ビッグデータ時代に対応する最新データベース・テクノロジーとは？

© 2014 IBM Corporation
ビッグデータ時代に対応する最新データベース・テクノロ
ジーとは？
2014年8月1日
日本アイ・ビー・エム株式会社
ｲﾝﾌｫﾒｰｼｮﾝ･ﾏﾈｼﾞﾒﾝﾄ事業部
平野真弓

© 2014 IBM Corporation2
ご説明内容
 ビッグデータ時代とDB2
 DB2 for Linux, UNIX and Windows
 情報系・データ分析系業務への対応
 DB2 BLUアクセラレーション
 グローバル化に対応する連続稼動と可用性の向上
 DB2のクラスター技術 - DB2 pureScale -
 まとめ

ビッグデータ時代とDB2
DB2 for Linux, UNIX and Windows

データはビジネスに不可欠な資源
ソーシャル・メディア
クラウド・コンピューティング
モバイル
Internet of Things

ビッグデータ時代におけるキー・チャレンジ－
ビッグデータの急増を先取りする高速性と容易性
 より大量のデータを、より高速に
 簡単に構築でき使用できること
 既存システムとの親和性が高いこと
 既存のスキルを活用できること
 アプリケーションの変更を極小化できること
すなわち、非常にシンプルかつ迅速なシステムが必要

2002年
2004年
V8
V8.2
V9.1
V9.5
連続可用性の向上(オンライン構成変更など)
多次元クラスタリング表(MDC)
高可用性災害時リカバリー(HADR)
オートノミックコンピューティング(STMMなど)
pureXML サポート
パーティション表
行圧縮機能 2006年
ワークロードの管理(WLM)
使いやすさの向上
セキュリティー機能の拡張
オートノミック機能強化(自動ストレージ）
2007年
V9.72009年 他社DB移行促進
コスト削減、パフォーマンス向上
サービスレベル向上
統合開発環境の提供
堅牢性、高速性、大量データの開発・
運用容易性を継続的に進化
V10.12012年
V9.8
V10.52013年
ＢＬＵアクセラレーション
pureScale連続可用性&パフォーマンス強化
オンラインクラスタリング(pureScale）
HADR機能強化(マルチスタンバイ)
タイムトラベル照会
自動ストレージ管理(ストレージグループ)
DB2の発展の歴史

業務エリア/システムごとにデータ基盤に求められる要件は異なる
－いずれに対してもDB2を核とした最新テクノロジーを提供－
Real Time
Fraud Detection
Sales
AnalysisE-commerce
Social Data
Analysis
Transaction
Processing
Reporting
and Analytics
Operational
Analytics
Hadoop
Analytics
Analytics
Data Warehouse
Transactional
Database
Operational
Data Warehouse
Distributed
Map-Reduce System
Big Data Analytics
Mobile
Data Serving
JSON
Database
Mobile/Cloud Data Serving
and Transaction Processing
Mobile
Storefront

ビッグデータ時代向けのマルチワークロード・
データベース・ソフトウェアBLU アクセラレーション機能搭載
DB2® 10.5
 DB2 BLUアクセラレーション
情報系、データ分析系の業務拡張への対応も可能な新しいDWH/データマート高速化技術
 DB2 pureScale
グローバル化に対応する連続稼動と可用性、メインフレーム同様のサービスレベルの実現と拡張性
 将来にわたった活用を可能とするインフラストラクチャー
NoSQL を活用することで、お客様はアプリケーションを拡張および刷新することが可能
 DB2のOracle移行促進機能
既存オープンプラットフォームのスキル、資産の有効活用
DB2 10.5 ではより多くのデータをより高速に処理・分析するスマートな
アプローチを実現

情報系・データ分析系業務への対応
DB2 BLUアクセラレーション

 これまでの課題: BI/DWHシステムのチューニング・管理に多大なコストがかかる
 利用頻度の高い列にインデックスをつける、明細表はパーティショニングする、ディスク分散させると
いった、設計上のベストプラクティスはあるが、あらゆる分析軸の可能性に対応することは困難
BI/DWHシステムにおけるチャレンジ
索
引
索
引
索
引
MDC
DB2パラレルサーバー(DB2 DPF)
 パラレルサーバーで超大量データの分析処
理を高速に実行可能
MQT
DB管理者
チューニングに膨大なコス
トをかけても、全分析クエ
リーへの対応困難
分析担当者
性能にばらつきがあり、
連続的な分析ができない
DB2 10.5の動的インメモリカラム型BLU
 シングルサーバーで大量データの分析処理を
高速に実行可能

