[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本ヒューレット・パッカード株式会社大薗純平

© Copyright 2016 Hewlett Packard Enterprise Development LP. The information contained herein is subject to change without notice.
最新版Verticaの
Analytics機能を駆使して
実現する簡単ログ分析
日本ヒューレット・パッカード株式会社
シニアプリセールスコンサルタント
大薗純平
2016年7月13日

2
自己紹介
–大薗純平
–日本のVerticaプリセールスリードをしています
–Verticaのデータベースとしての素晴らしさに魅せられて早5年
たくさんの人にVerticaのよさを知ってもらい、使ってもらい、
抱えている悩みや不満を解消してもらうために、日々啓蒙活動中
2
※VerticaやPostgresの生みの親であるDB研究開発者

3
Verticaのコアテクノロジーおさらい
• 2015年VLDB 10-
Year Best Paper
Awardを受賞した
C-Storeがベース
• 必要な列データの
みの読み込み
真の列指向DB
• 独立したノードを
ネットワークでつな
いで構成
• マルチマスター
ノード構成により、
高可用性・高拡張
性を実現
MPPクラスタリング
• カラムのデータ属
性に応じた最適な
圧縮アルゴリズム
を適用
• I/O削減によるス
ループット向上
• 物理ストレージ容
量の削減
高度な圧縮
• クエリーに最適な
圧縮、ソート、分散
が事前に実施され
たデータセット
• 必要なデータをよ
り速く取り出すため
のVertica独自の
仕組み
プロジェクション

4
要は
分析処理が速い
拡張性が高い
同時実行に強い

5
データ量
PB
1TB
10TB
100TB
利用
ユーザー数
部門データマート
POS/CRM/SCM etc
企業データウェアハウス
POS/CRM/SCM etc
ログ分析基盤
Web clickstream/Smart Meter/Sensor/Network monitoring etc
Verticaの適用ユースケース

6
本日お伝えしたいこと
6
ログ分析のための
豊富な機能がある
2016/7時点最新版 v7.2.3
拡張性が高い

8
ログデータ（JSON等）は、
ETLツールやHadoopソリューションで
構造化してからVerticaにロードするしかない
8
ETL/Hadoopログデータ

99
それももちろんOKですが…
方法はそれだけではありません！

10
フレックステーブル機能を使用して、
ログを直接Verticaに取り込めます！
10
フレックス
テーブル機能
ログデータ
直接取り込み
ETLやMap/Reduceロジックの実装不要
DBに入れてからSQLで操作

1212
ログ分析のロジックは、
標準SQL関数を組み合わせて作る or
ユーザー定義関数を組むしかない
SQL ‘99
標準 Analytic SQL
– Window 関数
– 統計関数
– Geospatial関数
ユーザー定義関数
– Java
– C++
– R
SDKs
? ?

1313
それももちろんOKですが…
便利な独自関数も使えます！

1414
すぐに使えるログ分析用の
SQL拡張関数が充実しています！
SQL ‘99
標準 Analytic SQL
– Window 関数
– 統計関数
– Java
– C++
– R
SDKs
！！
HPE Vertica’s
SQL Extensions
独自の分析用関数
– Time Series
– Event Based Window
– Pattern Matching

