Submit Search
Upload
MapR M7 技術概要
•
6 likes
•
3,064 views
MapR Technologies Japan
Follow
MapR Technologies CTO の M.C. Srivas による、MapR M7 技術概要。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 40
Download now
Download to read offline
Recommended
MapR Technologies CTO の M.C. Srivas による、MapR アーキテクチャ概要。2013年11月12日に開催された MapR CTO Meetup での説明資料です。
MapR アーキテクチャ概要 - MapR CTO Meetup 2013/11/12
MapR アーキテクチャ概要 - MapR CTO Meetup 2013/11/12
MapR Technologies Japan
Hadoopソースコードリーディングでの発表資料抜粋です。
Hadoopソースコードリーディング8/MapRを使ってみた
Hadoopソースコードリーディング8/MapRを使ってみた
Recruit Technologies
Cloudera World Tokyo 2012 で発表した、Hadoopのシステム設計と運用のポイントに関する資料です。
Hadoopのシステム設計・運用のポイント
Hadoopのシステム設計・運用のポイント
Cloudera Japan
スキーマフリー SQL エンジン Apache Drill の概要、利用事例、ロードマップを紹介。オープンデータの分析を例に Drill の使い方を説明します。2015年9月15日に開催されたTokyo Apache Drill Meetupでの講演資料です。
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
MapR Technologies Japan
ビッグデータの処理モデルとしては、最近までバッチ処理が中心でしたが、最近 Apache Spark や Apache Kafka のようなストリーミングアーキテクチャを採用する例が出てきています。これらはシステムをシステムをシンプルかつロバストにするという観点で大きなメリットがありますが、一方で従来のメッセージキューイングの設計と大きな違いがあります。この講演では、いくつかのストリーミングシステム特有の考え方や設計パターンを例に挙げながら、モダンなストリーミングシステムの構築の指針をご紹介します。2016年2月8日に開催されたHadoop / Spark Conference Japan 2016での講演資料です。
ストリーミングアーキテクチャ: State から Flow へ - 2016/02/08 Hadoop / Spark Conference Japan ...
ストリーミングアーキテクチャ: State から Flow へ - 2016/02/08 Hadoop / Spark Conference Japan ...
MapR Technologies Japan
オープンソースのスキーマフリーSQLエンジンApach Drillでどのように実データを分析するかを解説。
Apache Drill を利用した実データの分析
Apache Drill を利用した実データの分析
MapR Technologies Japan
MapR コミュニティ・エディションのここ1年における最新の開発状況について解説します。スライドには、次のようなプラットフォームの最新情報が含まれています: - Spyglass イニシアティブによる次世代のクラスタ監視 - MapR Streams によるリアルタイムストリーミング - MapR-DB JSON ドキュメントデータベースおよび OJAI によるアプリケーション開発 - アクセス制御表現 (ACE) によるデータセキュリティ 2016年9月14日に開催されたコミュニティ向け Webinar の資料です。
MapR 5.2: MapR コンバージド・コミュニティ・エディションを使いこなす
MapR 5.2: MapR コンバージド・コミュニティ・エディションを使いこなす
MapR Technologies Japan
Hadoop Conference Japan 2009 「Hadoop入門」の講演資料
Hadoop入門
Hadoop入門
Preferred Networks
Recommended
MapR Technologies CTO の M.C. Srivas による、MapR アーキテクチャ概要。2013年11月12日に開催された MapR CTO Meetup での説明資料です。
MapR アーキテクチャ概要 - MapR CTO Meetup 2013/11/12
MapR アーキテクチャ概要 - MapR CTO Meetup 2013/11/12
MapR Technologies Japan
Hadoopソースコードリーディングでの発表資料抜粋です。
Hadoopソースコードリーディング8/MapRを使ってみた
Hadoopソースコードリーディング8/MapRを使ってみた
Recruit Technologies
Cloudera World Tokyo 2012 で発表した、Hadoopのシステム設計と運用のポイントに関する資料です。
Hadoopのシステム設計・運用のポイント
Hadoopのシステム設計・運用のポイント
Cloudera Japan
スキーマフリー SQL エンジン Apache Drill の概要、利用事例、ロードマップを紹介。オープンデータの分析を例に Drill の使い方を説明します。2015年9月15日に開催されたTokyo Apache Drill Meetupでの講演資料です。
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
Apache Drill Overview - Tokyo Apache Drill Meetup 2015/09/15
MapR Technologies Japan
ビッグデータの処理モデルとしては、最近までバッチ処理が中心でしたが、最近 Apache Spark や Apache Kafka のようなストリーミングアーキテクチャを採用する例が出てきています。これらはシステムをシステムをシンプルかつロバストにするという観点で大きなメリットがありますが、一方で従来のメッセージキューイングの設計と大きな違いがあります。この講演では、いくつかのストリーミングシステム特有の考え方や設計パターンを例に挙げながら、モダンなストリーミングシステムの構築の指針をご紹介します。2016年2月8日に開催されたHadoop / Spark Conference Japan 2016での講演資料です。
ストリーミングアーキテクチャ: State から Flow へ - 2016/02/08 Hadoop / Spark Conference Japan ...
ストリーミングアーキテクチャ: State から Flow へ - 2016/02/08 Hadoop / Spark Conference Japan ...
MapR Technologies Japan
オープンソースのスキーマフリーSQLエンジンApach Drillでどのように実データを分析するかを解説。
Apache Drill を利用した実データの分析
Apache Drill を利用した実データの分析
MapR Technologies Japan
MapR コミュニティ・エディションのここ1年における最新の開発状況について解説します。スライドには、次のようなプラットフォームの最新情報が含まれています: - Spyglass イニシアティブによる次世代のクラスタ監視 - MapR Streams によるリアルタイムストリーミング - MapR-DB JSON ドキュメントデータベースおよび OJAI によるアプリケーション開発 - アクセス制御表現 (ACE) によるデータセキュリティ 2016年9月14日に開催されたコミュニティ向け Webinar の資料です。
MapR 5.2: MapR コンバージド・コミュニティ・エディションを使いこなす
MapR 5.2: MapR コンバージド・コミュニティ・エディションを使いこなす
MapR Technologies Japan
Hadoop Conference Japan 2009 「Hadoop入門」の講演資料
Hadoop入門
Hadoop入門
Preferred Networks
OSC 2012 Tokyo Spring HBaseのIOのアーキテクチャと、性能検証、Zabbixでの性能監視の発表資料です。 OSCのサイトにも掲載されています。
Osc2012 spring HBase Report
Osc2012 spring HBase Report
Seiichiro Ishida
Cloudera World Tokyo 2012 で発表した、CDH4.1の概要説明に関する資料です。
CDH4.1オーバービュー
CDH4.1オーバービュー
Cloudera Japan
Cloudera HBase トレーニング: http://tiny.cloudera.com/jptraininghbase Hadoop Conference Japan 2013 Winter で発表した、HBaseのスキーマ設計に関する資料です。 Cloudera の HBase サポート、Cloudera Enterprise RTD http://tiny.cloudera.com/jpcertd
スケーラブルなシステムのためのHBaseスキーマ設計 #hcj13w
スケーラブルなシステムのためのHBaseスキーマ設計 #hcj13w
Cloudera Japan
産業技術大学院大学 InfoTalk 第16回 2010年3月19日 http://pk.aiit.ac.jp/index.php?InfoTalk
Hadoopによる大規模分散データ処理
Hadoopによる大規模分散データ処理
Yoji Kiyota
Hadoop Troubleshooting 101 - Japanese Version
Hadoop Troubleshooting 101 - Japanese Version
Cloudera, Inc.