DB2 10.5 BLUアクセラレーションとは?
DB2 10.5の機能のひとつとして利用可能
な分析処理の加速装置
 分析処理がとにかく速い！
 先進技術なのに簡単！
①テーブル作成
②データ投入
※索引は必要なし
 堅牢で安心
 最適なライセンス・環境を選択可
•アナリティクス基盤に最適なSWライセ
ンス体系をご用意（テラバイト課金）
•H/Wを限定するアプライアンス製品では
ないため、柔軟なサーバ環境を選択可能
Super analytics
Super easy
DB2WITH BLU
ACCELERATION

表名データ件数
CUSTOMER 3,000,000
DATES 2,556
PART 1,400,000
SUPPLIER 200,000
LINEORDER 600,038,145
DB2 V10.5 / AIX 7.1、POWER 7 :
3.7GHz x 8core, 64 GB Memory
SSBベンチマークで利用されるオブジェクトとデータを利用し
て、シンプルな集計処理の4つのクエリ(1～4)を作成し、4つの
クエリそれぞれに対し、照会範囲を変化させる
通常表(チューニング有り）と BLU表を比較
条件がばらついても、コンス
タントに速いBLU ( 平均5秒)
照会の軸、範囲が急遽変
更になってもNon Tuning
で対応可能
BLUが実現する高速処理－非定型分析に強い
Star Schema Benchmark のモデルを利用 (www.cs.umb.edu/~poneil/StarSchemaB.pdf )
Scale Factor = 100にてデータ生成

検証環境補足
IBM Power 740
(Power7 3.7GHz x 8 core, 64GB memory)
AIX 7.1 TL2 SP2
DB2 10.5 Beta
同一DB内に、BLUアクセラレーション機能
利用のためのカラム・オーガナイズ表と、
従来と同じ行オーガナイズ表を作成し、比
較
C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8
従来型表
C1 C2 C3 C4 C5 C6 C7 C8C1 C2 C3 C4 C5 C6 C7 C8
行オーガナイズ表
• 圧縮なし
• 索引なし
行オーガナイズ表
※チューニング有り
• 圧縮あり
• 20索引追加
• MDC次元列追加
カラム・オーガナイズ
表
• デフォルトでBLU圧
縮
• 索引なし
従来型表 BLUアクセラレーション
表
索引
MDC
…
索引
DS4800 (RAID5)

同一基盤でのDB2 10.5(BLU) vs 他社性能比較Responsetime
BLU
他社DB
BLUでは、クエリー形式
の違いにかかわらず安
定したパフォーマンス
DB2 10.5 BLUアクセラレーション検索処理性能
お客様
クエリーの
スピード向上（平均)
大規模金融機関様 46.8 倍
グローバルISV様データマート 37.4 倍
BI (Cognos) 処理 18.0 倍
一般消費財ベンダー様 14.0 倍

なぜ速い？技術的なことを少しご紹介

BLUアクセラレーションのキー・テクノロジー
カラム・
オーガナイズ表
データ・
スキッピング
マルチコア・
パラレリズム
SIMDによる
CPU最適化
HWに最適化された
データ圧縮

分析処理が速い！なぜ速い？カラム・オーガナイズ表
今までのRDBの表カラム・オーガナイズ表
 BLUのカラム・オーガナイズ表は、分析処理クエリーの以下のような特徴に対応
 商品別・地域別・発売日別など軸（列）を決めて大量に読む
 マスターと突き合わせたり、集計処理の結果を求める
 同一列内には同一データの繰り返しが多く圧縮効率も非常に高い
ID 商品名価格サイズ発売日
1001 商品A 1000 L 2013-01-20
ID
1001
1002
1003
1004
商品名
商品A
商品B
商品C
商品D
価格
1000
2000
1500
3000
サイズ
L
XS
M
S
発売日
2013-01-20
2010-07-07
2012-10-31
2013-04-11
1002 商品B 2000 XS 2010-07-07
1003 商品C 1500 M 2012-10-31
1004 商品D 3000 S 2013-04-11
ストレージにページという単位で格納
圧縮データ
超・圧縮技術

