SlideShare a Scribd company logo
日本 Java ユーザグループ(JJUG) 2009年10月8日
クロスコミュニテゖカンフゔレンス 2009 Fall



       データセンター視点で比較した
          クラウドの内側




            日経コンピュータ編集部
                中田 敦
講演者
中田 敦(なかだ あつし)
「日経コンピュータ」編集部所属
1998年4月     日経BP社入社、「日経レストラン」編集部に配属
2000年9月     ITニュースサ゗ト「BizTech」編集部に異動
2002年10月    「日経Windowsプロ」編集部に異動
2006年1月     ITニュースサ゗ト「ITpro」編集部に異動
2008年4~6月   米国でクラウド・コンピューテゖング事情を取材
2008年10月    「日経コンピュータ」編集部に異動

2009年4月     「クラウド大全」刊行
日経コンピュータの
クラウド担当
            2009年
            7月8日号




                    2009年
                    4月29日号


  2008年
  11月15日号
日経コンピュータの
クラウド担当
日経BP社発行
2520円
Amazon
Google
Salesforce.com
Windows Azure
楽天、Yahoo!
全部入ってます

中田も
執筆しています
Googleは異形のメーカー
本日の内容(1)
1. Googleは“異形”のメーカー
  世界屈指のサーバー生産台数、基盤ソフトは全て内製


2. コンピュータ業界の主導権は、メーカーからサービス事業者へ
  Microsoftもサーバーの自社開発開始
  Amazon.comは「ITベンダー」


3. コンテナ型データセンターの中身
  Yahoo!米国本社駐車場で運用するコンテナ型データセンター
本日の内容(2)
4. クラウドのコスト構造
   Google、Microsoft、Amazonのサーバー台数
   データセンターの消費電力効率は、コンテナ型で「PUE=1.2」
   標準型で「PUE=1.35~1.45」が標準に

5. クラウドはGoogleが定義した
   スケールゕウト、ハードウエゕに一切頼らないフォールトトレランス、
   キー・バリュー型データストゕ、関数型言語、
   エラー忘却型コンピューテゖング、Warehouse Scale Computing


6. Googleを追従するAmazon、Microsoft、Salesforce.com
   第一世代はGoogle、第二世代はAmazon、第三世代はMicrosoft
   「Oracleが無くなっても問題ない」と言い切るSalesforce.com
問題意識
ユーザーはなぜクラウド・コンピューティングのサービスを使うのか?

 (誤解) Webブラウザで使えるから
 (誤解) 安価だから

 (正答) クラウドが提供するゕプリケーションの方が高速だから


      デスクトップ検索           Web検索
       Outlook 2007        Gmail
         カーナビ           Google Maps
       RSSリーダー         Googleリーダー
    Windowsフォトギャラリー   Picasa Webゕルバム
「サーバーで動かすソフトウエゕ」の
どこがいいのか?

例えば
Gmail
●巨大な容量
 無料版でも最低5Gバ゗ト

●高速な検索
 どんなに大量にメールが
 あっても1~2秒で検索

●どこからでも使える
 Webブラウザ
 携帯電話機
「サーバーで動かすソフトウエゕ」の
どこがいいのか?

例えば
Google Maps
●巨大な容量
 全世界の地図
 全世界の航空写真
 主要都市の街頭写真

●高速な検索
 全世界の地図を
 1~2秒で検索

●どこからでも使える
 Webブラウザ
 携帯電話機
「サーバーで動かすソフトウエゕ」の
どこがいいのか?
Webブラウザ以外でのゕプリケーション利用が可能に




                       Windows Mobile
                       携帯電話機

                       タッチパネルで
                       Google Mapsが
                       利用可能
パソコン用ソフトウエゕの危機

単体プロセッサの性能向上が止まった
  Intel製プロセッサの最高動作周波数

  • Pentium 4 / 3.8GHz(2004年11月)


  現状のハ゗エンド・プロセッサ

  • Core i7 / 3.33GHz(2009年6月)



     プロセッサは「マルチコゕ」「メニーコゕ」化へ
パソコン用ソフトウエゕの危機

単体ハードデゖスクの性能向上が止まった
  3.5型ハードデゖスクが毎分1万5000回転に到達した時期は?

  • 2000年2月


  現状のハードデゖスク・ラ゗ンナップ

  • ノートPC:4200回転~7200回転

  • デスクトップPC:7200回転

  • サーバー:7200回転~1万5000回転)
なぜサーバーの方が速いのか?

    Googleには
  大量のサーバーが
       あり
  大量のサーバーで
並列分散処理をしているから
問題意識(つづき)
Googleが提供するアプリケーションは、なぜ高速なのか?

Ken Thompson氏( AT&Tベル研究所でUNIXを開発した一人。2006年
からGoogleに所属)が日経コンピュータの゗ンタビューに答えて曰く、

--- I guess for Google it is some sort of Cloud Computing,
some sort of – not Cloud Computing but a Cloud Computer;
something that is always there and always be accessed and
always store data and always give it back. I think that is very
hard.