Hadoop / Spark Conference Japan 2019 『マルチテナント Hadoop クラスタのためのモニタリング Best Practice』 平野 智巌(楽天株式会社)
マルチテナント Hadoop クラスタのためのモニタリング Best Practice
マルチテナント Hadoop クラスタのためのモニタリング Best Practice
Hadoop / Spark Conference Japan
#cwt2013 ClouderaのJonathan Hsieh @jmhsieh によるHBaseの最新情報のスライドを公開しました。CDH5のHBase 0.96では耐障害性が強化され、障害発生時も書き込みは数秒、読み込みは10秒以内に復旧します。
なぜApache HBaseを選ぶのか? #cwt2013
なぜApache HBaseを選ぶのか? #cwt2013
Cloudera Japan
つい先日バージョン1.0がリリースされたスキーマフリーSQLクエリエンジンApache Drill。Drill登場の背景と特徴、他のSQL-on-Hadoopとの違いについて解説します。また、いろいろなオープンデータを使って実際に分析する実践的な内容を盛り込みます。2015年9月10〜11日に開催されたdb tech showcase Sapporo 2015での講演資料です。
Apache Drill でオープンデータを分析してみる - db tech showcase Sapporo 2015 2015/09/11
Apache Drill でオープンデータを分析してみる - db tech showcase Sapporo 2015 2015/09/11
MapR Technologies Japan
MapR Technologies CTO の M.C. Srivas による、Hadoop最新情報。YARN, MapR OmniによるHadoopスケジューリング、Drill, Impala, Shark, VerticaといったSQL on Hadoopソリューションについて解説します。2014年3月14日に開催された MapR CTO Meetup での説明資料です。
Hadoop最新情報 - YARN, Omni, Drill, Impala, Shark, Vertica - MapR CTO Meetup 2014...
Hadoop最新情報 - YARN, Omni, Drill, Impala, Shark, Vertica - MapR CTO Meetup 2014...
MapR Technologies Japan
Apache HBaseのデータへのアプローチは、非リレーショナルプログラムがNoSQL型の表現をするための大きな潜在能力を備えています。一方、Apache Drillは非リレーショナルデータに対するSQLをサポートします。逆説的ですが、このNoSQLをこのSQLツールと組み合わせることでよりよい結果が導き出せるのです。時系列データにアクセスしたり、高性能なセカンダリインデックスをサポートしたりするために、HBaseとDrillをどのように組み合わせるかを説明します。Ted DunningによるHadoop Summit 2015の講演より。
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
MapR Technologies Japan
Hadoop (主に NameNode、DataNode、HDFS) についての基礎知識があり、NameNode HA について詳しく知りたい人向けの内容となっています。
Hadoop -NameNode HAの仕組み-
Hadoop -NameNode HAの仕組み-
Yuki Gonda
■Hadoopの理解にちょっと自信のない皆さんに贈る 40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) 日本Hadoopユーザー会 濱野 賢一朗/Kenichiro Hamano (NTTデータ)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
hamaken
MapRとVertica、なぜその組み合わせが最高なのか、実際にPOC、ベンチマークを担当する両社のエンジニアがその熱い思いをデモを交えながら解説します。MapRとVerticaを組み合わせて構築された事例を含め、HadoopとRDBMSが今どのように共存しているのか、また今後どのような形が最適なのかをエンジニアの視点から語ります。2014年6月18〜20日に開催されたdb tech showcase 大阪 2014での講演資料です。
MapR と Vertica エンジニアが語る、なぜその組み合わせが最高なのか? - db tech showcase 大阪 2014 2014/06/19
MapR と Vertica エンジニアが語る、なぜその組み合わせが最高なのか? - db tech showcase 大阪 2014 2014/06/19
MapR Technologies Japan
HBase Meetup Tokyo Summer 2015 での講演資料です
100億超メッセージ/日のサービスを 支えるHBase運用におけるチャレンジ
100億超メッセージ/日のサービスを 支えるHBase運用におけるチャレンジ
LINE Corporation
Hadoop Conference Japan 2014で発表した資料。
HBaseを用いたグラフDB「Hornet」の設計と運用
HBaseを用いたグラフDB「Hornet」の設計と運用
Toshihiro Suzuki
Hadoop概要説明
Hadoop概要説明
Satoshi Noto
Hadoop / MapReduce とは
Hadoop / MapReduce とは
Takeshi Matsuoka
日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料 「HDFS新機能総まとめin 2015」 鯵坂明(NTTデータ)
HDFS新機能総まとめin 2015 (日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料)
HDFS新機能総まとめin 2015 (日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料)
NTT DATA OSS Professional Services
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Shinpei Ohtani
this document is for #tokyowebmining held at 2011/04/10
Hadoopを用いた大規模ログ解析
Hadoopを用いた大規模ログ解析
shuichi iida
Drill Meetup on 2016/3/22 板垣 輝広
Drill超簡単チューニング
Drill超簡単チューニング
MapR Technologies Japan
大手メディア、大手家電等のエンタープライズ企業が採用するMapR Hadoopディストリビューションの特長、事例、ロードマップについてのご紹介。2014年2月26日に開催されたビッグデータEXPO東京 2014での講演資料です。
ビジネスへの本格活用が始まったHadoopの今 ~MapRが選ばれる理由~ - ビッグデータEXPO東京 2014/02/26
ビジネスへの本格活用が始まったHadoopの今 ~MapRが選ばれる理由~ - ビッグデータEXPO東京 2014/02/26
MapR Technologies Japan
More Related Content
What's hot
OSC 2012 Tokyo Spring HBaseのIOのアーキテクチャと、性能検証、Zabbixでの性能監視の発表資料です。 OSCのサイトにも掲載されています。
Osc2012 spring HBase Report
Osc2012 spring HBase Report
Seiichiro Ishida
Cloudera World Tokyo 2012 で発表した、CDH4.1の概要説明に関する資料です。
CDH4.1オーバービュー
CDH4.1オーバービュー
Cloudera Japan
Cloudera HBase トレーニング: http://tiny.cloudera.com/jptraininghbase Hadoop Conference Japan 2013 Winter で発表した、HBaseのスキーマ設計に関する資料です。 Cloudera の HBase サポート、Cloudera Enterprise RTD http://tiny.cloudera.com/jpcertd
スケーラブルなシステムのためのHBaseスキーマ設計 #hcj13w
スケーラブルなシステムのためのHBaseスキーマ設計 #hcj13w
Cloudera Japan
産業技術大学院大学 InfoTalk 第16回 2010年3月19日 http://pk.aiit.ac.jp/index.php?InfoTalk
Hadoopによる大規模分散データ処理
Hadoopによる大規模分散データ処理
Yoji Kiyota
Hadoop Troubleshooting 101 - Japanese Version
Hadoop Troubleshooting 101 - Japanese Version
Cloudera, Inc.
Hadoop / Spark Conference Japan 2019 『マルチテナント Hadoop クラスタのためのモニタリング Best Practice』 平野 智巌(楽天株式会社)
マルチテナント Hadoop クラスタのためのモニタリング Best Practice
マルチテナント Hadoop クラスタのためのモニタリング Best Practice
Hadoop / Spark Conference Japan
#cwt2013 ClouderaのJonathan Hsieh @jmhsieh によるHBaseの最新情報のスライドを公開しました。CDH5のHBase 0.96では耐障害性が強化され、障害発生時も書き込みは数秒、読み込みは10秒以内に復旧します。
なぜApache HBaseを選ぶのか? #cwt2013
なぜApache HBaseを選ぶのか? #cwt2013
Cloudera Japan
つい先日バージョン1.0がリリースされたスキーマフリーSQLクエリエンジンApache Drill。Drill登場の背景と特徴、他のSQL-on-Hadoopとの違いについて解説します。また、いろいろなオープンデータを使って実際に分析する実践的な内容を盛り込みます。2015年9月10〜11日に開催されたdb tech showcase Sapporo 2015での講演資料です。
Apache Drill でオープンデータを分析してみる - db tech showcase Sapporo 2015 2015/09/11
Apache Drill でオープンデータを分析してみる - db tech showcase Sapporo 2015 2015/09/11
MapR Technologies Japan
MapR Technologies CTO の M.C. Srivas による、Hadoop最新情報。YARN, MapR OmniによるHadoopスケジューリング、Drill, Impala, Shark, VerticaといったSQL on Hadoopソリューションについて解説します。2014年3月14日に開催された MapR CTO Meetup での説明資料です。
Hadoop最新情報 - YARN, Omni, Drill, Impala, Shark, Vertica - MapR CTO Meetup 2014...