分析処理が速い！なぜ速い？データ・スキッピング
 一定のデータ件数毎に、各列に出現し
たデータの最大値と最小値を保持
 条件に適合しないデータブロックは自
動的にスキップする
 本当に必要なデータだけを読み込むこ
とにより、I/O量、メモリー容量、CPU
時間を大幅削減
 データ・スキッピングのための管理情
報はすべて自動メンテナンスされ、利
用者による管理は一切不要
発売日
2013-01-01
2013-01-02
2013-01-03
2013-01-04
2013-01-05
2013-01-06
2013-01-07
2013-01-08
2013-01-09
2013-01-10
2013-01-11
2013-01-12
2013-01-13
Min: 2013-01-
09
Max:2013-01-
13
SELECT 発売日 FROM T
WHERE
HATSUBAI=‘2013-01-
06’
Min: 2013-01-
01
Max:2013-01-
04
SKIP
条件に合致するデータを含んだ領域のみをスキャン
Min: 2013-01-
05
Max:2013-01-
08
SKIP
ヒット！
圧縮データ
データ範囲のタグ

ダイナミック・イン・メモリー技術
 ダイナミック・イン・メモリー技術でコンパクトなイン・メモリー・データベース環
境を提供可能
1TB以上の Memory
128GB Memory
1TB Storage 1TB Storage
一般的なインメモリー技術 BLUアクセラレーションの
ダイナミック・イン・メモリー技術
すべてのデータを
メモリーに展開
使用頻度の高い、必
要なデータを
メモリーに随時展開

分析処理が速い！なぜ速い？マルチ・コア並列処理とSIMDの利用
 カラム・オーガナイズ表に対するクエリーは、自動的に複数CPU活用
 スキャン、結合、ソート等の処理を複数スレッドで並列に処理する
圧縮データ
Compare
= 2009
命令
200
1
結果ストリーム
200
2
200
3
200
4
20
05
200
5
200
6
200
7
200
8
2009 2010 2011 2012
CPU
1回の命令で複数のデータを処理
圧縮データ
超・並列技術
 SIMD(Single Instruction Multiple
Data) を利用し、複数の処理をまとめ
て実行

ハフマン符号化によるデータの圧縮率最大化
 値の出現頻度が多いほど、ビット数を小さくする
複数のデータをグルーピングしてレジスターに格納
 複数データをレジスター幅にまとめ、単一インストラクションで処理
→ SIMDの活用
エンコード済みの値は、圧縮したまま処理可能
 述部（条件評価）と結合は、エンコード済みの値を直接処理
 結果セットが必要となるまで、データの解凍(マテリアライズ)を行わない
Smith
Smith
Smith
Smith
Smith
Smith
Johnson
Johnson
Gilligan
Sampson
LAST_NAME エンコード値
レジスターの長さに揃えて格納
レジスター長
レジスター長
分析処理が速い！なぜ速い？ HWに最適化されたデータ圧縮

ビッグ・データ
ビッグ・データ
一人でこんな大きいものは
さすがに無理っす・・・
とびきり小さくして
みんなで力を合わせれば楽々っす！
超・圧縮技術
超・並列技術
そもそもビッグデータを扱うには・・・技術的なキモ
データを抜き出すときも
いちいち解凍せずに抜くっす！

数TBのデータ
強化された圧縮技術
によりデータ容量を
数分の一に削減
複数CPUコアにて
並列にスキャン
ベクトル処理(SIMD) によ
り各コア内で複数データを
一度に処理
数秒以内で
処理が完了
カラム・オーガナ
イズ表の必要な列
にのみアクセス
データ・スキッピング
によってアクセス対象
絞り込み
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA
DATA DATA DATA
DATA
DATA DATA
BLUアクセラレーションの処理イメージ
超高速！BLU

