[D13] 次世代型インメモリデータベース SAP HANA その最新技術を理解する by Toshihisa Hanaki

次世代型インメモリデータベース SAP HANA
その最新技術を理解する
花木敏久
SAPジャパン株式会社
2013/11/13

免責条項
このプレゼンテーションに含まれる情報は機密であり、SAPの専有情報であり、SAPの許可な
く開示することはできません。このプレゼンテーションは、御社とのライセンス契約やその他
のサービス、SAPとのサブスクリプションに関する合意書とは無関係です。SAPはこの文書や
関連するプレゼンテーションに記載された事業を遂行することについて、またそれらに記載さ
れている機能の開発やリリースについて何ら義務を負いません。この文書や関連するプレゼン
テーション、SAPの戦略や将来的な開発、製品やプラットフォームの方針や機能についてはす
べて、予告なく変更される場合があります。この文書に含まれる情報は、何らかの資料、コー
ドまたは機能の提供を確約したり、約束したりするものではなく、また法的な義務を負うもの
ではありません。この文書は、明示・黙示を問わず、また商品性、特定目的適合性、非侵害に
関する暗黙の保証等（これらに限りません）何らの保証も提供するものではありません。この
文書は情報提供の目的のもので、契約書には含まれません。SAPは誤字・脱字や誤りなどに責
任を負わず、またこの文書の使用により生じた直接損害、間接損害、結果損害等（これらに限
りません）、いかなる種類の損害にも責任を負いません。

将来に関する記述にはすべてに様々なリスクや不確定要素があり、実際の結果が期待値と大き
く異なる場合もあります。これらの将来的な記述は書かれた時点の情報にすぎませんので、過
度に信頼しないようご注意いただくとともに、購入の意思決定の根拠としないようにしてくだ
さい。

©  2013 SAP AG. All rights reserved.

