Comments
Description
Transcript
ビッグデータに対する 日立ソリューションズの取組み
Prowise Business Form in Tokyo 第58回 【日立ソリューションズ セッション１】 ビッグデータに対する 日立ソリューションズの取組み ～ Enterpriseで活用するビッグデータ～ 2012/04/19 株式会社 日立ソリューションズ 技術開発本部 オープンソース技術開発センタ 吉田 行男 © Hitachi Solutions, Ltd. 2012. All rights reserved. ビッグデータに対する日立ソリューションズの取組み ～ Enterpriseで活用するビッグデータ～ Contents １. ビッグデータを取り巻く環境 ２. 日立ソリューションズの取り組み ３. Enterpriseへの適用に向けて © Hitachi Solutions, Ltd. 2012. All rights reserved. ０ 自己紹介 役割/活動内容 OSSを活用するビジネスのための支援 主に新しい技術/OSSの発掘・評価検証 ビジネス・ソリューションの立ち上げ支援 現在特にフォーカスしている領域 クラウド クラウドの運用自動化 （CloudStack, OpenStack, …） 仮想デスクトップ （VERDE, RHEV-D ※ ,…） ※ Red Hat Enterprise Virtualization for Desktops 既存COBOL資産の活用 （OpenCOBOL） ビッグデータ関連 Hadoop導入支援、ベンチマーク KVS,NoSQL関連評価 業務バッチ処理の高速化 （Asakusa Framework） © Hitachi Solutions, Ltd. 2012. All rights reserved. 2 ビッグデータに対する日立ソリューションズの取組み ～ Enterpriseで活用するビッグデータ ～ １. ビッグデータを取り巻く環境 © Hitachi Solutions, Ltd. 2012. All rights reserved. １-１ 「ユーザ企業」におけるビッグデータの対応状況 • 「ユーザ企業」におけるビッグデータの対応状況 0% 非ベンダ企業 20% 22.9% 40% 17.7% 4.9% 60% 80% 42.5% 100% 11.5% まだまだ発展段階 「ビッグデータ(大量データ)」を既に保有し、業務に利活用している 「ビッグデータ(大量データ)」を既に保有しているが、有効に利活用できていない 「ビッグデータ(大量データ)」が業務で発生しているが、保有・蓄積できていない 「ビッグデータ(大量データ)」と呼べるだけのデータが業務でデータが発生していない その他 分からない 出典：IPA発行「くらしと経済の基盤としてのＩＴを考える研究会報告書」 © Hitachi Solutions, Ltd. 2012. All rights reserved. 4 １-２ 大量データ利用の目的 大量データ(ビッグデータ)利用の目的 事業成果への直接的 な向上・改善を目的と したものが上位に 分析手法が不十分？ 出典：IPA発行「くらしと経済の基盤としてのＩＴを考える研究会報告書」 © Hitachi Solutions, Ltd. 2012. All rights reserved. 5 １-３ 課題 課題となる要因 順位 課題、必要性 １ 大量データを分析する人材不足 ２ 社内、団体内において大量データを処理するためにシステム基盤の強化 ３ 大量データを利用・活用する際の権利関係について明確な規定がない ４ 大量データを管理するために運用負荷の増大 ５ 社内、団体内において高度な分析を実現するためのマイニングシステムなどを 未導入 ６ 社内、団体内において取得するデータ精度向上の必要性 要員の確保・育成が急務 出典：IPA発行「くらしと経済の基盤としてのＩＴを考える研究会報告書」 © Hitachi Solutions, Ltd. 2012. All rights reserved. 6 １-４ ベンダの取り組み状況（ソリューション編） 年 月 2 9月 0 1 1 年 １０月 １２月 2 １月 0 1 2 年 ２月 ３月 社 名 内 容 日本IBM Webベースの分析用画面「BigSheets」を標準実装したHadoopベースの大容量データ活用プラット フォームの新版「IBM InfoSphere Biginsights Enterprise Edition V1.2」を提供開始。 