       重要なのは、Googleに「クラウド・コンピュータ」があるということ
       では、「クラウド・コンピュータ」とはどのようなものなのか?
Googleは異形のメーカー
サーバー生産台数・世界3位

                                                   New York Times 2006年7月3日

                                                   Dell、Hewlett-Packard、IBMに
                                                   続いて「台数ベースで世界4位」




                                                   日本の経営雑誌
                                                   「FACTA」2009年9月号
                                                   「スマートグリッド」でも出し抜
                                                   かれる日本

     New York Times 2006年7月3日                      --傍聴し続けるグーグルは自社
     「A Search Engine That's Becoming an
     Inventor」
                                                   サーバーを内製化している。生産
     Google was the world's fourth-largest maker   台数で見ればグーグルは世界3位の
     of computer servers, after Dell, Hewlett-     サーバーメーカーになる
     Packard and I.B.M.
Googleは異形のメーカー
          英Financial Timesの
          Richard Waters記者が公開した
          3月6日のブログ

          ------------------
          米Microsoft Researchのトップである
          Rick Rashid氏によれば、全世界で出荷
          されるサーバーの20%を、ごく少数の企
          業が購入している。Microsoft、Google、
          Yahoo!、Amazon.comだ。
          ------------------

          4社で150万台のサーバーを1年で購入?
ネタ本は
The Datacenter as a Computer
Googleのトップエンジニゕによる
The Datacenter as a Computer




                Luiz André Barroso氏
                http://www.barroso.org/
                GoogleのDistinguished Engineer

                Urs Hölzle氏
                Googleのデータセンター運営担当副社長
                「Google's First vice presidenf ot
                engineering」
Googleは
異形のメーカー

          Googleが4月1日に開催した
          Efficient Data Center Summit

          ・2005年11月からコンテナ利用
          ・コンテナは水冷
          ・冷却に使った水は、
           「冷却塔」(チラー)で再冷却
          ・2009年4月にベルギーで
           「チラーレスデータセンター」
           運用開始

          ・サーバーは自作
          ・12Vのバッテリー内蔵
          ・UPS(無停止電源装置)は
           使用しない

          http://www.google.com/corpor
          ate/green/datacenters/summit.
          html
Googleは2005年11月から
コンテナ型データセンターを運用
サーバー自作の目的


                                Pentium 4世代のマザーボード?

                                           ↓

                                つまり2005年から、サーバーを自
                                作している(今はどうなってるんだ
                                ろう……)




   ノートPCのように「12V」の
   バッテリーを内蔵


                     米CNET NEWS 2009年4月1日から引用
                     「Google uncloaks once-secret server」
サーバー自作の目的




            日経コンピュータ2009年9月2日号
            「グーグルは異形のメーカー」
データセンター
効率化の指標
PUE(Power Usage Effectiveness)
データセンター全体の消費電力をサーバー
などのIT機器の消費電力で割った値




全部IT機器が消費 = PUE 1.0
半分を冷却装置などが消費 = PUE 2.0
データセンター
効率化の指標
 日本の標準的なデータセンター

 • PUE 2.3~2.5


 日本IBMの最新鋭データセンター

 • PUE 1.8


 日立製作所の最新鋭データセンター

 • PUE 1.6
データセンター
効率化の指標
Google


PUE 1.21
 (6カ所平均)
PUE 1.13
 (あるDCで)
業界の主導権は
メーカーからサービス事業者へ




                 日経コンピュータ
                 2009年7月8日号
                 クラウドコンピューテゖング
                 8つの新しい真実
Amazonの雲は
どれぐらい巨大?

            米Rackable Systemsの
            年次報告書
            (Annual Report)から類推可能


            ●ご注意
            Rackable Systemsは09年5月
            米SGIを買収し、社名を「SGI」に
            変更しております
Rackable Systems
(現:SGI)とは?

米Microsoftや米Amazonに高密度
サーバーを供給するサーバー・メーカー




                         ←コンテナサーバーもやってます
Amazonの雲は
どれぐらい巨大?
●Rackableの主要顧客の売上高が、全体に占める割合
                2008年12月期         2007年12月期          2006年12月期
   Amazon         35%                 16%              10%未満
  Microsoft       14%                 36%                34%
   Yahoo!        10%未満                12%                26%

●Amazonが調達した実数(推定)

                  総額          Amazonがしめる割合            Amazonの調達
Rackableの売上高
               2億4743万ドル             35%               8669万ドル
(2008年12月期)
  Rackableの
サーバー出荷台数        6万8490台              35%                2万4000台
(2008年12月期)
                        Amazon.com、Rackable Systemsの年次報告書から日経コンピュータが作成
Amazonの雲は
どれぐらい巨大?
●Amazonの投資動向(2008年12月期)

     Amazonの固定資産購入          Rackableからの調達額            割合
   (社内で使用するソフトウエアや
    Webサイトの開発を含む)

       3億3300万ドル                8660万ドル               26%

                   Amazon.com、Rackable Systemsの年次報告書から日経コンピュータが作成

 調達するサーバーの大半はRackableか?