2

自己紹介


3

SAPによるデータ管理のイノベーション
エンタープライズアプリケーションのためのリアルタイムプラットフォーム

インメモリカラム型データベースによるOLTPと
OLAPの同一データベースアプローチ
ハッソ・プラットナー SAP共同設立者

VS

トランザクション処理
（基幹系）

分析/計画/解析処理
（情報系）

高速化処理
（補完技術）

インメモリネィティブのトラ
ンザクション＋計画＋シュミ
レーション＋分析

イノベーションによるトランスフォーメーションと
お客様フォーカス

5

今日のテクノロジーにおけるトレードオフ
現在の情報処理アーキテクチャにはブレークスルーが必要

DEEP
粒度の細かいデータへの
複雑かつ繰り返しの問い合わせ

OR

HIGH SPEED
対話的な
高速レスポンス

DEEP
粒度の細かいデータへの
複雑かつ繰り返しの問い合わせ

HIGH SPEED
対話的な
高速レスポンス

BROAD
ビッグデータ、
多様なデータ

SIMPLE
データの事前加工、
事前集計、
処理のためのチューニング
が不要

REAL -TIME
直近のデータで
完全なリアルタイム

SIMPLE
データの事前加工、
事前集計、
処理のためのチューニング
が不要

6

OLTP、OLAP そして HW の高速処理を結合
Yesterday
複雑、重複、分断

SAP HANA
簡単、シンプル、リアルタイム

cache

オンライン処理

分析

高速化

Ÿ  複数個所でのデータコピー
Ÿ  異なるデータモデル
Ÿ  分断されたシステム構成


OLTP
+ OLAP

In-memory
acceleration

Ÿ  待ち時間不要
Ÿ  シンプルで少ないH/W構成
Ÿ  新たな可能性を創造

7

インメモリーのパワー

Cache
Query Results
Query

Aggregates
Indexes
SAP HANA
Data Warehouse

ETL

Operational Data Store
Copy

Data


9

OLTP＋OLAPで求められる5つの要件を唯一実現したDB
Deep
粒度の細かいデータに対して複雑でイン
ターラクティブなクエリでアクセス

Broad
ビッグデータ、多くの
データタイプ

Real-time
最新のデータ、できればリ
アルタイム


High Speed
高速レスポンスタイ
ム、双方向性

Simple
データ準備なし、事前集計なし、
チューニングなし。

10

リアルタイムビジネスにとってのデータ管理を再考する
冗長なデータ複製、マテリアライズ、データモデルを排除する必要性

インメモリー・カラムナー・データベースという
手法により、OLTPとOLAPを1つの共通データ
ベースで扱えるようにする
Hasso Plattner

トランザクション、分析、高速化は
分離されている

トランザクションと分析を1つのデータコピー
上で、かつメモリー上で。

SAP HANA
ETL

トランザクション

ETL

分析

Cache

VS

(DRAM)

高速化

Ÿ  異なるデータモデルで、3つのコピーが存在

Ÿ  不要な複雑さと遅延を排除

Ÿ  避けれないデータ遅延

Ÿ  管理するハードウェアが少なく

Ÿ  リソースの浪費と低いイノベーション

Ÿ  イノベーションとシンプル化を加速


11

インメモリーデータベース
コア機能

最新のハードウエア＆ソフトウェアアーキテクチャ
DBMSの再設計による遅延時間の低減

Multi-Core Architecture

64bit address space

8 CPU x 10 Cores per blade

1 TB in current servers

Massive parallel scaling with many blades

Dramatic decline in price/performance

CPU

L3
Cache

L3
Cache

L3
Cache

L3
Cache

L3
Cache

L3
Cache

L3
Cache

L3
Cache

メモリー
カラムストアによる
OLTP+OLAP サ
ポート

パーティショニング

デルタ領域へ
インサートONLY

集計テーブルなし
(Dynamic Aggregation)

圧縮

Logging and Backup

ストレージ
Solid State

Flash

HDD
13

カラム＆ローストア
Ÿ  一般的なDBはローストア; SAP HANAは両方をサポートし、カラムストアに最
適化されている
Country

France

Italy

Italy

Spain

Product

corn

wheat

corn

rice

456

corn

1000

457

Italy

wheat

900

458

Sales

1000

900

600

800

France

Italy

corn

600

459

Order

456

457

458

459

Spain

rice

800

Row order organization

456

457

458

459

France

Italy

Italy

Spain

corn

wheat

corn

rice

1000

900

600

800

Σ

Single-record access:
SELECT * FROM SalesOrders
Single-scan aggregation:
WHERE Order = ‘457’
SELECT Country, SUM(sales) FROM
SalesOrders WHERE Product=‘corn’
GROUP BY Country

Column order organization


14

データ圧縮
1次圧縮としての辞書圧縮
例：カラム辞書圧縮
Ÿ  カラム単位で辞書を作成
Ÿ  逆インデックスの参照も可能
テーブル
ROW
ID

辞書

国

商品

売上

5

注文
No

456

457

458

459

460

France

Italy

Spain

Italy

Denmark

corn

wheat

rice

rice

corn

1000

900

600

800

500

6

461

Denmark

rice

600

7

462

463

Belgium

Italy

rice

rice

600

1100

…

…

…

…

1

2

3

4

8


1

2

3

4

5

Belgium

Denmark

France

Italy

Spain

Dictionary
5 entries, so
need 3 bits to
encode!

圧縮されたカラム
(bit fields)
逆インデックス
1

2

3

4

5

6

7

8

3

4

5

4

2

2

1

4

…

…

注文No 460は
どこの国です
か？

1

2

3

4

5

7

5,6

1

2,4,8

3

イタリアの注
文Noはどれで
すか？

15

データ圧縮
2次圧縮
例：Columnnar Run-length Encoding
Ÿ  カラムメモリ内の繰り返し値を圧縮
Ÿ  ソート済カラムで有効に動作
国