Hadoop最新情報 - YARN, Omni, Drill, Impala, Shark, Vertica - MapR CTO Meetup 2014...
MapR Technologies Japan
Apache HBaseのデータへのアプローチは、非リレーショナルプログラムがNoSQL型の表現をするための大きな潜在能力を備えています。一方、Apache Drillは非リレーショナルデータに対するSQLをサポートします。逆説的ですが、このNoSQLをこのSQLツールと組み合わせることでよりよい結果が導き出せるのです。時系列データにアクセスしたり、高性能なセカンダリインデックスをサポートしたりするために、HBaseとDrillをどのように組み合わせるかを説明します。Ted DunningによるHadoop Summit 2015の講演より。
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
MapR Technologies Japan
Hadoop (主に NameNode、DataNode、HDFS) についての基礎知識があり、NameNode HA について詳しく知りたい人向けの内容となっています。
Hadoop -NameNode HAの仕組み-
Hadoop -NameNode HAの仕組み-
Yuki Gonda
■Hadoopの理解にちょっと自信のない皆さんに贈る 40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) 日本Hadoopユーザー会 濱野 賢一朗/Kenichiro Hamano (NTTデータ)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
hamaken
MapRとVertica、なぜその組み合わせが最高なのか、実際にPOC、ベンチマークを担当する両社のエンジニアがその熱い思いをデモを交えながら解説します。MapRとVerticaを組み合わせて構築された事例を含め、HadoopとRDBMSが今どのように共存しているのか、また今後どのような形が最適なのかをエンジニアの視点から語ります。2014年6月18〜20日に開催されたdb tech showcase 大阪 2014での講演資料です。
MapR と Vertica エンジニアが語る、なぜその組み合わせが最高なのか? - db tech showcase 大阪 2014 2014/06/19
MapR と Vertica エンジニアが語る、なぜその組み合わせが最高なのか? - db tech showcase 大阪 2014 2014/06/19
MapR Technologies Japan
HBase Meetup Tokyo Summer 2015 での講演資料です
100億超メッセージ/日のサービスを 支えるHBase運用におけるチャレンジ
100億超メッセージ/日のサービスを 支えるHBase運用におけるチャレンジ
LINE Corporation
Hadoop Conference Japan 2014で発表した資料。
HBaseを用いたグラフDB「Hornet」の設計と運用
HBaseを用いたグラフDB「Hornet」の設計と運用
Toshihiro Suzuki
Hadoop概要説明
Hadoop概要説明
Satoshi Noto
Hadoop / MapReduce とは
Hadoop / MapReduce とは
Takeshi Matsuoka
日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料 「HDFS新機能総まとめin 2015」 鯵坂明(NTTデータ)
HDFS新機能総まとめin 2015 (日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料)
HDFS新機能総まとめin 2015 (日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料)
NTT DATA OSS Professional Services
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Shinpei Ohtani
this document is for #tokyowebmining held at 2011/04/10
Hadoopを用いた大規模ログ解析
Hadoopを用いた大規模ログ解析
shuichi iida
What's hot
(20)
Osc2012 spring HBase Report
Osc2012 spring HBase Report
CDH4.1オーバービュー
CDH4.1オーバービュー
スケーラブルなシステムのためのHBaseスキーマ設計 #hcj13w
スケーラブルなシステムのためのHBaseスキーマ設計 #hcj13w
Hadoopによる大規模分散データ処理
Hadoopによる大規模分散データ処理
Hadoop Troubleshooting 101 - Japanese Version
Hadoop Troubleshooting 101 - Japanese Version
マルチテナント Hadoop クラスタのためのモニタリング Best Practice
マルチテナント Hadoop クラスタのためのモニタリング Best Practice
なぜApache HBaseを選ぶのか? #cwt2013
なぜApache HBaseを選ぶのか? #cwt2013
Apache Drill でオープンデータを分析してみる - db tech showcase Sapporo 2015 2015/09/11
Apache Drill でオープンデータを分析してみる - db tech showcase Sapporo 2015 2015/09/11
Hadoop最新情報 - YARN, Omni, Drill, Impala, Shark, Vertica - MapR CTO Meetup 2014...
Hadoop最新情報 - YARN, Omni, Drill, Impala, Shark, Vertica - MapR CTO Meetup 2014...
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
HBase と Drill - 緩い型付けの SQL がいかに NoSQL に適しているか
Hadoop -NameNode HAの仕組み-
Hadoop -NameNode HAの仕組み-
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
MapR と Vertica エンジニアが語る、なぜその組み合わせが最高なのか? - db tech showcase 大阪 2014 2014/06/19
MapR と Vertica エンジニアが語る、なぜその組み合わせが最高なのか? - db tech showcase 大阪 2014 2014/06/19
100億超メッセージ/日のサービスを 支えるHBase運用におけるチャレンジ
100億超メッセージ/日のサービスを 支えるHBase運用におけるチャレンジ
HBaseを用いたグラフDB「Hornet」の設計と運用
HBaseを用いたグラフDB「Hornet」の設計と運用
Hadoop概要説明
Hadoop概要説明
Hadoop / MapReduce とは
Hadoop / MapReduce とは
HDFS新機能総まとめin 2015 (日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料)
HDFS新機能総まとめin 2015 (日本Hadoopユーザー会 ライトニングトーク@Cloudera World Tokyo 2015 講演資料)
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Amazon Elastic MapReduce@Hadoop Conference Japan 2011 Fall
Hadoopを用いた大規模ログ解析
Hadoopを用いた大規模ログ解析
Viewers also liked
Drill Meetup on 2016/3/22 板垣 輝広
Drill超簡単チューニング
Drill超簡単チューニング
MapR Technologies Japan
大手メディア、大手家電等のエンタープライズ企業が採用するMapR Hadoopディストリビューションの特長、事例、ロードマップについてのご紹介。2014年2月26日に開催されたビッグデータEXPO東京 2014での講演資料です。
ビジネスへの本格活用が始まったHadoopの今 ~MapRが選ばれる理由~ - ビッグデータEXPO東京 2014/02/26
ビジネスへの本格活用が始まったHadoopの今 ~MapRが選ばれる理由~ - ビッグデータEXPO東京 2014/02/26
MapR Technologies Japan
Apache Drill でも使われているインメモリデータ形式 Value Vectors の発展型として 2016年2月に登場した Apache Arrow プロジェクト。その背景とプロジェクトが目指すゴール、データ構造などをご紹介します。2016年3月22日に開催されたTokyo Apache Drill Meetupでの講演資料です。
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
MapR Technologies Japan
機械学習は、増え続けるデータをもとに、事業戦略の判断やより正確な予測、関連性の推定を行うための、重要なツールです。機械学習の中でも、最も幅広く活用されているアプリケーションはレコメンデーションエンジンです。スケーラブルな機械学習ライブラリであるMahoutは、レコメンデーションの生成とデータの扱いをシンプルなものにしてくれます。本講演では、より構築が簡単なレコメンデーションエンジンのデザインと、そのイノベーティブな実装方法を活用した場合の利点を紹介します。2014年7月8日に開催されたHadoop Conference Japan 2014での講演資料です。
実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference ...
実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference ...
MapR Technologies Japan
Slides from Strata+Hadoop Singapore 2016 presenting how Deep Learning can be scaled both vertically and horizontally, when to use CPUs and when to use GPUs.