1616
機械学習的な分析は、
データマイニングツールやR, Python,
Spark/MLlib等で実装するしかない

1717
それはもちろん王道ですが…
VerticaならSQLでできちゃいます！

1818
Vertica内でも、SQLを使って
機械学習系の分析ができます！
In-DB Machine Learning

19
本日のテーマ
1.フレックステーブル機能
2.ログ分析用のSQL拡張関数
3.機械学習系の分析
19

20
本日のテーマ
20

21
フレックステーブル機能：さまざまな形式のログデータも簡単に取り込める
データソース側の構造が
変わっても、Vertica側で柔
軟にスキーマ構造を変更（その他半構造化/構造化データにも対応）
CEF
{ "name": "Everest",
"type":"mountain",
"height": 29029,
"hike_safety": 34.1 }
{ "name": "Mt St Helens",
"type": "volcano",
"hike_safety": 15.4 }
テーブル
フレックス形式
name type height hike_safety
MAP
KeyValue
TSV
カラムナー形式
テーブル
フレックス形式
hike_safety
カラムナー形式
n
a
m
e
t
y
p
e
データソース
ログ、センサー、ソーシャルデータ etc
テーブルに蓄積したログを使用して
有効な分析パターンの発掘
2
height
分析の軸となる列を
カラムナー形式に追加3
name type
データを専用Parserで
解析しながらロード
※Vertica側にテーブルの
列名の事前定義は不要
1
Parse Serialize
※

22
フレックステーブル機能を使ってJSONデータを取り込んでみる
Tweets.json
1. JSONファイルの準備

23
1. JSONファイルの準備
– Twitter Public APIよりJSONファイルを取得し、Verticaノードに配置
– GET https://api.twitter.com/1.1/search/tweets.json?q=%23Vertica&count=100
– JSONは、ネスト、配列構造の形式をサポート
{
"statuses":
[
{
"created_at": "Fri Jul 08 10:15:21 +0000 2016",
"text": "u30107/28uff08u6728uff0916:00-17:30 … …",
:
"user": {
"screen_name": "jostandard",
:
},
:
"lang": "ja"
},
:
]
}

24
Tweets.json [Flex Table]
Tweets
2. フレックステーブル作成
[Flex Table]
Tweets_keys
[Flex View]
Tweets_view
Tweetsテーブル作成時、以下も同時に生成
・Tweets_keys（キー構成管理テーブル）
・Tweets_view（参照用ビュー）

26
Tweets
3. データロード
[Flex Table]
Tweets_keys
[Flex View]
Tweets_view

27
3. フレックステーブルへのデータロード
– データロード
– データ確認（*で全項目抽出）
今回はデータがJSONなので
fjsonparserを使用する
COPY tweets FROM '/home/dbadmin/tweets.json'
PARSER fjsonparser(start_point='statuses');
__identity__ | __raw__
--------------+--------------------------------------------------
1 | 001000000000(005000000K000000000...
2 | 001000000000(005000000K000000000...
SELECT * FROM tweets;
フレックステーブルに実際に格納されているデータ
= Key（連番） + Value（バイナリー）

29
– プロジェクション定義の確認
CREATE PROJECTION public.tweets /*+createtype(P)*/
(
__identity__,
__raw__
)
AS
SELECT tweets.__identity__,
tweets.__raw__
FROM public.tweets
ORDER BY tweets.__identity__
SEGMENTED BY hash(tweets.__identity__) ALL NODES KSAFE 1;
SELECT export_objects('','tweets'); Keyカラム+ Valueカラムのみ

30
– データ確認（列名を直接指定）
created_at | user.screen_name | text
---------------------+------------------+-----------------------------------------------------------------------------
2016-07-08 19:15:21 | jostandard | 【7/28（木）16:00-17:30 開催】第3回VertiCafe https://t.co/Cj7T1btvBh #Vertica
2016-07-08 10:10:15 | BigDataTweetBot | RT @HPE_BigData: Learn the value of a #SmartBuilding ecosystem:
https://t.co/H1gD7aCDJv #IoT #BigData #Vertica https://t.co/CyuSUjEIaz
2016-07-08 10:00:01 | HPE_BigData | Learn the value of a #SmartBuilding ecosystem: https://t.co/H1gD7aCDJv #IoT
#BigData #Vertica https://t.co/CyuSUjEIaz
:
:
SELECT
created_at::timestamp(0)
,"user.screen_name"
,text
FROM tweets order by 1 desc;
予め列名を知っていれば、通常テーブルのように検索できる