Logical Table
ROW

ID

1

2

3

4

5

6

7

8

注文No

456

457

458

459

460

461

462

463

国

商品

売上

France

corn
1000

Italy

wheat
900

Spain

rice

600

Italy

rice

800

Denmark
corn
500

Denmark
rice

600

Belgium
rice

600

Italy

rice
1100

…

…

…

…

1

2

3

4

5

Belgium

Denmark

France

Italy

Spain

3

4

5

4

2x2

1

4

商品
1
corn

2
wheat

3
rice

1

2

3x2

1

3x3

…

…


16

インサートオンリーアーキテクチャ
カラムストアテーブルで高速更新を実現する秘密技

Write
オペレー
ション

メイン
ストレージ

デルタ
ストレージ

マージ後

マージ中

マージ前

マージ
オペレーション

メイン
ストレージ

Read

メイン
ストレージ
(New)

デルタ
ストレージ

Read

Write
オペレー
ション

デルタ
ストレージ
(New)

Write
オペレー
ション

メイン
ストレージ
(New)

デルタ
ストレージ
(New)

Read

"

デルタマージオペレーションを完結するために、新しいメインとデルタは内部で使用される。

"

テーブルレベルで実行

"

メインストレージ（New）は、アップデートされた行や削除された行の古いバージョンを上書きか削除。

"

古いデルタストレージにコミットされていない変更は、新しいデルタストレージにコピーされる。


17

並列列処理理

Ÿ  単一SQLを内部で並列化
Ÿ  同時アクセスユーザ
Ÿ  クエリ内の同時実行オペレー
ション
垂
直
Ÿ  データパーティショニングを 
方
単一ホストもしくは複数ホストで向
実行。
Ÿ  単一クエリをマルチコア・スレッ
ドを利用して 
垂直方向及び水平方向への並
列化 


水平方向
quant.

150

60

100

45

75

84

96

162

45

366

type

43

12

12

33

33

12

32

43

12

33

core
1

sales

$1000

$900

$600

$800

$500

core
2

$750

$600

$600

$1100

$450

$2000

パーティションA

core
3
パーティションB

core
4

18

アプリケーション開発機能

データとアプリケーションのシンプル化
リアルタイムコンピューティングのデザインパターンをソフトウェアアーキテクチャ全体で実現

シンプル化

集中化

最適化

OLTP + OLAP
in Columnar database

End-to-end
Data Processing

Application
Processing

Predictive

Prescriptive

Machine
Learning

Operational
Analytics

Application Layer

Sentiment
Intelligence

SAP HANA

In-Memory
Database layer

(Main Memory)

SAP HANA
(Main Memory)

Libraries

SAP HANA
(Main Memory)

Transactions

Sensors

Spatial/GIS

• 


アプリケーションサーバ
計画エンジン、計算エンジン

• 

Text

• 
• 

Graph

データベース＆データ処理エンジン

統計・予測・ビジネス関数ライブラリ
20

SAP HANA プラットホーム – データベースを超えて

様々なデバイ
スのサポート

様々なアプリ
様々な

SAP Business Suite
and BW ABAP App Server

SQL

MDX

R

JSON

Open Connectivity

SAP HANA プラットホーム
SQL, SQLScript, JavaScript
地理情報

テキストサーチ

テキストマイニング

ストアドプロシージャ
& データモデル

アプリケーション &
UIサービス

ビジネスファンクショ
ンライブラリ

予測分析ライブラリ

データベース
サービス

計画エンジン

ルールエンジン

インテグレーションサービス

トランザクション

非構造化データ

マシンデータ

HADOOP

リアルタイムデータ

位置情報データ

その他アプリ

SAP HANA プラットホームは、データベース、データ処理、アプリケーション基盤を統合し、予
測分析、計画、テキスト分析、地理情報、ビジネスインテリジェンスの機能を提供することにより、
リアルタイムなビジネスを実現します

