Comments
Description
Transcript
DB2 pureScale, クラウド時代のDB基盤へ テクニカルナイト
テクニカルナイト ® IBM Software Group DB2 pureScale, クラウド時代のDB基盤へ ~遂に登場するプライベート・クラウド・データベースの本流~ 2010年2月5日 日本アイ・ビー・エム株式会社 ソフトウェア事業 技術理事 菅原香代子 © IBM Corporation アジェンダ プライベート・クラウドの位置づけ クラウド時代の企業データ・モデル DB2 pureScale の発表 DB2 pureScale: スケーラビリティ DB2 pureScale: ノンストップ・データベース DB2 pureScaleと他社クラスタとの違い DB2 pureScale: 導入と構成 ストリーム・コンピューティング(オプション) 2 プライベート・クラウドの位置づけ 3 プライベート・クラウドの位置づけ 革新的サービス展開モデルへの進化 クライアント/お客様 革新的なビジネス・モデル (with financial viability) データ・センターのイノベーション Connect イノベーション・サービス 統合されたサービス 企業のIT基盤 プライベート クラウド ハイブリッド クラウド ダイナミック・データセンターに向けたデータセンターの進化 クラウド・コンピューティング技術を活用し、抜本的な効率化と 企業内・グループ内での革新的なサービス展開を実現 統合されたサービス パブリック クラウド 多様なクラウド・サービス 4 プライベート・クラウドの位置づけ プライベート・クラウド パブリック・クラウド 共通の技術 NFR充足率 NFR充足率 企業事業部門ユーザー クラウドサービス・デリバリー アプリのクラウド・サービス化 開発環境の効率化 マルチ・テナント • Software as a Service • Platform as a Service • Infrastructure as a Service クラウド・サービス 企業IT部門 / SO, SI事業者 サービス・コンシューマー 既存システム仮想化 コンポーネント・ベンダー / SI、ソフトウェア配付業者 新しいSW構造 クラウド・プラットフォーム データセンター データセンター インフラストラクチャ インフラストラクチャ 運用環境の効率化 規模の共用 クラウド事業者 リソースの運用・管理 add スケールアウト・クラウド サーバー・クラウド IT システム・ベンダー NFR: Non Functional Requirement JEANS & eCloud研究会 5 HW買い付けコストとTCO HW買い付け コスト $$$$ TCO TCO : Total Cost of Ownership 6 サーバー・デザインが変わっていく • パブリック・クラウド ⇒ 大量サーバー群をコンテナーにパッキング、ネットワーク機器で結合 ⇒ KVS • プライベート・クラウド ⇒ 大型SMPサーバー + クラスター化 ⇒ 仮想化とスケーラブルDB(SQL) Intel x86 サーバーもチップ内スケールアウトにより大型SMPサーバーにシフト(サーバー数減) レイテンシーのバンド幅に対する改善遅れ マルチコア/マルチスレッド化 10000 Processor チップ内スケールアウト 1000 Network Relative Memory BW 100 Improve ment Disk 10 (Latency improvement = Bandwidth improvement) 1 1 10 100 Relative Latency Improvement David A. Patterson, UC Berkeley, March 2004 JEANS & eCloud研究会 7 サーバー・デザインが変わっていく JEANS & eCloud研究会 8 サーバー・クラウドとスケールアウト・クラウド サーバー・クラウド スケールアウト・クラウド ワークロードの 小さい。サーバーの一部を利用 大きさ 極めて大きい。数十から数千のサーバー にまたがる パーティショニング ソフトウェアの 比較的小規模に分割されたシングルイ アーキテクチャ ンスタンスのアプリケーション群 マルチテナント スケールを出せるアプリケーションフレー ムワークで複数のインスタンスを実行 耐障害性 インフラ/ハードウェア内 アプリケーションのアーキテクチャに作り こむ ステート管理 伝統的なアプリケーション中心のデータ ベース・トランザクション処理。データは 1カ所に保存 アプリケーションは状態を保存しない。複 数のコンテンツストレージで冗長性を確 保 サーバー 仮想化の利用 サーバーのハードウェアを共有し、利用 効率を最大化 オプション的。柔軟かつ迅速なセットアッ プを支援するプロビジョニングに適用 出展:NIKKEI COMPUTER 2009.1.15 (原典フォレスター・リサーチ) に追加変更 JEANS & eCloud研究会 9 クラウド・サービスとクラウド・プラットフォームの関係 プライベート・クラウド 既存互換重視 新規API採用 パブリック・クラウド Amazon Amazon.com Google SFDC salesforce.com SaaS “Software as a Service” Application API Python アプリケーション SFDC CRM アプリケーショ ン PaaS “Platform as a Service” Middleware API Google API GoogleAppEngine Force.com 独自スクリプト 言語とサービス IaaS “Infrastructure as a Service” Hardware Interface 仮想サーバー AmazonEC2 仮想化 プロビジョニング ハイパーバイザ プロビジョニング ハイパーバイザ プロビジョニング ハイパーバイザ ビッグテーブル 仮想化はなし マルチテナント 仮想化はなし スケーラビリティ 信頼性 スケールイン HW, MWで構成 スケールアウト MWで構成 スケールアウト 99.5% スケールアウト MWで構成 スケールアップ HWで構成 データ SQL, DB SQL, DB, KVS SQL, DB, KVS KVS SQL, DB サーバー クラウド スケールアウト・クラウド サーバー クラウド KVS: Key Value Store 10 サーバー・クラウドとスケールアウト・クラウド 分割された比較的 小さなワークロード スケール・イン スケール・イン モノリシックで 大きなワークロード 大型SMP型 データは ACID/SQL型 App App App App App Mid Mid Mid Mid Mid OS OS OS OS OS サーバー・クラウド サーバー・クラウド 仮想化 Hypervisor 100K Users HW 。。。 Hypervisor HW アンサンブル HW系によるスケーラビリティ、信頼性の実現 スケール・アップ スケール・アップ スケールアウト・クラウド スケールアウト・クラウド HW系によるスケーラビリティ、信頼性の実現 1 Billion Users データは コンテンツ/KVS型 超大規模なワークロード マルチ・テナント サポート SW系によるスケーラビリティ、信頼性の実現 マルチコア マルチスレッド化 安価なプロセッサーを 大量に利用 ブレード / モジュラー型 スケール・アウト スケール・アウト KVS: Key Value Store JEANS & eCloud研究会 One Size Fits All ? 11 “Scale In” が プライベート・クラウドへのステップ Linux & Oracle 1 5.1 X Space Power People Cost Software Maint Software Maint Hardware 0.9 3.9 X エネルギー効率 ⇒ エネルギー効率 ⇒ システム使用率。 