                   年間サーバー調達台数:2万4000台以上

                運用するサーバーの台数は、7~10万台規模か?
米Yahoo!本社の
コンテナ型データセンター



               海上輸送などに使用す
               る国際規格の幅8フゖー
               ト(2メートル44セン
               チ)、長さ40フゖート
               (12メートル20セン
               チ)のコンテナ
米Yahoo!本社の
コンテナ型データセンター




コンテナの壁に沿って、
サーバーがギッシリと
詰め込まれています
米Yahoo!本社の
コンテナ型データセンター


               ラックとラックの間にある
               銀色の箱は「ラジエター」。
               中に水が循環する細いパ゗
               プが張り巡らされています。
               中にある大きなフゔンで風
               を起こして、サーバーが発
               する熱を流し込み、ラジエ
               ターの中を流れる水によっ
               て熱を冷やす仕組み
米Yahoo!本社の
コンテナ型データセンター




サーバーの電源はラックの上
部に集約されています。
サーバーのマザーボードには
電源は実装されていません。
そのため電源が発する熱が
サーバー内にこもらない仕組
み
米Yahoo!本社の
コンテナ型データセンター


               コンテナには水を供給・
               排出するホースが合計2
               本接続されています。
               導入された水によって
               サーバーの熱を冷やし、
               温まった水がコンテナ外
               に排出される仕組み
コンテナ型データセンターの規模




    米SGI「ICEcube」の仕様(コンテナ1台当たり)
   サーバー台数        最大2400台
   プロセッサ数        最大4800個
   プロセッサコゕ数      最大2万2400個
   ストレージ容量       最大11ペタバ゗ト
   水の温度          セ氏18度
Microsoftの場合
シカゴの最新鋭データセンター
コンテナ
    200台

サーバー台数
   約50万台
Microsoftの場合
シカゴの最新鋭データセンター
コンテナ
     200台
     112台
サーバー台数
    約50万台
  22万4000台
    (コンテナのみ)
               「Data Center Knowledge」より引用
Microsoftの場合

「第4世代データセンター」
            構想

コンテナを全面採用
もはや「建屋」すら無い

2008年12月に発表
各社から続出する
コンテナ型データセンター

               IBM
HP



DELL
シカゴデータセンターの
規模感
 日本のPCサーバー出荷台数(2007年度)

 • 55万300台(ノークリサーチ調査)


 Microsoftのシカゴ・データセンター

 • 30~40万台(コンテナ=20万台、その他=10~20万台?)


 シカゴDCの消費電力

 • 60Mワット(PUE = 1.2   →   IT機器の消費電力は50Mワット)


 50Mワットの年間電気料金

 • 110億円(東京電力/家庭用電力の場合)、10~20億円(シカゴの場合)


 1サーバー当たりの消費電力

 • 100~150ワット   (3月にデルが発表したAtom搭載サーバー(未発売?)は30W!)
Googleの
非常識データセンター

                    チラー
             (水冷用の冷却水を冷やす装置)の
                無いデータセンターを
                ベルギーで「運用中」

                PUEは「1.1以下」




                     米Googleの2009年
                     4月1日発表資料
                     「Insights into
                     Google's PUE
                     Results」より
Googleの
非常識データセンター


                 データセンター省電力化の
                   手段の一つとして

                  サーバールームの温度を
                    上げればいい




             米Googleの2009年5月の論文
             「The Datacenter as a Computer」より
Googleの
非常識データセンター


                      セ氏50度未満なら

                ハードデゖスク温度と故障率に
                    相関関係は無い




             米Googleの2007年2月の論文
             「 Failure Trends in a Large Disk Drive
             Population」より
クラウドのコスト構造

 Microsoftで1人の管理者が管理するサーバー台数

 • 5000台


 Amazon.comでのサーバー管理ポリシー

 • 壊れたサーバーはその時点で修理/交換しない

 • 定期的なメンテナンス時にのみ交換する
クラウドは
Googleが定義した




              日経コンピュータ
              2009年9月2日号
              「グーグルは異形のメーカー」
クラウドは
Googleが定義した
                                  ゕプリケーションサービス
                                                     Google
                          Web検索     ログ解析    Gmail
                                                      Maps

                                                              論文:
                         プログラミング言語                            Bigtable: A
論文:                         Sawzall                           Distributed Storage
Interpreting the Data:                                        System for Structured
Parallel Analysis with                                        Data(2006年)
Sawzall(2005年)           並列プログラミングモデル      キー・バリュー型データストゕ
                           MapReduce            BigTable      論文:
論文:                                                           The Google File
MapReduce:                                                    System(2003年)
Simplified Data          分散フゔ゗ルシステム
Processing on Large         Google File System(GFS)           論文:
Clusters(2004年)
                                                              The Chubby lock
                         分散ロックシステム                            service for loosely-
ホワ゗トペーパー:                                                     coupled distributed
The Datacenter as a                    Chubby                 systems(2006年)
Computer. An
Introduction to the
Design of Warehouse-              独自に建造したデータセンター              論文:
Scale Machines(2009                                           Failure Trends in a
年)                                                            Large Disk Drive
                                  グーグルプラットフォーム                Population(2007年)
Datacenter as a Computer
名言集
   自前主義

   • 巨大なクラスタ(システム)を保有し
    ないサードパーテゖ・ソフトウエゕ・
    プロバ゗ダが、ソフトウエゕのテスト
    やチューニングを十分な水準で行うの
    は困難だ」
Datacenter as a Computer
名言集
   自前主義

   • OSレ゗ヤーがあるとすれば、それは「Cluster-Level
    Infrastructure」のことだ

   • Datacenter must be a general-purpose computer
    system.

