Submit Search
Upload
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?
•
0 likes
•
1,013 views
J
japan_db2
Follow
DB2 BLUアクセラレーションとDB2 pureScaleを中心にDB2の機能を解説
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 38
Download now
Download to read offline
Recommended
「カラム型」が実現するビッグデータの高速処理
「カラム型」が実現するビッグデータの高速処理
japan_db2
Soft layer環境でのdb2構成ガイド
Soft layer環境でのdb2構成ガイド
japan_db2
Db2 Warehouse on Cloud Flex テクニカルハンドブック 2020年3月版
Db2 Warehouse on Cloud Flex テクニカルハンドブック 2020年3月版
IBM Analytics Japan
Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版
Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版
IBM Analytics Japan
Db2リブランディングと製品動向 201707
Db2リブランディングと製品動向 201707
IBM Analytics Japan
Hybrid configurations db2_for_slideshare
Hybrid configurations db2_for_slideshare
japan_db2
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
IBM Analytics Japan
Open for data_summer_for_slideshare
Open for data_summer_for_slideshare
japan_db2
Recommended
「カラム型」が実現するビッグデータの高速処理
「カラム型」が実現するビッグデータの高速処理
japan_db2
Soft layer環境でのdb2構成ガイド
Soft layer環境でのdb2構成ガイド
japan_db2
Db2 Warehouse on Cloud Flex テクニカルハンドブック 2020年3月版
Db2 Warehouse on Cloud Flex テクニカルハンドブック 2020年3月版
IBM Analytics Japan
Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版
Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版
IBM Analytics Japan
Db2リブランディングと製品動向 201707
Db2リブランディングと製品動向 201707
IBM Analytics Japan
Hybrid configurations db2_for_slideshare
Hybrid configurations db2_for_slideshare
japan_db2
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
Db2 & Db2 Warehouse v11.5.4 最新情報アップデート2020年8月25日
IBM Analytics Japan
Open for data_summer_for_slideshare
Open for data_summer_for_slideshare
japan_db2
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
Insight Technology, Inc.
DB2をAWS上に構築する際のヒント&TIPS 2018年1月版
DB2をAWS上に構築する際のヒント&TIPS 2018年1月版
Akira Shimosako
DB2をAWS上に構築する際のヒント&TIPS
DB2をAWS上に構築する際のヒント&TIPS
Akira Shimosako
[db tech showcase Tokyo 2017] E24: 流行りに乗っていれば幸せになれますか?数あるデータベースの中から敢えて今Db2が選ば...
[db tech showcase Tokyo 2017] E24: 流行りに乗っていれば幸せになれますか?数あるデータベースの中から敢えて今Db2が選ば...
Insight Technology, Inc.
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] B12:カラムストアデータベースの技術と活用法 by 日本電気株式会社 田村稔
[db tech showcase Tokyo 2015] B12:カラムストアデータベースの技術と活用法 by 日本電気株式会社 田村稔
Insight Technology, Inc.
[20171019 三木会] データベース・マイグレーションについて by 株式会社シー・エス・イー 藤井 元雄 氏
[20171019 三木会] データベース・マイグレーションについて by 株式会社シー・エス・イー 藤井 元雄 氏
Insight Technology, Inc.
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
griddb
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
Insight Technology, Inc.
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
Takayuki Nakayama
IBM i : Power Systems 向け統合オペレーティング環境についての IBM の戦略およびロードマップに関するエグゼクティブ 向けガイド
IBM i : Power Systems 向け統合オペレーティング環境についての IBM の戦略およびロードマップに関するエグゼクティブ 向けガイド
IBM Systems @ IBM Japan, Ltd.
第22回-第1部「この価格でここまでできる!驚愕のエントリー・ストレージ活用方法」-IBM Storwize V3700-(2012/11/29 on し...
第22回-第1部「この価格でここまでできる!驚愕のエントリー・ストレージ活用方法」-IBM Storwize V3700-(2012/11/29 on し...
