelity, Sunstone, Conor, Creandum, Dawn Capital）

4. 業界別のNeo4j導入実績金融テレコム医療 HR／  リクルートメディア／出版ソーシャルウェブロジスティクスエンタメコンシューマリテール ITシステムビジネスサービス

5. Neo4jを利用したアプリケーションデータセンタ運用管理 MDM（マスターデータ管理）ソーシャルレコメンデーションエンジン ID/アクセス管理検索  ディスカバリ地図情報ナビゲーション

6. “Forresterは、25%以上のエンタプライズ企業が 2017年までにグラフデータベースを採用する、と予測している” Neo4jの評価 “Neo4jはグラフデータベース業界において、間違いなく、リーダー企業である、と言える。” “グラフデータ分析は、保有／生成する大量のデータを分析、そしてマネタイズしたい企業にとって、最も効果的な武器として位置付けられる。” IT Market Clock for Database Management Systems, 2014 hKps://www.gartner.com/doc/2852717/it-market-clock-database-management TechRadar™: Enterprise DBMS, Q1 2014 hKp://www.forrester.com/TechRadar+Enterprise+DBMS+Q1+2014/fulltext/-/E-RES106801 Graph Databases – and Their PotenKal to Transform How We Capture Interdependencies (Enterprise Management Associates) hKp://blogs.enterprisemanagement.com/dennisdrogseth/2013/11/06/graph-databasesand-potenZal-transform-capture-interdependencies/

7. グラフデータベース業界における最大のエコシステム •  1,000,000+ のダウンロード •  20,000+人以上のトレーニング経験者 •  18,000+ ミートアップ参加メンバー •  100+ 社以上のパートナーネットワーク •  150+ 社のエンタプライズ顧客（内、50社はGlobal 2000企業）

8. データの“関連性”における重要な価値を見出すデータ量の急激な増大… •  新しいデータ発生源 •  オンライン処理の増大 •  ソーシャルネットワークの増大 •  デバイスの増加このデータの関連性にこそ価値を見出す •  リアルタイムレコメンデーション •  不正アクセス／利用の検知 •  MDM(マスターデータ管理） •  ネットワーク／IT運用管理 •  ID/アクセス管理 •  グラフベースの検索 … それらの接続も同様に増大ユーザ、製品、プロセス、デバイス同士の通信も増大　 è データの関連性に重視早くからグラフを採用した企業は成功してる

9. RDBは、“データ関連性”の管理が不得意 •  データ関連性のモデル化、管理はシステムを急激に複雑化させる。 •  データ関連性が複雑化するとシステム性能が急激に落ちる •  JOINの増加でクエリーが複雑化する •  新データタイプや関連性を追加するとスキーマの再設計、再構築が必要になる。 … 特に、データ関連性が複雑なデータベースのリアルタイムでの運用が非常に困難になる。開発期間の増大性能問題スケーラビリティ運用管理が困難

10. データの“関連性”における重要な価値を見出す •  データと、その関連性を組み合わせたグラフデータモデルを採用 •  リアルタイムでデータ関連性をアクセス、迅速なビジネス判断に活かす •  変化し続けるビジネスに対して新規のデータ関連性を動的に追加

11. グラフデータベースのモデリング

12. ホワイトボードに描いたモデルがそのままグラフモデルに

13. CAR name: “Dan” born: May 29, 1970 twiKer: “@dan” name: “Ann” born: Dec 5, 1975 since: Jan 10, 2011 brand: “Volvo” model: “V70” グラフモデルのコンポーネントノード •  データオブジェクトはグラフで表記 •  プロパティ情報も内包 •  ラベルも付ける事が可能関係 •  ノード間の関係をタイプと方向性で表記 •  プロパティ情報も内包 LOVES LOVES LIVES WITH PERSON PERSON

14. リレーショナルとグラフモデルの違いリレーショナルモデルグラフモデル知人のび太しずかジャイアンスネ夫人友人人／友人関係のび太しずかスネ夫ジャイアン

15. RDBからのグラフモデル化顧客、サプライヤ、商品データ（マスターデータ）オーダー（受注活動）

16. RDB型の Northwindデータベースを作る！グラフ型の

17. (Northwind)-[:TO]->(Graph)

18. ドメインモデルは簡単だが、、、社員受注商品カテゴリーサプライヤ所属 Northwindサンプルデータのグラフモデル

19. 複雑怪奇なER図…

20. まず、ノード間の関係を定義する販売従業員 Order 受注

21. 外部キーを見つける

22. (外部キー)-[:変化]->(関係) 方向性も適正化する

23. 外部キーを取り除く

24. ジョインテーブルを見つける

25. ジョインテーブルがそのまま関係データになる

26. 属性付きのジョインテーブルは、プロパティ付きの関係データに変換

27. グラフ化されるデータの最終系

28. データへのクエリー

29. 基本クエリー: 誰が誰にレポートするのか？ MATCH (:Employee{ ﬁrstName:“Steven”} ) -[:REPORTS_TO]-> (:Employee{ ﬁrstName:“Andrew”} ) REPORTS_TO Steven Andrew ラベルプロパティノードノードラベルプロパティ