お客様の評価は？

これまでの課題
インターネット
他データベースからの移行による処理高速化（データ提供サービス事業者様）
DB2 BLU適用イメージ
フリーのDBからDB2 BLUアクセラレーションへの移行
⇒約5倍のパフォーマンスをノンチューニングで発揮
口コミ情報価格情報企業情報その他
A社 B社
データ処理の性能が悪いので・・・
・顧客への情報提供に時間がかかる（クレーム・離反）
フリーのDBで社外の
大量データを処理
データ処理の
パフォーマンス
が悪い
口コミ情報価格情報企業情報その他
DB2 BLU Acceleration
BLUで
処理を高速化
A社 B社
顧客に対して
ストレスなく
情報を提供
・競合他社の価格情報
・自社に関する口コミ

・多種多様な切り口で迅速に顧客・売上情報を把握（見える化）可能となった。
・スモールスタート（低予算内での投資）で将来的な有効施策展開に向けた分析・予測基盤を構築できた。
イメージ
効果（お客様の声）
お客様
ニーズ
1. 顧客・売上情報を多種多様な切り口で
迅速に把握するための分析基盤を構築
したい。
（現行はExcelで管理、簡易レポート）
2. 分析基盤に蓄積されたデータに基づい
た分析・予測を行い、売上向上に向け
た有効な施策立案・展開を図ることで
売上向上を実現したい。
売上データ
DB
顧客データ
DB
WEBアクセスログ
(将来追加）
DB
データ
分析機能
共
通
ク
エ
リ
データ
収集・加工
機能
分析データ
データ
蓄積
メンテ
UI/
レポート
見える化
データ
集計
機能
営業
サイト企画運営
経営層（経営企画）
データ
抽出機
能
ｼｽﾃﾑ
出力
データ
抽出機
能
ＩＢＭＤＢ２ＢＬＵ
ＩＢＭＣｏｇｎｏｓ
ＩＢＭＳＰＳＳ
・各システムに散在する顧客・売上情報、及び、将来的に
収集予定のアクセスログを蓄積（高速処理）するDB基盤
として“ＤＢ２ BLUアクセラレーション”を採用。
・ＩＴに精通しないユーザも利用可能な操作性に優れる分析
予測ツールとして“SPSS，Cognos BI”を採用。
ソリューション
新情報系（分析）基盤
【プロジェクト期間】約２．５ヶ月【データ量】１TB未満
規模
データマートのスモールスタート事例

グローバル化に対応する連続稼動と可用性の向上
DB2のクラスター技術 - DB2 pureScale -

既存のテクノロジーの限界を超える
サーバ追加で思ったとおりスケー
ルしない
アプリ・データ分割でチューニング
しなければスケールしない
障害・メンテナンス時にリカバリー
までの間、停止を伴う
他社ディスク・シェア型
アーキテクチャーの限界
1
2
3
爆発的なトランザクション増加へ
の備え
スピーディかつ低コストなサービ
ス拡張
サービスレベルを落とさない
運用
経営者・技術者の期待
「ノンストップ」、「スケーラビリティ」、「スピード」を追求した
データベース・インフラ技術
1
2
3

DB2のクラスター構成
 アクティブ－スタンバイ型の
高可用性クラスター
HAクラスターSWによる
障害検知と待機系への
引継ぎ
・ログシッピングによる
レプリカのメンテ
・各種同期モード
（同期、近同期、非同期、
超非同期）
・シェアード・ナッシング
・大規模DBの高速並列処理
・高い拡張性
・アクティブ-アクティブ構成
・シェアード・ディスク
・大規模OLTPに対する
連続可用性と拡張性
・アクティブ－アクティブ構成
 HADR
（High Availability Disaster Recovery）
 データベース・パーティショニング
– DPF (Database Partitioning
Feature)
– PureData for Operational
Analytics
 DB2 pureScale

