SlideShare a Scribd company logo
2020年 3⽉12⽇(⽊)
⽇本アイ・ビー・エム株式会社
Data and AI 事業部
運⽤管理からの開放「使う」事への最⼤集中
ハイパフォーマンス・クラウドデータウェアハウスサービス
Db2 Warehouse on Cloud Flex
概要紹介資料
© 2020 IBM Corporation2
IBM クラウドデータサービス概要 -2020年3⽉時点-
IBMデータストア戦略はハイブリッドクラウド戦略を軸としており、オンプレミスからクラウドまで共通のSQLエンジンをご利
⽤頂くことで共通のスキルセット、機能を提供することを可能としています。以下はIBMデータストア製品、クラウドデータ
サービスの主要ラインナップとなります。
Db2
Warehouse
on Cloud
DWH & Analytics
クラウドサービス
IBM Cloud
AWS
Db2
on Cloud
OLTP DB
クラウドサービス
IBM Cloud
AWS
Analytics
Engine
Hadoop &
Spark サービス
IBM Cloud
Postgres SQL
MongoDB
(Cloud Database)
オープンソースDB
クラウドサービス
(RDB & NoSQL)
IBM Cloud
Cloud Object
Storage
オブジェクト
ストレージサービス
IBM Cloud
Db2
Warehouse
DWH & Analytics
コンテナ
Db2
OLTP DB
ソフトウェア/コンテナ
オンプレミス/クラウド
EDB Postgres
MongoDB
オープンソースDB
ソフトウェア/コンテナ
(RDB & NoSQL)
オンプレミス/クラウド
Cloudera
BigSQL
Hadoop &
Spark サービス
Cloud Object
Storage
オブジェクト
ストレージサービス
Integrated
Analytics
System
DWH & Analytics
アプライアンス
IBM Cloud IBM Cloudオンプレミス/クラウドオンプレミス
© 2020 IBM Corporation3
オンプレミスからクラウドサービスまで ”1つの技術”と”同⼀の顧客体験”を提供
フルマネージド
クラウドDWHサービス
Db2 Warehouse
on Cloud
運⽤管理からの開放
「使う」事への最⼤集中
IBM Cloud 各種クラウドベンダー
オンプレミス
プライベート・クラウド
ICP Kubernetes
Azure AWS GCP
IBMが提供するデータベースは、お客様データセンター、IBM Cloud、他社クラウドなどのあらゆる環境で稼働するために、
クラウドサービス・オンプレミスまでそれぞれの形態で共通のSQLエンジンを提供しています。データウェアハウスに特化し
たデータストア製品についても、お客様にプラットフォーム選択の⾃由とマイグレーション容易なDBを提供します。
IBM クラウドデータサービス概要 (ハイブリッドデータマネージメント)
汎⽤データベース
ソフトウェア
Db2
オールラウンド対応
カスタムデータベース
フルマネージド
クラウドデータサービス
Db2 on Cloud
ハイパフォーマンス & ⾼可⽤性
トランザクションデータベース
© 2020 IBM Corporation4
製品・サービス名
Integrated
Analytics System
Db2 Warehouse
Db2 Warehouse
on Cloud
Db2 on Cloud (*) Db2
主な
⽤途
OLTP ※ OLTPに強い⾏表も作成可能 ※ OLTPに強い⾏表も作成可能 ※ OLTPに強い⾏表も作成可能 ◎ OLTP⽤に最適化 ◎ ※構築設計設定が必要
DWH ◎DWH、分析⽤に最適化 ◎DWH、分析⽤に最適化 ◎DWH、分析⽤に最適化 ※ OLAPに強い列表作成可能 ◎ ※構築設計設定が必要。
提供形態
アプライアンス
(HW+SW)
コンテナ
(Dockerコンテナベース)
クラウドデータサービス クラウドデータサービス
ソフトウェア
Dockerコンテナ
課⾦
ソフトウェア・ライセンス(HW含)
+保守
ソフトウェア・ライセンス
+保守
従量課⾦ 従量課⾦
ソフトウェア・ライセンス
+保守
インフラ
•IBM提供のHW/SW
•お客様DC
•お客様準備のHW
•クラウド(IBM, AWS,MS等あ
らゆるクラウド)
IBM Cloud
AWS
IBM Cloud
•お客様準備のHW
•クラウド(IBM, AWS,MS等
あらゆるクラウド)
運⽤
HW IBM お客様 IBM IBM お客様
OS IBM お客様 IBM IBM お客様
DB IBM お客様 IBM IBM お客様
アプリ お客様 お客様 お客様 お客様 お客様
(*) IBM Cloud 上ではDb2というサービス名で提供中ですが、SW版との区別をするために本資料ではDb2 on Cloudと表記します。
IBM クラウドデータサービス概要 (ハイブリッドデータマネージメント)
以下はDb2系データストア製品の⼀覧およびその特徴を記した資料となります。共通SQLエンジンをワークロードに特化した
設定で予め提供を⾏うことで構築や運⽤に関わるコストや負荷をオンプレ、クラウド関わらず削減でき、プラットフォーム変更
を容易とすることでベンダーロックインやプラットフォームに依存せずに共通DBを利⽤することが可能です。
< オンプレミスからクラウド 共通のSQLエンジンを利⽤可能 >
© 2020 IBM Corporation5
IBM Cloudに加えてマルチクラウドでのサービス展開を積極的に実施
様々なクラウドサービス、アプリケーションとのシナジー、連携を強化
2019年10⽉より、AWS 東京リージョン上でのフルマネージドクラウドサービス開始
完全⾃動運⽤(フルマネージドサービス)
Db2 Warehouse on Cloud Flex マルチクラウド対応
2019年リリース済み 2019年リリース済み
IBM クラウドデータサービス概要 (ハイブリッドデータウェアハウス戦略)
© 2020 IBM Corporation6
Object Object
Object
ObjectObject
ハイパフォーマンス
⾼可⽤性、運⽤容易性の実現 データレイクへの拡張
フルマネージサービス
HW OS DB
UP
1 2 3 4 N5
( )
⾃由に構成を変更可能1 2
4 5 6In-DB分析処理による⾼速化
⼤量データを利⽤したSPSS Modeler,R
Python/Data Stageを処理をDB内で⾼速化
⼤規模DWHとして利⽤する上で
必要な⾼可⽤性、運⽤管理機能を搭載
構築不要、インフラ運⽤管理からの解放
各種運⽤作業を⾃動化によるコスト削減
並列処理(MPP) & インメモリカラムナー技術
同時実⾏分析性能⾼速化
コンピューティング資源とディスク資源
を柔軟かつ迅速に拡張
オブジェクトストレージ上のファイルを
DB上にある表として透過的に利⽤
アーカイブ
過去履歴
SQLデータアクセス
IBM Cloud
Object Storage
AWS S3
ロード/アンロード
SPSS Modeler
Python/Jupyter
R / R Studio
Db2 Warehouse
⾼可⽤性(HA)構成
運⽤監視管理コンソール
⾃動バックアップ(7世代無料)
エンタープライズセキュリティ
災害対策(DR)
⾃動ワークロード管理
データ加⼯/機械学習
をDB内で処理
Data StageIn-DB ML
3
Db2 Warehouse on Cloud Flexモデル特徴 (主要な特徴のサマリー)
© 2020 IBM Corporation7
Db2 Warehouse on Cloud 特徴 (フルマネージドクラウドサービス)
7
+
IBMの運⽤管理チームがデータベースを24時間運⽤監視
• OSの更新やパッチの適⽤
• 新機能の適⽤やWebコンソールの更新
• 予期しない障害への対応
• バックアップデータの取得・保管
• DB統計情報更新 / 表再編処理