Deep Learning at Scale
Deep Learning at Scale
Mateusz Dymczyk
2015年3月21日 九州大学 第6回医学/医療者教育研究ネットワーク リサーチ合宿
20150321 医学:医療者教育研究ネットワーク@九州大学
20150321 医学:医療者教育研究ネットワーク@九州大学
Takanori Hiroe
20151128_次世代医療教育研究会@高知県立大学
20151128_SMeNG_態度は変えられるのか
20151128_SMeNG_態度は変えられるのか
Takanori Hiroe
第47回医学教育学会年会(2015)@新潟 一般口演O-36-1
JSME_47th_Nigata
JSME_47th_Nigata
Takanori Hiroe
サンプルサイズ設計の考え方
20150827_simplesize
20150827_simplesize
Takanori Hiroe
Presentation on HBase new features in THUG, Feb 23, 2015
HBase New Features
HBase New Features
rxu
Apache Drill で日本語を扱ってみよう + オープンデータ解析
Apache Drill で日本語を扱ってみよう + オープンデータ解析
Apache Drill で日本語を扱ってみよう + オープンデータ解析
MapR Technologies Japan
共有された情報トピックを介してデータ生成元とデータ利用先を接続する、高い信頼性のグローバルイベントストリーミングシステム MapR Streams を発表します。MapR Streams の統合により、業界初にして唯一のファイル、データベース、イベントストリーミング、分析のすべてに対応した統合データプラットフォームを実現。データ主導のアプリケーションを加速し、新たな IoT ニーズに応えます。2015年12月10日に開催された製品発表 Webinar の資料です。
MapR Streams & MapR コンバージド・データ・プラットフォーム
MapR Streams & MapR コンバージド・データ・プラットフォーム
MapR Technologies Japan
Please join us to learn about the recent developments during the past year in the MapR Community Edition. In these slides, we will cover the following platform updates: -Taking cluster monitoring to the next level with the Spyglass Initiative -Real-time streaming with MapR Streams -MapR-DB JSON document database and application development with OJAI -Securing your data with access control expressions (ACEs)
MapR 5.2: Getting More Value from the MapR Converged Community Edition
MapR 5.2: Getting More Value from the MapR Converged Community Edition
MapR Technologies
2017年2月25日 第9回医療者教育研究・臨床研究ネットワークリサーチ合宿 量的研究ワークショップ 九州大学 Kyusyu University, Fukuoka, JAPAN
20170225_Sample size determination
20170225_Sample size determination
Takanori Hiroe
We're introducing MapR Streams, a reliable, global event streaming system that connects data producers and data consumers across shared topics of information. With the integration of MapR Streams, comes the industry’s first and only converged data platform that integrates file, database, event streaming, and analytics to accelerate data-driven applications and address emerging IoT needs. Are you ready to accelerate your business with the power of a truly global platform for integrating data-in-motion with data-at-rest?
MapR Streams and MapR Converged Data Platform
MapR Streams and MapR Converged Data Platform
MapR Technologies
数あるSQL-on-Hadoopエンジンの中でも、標準SQL準拠、柔軟で動的なデータ解釈、様々なデータソースや格納形式への対応という特徴を持つApache Drill。デモを中心に、Drillの便利な機能を利用したデータ検索・分析の楽しみ方をご紹介します。2014年11月6日に開催されたCloudera World Tokyo 2014 LTセッションでの講演資料です。
Apache Drill でたしなむ セルフサービスデータ探索 - 2014/11/06 Cloudera World Tokyo 2014 LTセッション
Apache Drill でたしなむ セルフサービスデータ探索 - 2014/11/06 Cloudera World Tokyo 2014 LTセッション
MapR Technologies Japan
Predicting failure in power networks, detecting fraudulent activities in payment card transactions, and identifying next logical products targeted at the right customer at the right time all require machine learning around massive data sets. This form of artificial intelligence requires complex self-learning algorithms, rapid data iteration for advanced analytics and a robust big data architecture that’s up to the task. Learn how you can quickly exploit your existing IT infrastructure and scale operations in line with your budget to enjoy advanced data modeling, without having to invest in a large data science team.
MapR & Skytree:
MapR & Skytree:
MapR Technologies
This talk describes various aspects of how MapR tables work and how they achieve the performance that they do.
Inside MapR's M7
Inside MapR's M7
Ted Dunning
Learn more about how MapR gives you the most technologically advanced distribution for Hadoop, with the product, services, and partner network to ensure production success and continued success.
Big Data Hadoop Briefing Hosted by Cisco, WWT and MapR: MapR Overview Present...
Big Data Hadoop Briefing Hosted by Cisco, WWT and MapR: MapR Overview Present...
ervogler
つい先日バージョン1.0がリリースされたスキーマフリーSQLクエリエンジンApache Drill。Drill登場の背景と特徴、他のSQL-on-Hadoopとの違いについて解説します。また、いろいろなオープンデータを使ってJSONデータを実際に分析する実践的な内容を盛り込みます。2015年6月10〜12日に開催されたdb tech showcase Tokyo 2015での講演資料です。
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
MapR Technologies Japan
Viewers also liked
(20)
Drill超簡単チューニング
Drill超簡単チューニング
ビジネスへの本格活用が始まったHadoopの今 ~MapRが選ばれる理由~ - ビッグデータEXPO東京 2014/02/26
ビジネスへの本格活用が始まったHadoopの今 ~MapRが選ばれる理由~ - ビッグデータEXPO東京 2014/02/26
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
スケールアウト・インメモリ分析の標準フォーマットを目指す Apache Arrow と Value Vectors - Tokyo Apache Dril...
実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference ...
実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference ...
Deep Learning at Scale
Deep Learning at Scale
20150321 医学:医療者教育研究ネットワーク@九州大学
20150321 医学:医療者教育研究ネットワーク@九州大学
20151128_SMeNG_態度は変えられるのか
20151128_SMeNG_態度は変えられるのか
JSME_47th_Nigata
JSME_47th_Nigata
20150827_simplesize
20150827_simplesize
HBase New Features
HBase New Features
Apache Drill で日本語を扱ってみよう + オープンデータ解析
Apache Drill で日本語を扱ってみよう + オープンデータ解析
MapR Streams & MapR コンバージド・データ・プラットフォーム
MapR Streams & MapR コンバージド・データ・プラットフォーム
MapR 5.2: Getting More Value from the MapR Converged Community Edition
MapR 5.2: Getting More Value from the MapR Converged Community Edition
20170225_Sample size determination
20170225_Sample size determination
MapR Streams and MapR Converged Data Platform
MapR Streams and MapR Converged Data Platform
Apache Drill でたしなむ セルフサービスデータ探索 - 2014/11/06 Cloudera World Tokyo 2014 LTセッション
Apache Drill でたしなむ セルフサービスデータ探索 - 2014/11/06 Cloudera World Tokyo 2014 LTセッション
MapR & Skytree:
MapR & Skytree:
Inside MapR's M7
Inside MapR's M7
Big Data Hadoop Briefing Hosted by Cisco, WWT and MapR: MapR Overview Present...
Big Data Hadoop Briefing Hosted by Cisco, WWT and MapR: MapR Overview Present...
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
Apache Drill で JSON 形式の オープンデータを分析してみる - db tech showcase Tokyo 2015 2015/06/11
Similar to MapR M7 技術概要
2012年10月12日 オライリー社と共催したセミナー HBase本出版イベントでのLars Georgeの資料です。
Lars George HBase Seminar with O'REILLY Oct.12 2012
Lars George HBase Seminar with O'REILLY Oct.12 2012
Cloudera Japan
とりあえず不正確な場所は多々有りますがなんでMapReduceがこんなにフォーカスされたのかの説明になっていればと思います
MapReduce解説
MapReduce解説
Shunsuke Aihara
2013/02/19に開催された、大阪セミナーでの資料です。 Cloudera Managerを使用してCDHをインストールするデモ動画はこちら↓ https://vimeo.com/49643526/
Cloudera大阪セミナー 20130219
Cloudera大阪セミナー 20130219
Cloudera Japan
KernelVM 探検隊 (2021/03/20) の発表資料『Linux の hugepage の開発動向』
Linux の hugepage の開発動向
Linux の hugepage の開発動向
Naoya Horiguchi
初心者向け負荷軽減のはなし
初心者向け負荷軽減のはなし
Oonishi Takaaki
マイニング探検会 10回目は Hadoop をはじめとする大規模データ分散処理についての概略を紹介します。
マイニング探検会#10
マイニング探検会#10
Yoji Kiyota
Exadata X8M Persistent Memory について
Exadata with persistent memory an epic journey jp
Exadata with persistent memory an epic journey jp
オラクルエンジニア通信
NoSQLセミナー@2011/05/17
Guide to Cassandra for Production Deployments
Guide to Cassandra for Production Deployments
smdkk
Linux/DB Tuning (DevSumi2010, Japanese)
Linux/DB Tuning (DevSumi2010, Japanese)
Yoshinori Matsunobu
2012年7月のセミナーおよび説明会で使用した、CDH4の高可用NameNode(NameNode-HA)とCloudera Manager4.0の資料です。
Cloudera Manager4.0とNameNode-HAセミナー資料
Cloudera Manager4.0とNameNode-HAセミナー資料
Cloudera Japan
オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ http://www.pasonatech.co.jp/event/index.jsp?mode=2&d=on&no=3649
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~
Iwasaki Noboru
[B27] エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション by Masataka Oka
[B27] エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション by Masataka Oka
Insight Technology, Inc.
