データセンター视点で考えてみる贬补诲辞辞辫

Nov 24, 20093 likes1,807 views

Atsushi Nakada

HadoopカンファレンスJapanで行ったクロージングスピーチのスライドです。日経BP社、日経コンピュータ編集部の中田が行いました。

2009年11月13日
Hadoop カンフ?レンスクロージングスピーチ

データセンター視点で
考えてみるHadoop

日経BP社日経コンピュータ
中田敦

日経コンピュータも
Hadoopを追いかけます！

2009年
11月24日号に
ご期待ください

ところで…

Yahoo! が
Hadoopを運用している
データセンターが
どのようなものか
ご存じですか？

米Yahoo!本社の
コンテナ型データセンター

海上輸送などに使用
する国際規格の幅8
フ?ート（2メートル
44センチ）、長さ40
フ?ート（12メート
ル20センチ）のコン
テナ

米Yahoo!本社の
コンテナ型データセンター

コンテナの壁に沿って、
サーバーがギッシリと
詰め込まれています

米Yahoo!本社の
コンテナ型データセンター

ラックとラックの間にある
銀色の箱は「ラジエター」。
中に水が循環する細いパ?
プが張り巡らされています。
中にある大きなフ?ンで風
を起こして、サーバーが発
する熱を流し込み、ラジエ
ターの中を流れる水によっ
て熱を冷やす仕組み

米Yahoo!本社の
コンテナ型データセンター

サーバーの電源はラックの上
部に集約されています。
サーバーのマザーボードには
電源は実装されていません。
そのため電源が発する熱が
サーバー内にこもらない仕組
み

米Yahoo!本社の
コンテナ型データセンター

コンテナには水を供給?
排出するホースが合計2
本接続されています。
導入された水によって
サーバーの熱を冷やし、
温まった水がコンテナ外
に排出される仕組み

コンテナ型データセンターの规模

米SGI「ICEcube」の仕様（コンテナ1台当たり）
サーバー台数最大2400台
プロセッサ数最大4800個
プロセッサコ?数最大2万2400個
ストレージ容量最大11ペタバ?ト
水の温度セ氏18度

Microsoftの場合
シカゴの最新鋭データセンター
コンテナ
200台
112台
サーバー台数
約50万台
22万4000台
（コンテナのみ）
「Data Center Knowledge」より引

なぜ贬补诲辞辞辫、なぜコンテナ？

「情報爆発」という
新しい現実に向き合うには

それに見合った
新しいツールが必要

Googleの中の人曰く

ケン?トンプソン氏

? some sort of – not Cloud
Computing but a Cloud Computer;
something that is always there and
always be accessed and always
store data and always give it back.

Googleが自作した
「クラウドコンピュータ」
?プリケーションサービス
Google
Web検索ログ解析 Gmail
Maps

論文：
プログラミング言語 Bigtable: A
論文： Sawzall Distributed Storage
Interpreting the Data: System for Structured
Parallel Analysis with Data（2006年）
Sawzall（2005年）並列プログラミングモデルキー?バリュー型データスト?
MapReduce BigTable 論文：
論文： The Google File
MapReduce: System（2003年）
Simplified Data 分散フ??ルシステム
Processing on Large Google File System（GFS）論文：
Clusters（2004年）
The Chubby lock
分散ロックシステム service for loosely-
ホワ?トペーパー： coupled distributed
The Datacenter as a Chubby systems（2006年）
Computer. An
Introduction to the
Design of Warehouse- 独自に建造したデータセンター論文：
Scale Machines（2009 Failure Trends in a
年） Large Disk Drive
グーグルプラットフォーム Population（2007年）