ユーザーは⽇常のデータベース運⽤から解放され、
業務に集中する事が出来ます。
フルマネージド
サービス
IBMによる
24時間365⽇の
運⽤監視
運⽤から解放され
データ分析に集中
1
© 2020 IBM Corporation8
Db2 Warehouse on Cloud 特徴 (フルマネージドクラウドサービス)
作業項⽬ 作業主体
環境構築 (ハードウエア, OS, ネットワーク) IBM
24時間のモニタリング IBM
⽇次バックアップ IBM
新機能の適⽤
(kernel updates, Webコンソールの新機能など)
IBM
OSやデータベースのパッチ適⽤ IBM
データモデル作成やユーザー管理 Customer
BIツールやETLツールからの接続 Customer
データのロード Customer
アプリケーション開発 Customer
セキュリティ管理 Customer
セキュリティが企業のガイドラインを
遵守しているかの確認
Customer 8
フルマネージド
サービス
IBMによる
24時間365⽇の
運⽤監視
運⽤から解放され
データ分析に集中
1
© 2020 IBM Corporation9
⾼速ストレージネットワーク
※ 複数ノード構成(MPP)以外にもスモールスタート構成であるシングル構成(SMP構成)も選択可能
並列分散処理(MPP) x インメモリカラムナーアクセラレーション
表データ
DBノード#1 DBノード#2 DBノード#3 DBノード#4 DBノード#5 DBノード#6 DBノード#7
Db2 Warehouse on Cloud 特徴 (ハイパフォーマンス 超並列処理アーキテクチャー)
超並列並列技術(MPP) とインメモリカラムナー処理を融合により
⼤量データに対する複雑な分析処理に加え、同時実⾏分析処理をも⾼速化
コンピュートノードとストレージノードを柔軟に拡張可能
⾼速性、簡易性、柔軟性を備えたクラウドデータウェアハウスサービス
超並列処理アーキテクチャー
x インメモリカラムナ技術
により、全論理DBノード
(データスライス)上で、
完全な分散並列処理を実⾏
圧倒的な分析
パフォーマンス
をシンプルに実現
超並列処理 & インメモリカ
ラムナーDB処理により
チューニング作業を削減
しながら、分析処理を
圧倒的に⾼速化
2
© 2020 IBM Corporation10
Db2 Warehouse on Cloud 特徴 (インメモリカラムナーアクセラレーション)
データ分析処理を⼿間をかけずに圧倒的に⾼速化
- 超並列処理 x インメモリカラムナアクセラレーション -
①.列圧縮化技術によるデータ圧縮
②.⾃動列フィルタリング(列表)
③.⾃動⾏フィルタリング(データスキップ)
④.SIMD並列処理 (単体論理DBノード内)
⑤.MPP並列処理 (複数論理DBノード並列実⾏)
DBチューニングを排除、
圧倒的な⾼速化を実現
圧倒的な分析
パフォーマンス
をシンプルに実現
超並列処理 & インメモリカ
ラムナーDB処理により
チューニング作業を削減
しながら、分析処理を
圧倒的に⾼速化
2
© 2020 IBM Corporation11
⾃由に構成
を変更可能
利⽤状況に応じCPU,RAM
リソースおよびデータ量増加
に合わせてディスクサイズを
別々に変更可能
利⽤のピーク時間に合わせて
CPUリソースを増強・縮⼩
-アプリケーション内のスライド機能を使⽤して、ストレージ (オンライン)
あるいはコンピューティング能⼒をスケール
-スケーリング操作により、即時もしくは事前設定した⽇時で変更が可能
⼩規模構成から、⼤規模構成まで伸縮拡張 (IBM Cloud ケース)
ビジネスの要件に合わせてシステム構成を柔軟に変更
Db2 Warehouse on Cloud 特徴 (柔軟にシステム構成を変更可能)
※モデルアップグレード時はデータ移⾏をIBMサービスチームが実施します。
3
© 2020 IBM Corporation12 12
⾃由に構成
を変更可能
利⽤状況に応じCPU,RAM
リソースおよびデータ量増加
に合わせてディスクサイズを
別々に変更可能
利⽤のピーク時間に合わせて
CPUリソースを増強・縮⼩
-アプリケーション内のスライド機能を使⽤して、ストレージ (オンライン)
あるいはコンピューティング能⼒をスケール
-スケーリング操作により、即時もしくは事前設定した⽇時で変更が可能
⼩規模構成から、⼤規模構成まで伸縮拡張 (AWSケース)
ビジネスの要件に合わせてシステム構成を柔軟に変更
Db2 Warehouse on Cloud 特徴 (柔軟にシステム構成を変更可能)
※ AWSではFlex One モデルのリリース提供はありません。
3
© 2020 IBM Corporation13 13
コンテナー化アプローチでデプロイメントおよび障害復旧に対応
Kubernetes ベースの IBM Container Service 上に構築されているため、
MPP クラスターでワーカー・ノードを管理・デプロイできます。
⾼可⽤性コンピューティング: ノードを無駄なく使⽤
コンテナー・サービスは、ノード障害を即座に検出します。障害ノードは
使⽤が停⽌され、スタンバイ・プールにある新規ノードの稼働を開始します。
⾼可⽤性ストレージ 「RAID6」
冗⻑性、⾼性能、⾼可⽤性を備えた SSD によるブロック・ストレージを採⽤。
ネットワーク︓ネットワークスイッチの⼆重化で信頼性を確保
Db2 Warehouse on Cloud 特徴 (⾼可⽤性アーキテクチャーによるビジネス継続性)
1 2 3
⾼可⽤性 &
⾼信頼性
耐障害性を考慮した
HAアーキテクチャ
予期せぬノード障害時にも、
データ・ワークロード、照会、
ダッシュボード、レポートの
実⾏の停⽌時間を最⼩化します。
4
© 2020 IBM Corporation14
Db2 Warehouse on Cloud 特徴 (⾼可⽤性アーキテクチャーによるビジネス継続性)
セルフサービス
バックアップ&
DR対応
最⼤7世代のスナップショッ
ト
バックアップを保持
必要な場合、バックアップ
を⾼速でリストア
バックアップストレージの
コストは標準⾦額に含む
⾃動および任意のバックアップ
バックアップは⾃動的に⽇次取得。ユーザー任意のタイミングでのバックアップ
も可能。取得したバックアップイメージを⽤いた復旧も任意のタイミングで1時間
以内での復旧が可能
バックアップの冗⻑化
バックアップイメージはIBM Cloud Object Storageに保管され⾃動的に複数の
データセンターにコピーされる(DCサイト障害時はリモートサイトバックアップ
を利⽤可能)
14
4
© 2020 IBM Corporation15
ハイブリッド
ワークロード
への対応
ワークロードや応じて最適な
表形式を選択して利⽤可能
ワークロードに合わせたカスタム化
により単⼀DB内で複数のワーク
ロードを効率的に処理
⾃動もしくはカスタムで
ワークロードごとにリソース制御
Db2 Warehouse on Cloud 特徴 (ハイブリッドワークロードへの対応 : ⾏/列対応)
ワークロード、利⽤⽤途に応じて最適な表形式(⾏/列形式)を選択、最適化可能
⾃動もしくはカスタマイズ化されたワークロード管理により、必要なリソースを制御
アダプティブワークロード管理 ユーザー・モデルアダプティブワークロード⾃動管理
4
© 2020 IBM Corporation16
SPSS Modeler
Data Stage
R,Python 連携
In-DB処理による⼤量データ
の分析処理の⾼速化
分析に必要なデータの準備
加⼯処理をDWHにオフロード
処理時間の⼤幅な短縮を実現
使い慣れたインターフェース
処理だけをDB側にオフロード
分析処理を⾼速化
不要なデータの移動が発⽣せずDBの"中"で処理を完結
⼤量データを利⽤した分析処理の⾼速化
⼤量データのやり取りによる遅延、クライアント側環境の制約
従来のRDBMSではクライアント環境にデータを移動させて分析処理を実施
様々なR,Python分析関数、
SPSS Modelerによる
加⼯処理をサポート