31
Tweets
[Flex Table]
Tweets_keys
[Flex View]
Tweets_view
4. キー構成更新と
ビュー定義のビルド

32
4. フレックステーブルのキー構成更新とビュー定義のビルド
キー構成更新？
ビュー定義のビルド？
最新のフレックステーブルの列名とデータ型を検知し、管理テーブルに格納
最新のフレックステーブルの列名とデータ型にて、参照用ビューを作成

34
– ビュー経由での確認が可能になる
contributors |
coordinates |
created_at | 2016-07-08 19:15:21+09
:
text | 【7/28（木）16:00-17:30 開催】第3回VertiCafe
https://t.co/Cj7T1btvBh #Vertica
:
retweeted_status.entities.media |
SELECT * FROM tweets_view limit 1;
Keyカラム+ Valueカラムではなく、各カラムを正しいデータ型で認識する
例）TimestampTz
で取り扱われる


35
Tips: フレックステーブルのデータ型決定の精度を向上
– デフォルトでは、フレックステーブルキー更新時、すべてのデータが文字列型として認識される
– DBパラメーター「EnableBetterFlexTypeGuessing」を有効化することで、文字列型だけでなく、BOOLEAN、
INTEGER、FLOAT、TIMESTAMP、DATEなど、データ内容に準じたデータ型として認識する精度が高くなる
35
compute_flextable_keys() or
compute_flextable_keys_an
d_build_view()
Flex table: users
users_keys
age: varchar int
created: char(10) date
name: varchar
SELECT SET_CONFIG_PARAMETER('EnableBetterFlexTypeGuessing',1);

36
Tweets
[Flex Table]
Tweets_keys
[Flex View]
Tweets_view
[Flex Table]
Tweets
5. カラムナー形式の列を追加

37
5. フレックステーブルにカラムナー形式の列を追加
– フレックステーブルに取り込んだフィールドのうち、1つの列をカラムナー形式の列として追加
WHERE句やGROUP BY句などの検索条件キー
となるような列を追加すると、性能向上に効果的
ALTER TABLE tweets
ADD COLUMN "user.screen_name" varchar DEFAULT "user.screen_name"::varchar ;

38
5. フレックステーブルにカラムナー形式の列を追加
プロジェクションに列が追加される
CREATE PROJECTION public.tweets /*+createtype(P)*/
(
__identity__,
__raw__,
"user.screen_name"
)
AS
tweets.__raw__,
tweets."user.screen_name"
FROM public.tweets
ORDER BY tweets.__identity__
SEGMENTED BY hash(tweets.__identity__) ALL NODES KSAFE 1;
SELECT export_objects('','tweets');

39
Tweets
[Flex Table]
Tweets_keys
[Flex View]
Tweets_view
[Flex Table]
Tweets
DBD
6. DBDの実行(*)
Query
* DBD（Database Designer）の詳細については、以下の資料をご参照ください
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・運用ステップ

40
6. フレックステーブルにデータベースデザイナーを実行
CREATE PROJECTION public.tweets_DBD_1_rep_flex_dbd /*+createtype(D)*/
(
__identity__,
__raw__,
"user.screen_name"
)
AS
tweets.__raw__,
tweets."user.screen_name"
FROM public.tweets
ORDER BY tweets."user.screen_name"
UNSEGMENTED ALL NODES;
SELECT export_objects('','tweets');
■DBDに与えたクエリー
SELECT
"user.screen_name"
,sum(retweet_count)
From
tweets
group by 1
order by 2 desc;
プロジェクションを最適化

41
まとめ
フレックステーブル機能を使用して、
ログを直接Verticaに取り込めます！
41
フレックス
テーブル機能
ログデータ
直接取り込み
ETLやMap/Reduceロジックの実装不要
DBに入れてからSQLで操作