   • There is substantial risk that by the time a
    specialized hardware solution is implemented, it
    is no longer a good fit
Datacenter as a Computer
名言集
   スケールゕウト

   • ProLiant is about four times more cost-
    efficient than the Superdome.(ストレージ
    も含むと20倍)

   • (我々の)ワークロードはあまりに巨大なので、
    どんな大きなSMPサーバーでも1台ではまかな
    いきれない(レ゗テンシはLANに集約される)
Datacenter as a Computer
名言集

   スケールゕウト

   • 価格性能比を考えると、安いCPUしか
    使わない

   • プロセッサ使用率は高いほど消費電力
    効率が良い      →   安い・遅い方が良い
Datacenter as a Computer
名言集
   メニーコゕ

   • メニーコゕが進めば、サーバーが数十台入る「ラック」に、
    現在のデータセンターに匹敵するマシンが収まることにな
    る。「Warehouse Scale Computinge(WSC)」は全デー
    タセンター運営者の現実となる


   WSC

   • Computation is moving into the cloud, and thus into
    WSCs
Datacenter as a Computer
名言集
   データセンターの基本

   • データセンターの建造コストは「10~20ドル
    /W」(建造コストは消費電力で測れ)

   • Tier IIは「99.7%」、Tier IIIは「99.98%」、
    Tier IVは「99.995%」

   • データセンターの最適温度は「摂氏25~27度」

   • 「サーバーPUE」も測れ
Datacenter as a Computer
名言集
   Corrupted (喪失)

   •データが再生成できない、失われた、喪失した状態


   Unreachable (未到達)

   •サービスがダウンしている、ユーザーがサービスに到達できない


   Degraded (劣化)

   •サービスは利用できるが、状態が劣化している


   Masked (隠蔽)

   •障害は発生しているが、ソフトウエゕ/ハードウエゕによる耐障害対策によって
   ユーザーから完全に見えない状態になっている
Datacenter as a Computer
名言集
   ソフトウエゕベースの耐障害性対策

   • MTBF(平均故障間隔)が30年というサー
    バーがあったとしても、それが1万台あれば1
    日に1台は故障が起きる

   • いくらRAIDでデゖスクを冗長化しても、電源
    装置やストレージOSなどが「単一障害点」と
    して残る
Datacenter as a Computer
名言集

   ソフトウエゕベースの耐障害性対策

   • もっともECC付きDRAMは使っている。2000
    年までECCを使っていなくて酷い目にあった

   • In summary, near perfect reliability is not
    universally required in Internet services.
ソフトウエゕによる
耐障害性対策
                                    「The Datacenter as a Computer」に
                                    おけるグーグルの主張
「MTBF(平均故障間
隔)が30年(30年に1年
か故障しない)という        「いくらRAIDでデゖスク        複雑化するソフトウエゕは自社
サーバーがあったとして       を冗長化しても、電源装          開発でカバー
も、それが1万台あれば1      置やストレージ装置のOS
日に1台は故障が起きる」      などが『単一障害点』と
                  して残る」                ソフトウエゕによる
        ハードウエゕによる                        耐障害性対策
          耐障害性対策                  ・サーバーのクラスタリング
                                  ・データのレプリケーション
    ・プロセサの多重化
    ・RAIDによるミラーリング、パリテゖ                      その結果
    付きストラ゗ピング

           その結果
                                  △低価格ハードウエゕが利用可能
                                  △ハードウエゕ利用率の向上
    ▼ハードウエゕ投資の高騰                  △運用の効率化
    ▼ハードウエゕ利用率の低下                  (故障したサーバーは交換するだけ)
    ▼消費電力効率の低下                    ▼ソフトウエゕの複雑化
ソフトウエゕによる
耐障害性対策
分散システムの実装に「関数型言語のゕ゗デゕ」を投入


    手続き型言語でマルチスレッドを実行する場合   関数型言語でマルチプロセスを実行する場合



             メモリー                      メモリー
             データ                       データ


各スレッドがメモ                                      コピー
リーを共有する                          コピー
                                        コピー


                              データ       データ         データ
      スレッド   スレッド   スレッド
                              プロセス     プロセス         プロセス


                                メッセージ交換        各プロセスは自分用に
                                               データをコピーして計
                                               算を行う
ソフトウエゕによる
耐障害性対策
「関数型言語のゕ゗デゕ」を拝借して開発した「MapReduce」の仕組み

                              Map処理で
                              はデータ抽
                              出を行う        Reduce処理
   GFS                   抽出
                                          では計算を               GFS
               データA      結果               行う

                 Map処理
         コピー                                        計算
                                       データB         結果
                         抽出
               データA      結果
   データ                                   Reduce処理             データ
                 Map処理        集約
                                                         保存
                                                    計算
                                       データC         結果
                         抽出
               データA      結果              Reduce処理
                 Map処理
Datacenter as a Computer
名言集
   故障に対する接し方

   • 故障予測はコストに合わない。Diskのような小さなサブ
    セットに関してのみ故障予測を行っている

   • サーバーが故障しても、急いで修理しない。「リペゕ」
    バッチでしか行わない。その方が管理コスト抑制になる


   結論

   • We must treat the datacenter itself as one massive
    computer
Googleの中の人曰く

  ケン・トンプソン氏

  • some sort of – not Cloud
   Computing but a Cloud Computer;
   something that is always there and
   always be accessed and always
   store data and always give it back.
Googleの中の人曰く
  ケン・トンプソン氏

  • I think that is very hard. There is two types
   of jobs; one where you want to do something
   huge, (略) one job that takes thousands of
   computers to do or you want to do thousands
   of little jobs and never fail. And those are
   almost like two separate problems, like
   MapReduce(略)
Googleの中の人曰く
  ケン・トンプソン氏

  • I am actually more interested in the second, in trying to
   get small jobs, the kind of jobs that a user at home will
   be restore a file, look at his date book, or pull a video,
   little small jobs that are much more reliable than anything
   he can do at home.