Hadoopとは何か？

Googleが作った
「クラウドコンピュータ」を

民主化
する存在

お伝えしたいこと

Hadoopを使って

「何か新しいこと」を

やりましょう

2010年10月16日に開催された「楽天テクノロジーカンファレンス」での講演スライドです。 ----- 「クラウドコンピュータ」の経済学中田敦（日経BP社日経コンピュータ記者）　「クラウドコンピューティング」とは、恐ろしく高性能なのにびっくりするぐらい安く使える「クラウドコンピュータ」を使うこと、です。ではなぜ、クラウドコンピュータは高性能で安いのでしょうか。その理由を、データセンター視点と産業視点の二つから考えてみます。【プロフィール】　1998年慶応義塾大学商学部卒業後、日経BP社に入社。「日経レストラン」「BizTech」「日経Windowsプロ」「ITpro」を経て、 2008年10月より「日経コンピュータ」記者。共著として「クラウド大全」「クラウド大全第二版」（日経BP社）、「Googleの全貌」（同）がある。 twitter: @Nakada_itpro

GCP Cloud SQLへのデータ移行?連携はSyniti DRにお任せ！株式会社クライム

Google CloudのCloud SQL for MySQL、SQL Server、PostgreSQLといったクラウドデータベースの移行や連携手法にお悩みではありませんか？異種間データベース連携ツール「Syniti Data Replication(旧DBMoto)」であれば、簡単に実現できます！ ?オンプレミスからクラウドへデータベースを移行/連携したい ?GCP Cloud SQL、Amazon RDS、Azure SQLといったクラウドデータベース間でもデータ連携を行いたい ?異種データベース間でデータを同期したいなどなど、これらの課題への最適解をご案内します。下記URLをご覧ください。 https://www.youtube.com/watch?v=1elZJzOc1ao

『多種DBからKafka、Hadoop、S3への対応データ統合/分析基盤へ簡単連携！』株式会社クライム

異種間データベース連携ツール「DBMoto」の名前が「Syniti Data Replication」へ変更されました。製品名変更だけでなく、データ分析の基盤となるHadoop HDFSやAmazon S3、Apache Kafkaを始め、多くのデータプラットフォームがサポートに追加され、リアルタイムにデータ連携が可能となります。 Syniti Data Replicationを使うことで、エージェントレスに、各種分析したいデータをデータプラットフォームへ連携し、ビジネスの次の一歩に繋げていくことが可能です。本セミナーでは、これらのデータプラットフォーム対応を中心に、 Syniti Data Replicationを使用して簡単にデータ連携ができることをご紹介します。下記URLをご覧ください。 https://www.youtube.com/watch?v=OPCWa2dofUc

Windows Azure HDInsight サービスの紹介Kuninobu SaSaki

Azure Data ExplorerDaisuke Masubuchi

Azure Purview Linage for Dataflow/SparkRyoma Nagata

データサイエンティストが力を発挥できるアジャイルデータ活用基盘Recruit Lifestyle Co., Ltd.

2019年4月16日（火）開催「PyData.Tokyo Meetup #19 SysML」の発表資料。データ活用施策を実サービスに組み込むには、データサイエンス?機械学習のスキルだけでなく、エンジニアリングスキルも必要です。そのため、毎回データサイエンティスト?エンジニアの工数が発生して施策がスローダウンしたり、そもそも実施を諦めることてしまうことも少なくありません。私たちリクルートライフスタイルの CET チームは、この問題を解消するため、データ活用のための統一基盤を開発?運用しデータサイエンティストだけで施策を実施できる環境を整えています。本セッションでは、その基盤がどのように構築されているのか、また実際にどのような施策が実施されているのかを具体的にご紹介します。 https://pydatatokyo.connpass.com/event/123479/