30. 基本クエリー：誰が誰にレポートするのか？ MATCH (e:Employee)<-[:REPORTS_TO]-(sub:Employee) RETURN *

31. 基本クエリー：誰が誰にレポートするのか？

32. 基本クエリー：誰が誰にレポートするのか？

33. MATCH (sub)-[:REPORTS_TO*0..3]->(boss), (report)-[:REPORTS_TO*1..3]->(sub) WHERE boss.name = “John Doe” RETURN sub.name AS Subordinate, count(report) AS Total 複雑なクエリーもCypher言語で簡単に表記、実行ボスであるJohn Doeに直接レポートする従業員を全て見つけ、各々が何人の従業員を部下として持つのか、その人数を下位レベル3つまで抽出 Cypher言語によるクエリー SQL言語によるクエリー

34. “Neo4jが、従来のMySQLによるクエリーの数千倍も処理速度が速い、ということを発見した。同時に、そのクエリーのコード量は1／10から1／100に減った。Neo4jは、今までeBayが実現できなかった機能をもたらしてくれている。” Volker Pacher Senior Developer

35. Robertがレポートしている上位の従業員は誰か？ MATCH p=(e:Employee)<-[:REPORTS_TO*]-(sub:Employee) WHERE sub.firstName = ‘Robert’ RETURN p

36. Robertがレポートしている上位の従業員は誰か？

37. 一番のボスは誰か？ MATCH p=(e:Employee) WHERE NOT (e)<-[:REPORTS_TO]->() RETURN e.firstName as bigBoss

38. 一番のボスは誰か？

39. クロスセル商品 MATCH (choc:Product {productName: 'Chocolade'}) <-[:PRODUCT]-(:Order)<-[:SOLD]-(employee), (employee)-[:SOLD]->(o2)-[:PRODUCT]->(other:Product) RETURN employee.firstName, other.productName, count(distinct o2) as count ORDER BY count DESC LIMIT 5; ‘Chocolade’という商品を販売した従業員が、さらにクロスセルで同じ顧客に販売した他の商品の商品名と、その販売個数を多い順にリストアップする。

40. クロスセル商品

41. 性能面での特徴

42. Neo4j クラスター運用スケールアウト性能と可用性を重視したアーキテクチャ 42 性能面での強み •  クエリーの際にネットワーク間のホップは一切無し •  リアルタイムのクエリー処理による、早く、そして安定した性能 •  キャッシュシャーディングにより大規模データベースをクラスタ間に分散クラスター機能 •  マスタ／スレーブ型のレプリカセット •  マスタ障害時の選挙トフェールオーバー機能も充実 •  各インスタンスは個々にローカルキャッシュを保有 •  水平スケーリング＋障害対策ロードバランサ Neo4j Neo4j Neo4j

43. Neo4jへのデータロード Cypherによる “LOAD CSV” 機能 •  ACID特性を持つトランザクションwrite •  1000万ノード＋関係データの移行が可能コマンドラインによる、バルク処理 neo4j-import •  初期的なデータ移行に有効 •  100億ノード級のデータ移行が可能 •  100レコード／病の性能が可能 458万件の辞書データを100秒でロード完了

44. データをすべて移行グラフデータのみ移行データ多重化グラフ以外のデータグラフデータグラフデータ全データ全データリレーショナルデータベースグラフデータベースアプリアプリアプリ Neo4jでのデータ管理方法：3つのパターン

45. Polyglot Persistence

46. データストレージとビジネスルールの実行データマイニングとアグリゲーション Neo4jを既存のエンタプライズ環境に統合アプリケーショングラフデータベースクラスタ Neo4j Neo4j Neo4j アドホックな分析データウェアハウスインフラ Graph Compute Engine EDW … データサイエンティストエンドユーザデータベース RDB NoSQL Hadoop

グラフデータベース：Neo4j、そしてRDBからの移行手順の紹介

You are reading a preview.

Check these out next

グラフデータベース：Neo4j、そしてRDBからの移行手順の紹介

More Related Content

Slideshows for you (20)

Viewers also liked (7)

Similar to グラフデータベース：Neo4j、そしてRDBからの移行手順の紹介 (20)

More from ippei_suzuki (9)

Recently uploaded (20)