  要約

  • スループット指向の処理とレスポンス指向の処理を、両方でき
   なくてはならない
Googleの中の人曰く
  ロブ・パ゗ク氏

  • 2002年にGoogleに入社してすぐに、プロ
   グラミング言語「Sawzall」のデザ゗ンを
   始めた。クエリ・ログやパフォーマンス・
   ログといった分散データの並列的な解析を、
   数千台のマシンを連携させて行う際に、そ
   れを容易な言語で扱えるようにするものだ。
Googleの中の人曰く

  ロブ・パ゗ク氏

  • Sawzallは、正確には関数型言語ではない
   が、関数型言語のプロパテゖ(特性)を使
   用している。つまり、複数のコンピュテー
   ション・ピース(プロセス)がデータを
   シェゕしないようにするという特性だ。
Googleの中の人曰く

  ロブ・パ゗ク氏

  • 何が新しいのか? MapReduceは確か
   に古いモデルだが、とんでもないス
   ケールで利用されているという点が新
   しい。MapReduceが成功したのは2つ
   の要因による。
Googleの中の人曰く

  ロブ・パ゗ク氏

  • 一つは、とてもシンプルなプログラミング
   モデルなので、理解が容易であり、膨大な
   台数のマシンを使って簡単に問題を解決で
   きるのだ。何事もMapとReduceに落とし
   込めば、安全に並列処理ができる。
Googleの中の人曰く
  ロブ・パ゗ク氏

  • もう一つは、あまり語られていないことだ
   が、耐障害性だ。マシンが2000~3000台
   あって、それらが連携しながら何時間もか
   けて処理を成功させていることが、
   MapReduceというモデルがうまくいって
   いる要因だ
その影響は
Salesforce.comにも
  Salesforce.com CTO パーカー・ハリス氏

  • 最近、゗ンフラストラクチャを全面刷新した。かつてはSun Microsystemsの「SunFire
  E25K」という最大112プロセッサの非常に巨大なサーバーを使用していた。E25Kを8台
  も所有し、とても高価だった。しかし現在はデルの「PowerEdge 1950」に移行した。
  Intel Nehalemは大変なコスト削減になったし、それでいて高速だ。私はこれが、業界の
  総合的なトレンドだと感じている。皆、よりコモデゖテゖなハードウエゕに移行している。
  これはとても大きな変化だ。
その影響は
Salesforce.comにも
  Salesforce.com CTO パーカー・ハリス氏

  • 我々は現在、ドキュメントはコモデゖテゖ・ハードウエゕ
   に保存している。これはある意味、Googleにとても似て
   いるやり方だ。我々は今、巨大なスケールのデータボ
   リュームを検証中で、Oracle Databaseではない別の、ク
   ラウドベースの並列処理技術を採用したストレージを活用
   できないか考えている。「Hadoop」のようなものだ。
その影響は
Salesforce.comにも
  Salesforce.com CTO パーカー・ハリス氏

  • 今は、ゕクテゖブなデータをOracleに、ヒストリカルなデー
   タを非Oracleのシステムに保存している。今後は顧客データ
   も、マスターはOracleに、トランザクショナルなデータは非
   Oracleのシステムに保存する可能性がある。請求書や注文書
   といったトランザクションは、処理が終了すればさして重要
   なデータではない。これらのデータは、Oracleから別のシス
   テムに移行するだろう。
その影響は
Salesforce.comにも
  Salesforce.com CTO パーカー・ハリス氏

  • もしかしたら将来、Oracleが(我々のデータセンター内
   から)無くなるかもしれない。5年や10年後には、クラ
   ウド・ベースのデータベースシステムの時代が到来する
   だろう。クラウドベース・データベースは、今日のやり
   方、OracleやIBMなどのやり方とは大きく異なる。今は、
   革命的な変化が起きている。
その影響は
Salesforce.comにも


  Salesforce.com CTO パーカー・ハリス氏

  • Salesforce.comのような巨大なクラウド事業者が、そ
   の問題を解決するかもしれないし、データベース事業者
   やその他の事業者が解決するかもしれない。
Googleから
Amazon、Microsoftへ

   開発時期:1998年~       開発時期:2000年代前半    開発時期:2006年~
   実用時期:2000年代初期~    実用時期:2007年~      実用時期:2009年末~

       第一世代               第二世代            第三世代
       グーグル               ゕマゾン          マ゗クロソフト


  ソフトウエア名           ソフトウエア名          ソフトウエア名
  GFS、MapReduce、    Amazon Dynamo    Windows Azure
  BigTable

  データ分散方式           データ分散方式          データ分散方式
  マスター・スレ゗ブ方式       コンシステントハッシング     分散ハッシュテーブル

  データの保存先           データの保存先          データの保存先
  ハードデゖスク中心         メモリー中心           メモリー中心
                    ハードデゖスク併用        ハードデゖスク併用
結論
• ネットワークでサービスが利用できれば
  「クラウド」ではない
• 分散処理、並列処理の時代がついにやっ
  てきた
• 安価なハードウエゕ、自前で作ったソフ
  トウエゕがIT業界を支配する

     以上、ありがとうございました

More Related Content

What's hot

Windows Azure HDInsight サービスの紹介
Windows Azure HDInsight サービスの紹介Windows Azure HDInsight サービスの紹介
Windows Azure HDInsight サービスの紹介
Kuninobu SaSaki
 
[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata
[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata
[B23] PostgreSQLのインデックス・チューニング by Tomonari KatsumataInsight Technology, Inc.
 