システム使用率。 エコがイデオロギーに。 エコがイデオロギーに。 0.8 Intel系サーバーの低使用率 Intel系サーバーの低使用率 ⇒ ⇒ $140B分の未使用サーバー・アッセット $140B分の未使用サーバー・アッセット 80% Savings Cost Per Image 0.7 Savings 74% 0.6 1.0 X 0.5 0.4 K $ VMware, Hyper V Xen on Intel 0.3 0.2 760 x86 CPs 304 x86 CPs x86 w/o Virtualization 26 z10 EC IFLs x86 Virtualization z/VM Linux on System z10 EC System z Power Systems 0.1 0 0 5 10 15 20 NÆ NFR Æ 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 Servers ⇒ Ensembles zz 単体でMTBF 単体でMTBF == 35年以上 35年以上 NFR: Non Functional Requirement JEANS & eCloud研究会 Back to the Future 12 アンサンブル・コンポーネント サーバー・アンサンブルの例 ワークロード モビリティ OS OS OS OS Hypervisor Server OS OS Hypervisor アンサンブル マネージャ アンサンブルの定義: 単一システムとして管理可能な 同類システムのプール Server アンサンブルは通常以下のコンポーネントから構成される: • 互換性のあるシステム・ノードのプール(例., N 物理サーバー; 均質である必要はない) • アンサンブル内および互換性のあるアンサンブル間での仮想資源のモビリティ • アンサンブル・ノードを結合するネットワーク(ローカル接続あるいは最適化接続) • リソースのバーチャライザー(hypervisors, I/O virtualizers, storage virtualizers, …) • アンサンブル構成の実・仮想リソースのプラットフォーム管理を提供するアンサンブル・マネージャ アプライアンス • 計画、アンサンブル作成、P2Vマイグレーション、イメージ管理と組み立て等のツール類 • パーフォーマンス、アベイラビリティ、エネルギー消費、セキュリティ等のインテリジェント・デフォルトなアンサンブル 固有の自動最適化 ソフトウェア • マルチシステム・サービス (locking, caching, message queuing, …) の統合(オプション) ⇒ pureScale JEANS & eCloud研究会 13 サーバー・アンサンブルの価値 個別のサーバー群 サーバー・アンサンブル ワークロード モビリティ OS OS OS OS OS OS OS OS OS Hypervisor Hypervisor Hypervisor Server Server Server OS OS OS Hypervisor アンサンブル マネージャ Server 管理対象の数 N 仮想サーバー; M 物理サーバー N 仮想サーバー; 1物理アンサンブル 作成、テスト、 メンテナンス DIY(自作); バラバラの構成 標準の “off the shelf” アセンブリ 管理の自動化 アドオン・ソフト、 カスタム・スクリプト、 … ビルトイン最適化;インテリジェント・デフォルト 管理 インターフェース 多数の個別ノブと変数 選択可能な標準動作のメニュー コンソール数 バラバラの物理&仮想コンソール 単一コンソール; 文脈による機能性 データセンタ管理 アーキテクチャ モノリシック; DC間でのヘテロな拡散 階層化; プール層でのモジュール化 アンサンブルはIT資源管理の複雑さを著しく削減し、IT機能性を強化する JEANS & eCloud研究会 14 Workload Mobility (Live Partition Mobility) • • POWER6 からの搭載サーバーの機能 1 号機上で稼動中の OS区画 が 2 号機へと移動 • HMC 上の操作員指示によって、Live Partition Mobility を開始 • 移動に先立ち、ディスクに書き込まれていないメモリー上のデータが、ネットワーク経由で 転送される • SAN 上のディスク・イメージ (LUN) への接続が引き継がれる • OS区画 移動の完了(OS 及びアプリケーションは稼動を続けたまま) Power #1 Power #2 VIOS 区画 区画 #A #B VIOS POWER Hypervisor POWER Hypervisor SAN HMC 15 プライベート・クラウドによる新エンタプライズ・システムの構築へ •アンサンブルは IBM System z, Power Systems, System x のそれぞれに構築される • Power Systems は超スケーラブルなミッション・クリティカル・システムの要へ Down load ETL file Transaction File Down load file ETL ETL Screen scrape Message Queue Apps ETL DB Replica Transaction File ORB アプリ Apps • HAソリューションの簡素化 • SW投資保護の改善 • ソフトウェア・アプライアンス化 Apps Apps Apps • 複雑さとスケールの切り離し • 統合化された自律管理系(スクリプト化) • 動的な省エネルギー管理 • データセンタ・セキュリティ基盤 Transaction File Apps Apps Message Queue Apps • ハードウェア使用率の改善 • IT俊敏さの改善 • 省エネルギー構成 プライベート クラウド Mobility アプリ アプリ アプリ アプリ アプリ アプリ SW OS SW OS SW OS Software •テスト機 •スタンバイ Operating System Virtual Server Virtual Server Virtual Server Virtualization Compute Memory Storage Compute Memory Storage Network Scale In サーバー 占有・密結合 JEANS & eCloud研究会 Network 仮想化サーバー 最適化. • 可用性 • パフォーマンス • 電力 アンサンブル ダイナミック・インフラストラクチャ 16 超スケーラブル可能なミッションクリティカル・システム ミッションクリティカルの特性 特に信頼性などの充足 smarter NFR 状況に対応したNFR プライベート・クラウド クラウドの進化 クラウドの進化 l IT a ion t i d Tra ing t pu m Co d u Clo パブリック・クラウド • IT Infrastructure • Business Infrastructure • Social Infrastructure スケーラビリティ HW系資源の仮想化、スケールアウト化などによる動的な活用 NFR: Non Functional Requirements JEANS & eCloud研究会 17 クラウド時代の企業データ・モデル 18 データベース技術の全体像 エンタープライズ・データ BAO(Business Analytics and Optimization) スケーラビリティ スケーラビリティ アベーラビリティ アベーラビリティ コンシステンシー コンシステンシー BAO クラウド コンピューティング sharding リアルタイムで稼動中の 情報分析により、 ビジネスの応答性を改善 ストリーム コンピューティング 2008 COGNOS IT Appliance 2003 “System S” KVS (Key Value Store) 最新データの分析による ビジネス取引改善 