DB2 pureScale の特長
障害時、メンテナンス時もノンストップ
 障害時・メンテナンス時も稼動し続ける
 安定したパフォーマンスで連続的なデータアクセスを提供
高いスケーラビリティ
 サーバーを追加した分、パフォーマンスが向上する
 小さな構成から始め、ビジネスの成長にあわせて拡張
アプリケーション変更の無い即時拡張
 アプリケーションの変更と停止をせずに容易に拡張できる
 クラスター構成のためのアプリケーション変更のリスクとコストを低減
1
2
3
IBMメインフレームのデザインをオープン系プラットフォームで踏襲
他社のHAクラスター、スケールアウト・ソリューションの限界を超えるデザイン

DB2 for z/OSデータシェア他社の尊敬を集めるアーキテクチャーがモデル
• スケーラビリティと高可用性におけるゴールド・スタンダードとして、
だれもがDB2 for z/OS を認めています。
Oracle社のCEO ラリー・エリソン
「わたしは、いろいろなデータベースをけなしている。ただし、メインフ
レーム版のDB2を除いて。
メインフレーム版のDB2は、第一級の技術だ。」
 理由
– z/OS全体でカップリング・ファシリティ(CF)を使用
• ロックとキャッシュの集中管理により、優れたスケーラビリティと可用性を実現
pureScaleはソフトウェア・テクノロジーでCFを実装
pureScale開発背景 pureScaleは何をモデルに？

データ共用アーキテクチャー
～スケーラビリティーと高可用性を共に実現～
データ
メンバー
データ
メンバー
データ
メンバー
データ
メンバー
データ
更新データ
データの共有（Shared Data）
ローカル・キャッシュ
（LBP: Local Buffer Pool）
共有キャッシュ（GBP: Group Buffer Pool）
による最新データの一元管理
CF
GLM（Global Lock Manger）による
ロック情報の一元管理
データ共用グループ
「DB2/z Sysplexデータ共用」は、専用HWと専用OSによるクラスタリング技術（並列Sysplex）と
DB2 for z/OSが緊密に連携することで、データ共用システムを実現している。
「DB2 pureScale」は、DB2/LUWと他のソフトウェアおよびオープン技術を組み合わせ、オープン系
プラットフォーム上で、データ共用システムを実現している。

複数のサーバーで稼働する DB2
エンジン
データ共有のアーキテクチャー
Cluster caching facility (CF)
による一元管理
低レイテンシー、高速の相互接続
クライアントがどこでつながっても…
… 単一のデータベースに見える
統合されたクラスター・サービス
単一のデータベース・
ビュー
DB2 DB2 DB2
共有ストレージ・アクセス
プライマリー
CF
セカンダリー
CF
ログログログログ
データベース
DB2
メンバーメンバーメンバーメンバー
CSCS CS
CS CS
CS
DB2 pureScale アーキテクチャーの概要
アプリケーション
サーバー

データ共用システムを支える様々な技術
CF上の共有情報やノード間通信の高速化
メンバー間でデータを共有する負荷の最適化
更新データのディスクへの効率的な反映
メンバー間でロック情報を共有する負荷の
最適化
リカバリー時におけるメンバー間での更新順序
の保証
SPOFとなりうるコンポーネントへの二重化
メンバー障害が全体障害にならないための
仕組み
メンバー障害時におけるデータの整合性の維持
メンバーやノードの迅速な障害検知と切り離し
高いスケーラビリティーを
実現するための仕組み
高い可用性を実現するための仕組み
GBPキャッシング
グローバル・ロッキング
クロス・インバリデーション
データ一貫性の中核となる基礎技術
メンバーメンバーメンバーメンバー
CF CF
データ共用システムは、企業インフラを支えるデータベースに求め
られる3つの要素を実現するために、様々な技術に支えられている

DB2 10.5 pureScaleの機能強化
 高可用性災害時リカバリー (HADR)
 ローリング・フィックスパック更新
 メンバーのオンライン追加
 トポロジー変更 (バックアップとリストア)
 スナップショット・バックアップ・スクリプト
 メンバー・サブセット
 メンバーごとのセルフチューニング・メモリー・マネジメント
 ランダムなキー索引

