SlideShare a Scribd company logo
1 of 40
Download to read offline
Copyright @2017 Insight Technology, Inc. All Right Reserved
データレプリケーション技術を適用した
データベース移行と分析基盤の構築
株式会社インサイトテクノロジー
森田 俊哉
Copyright @2017 Insight Technology, Inc. All Right Reserved
Agenda
データレプリケーション技術を適用した
データベース移行と分析基盤の構築
 データレプリケーションテクノロジー
 ミニマムダウンタイム移行への適用
 OracleからSQLServerへの移行アセスメント
 データ移行方式の検討
 データ分析基盤への適用
 レプリケーションツール”Attunity Replicate”
 まとめ
Copyright @2017 Insight Technology, Inc. All Right Reserved
Copyright @2017 Insight Technology, Inc. All Right Reserved
Insight Technologyとは?
コンサルティングサービス ソフトウェア ハードウェア
システム設計~運用まで
データベース総合ソリューション
データベースの様々な課題を
解決する各種ソフトウェア
高性能・低コスト・高信頼性
データベース専用マシン
データベースに関連するナレッジと技術力を追求し、ソフトウェア、ハードウェア、
サービスを最適に組み合わせてお客様に提供する会社です。
高速・低コスト・セキュア なデータベース環境を実現
データベースのアクセス監査ツール(自社開発)
マルチデータベースのリアルタイムレプリケーションツール
データベースのパフォーマンス監視・分析ツール(自社開発)
世界最速のデータベース専用高速マシン(自社開発)
4
バーチャルデータプラットホームツール
Copyright @2017 Insight Technology, Inc. All Right Reserved 5
Sep 5th-7th
Akihabara UDX Conference
Copyright @2017 Insight Technology, Inc. All Right Reserved
2012年 db tech showcase
Oracle
MySQL
PostgreSQL
SQLServer
Copyright @2017 Insight Technology, Inc. All Right Reserved
2016年 db tech showcase
Oracle IBM DB2
mongoDBCloudera
IMPALA
Hortonworks
presto
InfoFrameHP
NonStopSQL
MySQL
EDB
MarkLogic riak
PostgreSQL
actian
TERADATA
NETEZZA
HiRDB
Amazon
Redshift cassandra
MariaDB
Cloudant
SAP/HANA
Picotal
HAWQ
CouchbaseSymfoware
hadoop VERTICAVOLTDB
cloudera
TREASURE
SQLServer
MAPR
Sybase
IQ
Pivotal
Greenplum
Copyright @2017 Insight Technology, Inc. All Right Reserved
データも適材適所?! [データベースマッピング]
HiRDB
IBM/DB2
Symfoware
HP NonStop
Oracle
SQL Server
Cloudant
Amazon Redshift
TRESURE DATA
MySQL
PostgreSQL
MariaDB
EDB
Cloudera IMPALA
Presto
HAWQ
MarkLogic
Cassandra Riak
mongoDB Couchbase
MAPR
Cloudera
Hortonworks
Mission
Criticalhadoop Leader Challenger
SQL on Hadoop
Cloud NoSQL
Hadoop
TERADATA
SybaseIQ
Pivotal
VERTICA
NETEZZA
Actian
SAP/HANA
BigData
Copyright @2017 Insight Technology, Inc. All Right Reserved
ロジカルレプリケーションテクノロジー
Mainframe
On Prem
Cloud
RDBMS
Hadoop
Data
Warehouse
Kafka
Files
On Prem
Cloud
RDBMS
Hadoop
Data
Warehouse
Files
 異なるOS、バージョン、
RDBMS間のデータ連携
 データ分散やデータベース統合
など複雑な構成でのデータ連携
 データ保護、移行/アップグレー
ド、レポーティング、リアルタ
イムBI、参照処理のオフロード
等の用途で使用可能
Copyright @2017 Insight Technology, Inc. All Right Reserved
ロジカルレプリケーションテクノロジーって?
Copyright @2017 Insight Technology, Inc. All Right Reserved
データベースデータ連携(レプリケーション)~1
Source DB Target DB
EMP
DEPT
SALGRADE
EMP
DEPT
SALGRADE
初期同期
(COPY)
11
Copyright @2017 Insight Technology, Inc. All Right Reserved
Source DB Target DB
Change
Data
Capture
トランザクションログ
EMP
DEPT
SALGRADE
EMP
DEPT
SALGRADE
Change
Data
Apply
データベースデータ連携(レプリケーション)~2
INSERT
UPDATE
DELETE
12
SQL
SQL
Copyright @2017 Insight Technology, Inc. All Right Reserved
レプリケーションテクノロジーの
ミニマムダウンタイム移行への適用
Copyright @2017 Insight Technology, Inc. All Right Reserved
OracleからSQL Serverへの
移行アセスメント
14
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
Oracle Migration Assessment (OMA)
OMAとは
Oracle Migration Assessmentの略で、OracleからSQL Serverに
移行を検討しているお客様にマイクロソフト様が提供する移行を評価す
るサービス
移行時の問題点や問題の難易度、移行にかかる時間、移行時のコスト
を比較し、レポートとして提示
 本サービスは、インサイトテクノロジー社他数社より実施・提供され