オブジェクト グリッド インメモリー solidDB XML データベース Sysplex RDBMS レプリケーション/ ETL 1970 リレーショナル・ データベース NFS / DFS / GPFS ファイル JEANS & eCloud研究会 データベース: アプリケーション からの独立 Yr. 2 DB2 PE 実行環境の データベース群 コンテンツ マネージメント Yr. 3 DB2 PureScale Yr. 1 OLAP 時系列データの レポーティングと データ 人間による分析 ウェアハウジング 1968 階層型 データベース 19 クラウド時代のデータ・モデル クラウド時代におけるデータのシステム属性 コンシステンシー Scale-Up Cluster DB Stream Computing 計算処理量 ACID Schema BAOでは低レイテンシーなデータ供給と 柔軟で超高速な演算加工処理が鍵 Business Intelligence In Memory 低レイテンシー Object-Grid BAO 一般DBでは3要件の充足の方法が鍵 •コンシステンシー •アベーラビリティ •スケーラビリティ クラウド性 (スケーラビリティ) 互換性 SQL (コンシステンシー) KVS Scale-Out BASE スケーラビリティ スケーラビリティ スケーラビリティ KVS: Key Value Store ACID: Atomicity, Consistency, Isolation, Durability BASE: Basically Available, Soft state, Eventually consistent JEANS & eCloud研究会 アベーラビリティ アベーラビリティ コンシステンシー コンシステンシー BAO: Business Analytics and Optimization 20 ACID+スケーラビリティ追求の、クラスター型DBモデル 通常の非同期型のロック制御 (Oracle RAC) system 1 snd task switch system 2 int task switch rcv int task switch rcv work snd task switch •通常のサーバー間通信 •TCP/IPスタック・オーバーヘッド •コンテクスト・スイッチ・オバーヘッド “三角形型” アーキテクチャ Web Web Web VRU VRU Call Center Call Center Call Center アプリケーション互換のまま スケーラビリティを達成 Service Service Service 超高速のロック制御が スケーラビリティの鍵 同期型グローバル・ロック制御 (DB2 pureScale) xx μsec round trip system 1 snd wait (poll) rcv • 256 Bytes message System 2 rcv work snd CF JEANS & eCloud研究会 • CFは仮想イメージで実装 • 実資源はPHYPで共有 21 超高速トランザクション処理指向の、低レイテンシー型DBモデル インメモリーDB solidDB Universal Cache データベース 能力 アプリ インメモリーDB 高度な検索 solidDB Universal Cache Cache 組み合わせ 120,000 TPS データの柔軟さ オブジェクトグリッド WebSphere eXtreme Scale 単純な OLTP オブジェクトグリッド “四角形型” アーキテクチャ 高速の インメモリー アクセス JEANS & eCloud研究会 POJOs リニアな Scale Out としての データ・アクセス データグリッド 能力 Web Web Web VRU VRU Call Center Call Center Call Center Service Service Service Service Service Service DB DB DB DB DB DB 永続化 スケールアウトな 超高速データ処理 22 大量イベント処理 / ストリーム処理 イベント 分析時間 大量イベント処理の能力 1ミリ秒 プログラム 売買 10 ミリ秒 100 ミリ秒 Complex Event Processor コール センター JEANS & eCloud研究会 1, 00 0, 00 0 リスク 分析 10 0, 00 0 1, 00 0 10 10 0 輸送車両管理 1分 10 ,0 00 1秒 イベント・スループット (メッセージ/秒) 23 • 複雑さの削減と利便性の追求 ITアプライアンスとソフトウェア・アプライアンス • HWとは仮想化層で隔離 Appliance Appliance 電化製品:Household Appliance SWスタック Cognos BI IT IT Appliance Appliance • ターンキー製品 • スイッチオンで使える装置・器具 • 中の構造は考えなくていい Apps. Apps. DB Linux ネットワーク OS,MWを1ファイルに Compute パッケージング Windows VMware Memory Storage Network Ent erp MW Windows rise 環 Apps. VMware社が提唱 VMware社が提唱 OSとMWを1ファイルイメージでまとめる OSとMWを1ファイルイメージでまとめる 仮想化環境にイメージを展開 仮想化環境にイメージを展開 DMTF OVF: Open Virtual Machine Format 境へ 適 Image 用 Virtual Virtual Appliance Appliance JEANS & eCloud研究会 クラウド 単機能サーバー スイッチオンで使える SWにAp plianceの 概念を適 用 SWベンダー、ディストリビューター MW OS ストリーム コンピューティング Enterprise Enterprise class class virtual virtual Appliances Appliances (JEANSで提唱) OS,MWを隠蔽 VAC EA EA App App s. s. Image Repository VAC VAC Router/ Hub WebAp p Srv WebAp p Srv DB OS OS OS OS DB HA OS 仮想化層 VM/LPAR/ハイパーバイザー/ Ensemble Compute Memory Storage Network 24 KVS(Key Value Store)のデータ・モデル (BigTableなど) row key col col name value row 1 k127 type: capacitor farads: 12mf cost: $1.05 row 2 k187 type: resistor ohms: 8k row 3 k217 … … Google App Engine • Row Keyでソート • Raw Keyノ範囲でスキャン label: banded cost: $.25 Application MapReduce BigTable • Map • Reduce Google File System KVSとはキーにデータ(値)を関連付けてストア(格納)し、キ ーを指定することでデータ(値)を検索するデータモデル 分散型KVSでは各種アルゴリズムでキーに従って担当サー バーを決定 キーによる自動的な分割 partitioning(垂直) / sharding(水平.