42
本日のテーマ
42

43
Verticaの主な分析SQL機能
Vertica SQL
Standard SQL-99 Conventions
Vertica Extended-SQL
Advanced Analytics with SQL
Vertica User Defined Extensions
Aggregate Sessionization Analytics
• C++
• Java
• R
Connection
• ODBC/JDBC
• HIVE
• Hadoop
• Flex Zone
Analytical Time Series
• Time slice
• Interpolation (Constant & Linear)
• Gap Filling
• Aggregate
Window Functions Event-based Windows
• Conditional Change Event
• Conditional True Event
Graph Event Series Joins
Monte Carlo Social Media/Pulse
• Text Mining
• Patterns/Trends
Geospatial Pattern Matching
• Match, Define, Pattern Keywords
• Funnel Analysis
時系列
の補間
イベントの
グルーピング
パターン
マッチング

44
Time Series（時系列の補間）
できること:
格納されているログデータの時間間隔とは異なる時間間隔で、データを抽出
Device
v1.0
VDevice
v1.0
Device
v2.0
Device
v2.1.2
Device
v2.2.5
Device
v2.7.0
Device
v3.1
Device
v4.0
Device
v4.1
Device
v3.0
（たとえば、さまざまな機器から取得されるログは、
すべて同じ間隔で収集されているとは限らない）

45
例：
SELECT * FROM TickStore;
データベースには、両方の株式の入札のイベントが
全て含まれているが、これらのイベントは常に一定の
時間間隔で起こっているわけではなく、同じ時間の入
札価格の動きを比較するのが難しい
ts symbol bid
2016-01-01 03:00:00 XYZ 10
2016-01-01 03:00:05 XYZ 10.5
2016-01-01 03:00:00 ABC 7
2016-01-01 03:00:06 ABC 6.7
複数の株式銘柄の入札価格の相関関係を分析

46
例：
SELECT
slice_time
,symbol
,TS_FIRST_VALUE(bid, 'CONST') bid
FROM
Tickstore
TIMESERIES slice_time AS '2 seconds'
OVER( PARTITION BY symbol ORDER BY ts );
Symbol（ティッカー・シンボル）でグループ化し、
ts（時系列）で並び替えられたウィンドウの時間データを
上から読んでいき、2秒間隔になるようにデータを整形
ts symbol bid
2016-01-01 03:00:00 XYZ 10
2016-01-01 03:00:02 XYZ 10
2016-01-01 03:00:04 XYZ 10
2016-01-01 03:00:00 ABC 7
2016-01-01 03:00:02 ABC 7
2016-01-01 03:00:04 ABC 7
2016-01-01 03:00:06 ABC 6.7
欠損している時間帯は、前の時間から定
数データ（CONST）を補間
定数補間

47
例：
SELECT
slice_time
,symbol
,TS_FIRST_VALUE(bid, 'LINEAR') bid
FROM
Tickstore
TIMESERIES slice_time AS '2 seconds'
OVER( PARTITION BY symbol ORDER BY ts );
ts symbol bid
2016-01-01 03:00:00 XYZ 10
2016-01-01 03:00:02 XYZ 10.2
2016-01-01 03:00:04 XYZ 10.4
2016-01-01 03:00:00 ABC 7
2016-01-01 03:00:02 ABC 6.9
2016-01-01 03:00:04 ABC 6.8
2016-01-01 03:00:06 ABC 6.7
線形補間
Symbol（ティッカー・シンボル）でグループ化し、
ts（時系列）で並び替えられたウィンドウの時間データを
上から読んでいき、2秒間隔になるようにデータを整形
欠損している時間帯は、前後の時間から
線形データ（LINEAR）を補間

48
例：
定数補間線形補間
3:00:03のデータを直前3:00:00の値で補間
3:00:02, 3:00:04のデータを
3:00:00～3:00:05の間の線形値で補間

