[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ！ 次世代サーバ仮想化ソリューションTidalScaleとは！？』
•
0 likes•389 views
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ！ 次世代サーバ仮想化ソリューションTidalScaleとは！？』 タイダルスケールジャパン合同会社 - セールスエンジニア 山本 哲男 氏 ／ 丸紅情報システムズ株式会社 - ＩＴ基盤ソリューション事業本部 プロダクトマーケティング部 課長 荻布 哲士 氏
Recommended
More Related Content
Similar to [db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ！ 次世代サーバ仮想化ソリューションTidalScaleとは！？』
Similar to [db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ！ 次世代サーバ仮想化ソリューションTidalScaleとは！？』 (20)
More from Insight Technology, Inc.
More from Insight Technology, Inc. (20)
Recently uploaded
Recently uploaded (10)
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ！ 次世代サーバ仮想化ソリューションTidalScaleとは！？』
- 1. 1 TidalScale Software-Defined Servers インメモリデータベースを 手軽にスケールアップ! 次世代サーバ仮想化ソリューション TidalScaleとは？ SE Faster Results – Lower Cost
- 2. • タイダルスケールジャパン合同会社 2018年4月に日本上陸 キーワードは Inverse Virtualization Software defined Server • 山本哲男 タイダルスケールジャパンSE 以前はシステム管理系ソフトウェアのプレセールスでした。 日々勉強です。 自己紹介
- 3. SAP HANA などのインメモリデータベースのサイジング・・・ 3TBでスモールス タートできればいい んだけど・・・ 5年後12TB? クラウドには 乗せられないか スケールアップか スケールアウトか1 2 5 3TB 6TB 12TB SAP Quick SizerやSAP earlyWatch Reportで算出 5年の増加分を見込んだ サイズ SAP社認定モデルの選定 メモリ12TBの サーバーって？ デリバリにも時間 かかりそう・・・ インメモリデータベース はデータをメモリに格納 データサイズは急速に拡大 メモリに データ領域＋クエリ実行のため のワークメモリ領域が必要
- 4. • スケールアップ • メモリ・CPU・ディスクを追加 • スケールアウト • サーバハードウェアを追加 スケールアップかスケールアウトか SAP HANA SAP HANA 運用の複雑さを低減 ・HA/DRを簡素化 ・増加分を見込んだフルスペックハイエンドサーバ メモリサイズなど制限 ・トラフィックとレイテンシ ・分散分析処理の負担、結合処理が複雑 ・管理のオーバーヘッド ・HA/DRが複雑
- 6. 6 • 元SAPのDr. Ike Nassi（CTO）によって設立 • Software-Defined Serverとして最初に成功したソリューション • 2018年4月に日本上陸 TidalScale Dr. Ike Nassi Founder / CTO Gary Smerdon President & CEO Dr. David Reed Chief Scientist Michael Berman VP Engineering Backers
- 7. • 標準的なIAサーバーを束ねて 1つの大きな仮想マシンを構築 • Inverse Virtualization「逆の仮想化」 • Software defined Server • 仮想マシン上で動作させるOS、アプリ ケーションは改造不要 • RHEL/CentOS/Ubuntuなどがそのまま動作 • SAP HANAやOracle等がそのまま動作 TidalScaleの技術的な特徴 InverseHypervisor SingleOSImage MachineLearning
- 8. TidalScaleの構成コンポーネント • WaveRunner • 管理サーバ • TidalScaleのシステム全体を管理 • iSCSIストレージ（TidalPod用ブー トボリュームとHyperKernelボ リューム）を管理 • ワーカーノード • TidalPod（仮想マシン）を構成す るIAサーバ • 同一CPU世代モデルで構成
- 14. TidalPod(仮想マシン)起動のしくみ① • TidalPod(仮想マシン) を構成する４台 のワーカーノードを同時起動。 WaveRunnerはPXEブートで４台の ワーカーノードを電源投入します • TidalScale HyperKernelを ４台のワーカーノードにロードします。 • TidalPodの実行方法を定義する TidalPod構成ファイル （machine.def）を各ノードにロード します。
- 16. TidalPod(仮想マシン)起動のしくみ③ • TidalPodは、 WaveRunnerサーバー がホストしているiSCSIストレージ （ZFS zvol）にあるTidalPod用に設定 されたブートボリューム （ブロックデバイス）を使用してゲス トOSを起動します。