行データを分散) RDBMSに似せたテーブル形式を取っているがより自由度が 大きい、 9事前のスキーマは不要 9新しい列は何時でも追加出来る 9列は各行で異なっていてもよい 列の名前や値の実質的な解釈はしない 9解釈はアプリケーションや上位レイヤーに任される 9異なったフレームワークやオビジェクト・モデルに解放 JSON, Redis, Django, JDO, JPA,など 少なくとも10 のopen source のアプローチが行われている Apache Django Cassandra Node Apache JDO Django for Python JDO for Java Cassandra Cassandra … Node Node JEANS & eCloud研究会 先頭を走っているのが次の2つ 9Cassandra (JavaベースのAmazon Dynamo クローン) 9HBase (JavaベースのGoogle BigTable クローン) 9その他、Voldemort, Eucalyptus, など多くある Web 2.0アプリケーションで多くのアプローチがなされている 9Google AppEngine (GAE) Pythonをベースにしたもの 9Apache HTTP server, memcached, 多くのRDBMSエンジンの 統合アプローチ(MySQL, Postgres, Oracle, SqlServer, DB2) 25 クラウド・アーキテクチャ:HW資源の仮想化とvmイメージ(アプライアン ス) クラウド・サービス VAC / PaaS Persistence Persistence App App Mid App Srvr Memory MemoryTables Tables (ObjectGrid , SolidDB ,,) (ObjectGrid ,SolidDB,,) App …. Files Files(HDFS, (HDFS,GPFS,,) GPFS,,) KVS ) KVS(Cassandra, (Cassandra,HBase HBase) OS J2EE Env Image RRDB DB(DB2, (DB2,ORACLE, ORACLE,etc) etc) VAC / PaaS プロキシー プロキシー EA / IaaS セキュリティ セキュリティ SaaS / PaaS コネクティビティ コネクティビティ 仮想サーバー … 仮想化 / 仮想アプライアンス クラウド・プラットフォーム クラウド・プラットフォーム イメージ管理 プロビジョニング アンサンブル管理 Etc. EA: Enterprise class virtual Appliances VAC: Value Add Capability JEANS & eCloud研究会 26 DB2 pureScale DB2 pureScale の発表 27 2009年大きなターニング・ポイントを迎えたDB2 IBMメインフレームのテクノロジーを吸収し進化をしつづけるオープン系DB2 他社DBMSのアーキテクチャーを大きく上回るシェアード型 pureScaleを発表 DB2 pureScale 発表 pureScale発表 2009年11月12日 2009年5月21日 DB2 9.7発表 V9.5 2007年 V9 2004年 V8.2 2006年 大規模DB対応強化 データ・ガバナンス強化 高可用性の強化、H/W連携 トランザクショナルXML pureXML Support オートノミック機能の強化 開発生産性の向上 IT投資の8割を占める インフラ運用管理をより低コストに 他社DBユーザーからの移行を促進 Enterprise Linux 高可用性の強化 オートノミック機能の強化 2002年 1993年 V1 V8 ・ ・ ・ V1.0~V4.0 オートノミック(自律型)機能実装開始 高度な情報統合への発展 マルチプラットフォームへの対応 汎用システムの世界からPCの世界へ 28 企業にとってアドバンテージとなるIT要素 1 爆発的なトランザクション増加への備え 2 サービスレベルを落とさない運用 3 スピーディかつ低コストなサービス拡張 4 シェアードアーキテクチャーの限界をBreakthrough 「ノンストップ」、「スケーラビリティ」、「スピード」を追求した 新しいデータベース・インフラ技術 29 DB2 pureScale 1 クラウド基盤にも適する超大規模スケール 9 9 2 アプリケーション サーバーを追加した分、パフォーマンスが向上する 初期は必要なキャパシティだけ購入しビジネスの成長にあわせて拡張 アプリケーション変更の無い即時拡張 9 アプリケーションの変更と停止をせずに容易に拡張できる 9 クラスター構成のためのアプリケーション変更のリスクとコストを低減 3 障害時、メンテナンス時もノンストップ 9 障害時・メンテナンス時も稼動し続ける 9 安定したパフォーマンスで連続的なデータアクセスを提供 シングルデータベース DB2 DB2 DB2 ノード間通信 CF データシェア 業界をリードするIBMメインフレームのデザインをオープン系プラットフォームで踏襲 他社のHAクラスター、スケールアウト・ソリューションの限界を超えるデザイン スケールアウトソリューションの管理コストを大幅に削減 30 DB2 pureScaleは何をモデルに? DB2 for z/OSデータシェアリング 他社の尊敬を集めるアーキテクチャー スケーラビリティと高可用性におけるゴールド・スタンダードとして、DB2 for z/OS は だれもが認めています。 Oracleも尊敬しています Oracle社のCEO ラリー・エリソン Why? 「わたしは、いろいろなデータベースをけなしている。 ただし、メインフレーム版のDB2を除いて。メインフ レーム版のDB2は、第一級の技術のひとつだ。」 – カップリング・ファシリティ! • ロックとキャッシュの集中管理により、優れたスケーラビリティと可用性を実現しています – z/OSシステム全体でカップリング・ファシリティを使っています • CICS, MQ, IMS, ワークロード管理、など 31 DB2 pureScale テクノロジー・オーバービュー クライアントはどこにでも接続、 一つのデータベースとして利用 自動的なワークロードバランス クライアント シングル・データベース・ビュー DB2エンジンはそれぞれのコンピューターで稼動 Member Member – データベースアクセスの一貫性を提供するように連携 – 2009年出荷時点はAIX 6.1 on p550 or p595限定 Member Member 統合されたクラスター・サービス CS CS CS CS – 障害検知, 自動リカバリー, クラスター・ファイルシステム – Tivoli System Automation, GPFS 超高速ノード間通信 Cluster Interconnect – CS 2nd-ary CS Log Log Log Shared Storage Access Database Log Primary RDMAノード間通信を最大限に活用 (Infiniband) PowerHA pureScale テクノロジー – 効率的なグローバル・ロッキングとバッファー管理 – セカンダリーへの同期2重化により可用性を確保 データシェアリング・アーキテクチャー – データベースへの共有アクセス – GPFS 32 pureScaleの構成 メンバーとは ? DB2エンジン – メンバー毎に所有 – バッファープール – メモリー区画 – ログファイル すべてのメンバーは同じ共有データベースにア クセス Member 1 db2sysc process db2 agents & other threads db2sysc process db2 agents & other threads log buffer, dbheap, & other heaps log buffer, dbheap, & other heaps メンバーはデータを共有 – db2syscプロセスやスレッド Member 0 bufferpool(s) bufferpool(s) メンバーは論理的で、以下のような構成 も可能 – マシンかLPARあたり、1メンバー (推奨) – マシンかLPARあたり、1つ以上のメンバー (非 推奨) Log Log Shared database (Single database partition) 33 