49
Event Based Windows（イベントのグルーピング）
できること:
時系列データにおいて、特定のイベント発生ごとにデータをグルーピングする
あるユーザーの
アクションの軌跡

50
例：
• Webのクリックストリーム分析におけるセッション化
• あるユーザーからの接続において、「クリック間の時間が120秒以上離れている場合」は、セッションが切断され
た（Webサイトを一時離脱した）と判断し、別のセッション情報として分析
SELECT
userId,
timestamp,
click_url,
CONDITIONAL_TRUE_EVENT(
timestamp - LAG(timestamp) > ‘120 seconds‘
) OVER( PARTITION BY userId ORDER BY timestamp ) AS session
FROM
Click_stream;
該当ウィンドウの中で、クリックとクリックの間の時間が120秒を
越える場合は、新しいセッションとして値をIncrement
userId（ユーザーID）でグループ化し、
timestamp（時間）で並び替えられたウィンドウ

51
例：
user_id timestamp click_url
1 15:00:00 www.hogehoge.com/view_skydiving
1 15:00:25 www.hogehoge.com/purchase_skydiving
1 15:00:45 www.hogehoge.com/purchase_complete
1 15:03:45 www.hogehoge.com/view_skydiving
2 15:05:45 www.hogehoge.com/view_yoga
2 15:05:55 www.hogehoge.com/view_boatreantal
2 15:10:00 www.hogehoge.com/view_fandango
user_id timestamp click_url Session
1 15:00:00 www.hogehoge.com/view_skydiving 0
1 15:00:25 www.hogehoge.com/purchase_skydiving 0
1 15:00:45 www.hogehoge.com/purchase_complete 0
1 15:02:55 www.hogehoge.com/view_skydiving 1
2 15:03:15 www.hogehoge.com/view_yoga 0
2 15:03:55 www.hogehoge.com/view_boatreantal 0
2 15:06:55 www.hogehoge.com/view_fandango 1
120秒以上間隔が開いている場
合は別セッションとして取り扱う
よう、Session列をインクリメント
ユーザー1のグループイベント1
+130秒
+180秒

52
Pattern Matching（パターンマッチング）
できること:
一連のイベントパターンにマッチしたログを抽出
A
SQL
Pattern
Matching
(A,B+,C)
Id=1
Id=2
Id=3
B
B
C
A
C
A
B
C
A
Id=1 B
B
C
Id=3
A
B
C

53
例：
• Webのクリックストリーム分析
• db-techサイトのホームURLを参照（ラベル=ENTRY）し、サイト内の任意のURLを1回以上参照（ラベル
=ONSITE）したのち、購買用ページで商品購入（ラベル=PURCHASE）したユーザーのログを抽出
SELECT uid, sid, refurl, pageurl, action, event_name()
FROM clickstream_log
MATCH( PARTITION BY uid
ORDER BY timestamp
DEFINE
ENTRY as PageURL ILIKE ‘%db-tech.com/home%’ and Action = 'V',
ONSITE as PageURL ILIKE ‘%db-tech.com%’ and Action = 'V',
PURCHASE as PageURL ILIKE '%db-tech.com/purchase%' and Action = 'P'
PATTERN P as ( ENTRY ONSITE+ PURCHASE )
);
uid（ユーザーID）でグループ化し、
timestamp（時系列）で並び替えられたウィンドウ
ラベル
と条件
『ENTRY1回→ONSITE1回以上→PURCHASE』
のパターンを定義

