SlideShare a Scribd company logo
RDBMS	から グラフDBへ	
グラフデータベースの可能性について	
Oc	tober2015
アジェンダ	
•  Neo4jの歴史	
•  グラフデータベースの特徴	
•  エンタプライズアーキテクチャとpolyglot	persistenceについて
Neo	Technology社の紹介	
製品	
• Neo4j:世界で最も利用されてい
るグラフDB	
• ダウンロード数	=	100万以上、毎
月、5万件の追加	
• 顧客	=	150社以上(内、Global	
2000は50社)	
企業	
• Neo4jの開発元	
• 従業員=	100+	
• 本社	=	シリコンバレー、ロンドン、
ミュンヘン、パリ	
• 現時点の出資状況 =	$45M	
(Fidelity,	Sunstone,	Conor,	
Creandum,	Dawn	Capital)
業界別のNeo4j導入実績	
金融
 テレコム
 医療
HR/

リクルート
メディア/
出版
ソーシャル
ウェブ
 ロジスティクス
エンタメ
 コンシューマリテール
 ITシステム
ビジネスサービス
Neo4jを利用したアプリケーション	
データセンタ
運用管理
MDM(マスター
データ管理)
ソーシャル
 レコメンデーション
エンジン
ID/アクセス
管理
検索

ディスカバリ
地図情報
ナビゲーション
“Forresterは、25%以上のエンタプライズ企業が	2017年まで
にグラフデータベースを採用する、と予測している”	
Neo4jの評価	
“Neo4jはグラフデータベース業界において、間違いなく、
リーダー企業である、と言える。”	
“グラフデータ分析は、保有/生成する大量のデータを分析、そ
してマネタイズしたい企業にとって、最も効果的な武器として位
置付けられる。”	
IT	Market	Clock	for	Database	Management	Systems,	2014	
hKps://www.gartner.com/doc/2852717/it-market-clock-database-management	
TechRadar™:	Enterprise	DBMS,	Q1	2014	
hKp://www.forrester.com/TechRadar+Enterprise+DBMS+Q1+2014/fulltext/-/E-RES106801	
Graph	Databases	–	and	Their	PotenKal	to	Transform	How	We	Capture	Interdependencies	(Enterprise	Management	Associates)	
hKp://blogs.enterprisemanagement.com/dennisdrogseth/2013/11/06/graph-databasesand-potenZal-transform-capture-interdependencies/
グラフデータベース業界における最大のエコシステム	
•  1,000,000+	のダウンロード	
•  20,000+人以上のトレーニング経験者		
•  18,000+	ミートアップ参加メンバー	
•  100+	社以上のパートナーネットワーク	
•  150+	社のエンタプライズ顧客	
(内、50社はGlobal	2000企業)
データの“関連性”における重要な価値を見出す	
データ量の急激な増大…	
•  新しいデータ発生源	
•  オンライン処理の増大	
•  ソーシャルネットワークの増大	
•  デバイスの増加	
このデータの関連性にこそ価値を見出す	
•  リアルタイム レコメンデーション	
•  不正アクセス/利用の検知	
•  MDM(マスターデータ管理)	
•  ネットワーク/IT運用管理	
•  ID/アクセス管理	
•  グラフベースの検索	…	それらの接続も同様に増大	
ユーザ、製品、プロセス、デバイ
ス同士の通信も増大 	
è データの関連性に重視	
早くからグラフを採用した企業は成功してる
RDBは、“データ関連性”の管理が不得意	
•  データ関連性のモデル化、管理はシステムを
急激に複雑化させる。	
•  データ関連性が複雑化するとシステム性能が
急激に落ちる	
•  JOINの増加でクエリーが複雑化する	
•  新データタイプや関連性を追加するとスキーマ
の再設計、再構築が必要になる。	
…	特に、データ関連性が複雑なデータベースの
リアルタイムでの運用が非常に困難になる。	
	