21

SAP HANA Native Application Basics

–  Presentation logic
o  GUI定義、操作イベント処理
o  クライアント（ブラウザ、携帯電話、タブレットPC、
etc）で処理

–  Control flow logic
o  アプリケーション全体の制御ロジック
o  アプリケーション・プログラム（XS、アプリケーショ
ンサーバ）で処理

–  Calculation logic
o  データの抽出/検索、集約、統計分析など
o  SAP HANAで処理


22

SAP HANA – アプリケーションのデータレイヤへの統合
機能

説明

インフォメーションビュー OLAP
（HANA View）
多次元キューブの定義、運用
スクリプト

文字型カラムに格納された文字列に対
する全文検索、テキスト分析
TBD
統計分析モデルに基づく将来動向の
予測

R統合


テキスト検索

予測分析

計画中！

SQLの拡張による多様なロジックの記
述

数学ライブラリ

T

Webアプリケーションの開発実行

R言語による既存分析ルーチンの利用

SAS統合

HANA上でSASの分析を実行する！
23

インフォメーションビュー
これまでBIツール上で⾏行行ってきた多次元データベースのモデリングと運⽤用をインメ
モリDB上で⾏行行うことにより、リアルタイム分析を実現
多次元データベースのモデリング

マスター、ファ
クトテーブルの
選択


ジョインの定義

24

AFL(Application Function Library)とは？

AFLテクノロジーの構成
–  Application Function
o  SAPからAFLとして提供される、C++で記述さ
れた関数群
o  Pridictive Analysis LibraryとBusiness
Function Librarayがリリース済み（SPS05)

–  AFLフレームワーク
o  SAPが提供しサポートするライブラリを実行時
にHANAにロードするためのフレームワーク
o  AFLは、SQLScriptからラッパープロシージャを
介して呼び出される。実行には、特別な権限が
必要。
o  SPS5まではスクリプトベースのアプローチで
あったが、SPS6でApplication Function
Modelerがリリースされ、GUIでラッパープロ
シージャの生成、実行ワークフローの定義を行
えるようになった


25

Predictive Analysis Library (PAL)
迅速な開発支援するHANAネイティブな予測分析アルゴリズムライブラリ
§  Predictive Analysis Libraryとは？
§  SAP HANAに組み込まれた予測関数群
§  クラスタリング、分類、関連性、時系列、加重平
均等の予測関数群の機能を組み込み
§  PALの関数リストはHANAのマニュアルで提供
されます

§  Predictive Analysis Library の価値は？
§  PALは、HANA上でのアプリケーション開発者
に短期間でのアプリケーション開発を提供し、
あわせて顧客にHANAの投資に対する迅速な
リターンを提供
§  大規模メモリ並列処理を活用した優れた性能
を提供
§  PMMLエクスポート機能サポート

PALアルゴリズムの⼀一例例
分類

データ前処理理

q C4.5 デシジョンツリー

q  サンプリング

q CHAID デシジョンツリー

q  ビニング

q 指数回帰分析

q  スケーリング

q k-‐‑‒近傍分類法

q 四分位範囲テスト

q 重回帰分析
q 多項回帰分析など

クラスタリング

アソシエーション
q アプリオリ

q 異異常検出

その他

q K-‐‑‒means

q  ABC分析

q ⾃自⼰己組織化マップ

q 加重スコアテーブル

時系列列
q  ⼀一次指数平滑滑法
q ⼆二次指数平滑滑法
q 三次指数平滑滑法
26

PALの使用方法（AFMベースの開発、SPS6）

AFM(Application Function Manager)
–  AFLのラッパープロシージャ及び事項
ワークフローの開発ツール
–  定義から実行までGUIで作業可能
–  SQLを生成するため、バッチ的実行可
能
使用環境
–  HANA Studio、HANA Client（Regi)
–  AFLインストール済み
–  ユーザ
o  ロール：AFL__SYS_AFL_AFLPAL
o  Object Privilege：REPOSITORY_RESET
o  Package Privilege:REPO_PACKAGE_ROOT

–  XSを使用する


27

Business Functional Library(BFL)
金融関連のビジネスロジック
HANAアプリの迅速な開発を支援するHANAネイティブビジネス機能ライブラリ
Business Functionの⼀一例例