54
例：
timestamp uid sid refurl pageurl action
7/1/2016 8:16 1 1 db-tech.com db-tech.com/home V
7/1/2016 8:17 1 1 db-tech.com/home db-tech.com/onsite V
7/1/2016 8:18 1 1 db-tech.com/onsite db-tech.com/onsite2 V
7/1/2016 8:20 1 1 db-tech.com/onsite2 db-tech.com/onsite3 V
7/1/2016 8:22 1 1 db-tech.com/onsite3 db-tech.com/purchase V
7/1/2016 8:25 1 1 db-tech.com/purchase db-tech.com/purchase P
7/1/2016 8:31 2 1 db-tech.com/home db-tech.com/onsite V
7/1/2016 8:32 2 1 db-tech.com/onsite db-tech.com/onsite2 V
7/1/2016 8:33 2 1 db-tech.com/onsite2 db-tech.com/onsite B
7/1/2016 8:34 2 1 db-tech.com/onsite db-tech.com/purchase V
7/1/2016 8:40 2 1 db-tech.com/purchase db-tech.com/purchase P
7/1/2016 8:55 3 1 db-tech.com/home db-tech.com/purchase P
uid sid refurl pageurl action event_name
1 1 db-tech.com db-tech.com/home V ENTRY
1 1 db-tech.com/home db-tech.com/onsite V ONSITE
1 1 db-tech.com/onsite db-tech.com/onsite2 V ONSITE
1 1 db-tech.com/onsite2 db-tech.com/onsite3 V ONSITE
1 1 db-tech.com/onsite3 db-tech.com/purchase V ONSITE
1 1 db-tech.com/purchase db-tech.com/purchase P PURCHASE
ユーザーごとのアクセスログを時系列で並び替え、
『ENTRY1回→ONSITE1回以上→PURCHASE』
のパターンにマッチしたもののみを抽出

5555
まとめ
すぐに使えるログ分析用の
SQL拡張関数が充実しています！
SQL ‘99
標準 Analytic SQL
– Window 関数
– 統計関数
– Java
– C++
– R
SDKs
！！
HPE Vertica’s
SQL Extensions
独自の分析用関数
– Time Series
– Event Based Window
– Pattern Matching

56
本日のテーマ
56

57
Verticaで機械学習 In-DB Machine Learning
– SQLで機械学習系のアルゴリズムが実行できる
– Verticaの並列分散エンジンを利用し、大容量データの高速処理を実現できる
– 通常のSQL分析と機械学習分析のためのプラットフォームを分ける必要がない
57
VV V V
線形回帰
分類
（ロジスティック回帰）
クラスタリング
（K-means）
V
※Vertica 7.2.3時点の対応アルゴリズム
ポイント

58
In-DB Machine Learningの流れ
専用パッケージ
のインストールと
設定
– In-DB
Machine
Learningの機
能はデフォルト
ではインストー
ルされていな
いため、はじめ
にインストール
と設定が必要
データ準備
– Verticaにデー
タをロード
– 必要に応じて、
使⽤データを
正規化
分析モデル
の作成
– 線形回帰
– ロジスティック
回帰
分析の実行
– スコアリング
– K-meansクラ
スタリング
評価
– スコアリングや
の結果を評価

59
設定
– In-DB
Machine
Learningの機
ルされていな
と設定が必要
データ準備
タをロード
使⽤データを
正規化
分析モデル
の作成
– 線形回帰
回帰
分析の実行
– K-meansクラ
スタリング
評価
の結果を評価

60
専用パッケージのインストールと設定
前提ソフトウェア ※各Verticaノードにインストールが必要
– libgfortran
– Ident Server (oident)
60
CentOS/Red Hat 6.xの例

61
拡張パッケージのインストール ※任意の1ノードでdbadminで実行
61
adminTools -t install_package -d db_name -p dba_password -P AdvancedAnalytics

62
インストール後
– In-DB Machine Learning用の管理スキーマ「v_ml」と、分析モデル管理用のテーブル「models」が作成される
– In-DB Machine Learning を実行するために必要な権限ロール「mlrole」が作成される
62

63
In-DB Machine Learning を実行するユーザーの認証方法をident認証にすることが必要
– この例では、mlroleロール権限をデフォルトで持っているdbadminを使った例となっているが、
専用のユーザーを作成し、「mlroleロール」権限を付与することを推奨
63
CREATE AUTHENTICATION v_ml_ident METHOD 'ident' LOCAL;
ALTER AUTHENTICATION v_ml_ident SET system_users='dbadmin';
GRANT AUTHENTICATION v_ml_ident TO dbadmin;
その他設定の詳細は、以下をご参照ください
■ Assign Users to the mlrole Role and Allow Access to Advanced Analytics Functions
■ Configuring Hash and Ident Authentication