pureScaleの構成 PowerHA pureScaleとは ? グローバル・バッファーの一元管理とグ ローバル・ロッキングを実現するソフト ウェア・テクノロジー – – db2 agents & other threads System z 並列シスプレックスとカップリ ングファシリティのテクノロジーに由来 – グローバル・バッファープール (GBP) – グローバル・ロック・マネージメント (GLM) – シェアード・コミュニケーション・エリア (SCA) log buffer, dbheap, & other heaps log buffer, dbheap, & other heaps ソフトウェア・ベース 以下のサービスを提供 db2 agents & other threads bufferpool(s) bufferpool(s) Primary メンバーはGBP, GLM, SCAをプライマ リーとセカンダリーの両方に反映 – 同期的に実施 – 二重化はオプションだが、推奨される – 標準で自動的に設定される Log Log GBP GLM SCA Secondary Shared database (Single database partition) 34 DB2 pureScale スケーラビリティ 35 pureScale スケーラビリティ実証 トランザクションは受発注処理と集計処理 の混在環境 – 更新トランザクションは全体の20%で典型的な OLTPの比率 アプリケーションはクラスター環境を意識 しない – – – Clients (2-way x345) アフィニティなし パーティショニングなし トランザクションからメンバーの指定なし 構成 – 64 GB, 5 GHz Two 4Gb FC Switches DS8300 storage • – 20Gb IB pureScale Interconnect 7874-024 Switch 64 GB, 5 GHz PowerHA pureScaleサーバー8-core p550 2台 • – p550 powerHA pureScale データサーバー 8core p550 12台 • – p550 members 1Gb Ethernet Client Connectivity 576 15K disks, Two 4Gb FC Switches IBM 20Gb/s IB HCAs • 7874-024 IB Switch DS8300 Storage 36 スループットの比率 OLTP アプリケーションのスケーラビリティ実証結果 8 member 95% のスケーラ ビリティ 12 11 10 9 8 7 6 5 4 3 2 1 0 4 member 97.5% のスケー ラビリティ 10.4x @ 12 members 7.6x @ 8 members 3.9x @ 4 members 1.98x @ 2 members 0 5 10 15 サーバー数 37 効率的なスケールアウトを実現するためのデザインポイント 低レイテンシーなRDMA/uDAPL を 採用 – 往復レスポンスタイムを10-15 マイクロ 秒以下で実現 Lock Mgr Lock Mgr Lock Mgr Lock Mgr Buffer Mgr 古いページを高速に無効に か ? 転 を 送 GBP ペー ジを い ジ ー 更新ページはディスクI/Oなしでグ ローバルバッファーから検索 リク エス ト よ して 得 取 を うぞ ック ど ペ 新 – クラスターの拡張に応じて重要となるテ クノロジー 更 – インターラプトや他のメッセージ処理は 不要 ロ – ページ更新をメンバーに知らせる処理に メンバーのCPUサイクルを必要としない GLM SCA – RDMA専用のスレッドは検索処理を10 マイクロ秒以下で実現 38 pureScaleの優位性 RDMAによるノード間通信 1. データノード1のdb2agentはCFのメモリーに直接書き込む: – 読み取りたいページ番号 – 該当ページを格納したい自ノードのバッファープール・スロット 2. CFはメンバー1のメモリーに直接書き込むことで返答する: – CFが該当ページをもっている場合はそのデータを返答する – CFが該当ページをもっていない場合はその旨返答する 上記の処理全体でマイクロ秒のオーダーで行う 割り込みがなく処理が高速なため、処理の間db2agentはCPUに残り続ける データノード1 リクエストをダイレクトに メモリーに書き込む CF db2agent CF スレッド 1, Eaton, 10210, SW 2, Smith, 10111, NE 3, Jones, 11251, NW 501のページがほしい. バッファのスロット42 に データがほしい 返答をダイレクトに メモリーに書き込む ローカルのメモリーコピーと同様にリモートと通信 39 DB2 pureScale ノンストップ・データベース 40 pureScale アプリケーションの変更と停止を低減 スケーラビリティのための配慮は不要 – データ配置やアプリケーション上の配慮は不 要 メンテナンスのための配慮は不要 – アプリケーションの変更や停止を伴わずに、ノード 拡張が可能 – クラスター構成の動的な変更が、アプリケーション に与える影響はなし 負荷分散のための配慮は不要 – ノード間での自動ロードバランシングを実現 – アプリケーションは、どのノードに接続しても、 自動的に最適なノードで処理を行える 管理者は、再チューニングや再テストをすることなく処理能力を追加可能 開発者はクラスター構成であることを意識する必要なし 41 pureScale 計画停止の影響の最小化 1) 稼動中のシステム ターゲットノードの認識 2) “Drain” 実行 3) メンテナンスの実行 Drainが完了後 HW、SWパッチの適用 計画停止 新しいトランザクションを他ノー ドに配分 既存のトランザクション完了 DB2 DB2 DB2 DB2 DB2 DB2 DB2 DB2 DB2 システムは連続稼動 実行中のワークロードの強制終了やロールバックはなし 42 pureScale 計画外停止のリカバリー処理 DB2 pureScale の設計の要は、障害 が発生した際、リカバリー処理中の可 用性を最大化することである – 上記以外の全データ・ノードは全 面的にアクセスが可能 障害が発生したノードで実行中のトラ ンザクションも、問題の検知も含めて 短時間で復旧させることが目標 Log CF DB2 Log DB2 Log 共有データ DB2 Log CF データベースノードの障害 利用できるデータの割合(%) データベース・ノードに障害が発生し た際、リカバリーが完了するまで、障 害ノードの更新中(インフライト)の データだけをロックする DB2 回復中にはインフライトデータののみを ロック 100 50 Time (~seconds) 43 メンバーのHW障害 : 他ノードでメンバー回復処理 アクシデントで電源コードがぬけた DB2クラスター・サービスのハートビートが途絶えたこと により、メンバーのダウンを検知 – 他のメンバーやPowerHA pureScaleサーバーに伝える – 障害メンバーからログやデータをブロックする – 自動メンバー回復処理を別のホスト(ゲストホスト)で始め る – メンバーのリスタートは高速 • PowerHA pureScaleのメモリ上のページを読み込めばよいた めRedo処理も高速 ロードバランシングによる自動化(デフォルト)、または 指定したペアのメンバー DB2 CS 他のメンバーはリカバリー中も完全に利用可能 – DB2 CS DB2 CS 障害メンバーが更新中でなかった大半のデータを他のメン バーが参照、更新可能 DB2 CS Fe nc e DB2 メンバー回復処理が完了 Lo g Single Database View クライアント接続は、透過的に正常なメンバーへリルー トされる – – Clients R Log Log Log Secondary Log Pa ge