Db2 Warehouse on Cloud 特徴 (In-DB Analyticsによる分析処理の⾼速化) 5
© 2020 IBM Corporation17
データレイク
への拡張
構造化データに加えて、⾮構造化
データをDBに格納して検索可能
オブジェクトストレージに格納さ
れたデータに対して透過的に
SQLで扱うことが可能
利⽤⽤途に応じたデータタイプをDBに格納して利⽤することができ、
JSONファイル、ラージテキストファイル、バイナリファイルを格納、参照可能
オブジェクトストレージに配置したデータ,ファイルに対して透過的にSQL参照
あたかも⼿元にある表のように各種データの参照、ロードを⾏うことが可能
構造化データ
・⼀般的にRDBへ格納する形式
・CSV、TSV形式のファイル
・固定⻑ファイル
・Excel形式のファイル
⾮構造化/半構造化データ
・規則性のある⾮構造化データ
・JSONファイル /⼀部のテキストファイル
・規則性のない⾮構造化データ
・テキスト⽂書
・画像データ
Db2 Warehouse on Cloud 特徴 (マルチデータタイプ対応 & データレイクへの拡張) 6
© 2020 IBM Corporation18
Oracle DB、
Netezzaからの
移⾏容易性
Oracle DB/Netezza
互換機能 & 各種移⾏ツール
を備えており、移⾏に関わる
ワークロードを低減
Oracle/Netezza互換機能(SQL構⽂サポート、運⽤管理ツール対応)
移⾏ツール(移⾏性評価、⾮互換修正)による移⾏リスク低減
⼤量データの移⾏をセキュアかつ⾼速に実現するLiftツール
NW帯域を最⼤限する⼤容量データ転送ロード機能による移⾏時間短縮を実現
( +
)
+2
B B
B B
:
A
D
:A
LP
M
S
S
DQ N
2
B/
B
(
) /
SQL/DML
PL/SQL
) (
Db2 Warehouse on Cloud 特徴 (Oracle DB/Netezza互換性機能 / 移⾏ツール) 7
© 2020 IBM Corporation19
&
Db2 Warehouse on Cloud 活⽤シーン(1)
1 顧客データ分析基盤(機械学習/セルフサービスBI)
顧客をより深く理解し、新たな価値につなげる膨⼤なデータから顧客の⾏動やニーズを把握、
顧客が求めるものをいち早く商品やサービスに反映し、個別化されたオファーをタイムリーに提供
(例:顧客への追加販売 /リピート率向上 /離反・休眠防⽌ /新規顧客獲得)
購買履歴データ
DataStage
収集/加⼯ 蓄積 データ可視化・分析
商品データ
顧客データ
Lift CLI
Watson Studio
Data Refinery
Data Replication
1.顧客情報や購買履歴など営業データをDb2 warehouse on cloudに集約
2.各店舗からDb2 Warehouse on cloudにアクセスすることで複数のデータ・セットを組み合わせて、セルフサービスで
分析を⾏い、新たな洞察を得て、売上向上/顧客満⾜度向上につなげる
2.顧客動向、クロスセル、離反率、新規顧客獲得等、予測モデルを構築して分析を⾏える基盤として利⽤
1 2
© 2020 IBM Corporation20
&
Db2 Warehouse on Cloud 活⽤シーン(2)
2
情報系システム(BI/DWH)のクラウド展開
企業活動や顧客データの可視化のための既存BI/DWH基盤をクラウド上で実現し、よりビジネスの変化に強み
を持った情報系基盤の構築を実現。さらにパフォーマンス、運⽤管理負荷の⼤幅削減、コスト課題を解決
DataStage / Data Refinery
IBM Watson Studio
IBM Lift
Object Storage
収集 蓄積 データの可視化・分析
1. DBに格納されている基幹系データはETLツールでDb2にロード CSV等のファイルはLiftツールでDb2にロード
2.Object Storageに格納されたデータはWEBブラウザGUIもしくはSQL経由でDb2 WoCにデータロード
3. BIツールでデータの可視化
4. Watson Studio等で機械学習し分析モデル作成、API展開に業務適⽤
1
2
3
4
各種BIツール / 分析ツール
© 2020 IBM Corporation21
/
/ / /
Db2 Warehouse on Cloud 活⽤シーン(3)
3
IoTデータをBIで可視化 & AI/機械学習で活⽤
デバイスから出⼒されるIoTデータをリアルタイム/ニアリアルタイムで分析することで新たな洞察を獲得。
異常値や故障に関わるパターンの検知、可視化、予測の実現によりビジネス上の効果的な意思決定を⽀援。
Sensors and IoT
2
3
Apache kafka
IBM Watson Studio
データ収集 蓄積 分析
Watson IoT Platform 1
Clickstream data 4
1. IoTデータはWatson IoT Platformで収集
2. その他、モバイルからのクリックストリームやセンサーデータはストリーミング処理
3. Cognos on CloudでIoTデータを可視化
4. Watson Studio等で機械学習し分析モデル作成、API展開に業務適⽤
各種BIツール / 分析ツール
© 2020 IBM Corporation22
お客様事例︓いちかたガスワン様
基幹システムのデータをIBM Cloudにセキュアに取り込み、タブレットからアクセス可能な灯油配送管理システムを短期間で
構築し、業務効率の向上とノウハウの共有を実現。基幹系システムのデータをクラウド上のDb2 on Cloudへ連携、Db2
Warehouse on Cloudを活⽤したデータを可視化を実現。従来作業を効率化することでビジネスの効率化を実現
https://www.ibm.com/jp-ja/case-studies/ichitaka
© 2020 IBM Corporation23
お客様事例:THK様
IBM CloudDb2
Warehouse
on Cloud
(SaaS)
BI
Db2 Warehouse on Cloud
SQL
国内販売系システム
海外販売系システム
国内生産系システム
海外生産系システム
その他システム
2
) 2
( (
C
) 2 I
( D D W
L B Q
C
2
S
主に全世界の販売データおよび国内の⽣産データを対象としたデータ分析のための基盤に IBM
Db2 Warehouse on Cloudを採⽤。IBM i上の基幹データの⼀元化とリアルタイム化を実
現し、実効的なPDCAサイクルを構築。
https://www-03.ibm.com/press/jp/ja/pressrelease/54861.wss
© 2020 IBM Corporation24
参考: Db2 Warehouse on IBM Cloud 参考リンク集
Db2 Warehouse on Cloud 製品紹介ホームページ(概要、FAQ、動画)
https://www.ibm.com/jp-ja/cloud/db2-warehouse-on-cloud
Db2 Warehouse on Cloud Knowledge Center (マニュアル)
https://www.ibm.com/support/knowledgecenter/en/SS6NHC/com.ibm.swg.im.dashdb.kc.doc/welcome.html
Db2 Warehouse on Cloud What's New サイト (最新Update情報)
https://www.ibm.com/support/pages/whats-new-ibm-db2-warehouse-cloud
Db2 Warehouse on Cloud 概要紹介デモ動画
https://www.youtube.com/watch?v=JmmDLQ_ZCzU
Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版