Cloud OS MVP Roadshow File Server migration and Storage
Mvp road show_0830_rev1
Mvp road show_0830_rev1
Takano Masaru
2017/04/13開催「はじめよう、AWSでデータベース in 福岡」の講演資料です。
AWSのデータベースサービス全体像
AWSのデータベースサービス全体像
Amazon Web Services Japan
Cassandra Conference Tokyo 2011での発表資料
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
terurou
Hadoop Conference Japan 2014 で発表した、Impala の資料です。
Evolution of Impala #hcj2014
Evolution of Impala #hcj2014
Cloudera Japan
presentation for a reading circle of "Hadoop Operation Japanese Edition"
Hadoop operation chaper 4
Hadoop operation chaper 4
Yukinori Suda
Web Operations and Perl kansai.pm#14
Web Operations and Perl kansai.pm#14
Masahiro Nagano
2012年6月25日のHadoopソースコードリーディング 第10回での『HBaseCon 2012 イベント参加レポート』の発表資料です。NTTデータの猿田と岩崎による発表です。 ▼HBaseCon 2012 http://www.hbasecon.com/ ▼NTTデータ BizXaaS Hadoop構築・運用ソリューション http://oss.nttdata.co.jp/hadoop/
HBaseCon 2012 参加レポート
HBaseCon 2012 参加レポート
NTT DATA OSS Professional Services
Presentation of basics of Superscalar, Hardware threading(hyper threading), Multicore technology.
CPUの同時実行機能
CPUの同時実行機能
Shinichiro Niiyama
Similar to MapR M7 技術概要
(20)
Lars George HBase Seminar with O'REILLY Oct.12 2012
Lars George HBase Seminar with O'REILLY Oct.12 2012
MapReduce解説
MapReduce解説
Cloudera大阪セミナー 20130219
Cloudera大阪セミナー 20130219
Linux の hugepage の開発動向
Linux の hugepage の開発動向
初心者向け負荷軽減のはなし
初心者向け負荷軽減のはなし
マイニング探検会#10
マイニング探検会#10
Exadata with persistent memory an epic journey jp
Exadata with persistent memory an epic journey jp
Guide to Cassandra for Production Deployments
Guide to Cassandra for Production Deployments
Linux/DB Tuning (DevSumi2010, Japanese)
Linux/DB Tuning (DevSumi2010, Japanese)
Cloudera Manager4.0とNameNode-HAセミナー資料
Cloudera Manager4.0とNameNode-HAセミナー資料
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~
[B27] エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション by Masataka Oka
[B27] エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション by Masataka Oka
Mvp road show_0830_rev1
Mvp road show_0830_rev1
AWSのデータベースサービス全体像
AWSのデータベースサービス全体像
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
スマートフォン×Cassandraによるハイパフォーマンス基盤の構築事例
Evolution of Impala #hcj2014
Evolution of Impala #hcj2014
Hadoop operation chaper 4
Hadoop operation chaper 4
Web Operations and Perl kansai.pm#14
Web Operations and Perl kansai.pm#14
HBaseCon 2012 参加レポート
HBaseCon 2012 参加レポート
CPUの同時実行機能
CPUの同時実行機能
More from MapR Technologies Japan
このプレゼンテーションではApache Kafkaを紹介し、Fast DataストリームをKafkaやMapR Streamsで扱う際のベストプラクティスを説明します。説明で使われているコード例はこちらで入手可能です: github.com/iandow/design-patterns-for-fast-data Ian Downardによる2016年10月18日のPortland Javaユーザーグループでの講演より。
Fast Data を扱うためのデザインパターン
Fast Data を扱うためのデザインパターン
MapR Technologies Japan
Spark Streamingが必要とされる背景と時系列データ処理について紹介します。Spark Streamingの基本とキーとなるコンセプトを説明し、実際の時系列データ処理とHBaseへの入出力について簡単なコード例を追っていきます。2015年12月9日に開催されたSpark Meetup Decemberでの講演資料です。
Spark Streaming の基本とスケールする時系列データ処理 - Spark Meetup December 2015/12/09
Spark Streaming の基本とスケールする時系列データ処理 - Spark Meetup December 2015/12/09
MapR Technologies Japan
Apache Drillの主要な機能やアーキテクチャをデモを交えて紹介。また、Drillの起動方法、クエリのやり方、HBase、Hive、Parquet、Avro、さらにはより複雑な構造のJSONドキュメントといった様々なデータソースに対するSQLの書き方を学べます。2015年11月12日に開催されたTokyo Apache Drill Meetupでの講演資料です。
Drilling into Data with Apache Drill - Tokyo Apache Drill Meetup 2015/11/12
Drilling into Data with Apache Drill - Tokyo Apache Drill Meetup 2015/11/12
MapR Technologies Japan
http://bit.ly/19Z2JU3 – なぜ Hadoop はゲノム研究に最適な基盤といわれるのか? ゲノム解読マーケットは指数関数的な成長を遂げており、臨床ゲノム研究の分野で働く人々にとっては素晴らしい状況だ。しかし、成長は新たな課題を突きつける。特に、解読された巨大なヒトゲノムデータをどうやって適切に管理するかという観点において。
Hadoop によるゲノム解読
Hadoop によるゲノム解読
MapR Technologies Japan
活用段階に入ったNoSQLですがまだまだ実際どう使えるのかご存じ無い方も多いのでは無いでしょうか。当セッションでは、MapR-DB(Hbase互換のNoSQL)が企業でどう活用されているのか、インドのマイナンバー事例や国内事例を元に実際の使い方のイメージと技術的な裏付けをご説明します。2015年6月10〜12日に開催されたdb tech showcase Tokyo 2015での講演資料です。
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
MapR Technologies Japan
異常検知は何を探すかよく分かっていないものを見つけるための技術です。ここでは、継続的なシグナルやWebトラフィックを含む様々な問題に対する確率モデルの背景と構築方法を解説します。理論と実際の両方を織り交ぜ、現実的に実現可能な方法を探ります。Ted DunningによるNew York Machine Learning Meetupの講演より。
異常検知 - 何を探すかよく分かっていないものを見つける方法
異常検知 - 何を探すかよく分かっていないものを見つける方法
MapR Technologies Japan
単一数値、空間、ログデータなどの時系列データをデータセンターのエンタープライズアプリケーションでどのように扱うかに焦点をあて、OpenTSDBを例として取り上げながら時系列の核となる概念を解説。Jim ScottによるThings Expo San Jose 2014の講演より。
時系列の世界の時系列データ
時系列の世界の時系列データ
MapR Technologies Japan
Apache Mesos、Apache Hadoop、Apache Spark + カスタムエンタープライズアプリケーション: この組み合わさったスタックは、個々のスタックの要素の合計よりもはるかに価値が高い。Mesosはデータセンター全体のリソース管理を可能にし、Hadoopは分散データストアとスケーラブルな処理基盤を提供、Sparkはインメモリ、ディスクベースの処理の両方でストリーミング処理も含め優れた性能を発揮する。これらすべての要素にカスタムエンタープライズアプリケーションを組み合わせると、データセンターは極めて順調に運用可能なマシンになる。このとき、このソフトウェアスタックは無限の柔軟性をデータセンター全体にもたらすだろう。Jim ScottによるStrata + Hadoop World Barcelona 2014の講演より。
逆らえない大きな流れ: 次世代のエンタープライズアーキテクチャ
逆らえない大きな流れ: 次世代のエンタープライズアーキテクチャ
MapR Technologies Japan
MapR Technologies CTO の M.C. Srivas による、Apache Drill概要。SQL-on-Hadoopに求められるフレキシビリティと性能を、どのようなアーキテクチャで実現しているかを解説。2014年7月8日に開催された Hadoop Conference Japan 2014 での説明資料です。
Apache Drill: Rethinking SQL for Big data – Don’t Compromise on Flexibility o...