EMCジャパン Hadoop互換の大容量データ活用プラットフォーム「EMC Greenplum HD Enterprise Edition(EE)」をリク ルートに先行導入。 日立製作所 国立遺伝学研究所においてHadoopを使った大量ゲノムデータの分散処理環境を試作し、従来システ ムの約２０％のコストで同等性能を達成。 米オラクル Hadoopやオラクルデータベースとの連携機能を実装したアプライアンス製品「Oracle Big Data Appliance」を発表 米マイクロソフト 米ホートンワークスとの連携により、Windows AzureとWindows Server向けのHadoopディストリビュー ションを提供することを表明。 日本HP HadoopとHadoop用のデータベース「HBase」、Hadoopの監視機能等を実装したシステムを提供する 「HP Hadoop HBaseサービス」を発表。 EMCジャパン Hadoop互換の大容量データ活用プラットフォーム「EMC Greenplum HD EE」の国内販売を開始 ノーチラス・テク ノロジーズ EMCジャパンと協業し、Hadoop互換の「Greenplum HD EE」と「Asakusa Framework」を組合せた高速 バッチ処理ソリューションを販売 NEC システム設計から構築、運用までを支援する「OSSミドルウェアサポートサービス」の対象にHadoopを 追加 富士通 Hadoop等をコア機能として備えるPaaS「データ活用基盤サービス」の提供を開始。 日立製作所 ブレードサーバへのHadoopへの導入や設定を手掛ける「インストールサービス for Hadoop」「プラット フォーム設定サービス for Hadoop」を開始 クラウデラ 日本法人の設立を発表。 日立製作所 ビッグデータの利活用に関する基盤技術群を「Field to Future Technology」として新たに体系化。 © Hitachi Solutions, Ltd. 2012. All rights reserved. 7 １-５ ベンダの取り組み状況（組織編） • ビッグデータ専任組織 社名 人数 NEC ５０ 営業、研究開発部門から要員を選抜。育成など 2012/2 を通じ、今後３年間で要員を200人に増やす予定。 NTTデータ ９０ 数理システムを買収し、データ分析要員を拡充。 ２０１２年度は１０人程度の要員を育成。 2012/2 CTC １５ エンジニア及びデータ分析要員で推進部門を発 足。海外ベンダへの派遣などで、要員の育成を 予定。 2011/1 2 日本オラクル 非公開 営業、製品部門の要員を中心に構成。コンサル ティング部門に対する教育を実施。 2011/1 2 日本HP 非公開 コンサルティング、エンジニア、データ分析要員 で構成 2011/1 1 新日鉄ソリュー ションズ 日立 ６０ 内容 時期 コンサルティング、エンジニア、研究開発部門の 要員で構成 2011/7 ２００超 ビッグデータの利活用に関する専門家、データ分 2012/3 析に関する研究者、コンサルタント及びSEで構成 © Hitachi Solutions, Ltd. 2012. All rights reserved. 8 １-６ OSS最新動向調査（①） Linux Foundation SI Forumが実施した 2010年度オープンソースソフトウェア導入実績調査から ① 調査概要 調査期間：2011/3 ～ 2011/4 調査対象期間：2010年度(2010/4～2011/3) 参加企業(７社) ： • • • • • • • ＮＥＣソフト株式会社 株式会社ＮＴＴデータ デル株式会社 東芝ソリューション株式会社 株式会社日立製作所 株式会社日立ソリューションズ 富士通株式会社 © Hitachi Solutions, Ltd. 2012. All rights reserved. 9 １-７ OSS最新動向調査(②) ② 結果 分 野 仮想化 結 果 ・ＫＶＭの躍進！(前回：ランク外→今回：「検証実績多数」) ・ディストリビューションのサポート向上 ・様々な周辺ツールが利用可能に。(Virt-Manager, libvirt等) セキュリティ ・SpamAssasin,Nessus等が検証フェーズから導入フェーズへ。 ネットワーク ・Asteriskの導入事例が出てきた。 ・その他のネットワークツールは定番化。 