インサイトテクノロジー実績は30社以上
15
Copyright @2017 Insight Technology, Inc. All Right Reserved 16
OMAレポート
構成、オブジェクト、プロシージャ、機能、運用、ライセンスの6つのカテゴリ毎に評価
Oracle Migration Assessment (OMA)
Copyright @2017 Insight Technology, Inc. All Right Reserved
アセスメント結果サマリー(OMA)~1
17
Copyright @2017 Insight Technology, Inc. All Right Reserved
アセスメント結果サマリー(OMA)~2
18
Copyright @2017 Insight Technology, Inc. All Right Reserved
OracleからSQL Serverへデータ移行方式の検討
19
Copyright @2017 Insight Technology, Inc. All Right Reserved
SQL Server Integration Services(SSIS)
コピー&変換
SSISとは
SQL Server Integration Servicesの略で、SQL Server の標準機能として
搭載されている。
データの「コピー」や「変換」などが行える "データ転送ツール"
20
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
移行によるサービス停止
移行時には、提供サービスを停止する必要がある…
 サービス停止は、できる限り短時間にしたい
 サービス切替時間確認時間は短縮出来ない
データ移行 サービス確認
0 2 4 6 8 10 12 14 16
SSISによる移行
サービス停止線表(例)
サービス停止 データ移行 サービス確認 サービス開始
21
Copyright @2017 Insight Technology, Inc. All Right Reserved
初期コピー
レプリケーションを適用したミニマムダウンタイム移行
Archive
Log
移行前同期移行当日
22
=
同期状態
トランザクションログから
抽出された変更情報を適用
本番
本番
Archive
Log
Archive
Log
Archive
Log
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
データベース移行時間
データ移行
サービス確認
サービス確認
0 2 4 6 8 10 12 14 16
レプリケーションによる移行
SSISによる移行
サービス停止線表(例)
サービス停止 データ移行 サービス確認 サービス開始
データベースレプリケーション技術を移行に適用することで
移行当日は、切替後のサービス確認がメインとなりデータベース移行
によるサービス停止時間を最小化することが出来る!
23
Copyright @2017 Insight Technology, Inc. All Right Reserved
CaseStudy:某大手小売系発注システム移行
24
移行対象 移行元 移行先
OS Solaris Windows
データベース Oracle10gR2 SQLServer2016
プログラム言語 Java Java
プロシジャー PL/SQL T-SQL
シェルスクリプト bash Powershell
データローダー SQL Loader SSIS
ユーザ様背景
「Oracleを使用して構築したシステムのハードウェア更改があった。
そのタイミングでOracleのアップグレードを検討していたが、アップグレードによるテス
トが必要であり、テスト時の作業工数が発生してしまう。
Oracleのライセンスは会社として大量に購入しているが、毎年のようにライセンスの変更
(値上げ)が行われていたためOracleをどうにかしないといけないと考えていた。MSの
プログラムでアセスメントを実施」
Copyright @2017 Insight Technology, Inc. All Right Reserved
CaseStudy:某大手小売系発注システム移行
25
SQL Server新規ライセンス
T-SQLへ書換
シェルスクリプト書換
SSISへ書換
Javaソースクエリ書換
アップグレード対応書換
テスト工数
Oracle継続ライセンス
テスト工数
移行工数
Javaソース内のクエリの変換と、SQL Loader+シェルスクリプトの書き換え
工数が発生するものの、PL/SQLが少ないため、移行は容易と判断。
Oracle(アップグレード+テスト工数)とSQL Server(新規購入+変換工数
+テスト工数)の見積もりを比較したところ、価格的にはほぼ同程度だったた
め、移行を実行
現在は、移行終了しパフォーマンス劣化無く運用開始した
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
レプリケーションテクノロジーの
データ分析基盤への適用
Copyright @2017 Insight Technology, Inc. All Right Reserved
[レプリケーションテクノロジーの適用]
データ分析は、バッチ指向からリアルタイムへ
従来型のデータ分析は、主に企業の経営層、マーケティング部門がユーザであり、企業戦略の意思
決定プロセス(中長期的戦略)に活用されてきた。
その場合には、前日までのデータが夜間バッチで取り込まれたDWHを使用して分析を行っており
分析は週次・月次で行われているケースが未だに多くある。
Sources Data
Warehouse
Dashboards
Reports
Analytics
Spreadsheets
定期的に抽出
経営者
分析担当者
中長期的
企業戦略策定
SCM
ERP
CRM
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
[レプリケーションテクノロジーの適用]
データ分析は、バッチ指向からリアルタイムへ
既に海外では、リアルタイム分析を行うことで重要なビジネスイベントに対して迅速にア
クションを起こすための意思決定を可能にしている事例が多い
従来型のデータ分析が過去に発生した事象を分析するのに対してリアルタイム分析は今現
在発生しているまたは、これから何が起きるのか?を分析することを目的としている
Sources
Files, DB, SNS
マネージャ
行動
JSON
XML
イベント
発生
Data
Warehouse
日常業務
行動策定
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
従来型DWHとリアルタイムDWH
従来型DWH リアルタイムDWH
ユーザ 経営層・マーケティング部門 現場マネージャ
分析目的 中長期的経営戦略策定 日常業務における意思決定
分析頻度 日次・週次・月次 リアルタイム
分析対象データ 定期蓄積データ 定期蓄積データ+イベントデータ(IOT)
お役立ち 経営戦略
マーケット需要予測