Apache Drill: Rethinking SQL for Big data – Don’t Compromise on Flexibility o...
MapR Technologies Japan
各業界のリーダー企業は積極的なデータ活用と、データを中心としたビジネス戦略によって市場での成功を収めています。「ビッグデータ」は必ずしも課題を解決できる魔法の鍵ではない、というビッグデータブームの反動ともいえる悲観的な意見も出てきている一方、データ活用により競争力を着実につけている企業も多く存在します。本セッションでは、先進のデータ活用事例とともに、それらから得られた知見を元にした MapRの考える次世代データプラットフォームと企業の業務システムのあり方についてお話しします。2014年6月27日に開催されたData Scientist Summit 2014での講演資料です。
マップアールが考える企業システムにおける分析プラットフォームの進化 - 2014/06/27 Data Scientist Summit 2014
マップアールが考える企業システムにおける分析プラットフォームの進化 - 2014/06/27 Data Scientist Summit 2014
MapR Technologies Japan
Apache HBaseはHadoopドメインにおいてメジャーなNoSQLのひとつです。しかし、多くのユーザがその運用性、安定性、パフォーマンスにおいて様々な問題を抱えています。MapR M7エディションはエンタープライズ向けHadoopディストリビューションという価値に加え、HBaseアプリケーションをより容易に安定的かつ高速に実行するプラットフォームを提供します。2014年6月18〜20日に開催されたdb tech showcase 大阪 2014での講演資料です。
エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション - db tech showcase 大阪 2014 201...
エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション - db tech showcase 大阪 2014 201...
MapR Technologies Japan
More from MapR Technologies Japan
(11)
Fast Data を扱うためのデザインパターン
Fast Data を扱うためのデザインパターン
Spark Streaming の基本とスケールする時系列データ処理 - Spark Meetup December 2015/12/09
Spark Streaming の基本とスケールする時系列データ処理 - Spark Meetup December 2015/12/09
Drilling into Data with Apache Drill - Tokyo Apache Drill Meetup 2015/11/12
Drilling into Data with Apache Drill - Tokyo Apache Drill Meetup 2015/11/12
Hadoop によるゲノム解読
Hadoop によるゲノム解読
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
異常検知 - 何を探すかよく分かっていないものを見つける方法
異常検知 - 何を探すかよく分かっていないものを見つける方法
時系列の世界の時系列データ
時系列の世界の時系列データ
逆らえない大きな流れ: 次世代のエンタープライズアーキテクチャ
逆らえない大きな流れ: 次世代のエンタープライズアーキテクチャ
Apache Drill: Rethinking SQL for Big data – Don’t Compromise on Flexibility o...
Apache Drill: Rethinking SQL for Big data – Don’t Compromise on Flexibility o...
マップアールが考える企業システムにおける分析プラットフォームの進化 - 2014/06/27 Data Scientist Summit 2014
マップアールが考える企業システムにおける分析プラットフォームの進化 - 2014/06/27 Data Scientist Summit 2014
エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション - db tech showcase 大阪 2014 201...
エンタープライズ NoSQL/HBase プラットフォーム – MapR M7 エディション - db tech showcase 大阪 2014 201...
Recently uploaded
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
atsushi061452
https://iotlt.connpass.com/event/318403/
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
Ayachika Kitazaki
サイバーエージェントAI事業部の新卒研修で利用したスライドを公開します。
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
yassun7010
This paper provides a comprehensive overview of motion planning for robotic manipulation, encompassing grasp planning, motion planning, MoveIt in ROS, OMPL, RRT, forward and inverse kinematics, singularity of robotic manipulators, and manipulability.
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
Satoshi Makita
Security-JAWS【第33回】 勉強会 https://s-jaws.doorkeeper.jp/events/173294
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
keikoitakurag
Yufei Xu, Jing Zhang, Qiming ZHANG, Dacheng Tao, "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" NeurIPS2022 https://proceedings.neurips.cc/paper_files/paper/2022/hash/fbb10d319d44f8c3b4720873e4177c65-Abstract-Conference.html
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Toru Tamaki
TSG LIVE! 12 LT
Intranet Development v1.0 (TSG LIVE! 12 LT )
Intranet Development v1.0 (TSG LIVE! 12 LT )
iwashiira2ctf
第23回 Customer系エンジニア座談会 の LT 公開用スライドです。 https://customer-x-engineer.connpass.com/event/314639/ クラウド電話システム CallConnect に興味を持った方はこちら。 https://www.callconnect.jp/?slideshare お気軽にフォロー/DM お待ちしています。 https://x.com/24guchia https://www.facebook.com/eiichi.nishiguchi
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
瑛一 西口
2024/05/25 serverless Meetup osaka
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
Lei Ke, Yu-Wing Tai, Chi-Keung Tang, "Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers" CVPR2021 https://openaccess.thecvf.com/content/CVPR2021/html/Ke_Deep_Occlusion-Aware_Instance_Segmentation_With_Overlapping_BiLayers_CVPR_2021_paper.html
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
Toru Tamaki
Recently uploaded
(11)
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Intranet Development v1.0 (TSG LIVE! 12 LT )
Intranet Development v1.0 (TSG LIVE! 12 LT )
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
MapR M7 技術概要
1.
1 ©MapR Technologies
MapR M7 技術概要 M. C. Srivas CTO/Founder, MapR
2.
2 ©MapR Technologies
MapR: データセンターの完全自動化へ • 自動フェールオーバー • 自動再レプリケーション • ハードウェアおよびソフトウェア障 害からの自律回復 • 負荷分散 • ローリングアップグレード • ジョブやデータの損失なし • 99.999% の稼働時間 高信頼処理 高信頼ストレージ • スナップショットおよびミラーによる 事業継続 • ポイントインタイムの復旧 • エンドツーエンドチェックサム • 強い一貫性 • ビルトイン圧縮 • RTO ポリシーに基づく拠点間ミラー
3.
3 ©MapR Technologies
MapR の MapReduce 性能 (速い) TeraSort 記録 1 TB を 54 秒 1003 ノード MinuteSort 記録 1.5 TB を 59 秒 2103 ノード
4.
4 ©MapR Technologies
MapR の MapReduce 性能 (より速い) TeraSort 記録 1 TB を 54 秒 1003 ノード MinuteSort 記録 1.5 TB を 59 秒 2103 ノード 1.65 300
5.
5 ©MapR Technologies
Dynamo DB ZopeDB Shoal CloudKit Vertex DB FlockD B NoSQL
6.
6 ©MapR Technologies
HBase テーブルアーキテクチャ § テーブルは Key 範囲で分割される (Region) § Region は各ノードが管理 (RegionServer) § カラムはアクセスグループに分割される (カラムファミリー) CF1 CF2 CF3 CF4 CF5 R1 R2 R3 R4
7.
7 ©MapR Technologies
HBase アーキテクチャが優れている点 § 強い一貫性モデル – 書き込み完了後、すべての読み出しは同じ値になることを保証 – 他のNoSQLの「Eventually Consistent」は、実際にはときどき 「Eventually Inconsistent」に § 効率の良いスキャン – ブロードキャストを行わない – Ring ベースの NoSQL データベース (例: Cassandra, Riak) はスキャン が大変 § 自動的にスケール – Regionが大きくなると自動で分割される – データ分散や格納スペースの管理に HDFS を利用 § Hadoop との連携 – HBase のデータを MapReduce で直接処理できる
8.
