Recommended AWS朝会2022/1 セッション① 数年間、レイクハウスを設計運用してみた
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
データウェアハウス入門 (マーケティングデータ分析基盤技術勉強会)
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
BigData-JAWS#16 Lake House Architecture
Hadoop / Elastic MapReduceつまみ食い
[Azure Deep Dive] Spark と Azure HDInsight によるビッグ データ分析入門 (2017/03/27)
大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
リクルートライフスタイルの考えるストリームデータの活かし方(Hadoop Spark Conference2016)
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)
[db tech showcase Tokyo 2018] #dbts2018 #D24 『異種データベース間データ連携ウラ話 ~ 新しいデータベースを試...
Cloudera Data Science WorkbenchとPySparkで 好きなPythonライブラリを 分散で使う #cadeda
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
Hadoop Summit 2016 San Jose レポート
[db tech showcase Tokyo 2018] #dbts2018 #D1L 『"何が必要?どう実現?"~異種DB間データリアルタイム連携』
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
OSSとクラウドによるコンピューティングモデルの変化
More Related Content AWS朝会2022/1 セッション① 数年間、レイクハウスを設計運用してみた
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
データウェアハウス入門 (マーケティングデータ分析基盤技術勉強会)
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
BigData-JAWS#16 Lake House Architecture
Hadoop / Elastic MapReduceつまみ食い
[Azure Deep Dive] Spark と Azure HDInsight によるビッグ データ分析入門 (2017/03/27)
What's hot 大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか?
リクルートライフスタイルの考えるストリームデータの活かし方(Hadoop Spark Conference2016)
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)
[db tech showcase Tokyo 2018] #dbts2018 #D24 『異種データベース間データ連携ウラ話 ~ 新しいデータベースを試...
Cloudera Data Science WorkbenchとPySparkで 好きなPythonライブラリを 分散で使う #cadeda
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
[db tech showcase Tokyo 2018] #dbts2018 #E28 『Hadoop DataLakeにリアルタイムでデータをレプリケ...
Hadoop Summit 2016 San Jose レポート
[db tech showcase Tokyo 2018] #dbts2018 #D1L 『"何が必要?どう実現?"~異種DB間データリアルタイム連携』
[db tech showcase Tokyo 2016] B31: Spark Summit 2016@SFに参加してきたので最新事例などを紹介しつつデ...
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
Similar to [INSIGHT OUT 2011] b21 ひとつのデータベース技術では生き残れない part2 no sql, hadoop OSSとクラウドによるコンピューティングモデルの変化
【17-E-3】Hadoop:黄色い象使いへの道 ~「Hadoop徹底入門」より~
Cassandraとh baseの比較して入門するno sql
20120409 aws meister-reloaded-dynamo-db
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~
Hadoop Conference Japan 2009 - NTT Data
ビッグデータはバズワードか? (Cloudian Summit 2012)
Cloud impact on IT industry (in Japanese)
オブジェクトストレージの適用領域とCloudianの位置づけ (Cloudian Summit 2012)
ITpro EXPO版「データセンター視点で比較したクラウドの内側」
More from Insight Technology, Inc. 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...
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』...
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
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]
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。。
SQL Server エンジニアのためのコンテナ入門
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
Docker and the Oracle Database
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 @ 森田 俊哉
Lunch & Learn, AWS NoSQL Services
難しいアプリケーション移行、手軽に試してみませんか?
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~
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 OUT 2011] b21 ひとつのデータベース技術では生き残れない part2 no sql, hadoop 1. 2. 1. Insight Qubeなる新プロダクト開発中 2. おら オラ Oracle どっぷり検証生活 2. Oracle ACE 3. @kouji_s_0808 4. JPOUG(Japan Oracle User Group) 本日はOracle以外の話です。 本資料に使用されている社名、ロゴ、製品、サービス名およびブランドは、該当する各社の登 録商標または商標です。本資料の一部あるいは全体について、許可なく複製および転載するこ とを禁じます。 2 3. • 企業は今後10年で50倍のデータ量 • ビッグデータの95%は非構造化データ • 一方、IT部門は1.5倍増にとどまる が含まれる。 http://enterprisezine.jp/article/detail/3394 • 2011年には1.8ゼタバイトのデータが作成、 複製されると予想 World's Data More Than Doubling Every Two Years—Driving Big Data Opportunity, New IT Roles • Googleは94テラバイト/月のデータ処 理(2010/6時点) ACM Symposium on Cloud Computing (SOCC) 2010 大量データ 高効率 多種類 高速 3 4. OLTP Oracle / DB2 / SQL Server 大手RDBMSベンダーの 進出が著しいエリア PostgreSQL / MySQL Teradata / Netezza / Sybase IQ GreenPlum / Vertica / VectorWise Hadoop (NoSQL) SIZE 4 5. 複数のディストリビューション 本家(http://hadoop.apache.org/) Cloudera社(http://www.cloudera.com/) Yahoo!社 (http://developer.yahoo.com/hadoop/) 5 6. 7. • ビッグデータと呼ばれるデータの質を正確に認識する必要がある • 構造化 / 非構造化 • 利用シーン • ビッグデータへのアプローチは様々ある中で、最適なものを選択 していく必要がある • RDBMS / New RDBMS / NoSQL (Hadoop) • 新しい領域と新しい技術を組み合わせる場合、その技術を活用す るための情報量が少ない • 実際にビッグデータに対するプロジェクトの担当者に話を聞くの が最も効果的 7 8.