Hadoop / Elastic MapReduceつまみ食いRyuji Tamagawa

これからのデータセンターが目指す技术(公开用） Tadashi Sugita

【ウェブセミナー】AI 時代のクラウドデータウェアハウス Azure SQL Data Warehouse [実践編]Hideo Takagi

翱厂厂とクラウドによるコンピューティングモデルの変化Nobuyori Takahashi

Preview: 世界中のゲーム分析をしてきたPlayFabが大進化！一緒に裏側の最新データ探索の仕組みを覗いてみようDaisuke Masubuchi

本日最初のdb tech showcaseセッションは１６時２０分から、話します。こちらはその抜粋Preview資料です。もしよければお手元にDLください #dbts2020 #DB ★ db tech showcaseへご登録お済みの方:　https://bit.ly/2IoQKps　 ★ 未登録の方　https://bit.ly/3ljdXYt　 db tech showcase ONLINE 2020　イベントページ https://db-tech-showcase.com/dbts/2020/online　 #dbts2020 #gamestackjp 以下の内容をおはなしいたします。第一部：　PlayFab Insights ゲームの BaaS 「 PlayFab 」の分析機能についてお話します従来の分析機能が大幅にバージョンアップしました（新機能＝PlayFab Insights）内部には、Azure Data Explorer が使われています。機構をご紹介します第二部：　Azure Data Explorer Azure Data Explore についてさらにお話しますこの製品の生い立ち、過去の経緯、Microsoft社内での利用シナリオについてご紹介します

データ基盤の従来～最新の考え方とSynapse Analyticsでの実現Ryoma Nagata

大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか？maruyama097

【ウェブセミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]Hideo Takagi

トレシ?ャーテ?ータのハ?ッチクエリとアト?ホッククエリを理解するTakahiro Inoue

PaaS DBへの移行/連携ソリューション紹介! AWS, Azure, Google, IBM全てできます！株式会社クライム

Syniti Data Replicationは異種データベース間でのリアルタイムなデータ連携を簡単に構成することができるツールであり、サポートされるデータベース対応の中には、PaaSで提供されているデータベースも含まれています。データ処理/統合のトレンドがオンプレミスからクラウドへ移り変わる中で、 Syniti Data Replicationを導入することで、クラウドへの移行やデータ連携、そしてクラウド間でのデータ連携など、様々なニーズに対応できます。 ?オンプレミスのデータベースからクラウドのデータベースへの移行に使いたい！ ?Amazon Aurora、Azure SQL Database、Google Cloud SQL、IBM Db2 Warehouseなどのクラウドデータベースへ連携を行いたい！ ?クラウドのデータベース同士で、データ連携を行いたい！このようなニーズに、Syniti Data Replicationはばっちり応えます。下記URLからご覧ください。 https://www.youtube.com/watch?v=j0CYMxRpi5k&t=2113s

【轮読会】実践的データ基盘への処方笺Momota Sasaki

Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようHideo Takagi

[DI03] DWH スペシャリストが語る! Azure SQL Data Warehouse チューニングの勘所de:code 2017

クラウドサービス (PaaS) でペタバイト級のデータ分析が可能な Azure SQL Data Warehouse。今回、多様な製品でのデータウェアハウス構築の経験が豊富なシステムサポート様を迎え、リアルなシステムで本当に使える Azure SQL Data Warehouse のチューニングの勘所をお伝えします! 受講対象: Azure SQL Data Warehouse でパフォーマンスに悩んでいる方、DWH 製品を検討中の方、別製品からの移行を検討中の方に最適なセッションです。関連リソース 1: Azure SQL Data Warehouse (https://azure.microsoft.com/ja-jp/services/sql-data-warehouse/) 関連リソース 2: 株式会社システムサポート (https://www.sts-inc.co.jp/) 関連リソース 3: Microsoft Japan Data Platform Tech Sales Team Blog (https://blogs.msdn.microsoft.com/dataplatjp/) 製品/テクノロジ: Microsoft Azure/SQL Server/クラウド/ビッグデータ/運用西村哲徳日本マイクロソフト株式会社クラウド & ソリューションビジネス統括本部データプラットフォーム & クラウド技術部データプラットフォームソリューションアーキテクト山口正寛株式会社システムサポートクラウドコンサルティング事業部シニアマネージャー

2014年4月17日 dstnHub発表スライド「dataspiderインターナル：アーキテクチャ編」dstn

【ウェブセミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]Hideo Takagi

Delta lakesummaryRyoma Nagata

[Azure Deep Dive] Spark と Azure HDInsight によるビッグデータ分析入門 (2017/03/27)Naoki (Neo) SATO

(インテージテクノスフィア)贵驰20冲技术探究委员会冲高速分散技术分科会活动报告INTAGEGROUP

【17-E-3】Hadoop：黄色い象使いへの道～「Hadoop徹底入門」より～Developers Summit

[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, hadoopInsight Technology, Inc.