運用管理 ・昨年まで導入実績のなかったツールの導入実績が多数に。 (Hinemos, Groundwork, MondoRescue, SyslogNG等) ＤＢ・関連ツール ・HadoopやCassandraに導入や検証実績が！ → ビッグデータ関連ビジネスへの予感 Web・APサーバ ・moodle, lighthttpd, Plone, XOOPS cubeが、『検証実績あり』か ら『導入実績あり』へ。 ・変化の早いWebの世界に対応するためにOSSツールの変化も早 くなっている。 © Hitachi Solutions, Ltd. 2012. All rights reserved. 10 １-８ OSS最新動向調査(③) ③ 考察 • • • OSSの成長とビジネスモデルの変化 OSSの信頼性の向上 → 基幹系システムでのOSS活用へ フロントエンド系OSSのユーザビリティの向上 → CMS、Blogツールなどは、エンドユーザが自ら導入へ ビッグデータビジネスの予感 大規模データ処理や検索に用いられるツールは既に導入 フェーズに。 2009 2010 Hadoop 検証実績多数 → 導入実績あり Lucene データなし → 導入実績多数 Cassandra データなし → 検証実績多数 ビッグデータとOSSは 密接な関係 © Hitachi Solutions, Ltd. 2012. All rights reserved. 11 ビッグデータに対する日立ソリューションズの取組み ～ Enterpriseで活用するビッグデータ ～ ２. 日立ソリューションズの取り組み © Hitachi Solutions, Ltd. 2012. All rights reserved. ２-１ 「ビッグデータ」とは？ ３つのV(ガートナー社による定義) Volume ゼタ・バイトスケールのデータに 加えて桁違いの計算量 Variety 構造化されたデータと非構造化 データの複雑な組合せ Velocity これまでにない高頻度で発生し 流れる大量のデータ © Hitachi Solutions, Ltd. 2012. All rights reserved. 13 ２-２ 既存技術の限界 従来のRDBMSの限界 全世界の情報量が年間５９％のペースで増 大。(米Gartner) データ量、多様さ、分析処理のスピードが課題。 「ビッグデータ」適用技術の出番！ (「列指向データベース」と「Hadoop」) © Hitachi Solutions, Ltd. 2012. All rights reserved. 14 ２-３ 「ビッグデータ」に関する取組み 日立ソリューションズの取組み Volume 大量データ処理に対する取組み 2011/01 :Apache Hadoop基盤導入・構築サービス 提供開始 Variety 多様なデータ形式に対する取組み Velocity 高速バッチ基盤に対する取組み (株)ノーチラステクノロジーと連携し、「Asakusa Framework」を活用したソリューションの提供 (2011/12：セミナーにてご紹介済) © Hitachi Solutions, Ltd. 2012. All rights reserved. 15 取組み（1） 大量データ処理に対する取組み © Hitachi Solutions, Ltd. 2012. All rights reserved. 16 ２-４ Hadoop基盤導入・構築サービス Hadoop導入支援 •社内にデータがたくさん溜まっているが、データをうまく活用できていない。 •Hadoopなど新しい大量データ処理技術などの新技術を利用してシステム構築をしたいが、 システム環境や運用の設計ノウハウがなく不安。 ポイント 専門技術者がお客様に代わって、環境設計/構築します。 パラメタ設計書/環境構築手順書をご提供します。 ■Hadoopを導入する際の開発/実行環境パラメタ設計やチューニング、環境構築作業、 アプリケーション開発支援を実施します。 現状分析 導入に関するコンサ ル、技術支援 検証環境のカスタマイ ズ支援 設計 パラメタ設計 リソース設計 運用設計 チューニング 開発構築 インストール インフラ構築 アプリ開発支援 テスト 運用 テスト計画策定支援 テスト実施支援 ■お客さまから構築したいシステムの構成をヒアリングし、各種設定パラメタの設計、 インストール及び動作環境構築を行います。 ■お客さまの業務/ユースケースをヒアリングし、アプリケーション開発や運用設計、 チューニングのご支援を致します。 © Hitachi Solutions, Ltd. 2012. All rights reserved. 17 取組み（2） 多様なデータ形式に対する取組み © Hitachi Solutions, Ltd. 2012. All rights reserved. 18 ２-５ OSS俯瞰図 非構造化データ ストレージ 構造化データ ストレージ 運 用 管 理 SAN 用途別サーバ 汎用サーバ LAN © Hitachi Solutions, Ltd. 2012. All rights reserved. 19 ２-６ OSSスタック(構造化データ/汎用サーバ) ZABBIX heartbeat Eclipse SubVersion ant, JUnit 運用監視・構成管理 業務 業務 業務 業務 アプリ開発／ランタイム ユーティリティ 特定用途 従来型レガシー／エッジサーバ namazu 開発環境 OpenPNE Apache Tomcat JBoss AS ミドルウェア （APサーバ） Struts 実行基盤(言語) Spring Framework OpenJDK OS iBATIS/myBatis 仮想化ソフトウェア(Hypervisor) RHEL Apache HTTP Samba postfix BIND ユーザ管理・認証基盤 (LDAP,SSO) ミドルウェ ア（DBMS） MySQL PostgreSQL OpenLDAP OpenAM(GnuPG) 連携基盤 (ESB) Apache AXIS MuleESB 通信基盤 (VPN) OpenVPN OpenSSL KVM クラウド基盤(クラウド運用・監視・管理) OpenStack © Hitachi Solutions, Ltd. 2012. All rights reserved. 20 ２-７ OSSスタック(非構造化データ/用途別サーバ) 情報共有ノンコア （blog,CMS） セッション管理 決算処理 アクセス履歴管理 決済処理 集計処理 ログ蓄積・一元管理 （カード、EC等） （業務データ等） データストレージ バッチ処理/オンライン処理 オンライン処理 Hadoop MapReduce, qizm memcached, pgpool-II,slony 参照性能向上 参照更新性能向上 ディスクファイルシステム XFS,ext4,ZFS 構造化/～Middle Size Data トランザクション/一貫性 レコメンド personalize検索広告 カードの不正利用検知 BigData バッチ処理 BigData ストリーム処理 分散処理フレームワーク okuyama, Memcached, membase, Tokyo Cabinet/Tyrant, ROMA,Flare, Kai・・・ S4 ストリーム処理 バッチ処理 postgreSQL-XC, VoltDB RDBスケール技術 ログ分析・画像分析 実験データ分析 検索Index作成 NoSQL KVS Hadoop Hbase, Cassandra カラム志向 ドキュメント志向、他 分散ファイルシステム CouchDB, MongoDB Hadoop HDFS, Redhat Global File System 非構造化/BigData/ 局所的トランザクション/結果整合性 © Hitachi Solutions, Ltd. 2012. All rights reserved. 21 取組み（3） 高速バッチ基盤「Asakusa Framework」に対する取組み © Hitachi Solutions, Ltd. 2012. All rights reserved. 22 ２-８ 何故 Asakusa Framework ？ 普通の企業でも適用可能 – 多くの企業に業務バッチ処理は必ずある。 効果が分かりやすい 業務バッチ処理が早くなれば、嬉しいことも想像し易い。 夜間バッチの対応要員コストとか… Hadoopを知らなくても開発可能 Hadoopエンジニアは不足している。 業務バッチ処理の書き換えを行う人材を確保しやすい。 安心して使える（？） 国内に開発者が居るので、素早い対応が期待できる。 Hadoop APIがバージョンアップしても 大丈夫（？）。 （Asakusa Frameworkが対応してくれれば） © Hitachi Solutions, Ltd. 2012. All rights reserved. 