s CS Updated Pages Global Locks s 障害メンバーが保持していたロックが解放され全データが 完全にアクセス可能になる ec – Shared Data CS Updated Pages Global Locks Primary 44 メンバーの復旧 電源が入り、システムがリブート Clients DB2クラスター・サービスがシステムが使 えることを自動検知 – 他のメンバーやPowerHA pureScale サーバーに伝える – I/Oのブロックを解放する – 元のホストでメンバーが起動する Single Database View DB2 CS クライアントは使用可能となったメーバーに 自動的に接続される DB2 CS DB2 DB2 CS CS DB2 Log Log Log CS CS Updated Pages Global Locks Secondary Log Shared Data Updated Pages Global Locks Primary 45 プライマリーPowerHA pureScaleの障害 アクシデントで電源コードがぬけた DB2クラスター・サービスのハートビート が途絶えたことにより、プライマリーのダ ウンを検知 Clients Single Database View – メンバーとセカンダリーに通知 – PowerHA pureScaleサービスは瞬間的 にブロックされる – 全ての他DBアクティビティは通常通り • Eg. バッファープール内のページアクセス, 既に 取得済みロック, ソート処理, 集約, etc DB2 CS セカンダリーは、プライマリーデータとの 誤差分をメンバーから取得 DB2 CS DB2 DB2 CS CS – Eg.読み取り専用ロック セカンダリーがプライマリーになる – PowerHA pureScale サービスを中断し たところから継続する – DB2メンバーにはエラーは戻らない Log Log Log CS CS Updated Pages Global Locks Secondary Primary Log Shared Data Updated Pages Global Locks Primary 46 PowerHA pureScale の復旧 電源が入り、システムがリブート DB2クラスター・サービスがシステムが使 えることを自動検知 Clients – 他のメンバーやプライマリーに伝える Single Database View 新しいシステムは‘キャッチアップ’状態の セカンダリーとなる – メンバーはPowerHA pureScale2重化を 再開する – メンバーは、ロックやその他の情報をセカ ンダリーに非同期に送る DB2 CS キャッチアップが完了 – セカンダリーがピアー状態になる (プライ マリーと同じロックやページ状態をもって いる。) Log DB2 CS Log DB2 Log Primary CS Log CS CS Updated Pages Global Locks DB2 CS Shared Data Updated Pages Global Locks Secondary (Catchup (Peer state) state) 47 クライアントの接続性とワークロードバランシング 実行中の負荷情報はクラスターをまたがった自動ワークロードバランスに使用される(System z のシスプレックスの ように) – – – – 全てのメンバーの負荷情報を各メンバーがそれぞれ所有 定期的にクライアントに通知 次の接続 (または任意の次のトランザクション) は負荷が最小のメンバーにルート ルーティングは自動的に実行 (アプリケーションに透過的) フェイルオーバー – 障害が発生したメンバーの負荷は、自動的に障害が発生していないメンバーに均等に分配 フェイルバック – 障害が発生したメンバーがオンラインに戻ると、逆の動きを実行 クライアント クライアント 48 pureScale ノード障害時の対応 障害ノード メンバー DB2 DB2 他のメンバーは 稼動し続けるか DB2 DB2 CF プライマリ PowerHA pureScale CF DB2 DB2 DB2 CF DB2 CF メンバーの役割は透過的に他のメンバーに引 き継がれる DB2 CF セカンダリ PowerHA pureScale 自動復旧できるか DB2 DB2 DB2 CF 49 pureScale ノード障害時の対応 障害ノード DB2 DB2 DB2 CF DB2 DB2 CF CF DB2 DB2 メンバーの役割は透過的に他のメンバーに引 き継がれる DB2 CF DB2 自動復旧できるか DB2 CF DB2 他のメンバーは 稼動し続けるか メンバーの役割は透過的に他のメンバーに引 き継がれる DB2 CF メンバーの役割は透過的に他のメンバーに引 き継がれる 50 DB2 pureScale 導入・構成 51 pureScale 簡単に開発・構築 DB2 pureScaleのノード追加は、 アプリケーションに影響を与えない 管理者、開発者はキャパシティ変 更の要件に対して容易に対応可能 すべてのコンポーネントの一括導入 Optimツールによる統合監視 Fixpaksやパッチの一括導入 シンプルなコマンドによるノードの追加・削除 52 pureScale 必要なコンポーネントをパッケージング クライアント 単一データベースとして見える DB2 pureScale はソフトウェアによ る完全なソリューション メンバー CS メンバー メンバー メンバー CS – 統合されたサブコンポーネントで構 成 CS 共通のインストール作業 CS – 指定したホストを経由して全てのコン ポーネントをインストール クラスターノード間通信 CS CS ログ ログ ログ 共有ストレージアクセス データベース ログ – ベスト・プラクティスに基づいて自動的に 設定 クラスターマネージャーのスクリプト 記述や設定作業は不要 – インストール時に自動的にセットアップ 53 pureScale インスタンスと稼動状況 Clients > db2start 08/24/2008 00:52:59 0 0 SQL1063N DB2START 08/24/2008 00:53:00 1 0 SQL1063N DB2START 08/24/2008 00:53:01 2 0 SQL1063N DB2START 08/24/2008 00:53:01 3 0 SQL1063N DB2START SQL1063N DB2START processing was successful. Single Database View processing processing processing processing was was was was successful. successful. successful. successful. > db2instance -list host0 host1 host2 host3 DB2 DB2 DB2 DB2 host5 host4 Shared Data db2nodes.cfg 0 1 2 3 4 5 host0 host1 host2 host3 host4 host5 0 0 0 0 0 0 host0ib host1ib host2ib host3ib host4ib host5ib MEMBER MEMBER MEMBER MEMBER CF CF ID TYPE STATE 0 1 2 3 4 5 STARTED STARTED STARTED STARTED PRIMARY PEER MEMBER MEMBER MEMBER MEMBER CF CF HOST_NAME STATE host0 host1 host2 host3 host4 host5 ACTIVE ACTIVE ACTIVE ACTIVE ACTIVE ACTIVE HOME_HOST CURRENT_HOST ALERT host0 host1 host2 host3 host4 