レコメンデーション最適化
リアルタイム需要予測
リアルタイム不正検出
電力需要予測・・・・・
SCM ERP CRM
Copyright @2017 Insight Technology, Inc. All Right Reserved
レプリケーションを適用したマルチDB分析基盤運用
トランザクションログから
抽出された変更情報を適用
↓
=
同期状態
基幹システム 情報系システム
Azure SQL DW
Archive
Log
Archive
Log
Archive
Log
REDO
Log
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved 31
移行対象 レプリケーション元(基幹システム) レプリケーション先(データ分析基盤)
OS Windows / IBM zOS Windows / Linux(Cloud)
データベース
SQL Server
IBM/DB2 × 3
IBM/IMSDB
SQLServer
Hadoop(Cloud)
ユーザ様背景
チューリッヒ生命保険では、有効証券請求時にリアルタイムな情報を手に入れることが、
プロセス改善に必要とされていました。またプロセス改善には日常的な検索が必要とされ
、メインフレームとWintelプラットフォームの双方で構成される5つのポリシー管理シス
テムから機能検索をしていました。(うち4システムはメインフレーム)
問合せ処理システムと基幹システムを分離するために、不変的なアクセスが可能な基幹シ
ステムデータベースと問合せ処理用データベースを必要としていました。コピーされたデ
ータベースは、可能な限りリアルタイムに同期する必要がありました。
CaseStudy : チューリッヒ保険会社
Copyright @2017 Insight Technology, Inc. All Right Reserved
BI / Data Analytics
BI / Data Analytics
マーケティング分析・財務分析・クレーム処理など
にデータ分析基盤を活用しています。
Copy Data (Data Replilcate)
メタデータを含むトランザクションデータをニアリ
アルタイムでデータ分析基盤に反映することで現在
発生しているイベントに対して遅延なく分析を行う
ことが出来ます。
Data storage
データ分析基盤として
SQL Serverとクラウド上のHadoop使用しています
structured data unstructured data
Data
ソースデータとして社内外の無償・有償の外部デー
タ及び社内の基幹データベースのデータを分析のた
めに適用しています。
IBM DB2 on M/F
IBM IMS DB on M/F
IBM DB2 on iSeries
Microsoft SQL Server
JSON
XML
TEXT
CaseStudy : チューリッヒ保険会社
Copyright @2017 Insight Technology, Inc. All Right Reserved
ロジカルレプリケーションツール
Copyright @2017 Insight Technology, Inc. All Right Reserved
Source DB Target DB
トランザクションログ
EMP
DEPT
SALGRADE
EMP
DEPT
SALGRADE
Attunity Replicateデータベースデータ連携
INSERT
UPDATE
DELETE
34
Copyright @2017 Insight Technology, Inc. All Right Reserved
LUW(Linux/Unix/Windows)
Mainframe
DB2
IMS/DB
VSAM
IBM iSeries
DB2/400
HP NonStop
Enscribe
SQL/MP
Oracle
SQLSever
MySQL
PostgreSQL
SYBASE
IBM/DB2
hadoop
サポートデータベース
LUW(Linux/Unix/Windows)
As same as Replication sources
Large DW Platforms
Actian Vector
Oracle Exadata
Microsoft PDW
HP Vertica
Pivottal Greenplum Database
Teradata
IBM Puredata(Netezza)
Amazon Redshift
Azure SQL DW
Hadoop
(SAP/HANA)
Replication TargetsReplication Sources
Copyright @2017 Insight Technology, Inc. All Right Reserved
 DBサーバ側エージェントレス
 データベースへのソフトウェアインストール不要
 初期同期(FULL LOAD)から差分同期(CDC)までシームレスにデータ連携
 初期同期から差分同期へ自動切り替え
 ブラウザベースのGUIによる簡易設定・監視
 短期のスキルトレーニングで同期設定と稼働監視が可能
 異種データベース間のテーブル高速データ転送・同期(マルチDB対応)
 オンプレ・クラウドを問わない主要データベース間のデータ同期をサポート
36
Copyright @2017 Insight Technology, Inc. All Right Reserved
On-Premises(VAIO S13)
Processor : 1 core
Memory : 1024MB
DEMO
No TABLE NAME COUNT
1 CUSTOMER 30,000
2 DISTRICT 10
3 HISTORY 30,000
4 ITEM 100,000
5 STOCK 100,000
6 ORDERS 30,000
7 ORDER_LINE 299,617
8 NEW_ORDER 9,000
9 WAREHOUSE 1
175MB 598,628
Service Plan : Basic
Location : Japan West
Performance Level :
S0(10 DTU)
データベース負荷テスト
ベンチ マーキング ・ ツール
TPC-C
37
Oracle
Copyright @2017 Insight Technology, Inc. All Right Reserved
データレプリケーション技術を適用した
データベース移行と分析基盤の構築
まとめ
38
Copyright @2017 Insight Technology, Inc. All Right Reserved
データレプリケーションテクノロジーを活用して
ミニマムダウンタイム移行やデータ分析基盤構築を!
データ処理種別毎に適したデータベースを運用する時代となった
→ 異なるデータベース・ストレージで管理されたデータをオンプレ・クラウド
基盤に同期する必要がある。可能であればリアルタイムで・・
→ クラウドを含む異なる環境間でデータ連携は、移行用途としても適用可能
20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉

More Related Content

What's hot

Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版Makoto Sato
 
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...Insight Technology, Inc.
 
今さら聞けない HANAのハナシの基本のほ
今さら聞けない HANAのハナシの基本のほ今さら聞けない HANAのハナシの基本のほ
今さら聞けない HANAのハナシの基本のほKoji Shinkubo
 
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?datastaxjp
 
[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...
[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...
[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...Insight Technology, Inc.
 
[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...
[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...
[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...Insight Technology, Inc.
 
[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.
 
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...Insight Technology, Inc.
 
[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...
[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...
[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...Insight Technology, Inc.
 
[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...
[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...
[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...Insight Technology, Inc.
 
[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...
[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...
[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...Insight Technology, Inc.
 
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...Insight Technology, Inc.
 
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...Insight Technology, Inc.
 
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...Insight Technology, Inc.
 
今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ株式会社クライム
 
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11MapR Technologies Japan
 
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太Insight Technology, Inc.
 
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...Insight Technology, Inc.
 
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...Insight Technology, Inc.
 
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...Insight Technology, Inc.
 

What's hot (20)

Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版Yahoo! JAPANのOracle構成-2017年版
Yahoo! JAPANのOracle構成-2017年版
 
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
 
今さら聞けない HANAのハナシの基本のほ
今さら聞けない HANAのハナシの基本のほ今さら聞けない HANAのハナシの基本のほ
今さら聞けない HANAのハナシの基本のほ
 
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?
 
[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...
[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...
[db tech showcase Tokyo 2017] A16: Using a Multi-Model Database to Improve Da...
 
[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...
[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...
[db tech showcase Tokyo 2015] C17:MySQL Cluster ユーザー事例紹介~JR東日本情報システム様における導入事例...
 
[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...
 
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ~レプリケーション...
 
[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...
[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...
[db tech showcase Tokyo 2017] B26: レデータの仮想化と自動化がもたらす開発効率アップとは?by 株式会社インサイトテクノ...
 
[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...
[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...
[db tech showcase Tokyo 2015] B16:最新版PostgreSQLのパフォーマンスを引き出すためのポイント by Postgr...
 
[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...
[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...
[db tech showcase Tokyo 2017] D33: Deep Learningや、Analyticsのワークロードを加速するには-Ten...
 
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
[db tech showcase Tokyo 2015] A26:内部犯行による漏えいを防ぐPostgreSQLの透過的暗号化機能に関する実装と利用方法...
 
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
[db tech showcase Tokyo 2016] A25: ACIDトランザクションをサポートするエンタープライズ向けNoSQL Databas...
 
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
[db tech showcase Tokyo 2015] D32:HPの全方位インメモリDB化に向けた取り組みとSAP HANAインメモリDB の効果を...
 
今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ今こそクラウドへ!データの移行、連携、統合のコツ
今こそクラウドへ!データの移行、連携、統合のコツ
 
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
事例から見るNoSQLの使い方 - db tech showcase Tokyo 2015 2015/06/11
 
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
[db tech showcase Tokyo 2015] D35:高トランザクションを実現するスケーラブルRDBMS技術 by 日本電気株式会社 並木悠太
 
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
[db tech showcase OSS 2017] A24: マイクロソフトと OSS Database - Azure Database for M...
 
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
[db tech showcase Tokyo 2015] C25:HP NonStop SQLはなぜグローバルに分散DBを構築できるのか、 データの整合...
 
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
 

Similar to 20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉

Smart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructureSmart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructureDataWorks Summit
 
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide HanataniInsight Technology, Inc.
 
As1 company profile[1]
As1 company profile[1]As1 company profile[1]
As1 company profile[1]ssusere2833f
 
OSSではじめるオープン・スタンダードのクラウド @201304
OSSではじめるオープン・スタンダードのクラウド @201304OSSではじめるオープン・スタンダードのクラウド @201304
OSSではじめるオープン・スタンダードのクラウド @201304Shinichiro Arai
 
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Insight Technology, Inc.
 
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとはdb tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとはKoji Shinkubo
 
Azure IaaS 解説
Azure IaaS 解説Azure IaaS 解説
Azure IaaS 解説wintechq
 
FlexPod Day 2016 - Cisco session (Publish edition)
FlexPod Day 2016 - Cisco session (Publish edition)FlexPod Day 2016 - Cisco session (Publish edition)
FlexPod Day 2016 - Cisco session (Publish edition)Takao Setaka
 
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組みリクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組みRecruit Technologies
 
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Insight Technology, Inc.
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)Insight Technology, Inc.
 
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用Amazon Web Services Japan
 
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 Insight Technology, Inc.
 