More Related Content

What's hot

Amazon S3を中心とするデータ分析のベストプラクティス
Amazon S3を中心とするデータ分析のベストプラクティスAmazon S3を中心とするデータ分析のベストプラクティス
Amazon S3を中心とするデータ分析のベストプラクティス
Amazon Web Services Japan
 
最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り
Sotaro Kimura
 
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Web Services Japan
 
Db2をAWS上に構築する際のヒント&TIPS 2019年7月版
Db2をAWS上に構築する際のヒント&TIPS 2019年7月版Db2をAWS上に構築する際のヒント&TIPS 2019年7月版
Db2をAWS上に構築する際のヒント&TIPS 2019年7月版
Akira Shimosako
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
 
Data platformdesign
Data platformdesignData platformdesign
Data platformdesign
Ryoma Nagata
 
マルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのことマルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのこと
Amazon Web Services Japan
 
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
Amazon Web Services Japan
 
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
Amazon Web Services Japan
 
Always on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイントAlways on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイントMasayuki Ozawa
 
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデートAmazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Web Services Japan
 
CodeBuildを身近にするためのはじめの一歩
CodeBuildを身近にするためのはじめの一歩CodeBuildを身近にするためのはじめの一歩
CodeBuildを身近にするためのはじめの一歩
淳 千葉
 
分散トレーシングAWS:X-Rayとの上手い付き合い方
分散トレーシングAWS:X-Rayとの上手い付き合い方分散トレーシングAWS:X-Rayとの上手い付き合い方
分散トレーシングAWS:X-Rayとの上手い付き合い方
Recruit Lifestyle Co., Ltd.
 
分散トレーシング技術について(Open tracingやjaeger)
分散トレーシング技術について(Open tracingやjaeger)分散トレーシング技術について(Open tracingやjaeger)
分散トレーシング技術について(Open tracingやjaeger)
NTT Communications Technology Development
 
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Amazon Web Services Japan
 
ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)
ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)
ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)
Amazon Web Services Japan
 
Azure Cosmos DB のキホンと使いドコロ
Azure Cosmos DB のキホンと使いドコロAzure Cosmos DB のキホンと使いドコロ
Azure Cosmos DB のキホンと使いドコロ
Kazuyuki Miyake
 
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
Amazon Web Services Japan
 
AWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design Pattern
AWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design PatternAWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design Pattern
AWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design Pattern
Amazon Web Services Japan
 
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
Takahiro Moteki
 

What's hot (20)

Amazon S3を中心とするデータ分析のベストプラクティス
Amazon S3を中心とするデータ分析のベストプラクティスAmazon S3を中心とするデータ分析のベストプラクティス
Amazon S3を中心とするデータ分析のベストプラクティス
 
最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り最近のストリーム処理事情振り返り
最近のストリーム処理事情振り返り
 
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
Amazon Redshiftへの移行方法と設計のポイント(db tech showcase 2016)
 
Db2をAWS上に構築する際のヒント&TIPS 2019年7月版
Db2をAWS上に構築する際のヒント&TIPS 2019年7月版Db2をAWS上に構築する際のヒント&TIPS 2019年7月版
Db2をAWS上に構築する際のヒント&TIPS 2019年7月版
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
 
Data platformdesign
Data platformdesignData platformdesign
Data platformdesign
 
マルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのことマルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのこと
 
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
20190828 AWS Black Belt Online Seminar Amazon Aurora with PostgreSQL Compatib...
 
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service20210216 AWS Black Belt Online Seminar AWS Database Migration Service
20210216 AWS Black Belt Online Seminar AWS Database Migration Service
 
Always on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイントAlways on 可用性グループ 構築時のポイント
Always on 可用性グループ 構築時のポイント
 
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデートAmazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
 
CodeBuildを身近にするためのはじめの一歩
CodeBuildを身近にするためのはじめの一歩CodeBuildを身近にするためのはじめの一歩
CodeBuildを身近にするためのはじめの一歩
 
分散トレーシングAWS:X-Rayとの上手い付き合い方
分散トレーシングAWS:X-Rayとの上手い付き合い方分散トレーシングAWS:X-Rayとの上手い付き合い方
分散トレーシングAWS:X-Rayとの上手い付き合い方
 
分散トレーシング技術について(Open tracingやjaeger)
分散トレーシング技術について(Open tracingやjaeger)分散トレーシング技術について(Open tracingやjaeger)
分散トレーシング技術について(Open tracingやjaeger)
 
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
 
ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)
ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)
ゲームアーキテクチャパターン (Aurora Serverless / DynamoDB)
 
Azure Cosmos DB のキホンと使いドコロ
Azure Cosmos DB のキホンと使いドコロAzure Cosmos DB のキホンと使いドコロ
Azure Cosmos DB のキホンと使いドコロ
 
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
 
AWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design Pattern
AWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design PatternAWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design Pattern
AWS Black Belt Online Seminar 2018 Amazon DynamoDB Advanced Design Pattern
 
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
[JAWSBigData#11]Cloudera on AWSと Amazon EMRを両方本番運用し 3つの観点から比較してみる
 

Similar to Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版

[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 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.
 
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...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.
 
B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明
B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明
B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明Insight Technology, Inc.
 
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
griddb
 
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20172017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
 
もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~
griddb
 
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
 
IBM Cloud を利用したデータ分析ことはじめ
IBM Cloud を利用したデータ分析ことはじめIBM Cloud を利用したデータ分析ことはじめ
IBM Cloud を利用したデータ分析ことはじめ
IBM Analytics Japan
 
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDBDXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
griddb
 
AWS Blackbelt 2015シリーズ RDS
AWS Blackbelt 2015シリーズ RDSAWS Blackbelt 2015シリーズ RDS
AWS Blackbelt 2015シリーズ RDS
Amazon Web Services Japan
 
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version - ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
 
【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
 
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 ~ 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
 
もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~
griddb
 
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
 
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
mtanaka0111
 
IBM Cloud 2017年 振り返り
IBM Cloud 2017年 振り返りIBM Cloud 2017年 振り返り
IBM Cloud 2017年 振り返り
Hayama Kyouhei
 
Hybrid configurations db2_for_slideshare
Hybrid configurations db2_for_slideshareHybrid configurations db2_for_slideshare
Hybrid configurations db2_for_slideshare
japan_db2
 
Hybrid configurations
Hybrid configurationsHybrid configurations
Hybrid configurations
mtanaka0111
 
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
Insight Technology, Inc.
 

Similar to Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版 (20)

[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 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...
 
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...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...
 
B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明
B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明
B14 SQL Server over SMB using infiniBand and SSD by Mario Broodbakker/市川明
 
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
サイバーフィジカルシステム(CPS)に必要なデータ基盤を考える ~ NoSQL/SQLハイブリット型GridDB ~
 
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20172017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
 
もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!?~両者を備えたスケールアウトデータベースGridDB~
 
ビッグIoTデータに対応したデータベース GridDB
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
ビッグIoTデータに対応したデータベース GridDB
 
IBM Cloud を利用したデータ分析ことはじめ
IBM Cloud を利用したデータ分析ことはじめIBM Cloud を利用したデータ分析ことはじめ
IBM Cloud を利用したデータ分析ことはじめ
 
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDBDXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
 
AWS Blackbelt 2015シリーズ RDS
AWS Blackbelt 2015シリーズ RDSAWS Blackbelt 2015シリーズ RDS
AWS Blackbelt 2015シリーズ RDS
 
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version - ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
 
【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
 
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 ~ 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 ~
 
もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~
もうSQLとNoSQLを選ぶ必要はない!? ~両者を備えたスケールアウトデータベースGridDB~
 
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
 
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
 
IBM Cloud 2017年 振り返り
IBM Cloud 2017年 振り返りIBM Cloud 2017年 振り返り
IBM Cloud 2017年 振り返り
 