§  Business Function Libraryとは？
§  SAP HANAに組み込まれたビジネス向け関
数群

q  Annual Depreciation

q  Lease

q Cumulate

q  Linar Average

§  例としては、減価償却、在庫最適化、年別
（Year on Year)や遅延等の時間ベースの関
数等のビジネスで用いる計算処理を組み込
み

q  Cycles

q  Max Value

q  Days
q  Delay Stock

q  Moving Average &
Moving Sum

q  Discounted Cash Flow

q  Net present Value

q  Driver

q  Outlook

§  Business Function Libraryの価値は？

q  Feed

§  BFLは、HANA上でのアプリケーション開発者
に短期間でのアプリケーション開発を提供し、
あわせて顧客にHANAの投資に対する迅速
なリターンを提供

q  Forecast Agents

§  大規模メモリ並列処理を活用した優れた性能
を提供

q  Forecast Driver

q  Payment
q  Proportion
q  Rate

q  Funds

q  Seasonal Complex

q  Future

q Stock Flow

q  Grow

q  Time

q  Lag

q  Volume Drive

28

テキストサーチ、テキスト分析

カラム内の文字列に対する全文検索、テキスト分析が可能

バイナリドキュメントからテキスト抽出を行い、サーチ・分析が可能

29

統計分析に必要なR言語とのインテグレーション
主要なアルゴリズムは保持していますが、別の分析をしたい場合、オープンソースのR
言語と統合することにより、4000のアルゴリズムを利用することが可能です。

Predictive Analysis
（SAPアルゴリズム）

ビッグデータでのインデー
タベースマイニング

R言語が持つアルゴリズム
を利用するためのインター
フェース提供

オープンソースのR言語
（約4000のアルゴリズム）

SAP HANA
（SAPアルゴリズム
Predictive Algorithm Library)


30

SAP HANA Extended Application Services (SAP HANA XS)
SAP HANAプラットフォーム上での迅速なアプリケーション開発とデプロイの
ためのネイティブサービス
§  SAP HANA内のアプリケーションサービス
§  迅速なアプリ開発とデプロイ
§  SAP HANA上で直接実行する軽快なハイパフォーマ
ンスアプリへ最適化

§  オープンかつ柔軟な開発環境
§  JavaScript,SQLScriptおよびHANA Viewベースアプリ
の開発環境
§  ODATA, JSON, XMLA インターフェース
§  HTML5 / SAPUI5 およびポータルサービス
§  HTTP / SMTP による通信
§  リポジトリブラウザとプロジェクトエクスプローラーに
よるチーム開発のためのコラボレーション環境

§  アプリケーションエコシステムの最小化
§  アプリのデプロイのための“レイヤ”最小化による
TCO削減
§  SAP HANA上で直接動作


31

SAP HANA Smart Data Access
オンプレミスとクラウド間の仮想データ統合

Benefits

Transactions + Analytics

Ÿ  手元のDBサーバに存在するかのよ
うに、リモートデータにアクセス可能
Ÿ  スマートクエリー処理−クエリーを分
割し、可能な限りリモート側でデータ
処理を行い、HANAに小さなデータ
セットを返す
Ÿ  データの実在場所を意識せずにアプ
リケーション開発が可能
Ÿ  特殊なコマンドやシンタックス無しで
リモートデータにアクセス可能