More Related Content

What's hot (20)

Azure Purview Linage for Dataflow/SparkRyoma Nagata

データサイエンティストが力を発挥できるアジャイルデータ活用基盘Recruit Lifestyle Co., Ltd.

Hadoop / Elastic MapReduceつまみ食いRyuji Tamagawa

これからのデータセンターが目指す技术(公开用） Tadashi Sugita

【ウェブセミナー】AI 時代のクラウドデータウェアハウス Azure SQL Data Warehouse [実践編]Hideo Takagi

翱厂厂とクラウドによるコンピューティングモデルの変化Nobuyori Takahashi

Preview: 世界中のゲーム分析をしてきたPlayFabが大進化！一緒に裏側の最新データ探索の仕組みを覗いてみようDaisuke Masubuchi

データ基盤の従来～最新の考え方とSynapse Analyticsでの実現Ryoma Nagata

大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか？maruyama097

【ウェブセミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]Hideo Takagi

トレシ?ャーテ?ータのハ?ッチクエリとアト?ホッククエリを理解するTakahiro Inoue

PaaS DBへの移行/連携ソリューション紹介! AWS, Azure, Google, IBM全てできます！株式会社クライム

【轮読会】実践的データ基盘への処方笺Momota Sasaki

Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようHideo Takagi

[DI03] DWH スペシャリストが語る! Azure SQL Data Warehouse チューニングの勘所de:code 2017

2014年4月17日 dstnHub発表スライド「dataspiderインターナル：アーキテクチャ編」dstn

【ウェブセミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]Hideo Takagi

Delta lakesummaryRyoma Nagata

[Azure Deep Dive] Spark と Azure HDInsight によるビッグデータ分析入門 (2017/03/27)Naoki (Neo) SATO

(インテージテクノスフィア)贵驰20冲技术探究委员会冲高速分散技术分科会活动报告INTAGEGROUP

Azure Purview Linage for Dataflow/SparkRyoma Nagata

データサイエンティストが力を発挥できるアジャイルデータ活用基盘Recruit Lifestyle Co., Ltd.

Hadoop / Elastic MapReduceつまみ食いRyuji Tamagawa

これからのデータセンターが目指す技术(公开用） Tadashi Sugita

【ウェブセミナー】AI 時代のクラウドデータウェアハウス Azure SQL Data Warehouse [実践編]Hideo Takagi

翱厂厂とクラウドによるコンピューティングモデルの変化Nobuyori Takahashi

Preview: 世界中のゲーム分析をしてきたPlayFabが大進化！一緒に裏側の最新データ探索の仕組みを覗いてみようDaisuke Masubuchi

データ基盤の従来～最新の考え方とSynapse Analyticsでの実現Ryoma Nagata

大規模分散システムの現在 -- GFS, MapReduce, BigTableはどう変化したか？maruyama097

【ウェブセミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]Hideo Takagi

トレシ?ャーテ?ータのハ?ッチクエリとアト?ホッククエリを理解するTakahiro Inoue

PaaS DBへの移行/連携ソリューション紹介! AWS, Azure, Google, IBM全てできます！株式会社クライム

【轮読会】実践的データ基盘への処方笺Momota Sasaki

Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようHideo Takagi

[DI03] DWH スペシャリストが語る! Azure SQL Data Warehouse チューニングの勘所de:code 2017

2014年4月17日 dstnHub発表スライド「dataspiderインターナル：アーキテクチャ編」dstn

【ウェブセミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [実践編]Hideo Takagi

Delta lakesummaryRyoma Nagata

[Azure Deep Dive] Spark と Azure HDInsight によるビッグデータ分析入門 (2017/03/27)Naoki (Neo) SATO

(インテージテクノスフィア)贵驰20冲技术探究委员会冲高速分散技术分科会活动报告INTAGEGROUP

Similar to データセンター视点で考えてみる贬补诲辞辞辫 (20)

【17-E-3】Hadoop：黄色い象使いへの道～「Hadoop徹底入門」より～Developers Summit

[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, hadoopInsight Technology, Inc.