8 ©MapR Technologies
MapR M7 非構造化データおよび構造化データ のための統合システム
9.
9 ©MapR Technologies
MapR M7 テーブル § Apache HBase とバイナリ互換 – M7 テーブルへのアクセスには再コンパイル不要 – CLASSPATH を設定するだけ – HBase コマンドラインインターフェースを含む § パス名の指定で M7 テーブルにアクセス – openTable( “hello”) … HBase を使用 – openTable( “/hello”) … M7 を使用 – openTable( “/user/srivas/hello”) … M7 を使用
10.
10 ©MapR Technologies
バイナリ互換 § HBase アプリケーションは M7 でも「変更なしで」動作 – 再コンパイル不要、CLASSPATH を設定するだけ § M7 と HBase を単一クラスタで同時に稼働できる – 例: 移行期間中 – 同じプログラムで M7 テーブルと HBase テーブルの両方にアクセス可 能 § 標準の Apache HBase CopyTable ツールを使用して、HBase か ら M7 にテーブルをコピー(逆も可) % hbase org.apache.hadoop.hbase.mapreduce.CopyTable -‐-‐new.name=/user/srivas/mytable oldtable
11.
11 ©MapR Technologies
特徴 § テーブル数の制限なし – HBase は一般的に 10〜20 程度 (最大でも 100) § コンパクションなし § 即時起動 – 復旧時間ゼロ § 8倍の挿入/更新性能 § 10倍のランダムスキャン性能 § Flash の活用で10倍の性能 -‐ Flash の特別サポート
12.
12 ©MapR Technologies
M7: レイヤーを削除してシンプルに MapR M7
13.
13 ©MapR Technologies
MapR クラスタ内の M7 テーブル § M7 テーブルはストレージに統合されている – いつでも、どのノードでも利用可能 – 別のプロセスを起動・監視する必要なし – 管理不要 – チューニングパラメータなし … そのまま動く § M7 テーブルは 「期待通りに」動く – 一つ目のコピーは書き込みクライアント自身の場所に – スナップショットやミラーを適用可能 – クォータ、レプリケーション数、データ配置の指定が可能
14.
14 ©MapR Technologies
ファイルとテーブルの名前空間の統合 $ pwd /mapr/default/user/dave $ ls file1 file2 table1 table2 $ hbase shell hbase(main):003:0> create '/user/dave/table3', 'cf1', 'cf2', 'cf3' 0 row(s) in 0.1570 seconds $ ls file1 file2 table1 table2 table3 $ hadoop fs -‐ls /user/dave Found 5 items -‐rw-‐r-‐-‐r-‐-‐ 3 mapr mapr 16 2012-‐09-‐28 08:34 /user/dave/file1 -‐rw-‐r-‐-‐r-‐-‐ 3 mapr mapr 22 2012-‐09-‐28 08:34 /user/dave/file2 trwxr-‐xr-‐x 3 mapr mapr 2 2012-‐09-‐28 08:32 /user/dave/table1 trwxr-‐xr-‐x 3 mapr mapr 2 2012-‐09-‐28 08:33 /user/dave/table2 trwxr-‐xr-‐x 3 mapr mapr 2 2012-‐09-‐28 08:38 /user/dave/table3
15.
15 ©MapR Technologies
M7 – 統合されたシステム
16.
16 ©MapR Technologies
エンドユーザーから見たテーブル § ユーザーは自分のテーブルを作成・管理できる – テーブル数の制限がないから – 一つ目のコピーは自分の場所に § テーブルはどのディレクトリにも作成できる – テーブルはボリュームの管理下になり、ユーザークォータの計算 対象になる § 管理者の介在は不要 – 処理は即時に行われ、サーバの停止・再開は不要 § 自動データ保護とディザスタリカバリ – ユーザーは自分のスナップショット/ミラーから復旧可能
17.
17 ©MapR Technologies
M7 は LSM と BTree の良い部分を結合 § LSM Tree はインデックス更新を後に引き延ばしてまとめて行うことで挿 入コストを削減 – コンパクションの頻度が低いと Read 性能に影響 – コンパクションの頻度が高いと Write 性能に影響 § B-‐Trees は Read に最適 – ただしリアルタイムでの更新の負荷が大きい Index Log Index Memory Disk Write Read 両方のアイデアを結合できないか? Write は W = 2.5倍 より改善できない ログ書き出し + データの書き出し + メタデータ更新
18.
18 ©MapR Technologies
MapR M7 § 改良 BTree – リーフは可変サイズ (8KB〜8MB もしくはそれ以上) – 長期間アンバランスである事を許容 • 挿入の繰り返しにより最終的にバランスが取れる • 内部 BTree ノードに対する更新を自動的に調整 – M7 はデータが格納されるべき「おおよその」場所に挿入される § Read – BTree 構造を利用して「近くまで」非常に高速に到達 • 非常に高いブランチングとKey プリフィックス圧縮 – 別の低いレベルのインデックスを利用して正確な場所を確定 • Get には「直接更新される」Bloom フィルタ, Scan にはRange Map § オーバーヘッド – 1KB レコードの Read では、logN 回のシークで約 32KB のディスクか らの転送が行われる
19.
19 ©MapR Technologies
M7 Apache HBase, Level-‐DB, BTree の比較分析
20.
20 ©MapR Technologies
Apache HBase HFile の構造 64Kバイトブロック が圧縮される 圧縮ブロックに対するイ ンデックスが btree として 構築される Key-‐Value ペアが昇順 で並ぶ 各セルは個別の Key + Value -‐ 行の中では各カラム毎に Key が繰り返し現れる
21.
21 ©MapR Technologies
HBase Region オペレーション § 典型的な Region サイズは数 GB、ときどき 10GB〜20GB § RS はフルになるまでデータをメモリに保持し、新しい HFile に書き出す – HFileの階層で構成されるデータベースの論理ビュー (新しいものが一番上) この Region が格納する Key の範囲 新しい 古い
22.
22 ©MapR Technologies
HBase Read アンプリフィケーション § Get/Scan を行う際、すべてのファイルを調べる必要がある – スキーマレスなので、どこにカラムがあるのか? – インメモリで行われ、ディスク上のデータへの変更はない • Bloom フィルタは Scan には役立たない 新しい 古い 7 つのファイルでは、 1KB レコードの get () で約 30 回のシークと 7 ブロックの展開、 HDFS から合計約 130KB のデータ転送が行われる計算
23.
23 ©MapR Technologies
HBase Write アンプリフィケーション § Read アンプリフィケーションを減らすため、HBase は HFile を定期的にマージする – いわゆるコンパクション処理 – ファイルの数が大きくなると自動的に処理が起動 – I/O ストームの原因となるため通常はオフにするケースが多い – 週末に手動で走らせておく コンパクションはすべてのファイルを読み 単一の HFile にマージする
24.
24 ©MapR Technologies
HBase コンパクションの分析 § Region あたり 10GB、1日で10%を更新、1週間で10%増加、を 仮定 – 1GB の Write – 7日後、1GB のファイルが 7 つと 10GB のファイルが 1 つ § コンパクション – Read 合計: 17GB (= 7 x 1GB + 1 x 10GB) – Write 合計: 25GB (= 7GB WAL + 7GB 書き出し + 11GB 新しい HFile へ の Write) § 500 Region では – 8.5TB の Read、12.5TB の Write è ノードの長時間の停止 – HFile の数が少なくなれば、より状況は悪化 § ベストプラクティスは、ノードあたり 500GB 未満にすること (50 Region)
25.