Hybrid configurations db2_for_slideshare
Hybrid configurations db2_for_slideshareHybrid configurations db2_for_slideshare
Hybrid configurations db2_for_slideshare
 
Hybrid configurations
Hybrid configurationsHybrid configurations
Hybrid configurations
 
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
 

More from IBM Analytics Japan

Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介
Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介
Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介
IBM Analytics Japan
 
Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104 Db2 Warehouse v3.0 Basic Operation G...
Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104  Db2 Warehouse v3.0 Basic Operation G...Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104  Db2 Warehouse v3.0 Basic Operation G...
Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104 Db2 Warehouse v3.0 Basic Operation G...
IBM Analytics Japan
 
Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...
Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...
Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...
IBM Analytics Japan
 
【jena X IBM】ビーコンを活用した働き方改革とは?
 【jena X IBM】ビーコンを活用した働き方改革とは? 【jena X IBM】ビーコンを活用した働き方改革とは?
【jena X IBM】ビーコンを活用した働き方改革とは?
IBM Analytics Japan
 
IBM Integrated Analytics System DSX R Studio 利用ガイド
IBM Integrated Analytics System DSX R Studio 利用ガイドIBM Integrated Analytics System DSX R Studio 利用ガイド
IBM Integrated Analytics System DSX R Studio 利用ガイド
IBM Analytics Japan
 
IBM Integrated Analytics System Webコンソール利用ガイド 20180213
IBM Integrated Analytics System Webコンソール利用ガイド 20180213IBM Integrated Analytics System Webコンソール利用ガイド 20180213
IBM Integrated Analytics System Webコンソール利用ガイド 20180213
IBM Analytics Japan
 
IBM Integrated Analytics System ユーザー利用ガイド 20180213
IBM Integrated Analytics System ユーザー利用ガイド 20180213IBM Integrated Analytics System ユーザー利用ガイド 20180213
IBM Integrated Analytics System ユーザー利用ガイド 20180213
IBM Analytics Japan
 
Db2 V11 GUIツール
Db2 V11 GUIツールDb2 V11 GUIツール
Db2 V11 GUIツール
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 201707Db2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
 
Dockerとdb2
Dockerとdb2Dockerとdb2
Dockerとdb2
IBM Analytics Japan
 
IBM Cloudのデータベース
IBM CloudのデータベースIBM Cloudのデータベース
IBM Cloudのデータベース
IBM Analytics Japan
 
【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~
【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~
【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~
IBM Analytics Japan
 
Db2 Warehouse Spark利用ガイド チュートリアル編
Db2 Warehouse Spark利用ガイド チュートリアル編Db2 Warehouse Spark利用ガイド チュートリアル編
Db2 Warehouse Spark利用ガイド チュートリアル編
IBM Analytics Japan
 
Db2 Warehouse Spark利用ガイド データ操作編
Db2 Warehouse Spark利用ガイド データ操作編Db2 Warehouse Spark利用ガイド データ操作編
Db2 Warehouse Spark利用ガイド データ操作編
IBM Analytics Japan
 
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する…  最先端のテクノロジーが詰まったIBMクラウドのご紹介データを集めて貯めて分析する…  最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
IBM Analytics Japan
 
中古車販売の価格予測モデル(2)
中古車販売の価格予測モデル(2)中古車販売の価格予測モデル(2)
中古車販売の価格予測モデル(2)
IBM Analytics Japan
 
中古車販売の価格予測モデル(1)
中古車販売の価格予測モデル(1)中古車販売の価格予測モデル(1)
中古車販売の価格予測モデル(1)
IBM Analytics Japan
 
融資業務における顧客の信用度分析
融資業務における顧客の信用度分析融資業務における顧客の信用度分析
融資業務における顧客の信用度分析
IBM Analytics Japan
 
銀行の融資業務における人工知能を利用したデータマイニング活用例
銀行の融資業務における人工知能を利用したデータマイニング活用例銀行の融資業務における人工知能を利用したデータマイニング活用例
銀行の融資業務における人工知能を利用したデータマイニング活用例
IBM Analytics Japan
 
安全在庫を確保するための売上予測
安全在庫を確保するための売上予測安全在庫を確保するための売上予測
安全在庫を確保するための売上予測
IBM Analytics Japan
 

More from IBM Analytics Japan (20)

Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介
Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介
Db2 v11.5.4 高可用性構成 & HADR 構成パターンご紹介
 
Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104 Db2 Warehouse v3.0 Basic Operation G...
Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104  Db2 Warehouse v3.0 Basic Operation G...Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104  Db2 Warehouse v3.0 Basic Operation G...
Db2 Warehouse v3.0 運用管理ガイド 基礎編 20190104 Db2 Warehouse v3.0 Basic Operation G...
 
Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...
Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...
Db2 Warehouse v3.0 SMP 導入ガイド 20190104 Db2 Warehouse SMP v3.0 configration Ins...
 
【jena X IBM】ビーコンを活用した働き方改革とは?
 【jena X IBM】ビーコンを活用した働き方改革とは? 【jena X IBM】ビーコンを活用した働き方改革とは?
【jena X IBM】ビーコンを活用した働き方改革とは?
 
IBM Integrated Analytics System DSX R Studio 利用ガイド
IBM Integrated Analytics System DSX R Studio 利用ガイドIBM Integrated Analytics System DSX R Studio 利用ガイド
IBM Integrated Analytics System DSX R Studio 利用ガイド
 
IBM Integrated Analytics System Webコンソール利用ガイド 20180213
IBM Integrated Analytics System Webコンソール利用ガイド 20180213IBM Integrated Analytics System Webコンソール利用ガイド 20180213
IBM Integrated Analytics System Webコンソール利用ガイド 20180213
 
IBM Integrated Analytics System ユーザー利用ガイド 20180213
IBM Integrated Analytics System ユーザー利用ガイド 20180213IBM Integrated Analytics System ユーザー利用ガイド 20180213
IBM Integrated Analytics System ユーザー利用ガイド 20180213
 
Db2 V11 GUIツール
Db2 V11 GUIツールDb2 V11 GUIツール
Db2 V11 GUIツール
 
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 201707Db2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
 
Dockerとdb2
Dockerとdb2Dockerとdb2
Dockerとdb2
 
IBM Cloudのデータベース
IBM CloudのデータベースIBM Cloudのデータベース
IBM Cloudのデータベース
 
【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~
【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~
【株式会社ラック様】ハイブリッド・クラウド時代の データベース活用 ~事例・スタートアップ・メニューご紹介~
 
Db2 Warehouse Spark利用ガイド チュートリアル編
Db2 Warehouse Spark利用ガイド チュートリアル編Db2 Warehouse Spark利用ガイド チュートリアル編
Db2 Warehouse Spark利用ガイド チュートリアル編
 
Db2 Warehouse Spark利用ガイド データ操作編
Db2 Warehouse Spark利用ガイド データ操作編Db2 Warehouse Spark利用ガイド データ操作編
Db2 Warehouse Spark利用ガイド データ操作編
 
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する…  最先端のテクノロジーが詰まったIBMクラウドのご紹介データを集めて貯めて分析する…  最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
 
中古車販売の価格予測モデル(2)
中古車販売の価格予測モデル(2)中古車販売の価格予測モデル(2)
中古車販売の価格予測モデル(2)
 
中古車販売の価格予測モデル(1)
中古車販売の価格予測モデル(1)中古車販売の価格予測モデル(1)
中古車販売の価格予測モデル(1)
 
融資業務における顧客の信用度分析
融資業務における顧客の信用度分析融資業務における顧客の信用度分析
融資業務における顧客の信用度分析
 
銀行の融資業務における人工知能を利用したデータマイニング活用例
銀行の融資業務における人工知能を利用したデータマイニング活用例銀行の融資業務における人工知能を利用したデータマイニング活用例
銀行の融資業務における人工知能を利用したデータマイニング活用例
 