23 ２-９-１ 公開（2011/3）当初の評価 良い点 – 開発は楽、テスト・デバッグも楽。 • Map/ReduceやHDFS ※1等のHadoopの知識は一切不要。 (※１: Hadoop Distributed File System ) • 基本的にEclipseでJava開発の経験があれば、そのまま生かせる。 – 処理速度の高速化も確認（後述） 悪い点/懸念点 DB関連で厳しい制限や制約 MySQL必須/基本MySQLが対象 ・・・ 情報不足 ドキュメントが不十分、ML等が無い ・・・ 実行管理が問題 Monkey Magic（現Tengine framework）のみ対応 商用サポートが無い © Hitachi Solutions, Ltd. 2012. All rights reserved. 24 ２-９-２ 現時点でかなり改善 良い点 開発は楽、テスト・デバッグも楽。 Map/ReduceやHDFS等のHadoopの知識は一切不要。 基本的にEclipseでJava開発の経験があれば、そのまま生かせる。 処理速度の高速化も確認（後述） 悪い点/懸念点 ※1 バッチに対するデータの外部入出力を行うモジュールで、 DBMS固有の機能に依存せず、標準SQL/JDBCインターフェース のみを使用した実装を提供。 ※2 Yet Another Experimental Shell Scriptの略。Asakusa Frameworkで開発したバッチを実行するためのツール。 DB関連で厳しい制限や制約 MySQL必須/基本MySQLが対象 DMDL及びWindGate ※1により、 MySQL不要/他DBも対応可能に ・・・ 情報不足 ドキュメントが不十分、ML等が無い ドキュメントが拡充 WebサイトやMLも開設 ・・・ 実行管理が問題 Monkey Magic（現Tengine framework） YAESS ※2により、 JP1/AJS ※3等との連携が容易に のみ対応 商用サポートが無い ※3 JP1/Auto Job Management System 3を示す。以降JP1/AJSと表記する。 商用サポート開始 © Hitachi Solutions, Ltd. 2012. All rights reserved. 25 ２-９-３ 処理速度の評価環境 主な利用ソフト・アプリ CDH3u2 Hadoopクラスタ (Cloudera's Distribution including Apache Hadoop 3 update 2) Hadoopノード Hadoopマスタ Asakusa FW 0.2.3-RC MySQL 5.1.52 ④ 評価用バッチ処理 （試作物） ③ ② YAESS DBMS 処理結果 テーブル YAESS バッチ 処理 ① WindGate 処理対象 テーブル WindGate Asakusa F/W Import File ・・・ DBサーバ バッチ実行管理サーバ Data Node/Task Tracker Export File Asakusa F/W Hadoopノード Name Node / Job Tracker Data Node/Task Tracker 2～10ブレード CPU : Intel(R) Core(TM) i5 Memory : 4GB HDD : 500GB 1ブレードに同居 © Hitachi Solutions, Ltd. 2012. All rights reserved. 26 ２-９-４ 試作した処理の概要 履歴テーブル 顧客テーブル（主キー：顧客ID） 顧客ID 登録店ID 000001 登録顧客数 一千万件 001 000002 … 002 … 顧客ID … … … 履歴数 一億件 取引店ID ポイント … 000002 005 507 … 000011 010 225 … 000002 087 729 … … … … mysqlbenchを一部改造して生成したデータ （HDFS上に展開して4GB程度） … … CREATE TABLE 結果テーブル ( SELECT 顧客テーブル.登録支店 AS 登録店ID , COUNT(TMP.顧客ID) AS 利用顧客数 , SUM(TMP.ポイント和) AS 総ポイント数 FROM 顧客テーブル, ( SELECT 顧客ID ,SUM(ポイント) AS ポイント和 FROM 履歴テーブル GROUP BY 顧客ID ) AS TMP WHERE TMP.顧客ID = 顧客テーブル.