【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション
【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション
【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack HinemosソリューションHinemos
 
Webアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうか
Webアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうかWebアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうか
Webアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうかChihiro Ito
 
Share pointを支えるsql server2014最新情報 tokyo_公開用
Share pointを支えるsql server2014最新情報 tokyo_公開用Share pointを支えるsql server2014最新情報 tokyo_公開用
Share pointを支えるsql server2014最新情報 tokyo_公開用Yukio Kumazawa
 
Hinemosによるハイブリッドクラウド運用管理の最新情報
Hinemosによるハイブリッドクラウド運用管理の最新情報Hinemosによるハイブリッドクラウド運用管理の最新情報
Hinemosによるハイブリッドクラウド運用管理の最新情報Hinemos
 

Similar to 20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉 (20)

Smart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructureSmart data integration to hybrid data analysis infrastructure
Smart data integration to hybrid data analysis infrastructure
 
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
 
As1 company profile[1]
As1 company profile[1]As1 company profile[1]
As1 company profile[1]
 
OSSではじめるオープン・スタンダードのクラウド @201304
OSSではじめるオープン・スタンダードのクラウド @201304OSSではじめるオープン・スタンダードのクラウド @201304
OSSではじめるオープン・スタンダードのクラウド @201304
 
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
 
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとはdb tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
db tech showcase_2014_A14_Actian Vectorで得られる、BIにおける真のパフォーマンスとは
 
Azure IaaS 解説
Azure IaaS 解説Azure IaaS 解説
Azure IaaS 解説
 
FlexPod Day 2016 - Cisco session (Publish edition)
FlexPod Day 2016 - Cisco session (Publish edition)FlexPod Day 2016 - Cisco session (Publish edition)
FlexPod Day 2016 - Cisco session (Publish edition)
 
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組みリクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
 
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Ishikawa)
 
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
 
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。 複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
 
Amazon Redshift 概要 (20分版)
Amazon Redshift 概要 (20分版)Amazon Redshift 概要 (20分版)
Amazon Redshift 概要 (20分版)
 
【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション
【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション
【HinemosWorld2014】B1-4_NTTデータ先端技術のOpenStack Hinemosソリューション
 
Webアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうか
Webアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうかWebアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうか
Webアプリに低レイテンシ・高可用性を求めるのは間違っているのだろうか
 
【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介
 
Big Data Architecture 全体概要
Big Data Architecture 全体概要Big Data Architecture 全体概要
Big Data Architecture 全体概要
 
Share pointを支えるsql server2014最新情報 tokyo_公開用
Share pointを支えるsql server2014最新情報 tokyo_公開用Share pointを支えるsql server2014最新情報 tokyo_公開用
Share pointを支えるsql server2014最新情報 tokyo_公開用
 
Hinemosによるハイブリッドクラウド運用管理の最新情報
Hinemosによるハイブリッドクラウド運用管理の最新情報Hinemosによるハイブリッドクラウド運用管理の最新情報
Hinemosによるハイブリッドクラウド運用管理の最新情報
 

More from Insight Technology, Inc.

グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Insight Technology, Inc.
 
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明するInsight Technology, Inc.
 
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーンInsight Technology, Inc.
 
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごとMBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごとInsight Technology, Inc.
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?Insight Technology, Inc.
 
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォームDBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォームInsight Technology, Inc.
 
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門Insight Technology, Inc.
 
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉 db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉 Insight Technology, Inc.
 
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也Insight Technology, Inc.
 
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー Insight Technology, Inc.
 
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?Insight Technology, Inc.
 
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?Insight Technology, Inc.
 
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...Insight Technology, Inc.
 
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]Insight Technology, Inc.
 
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...Insight Technology, Inc.
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)Insight Technology, Inc.
 
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...Insight Technology, Inc.
 

More from Insight Technology, Inc. (20)

グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
Docker and the Oracle Database
Docker and the Oracle DatabaseDocker and the Oracle Database
Docker and the Oracle Database
 
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
 
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
 
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
 
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごとMBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
 
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
 
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォームDBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
 
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
 
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL ServicesLunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
 
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉 db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
 
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
 
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
 
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
 
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
 
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
 
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
 
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
エンタープライズでのAI活用を支援する新世代データウェアハウスのあり方[ATTUNITY & インサイトテクノロジー IoT / Big Data フォー...
 
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
Database as code in Devops - DBを10分間で1000個構築するDB仮想化テクノロジーとは?(Adam)
 
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
[db tech showcase Tokyo 2018] #dbts2018 #E24 『インメモリデータベースを気軽にスケールアップ! 次世代サーバ仮...
 

Recently uploaded

「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-LoopへTetsuya Nihonmatsu
 
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法ssuser370dd7
 
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦Sadao Tokuyama
 
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~arts yokohama
 
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)ssuser539845
 
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdfAyachika Kitazaki
 
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfTaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfMatsushita Laboratory
 
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見Shumpei Kishi
 
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor 2024 01 Virtual_Counselor
2024 01 Virtual_Counselor arts yokohama
 

Recently uploaded (12)

「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
 
2024 03 CTEA
2024 03 CTEA2024 03 CTEA
2024 03 CTEA
 
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
 
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
 
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
 
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
 
2024 04 minnanoito
2024 04 minnanoito2024 04 minnanoito
2024 04 minnanoito
 
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
 
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
 
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdfTaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
 
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
 
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor 2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
 