[DDBJing31] 軽量仮想環境を用いてNGSデータの解析再現性を担保するDNA Data Bank of Japan center

軽量仮想環境を用いてNGSデータの解析再現性を担保する講師：大田達郎（ライフサイエンス統合データベースセンター特任研究員） 2015年6月12日「第31回 DDBJing 講習会 in 東京」＠国立研究開発法人科学技術振興機構東京本部別館 YouTube：YouTube：http://youtu.be/pGtAGOjN2rw DDBJing 講習会：http://www.ddbj.nig.ac.jp/ddbjing/ddbjing.html

マイニング探検会#10Yoji Kiyota

はやわかり贬补诲辞辞辫Shinpei Ohtani

Panel Discussion@WebDB forum 2014Makoto Yui

Azure Datalake 大全Daiyu Hatakeyama

自律型データベース Oracle Autonomous Database 最新情報オラクルエンジニア通信

「Oracle Autonomous Database」は、自律型データベースのサービスで、データベースの自己稼働、自己保護、自己復旧を実現する、新しいクラウド上のサービスです。これまでデータベース管理者が手作業で行ってきた日々の運用作業を自動化することができます。本セミナーでは、お客様活用事例と共に、サービス概要をご紹介します。 <こんな方におすすめ> 情報システム部門の担当者データベース管理者クラウド導入を検討されている方

础滨?贬笔颁?ビッグデータで利用される分散ファイルシステムを知る日本ヒューレット?パッカード株式会社

もうSQLとNoSQLを選ぶ必要はない！？～両者を備えたスケールアウトデータベースGridDB～griddb

Impala + Kudu を用いたデータウェアハウス構築の勘所（仮）Cloudera Japan

ビッグデータ処理データベースの全体像と使い分け - 2017年 Version - Tetsutaro Watanabe

ビッグデータ処理基盤の分野では、オンプレ?クラウド問わず様々なプロダクトが続々と登場していますが、それぞれの位置づけを明確にします。また代表的なプロダクトについて紹介し、使い分けを明確にします。具体的には、Amazon Redsfhit Spectrum, Cloud Spanner, Big Query, Oracle Exadata, MapR, cloudera, Hortonworks, EMR, Cloud Dataproc, Azure HDInsight, Amazon Athena, TREASURE DATA、Amazon DynamoDB, Azure Cosmos DB, cassandra, HBase, redis, MongoDB, TERADATA, NETEZZA,等を紹介します。

ビッグデータ活用支援フォーラムRecruit Technologies

[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...Insight Technology, Inc.

WebDB Forum 2012 基調講演資料Recruit Technologies

笔贬笔开発者のための狈辞厂蚕尝入门じゅんなかざ

Qlik Talend Cloud概要：リアルタイムデータ統合とデータ品質を実現するデータファブリックQlikPresalesJapan

[de:code 2019 振り返り Night!] Data PlatformNaoki (Neo) SATO

[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lakede:code 2017

「既に起こったことをレポートする」ことから、「これから起こりそうなことを予測する」方向へ。この要件を満たすためにどのようなデータを収集すべきか、前もって決めるのは困難です。ならば、あらゆる種類のデータを貯めておいて、必要になった時に取り出せばいい。それがデータレイクの基本的な発想です。Azure Data Lake は、あらゆる形式のデータを無尽蔵に貯めておけるストレージであり、アプリケーションの要件に合わせて柔軟にデータを取り出せる Query as a Service です。本セッションでは、 Azure Data Lake を活用したアプリケーションの設計と開発について説明します。関連リソース 1: Azure Data Lake Analytics (https://azure.microsoft.com/ja-jp/services/data-lake-analytics/) 関連リソース 2: Azure Data Lake Store (https://azure.microsoft.com/ja-jp/services/data-lake-store/) 関連リソース 3: [DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装 (https://www.microsoft.com/ja-jp/events/decode/2017/sessions.aspx#DI12) 製品/テクノロジ: Microsoft Azure/アーキテクチャ/クラウド/ビッグデータ野村一行日本マイクロソフト株式会社デベロッパーエバンジェリズム統括本部エバンジェリスト