25 ©MapR Technologies
Level-‐DB § 階層化され、対数的に増加 – L1: 2 x 1MB ファイル – L2: 10 x 1MB – L3: 100 x 1MB – L4: 1,000 x 1MB, など § コンパクションのオーバーヘッド – I/O ストームの回避 (10MB 未満の細かい単位で I/O 処理) – しかし、HBase と比較して非常に大きな帯域を必要とする § Read オーバーヘッドは依然大きい – 10〜15 シーク、最下層のサイズが非常に大きい場合はそれ以上 – 1KB レコードを取得するために 40KB〜60KB のディスクからの Read
26.
26 ©MapR Technologies
BTree の分析 § Read は直接データを発見、最速であることは証明済み – 内部ノードは Key のみを保持 – 非常に大きなブランチングファクター – Value はリーフのみに存在 – このためキャッシュが有効に機能する – キャッシュがない場合、R = logN シーク – 1KB レコードの Read で logN ブロックのディスクからの転送 § Write は挿入処理を伴い、遅い – 即時に正しい位置に挿入される – さもなければ Read で発見できないため – BTree の継続的なリバランスが要求される – 挿入パスにおいて激しいランダム I/O を引き起こす – キャッシュがない場合、W = 2.5倍 + logN シーク
27.
27 ©MapR Technologies
1KB レコード -‐ Read アンプリ フィケーション コンパクション リカバリ HBase (7 つの HFile) 30 シーク 130KB 転送 I/O ストーム ある程度の帯域使 用 巨大な WAL の復旧 HBase (3 つの HFile) 15 シーク 70KB 転送 I/O ストーム 大きな帯域使用 巨大な WAL の復旧 LevelDB (5 レベル) 13 シーク 48KB 転送 I/O ストームなし 非常に大きな帯域 使用 非常に小さい WAL BTree logN シーク logN 転送 I/O ストームなし ただし 100% ランダ ム WAL は同時実行数 + キャッシュに比例 MapR M7 logN シーク 32KB 転送 I/O ストームなし 小さな帯域使用 microWAL により 100ms 未満の復旧 まとめ
28.
確認のために いくつかの性能値を見てみる
29.
29 ©MapR Technologies
M7 vs. CDH: 50-‐50 Mix (Read)
30.
30 ©MapR Technologies
M7 vs. CDH: 50-‐50 Mix (Read レイテンシ)
31.
31 ©MapR Technologies
M7 vs. CDH: 50-‐50 Mix (Update)
32.
32 ©MapR Technologies
M7 vs. CDH: 50-‐50 Mix (Update レイテンシ)
33.
33 ©MapR Technologies
MapR M7によるHBaseアプリケーションの高速化 ベンチマーク MapR 3.0.1 (M7) CDH 4.3.0 (HBase) MapR 性能比 50% Read, 50% Update 8000 1695 5.5倍 95% Read, 5% Update 3716 602 6倍 Read 5520 764 7.2倍 スキャン (50 行) 1080 156 6.9倍 CPU: 2 x Intel Xeon CPU E5645 2.40GHz 12 コア RAM: 48GB ディスク: 12 x 3TB (7200 RPM) レコードサイズ: 1KB データサイズ: 2TB OS: CentOS Release 6.2 (Final) ベンチマーク MapR 3.0.1 (M7) CDH 4.3.0 (HBase) MapR 性能比 50% Read, 50% Update 21328 2547 8.4倍 95% Read, 5% update 13455 2660 5倍 Read 18206 1605 11.3倍 スキャン (50 行) 1298 116 11.2倍 CPU: 2 x Intel Xeon CPU E5620 2.40GHz 8 コア RAM: 24GB ディスク: 1 x 1.2TB Fusion I/O ioDrive2 レコードサイズ: 1KB データサイズ: 600GB OS: CentOS Release 6.3 (Final) HDD 使用時の MapR の性能: 5-‐7 倍 SSD 使用時の MapR の性能: 5-‐11.3 倍
34.
34 ©MapR Technologies
M7: Fileserver が Region を管理 § Region は全体がコンテナ内部に格納される – ZooKeeper によるコーディネーションは行われない § コンテナが分散トランザクションをサポート – レプリケーションも行われる § システム内で行われるコーディネーションは分割のみ – Region マップとデータコンテナ間での調整 – ファイルとデータチャンクの扱いにおいて既にこの課題は解決済 み
35.
35 ©MapR Technologies
サーバーの再起動 § コンテナレポートは全部合わせてもごくわずか – 1,000 ノードのクラスタで CLDB が必要とする DRAM は 2GB § ボリュームはすぐにオンラインになる – 各ボリュームは他ボリュームから独立に管理 – コンテナの最小レプリカ数を満たせばすぐにオンラインに
36.
36 ©MapR Technologies
サーバーの再起動 § コンテナレポートは全部合わせてもごくわずか – 1,000 ノードのクラスタで CLDB が必要とする DRAM は 2GB § ボリュームはすぐにオンラインになる – 各ボリュームは他ボリュームから独立に管理 – コンテナの最小レプリカ数を満たせばすぐにオンラインに – クラスタ全体を待たない (例: HDFS は 99.9% のブロックレポートが上がるのを待つ)
37.
37 ©MapR Technologies
サーバーの再起動 § コンテナレポートは全部合わせてもごくわずか – 1,000 ノードのクラスタで CLDB が必要とする DRAM は 2GB § ボリュームはすぐにオンラインになる – 各ボリュームは他ボリュームから独立に管理 – コンテナの最小レプリカ数を満たせばすぐにオンラインに – クラスタ全体を待たない (例: HDFS は 99.9% のブロックレポートが上がるのを待つ) § 1,000 ノードのクラスタは 5 分以内に再起動
38.
38 ©MapR Technologies
M7 の即時復旧 § Region 毎に 0〜40 個の microWAL – アイドル状態の WAL はすぐにゼロになるため、ほとんどは空 – すべての microWAL の復旧を待たずに Region が起動 – Region の復旧はバックグラウンドで並列処理 – Key へのアクセスがあると、対象の microWAL はインラインで復旧 される – 1000〜10000倍の速さで復旧
39.
39 ©MapR Technologies
M7 の即時復旧 § Region 毎に 0〜40 個の microWAL – アイドル状態の WAL はすぐにゼロになるため、ほとんどは空 – すべての microWAL の復旧を待たずに Region が起動 – Region の復旧はバックグラウンドで並列処理 – Key へのアクセスがあると、対象の microWAL はインラインで復旧 される – 1000〜10000倍の速さで復旧 § なぜ HBase ではできなくて、M7ではできるのか? – M7 はMapR ファイルシステムのユニークな機能を活用しており、 HDFS の様々な制約の影響を受けない – ディスク上のファイル数の上限がない – オープンできるファイル数の上限がない – I/O パスがランダム Write をディスクに対するシーケンシャル Write に変換する
40.
40 ©MapR Technologies
MapR M7によるHBaseアプリケーションの高速化 ベンチマーク MapR 3.0.1 (M7) CDH 4.3.0 (HBase) MapR 性能比 50% Read, 50% Update 8000 1695 5.5倍 95% Read, 5% Update 3716 602 6倍 Read 5520 764 7.2倍 スキャン (50 行) 1080 156 6.9倍 CPU: 2 x Intel Xeon CPU E5645 2.40GHz 12 コア RAM: 48GB ディスク: 12 x 3TB (7200 RPM) レコードサイズ: 1KB データサイズ: 2TB OS: CentOS Release 6.2 (Final) ベンチマーク MapR 3.0.1 (M7) CDH 4.3.0 (HBase) MapR 性能比 50% Read, 50% Update 21328 2547 8.4倍 95% Read, 5% update 13455 2660 5倍 Read 18206 1605 11.3倍 スキャン (50 行) 1298 116 11.2倍 CPU: 2 x Intel Xeon CPU E5620 2.40GHz 8 コア RAM: 24GB ディスク: 1 x 1.2TB Fusion I/O ioDrive2 レコードサイズ: 1KB データサイズ: 600GB OS: CentOS Release 6.3 (Final) HDD 使用時の MapR の性能: 5-‐7 倍 SSD 使用時の MapR の性能: 5-‐11.3 倍
Download now