System x 部 (生!) : しすなま! @ Lenovo Enterprise Solutions Ltd.
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
Insight Technology, Inc.
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
Insight Technology, Inc.
エバンジェリストが語るパワーシステム特論 ~ 第1回:IBMオフコンはいかにして生き残れたのか?
エバンジェリストが語るパワーシステム特論 ~ 第1回:IBMオフコンはいかにして生き残れたのか?
Takumi Kurosawa
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
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
Insight Technology, Inc.
第19回「IBM Smarter Storage、ストレージに関するビジョンと展望」(2012/08/23 on しすなま!)
第19回「IBM Smarter Storage、ストレージに関するビジョンと展望」(2012/08/23 on しすなま!)
System x 部 (生!) : しすなま! @ Lenovo Enterprise Solutions Ltd.
RWC2012(ワコムアイティ&テクノプロジェクト)
RWC2012(ワコムアイティ&テクノプロジェクト)
Techno Project Co., Ltd.
マーケティング3.0
マーケティング3.0
Yuta Kato
1410リーンプロダクトアウト
1410リーンプロダクトアウト
shigeu utsunomiya
マーケティング3.0の時代/ marketing 3.0
マーケティング3.0の時代/ marketing 3.0
Courslide
More Related Content
What's hot
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
Insight Technology, Inc.
DB2をAWS上に構築する際のヒント&TIPS 2018年1月版
DB2をAWS上に構築する際のヒント&TIPS 2018年1月版
Akira Shimosako
DB2をAWS上に構築する際のヒント&TIPS
DB2をAWS上に構築する際のヒント&TIPS
Akira Shimosako
[db tech showcase Tokyo 2017] E24: 流行りに乗っていれば幸せになれますか?数あるデータベースの中から敢えて今Db2が選ば...
[db tech showcase Tokyo 2017] E24: 流行りに乗っていれば幸せになれますか?数あるデータベースの中から敢えて今Db2が選ば...
Insight Technology, Inc.
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
Insight Technology, Inc.
[db tech showcase Tokyo 2015] B12:カラムストアデータベースの技術と活用法 by 日本電気株式会社 田村稔
[db tech showcase Tokyo 2015] B12:カラムストアデータベースの技術と活用法 by 日本電気株式会社 田村稔
Insight Technology, Inc.
[20171019 三木会] データベース・マイグレーションについて by 株式会社シー・エス・イー 藤井 元雄 氏
[20171019 三木会] データベース・マイグレーションについて by 株式会社シー・エス・イー 藤井 元雄 氏
Insight Technology, Inc.
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
griddb
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
Insight Technology, Inc.
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
Takayuki Nakayama
IBM i : Power Systems 向け統合オペレーティング環境についての IBM の戦略およびロードマップに関するエグゼクティブ 向けガイド
IBM i : Power Systems 向け統合オペレーティング環境についての IBM の戦略およびロードマップに関するエグゼクティブ 向けガイド
IBM Systems @ IBM Japan, Ltd.
第22回-第1部「この価格でここまでできる!驚愕のエントリー・ストレージ活用方法」-IBM Storwize V3700-(2012/11/29 on し...
第22回-第1部「この価格でここまでできる!驚愕のエントリー・ストレージ活用方法」-IBM Storwize V3700-(2012/11/29 on し...
System x 部 (生!) : しすなま! @ Lenovo Enterprise Solutions Ltd.
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
Insight Technology, Inc.
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
Insight Technology, Inc.
エバンジェリストが語るパワーシステム特論 ~ 第1回:IBMオフコンはいかにして生き残れたのか?
エバンジェリストが語るパワーシステム特論 ~ 第1回:IBMオフコンはいかにして生き残れたのか?
Takumi Kurosawa
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
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
Insight Technology, Inc.
第19回「IBM Smarter Storage、ストレージに関するビジョンと展望」(2012/08/23 on しすなま!)