20170413_データレプリケーション技術を適用したデータベース移行と分析基盤の構築 by 株式会社インサイトテクノロジー 森田俊哉

  • 1. Copyright @2017 Insight Technology, Inc. All Right Reserved データレプリケーション技術を適用した データベース移行と分析基盤の構築 株式会社インサイトテクノロジー 森田 俊哉
  • 2. Copyright @2017 Insight Technology, Inc. All Right Reserved Agenda データレプリケーション技術を適用した データベース移行と分析基盤の構築  データレプリケーションテクノロジー  ミニマムダウンタイム移行への適用  OracleからSQLServerへの移行アセスメント  データ移行方式の検討  データ分析基盤への適用  レプリケーションツール”Attunity Replicate”  まとめ
  • 3. Copyright @2017 Insight Technology, Inc. All Right Reserved
  • 4. Copyright @2017 Insight Technology, Inc. All Right Reserved Insight Technologyとは? コンサルティングサービス ソフトウェア ハードウェア システム設計~運用まで データベース総合ソリューション データベースの様々な課題を 解決する各種ソフトウェア 高性能・低コスト・高信頼性 データベース専用マシン データベースに関連するナレッジと技術力を追求し、ソフトウェア、ハードウェア、 サービスを最適に組み合わせてお客様に提供する会社です。 高速・低コスト・セキュア なデータベース環境を実現 データベースのアクセス監査ツール(自社開発) マルチデータベースのリアルタイムレプリケーションツール データベースのパフォーマンス監視・分析ツール(自社開発) 世界最速のデータベース専用高速マシン(自社開発) 4 バーチャルデータプラットホームツール
  • 5. Copyright @2017 Insight Technology, Inc. All Right Reserved 5 Sep 5th-7th Akihabara UDX Conference
  • 6. Copyright @2017 Insight Technology, Inc. All Right Reserved 2012年 db tech showcase Oracle MySQL PostgreSQL SQLServer
  • 7. Copyright @2017 Insight Technology, Inc. All Right Reserved 2016年 db tech showcase Oracle IBM DB2 mongoDBCloudera IMPALA Hortonworks presto InfoFrameHP NonStopSQL MySQL EDB MarkLogic riak PostgreSQL actian TERADATA NETEZZA HiRDB Amazon Redshift cassandra MariaDB Cloudant SAP/HANA Picotal HAWQ CouchbaseSymfoware hadoop VERTICAVOLTDB cloudera TREASURE SQLServer MAPR Sybase IQ Pivotal Greenplum
  • 8. Copyright @2017 Insight Technology, Inc. All Right Reserved データも適材適所?! [データベースマッピング] HiRDB IBM/DB2 Symfoware HP NonStop Oracle SQL Server Cloudant Amazon Redshift TRESURE DATA MySQL PostgreSQL MariaDB EDB Cloudera IMPALA Presto HAWQ MarkLogic Cassandra Riak mongoDB Couchbase MAPR Cloudera Hortonworks Mission Criticalhadoop Leader Challenger SQL on Hadoop Cloud NoSQL Hadoop TERADATA SybaseIQ Pivotal VERTICA NETEZZA Actian SAP/HANA BigData
  • 9. Copyright @2017 Insight Technology, Inc. All Right Reserved ロジカルレプリケーションテクノロジー Mainframe On Prem Cloud RDBMS Hadoop Data Warehouse Kafka Files On Prem Cloud RDBMS Hadoop Data Warehouse Files  異なるOS、バージョン、 RDBMS間のデータ連携  データ分散やデータベース統合 など複雑な構成でのデータ連携  データ保護、移行/アップグレー ド、レポーティング、リアルタ イムBI、参照処理のオフロード 等の用途で使用可能
  • 10. Copyright @2017 Insight Technology, Inc. All Right Reserved ロジカルレプリケーションテクノロジーって?
  • 11. Copyright @2017 Insight Technology, Inc. All Right Reserved データベースデータ連携(レプリケーション)~1 Source DB Target DB EMP DEPT SALGRADE EMP DEPT SALGRADE 初期同期 (COPY) 11
  • 12. Copyright @2017 Insight Technology, Inc. All Right Reserved Source DB Target DB Change Data Capture トランザクションログ EMP DEPT SALGRADE EMP DEPT SALGRADE Change Data Apply データベースデータ連携(レプリケーション)~2 INSERT UPDATE DELETE 12 SQL SQL
  • 13. Copyright @2017 Insight Technology, Inc. All Right Reserved レプリケーションテクノロジーの ミニマムダウンタイム移行への適用
  • 14. Copyright @2017 Insight Technology, Inc. All Right Reserved OracleからSQL Serverへの 移行アセスメント 14 Oracle
  • 15. Copyright @2017 Insight Technology, Inc. All Right Reserved Oracle Migration Assessment (OMA) OMAとは Oracle Migration Assessmentの略で、OracleからSQL Serverに 移行を検討しているお客様にマイクロソフト様が提供する移行を評価す るサービス 移行時の問題点や問題の難易度、移行にかかる時間、移行時のコスト を比較し、レポートとして提示  本サービスは、インサイトテクノロジー社他数社より実施・提供され インサイトテクノロジー実績は30社以上 15