OSSとクラウドによるコンピューティングモデルの変化
OSSとクラウドによるコンピューティングモデルの変化OSSとクラウドによるコンピューティングモデルの変化
OSSとクラウドによるコンピューティングモデルの変化
Nobuyori Takahashi
 
Cloud impact on IT industry (in Japanese)
Cloud impact on IT industry (in Japanese)Cloud impact on IT industry (in Japanese)
Cloud impact on IT industry (in Japanese)
shojiro-tanaka
 
トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編
Kentaro Yoshida
 
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?maruyama097
 
省電力データセンターシステムデザイン
省電力データセンターシステムデザイン省電力データセンターシステムデザイン
省電力データセンターシステムデザイン
Tadashi Sugita
 
Hadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食いHadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食い
Ryuji Tamagawa
 
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
dstn
 
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/SparkAzure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
 
【Jpug勉強会】10大ニュースで振り返るpg con2013
【Jpug勉強会】10大ニュースで振り返るpg con2013【Jpug勉強会】10大ニュースで振り返るpg con2013
【Jpug勉強会】10大ニュースで振り返るpg con2013
Daichi Egawa
 
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
Insight Technology, Inc.
 
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Sotaro Kimura
 
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
 
マッチングアプリの作り方
マッチングアプリの作り方マッチングアプリの作り方
マッチングアプリの作り方
IBM Analytics Japan
 
Hadoopことはじめ
HadoopことはじめHadoopことはじめ
Hadoopことはじめ
Katsunori Kanda
 
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
Shintaro Takemura
 
20120822_dstn技術交流会_DataSpider接続先技術動向
20120822_dstn技術交流会_DataSpider接続先技術動向20120822_dstn技術交流会_DataSpider接続先技術動向
20120822_dstn技術交流会_DataSpider接続先技術動向dstn
 
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 FallAmazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 FallShinpei Ohtani
 
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
 

What's hot (20)

Windows Azure HDInsight サービスの紹介
Windows Azure HDInsight サービスの紹介Windows Azure HDInsight サービスの紹介
Windows Azure HDInsight サービスの紹介
 
[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata
[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata
[B23] PostgreSQLのインデックス・チューニング by Tomonari Katsumata
 
OSSとクラウドによるコンピューティングモデルの変化
OSSとクラウドによるコンピューティングモデルの変化OSSとクラウドによるコンピューティングモデルの変化
OSSとクラウドによるコンピューティングモデルの変化
 
Cloud impact on IT industry (in Japanese)
Cloud impact on IT industry (in Japanese)Cloud impact on IT industry (in Japanese)
Cloud impact on IT industry (in Japanese)
 
トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編
 
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
 
省電力データセンターシステムデザイン
省電力データセンターシステムデザイン省電力データセンターシステムデザイン
省電力データセンターシステムデザイン
 
Hadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食いHadoop / Elastic MapReduceつまみ食い
Hadoop / Elastic MapReduceつまみ食い
 
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
 
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/SparkAzure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
 
【Jpug勉強会】10大ニュースで振り返るpg con2013
【Jpug勉強会】10大ニュースで振り返るpg con2013【Jpug勉強会】10大ニュースで振り返るpg con2013
【Jpug勉強会】10大ニュースで振り返るpg con2013
 
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
 
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
 
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
 
マッチングアプリの作り方
マッチングアプリの作り方マッチングアプリの作り方
マッチングアプリの作り方
 
Hadoopことはじめ
HadoopことはじめHadoopことはじめ
Hadoopことはじめ
 
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
 
20120822_dstn技術交流会_DataSpider接続先技術動向
20120822_dstn技術交流会_DataSpider接続先技術動向20120822_dstn技術交流会_DataSpider接続先技術動向
20120822_dstn技術交流会_DataSpider接続先技術動向
 
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 FallAmazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
 
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
 

Viewers also liked

様々なデータセンター Sugipooh
様々なデータセンター Sugipooh 様々なデータセンター Sugipooh
様々なデータセンター Sugipooh
Tadashi Sugita
 
データセンターの作り方
データセンターの作り方データセンターの作り方
データセンターの作り方
Tadashi Sugita
 
基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015
基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015
基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015
CODE BLUE
 
SocSys003 Presentation
SocSys003 PresentationSocSys003 Presentation
SocSys003 Presentation
yusuke_510
 
自治体Web service 021114
自治体Web service 021114自治体Web service 021114
自治体Web service 021114伸夫 森本
 
地方自治体様向けセキュリティ資料
地方自治体様向けセキュリティ資料地方自治体様向けセキュリティ資料
地方自治体様向けセキュリティ資料
Katsumi Yamashita
 
データセンターの省エネ設計とその運用(データセンター省エネセミナー)
データセンターの省エネ設計とその運用(データセンター省エネセミナー)データセンターの省エネ設計とその運用(データセンター省エネセミナー)
データセンターの省エネ設計とその運用(データセンター省エネセミナー)
さくらインターネット株式会社
 
03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)
03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)
03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)
充博 大崎
 
VIOPS04: 富士通クラウドサービスについて
VIOPS04: 富士通クラウドサービスについてVIOPS04: 富士通クラウドサービスについて
VIOPS04: 富士通クラウドサービスについて
VIOPS Virtualized Infrastructure Operators group ARCHIVES
 