	
開発期間の増大	
性能問題	
スケーラビリティ	
運用管理が困難
データの“関連性”における重要な価値を見出す	
•  データと、その関連性を組み合わせ
たグラフデータモデルを採用	
•  リアルタイムでデータ関連性をアクセ
ス、迅速なビジネス判断に活かす	
•  変化し続けるビジネスに対して新規
のデータ関連性を動的に追加
グラフデータベースのモデリング
ホワイトボードに描いたモデルがそのままグラフモデルに
CAR	
name:	“Dan”	
born:	May	29,	1970	
twiKer:	“@dan”	
name:	“Ann”	
born:		Dec	5,	1975	
since:		
Jan	10,	2011	
brand:	“Volvo”	
model:	“V70”	
グラフモデルのコンポーネント	
ノード	
•  データオブジェクトはグラフで表記	
•  プロパティ情報も内包	
•  ラベルも付ける事が可能	
関係	
•  ノード間の関係をタイプと方向性
で表記	
•  プロパティ情報も内包	
LOVES	
LOVES	
LIVES	WITH	
PERSON	 PERSON
リレーショナルとグラフモデルの違い	
リレーショナルモデル	 グラフモデル	
知人	
のび太	
しずか	
ジャイアン	
スネ夫	
人	 友人	人/友人関係	
のび太	
しずか	
スネ夫	
ジャイアン
RDBからのグラフモデル化	
顧客、サプライヤ、商品データ(マスターデータ)	
オーダー(受注活動)
RDB型の	
Northwindデータベースを作る!	
グラフ型の
(Northwind)-[:TO]->(Graph)
ドメインモデルは簡単だが、、、	
社員	
受注	
商品	
カテゴリー	
サプライヤ	
所属	
Northwindサンプルデータのグラフモデル
複雑怪奇なER図…
まず、ノード間の関係を定義する	
販売	
従業員	 Order	受注
外部キーを見つける
(外部キー)-[:変化]->(関係)	
方向性も適正化する
外部キーを取り除く
ジョインテーブルを見つける
ジョインテーブルがそのまま関係データになる
属性付きのジョインテーブルは、	
プロパティ付きの関係データに変換
グラフ化されるデータの最終系
データへのクエリー
基本クエリー:	誰が誰にレポートするのか?	
MATCH	(:Employee{	firstName:“Steven”}	)	-[:REPORTS_TO]->	(:Employee{	firstName:“Andrew”}	)		
REPORTS_TO	
Steven	 Andrew	
ラベル	 プロパティ	
ノード	 ノード	
ラベル	 プロパティ
基本クエリー:誰が誰にレポートするのか?	
MATCH
(e:Employee)<-[:REPORTS_TO]-(sub:Employee)
RETURN
*
基本クエリー:誰が誰にレポートするのか?
基本クエリー:誰が誰にレポートするのか?
MATCH	(sub)-[:REPORTS_TO*0..3]->(boss),	
						(report)-[:REPORTS_TO*1..3]->(sub)	
WHERE	boss.name	=	“John	Doe”	
RETURN	sub.name	AS	Subordinate,		
		count(report)	AS	Total	
複雑なクエリーもCypher言語で簡単に表記、実行	
ボスであるJohn	Doeに直接レポート
する従業員を全て見つけ、各々が
何人の従業員を部下として持つの
か、その人数を下位レベル3つまで
抽出	
Cypher言語によるクエリー	
SQL言語によるクエリー
“Neo4jが、従来のMySQLによるクエリーの数千倍も処理
速度が速い、ということを発見した。同時に、そのクエ
リーのコード量は1/10から1/100に減った。Neo4jは、
今までeBayが実現できなかった機能をもたらしてくれて
いる。”	
	