SAP HANA
HANA Tables

Virtual Tables

Heterogeneous data sources
IQ

Teradata

ASE

Hadoop
SAP HANA


Ÿ 
Ÿ 
Ÿ 
Ÿ 
Ÿ 

SAP HANA to Hadoop (Hive)
Teradata
SAP Sybase ASE
SAP Sybase IQ
Oracle

Ÿ  SQL Server
32

SAP HANAが提案するアプリケーション
Existing Technology
Calculation

Application
Layer

Other
Database
Layer

SAP HANA Future Strategy
Application
Layer

SAP HANA
Database
Layer

Calculation

Smart Data Access

Extract Transform Latency

Other Databases

Other Databases

33

データの永続化とバックアップ
• 

1

2

データは常に直接メモ
リー上で読み書きされる
あらゆるデータ変更は
ログでキャプチャされ、
各トランザクション処理
のコミット時メモリから
ディスクに保存される

メモリ

リストア
直近のDBスナップショット
直近のコミットログまで
任意の時点まで

ファイルシステムへのバックアップ
ログボリューム

バックアップ 
ストレージ
（NFS）

SSD、FusionIO
3

定期的なセーブポイントご
とに、データはメモリから
ディスクにバックグラウンド
で自動的に保存される（デ
フォルトは、5分）
Note:

Ÿ  データモデル、構成、セキュリティ
など、すべてデータベースの一部と
みなされ、データボリュームに格納
Ÿ  既にバックアップされたログセグメ
ントに対してログボリュームは、上
書きすることが可能

データボリューム
SASドライブ

Persistence Storage
HANA Appliance

3rdパーティツールでのバックアップ
バックアップ
エージェント 
（ 3rdパー
ティ）

バックアップ 
ストレージ
（NFS）

Symantec NetBackup  
Infomatica 
SAS
35

スケールアウト構成
リクエスト

Ÿ  疎結合構成
Ÿ  N+1
Ÿ  稼働ノードがフェール
すると、待機ノードに
データベースが引き
継がれる
メリット
Ÿ  １ノード分のメモリー
量を超えた大容量の
データベースを構築
可能
Ÿ  ロードバランス
Ÿ  オートマチックフェー
ルオーバー


node01

node02

node03

node04
backup

SAP
SAP HANA DB
DB partition 1

DB partition 2

DB partition 3

-‐‑‒ SAP HANA DB
master node

backup master


hot-‐‑‒standby

shared filesystem
HDD

flash

HDD

flash

HDD

flash

HDD

flash

36

SAP HANA システムレプリケーション
Disaster Tolerance: WARMスタンバイ

Data Center 1

Data Center 2

OS: DNS, hostnames
Primary
(active)
Nam
e
Serv
er
Inde
x
serv
er

Nam
e
Serv
er
Inde
x
serv
er

Nam
e
Serv
er
Inde
x
serv
er

Secondary
Transfer
by

HANA
database
kernel

(active, data pre-loaded)
Name
Serve
r

Name
Serve
r

Name
Serve
r

Index
server

Index
server

Index
server

HA Solution Partner

アプリケーション
サーバ

HA Solution Partner

クライアント

OS: Mounts
Data
Data
Volumes Volumes
Log
Volume


Data
Data
Volumes Volumes
Log
Volume

Log
Volume

Log
Volume

Planned Innovation: This is the current state of planning and may be changed by SAP at any time.

37

システムレプリケーション
ディザスターリカバリ、障害対応、定期メンテナンスのために
Campus
cluster

Metro
cluster

Geo
cluster
Sync

Async
Sync

RPO ≠ 0
RTO < 30 min

Production

Local standby

同期レプリケーション

Remote standby systems

非同期レプリケーション

マルチサイトレプリケーション


39

管理、開発環境 SAP HANA Studio
Eclipseベースのデータベース管理ツール兼開発環境

多次元分析モデル
PAL

JavaScript
BFL

HTML5 GUI

地理情報データ

SQLスクリプト
MDX

フルテキストサーチ

データベース管理
41

SAP HANA Appliance
SAP HANA Technology Partners

SAP HANA Hardware Partners

SAP HANA Cloud Offering


42

SAP HANA Tシャツモデル　－ハードウェア構成ー
n 

シングルノード構成
全シナリオで適用可能モデル

Suite on HANAのみの
モデル

XS

M

L

L

L

CPU

20Core

20Core

40Core

80Core

40Core

80Core

メモリ
n 

S

128GB

256GB

512GB

1TB

1TB

2TB or 4TB

XL
CPU

20Core

40Core

80Core

メモリ

256GB

512GB

1TB

Max Node数

16Node

16Node or
56Node

＊2013/5/29時点の情報になりま
す。

56Node


43

SAP HANA One on AWS Developer Edition
開発検証用は、HANAライセンスは無償で利用可能

SAP HANAの開発がAWS上で可能に。
現在、使用可能なインスタンスタイプは3つ 
HANAライセンスは無償。AWS EC2費用は、$0.62/hr 〜

Virtual
CPU’s

Memory
(GB)