安全在庫を確保するための売上予測
安全在庫を確保するための売上予測安全在庫を確保するための売上予測
安全在庫を確保するための売上予測
 

Db2 Warehouse on Cloud Flex ご紹介資料 2020年3月版

  • 1. 2020年 3⽉12⽇(⽊) ⽇本アイ・ビー・エム株式会社 Data and AI 事業部 運⽤管理からの開放「使う」事への最⼤集中 ハイパフォーマンス・クラウドデータウェアハウスサービス Db2 Warehouse on Cloud Flex 概要紹介資料
  • 2. © 2020 IBM Corporation2 IBM クラウドデータサービス概要 -2020年3⽉時点- IBMデータストア戦略はハイブリッドクラウド戦略を軸としており、オンプレミスからクラウドまで共通のSQLエンジンをご利 ⽤頂くことで共通のスキルセット、機能を提供することを可能としています。以下はIBMデータストア製品、クラウドデータ サービスの主要ラインナップとなります。 Db2 Warehouse on Cloud DWH & Analytics クラウドサービス IBM Cloud AWS Db2 on Cloud OLTP DB クラウドサービス IBM Cloud AWS Analytics Engine Hadoop & Spark サービス IBM Cloud Postgres SQL MongoDB (Cloud Database) オープンソースDB クラウドサービス (RDB & NoSQL) IBM Cloud Cloud Object Storage オブジェクト ストレージサービス IBM Cloud Db2 Warehouse DWH & Analytics コンテナ Db2 OLTP DB ソフトウェア/コンテナ オンプレミス/クラウド EDB Postgres MongoDB オープンソースDB ソフトウェア/コンテナ (RDB & NoSQL) オンプレミス/クラウド Cloudera BigSQL Hadoop & Spark サービス Cloud Object Storage オブジェクト ストレージサービス Integrated Analytics System DWH & Analytics アプライアンス IBM Cloud IBM Cloudオンプレミス/クラウドオンプレミス
  • 3. © 2020 IBM Corporation3 オンプレミスからクラウドサービスまで ”1つの技術”と”同⼀の顧客体験”を提供 フルマネージド クラウドDWHサービス Db2 Warehouse on Cloud 運⽤管理からの開放 「使う」事への最⼤集中 IBM Cloud 各種クラウドベンダー オンプレミス プライベート・クラウド ICP Kubernetes Azure AWS GCP IBMが提供するデータベースは、お客様データセンター、IBM Cloud、他社クラウドなどのあらゆる環境で稼働するために、 クラウドサービス・オンプレミスまでそれぞれの形態で共通のSQLエンジンを提供しています。データウェアハウスに特化し たデータストア製品についても、お客様にプラットフォーム選択の⾃由とマイグレーション容易なDBを提供します。 IBM クラウドデータサービス概要 (ハイブリッドデータマネージメント) 汎⽤データベース ソフトウェア Db2 オールラウンド対応 カスタムデータベース フルマネージド クラウドデータサービス Db2 on Cloud ハイパフォーマンス & ⾼可⽤性 トランザクションデータベース
  • 4. © 2020 IBM Corporation4 製品・サービス名 Integrated Analytics System Db2 Warehouse Db2 Warehouse on Cloud Db2 on Cloud (*) Db2 主な ⽤途 OLTP ※ OLTPに強い⾏表も作成可能 ※ OLTPに強い⾏表も作成可能 ※ OLTPに強い⾏表も作成可能 ◎ OLTP⽤に最適化 ◎ ※構築設計設定が必要 DWH ◎DWH、分析⽤に最適化 ◎DWH、分析⽤に最適化 ◎DWH、分析⽤に最適化 ※ OLAPに強い列表作成可能 ◎ ※構築設計設定が必要。 提供形態 アプライアンス (HW+SW) コンテナ (Dockerコンテナベース) クラウドデータサービス クラウドデータサービス ソフトウェア Dockerコンテナ 課⾦ ソフトウェア・ライセンス(HW含) +保守 ソフトウェア・ライセンス +保守 従量課⾦ 従量課⾦ ソフトウェア・ライセンス +保守 インフラ •IBM提供のHW/SW •お客様DC •お客様準備のHW •クラウド(IBM, AWS,MS等あ らゆるクラウド) IBM Cloud AWS IBM Cloud •お客様準備のHW •クラウド(IBM, AWS,MS等 あらゆるクラウド) 運⽤ HW IBM お客様 IBM IBM お客様 OS IBM お客様 IBM IBM お客様 DB IBM お客様 IBM IBM お客様 アプリ お客様 お客様 お客様 お客様 お客様 (*) IBM Cloud 上ではDb2というサービス名で提供中ですが、SW版との区別をするために本資料ではDb2 on Cloudと表記します。 IBM クラウドデータサービス概要 (ハイブリッドデータマネージメント) 以下はDb2系データストア製品の⼀覧およびその特徴を記した資料となります。共通SQLエンジンをワークロードに特化した 設定で予め提供を⾏うことで構築や運⽤に関わるコストや負荷をオンプレ、クラウド関わらず削減でき、プラットフォーム変更 を容易とすることでベンダーロックインやプラットフォームに依存せずに共通DBを利⽤することが可能です。 < オンプレミスからクラウド 共通のSQLエンジンを利⽤可能 >
  • 5. © 2020 IBM Corporation5 IBM Cloudに加えてマルチクラウドでのサービス展開を積極的に実施 様々なクラウドサービス、アプリケーションとのシナジー、連携を強化 2019年10⽉より、AWS 東京リージョン上でのフルマネージドクラウドサービス開始 完全⾃動運⽤(フルマネージドサービス) Db2 Warehouse on Cloud Flex マルチクラウド対応 2019年リリース済み 2019年リリース済み IBM クラウドデータサービス概要 (ハイブリッドデータウェアハウス戦略)
  • 6. © 2020 IBM Corporation6 Object Object Object ObjectObject ハイパフォーマンス ⾼可⽤性、運⽤容易性の実現 データレイクへの拡張 フルマネージサービス HW OS DB UP 1 2 3 4 N5 ( ) ⾃由に構成を変更可能1 2 4 5 6In-DB分析処理による⾼速化 ⼤量データを利⽤したSPSS Modeler,R Python/Data Stageを処理をDB内で⾼速化 ⼤規模DWHとして利⽤する上で 必要な⾼可⽤性、運⽤管理機能を搭載 構築不要、インフラ運⽤管理からの解放 各種運⽤作業を⾃動化によるコスト削減 並列処理(MPP) & インメモリカラムナー技術 同時実⾏分析性能⾼速化 コンピューティング資源とディスク資源 を柔軟かつ迅速に拡張 オブジェクトストレージ上のファイルを DB上にある表として透過的に利⽤ アーカイブ 過去履歴 SQLデータアクセス IBM Cloud Object Storage AWS S3 ロード/アンロード SPSS Modeler Python/Jupyter R / R Studio Db2 Warehouse ⾼可⽤性(HA)構成 運⽤監視管理コンソール ⾃動バックアップ(7世代無料) エンタープライズセキュリティ 災害対策(DR) ⾃動ワークロード管理 データ加⼯/機械学習 をDB内で処理 Data StageIn-DB ML 3 Db2 Warehouse on Cloud Flexモデル特徴 (主要な特徴のサマリー)