Volker	Pacher	
Senior	Developer
Robertがレポートしている上位の従業員は誰か?	
MATCH
p=(e:Employee)<-[:REPORTS_TO*]-(sub:Employee)
WHERE
sub.firstName = ‘Robert’
RETURN
p
Robertがレポートしている上位の従業員は誰か?
一番のボスは誰か?	
MATCH
p=(e:Employee)
WHERE
NOT (e)<-[:REPORTS_TO]->()
RETURN
e.firstName as bigBoss
一番のボスは誰か?
クロスセル商品	
MATCH
(choc:Product {productName: 'Chocolade'})
<-[:PRODUCT]-(:Order)<-[:SOLD]-(employee),
(employee)-[:SOLD]->(o2)-[:PRODUCT]->(other:Product)
RETURN
employee.firstName, other.productName, count(distinct o2) as count
ORDER BY
count DESC
LIMIT 5;
‘Chocolade’という商品を販売した従業員が、さらにク
ロスセルで同じ顧客に販売した他の商品の商品名と、
その販売個数を多い順にリストアップする。
クロスセル商品
性能面での特徴
Neo4j	クラスター運用	
スケールアウト性能と可用性を重視したアーキテクチャ	
42
性能面での強み	
•  クエリーの際にネットワーク間のホップは
一切無し	
•  リアルタイムのクエリー処理による、早く、
そして安定した性能	
•  キャッシュシャーディングにより大規模
データベースをクラスタ間に分散	
クラスター機能	
•  マスタ/スレーブ型のレプリカセット	
•  マスタ障害時の選挙トフェールオーバー
機能も充実	
•  各インスタンスは個々にローカルキャッ
シュを保有	
•  水平スケーリング+障害対策	
ロードバランサ	
Neo4j	Neo4j	Neo4j
Neo4jへのデータロード	
Cypherによる	“LOAD	CSV”	機能	
•  ACID特性を持つトランザクションwrite	
•  1000万ノード+関係 データの移行が可能	
コマンドラインによる、バルク処理					
neo4j-import	
•  初期的なデータ移行に有効	
•  100億ノード級のデータ移行が可能	
•  100レコード/病の性能が可能	
	458万件の辞書データ	
を100秒でロード完了
データを	
すべて移行	
グラフデータ	
のみ移行	
データ	
多重化	
グラフ以外のデータ	 グラフデータ	
グラフデータ	全データ	
全データ	
リレーショナル	
データベース	
グラフ	
データベース	
アプリ	
アプリ	
アプリ	
Neo4jでのデータ管理方法:3つのパターン
Polyglot	Persistence
データストレージと	
ビジネスルールの実行	
データマイニングと	
アグリゲーション	
Neo4jを既存のエンタプライズ環境に統合	
アプリケー
ション	
グラフデータベースクラスタ	
Neo4j	 Neo4j	 Neo4j	
アドホックな
分析	
データウェアハウス	
インフラ	
Graph	Compute	Engine	
EDW			…	
データ	
サイエンティスト	
エンド
ユーザ	
データベース	
RDB	
NoSQL	
Hadoop

More Related Content

What's hot

ビッグデータ処理データベースの全体像と使い分け
2018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
2018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
2018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
2018年version
Tetsutaro Watanabe
 
事業成長にコミットするエンジニア組織への道のり
事業成長にコミットするエンジニア組織への道のり事業成長にコミットするエンジニア組織への道のり
事業成長にコミットするエンジニア組織への道のり
Recruit Lifestyle Co., Ltd.
 
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live![part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
KnowledgeGraph
 
(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ
Mitsutoshi Kiuchi
 
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
 
LakeTahoe
LakeTahoeLakeTahoe
MLOps入門
MLOps入門MLOps入門
MLOps入門
Hiro Mura
 
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
 
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけRDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
Recruit Technologies
 
データ活用をするための組織
データ活用をするための組織データ活用をするための組織
データ活用をするための組織
Kon Yuichi
 
グラフデータベース入門
グラフデータベース入門グラフデータベース入門
グラフデータベース入門
Masaya Dake
 
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめMLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
 
グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化
グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化
グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化
gree_tech
 
Machine learning CI/CD with OSS
Machine learning CI/CD with OSSMachine learning CI/CD with OSS
Machine learning CI/CD with OSS
yusuke shibui
 
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
 
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
NTT DATA OSS Professional Services
 
データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎
Tetsutaro Watanabe
 
ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介
KnowledgeGraph
 
Spark MLlibではじめるスケーラブルな機械学習
Spark MLlibではじめるスケーラブルな機械学習Spark MLlibではじめるスケーラブルな機械学習
Spark MLlibではじめるスケーラブルな機械学習
NTT DATA OSS Professional Services
 
JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用
JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用
JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用
Akinori SAKATA
 

What's hot (20)

ビッグデータ処理データベースの全体像と使い分け
2018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
2018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
2018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
2018年version
 
事業成長にコミットするエンジニア組織への道のり
事業成長にコミットするエンジニア組織への道のり事業成長にコミットするエンジニア組織への道のり
事業成長にコミットするエンジニア組織への道のり
 
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live![part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
 
(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ
 
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
 
LakeTahoe
LakeTahoeLakeTahoe
LakeTahoe
 
MLOps入門
MLOps入門MLOps入門
MLOps入門
 
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
 
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけRDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
RDB技術者のためのNoSQLガイド NoSQLの必要性と位置づけ
 
データ活用をするための組織
データ活用をするための組織データ活用をするための組織
データ活用をするための組織
 
グラフデータベース入門
グラフデータベース入門グラフデータベース入門
グラフデータベース入門
 
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめMLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
 
グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化
グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化
グラフデータベースNeo4Jでアセットダウンロードの構成管理と最適化
 
Machine learning CI/CD with OSS
Machine learning CI/CD with OSSMachine learning CI/CD with OSS
Machine learning CI/CD with OSS
 
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
 
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
Apache Sparkに手を出してヤケドしないための基本 ~「Apache Spark入門より」~ (デブサミ 2016 講演資料)
 
データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎データサイエンティスト向け性能問題対応の基礎
データサイエンティスト向け性能問題対応の基礎
 
ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介
 
Spark MLlibではじめるスケーラブルな機械学習
Spark MLlibではじめるスケーラブルな機械学習Spark MLlibではじめるスケーラブルな機械学習
Spark MLlibではじめるスケーラブルな機械学習
 
JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用
JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用
JaSST Tokyo 2022 アジャイルソフトウェア開発への統計的品質管理の応用
 

Viewers also liked

Webアプリケーションの パフォーマンス向上のコツ 概要編
 Webアプリケーションの パフォーマンス向上のコツ 概要編 Webアプリケーションの パフォーマンス向上のコツ 概要編
Webアプリケーションの パフォーマンス向上のコツ 概要編Masahiro Nagano
 
ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版
ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版
ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版Masahiro Nagano
 
Webアプリケーションの パフォーマンス向上のコツ 実践編
 Webアプリケーションの パフォーマンス向上のコツ 実践編 Webアプリケーションの パフォーマンス向上のコツ 実践編
Webアプリケーションの パフォーマンス向上のコツ 実践編Masahiro Nagano
 
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
Insight Technology, Inc.
 
NoSQL3
NoSQL3NoSQL3
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
Yuji Otani
 
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...
Insight Technology, Inc.
 

Viewers also liked (7)

Webアプリケーションの パフォーマンス向上のコツ 概要編
 Webアプリケーションの パフォーマンス向上のコツ 概要編 Webアプリケーションの パフォーマンス向上のコツ 概要編
Webアプリケーションの パフォーマンス向上のコツ 概要編
 
ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版
ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版
ISUCONで学ぶ Webアプリケーションのパフォーマンス向上のコツ 実践編 完全版
 
Webアプリケーションの パフォーマンス向上のコツ 実践編
 Webアプリケーションの パフォーマンス向上のコツ 実践編 Webアプリケーションの パフォーマンス向上のコツ 実践編
Webアプリケーションの パフォーマンス向上のコツ 実践編
 
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
[db tech showcase Tokyo 2015] C14:30万のユーザ部門を抱える日立、情シスの「理想と現実」 by 株式会社日立製作所 情報...
 
NoSQL3
NoSQL3NoSQL3
NoSQL3
 
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
RDBとNoSQLの上手な付き合い方(勉強会@LIG 2013/11/11)
 
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...
 

Similar to グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介

Hybrid Sourcing Service [evelink] by CSK Serviceware
Hybrid Sourcing Service [evelink] by CSK ServicewareHybrid Sourcing Service [evelink] by CSK Serviceware
Hybrid Sourcing Service [evelink] by CSK ServicewareIntelligence, Ltd.
 
ハイブリッドソーシング 「evelink」 ご紹介資料
ハイブリッドソーシング 「evelink」 ご紹介資料ハイブリッドソーシング 「evelink」 ご紹介資料
ハイブリッドソーシング 「evelink」 ご紹介資料
CSK Serviceware
 
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もありMongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もありippei_suzuki
 
Gmo media.inc dev ops of own way
Gmo media.inc dev ops of own wayGmo media.inc dev ops of own way
Gmo media.inc dev ops of own wayDai Utsui
 
Red Hat KK Business Update - Recruiting
Red Hat KK Business Update - RecruitingRed Hat KK Business Update - Recruiting
Red Hat KK Business Update - Recruiting
Danny Ng
 
超高速開発の基礎概念 20141119 0
超高速開発の基礎概念 20141119 0超高速開発の基礎概念 20141119 0
超高速開発の基礎概念 20141119 0
正善 大島
 
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
Kimihiko Kitase
 
【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること
【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること
【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること
日本マイクロソフト株式会社
 
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
kurikiyo
 
Timソリューションのご紹介 140320
Timソリューションのご紹介 140320 Timソリューションのご紹介 140320
Timソリューションのご紹介 140320 Rie Arai
 