レインボー桜島への行き方
レインボー桜島への行き方レインボー桜島への行き方
レインボー桜島への行き方
Matsuoka Hiromitsu
 
JAWS DAYS 2016 The Next Cloud
JAWS DAYS 2016 The Next CloudJAWS DAYS 2016 The Next Cloud
JAWS DAYS 2016 The Next Cloud
晋也 古渡
 
JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向
JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向
JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向
SORACOM,INC
 
AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】
AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】
AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】
tsuchimon
 
2016/03/12 JAWS DAYS 2016 Keynote
2016/03/12 JAWS DAYS 2016 Keynote2016/03/12 JAWS DAYS 2016 Keynote
2016/03/12 JAWS DAYS 2016 Keynote
Toshiyuki Konparu
 
AWS IoTアーキテクチャパターン
AWS IoTアーキテクチャパターンAWS IoTアーキテクチャパターン
AWS IoTアーキテクチャパターン
Amazon Web Services Japan
 

Viewers also liked (15)

様々なデータセンター Sugipooh
様々なデータセンター Sugipooh 様々なデータセンター Sugipooh
様々なデータセンター Sugipooh
 
データセンターの作り方
データセンターの作り方データセンターの作り方
データセンターの作り方
 
基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015
基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015
基調講演:真実を語る唯一の方法はフィクションの中にある:国家安全保障国家これまでの動き by Richard Thieme - CODE BLUE 2015
 
SocSys003 Presentation
SocSys003 PresentationSocSys003 Presentation
SocSys003 Presentation
 
自治体Web service 021114
自治体Web service 021114自治体Web service 021114
自治体Web service 021114
 
地方自治体様向けセキュリティ資料
地方自治体様向けセキュリティ資料地方自治体様向けセキュリティ資料
地方自治体様向けセキュリティ資料
 
データセンターの省エネ設計とその運用(データセンター省エネセミナー)
データセンターの省エネ設計とその運用(データセンター省エネセミナー)データセンターの省エネ設計とその運用(データセンター省エネセミナー)
データセンターの省エネ設計とその運用(データセンター省エネセミナー)
 
03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)
03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)
03 citynet awsセミナー_クラウドデザインパターン(中小企業、自治体)
 
VIOPS04: 富士通クラウドサービスについて
VIOPS04: 富士通クラウドサービスについてVIOPS04: 富士通クラウドサービスについて
VIOPS04: 富士通クラウドサービスについて
 
レインボー桜島への行き方
レインボー桜島への行き方レインボー桜島への行き方
レインボー桜島への行き方
 
JAWS DAYS 2016 The Next Cloud
JAWS DAYS 2016 The Next CloudJAWS DAYS 2016 The Next Cloud
JAWS DAYS 2016 The Next Cloud
 
JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向
JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向
JAWS DAYS | IoTプラットフォーム”SORACOM”最新動向
 
AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】
AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】
AWS IoTで家庭内IoTをやってみた【JAWS DAYS 2016】
 
2016/03/12 JAWS DAYS 2016 Keynote
2016/03/12 JAWS DAYS 2016 Keynote2016/03/12 JAWS DAYS 2016 Keynote
2016/03/12 JAWS DAYS 2016 Keynote
 
AWS IoTアーキテクチャパターン
AWS IoTアーキテクチャパターンAWS IoTアーキテクチャパターン
AWS IoTアーキテクチャパターン
 

Similar to データセンター視点で比較したクラウドの内側

写真で振り返る(個人的)クラウドの歴史
写真で振り返る(個人的)クラウドの歴史写真で振り返る(個人的)クラウドの歴史
写真で振り返る(個人的)クラウドの歴史
Atsushi Nakada
 
米国クラウド最新事情を10分でおさらい
米国クラウド最新事情を10分でおさらい米国クラウド最新事情を10分でおさらい
米国クラウド最新事情を10分でおさらい
Atsushi Nakada
 
Aws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publishAws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publishawsadovantageseminar
 
Windows Serverを活用する on Windows Azure セミナー
Windows Serverを活用する on Windows Azure セミナーWindows Serverを活用する on Windows Azure セミナー
Windows Serverを活用する on Windows Azure セミナー
Daisuke Masubuchi
 
乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説
乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説
乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説
Kimihiko Kitase
 
Azure IaaS update (2018年5月版)
Azure IaaS update (2018年5月版)Azure IaaS update (2018年5月版)
Azure IaaS update (2018年5月版)
Takamasa Maejima
 
Gmo media.inc 第9回西日本ossの普及を考える会
Gmo media.inc 第9回西日本ossの普及を考える会Gmo media.inc 第9回西日本ossの普及を考える会
Gmo media.inc 第9回西日本ossの普及を考える会
Dai Utsui
 
AWS初心者向けWebinar AWSでBig Data活用
AWS初心者向けWebinar AWSでBig Data活用AWS初心者向けWebinar AWSでBig Data活用
AWS初心者向けWebinar AWSでBig Data活用
Amazon Web Services Japan
 
AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化
AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化
AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化
Amazon Web Services Japan
 
No-Ops で大量データ処理基盤
No-Ops で大量データ処理基盤No-Ops で大量データ処理基盤
No-Ops で大量データ処理基盤
Google Cloud Platform - Japan
 
No-Ops で大量データ処理基盤を簡単に実現する
No-Ops で大量データ処理基盤を簡単に実現するNo-Ops で大量データ処理基盤を簡単に実現する
No-Ops で大量データ処理基盤を簡単に実現する
Kiyoshi Fukuda
 