host5 host0 host1 host2 host3 host4 host5 INSTANCE_STOPPED NO NO NO NO NO NO NO NO NO NO NO NO ALERT NO NO NO NO NO NO 54 pureScale ストレージ構成 55 pureScale サンプル構成 前提 – POWER590 or 550, CFのメモリーはMember合計サイズの40%, AIX 6.1 TL03(SP02以上), – サーバー:DB2 9.7以上, クライアント:DB2 9.7 FP1以上 クライアント通信用(Ethernet) ノード間通信用(InfiniBand) Power 550 InfiniBand Power 550 InfiniBand member1 member2 POWER6 4.2GHz CPU:4core Mem:25GB AIX6.1 TL03 SP02 DB2 9.7 pureScale POWER6 4.2GHz CPU:4core Mem:25GB AIX6.1 TL03 SP02 DB2 9.7 pureScale InfiniBand CF1 RAID5 5GB(RAID5) RAID5 POWER6 4.2GHz CPU:4core CF Mem:20GB AIX6.1 TL03 SP02 DB2 9.7 pureScale Power 550 For DATA SD RAID5 Power 550 CF2 POWER6 4.2GHz CPU:4core CF Mem:20GB AIX6.1 TL03 SP02 DB2 9.7 pureScale DS8300 RAID5 InfiniBand LUN1 for DATA hdisk2 LUN2 for DATA hdisk3 LUN3 for DATA hdisk4 LUN4 for LOG hdisk5 for TieBreaker hsidk6 For Tie Breaker 56 IBM DB製品のクラスター 製品 DB2 pureScale Infosphere Warehouse DB2 HADR, HA構成 構成 1:1 対象 中・大規模OLTP データウェアハウス 小・中規模OLTP 特徴 シェアードデータ シェアードナッシング アクティブホットスタンバイ DB2 pureScale: 中・大規模OLTPの可用性/拡張性強化 Infosphere Warehouse: 大容量データウェアハウスの高速処理/拡張性強化 DB2 HADR: 小・中規模OLTPの可用性強化 57 サマリー DB2 pureScale より高度なスケーラビリティと、優れた可用性を提供 通常運用における連続稼動性の向上 サーバーの障害発生時における連続稼動性の向上 スケーラビリティ確保に向けたアプリケーション再設計と再構築の減少 SLA達成の改善 高いトランザクションのパフォーマンスと、 極めて高い可用性を必要とするアプリケーションにおける 全体的なコストの低減 58 ストリーム・コンピューティング 59 Stream Computing Template Documentation 60 より早く知り、より多くを発見するためには新しい手段が必要です 2005年のRFIDタグの利用は13億個。 2010年までには300億個。 資本市場のデータ量は2003年から 2006年にかけて17.5倍も増加 2007年に携帯電話の 利用者は33億人 世界中の総情報量は 2年ごとに2倍になる 2011年までにインターネット の利用者は20億人に達する 政府、国防組織 61 これらに共通する課題は何でしょうか? • 大量のデータ: データベースが処理できるよりも速い • 複雑な分析: 複数の情報ソースや信号、ビデオ、音声、または他の 非構造化データの関連付け • 時間に敏感: ミリ秒以内でのレスポンスが必要 62 イベントの爆発は劇的なイノベーションを必要とします 伝統的なコンピューティング ストリーム・コンピューティング 動かないデータから 過去の(ヒストリカルな)事実を発見 動いているデータをリアルタイムに分析 バッチ方式、プル型モデル 動いている構造化データや非構造化データのス トリーム クエリー駆動 静的データに対しクエリーを投げる データベースやデータウェアハウスに依存 ストリーミング・データ ストリーム・コンピューティング ストリーミング・データに対しリアルタイムに分析・ 操作 データ Data クエリー Queries Data データ 結果 Results Queries クエリー Results 結果 b) ストリーミング・データ a)a)静的データ static data b) streaming data 63 利用例: メキシコ湾の危険と機会 緊急ニュース: 緊急ニュース: ¾ ¾ ハリケーン ハリケーン ”ディーン” ”ディーン” がカテゴリー5にアップグレード がカテゴリー5にアップグレード 同様の記事を2時間後に しました • あなたは主要な情報源によりハリケーンの接近を知ることが しました 見たものです。 できました… ¾ ¾ 予想進路はメキシコ湾を通過する見込み 予想進路はメキシコ湾を通過する見込み ストーリーは同じですが、し ¾ • 例えば NOAA によるハリケーン進路予報 ¾ 石油関連銘柄は一斉に下落 石油関連銘柄は一斉に下落 かし… • それとも気象衛星や/またはセンサーからのデータかも しれません • 進路上と見られる企業資産の位置(と価値)の情報を集計 することができれば……時価速報は別のスト ーリーを示しています • もしもそのような分析を一連のニュースより先に適用できれ ば… • あなたはメリットを享受することができます – 双方向で… 石油会社の銘柄は下 落(早期警戒に基づく) 影響を受ける企業がさ らに見つかっています (少し遅いですよね?) 進路上の重要な資産 の設備は引き続き 下落 他の銘柄は上昇、嵐の 上陸前にもかかわらず 回復を示す 64 ハリケーンの予測を基にしたリコメンデーション 予測経路上の施設へのリス クアセスメントの状況が次々 と更新される 売り・買いを薦めるためにリスクと 取引のVWAPを関連付ける ハリケーンの予測経路はリ アルタイムに変化 市場データの監視 (ハイボリューム) ポートフォーリオを示 す数値の監視 (低レイテンシー) 気象センサー,ハリケーン経路予測情報の監視 System S platform ポートフォー リオへの影 響の予測 リコメンデーション を生成し,通知 DHTMLによる結果 の表示 WebSphere Smash 65 InfoSphere Streams プラットフォーム 開発環境 SPADE Eclipse IDE 入力源を定義、オペレータを ザ ユ れ か 書 で + C は た vま Ja 終 最 び よ お ク ン シ 間 中 用 適 タ ー レ ペ オ 、 義 定 を 源 力 入 適用、中間シンクおよび最終シンク Java または C++ で書かれたユー ザー定義オペレーター ランタイム環境 InfoSphere Streams ランタイム 最適化コンパイラーは配置 と接続を自動化 小さい遅延 最大125ノードのクラスター ツールキット& アダプター ツールキット StreamSight アウトプット・アダプター & ソース・アダプター Cognos Now WebSphere MQ Mashup Center WebSphere Front Office RSS フィード 66 SPADE: Stream Processing Application Declarative Engine – 高パフォーマンス・ストリーム・コンピューティングに最適化 主な特徴 プログラミング言語とコンパイル基盤 SPADE を使ってアプリケーションを記述 クエリー オプティマイザー コンパイラー コード ジェネレータ 高パフォーマンス・ストリーミング・システムを念頭にお いた設計 幅広いバリエーションのターゲット・アーキテクチャへの 効率的なマッピング 主なコンポーネント