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319 Timソリューションのご紹介 140319
Timソリューションのご紹介 140319 Rie Arai
 
Expectations and reality of hybrid cloud
Expectations and reality of hybrid cloudExpectations and reality of hybrid cloud
Expectations and reality of hybrid cloud
Naoki Yonezu
 
DeviceConnect向けCordovaプラグインを作ってみた
DeviceConnect向けCordovaプラグインを作ってみたDeviceConnect向けCordovaプラグインを作ってみた
DeviceConnect向けCordovaプラグインを作ってみた
Device WebAPI Consortium
 
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライトQlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
QlikPresalesJapan
 
【Interop Tokyo 2014】 真のグローバルネットワークでつなげるクラウドサービス
【Interop Tokyo 2014】  真のグローバルネットワークでつなげるクラウドサービス【Interop Tokyo 2014】  真のグローバルネットワークでつなげるクラウドサービス
【Interop Tokyo 2014】 真のグローバルネットワークでつなげるクラウドサービスシスコシステムズ合同会社
 
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319 Timソリューションのご紹介 140319
Timソリューションのご紹介 140319 Rie Arai
 
OutSystems ユーザー会 セッション資料
OutSystems ユーザー会 セッション資料OutSystems ユーザー会 セッション資料
OutSystems ユーザー会 セッション資料
Tsuyoshi Kawarasaki
 
Xpjug lt-20210918
Xpjug lt-20210918Xpjug lt-20210918
Xpjug lt-20210918
Takeshi Hirosue
 
YakoCloud presen 141213
YakoCloud presen 141213YakoCloud presen 141213
YakoCloud presen 141213
知礼 八子
 

Similar to グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介 (20)

Hybrid Sourcing Service [evelink] by CSK Serviceware
Hybrid Sourcing Service [evelink] by CSK ServicewareHybrid Sourcing Service [evelink] by CSK Serviceware
Hybrid Sourcing Service [evelink] by CSK Serviceware
 
ハイブリッドソーシング 「evelink」 ご紹介資料
ハイブリッドソーシング 「evelink」 ご紹介資料ハイブリッドソーシング 「evelink」 ご紹介資料
ハイブリッドソーシング 「evelink」 ご紹介資料
 
MongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もありMongoDBご紹介:事例紹介もあり
MongoDBご紹介:事例紹介もあり
 
Gmo media.inc dev ops of own way
Gmo media.inc dev ops of own wayGmo media.inc dev ops of own way
Gmo media.inc dev ops of own way
 
Red Hat KK Business Update - Recruiting
Red Hat KK Business Update - RecruitingRed Hat KK Business Update - Recruiting
Red Hat KK Business Update - Recruiting
 
超高速開発の基礎概念 20141119 0
超高速開発の基礎概念 20141119 0超高速開発の基礎概念 20141119 0
超高速開発の基礎概念 20141119 0
 
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
最新事例から学ぶビッグデータの活用法 #ocif16 #hortonworks
 
【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること
【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること
【de:code 2020】 Development from anywhere! 全ての開発者が生産性を維持するためにマイクロソフトが貢献できること
 
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
 
Timソリューションのご紹介 140320
Timソリューションのご紹介 140320 Timソリューションのご紹介 140320
Timソリューションのご紹介 140320
 
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319 Timソリューションのご紹介 140319
Timソリューションのご紹介 140319
 
Expectations and reality of hybrid cloud
Expectations and reality of hybrid cloudExpectations and reality of hybrid cloud
Expectations and reality of hybrid cloud
 
DeviceConnect向けCordovaプラグインを作ってみた
DeviceConnect向けCordovaプラグインを作ってみたDeviceConnect向けCordovaプラグインを作ってみた
DeviceConnect向けCordovaプラグインを作ってみた
 
SFL07_K2_Keynote
SFL07_K2_KeynoteSFL07_K2_Keynote
SFL07_K2_Keynote
 
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライトQlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
 
【Interop Tokyo 2014】 真のグローバルネットワークでつなげるクラウドサービス
【Interop Tokyo 2014】  真のグローバルネットワークでつなげるクラウドサービス【Interop Tokyo 2014】  真のグローバルネットワークでつなげるクラウドサービス
【Interop Tokyo 2014】 真のグローバルネットワークでつなげるクラウドサービス
 
Timソリューションのご紹介 140319
Timソリューションのご紹介 140319 Timソリューションのご紹介 140319
Timソリューションのご紹介 140319
 