64
64
パスワード認証から
ident認証へ

65
設定
– In-DB
Machine
Learningの機
ルされていな
と設定が必要
データ準備
タをロード
使⽤データを
正規化
分析モデル
の作成
– 線形回帰
回帰
分析の実行
– K-meansクラ
スタリング
評価
の結果を評価

66
データ準備
通常どおり、Verticaにデータをロード
66
VV V V V
COPY
データが各ノードに分散配置される

67
データ準備
よりよい分析モデルを作成するための、データを正規化するSQL関数機能を提供
正規化メソッドは、以下から選択（一般的な正規化メソッド）
– MinMax
– ZScore
67
SELECT v_ml.normalize(
'インプットテーブル名'
,'インプットカラム'
,'アウトプットビュー名'
,‘正規化メソッド'
,'--exclude_columns=インプットから除外する列名
--key_columns=アウトプットビューに表示するキー列名'
);

68
例：mtcars（自動車データのサンプル）
68
hp（総馬力）と
wt（重量）の
関係から分析を行うため、
両列を正規化する

69
例：mtcars（自動車データのサンプル）
69
SELECT v_ml.normalize('mtcars', 'wt, hp', 'mtcars_normalized', 'MinMax',
'--exclude_columns=carName --key_columns=carName');
テーブル名正規化対象アウトプットビュー名正規化メソッド
hp（総馬力）、wt（重量）それぞれを
0～1の相対的な値に正規化

70
設定
– In-DB
Machine
Learningの機
ルされていな
と設定が必要
データ準備
タをロード
使⽤データを
正規化
分析モデル
の作成
– 線形回帰
回帰
分析の実行
– K-meansクラ
スタリング
評価
の結果を評価

71
分析モデルの作成、実行、評価
線形回帰
例：自動車の価格予測
71
１つまたは複数の要素（説明変数／特徴量）と数値（目的変数）の関係性を学習し、
別の要素データを与えたときに、算出される数値を予測する
あらかじめ与えられた車の情報（メーカー、車種、燃料タイプ、価格等）から、
別の条件での車の価格を予測する

72
線形回帰（教師あり学習）
72
訓練データテーブル
テストデータ
分析モデル
スコアリング結果
①分析モデルの作成
COPY linearReg関数 summaryLinearReg関数
②スコアリング実行
テーブル
分析モデル
predictLinearReg関数
MSE/rSquared関数
③評価
COPY
（分析モデルの確認）

73
ロジスティック回帰（教師あり学習）
例：商品のキャンペーンマーケティング
73
１つまたは複数の要素（説明変数／特徴量）と2値分類（目的変数）の関係性を学習
し、別の要素データを与えたときに、算出される2値分類（0 or 1）を予測する
特定の商品を購入した顧客情報（年齢、性別、住所、年収、売上実績等）から、
別の顧客に対して、同じ商品を購入してくれるかどうかを予測する

74
ロジスティック回帰（教師あり学習）
74
訓練データテーブル
テストデータ
分析モデル
スコアリング結果
COPY logisticReg関数 summaryLogisticReg関数
②スコアリング実行
テーブル
分析モデル
predictLogisticReg関数
confusionMatrix/errorRate
/liftTable/ROC関数
③評価
COPY
（分析モデルの確認）

75
k-means
例：あやめ（アイリス）の分類
75
数値データの集合を類似グループに分類（クラスタリング）する
がく片や花びらの長さ・幅の情報から、類似度にしたがってグループを分け、花の種類を分類する

76
k-means （教師なし学習）
76
分析データテーブルA
分析データ
分析モデル
とクラスタリング実行
COPY kmeans関数
summaryKmeans関数
③別データへの
k-means分析モデル
の適用
テーブルB
分析モデル
kmeansApply関数
COPY
クラスタリング結果
②分析モデルの確認と評価
クラスタリング結果