DB2 pureScale の高可用性災害リカバリー (HADR)
 統合された災害時リカバリーソリューション
 非常に容易なセットアップ、構成および管理
 以下をサポート :
 非同期、超非同期モード
 遅延時間の適用
 ログ・スプーリング
 非強制テークオーバー (役割の切り替え) および強制テークオーバー (フェイルオーバー) の両
方
 メンバー・トポロジーはプライマリー・クラスターとスタンバイ・クラスターの間で同じ
 異なる物理的構成は許可される (少ないリソース、LPARの共有等)
CFCF CFCF
プライマリー
pureScale クラスター
スタンバイ DR
pureScale クラスター
HADR

まとめ：DB2 10.5のシンプルなライセンスと先進的なエディション
限定的なキャパシティーフルキャパシティー
コア機能
先進的な
機能 • 小規模なOLTPシステムおよび分析システム用
• 主に大企業内の部門環境または中小規模企業でのシ
ステム用
• TB、メモリー、ソケット、およびコアによる制限あり
• BLU、pureScale、およびDPFの実装モデルをサポート
• 全社的なOLTPシステムおよび分析システム用
• 全社的な要件およびデータセンター全体の要件に対応
• TB、メモリー、ソケット、コアによる制限なし
• BLU、pureScale、およびDPFの実装モデルをサポート
• エントリー・レベルのソリューション
• それほど大量のデータを処理しないワークロードの
サーバー向け
• TB、メモリー、ソケット、およびコアによる制限あり
• BLU、pureScale、またはDPFの実装モデルのサポート
なし
• エントリー・レベルのソリューション
• 全社的なワークロードまたはより大量のデータを処理する
ワークロードのサーバー向け
• TB、メモリー、ソケット、あるいはコアによる制限なし
• BLU、pureScale、またはDPFの実装モデルのサポートなし
部門向けエンタープライズ向け
DB2 Advanced Workgroup
Server Edition
DB2 Advanced Enterprise
Server Edition
DB2 Workgroup
Server Edition
DB2 Enterprise
Server Edition
DB2 Developer Edition DB2 CEO
DB2 Express、DB2 Express-C DB2 Advanced CEO

ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独自の見解を反映したものです。それらは情
報提供の目的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助言を意図したものではなく、またそのような結果を生
むものでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努力しましたが、「現状のまま」提供され、明示ま
たは暗示にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使用によって、あるいはその他の関連によって、いか
なる損害が生じた場合も、IBMは責任を負わないものとします。本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者
からいかなる保証または表明を引きだすことを意図したものでも、IBMソフトウェアの使用を規定する適用ライセンス契約の条項を変更することを意
図したものでもなく、またそのような結果を生むものでもありません。
本講演資料でIBM製品、プログラム、またはサービスに言及していても、IBMが営業活動を行っているすべての国でそれらが使用可能であることを暗
示するものではありません。本講演資料で言及している製品リリース日付や製品機能は、市場機会またはその他の要因に基づいてIBM独自の決定権を
もっていつでも変更できるものとし、いかなる方法においても将来の製品または機能が使用可能になると確約することを意図したものではありません。
本講演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上高の向上、またはその他の結果が生じると述べる、または暗示す
ることを意図したものでも、またそのような結果を生むものでもありません。パフォーマンスは、管理された環境において標準的なIBMベンチマーク
を使用した測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマル
チプログラミングの量、入出力構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。し
たがって、個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。
記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使用したか、またそれらのお客様が達成した結果の実例として示され
たものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。
IBM、IBM ロゴ、ibm.com、AIX、Cognos、DB2、Power7、PureData、PureScale、PureXML、SPSS、および z/OS は、世界の多くの国で登録され
たInternational Business Machines Corporationの商標です。
他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。
現時点での IBM の商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。
Linuxは、Linus Torvaldsの米国およびその他の国における登録商標です。
Windows は Microsoft Corporationの米国およびその他の国における商標です。
JavaおよびすべてのJava関連の商標およびロゴは Oracleやその関連会社の米国およびその他の国における商標または登録商標です。
特記事項

ビッグデータ時代に対応する最新データベース・テクノロジーとは？

Recommended

Recommended

More Related Content

What's hot

What's hot (19)

Viewers also liked

Viewers also liked (9)

Similar to ビッグデータ時代に対応する最新データベース・テクノロジーとは？

Similar to ビッグデータ時代に対応する最新データベース・テクノロジーとは？ (20)