  • 7. © 2020 IBM Corporation7 Db2 Warehouse on Cloud 特徴 (フルマネージドクラウドサービス) 7 + IBMの運⽤管理チームがデータベースを24時間運⽤監視 • OSの更新やパッチの適⽤ • 新機能の適⽤やWebコンソールの更新 • 予期しない障害への対応 • バックアップデータの取得・保管 • DB統計情報更新 / 表再編処理 ユーザーは⽇常のデータベース運⽤から解放され、 業務に集中する事が出来ます。 フルマネージド サービス IBMによる 24時間365⽇の 運⽤監視 運⽤から解放され データ分析に集中 1
  • 8. © 2020 IBM Corporation8 Db2 Warehouse on Cloud 特徴 (フルマネージドクラウドサービス) 作業項⽬ 作業主体 環境構築 (ハードウエア, OS, ネットワーク) IBM 24時間のモニタリング IBM ⽇次バックアップ IBM 新機能の適⽤ (kernel updates, Webコンソールの新機能など) IBM OSやデータベースのパッチ適⽤ IBM データモデル作成やユーザー管理 Customer BIツールやETLツールからの接続 Customer データのロード Customer アプリケーション開発 Customer セキュリティ管理 Customer セキュリティが企業のガイドラインを 遵守しているかの確認 Customer 8 フルマネージド サービス IBMによる 24時間365⽇の 運⽤監視 運⽤から解放され データ分析に集中 1
  • 9. © 2020 IBM Corporation9 ⾼速ストレージネットワーク ※ 複数ノード構成(MPP)以外にもスモールスタート構成であるシングル構成(SMP構成)も選択可能 並列分散処理(MPP) x インメモリカラムナーアクセラレーション 表データ DBノード#1 DBノード#2 DBノード#3 DBノード#4 DBノード#5 DBノード#6 DBノード#7 Db2 Warehouse on Cloud 特徴 (ハイパフォーマンス 超並列処理アーキテクチャー) 超並列並列技術(MPP) とインメモリカラムナー処理を融合により ⼤量データに対する複雑な分析処理に加え、同時実⾏分析処理をも⾼速化 コンピュートノードとストレージノードを柔軟に拡張可能 ⾼速性、簡易性、柔軟性を備えたクラウドデータウェアハウスサービス 超並列処理アーキテクチャー x インメモリカラムナ技術 により、全論理DBノード (データスライス)上で、 完全な分散並列処理を実⾏ 圧倒的な分析 パフォーマンス をシンプルに実現 超並列処理 & インメモリカ ラムナーDB処理により チューニング作業を削減 しながら、分析処理を 圧倒的に⾼速化 2
  • 10. © 2020 IBM Corporation10 Db2 Warehouse on Cloud 特徴 (インメモリカラムナーアクセラレーション) データ分析処理を⼿間をかけずに圧倒的に⾼速化 - 超並列処理 x インメモリカラムナアクセラレーション - ①.列圧縮化技術によるデータ圧縮 ②.⾃動列フィルタリング(列表) ③.⾃動⾏フィルタリング(データスキップ) ④.SIMD並列処理 (単体論理DBノード内) ⑤.MPP並列処理 (複数論理DBノード並列実⾏) DBチューニングを排除、 圧倒的な⾼速化を実現 圧倒的な分析 パフォーマンス をシンプルに実現 超並列処理 & インメモリカ ラムナーDB処理により チューニング作業を削減 しながら、分析処理を 圧倒的に⾼速化 2
  • 11. © 2020 IBM Corporation11 ⾃由に構成 を変更可能 利⽤状況に応じCPU,RAM リソースおよびデータ量増加 に合わせてディスクサイズを 別々に変更可能 利⽤のピーク時間に合わせて CPUリソースを増強・縮⼩ -アプリケーション内のスライド機能を使⽤して、ストレージ (オンライン) あるいはコンピューティング能⼒をスケール -スケーリング操作により、即時もしくは事前設定した⽇時で変更が可能 ⼩規模構成から、⼤規模構成まで伸縮拡張 (IBM Cloud ケース) ビジネスの要件に合わせてシステム構成を柔軟に変更 Db2 Warehouse on Cloud 特徴 (柔軟にシステム構成を変更可能) ※モデルアップグレード時はデータ移⾏をIBMサービスチームが実施します。 3
  • 12. © 2020 IBM Corporation12 12 ⾃由に構成 を変更可能 利⽤状況に応じCPU,RAM リソースおよびデータ量増加 に合わせてディスクサイズを 別々に変更可能 利⽤のピーク時間に合わせて CPUリソースを増強・縮⼩ -アプリケーション内のスライド機能を使⽤して、ストレージ (オンライン) あるいはコンピューティング能⼒をスケール -スケーリング操作により、即時もしくは事前設定した⽇時で変更が可能 ⼩規模構成から、⼤規模構成まで伸縮拡張 (AWSケース) ビジネスの要件に合わせてシステム構成を柔軟に変更 Db2 Warehouse on Cloud 特徴 (柔軟にシステム構成を変更可能) ※ AWSではFlex One モデルのリリース提供はありません。 3
  • 13. © 2020 IBM Corporation13 13 コンテナー化アプローチでデプロイメントおよび障害復旧に対応 Kubernetes ベースの IBM Container Service 上に構築されているため、 MPP クラスターでワーカー・ノードを管理・デプロイできます。 ⾼可⽤性コンピューティング: ノードを無駄なく使⽤ コンテナー・サービスは、ノード障害を即座に検出します。障害ノードは 使⽤が停⽌され、スタンバイ・プールにある新規ノードの稼働を開始します。 ⾼可⽤性ストレージ 「RAID6」 冗⻑性、⾼性能、⾼可⽤性を備えた SSD によるブロック・ストレージを採⽤。 ネットワーク︓ネットワークスイッチの⼆重化で信頼性を確保 Db2 Warehouse on Cloud 特徴 (⾼可⽤性アーキテクチャーによるビジネス継続性) 1 2 3 ⾼可⽤性 & ⾼信頼性 耐障害性を考慮した HAアーキテクチャ 予期せぬノード障害時にも、 データ・ワークロード、照会、 ダッシュボード、レポートの 実⾏の停⽌時間を最⼩化します。 4
  • 14. © 2020 IBM Corporation14 Db2 Warehouse on Cloud 特徴 (⾼可⽤性アーキテクチャーによるビジネス継続性) セルフサービス バックアップ& DR対応 最⼤7世代のスナップショッ ト バックアップを保持 必要な場合、バックアップ を⾼速でリストア バックアップストレージの コストは標準⾦額に含む ⾃動および任意のバックアップ バックアップは⾃動的に⽇次取得。ユーザー任意のタイミングでのバックアップ も可能。取得したバックアップイメージを⽤いた復旧も任意のタイミングで1時間 以内での復旧が可能 バックアップの冗⻑化 バックアップイメージはIBM Cloud Object Storageに保管され⾃動的に複数の データセンターにコピーされる(DCサイト障害時はリモートサイトバックアップ を利⽤可能) 14 4
  • 15. © 2020 IBM Corporation15 ハイブリッド ワークロード への対応 ワークロードや応じて最適な 表形式を選択して利⽤可能 ワークロードに合わせたカスタム化 により単⼀DB内で複数のワーク ロードを効率的に処理 ⾃動もしくはカスタムで ワークロードごとにリソース制御 Db2 Warehouse on Cloud 特徴 (ハイブリッドワークロードへの対応 : ⾏/列対応) ワークロード、利⽤⽤途に応じて最適な表形式(⾏/列形式)を選択、最適化可能 ⾃動もしくはカスタマイズ化されたワークロード管理により、必要なリソースを制御 アダプティブワークロード管理 ユーザー・モデルアダプティブワークロード⾃動管理 4
  • 16. © 2020 IBM Corporation16 SPSS Modeler Data Stage R,Python 連携 In-DB処理による⼤量データ の分析処理の⾼速化 分析に必要なデータの準備 加⼯処理をDWHにオフロード 処理時間の⼤幅な短縮を実現 使い慣れたインターフェース 処理だけをDB側にオフロード 分析処理を⾼速化 不要なデータの移動が発⽣せずDBの"中"で処理を完結 ⼤量データを利⽤した分析処理の⾼速化 ⼤量データのやり取りによる遅延、クライアント側環境の制約 従来のRDBMSではクライアント環境にデータを移動させて分析処理を実施 様々なR,Python分析関数、 SPSS Modelerによる 加⼯処理をサポート Db2 Warehouse on Cloud 特徴 (In-DB Analyticsによる分析処理の⾼速化) 5