- 22. 0 5 10 15 20 25 30 35 40 45 Scale-up v1.2.2 v2.0 ４ソケットサーバとベンチマーク比較 SAP HANA / TPC-H Data Size: 500GBElapsedTime(min) 16.2min 19.1min Scale-up 4-Socket 1TB TidalScale 2-Socket x2 2 x 512GB 15% Overhead 2-Socket “Sweet Spot” Server 512GB 41% Higher Performance / $(1) 4 Socket: Lenovo x3850 2 Socket: Lenovo x3650 FAIL Out of Memory (1) Hardware cost + virtualization software (Tidalscale or VMware vSphere)
- 23. スモールスタートと成長に合わせたスケールアップでコスト削減 3 year TCO Comparison – Oracle DB, in-Memory $0 $1,000,000 $2,000,000 $3,000,000 $4,000,000 $5,000,000 $6,000,000 Year 1 Year 2 Year 3 Scale-up TidalScale TCO(w/licenses) 192 32 Cores Cores 192 64 192 128 56% Total TCO 削減 61% ライセンス コスト削減 50% 設備投資 コスト削減 $2.7M Savings Scale-up 1 : 12TB / 192 cores 2 : No addition 3 : No addition TidalScale 1 : 3TB / 32 cores 2 : +3TB / +32 cores 3 : +6TB / +64 cores Year 1 Year 2 Year 3 Memory Requirement: 1 2 3 3TB 6TB 12TB
- 24. ユースケース HPC / Distributed Systems Corporate R&D Centers, University, Government R&D Centers Data Analytics Any organization with big data plans , especially FSI, Telco, Retail Cloud Service Providers (CSP) CSP, Large enterprise SI looking at private cloud
- 25. 某銀行（韓国） FinTech q アプリケーションRはDocker上で動作 q VMのサイズを超えることができない q リソースの無駄が各サーバで発生 q ネイティブコードが使用できない q 分散プログラミングを使用する必要がある q 論理アーキテクチャの分析が複雑になる 時間内にビジネスユーザーから要求された回答を得 ることが難しい HW VMware VM OS RHEL Docker Spark R HW VMware VM OS RHEL Docker Spark R HW VMware VM OS RHEL Docker Spark R Remaining Resource = Waste Require Distributed Computing 仮想化を使用した現在のインフラは柔軟性を提供しますが、 大規模なデータを分析するためのリソースを提供できませんでした • 現在のアーキテクチャでは、物理マシンよりも大きなOSを作成できません • 大きなデータを分析するには、現在のアプリケーション（Spark R）を変更する必要があります。 Problem
- 26. 某銀行（韓国） FinTech q 複数のHWを組み合わせた大きな OSを操作 q Dockerのサイズは、OSのサイズまで増やすこと ができます q 必要なリソースを確保 q 分散コンピューティングは不要 HW VMware VM OS RHEL Docker Spark R HW VMware VM OS RHEL Docker Spark R HW VMware VM OS RHEL Docker Spark R Resource Waste Distributed Computing HW TidalScale OS RHEL Docker R HW TidalScale HW TidalScale HW TidalScale OS RHEL Docker R TidalScaleなら必要とするサイズまで増やすことが できます • 過去のHWの活用・再利用 • 仮想化設定を置き換え • 必要なデータを処理するのに十分な大きさのOSを 作成 • TidalScale Inverse Virtualization overhead is smaller than the traditional virtualization overhead Solution
- 27. Sirqul IoT Capture, Monitoring & Analysis Customer 大型スタジアムの入場者の動線を把握し、人が最も多く集まる ところに売店やアメニティを配置するといったクライアント サービスを強化するために、何万人もの人々の情報機器から キャプチャされたIoTセンサーデータは、大きすぎてリアルタイ ムで分析処理することができませんでした Solution: TidalScaleは、大規模なメモリのプラットフォームを提 供し、入場者の行動やリアルタイムの管理行動を分析し て顧客体験を改善します TidalScale Benefit: 高速で実行可能なパターン認識を可能にするスケーラブ ルで費用対効果の高い大容量メモリプラットフォーム。 Sirqulは分析時間を30時間から20分に短縮できました
- 29. • TidalSaleを使用すると 複数のコモディティサーバを束ねて１つの大容量メモリ 仮想マシンを構築可能です。 • SAP HANAなどのインメモリデータベース環境で 導入時はスモールスタートし、 ワークロードに合わせて手軽にスケールアップできます • 巨大なメモリを必要とするデータ分析用・HPCサーバ環 境としてもお使いいただけます まとめ