ストリーム・プロセッシング演算子および実行ディレク ティブのツールキット Stream プロセッシング グラフ ストリーム関係型演算子 ユーザー定義演算子 エッジ・ストリーム・アダプター Streams プロセッシング・ コア 効果的な配置、パーティショニング等を行う管理機能 主な利点 ストリーム・プロセッシングに最適化 デプロイメントまでの時間短縮 67 プログラミング・モデル ソース・アダプター 演算子リポジトリ シンク・アダプター アプリケーション・プログラミング (SPADE/INQ) プラットフォーム最適化コンパイル 使いやすい 再利用可能な演算子群 外部の静的データソース またはストリーミング・ データソースおよびシン ク群 68 シンプルな例 [Application] アプリケーション SourceSink trace [Typedefs] 型定義 typespace sourcesink typedef id_t Integer typedef timestamp_t Long Source Aggregate Functor Sink [Program] プログラム // 仮想スキーマ定義 vstream Sensor (id : id_t, location : Double, light : Float, temperature : Float, timestamp : timestamp_t) // ソース・ストリームは source 演算子が生成 – この場合タプルは入力ファイルから投入される stream SenSource ( schemaof(Sensor) ) := Source( ) [ “file:///SenSource.dat” ] {} // この中間ストリームは Aggregate 演算子がSenSourceストリームを入力に使って生成。 stream SenAggregator ( schemaof(Sensor) ) := Aggregate( SenSource <count(100),count(1)> ) [ id . location ] { Any(id), Any(location), Max(light), Min(temperature), Avg(timestamp) } // この中間ストリームは functor 演算子が生成 stream SenFunctor ( id: Integer, location: Double, message: String ) := Functor( SenAggregator ) [ log(temperature,2.0)>6.0 ] { id, location, “Node ”+toString(id)+ “ at location ”+toString(location) } // リザルト管理は sink 演算子が実施 – この場合生成されたタプル群はソケット宛てに送られる Null := Sink( SenFunctor ) [ “udp://192.168.0.144:5500/” ] {} 69 7 0 Streams ランタイム 最適化スケジューラーは演算子を処理ノード へ割り付け、資源配分を継続的に行う 市販ハードウェアで稼働 – 単一ノードから BladeCenter から高パフォーマンス・マル チラック・クラスターまで 処理要素 コンテナ 処理要素 コンテナ 処理要素 コンテナ 処理要素 コンテナ 処理要素 コンテナ Streams データ・ファブリック トランスポート x86 X86 ブレード Box x86ブ X86 ブレード レード x86 FPGA ブレード ブレード x86ブ X86 ブレード レード x86 Cell ブレード ブレード 70 7 1 Streams ランタイム 最適化スケジューラーは演算子を処理ノード へ割り付け、資源配分を継続的に行う 資源、ワークロード、データ量の 変動に適応 処理要素 コンテナ 処理要素 コンテナ 市販ハードウェアで稼働 – 単一ノードから BladeCenterから高パフォーマンス・マル チラック・クラスターまで 処理要素 コンテナ 処理要素 コンテナ 処理要素 コンテナ Streams データ・ファブリック トランスポート x86 X86 ブレード Box x86ブ X86 ブレード レード x86 FPGA ブレード ブレード x86 Blue ブレード Gene x86 Cell ブレード ブレード 特殊ハードウェアの活用も可能 71 低レイテンシー エンド・トゥ・エンドの例 163 ストリーム 2,133 ストリーム 1,975 ストリーム データフィード 24 チャンネル 意思決定エンジン数: 163 Blue Gene ノード数: 356 PE数: 356 ストリーム数: 4,274 データレートは記録スピードの15倍 レイテンシーの平均値は150マイクロ秒 レイテンシーの最小値は50マイクロ秒 レイテンシーが2ミリ秒以上のメッセージ数は6.5万件のうち49件 72 Streamsight による稼動中アプリケーションの管理 アプリケーション群の論理ビューおよび物理ビュー 73 分散オペレーション B 拠点 B 拠点 C 拠点 C 拠点 A 拠点 A 拠点 74 代表的なユースケース 株式市場 自然界向けシステム • 株価への天候のインパクト • 秒あたり500万件の市況 データ、150マイクロ秒以 内のトレーディング • 野火管理 • 水資源管理 • 法規制 • リアルタイム、かつマルチモーダルな監視 r te a W 輸送 • インテリジェントな交通管制 • グローバルな航空管制 不正防止 • 複数犯不正の検知 • リアルタイムの不正防止 製造業 • マイクロチップ製造ラインの プロセス・コントロール 電波天文学 • 一瞬のイベントを検知 健康 & 生命科学 • 新生児 ICU モニタリング • 院内感染早期警戒システム • 遠隔ヘルスケア・モニタリング 75 TD 証券は InfoSphere Streams で 次世代トレーディング・プラットフォームを構築中 次世代アルゴリズミック・ トレーディング・プラットフォーム 1秒当たり160万件のイベントを処 理 ミリ秒のスピードで取引を特定、執 行 2010年までに1秒当たり500万件 のイベントまで成長する計画 コンテンツ・フィード、ニュース本文、 音声、ビデオを統合するように拡張、 より有効な意思決定のため高度な 処理内容を確立する予定 76 電波天文学 平方キロサイズのセンサー・ア レイ (SKA) 電波望遠鏡アレイからの膨大 なデータを分析 InfoSphere Streams 77 サイバーセキュリティ 様々なセンサー(ビデオ、電話通話記録、音声)を複合的に利用した監視システム 受信するデータストリームは巨大だが、“異常値”を示すデータはほとんどないというのが特 徴的 - 前処理で処理することに大いに意味がある 監視システム ボットネット検出 78 オンタリオ工科大学での研究プロジェクト 未熟児のモニタリング – SpO2(動脈血酸素飽和度)と Mean ABP(観血的動脈血圧の 平均)を関連付けることで“新 生児心肺停止”を予測 • Sp02<85% • 20秒間 血圧(BP)< 在胎週数 (GestAge) Source Join Aggregate Functor Alert BP Functor Aggregate Join Source GestAge Alert Source Aggregate Functor – 院内感染予測 • 心拍数(HR)の変動をモニタリング • 臨床情報システム(CIS)のモニタリ ング • データを融合して敗血症を予測 • ベテラン ICU 看護士より6-24時間 早期に検知 Sp02 Source Source Source Join Punctor UDF Aggregate Aggregate Functor UDF Aggregate Join Baby Crashing: Sp02<85%&& BP< Aggregate GestAge for 20 secs) 79 ありがとうございました 80