  • 17. © 2020 IBM Corporation17 データレイク への拡張 構造化データに加えて、⾮構造化 データをDBに格納して検索可能 オブジェクトストレージに格納さ れたデータに対して透過的に SQLで扱うことが可能 利⽤⽤途に応じたデータタイプをDBに格納して利⽤することができ、 JSONファイル、ラージテキストファイル、バイナリファイルを格納、参照可能 オブジェクトストレージに配置したデータ,ファイルに対して透過的にSQL参照 あたかも⼿元にある表のように各種データの参照、ロードを⾏うことが可能 構造化データ ・⼀般的にRDBへ格納する形式 ・CSV、TSV形式のファイル ・固定⻑ファイル ・Excel形式のファイル ⾮構造化/半構造化データ ・規則性のある⾮構造化データ ・JSONファイル /⼀部のテキストファイル ・規則性のない⾮構造化データ ・テキスト⽂書 ・画像データ Db2 Warehouse on Cloud 特徴 (マルチデータタイプ対応 & データレイクへの拡張) 6
  • 18. © 2020 IBM Corporation18 Oracle DB、 Netezzaからの 移⾏容易性 Oracle DB/Netezza 互換機能 & 各種移⾏ツール を備えており、移⾏に関わる ワークロードを低減 Oracle/Netezza互換機能(SQL構⽂サポート、運⽤管理ツール対応) 移⾏ツール(移⾏性評価、⾮互換修正)による移⾏リスク低減 ⼤量データの移⾏をセキュアかつ⾼速に実現するLiftツール NW帯域を最⼤限する⼤容量データ転送ロード機能による移⾏時間短縮を実現 ( + ) +2 B B B B : A D :A LP M S S DQ N 2 B/ B ( ) / SQL/DML PL/SQL ) ( Db2 Warehouse on Cloud 特徴 (Oracle DB/Netezza互換性機能 / 移⾏ツール) 7
  • 19. © 2020 IBM Corporation19 & Db2 Warehouse on Cloud 活⽤シーン(1) 1 顧客データ分析基盤(機械学習/セルフサービスBI) 顧客をより深く理解し、新たな価値につなげる膨⼤なデータから顧客の⾏動やニーズを把握、 顧客が求めるものをいち早く商品やサービスに反映し、個別化されたオファーをタイムリーに提供 (例:顧客への追加販売 /リピート率向上 /離反・休眠防⽌ /新規顧客獲得) 購買履歴データ DataStage 収集/加⼯ 蓄積 データ可視化・分析 商品データ 顧客データ Lift CLI Watson Studio Data Refinery Data Replication 1.顧客情報や購買履歴など営業データをDb2 warehouse on cloudに集約 2.各店舗からDb2 Warehouse on cloudにアクセスすることで複数のデータ・セットを組み合わせて、セルフサービスで 分析を⾏い、新たな洞察を得て、売上向上/顧客満⾜度向上につなげる 2.顧客動向、クロスセル、離反率、新規顧客獲得等、予測モデルを構築して分析を⾏える基盤として利⽤ 1 2
  • 20. © 2020 IBM Corporation20 & Db2 Warehouse on Cloud 活⽤シーン(2) 2 情報系システム(BI/DWH)のクラウド展開 企業活動や顧客データの可視化のための既存BI/DWH基盤をクラウド上で実現し、よりビジネスの変化に強み を持った情報系基盤の構築を実現。さらにパフォーマンス、運⽤管理負荷の⼤幅削減、コスト課題を解決 DataStage / Data Refinery IBM Watson Studio IBM Lift Object Storage 収集 蓄積 データの可視化・分析 1. DBに格納されている基幹系データはETLツールでDb2にロード CSV等のファイルはLiftツールでDb2にロード 2.Object Storageに格納されたデータはWEBブラウザGUIもしくはSQL経由でDb2 WoCにデータロード 3. BIツールでデータの可視化 4. Watson Studio等で機械学習し分析モデル作成、API展開に業務適⽤ 1 2 3 4 各種BIツール / 分析ツール
  • 21. © 2020 IBM Corporation21 / / / / Db2 Warehouse on Cloud 活⽤シーン(3) 3 IoTデータをBIで可視化 & AI/機械学習で活⽤ デバイスから出⼒されるIoTデータをリアルタイム/ニアリアルタイムで分析することで新たな洞察を獲得。 異常値や故障に関わるパターンの検知、可視化、予測の実現によりビジネス上の効果的な意思決定を⽀援。 Sensors and IoT 2 3 Apache kafka IBM Watson Studio データ収集 蓄積 分析 Watson IoT Platform 1 Clickstream data 4 1. IoTデータはWatson IoT Platformで収集 2. その他、モバイルからのクリックストリームやセンサーデータはストリーミング処理 3. Cognos on CloudでIoTデータを可視化 4. Watson Studio等で機械学習し分析モデル作成、API展開に業務適⽤ 各種BIツール / 分析ツール
  • 22. © 2020 IBM Corporation22 お客様事例︓いちかたガスワン様 基幹システムのデータをIBM Cloudにセキュアに取り込み、タブレットからアクセス可能な灯油配送管理システムを短期間で 構築し、業務効率の向上とノウハウの共有を実現。基幹系システムのデータをクラウド上のDb2 on Cloudへ連携、Db2 Warehouse on Cloudを活⽤したデータを可視化を実現。従来作業を効率化することでビジネスの効率化を実現 https://www.ibm.com/jp-ja/case-studies/ichitaka
  • 23. © 2020 IBM Corporation23 お客様事例:THK様 IBM CloudDb2 Warehouse on Cloud (SaaS) BI Db2 Warehouse on Cloud SQL 国内販売系システム 海外販売系システム 国内生産系システム 海外生産系システム その他システム 2 ) 2 ( ( C ) 2 I ( D D W L B Q C 2 S 主に全世界の販売データおよび国内の⽣産データを対象としたデータ分析のための基盤に IBM Db2 Warehouse on Cloudを採⽤。IBM i上の基幹データの⼀元化とリアルタイム化を実 現し、実効的なPDCAサイクルを構築。 https://www-03.ibm.com/press/jp/ja/pressrelease/54861.wss
  • 24. © 2020 IBM Corporation24 参考: Db2 Warehouse on IBM Cloud 参考リンク集 Db2 Warehouse on Cloud 製品紹介ホームページ(概要、FAQ、動画) https://www.ibm.com/jp-ja/cloud/db2-warehouse-on-cloud Db2 Warehouse on Cloud Knowledge Center (マニュアル) https://www.ibm.com/support/knowledgecenter/en/SS6NHC/com.ibm.swg.im.dashdb.kc.doc/welcome.html Db2 Warehouse on Cloud What's New サイト (最新Update情報) https://www.ibm.com/support/pages/whats-new-ibm-db2-warehouse-cloud Db2 Warehouse on Cloud 概要紹介デモ動画 https://www.youtube.com/watch?v=JmmDLQ_ZCzU