Cloudera大阪セミナー 20130219Cloudera Japan

【17-E-3】Hadoop：黄色い象使いへの道～「Hadoop徹底入門」より～Developers Summit

[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, hadoopInsight Technology, Inc.

[DDBJing31] 軽量仮想環境を用いてNGSデータの解析再現性を担保するDNA Data Bank of Japan center

マイニング探検会#10Yoji Kiyota

はやわかり贬补诲辞辞辫Shinpei Ohtani

Panel Discussion@WebDB forum 2014Makoto Yui

Azure Datalake 大全Daiyu Hatakeyama

自律型データベース Oracle Autonomous Database 最新情報オラクルエンジニア通信

础滨?贬笔颁?ビッグデータで利用される分散ファイルシステムを知る日本ヒューレット?パッカード株式会社

もうSQLとNoSQLを選ぶ必要はない！？～両者を備えたスケールアウトデータベースGridDB～griddb

Impala + Kudu を用いたデータウェアハウス構築の勘所（仮）Cloudera Japan

ビッグデータ処理データベースの全体像と使い分け - 2017年 Version - Tetsutaro Watanabe

ビッグデータ活用支援フォーラムRecruit Technologies

[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...Insight Technology, Inc.

WebDB Forum 2012 基調講演資料Recruit Technologies

笔贬笔开発者のための狈辞厂蚕尝入门じゅんなかざ

Qlik Talend Cloud概要：リアルタイムデータ統合とデータ品質を実現するデータファブリックQlikPresalesJapan

[de:code 2019 振り返り Night!] Data PlatformNaoki (Neo) SATO

[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lakede:code 2017

Cloudera大阪セミナー 20130219Cloudera Japan

Recently uploaded (11)

贬补谤耻办颈厂丑颈苍办补飞补冲尝尝惭を利用した果树农家の経験知の対话的蓄积支援冲诲别颈尘2025Matsushita Laboratory

空间オーディオを用いたヘッドパスワードの提案と音源提示手法の最适化sugiuralab

近年、音声アシスタントやバイタルデータの计测などの机能を搭载したイヤフォン型のウェアラブルデバイスであるヒアラブルデバイスが注目されている。これらの机能を悪用して、他者の个人情报や机密情报に不正にアクセスすることを防ぐために、ヒアラブルデバイス向けの认証システムが必要とされ、多くの研究が进められている。しかし、既存の研究は、生体情报を用いたものが多く、生体情报の変化や保存への悬念などの问题を抱えている。そこで、我々は、空间音响技术とヘッドジェスチャを用いた知识ベースの认証システムを提案する。具体的には、音源の组合せをパスワードとし、空间的に提示される音源をヘッドトラッキングと歯の噛み合わせ音で选択することにより认証を行う。

LF Decentralized Trust Tokyo Meetup 3LFDT Tokyo Meetup

ラズパイを使って作品を作ったらラズパイコンテストで碍厂驰赏を貰って、さらに、文化庁メディア芸术祭で审査员推荐作品に选ばれてしまった件?自作チップでラズパイ...Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)

【卒业论文】深层学习によるログ异常検知モデルを用いたサイバー攻撃検知に関する研究harmonylab

2025フードテックWeek大阪展示会 - LoRaWANを使った複数ポイント温度管理 by AVNET玉井部長CRI Japan, Inc.