  • 16. Copyright @2017 Insight Technology, Inc. All Right Reserved 16 OMAレポート 構成、オブジェクト、プロシージャ、機能、運用、ライセンスの6つのカテゴリ毎に評価 Oracle Migration Assessment (OMA)
  • 17. Copyright @2017 Insight Technology, Inc. All Right Reserved アセスメント結果サマリー(OMA)~1 17
  • 18. Copyright @2017 Insight Technology, Inc. All Right Reserved アセスメント結果サマリー(OMA)~2 18
  • 19. Copyright @2017 Insight Technology, Inc. All Right Reserved OracleからSQL Serverへデータ移行方式の検討 19
  • 20. Copyright @2017 Insight Technology, Inc. All Right Reserved SQL Server Integration Services(SSIS) コピー&変換 SSISとは SQL Server Integration Servicesの略で、SQL Server の標準機能として 搭載されている。 データの「コピー」や「変換」などが行える "データ転送ツール" 20 Oracle
  • 21. Copyright @2017 Insight Technology, Inc. All Right Reserved 移行によるサービス停止 移行時には、提供サービスを停止する必要がある…  サービス停止は、できる限り短時間にしたい  サービス切替時間確認時間は短縮出来ない データ移行 サービス確認 0 2 4 6 8 10 12 14 16 SSISによる移行 サービス停止線表(例) サービス停止 データ移行 サービス確認 サービス開始 21
  • 22. Copyright @2017 Insight Technology, Inc. All Right Reserved 初期コピー レプリケーションを適用したミニマムダウンタイム移行 Archive Log 移行前同期移行当日 22 = 同期状態 トランザクションログから 抽出された変更情報を適用 本番 本番 Archive Log Archive Log Archive Log Oracle
  • 23. Copyright @2017 Insight Technology, Inc. All Right Reserved データベース移行時間 データ移行 サービス確認 サービス確認 0 2 4 6 8 10 12 14 16 レプリケーションによる移行 SSISによる移行 サービス停止線表(例) サービス停止 データ移行 サービス確認 サービス開始 データベースレプリケーション技術を移行に適用することで 移行当日は、切替後のサービス確認がメインとなりデータベース移行 によるサービス停止時間を最小化することが出来る! 23
  • 24. Copyright @2017 Insight Technology, Inc. All Right Reserved CaseStudy:某大手小売系発注システム移行 24 移行対象 移行元 移行先 OS Solaris Windows データベース Oracle10gR2 SQLServer2016 プログラム言語 Java Java プロシジャー PL/SQL T-SQL シェルスクリプト bash Powershell データローダー SQL Loader SSIS ユーザ様背景 「Oracleを使用して構築したシステムのハードウェア更改があった。 そのタイミングでOracleのアップグレードを検討していたが、アップグレードによるテス トが必要であり、テスト時の作業工数が発生してしまう。 Oracleのライセンスは会社として大量に購入しているが、毎年のようにライセンスの変更 (値上げ)が行われていたためOracleをどうにかしないといけないと考えていた。MSの プログラムでアセスメントを実施」
  • 25. Copyright @2017 Insight Technology, Inc. All Right Reserved CaseStudy:某大手小売系発注システム移行 25 SQL Server新規ライセンス T-SQLへ書換 シェルスクリプト書換 SSISへ書換 Javaソースクエリ書換 アップグレード対応書換 テスト工数 Oracle継続ライセンス テスト工数 移行工数 Javaソース内のクエリの変換と、SQL Loader+シェルスクリプトの書き換え 工数が発生するものの、PL/SQLが少ないため、移行は容易と判断。 Oracle(アップグレード+テスト工数)とSQL Server(新規購入+変換工数 +テスト工数)の見積もりを比較したところ、価格的にはほぼ同程度だったた め、移行を実行 現在は、移行終了しパフォーマンス劣化無く運用開始した Oracle
  • 26. Copyright @2017 Insight Technology, Inc. All Right Reserved レプリケーションテクノロジーの データ分析基盤への適用
  • 27. Copyright @2017 Insight Technology, Inc. All Right Reserved [レプリケーションテクノロジーの適用] データ分析は、バッチ指向からリアルタイムへ 従来型のデータ分析は、主に企業の経営層、マーケティング部門がユーザであり、企業戦略の意思 決定プロセス(中長期的戦略)に活用されてきた。 その場合には、前日までのデータが夜間バッチで取り込まれたDWHを使用して分析を行っており 分析は週次・月次で行われているケースが未だに多くある。 Sources Data Warehouse Dashboards Reports Analytics Spreadsheets 定期的に抽出 経営者 分析担当者 中長期的 企業戦略策定 SCM ERP CRM Oracle
  • 28. Copyright @2017 Insight Technology, Inc. All Right Reserved [レプリケーションテクノロジーの適用] データ分析は、バッチ指向からリアルタイムへ 既に海外では、リアルタイム分析を行うことで重要なビジネスイベントに対して迅速にア クションを起こすための意思決定を可能にしている事例が多い 従来型のデータ分析が過去に発生した事象を分析するのに対してリアルタイム分析は今現 在発生しているまたは、これから何が起きるのか?を分析することを目的としている Sources Files, DB, SNS マネージャ 行動 JSON XML イベント 発生 Data Warehouse 日常業務 行動策定 Oracle
  • 29. Copyright @2017 Insight Technology, Inc. All Right Reserved 従来型DWHとリアルタイムDWH 従来型DWH リアルタイムDWH ユーザ 経営層・マーケティング部門 現場マネージャ 分析目的 中長期的経営戦略策定 日常業務における意思決定 分析頻度 日次・週次・月次 リアルタイム 分析対象データ 定期蓄積データ 定期蓄積データ+イベントデータ(IOT) お役立ち 経営戦略 マーケット需要予測 レコメンデーション最適化 リアルタイム需要予測 リアルタイム不正検出 電力需要予測・・・・・ SCM ERP CRM