第19回「IBM Smarter Storage、ストレージに関するビジョンと展望」(2012/08/23 on しすなま!)
System x 部 (生!) : しすなま! @ Lenovo Enterprise Solutions Ltd.
RWC2012(ワコムアイティ&テクノプロジェクト)
RWC2012(ワコムアイティ&テクノプロジェクト)
Techno Project Co., Ltd.
What's hot
(19)
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
A12 既存のデータベース環境で分析業務を加速させるには? DB2が実現するソフトウエア分析ソリューション(DB2 BLU Acceleration)の仕...
DB2をAWS上に構築する際のヒント&TIPS 2018年1月版
DB2をAWS上に構築する際のヒント&TIPS 2018年1月版
DB2をAWS上に構築する際のヒント&TIPS
DB2をAWS上に構築する際のヒント&TIPS
[db tech showcase Tokyo 2017] E24: 流行りに乗っていれば幸せになれますか?数あるデータベースの中から敢えて今Db2が選ば...
[db tech showcase Tokyo 2017] E24: 流行りに乗っていれば幸せになれますか?数あるデータベースの中から敢えて今Db2が選ば...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Tokyo 2015] B12:カラムストアデータベースの技術と活用法 by 日本電気株式会社 田村稔
[db tech showcase Tokyo 2015] B12:カラムストアデータベースの技術と活用法 by 日本電気株式会社 田村稔
[20171019 三木会] データベース・マイグレーションについて by 株式会社シー・エス・イー 藤井 元雄 氏
[20171019 三木会] データベース・マイグレーションについて by 株式会社シー・エス・イー 藤井 元雄 氏
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
IBM i : Power Systems 向け統合オペレーティング環境についての IBM の戦略およびロードマップに関するエグゼクティブ 向けガイド
IBM i : Power Systems 向け統合オペレーティング環境についての IBM の戦略およびロードマップに関するエグゼクティブ 向けガイド
第22回-第1部「この価格でここまでできる!驚愕のエントリー・ストレージ活用方法」-IBM Storwize V3700-(2012/11/29 on し...
第22回-第1部「この価格でここまでできる!驚愕のエントリー・ストレージ活用方法」-IBM Storwize V3700-(2012/11/29 on し...
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
エバンジェリストが語るパワーシステム特論 ~ 第1回:IBMオフコンはいかにして生き残れたのか?
エバンジェリストが語るパワーシステム特論 ~ 第1回:IBMオフコンはいかにして生き残れたのか?
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
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
[db tech showcase Tokyo 2015] D16:マイケルストーンブレーカー発の超高速データベースで実現する分析基盤の簡単構築・運用ステ...
第19回「IBM Smarter Storage、ストレージに関するビジョンと展望」(2012/08/23 on しすなま!)
第19回「IBM Smarter Storage、ストレージに関するビジョンと展望」(2012/08/23 on しすなま!)
RWC2012(ワコムアイティ&テクノプロジェクト)
RWC2012(ワコムアイティ&テクノプロジェクト)
Viewers also liked
マーケティング3.0
マーケティング3.0
Yuta Kato
1410リーンプロダクトアウト
1410リーンプロダクトアウト
shigeu utsunomiya
マーケティング3.0の時代/ marketing 3.0
マーケティング3.0の時代/ marketing 3.0
Courslide
「カラム型」が実現するビッグデータの高速処理
「カラム型」が実現するビッグデータの高速処理
japan_db2
マーケティング3.0 セミナー資料
マーケティング3.0 セミナー資料
潤 櫻田
マーケティング科学第1回(スライドシェア用)
マーケティング科学第1回(スライドシェア用)
Shinya Fujimura
デジタルアナリティクス入門
デジタルアナリティクス入門
Koji Fukuoka
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方
Koji Fukuoka
デジタルマーケティング入門
デジタルマーケティング入門
Koji Fukuoka
Viewers also liked
(9)
マーケティング3.0
マーケティング3.0
1410リーンプロダクトアウト
1410リーンプロダクトアウト
マーケティング3.0の時代/ marketing 3.0
マーケティング3.0の時代/ marketing 3.0
「カラム型」が実現するビッグデータの高速処理
「カラム型」が実現するビッグデータの高速処理
マーケティング3.0 セミナー資料
マーケティング3.0 セミナー資料
マーケティング科学第1回(スライドシェア用)
マーケティング科学第1回(スライドシェア用)
デジタルアナリティクス入門
デジタルアナリティクス入門
デジタルマーケティング 基本と考え方
デジタルマーケティング 基本と考え方
デジタルマーケティング入門
デジタルマーケティング入門
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?
ビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDB
griddb
20161213_FinTech時代に求められるDB開発とセキュリティ by 株式会社インサイトテクノロジー 阿部健一
20161213_FinTech時代に求められるDB開発とセキュリティ by 株式会社インサイトテクノロジー 阿部健一
Insight Technology, Inc.
[A34] HDDからインメモリーテクノジーへ by Yusuke Miyake
[A34] HDDからインメモリーテクノジーへ by Yusuke Miyake
Insight Technology, Inc.
Datalake最新情報セミナー
Datalake最新情報セミナー
mtanaka0111
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
Insight Technology, Inc.
2019 think summit 世界初のAIデータベース
2019 think summit 世界初のAIデータベース
Natsumi Yotsumoto
2017秋「クラウドファースト時代における基幹業務システム開発革新セミナー」 超高速開発を実現するIBMクラウドの最新情報ご紹介2017
2017秋「クラウドファースト時代における基幹業務システム開発革新セミナー」 超高速開発を実現するIBMクラウドの最新情報ご紹介2017
Tsuyoshi Hirayama
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
griddb
2014.11.12 ibm bluemix pdf
2014.11.12 ibm bluemix pdf
Yuichiro Maki
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
Insight Technology, Inc.
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
griddb
Amazon Redshift 概要 (20分版)
Amazon Redshift 概要 (20分版)
Amazon Web Services Japan
クラウド概要 by Engine Yard
クラウド概要 by Engine Yard
Yu Kitazume
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
kurikiyo
Developers Summit 2018: ストリームとバッチを融合したBigData Analytics ~事例とデモから見えてくる、これからのデー...
Developers Summit 2018: ストリームとバッチを融合したBigData Analytics ~事例とデモから見えてくる、これからのデー...
オラクルエンジニア通信
【de:code 2020】 二兎追う者は二兎を得る!クラウド VDI で利便性とセキュリティのどちらも手に入れる!
【de:code 2020】 二兎追う者は二兎を得る!クラウド VDI で利便性とセキュリティのどちらも手に入れる!
日本マイクロソフト株式会社
エバンジェリストが語るパワーシステム特論 ~ 第3回:IBMオフコンはいかにして生き残れたのか?~第二章~
エバンジェリストが語るパワーシステム特論 ~ 第3回:IBMオフコンはいかにして生き残れたのか?~第二章~
Takumi Kurosawa
オンプレ回帰も簡単実現!自由自在なデータベース運用とは
オンプレ回帰も簡単実現!自由自在なデータベース運用とは
株式会社クライム
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
Insight Technology, Inc.