Storage
(GB)

m2.xlarge

2

17.1

154

m2.2xlarge

4

34.2

154

m2.4xlarge

8

68.4

154

Size

東京リージョンでも利用可能。
HANA StudioをWindows on EC2で利用する事によって、開発環境を全てAWSで構築！
下記URLから利用可能
http://scn.sap.com/docs/DOC-28294


44

SAP HANA:Infrastructure subscription by AWS
SAP HANAの本番運用が1ノードあたり２４４GBメモリーで、最大5ノードで運用可能に

http://www.saphana.com/docs/DOC-4181 から利用可能

45

SAP HANA: Infrastructure subscription by SAP

＊USリージョンのみ

46

SAP HANA Cloud Offerings
On-Premise

Cloud

SAP HANA
Appliance

SAP HANA
One

SAP HANA:　 SAP HANA:　 SAP HANA;　
Infrastructure Platform as a Managed
Subscription Service
Services

概要

オンプレミス型アプ
ライアンスで提供

パブリククラウドで
利用可能なフル機
能版

ライセンス所有を
前提としたクィック
配備＆運用

SAP HANAの
PAAS版

SAP HANAマネッ
ジドサービス

プロバイダー

ハードウェアパート
ナー

Amazon Web
Services

SAP, Amazon
Web Services
(AWS), Savvis

SAP

SAP

ユースケース

リアルタイム分析&
基幹システムプ
ラットホーム
テキスト分析、グラ
フ、予測分析など
を活用した次世代
アプリケーション

カスタムアプリケー
ション、データマー
トの本番システム

ション、データマー
トの本番システム
段階的な拡張が予
想されるアプリ
ケーション

クラウド、オンプレ
ミスアプリケーショ
ンの拡張
部門アプリケー
ション
消費者向けモバイ
ルアプリケーション

SAP Business
Suite on HANA
SAP BW on
HANA
ション
大規模POC、マイ
グレーション

メモリー量

シングルノード
64GB-1TBまたは
スケールアウト構
成

60GB、
16vCPU(cc2.8xla
rge)

SAP:128GB-1 TB
AWS:
244GB-1.44TB

1GB-750GB

顧客要件による


47

SAP HANA Academy
約300本の動画から自主学習でSAP
HANAを学ぶことができます。

http://www.saphana.com/
community/implement/hanaacademy　

日本語訳付きの動画でSAP HANAを学ぶ
ことができます。

http://www.youtube.com/playlist?
list=PLa30ZrX-1P6RLRayqbjY2n4qydjrgjW
mk
48

11月15日（金）
Session4 14:00-14:45
B35:SAP Sybase IQ, Hadoop

11月15日（金）
Session5 15:00-15:45
B35:SAP HANA

[ゴルフダイジェスト・オンライン]
進化するデジタルマーケティングを⽀支
えるビッグデータ活⽤用基盤

SAP国内外事例例に⾒見見る
ビッグデータ・イノベーション

株式会社ゴルフダイジェスト・オンライン

SAPジャパン株式会社

嘉松孝友様


佐宗⿓龍龍

49

Thank you！

Toshihisa.hanaki@sap.com

[D13] 次世代型インメモリデータベース SAP HANA その最新技術を理解する by Toshihisa Hanaki

More Related Content

What's hot

Viewers also liked

Similar to [D13] 次世代型インメモリデータベース SAP HANA その最新技術を理解する by Toshihisa Hanaki

More from Insight Technology, Inc.

[D13] 次世代型インメモリデータベース SAP HANA その最新技術を理解する by Toshihisa Hanaki