20130817 windows azure最新情報(福井)
20130817 windows azure最新情報(福井)20130817 windows azure最新情報(福井)
20130817 windows azure最新情報(福井)Hirano Kazunori
 
ActiveReports、20年の歩みとその魅力
ActiveReports、20年の歩みとその魅力ActiveReports、20年の歩みとその魅力
[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...
[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...
[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...
Google Cloud Platform - Japan
 
エンジニアのための Azure 基礎知識
エンジニアのための Azure 基礎知識エンジニアのための Azure 基礎知識
エンジニアのための Azure 基礎知識
Daiyu Hatakeyama
 
How to walk_on_windows_azure_platform
How to walk_on_windows_azure_platformHow to walk_on_windows_azure_platform
How to walk_on_windows_azure_platform
Yoshida Yuri
 
[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送
[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送
[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送
Google Cloud Platform - Japan
 
Windows Server 2019 の Hyper-Converged Infrastructure (HCI)
Windows Server 2019 の Hyper-Converged Infrastructure (HCI) Windows Server 2019 の Hyper-Converged Infrastructure (HCI)
Windows Server 2019 の Hyper-Converged Infrastructure (HCI)
Hiroshi Matsumoto
 

Similar to データセンター視点で比較したクラウドの内側 (20)

写真で振り返る(個人的)クラウドの歴史
写真で振り返る(個人的)クラウドの歴史写真で振り返る(個人的)クラウドの歴史
写真で振り返る(個人的)クラウドの歴史
 
米国クラウド最新事情を10分でおさらい
米国クラウド最新事情を10分でおさらい米国クラウド最新事情を10分でおさらい
米国クラウド最新事情を10分でおさらい
 
Aws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publishAws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publish
 
Aws dan jp-final-publish
Aws dan jp-final-publishAws dan jp-final-publish
Aws dan jp-final-publish
 
Windows Serverを活用する on Windows Azure セミナー
Windows Serverを活用する on Windows Azure セミナーWindows Serverを活用する on Windows Azure セミナー
Windows Serverを活用する on Windows Azure セミナー
 
乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説
乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説
乗り遅れるな!IBMが本気で取り組む新世代クラウドサービスを徹底解説
 
Azure IaaS update (2018年5月版)
Azure IaaS update (2018年5月版)Azure IaaS update (2018年5月版)
Azure IaaS update (2018年5月版)
 
Scaling MongoDB on AWS
Scaling MongoDB on AWSScaling MongoDB on AWS
Scaling MongoDB on AWS
 
Gmo media.inc 第9回西日本ossの普及を考える会
Gmo media.inc 第9回西日本ossの普及を考える会Gmo media.inc 第9回西日本ossの普及を考える会
Gmo media.inc 第9回西日本ossの普及を考える会
 
AWS初心者向けWebinar AWSでBig Data活用
AWS初心者向けWebinar AWSでBig Data活用AWS初心者向けWebinar AWSでBig Data活用
AWS初心者向けWebinar AWSでBig Data活用
 
AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化
AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化
AWS Lambdaによるデータ処理理の⾃自動化とコモディティ化
 
No-Ops で大量データ処理基盤
No-Ops で大量データ処理基盤No-Ops で大量データ処理基盤
No-Ops で大量データ処理基盤
 
No-Ops で大量データ処理基盤を簡単に実現する
No-Ops で大量データ処理基盤を簡単に実現するNo-Ops で大量データ処理基盤を簡単に実現する
No-Ops で大量データ処理基盤を簡単に実現する
 
20130817 windows azure最新情報(福井)
20130817 windows azure最新情報(福井)20130817 windows azure最新情報(福井)
20130817 windows azure最新情報(福井)
 
ActiveReports、20年の歩みとその魅力
ActiveReports、20年の歩みとその魅力ActiveReports、20年の歩みとその魅力
ActiveReports、20年の歩みとその魅力
 
[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...
[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...
[Cloud OnAir] Google Compute Engine に Deep Dive! 基本から運用時のベストプラクティスまで 2018年7月1...
 
エンジニアのための Azure 基礎知識
エンジニアのための Azure 基礎知識エンジニアのための Azure 基礎知識
エンジニアのための Azure 基礎知識
 
How to walk_on_windows_azure_platform
How to walk_on_windows_azure_platformHow to walk_on_windows_azure_platform
How to walk_on_windows_azure_platform
 
[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送
[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送
[Cloud OnAir] GCP で誰でも始められる HPC 2019年5月9日 放送
 
Windows Server 2019 の Hyper-Converged Infrastructure (HCI)
Windows Server 2019 の Hyper-Converged Infrastructure (HCI) Windows Server 2019 の Hyper-Converged Infrastructure (HCI)
Windows Server 2019 の Hyper-Converged Infrastructure (HCI)
 

Recently uploaded

無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
Yuki Miyazaki
 
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
Osaka University
 
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDDなぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
ssuserfcafd1
 
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
 
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
 
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
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
ARISE analytics
 
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
Takuya Minagawa
 
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
Shinichi Hirauchi
 
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
iPride Co., Ltd.
 
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
Seiya Shimabukuro
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
sugiuralab
 
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptxiMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
kitamisetagayaxxx
 
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
Osaka University
 

Recently uploaded (14)

無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
 
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
 
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDDなぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
 
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
 
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
 
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
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
 
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
 
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
 
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
 
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
 
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptxiMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
 
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
 

データセンター視点で比較したクラウドの内側