Openfordatasummerforslideshare 160816054829
Openfordatasummerforslideshare 160816054829
mtanaka0111
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)
ビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDB
20161213_FinTech時代に求められるDB開発とセキュリティ by 株式会社インサイトテクノロジー 阿部健一
20161213_FinTech時代に求められるDB開発とセキュリティ by 株式会社インサイトテクノロジー 阿部健一
[A34] HDDからインメモリーテクノジーへ by Yusuke Miyake
[A34] HDDからインメモリーテクノジーへ by Yusuke Miyake
Datalake最新情報セミナー
Datalake最新情報セミナー
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
[db tech showcase Tokyo 2014] L34: そのデータベース 5年後大丈夫ですか by 日本ヒューレット・パッカード株式会社 後藤宏
2019 think summit 世界初のAIデータベース
2019 think summit 世界初のAIデータベース
2017秋「クラウドファースト時代における基幹業務システム開発革新セミナー」 超高速開発を実現するIBMクラウドの最新情報ご紹介2017
2017秋「クラウドファースト時代における基幹業務システム開発革新セミナー」 超高速開発を実現するIBMクラウドの最新情報ご紹介2017
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
2014.11.12 ibm bluemix pdf
2014.11.12 ibm bluemix pdf
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
Amazon Redshift 概要 (20分版)
Amazon Redshift 概要 (20分版)
クラウド概要 by Engine Yard
クラウド概要 by Engine Yard
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
Developers Summit 2018: ストリームとバッチを融合したBigData Analytics ~事例とデモから見えてくる、これからのデー...
Developers Summit 2018: ストリームとバッチを融合したBigData Analytics ~事例とデモから見えてくる、これからのデー...
【de:code 2020】 二兎追う者は二兎を得る!クラウド VDI で利便性とセキュリティのどちらも手に入れる!
【de:code 2020】 二兎追う者は二兎を得る!クラウド VDI で利便性とセキュリティのどちらも手に入れる!
エバンジェリストが語るパワーシステム特論 ~ 第3回:IBMオフコンはいかにして生き残れたのか?~第二章~
エバンジェリストが語るパワーシステム特論 ~ 第3回:IBMオフコンはいかにして生き残れたのか?~第二章~
オンプレ回帰も簡単実現!自由自在なデータベース運用とは
オンプレ回帰も簡単実現!自由自在なデータベース運用とは
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
Openfordatasummerforslideshare 160816054829
Openfordatasummerforslideshare 160816054829
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?
1.
© 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・マネジメント事業部 平野 真弓
2.
© 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
3.
© 2014 IBM
Corporation3 ビッグデータ時代とDB2 DB2 for Linux, UNIX and Windows
4.
© 2014 IBM
Corporation4 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
5.
© 2014 IBM
Corporation5 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
6.
© 2014 IBM
Corporation6 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
7.
© 2014 IBM
Corporation7 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
8.
© 2014 IBM
Corporation8 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
9.
© 2014 IBM
Corporation9 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
10.
© 2014 IBM
Corporation10 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
11.
© 2014 IBM
Corporation11 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
12.
© 2014 IBM
Corporation12 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
13.
© 2014 IBM
Corporation13 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)
14.
© 2014 IBM
Corporation14 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
15.
© 2014 IBM
Corporation15 なぜ速い? 技術的なことを少しご紹介
16.
© 2014 IBM
Corporation16 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
17.
© 2014 IBM
Corporation17 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
18.
© 2014 IBM
Corporation18 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
19.
© 2014 IBM
Corporation19 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
20.
© 2014 IBM
Corporation20 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
21.
© 2014 IBM
Corporation21 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
22.
© 2014 IBM
Corporation22 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!
23.
© 2014 IBM
Corporation23 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
24.
© 2014 IBM
Corporation24 お客様の評価は?
25.
© 2014 IBM
Corporation25 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
26.
© 2014 IBM
Corporation26 ・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 IBM DB2 BLU IBM Cognos IBM SPSS ・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
27.
© 2014 IBM
Corporation27 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 -
28.
© 2014 IBM
Corporation2828 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
29.
© 2014 IBM
Corporation29 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
30.
© 2014 IBM
Corporation3030 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
31.
© 2014 IBM
Corporation31 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?
32.
© 2014 IBM
Corporation32 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。
33.
© 2014 IBM
Corporation33 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
34.
© 2014 IBM
Corporation34 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
35.
© 2014 IBM
Corporation35 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
36.
© 2014 IBM
Corporation36 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
37.
© 2014 IBM
Corporation37 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
38.
© 2014 IBM
Corporation38 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
Download now