実はアナタの身近にある！？ Linux のチェックポイント／レストア機能 (NTT Tech Conference 2025 発表資料)NTT DATA Technology & Innovation

【卒业论文】尝尝惭を用いた惭耻濒迟颈-础驳别苍迟-顿别产补迟别における反论の効果に関する研究harmonylab

近年の生成 AI の活用の拡大とともに, 大規模言語モデル(LLM)の推論能力の向上や, 人間にとって推論過程が理解しやすい出力を行うように様々な手法が提案されてきた. 本研究では, LLM の推論能力向上手法としての MAD に着目し, 既存の MAD フレームワークに対して人間の議論では一般的に使用される反論を導入することを提案した. 本研究の反論の導入により, フィードバック内容の多様化や推論過程を明確にすることができることを示した.

第1回日本理学疗法推论学会学术大会での発表资料（2025年3月2日　高桥可奈恵）Matsushita Laboratory

测距センサと滨惭鲍センサを用いた指轮型デバイスにおける颜认証システムの提案sugiuralab

スマートリングは，主に决済やスマートロックなどに利用できる便利なウェアラブルデバイスであるが，个人认証机能の搭载例は少なくセキュリティ上の悬念が残されている．心拍数や动作特性を利用する认証では，认証に时间がかかるなどの问题があり，指纹认証や颜认証もデバイスのサイズや消费电力，プライバシーの问题が课题となっている．そこで，我々は测距センサと滨惭鲍センサを搭载した指轮型デバイスを用いることで，スマートリングに搭载可能なほど小型かつ省电力で，カメラ不使用によりプライバシーリスクを低减した颜认証システムを提案する．

狈辞诲补滨迟蝉耻办颈冲反省観点の分类に基づく试合の振り返り支援システムに関する有用性検証冲顿贰滨惭2025Matsushita Laboratory

本研究の目的は，チームスポーツの選手が試合後に行う振り返りを支援することである．試合内容を振り返り反省点を認識することは，ミスの繰り返しを防いだり，プレー中の判断精度を向上させたりする上で重要である．しかし，チームスポーツでは，個人の行動だけでなく，展開に応じた位置取りや選手間の連携などチーム全体の状況を意識する必要があり，考慮すべき項目が多く反省点を系統立てて言語化することは容易ではない．そこで，反省内容をタイプ分けし，項目ごとに反省点を言語化できるように支援することで，この解決を試みた．提案システムの有用性を検証するため，選手の動きが複雑化している傾向にあるスポーツであるサッカーを対象とし，サッカー経験者12名を対象に，システムを利用して試合内容を振り返る様子を観察した．その結果，反省観点の提示が反省内容の具体化や，多角的な視点からの反省の促進に寄与することが示唆された．

贬补谤耻办颈厂丑颈苍办补飞补冲尝尝惭を利用した果树农家の経験知の対话的蓄积支援冲诲别颈尘2025Matsushita Laboratory

空间オーディオを用いたヘッドパスワードの提案と音源提示手法の最适化sugiuralab

LF Decentralized Trust Tokyo Meetup 3LFDT Tokyo Meetup

【卒业论文】深层学习によるログ异常検知モデルを用いたサイバー攻撃検知に関する研究harmonylab

2025フードテックWeek大阪展示会 - LoRaWANを使った複数ポイント温度管理 by AVNET玉井部長CRI Japan, Inc.

実はアナタの身近にある！？ Linux のチェックポイント／レストア機能 (NTT Tech Conference 2025 発表資料)NTT DATA Technology & Innovation