顧客ID GROUP BY 登録店ID ); 結果テーブル 登録店ID 登録店数 百店 … 利用顧客数 総ポイント数 001 6782 11907010 002 4878 48270920 … … © Hitachi Solutions, Ltd. 2012. All rights reserved. 27 ２-９-５ 評価概要 評価・開発方針 MySQLもHadoopも特別なチューニングをしない MySQLは、huge用のサンプル設定をベース Hadoopの設定は、最低限の設定のみ DBに対する入出力ともWindGateを利用 入出力するMySQL上のテーブルは変更を加えず 開発量 実装 Java ： 10ファイル、222ステップ DMDL ※ ： 6ファイル、153ステップ 自動生成 Java ： 28ファイル、2231ステップ 開発はこれだけ！ ※ Data Model Definition Languageの略で、 Asakusa Frameworkで利用可能なデータモデル を定義するための言語。 主にフロー処理部分から生成 ：4ファイル、230ステップ ：24ファイル、2001ステップ 主にデータモデルから生成 MapReduceやHDFSを知らなくても開発できた！ © Hitachi Solutions, Ltd. 2012. All rights reserved. 28 ２-９-６ 処理時間の測定結果 30 20 DB処理 Map/Reduce処理 Import/Export処理 10 MySQL側（巨大テーブル＆カーソル）の問題？ WindGate側のチューニング不足？ 0 DB DB 2ノード 6ノード Import/ Export処理 Map/ Reduce処理 ー ー 合計 10ノード 効果 全体 約29分 ー Map/Reduce処理のみ 1ノード 約10分 約14分 約24分 約17％減 約52％減 6ノード 約10分 約6分 約16分 約45％減 約79％減 10ノード 約10分 約4分 約14分 約52％減 約86％減 特にチューニングしなくても処理時間を削減できている！ © Hitachi Solutions, Ltd. 2012. All rights reserved. 29 ビッグデータに対する日立ソリューションズの取組み ～ Enterpriseで活用するビッグデータ ～ ３. Enterpriseへの適用に向けて © Hitachi Solutions, Ltd. 2012. All rights reserved. ３-1 Enterpriseにあるビッグデータ ふたつのビッグデータ 新しいビッグデータ 既存のビッグデータ 非構造化中心 構造化中心 典型的ビッグデータ Webログ ソーシャルグラフ マルチメディア トランザクション履歴 ドキュメント e-Mail 規模 数100～数1000 数10～数100 既存システムとの 連携必要性 小 大 OSSの必要性 大 中 自社開発基盤、 Hadoop、NoSQL、 RDBMS(商用＋OSS) RDBMS(商用)＋Hadoop データタイプ 典型的テクノロジ © Hitachi Solutions, Ltd. 2012. All rights reserved. 31 ３-１-２ 情報システムの歴史的な変遷 一般消費者 情 報 シ ス テ ム の 利 用 者 社外企業 社内全員 基幹業務 担当者 社外利用／企業間接続 多様な利用環境で、 高度で複雑なシステム 要素が連携し、安定的 にサービス提供できる ことがより重要に！ システムの影響が増大 (利用者の範囲・数の広がり) 全社員PC／社内システム コンピュータセンタ バックオフィス 社会活動・ビジネスへ情報システムが直結 (情報システムの社会基盤化と高度化) システムの大規模化・複雑化 (各種製品の種類・数の広がり) 数台～数百台 数百台～数千台 数千台～数万・数十万台 ITと業務の関係 ビジネスの一部を代替 日常のビジネス支援 IT前提でビジネス 技術変化 メインフレーム オープン化(複数ベンダ製品化) ネットワーク化 出典：IPA発行「非機能要求グレード利用ガイド［解説編］」 © Hitachi Solutions, Ltd. 2012. All rights reserved. 32 ３-１-３ 情報システムに求められるもの 情報システムに対する要求 「機能要求」 「非機能要求」 営業情報をシステム上 で共有し把握したい システムダウン時は３時 間以内に復旧して欲しい 受発注情報に連動した 在庫管理を行いたい レスポンスは３秒以内で あって欲しい ユーザとベンダ でギャップ発生 の可能性大！ © Hitachi Solutions, Ltd. 2012. All rights reserved. 33 ３-１-４ 非機能要求グレードの６大項目(1) 非機能要求 大項目 説明 要求の例 実現方法の例 可用性 システムサービ スを継続的に利 用可能とするた めの要求 ・運用スケジュール(稼 働時間・停止予定など) ・障害、災害時における 稼働目標 ・機器の冗長化やバックアッ プセンターの設置 ・復旧・回復方法および体制 の確立 性能・ 拡張性 システムの性能、 及び将来のシス テムに関する要 求 ・業務量及び今後の増 加見積り ・システム化対象業務 の特性(ピーク時、通常 時、縮退時など) ・性能目標値を意識したサイ ジング ・将来へ向けた機器・ネット ワーク等のサイズと配置＝ キャパシティ・プランニング 運用・ 保守性 システムの運用 と保守のサービ スに関する要求 ・運用中に求められるシ ステム稼働レベル ・問題発生時の対応レ ベル ・監視手段及びバックアップ の確立 ・問題発生時の役割分担、体 制、訓練、マニュアルの整備 出典：IPA発行「非機能要求グレード利用ガイド［解説編］」 © Hitachi Solutions, Ltd. 2012. All rights reserved. 34 ３-１-５ 非機能要求グレードの６大項目(２) 非機能要求 大項目 移行性 説明 要求の例 現行システム資 ・新システムへの移行 産の移行に関す 期間及び移行方法 る要求 ・移行対象資産の種類 及び移行量 セキュリティ 情報システムの ・利用制限 安全性の確保に ・不正アクセスの防止 関する要求 システム環 境・エコロ ジー システムの設置 環境やエコロ ジーに関する要 求 実現方法の例 ・移行スケジュール立案、移行 ツール開発 ・移行体制の確立、移行リハー サルの実施 ・アクセス制限、データの秘匿 ・不正の追跡、監視、検知 ・運用員などでの情報セキュリ ティ教育 ・耐震／免震、重量／ ・規格や電気設備に合った機 空間、温度／湿度、騒 器の選別 音など、システム環境 ・環境負荷を低減させる構成 に関する事項 ・CO2排出量や消費エ ネルギーに関する事項 出典：IPA発行「非機能要求グレード利用ガイド［解説編］」 © Hitachi Solutions, Ltd. 2012. All rights reserved. 35 ３-２ エンタープライズでの適用に向けて ◆エンタープライズで求められる要件 観点 可用性 性能 拡張性 運用性 機密性 連携性 移植性 その他 内容 サービス停止時間の短縮化、データ破壊対策 処理性能、チューニング 規模拡大への対応、(スケールアウト・スケールアップ) 運用・監視、バックアップ等 セキュリティの確保、監査等 他システムとの連携等 既存システムからの移行 技術者育成、OSSサポートなど。 © Hitachi Solutions, Ltd. 2012. All rights reserved. 36 ３-３ ＯＳＳの発展パターン OSSの発展のパターン 商用ソフトウェアのコモディティ化 OS, RDBMS, 業務AP,運用管理 等 (コスト削減、ベンダーロックイン回避等を実現可能に) 新しいイノベーションの誕生 ビッグデータ/クラウド関連技術(分散処理基盤、KVS等) (OSSでコモディティ化したハードウェア資源を有効活用) © Hitachi Solutions, Ltd. 2012. All rights reserved. 37 ３-４ 今後の期待 今後の期待 次世代システム基盤へのOSSの積極適用 UNIXからのマイグレーションでシステム基盤 統一にOSSを積極的に適用 イノベーションと既存技術の融合 分散基盤を活用したバッチ処理の高速化 (Hadoop+Asakusa, OpenCOBOL等) ＫＶＳを活用したＲＤＢＭＳに代わる 新しいデータ管理の適用 © Hitachi Solutions, Ltd. 2012. All rights reserved. 38 END 日立ソリューションズにおけるOSS－DBに対する取組みのご紹介 ～ Enterpriseで活用するために ～ 2012/04/19 株式会社 日立ソリューションズ 技術開発本部 オープンソース技術開発センタ 吉田 行男 © Hitachi Solutions, Ltd. 2012. All rights reserved.