  • 30. Copyright @2017 Insight Technology, Inc. All Right Reserved レプリケーションを適用したマルチDB分析基盤運用 トランザクションログから 抽出された変更情報を適用 ↓ = 同期状態 基幹システム 情報系システム Azure SQL DW Archive Log Archive Log Archive Log REDO Log Oracle
  • 31. Copyright @2017 Insight Technology, Inc. All Right Reserved 31 移行対象 レプリケーション元(基幹システム) レプリケーション先(データ分析基盤) OS Windows / IBM zOS Windows / Linux(Cloud) データベース SQL Server IBM/DB2 × 3 IBM/IMSDB SQLServer Hadoop(Cloud) ユーザ様背景 チューリッヒ生命保険では、有効証券請求時にリアルタイムな情報を手に入れることが、 プロセス改善に必要とされていました。またプロセス改善には日常的な検索が必要とされ 、メインフレームとWintelプラットフォームの双方で構成される5つのポリシー管理シス テムから機能検索をしていました。(うち4システムはメインフレーム) 問合せ処理システムと基幹システムを分離するために、不変的なアクセスが可能な基幹シ ステムデータベースと問合せ処理用データベースを必要としていました。コピーされたデ ータベースは、可能な限りリアルタイムに同期する必要がありました。 CaseStudy : チューリッヒ保険会社
  • 32. Copyright @2017 Insight Technology, Inc. All Right Reserved BI / Data Analytics BI / Data Analytics マーケティング分析・財務分析・クレーム処理など にデータ分析基盤を活用しています。 Copy Data (Data Replilcate) メタデータを含むトランザクションデータをニアリ アルタイムでデータ分析基盤に反映することで現在 発生しているイベントに対して遅延なく分析を行う ことが出来ます。 Data storage データ分析基盤として SQL Serverとクラウド上のHadoop使用しています structured data unstructured data Data ソースデータとして社内外の無償・有償の外部デー タ及び社内の基幹データベースのデータを分析のた めに適用しています。 IBM DB2 on M/F IBM IMS DB on M/F IBM DB2 on iSeries Microsoft SQL Server JSON XML TEXT CaseStudy : チューリッヒ保険会社
  • 33. Copyright @2017 Insight Technology, Inc. All Right Reserved ロジカルレプリケーションツール
  • 34. Copyright @2017 Insight Technology, Inc. All Right Reserved Source DB Target DB トランザクションログ EMP DEPT SALGRADE EMP DEPT SALGRADE Attunity Replicateデータベースデータ連携 INSERT UPDATE DELETE 34
  • 35. Copyright @2017 Insight Technology, Inc. All Right Reserved LUW(Linux/Unix/Windows) Mainframe DB2 IMS/DB VSAM IBM iSeries DB2/400 HP NonStop Enscribe SQL/MP Oracle SQLSever MySQL PostgreSQL SYBASE IBM/DB2 hadoop サポートデータベース LUW(Linux/Unix/Windows) As same as Replication sources Large DW Platforms Actian Vector Oracle Exadata Microsoft PDW HP Vertica Pivottal Greenplum Database Teradata IBM Puredata(Netezza) Amazon Redshift Azure SQL DW Hadoop (SAP/HANA) Replication TargetsReplication Sources
  • 36. Copyright @2017 Insight Technology, Inc. All Right Reserved  DBサーバ側エージェントレス  データベースへのソフトウェアインストール不要  初期同期(FULL LOAD)から差分同期(CDC)までシームレスにデータ連携  初期同期から差分同期へ自動切り替え  ブラウザベースのGUIによる簡易設定・監視  短期のスキルトレーニングで同期設定と稼働監視が可能  異種データベース間のテーブル高速データ転送・同期(マルチDB対応)  オンプレ・クラウドを問わない主要データベース間のデータ同期をサポート 36
  • 37. Copyright @2017 Insight Technology, Inc. All Right Reserved On-Premises(VAIO S13) Processor : 1 core Memory : 1024MB DEMO No TABLE NAME COUNT 1 CUSTOMER 30,000 2 DISTRICT 10 3 HISTORY 30,000 4 ITEM 100,000 5 STOCK 100,000 6 ORDERS 30,000 7 ORDER_LINE 299,617 8 NEW_ORDER 9,000 9 WAREHOUSE 1 175MB 598,628 Service Plan : Basic Location : Japan West Performance Level : S0(10 DTU) データベース負荷テスト ベンチ マーキング ・ ツール TPC-C 37 Oracle
  • 38. Copyright @2017 Insight Technology, Inc. All Right Reserved データレプリケーション技術を適用した データベース移行と分析基盤の構築 まとめ 38
  • 39. Copyright @2017 Insight Technology, Inc. All Right Reserved データレプリケーションテクノロジーを活用して ミニマムダウンタイム移行やデータ分析基盤構築を! データ処理種別毎に適したデータベースを運用する時代となった → 異なるデータベース・ストレージで管理されたデータをオンプレ・クラウド 基盤に同期する必要がある。可能であればリアルタイムで・・ → クラウドを含む異なる環境間でデータ連携は、移行用途としても適用可能