[db tech showcase Tokyo 2016] D24: データベース環境における検証結果から理解する失敗しないフラッシュ活用法 第三章 ~デ...Insight Technology, Inc.
フラッシュのGB単価はHDDと並び、オールフラッシュ導入が加速化する一方、インラインでの重複排除、圧縮機能のオーバーヘッド、メンテナンス / 障害時の影響など、気をつけなければいけない事は沢山あります。本セッションでは、オールフラッシュ製品(Pure Storage)上でOracle Databaseを稼働させた検証結果と生のデモンストレーションをベースに、DB on Pure Storageならではの活用法を考えます。
[db tech showcase Tokyo 2016] D32: SPARCサーバ + Pure Storage DB仮想化のすべらない話 〜 Exa...Insight Technology, Inc.
NTTぷらら様は、「柔軟に増減設できるDB基盤」と「コスト最適化」をキーワードに、DB仮想化をSPARCサーバ + Pure Storageの組み合わせで実現しました。更に現在、理想のDB基盤を実現するために、Exadata環境のリプレースも進めています。本セッションでは、検証結果や生のデモンストレーションに、スライドには書けない生々しい話を加え、理想のDB環境実現までの道のりをご紹介します。
「おれのクラウド」
今日から始めるオブジェクトストレージ
BASE Storage の申し込みから、ownCloudのセットアップを行います。最後に、ownCloudの拡張ストレージに Amazon S3 や、さくら BASE Storage を認識させます。
@zembutsu
Masahito Zembutsu Feb 19, 2013
第14回さくらの夕べ Lightning Talk
The vesper of SAKURA #14 LT at Shinjuku, Tokyo
[db tech showcase Tokyo 2016] D24: データベース環境における検証結果から理解する失敗しないフラッシュ活用法 第三章 ~デ...Insight Technology, Inc.
フラッシュのGB単価はHDDと並び、オールフラッシュ導入が加速化する一方、インラインでの重複排除、圧縮機能のオーバーヘッド、メンテナンス / 障害時の影響など、気をつけなければいけない事は沢山あります。本セッションでは、オールフラッシュ製品(Pure Storage)上でOracle Databaseを稼働させた検証結果と生のデモンストレーションをベースに、DB on Pure Storageならではの活用法を考えます。
[db tech showcase Tokyo 2016] D32: SPARCサーバ + Pure Storage DB仮想化のすべらない話 〜 Exa...Insight Technology, Inc.
NTTぷらら様は、「柔軟に増減設できるDB基盤」と「コスト最適化」をキーワードに、DB仮想化をSPARCサーバ + Pure Storageの組み合わせで実現しました。更に現在、理想のDB基盤を実現するために、Exadata環境のリプレースも進めています。本セッションでは、検証結果や生のデモンストレーションに、スライドには書けない生々しい話を加え、理想のDB環境実現までの道のりをご紹介します。
「おれのクラウド」
今日から始めるオブジェクトストレージ
BASE Storage の申し込みから、ownCloudのセットアップを行います。最後に、ownCloudの拡張ストレージに Amazon S3 や、さくら BASE Storage を認識させます。
@zembutsu
Masahito Zembutsu Feb 19, 2013
第14回さくらの夕べ Lightning Talk
The vesper of SAKURA #14 LT at Shinjuku, Tokyo
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
17. FusionIO Disk I/O
Disk I/O
• S
Sequential read
ti l d
– ioDrive が圧倒的に速い 約500MB/sec
• SAS の 3 ~ 4 倍
SAS の 3 ~ 4 倍
• SSD の 2 倍
• Sequential write
Sequential write
– SAS RAID と同程度の書き込み性能
• Random read/write
Random read/write
– 並行処理が増えても、スループットが安定
• MySQL
– トランザクション・同時接続数が増えても、
安定したスループット
18. ioDrive ‐ Sequential Read
read 平均 [MB/sec]
600.00
500.00
400.00
300.00
200.00
100.00
0.00
IDE (5,400rpm) SATA (7,200rpm) SAS (15,000rpm) SAS SSD (X25‐E Extreme ioDrive
( , p )
RAID1(15,000rpm) )
SATA SSD)
– hdparm –t <device> で測定、30回平均
19. ioDrive ‐ Sequential write
write [MB/sec]
1400
1200
1000
800 IDE (5,400rpm)
IDE (5 400rpm)
SATA (7,200rpm)
SAS (15,000rpm)
600
SAS RAID1
ioDrive
400
200
0
4k 16k 64k 256k 1024k 4096k 16384k 65536k
• “dd” でファイル作成 時間を計測
27. Projection and milestones
Projection and milestones
• Cache Server << RELEASED
– memcached compatible
p
• Image cache server << 2011
–S
Same as CDN ( http )
CDN ( h )
• Log Storage << 2011
g g
– Permanentaly log storage server
• Additional function (?)
Additional function (?)
– Log Analytics ( on the table )
28. Status and timeline
Status and timeline
• アプリプラットフォーム&分散KVS
プ プ 分散
2010.11 2011.03 2011.08 10 ?
2010 2011 2012
Service Released Log Storage (KVS) Analytics
( Hadoop relation? )
( Hadoop relation? )
Image Cache (KVS)
Okuyama Cache Function (KVS)
29. サービスのまとめ
• at+link アプリプラットフォーム
プ プ
– ソーシャルアプリ特化型インフラ基盤
ソ シャルア リ特化型イン ラ基盤
– 初期費用無償・オンデマンドでサーバ利用
• i D i (F i IO)でディスクI/Oの問題を解決
ioDrive(FusionIO)でディスクI/Oの問題を解決
• 分散KVSとしてokuyamaを採用
y
– memcached 互換のキャッシュ機能を提供
– 画像キャッシュ・ログ保存機能を開発中
「Fusion‐IOもKVSもあるんだよ」
30. at link アプリプラットフォ ム専用コントロ ルパネル
at+link アプリプラットフォーム専用コントロールパネル
III. SERVICE CONTROL PANEL