OutSystems ユーザー会 セッション資料
OutSystems ユーザー会 セッション資料OutSystems ユーザー会 セッション資料
OutSystems ユーザー会 セッション資料
 
Xpjug lt-20210918
Xpjug lt-20210918Xpjug lt-20210918
Xpjug lt-20210918
 
YakoCloud presen 141213
YakoCloud presen 141213YakoCloud presen 141213
YakoCloud presen 141213
 

More from ippei_suzuki

日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
ippei_suzuki
 
日本語:開発者向けのMongo dbオペレーションガイド
日本語:開発者向けのMongo dbオペレーションガイド日本語:開発者向けのMongo dbオペレーションガイド
日本語:開発者向けのMongo dbオペレーションガイド
ippei_suzuki
 
日本語:Mongo dbに於けるシャーディングについて
日本語:Mongo dbに於けるシャーディングについて日本語:Mongo dbに於けるシャーディングについて
日本語:Mongo dbに於けるシャーディングについて
ippei_suzuki
 
MongoDB: システム可用性を拡張するインデクス戦略
MongoDB: システム可用性を拡張するインデクス戦略MongoDB: システム可用性を拡張するインデクス戦略
MongoDB: システム可用性を拡張するインデクス戦略
ippei_suzuki
 
MongoDB日本語紹介資料
MongoDB日本語紹介資料MongoDB日本語紹介資料
MongoDB日本語紹介資料
ippei_suzuki
 
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDBMongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDBippei_suzuki
 
次世代ITの時代に向けての提言:scamアーティストになれ!
次世代ITの時代に向けての提言:scamアーティストになれ!次世代ITの時代に向けての提言:scamアーティストになれ!
次世代ITの時代に向けての提言:scamアーティストになれ!
ippei_suzuki
 
Cloud Computing Business Model
Cloud Computing Business ModelCloud Computing Business Model
Cloud Computing Business Model
ippei_suzuki
 
Ippeis Cloud Computing Presentation(Tokyo2.0)
Ippeis Cloud Computing Presentation(Tokyo2.0)Ippeis Cloud Computing Presentation(Tokyo2.0)
Ippeis Cloud Computing Presentation(Tokyo2.0)
ippei_suzuki
 

More from ippei_suzuki (9)

日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
日本語:近年のデータベース技術がもたらすビジネス収益 --Google-slides
 
日本語:開発者向けのMongo dbオペレーションガイド
日本語:開発者向けのMongo dbオペレーションガイド日本語:開発者向けのMongo dbオペレーションガイド
日本語:開発者向けのMongo dbオペレーションガイド
 
日本語:Mongo dbに於けるシャーディングについて
日本語:Mongo dbに於けるシャーディングについて日本語:Mongo dbに於けるシャーディングについて
日本語:Mongo dbに於けるシャーディングについて
 
MongoDB: システム可用性を拡張するインデクス戦略
MongoDB: システム可用性を拡張するインデクス戦略MongoDB: システム可用性を拡張するインデクス戦略
MongoDB: システム可用性を拡張するインデクス戦略
 
MongoDB日本語紹介資料
MongoDB日本語紹介資料MongoDB日本語紹介資料
MongoDB日本語紹介資料
 
MongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDBMongoDB概要:金融業界でのMongoDB
MongoDB概要:金融業界でのMongoDB
 
次世代ITの時代に向けての提言:scamアーティストになれ!
次世代ITの時代に向けての提言:scamアーティストになれ!次世代ITの時代に向けての提言:scamアーティストになれ!
次世代ITの時代に向けての提言:scamアーティストになれ!
 
Cloud Computing Business Model
Cloud Computing Business ModelCloud Computing Business Model
Cloud Computing Business Model
 
Ippeis Cloud Computing Presentation(Tokyo2.0)
Ippeis Cloud Computing Presentation(Tokyo2.0)Ippeis Cloud Computing Presentation(Tokyo2.0)
Ippeis Cloud Computing Presentation(Tokyo2.0)
 

Recently uploaded

ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
azuma satoshi
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
嶋 是一 (Yoshikazu SHIMA)
 
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language ModelsGenerating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
harmonylab
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
tazaki1
 
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
osamut
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
Osaka University
 
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
Toru Tamaki
 

Recently uploaded (7)

ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
 
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language ModelsGenerating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
 
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
 
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
 

グラフデータベース:Neo4j、そしてRDBからの移行手順の紹介