【卒业论文】尝尝惭を用いた惭耻濒迟颈-础驳别苍迟-顿别产补迟别における反论の効果に関する研究harmonylab

第1回日本理学疗法推论学会学术大会での発表资料（2025年3月2日　高桥可奈恵）Matsushita Laboratory

测距センサと滨惭鲍センサを用いた指轮型デバイスにおける颜认証システムの提案sugiuralab

狈辞诲补滨迟蝉耻办颈冲反省観点の分类に基づく试合の振り返り支援システムに関する有用性検証冲顿贰滨惭2025Matsushita Laboratory

データセンター视点で考えてみる贬补诲辞辞辫

1. 2009年11月13日 Hadoop カンフ?レンスクロージングスピーチデータセンター視点で考えてみるHadoop 日経BP社日経コンピュータ中田敦

2. 日経コンピュータも Hadoopを追いかけます！ 2009年 11月24日号にご期待ください

3. ところで… Yahoo! が Hadoopを運用しているデータセンターがどのようなものかご存じですか？

4. 米Yahoo!本社のコンテナ型データセンター海上輸送などに使用する国際規格の幅8 フ?ート（2メートル 44センチ）、長さ40 フ?ート（12メートル20センチ）のコンテナ

5. 米Yahoo!本社のコンテナ型データセンターコンテナの壁に沿って、サーバーがギッシリと詰め込まれています

6. 米Yahoo!本社のコンテナ型データセンターラックとラックの間にある銀色の箱は「ラジエター」。中に水が循環する細いパ? プが張り巡らされています。中にある大きなフ?ンで風を起こして、サーバーが発する熱を流し込み、ラジエターの中を流れる水によって熱を冷やす仕組み

7. 米Yahoo!本社のコンテナ型データセンターサーバーの電源はラックの上部に集約されています。サーバーのマザーボードには電源は実装されていません。そのため電源が発する熱がサーバー内にこもらない仕組み

8. 米Yahoo!本社のコンテナ型データセンターコンテナには水を供給? 排出するホースが合計2 本接続されています。導入された水によってサーバーの熱を冷やし、温まった水がコンテナ外に排出される仕組み

9. コンテナ型データセンターの规模米SGI「ICEcube」の仕様（コンテナ1台当たり）サーバー台数最大2400台プロセッサ数最大4800個プロセッサコ?数最大2万2400個ストレージ容量最大11ペタバ?ト水の温度セ氏18度

10. Googleは2005年11月からコンテナ型データセンターを運用

11. Microsoftの場合シカゴの最新鋭データセンターコンテナ 200台 112台サーバー台数約50万台 22万4000台（コンテナのみ）「Data Center Knowledge」より引

12. なぜ贬补诲辞辞辫、なぜコンテナ？「情報爆発」という新しい現実に向き合うにはそれに見合った新しいツールが必要

13. Googleの中の人曰くケン?トンプソン氏 ? some sort of – not Cloud Computing but a Cloud Computer; something that is always there and always be accessed and always store data and always give it back.

14. Googleが自作した「クラウドコンピュータ」 ?プリケーションサービス Google Web検索ログ解析 Gmail Maps 論文：プログラミング言語 Bigtable: A 論文： Sawzall Distributed Storage Interpreting the Data: System for Structured Parallel Analysis with Data（2006年） Sawzall（2005年）並列プログラミングモデルキー?バリュー型データスト? MapReduce BigTable 論文：論文： The Google File MapReduce: System（2003年） Simplified Data 分散フ??ルシステム Processing on Large Google File System（GFS）論文： Clusters（2004年） The Chubby lock 分散ロックシステム service for loosely- ホワ?トペーパー： coupled distributed The Datacenter as a Chubby systems（2006年） Computer. An Introduction to the Design of Warehouse- 独自に建造したデータセンター論文： Scale Machines（2009 Failure Trends in a 年） Large Disk Drive グーグルプラットフォーム Population（2007年）

15. Hadoopとは何か？ Googleが作った「クラウドコンピュータ」を民主化する存在

16. お伝えしたいこと Hadoopを使って「何か新しいこと」をやりましょう

17. お伝えしたいことユーザー事例については日経コンピュータにご連絡を

18. ありがとうございました Twitter: @Nakada_itpro

狠狠撸

データセンター视点で考えてみる贬补诲辞辞辫

Recommended

More Related Content

What's hot (20)

Similar to データセンター视点で考えてみる贬补诲辞辞辫 (20)

Recently uploaded (11)

データセンター视点で考えてみる贬补诲辞辞辫