77
例：線形回帰のサンプル mtcars
77
cyl（シリンダー数）
hp（総馬力）
wt（重量）
から、
mpg（燃費）＜数値＞
を予測する

78
例：線形回帰モデルの作成
SELECT v_ml.linearReg('linModel', 'mtcars', 'mpg', 'cyl,hp,wt',
'--exclude_columns=carName --description my_linearReg_model');
モデル名テーブル名目的変数となる列説明変数となる列

79
例：線形回帰モデルの確認
79
SELECT v_ml.summaryLinearReg(USING PARAMETERS owner=‘dbadmin’, model_name='linModel');
ユーザー名モデル名
summaryLinearReg関数や、
v_mlスキーマのmodelsテーブ
ルより、作成したモデルのサマ
リー情報が確認可能

80
例：線形回帰モデルの実行（スコアリング）
80
summaryLinearReg関数や、
v_mlスキーマのmodelsテーブ
ルより、作成したモデルのサマ
リー情報が確認可能
CREATE TABLE linPrediction as
(SELECT
carName
,mpg as observed
,v_ml.predictLinearReg(cyl,hp,wt
USING PARAMETERS model_name='linModel',
owner='dbadmin') as predicted
FROM mtcars
);
実績値
予測値

81
例：線形回帰モデルの評価
81
SELECT v_ml.rSquared(observed, predicted) OVER() FROM linPrediction;
実績値予測値
アールスクエアによるモデル評価
1に近いほど、よい結果

8282
まとめ
Vertica内でも、SQLを使って
機械学習系の分析ができます！
In-DB Machine Learning

83
本日お伝えしたかったこと
83
ログ分析のための
豊富な機能がある
拡張性が高い
Not Only
But Also

84
宣伝①
開催日時： 2016年7月28日（木） 16時-17時30分
会場：日本ヒューレット・パッカード株式会社
本社2階セミナールーム（江東区大島）
セミナー内容：
HPE Vertica以下機能と概要について説明します。
1. Vertica 概要
2. Verticaアーキテクチャ詳細
a. プロジェクションとは？
b. クエリはどう実行するのか？
c. データはどのように格納されるのか？
d. データのロード方法は？
e. データはどのように削除されるのか？
f. トランザクションの考え方は？
3. データベース構築・運用イメージ
4. Q&A
Q&Aを含むインタラクティブなセッションですので、ぜひご活用
ください。
84
HPE Verticaのテクニカルでディープな最新情報を気軽に体験頂く事を目的とした
ワークショップ「VertiCafe」定期開催しています！
次回は3回目の開催！

85
宣伝②
• イベント名 Hewlett Packard Enterprise Day 2016 大阪
• 日時 2016年7月26日（火）13:00～18:30
（受付開始 12:30）
• 場所ハービスHALL（大阪・梅田）
• 来場者数 250名（予定）
• URL
• 主催日本ヒューレット・パッカード株式会社
• 協賛インテル株式会社
http://www.hpe.com/jp/hpeday2016
16:55-17:40
C-1 ビッグデータ・イノベーション／事例セッション
『全行動履歴のリアルタイム分析で実現したヒト軸マーケティング』
株式会社ロックオン様
2004年から提供しているAD EBiSは、WEB上のあらゆる行動を計測して
きました。近年、市場の成熟とともに個別の広告評価だけでなく、顧客（ヒ
ト）を育てる観点での分析が求められています。
『AD EBiS全行動履歴』と『列指向DB Vertica』で実現したヒト軸マーケティ
ングについて紹介します。
HPE Day 2016 大阪でVerticaユーザー事例講演があります！

ご清聴
ありがとうございました！
日本ヒューレット・パッカード
大薗純平
junpei.ozono@hpe.com

[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本ヒューレット・パッカード株式会社 大薗 純平

More Related Content

What's hot

Viewers also liked

Similar to [db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本ヒューレット・パッカード株式会社 大薗 純平

More from Insight Technology, Inc.