Apache cassandraと apache sparkて?作るテ?ータ解析フ?ラットフォーム
Download as PPTX, PDF10 likes5,227 views
Cassandra Summit Tokyo 2015 発表スライド
More Related Content
What's hot (20)
Viewers also liked (6)
Similar to Apache cassandraと apache sparkて?作るテ?ータ解析フ?ラットフォーム (20)
![[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...](https://cdn.slidesharecdn.com/ss_thumbnails/dbts2018e28hadoopdatalake-181004235141-thumbnail.jpg?width=560&fit=bounds)
![[db tech showcase Tokyo 2017] E23: クラウド異種データベース(AWS)へのデータベース移行時の注意点 ～レプリケーション...](https://cdn.slidesharecdn.com/ss_thumbnails/e23-170912023826-thumbnail.jpg?width=560&fit=bounds)
More from Kazutaka Tomita (11)
Apache cassandraと apache sparkて?作るテ?ータ解析フ?ラットフォーム
- 1. Apache Cassandraと Apache Sparkで作 るデータ解析プラットフォーム 株式会社INTHEFOREST
- 4. IoTデータとは IoTとM2M Internet of Things Machine to Machine マシンツーマシン（Machine-to-Machine）とは、 コンピュータネットワークに繋がれた機械同士 が人間を介在せずに相互に情報交換し、自動 的に最適な制御が行われるシステムを指す。 一意に識別可能な「もの」がインターネット/ク ラウドに接続され、情報交換することにより相 互に制御する仕組みである
- 5. IoTデータとは 例１) iBeacon BLE(Bluetooth low Energy)を使える端末（ス マートフォンなど）を発信器として、その端末の 持つエリアへの入出検知や距離計測を行える 仕組み（東京駅構内ナビなど） データの性質：人数×回数×拠点数×時間 1時間に1000人の人が2回通過 ID等：100b 拠点数：50箇所 増加率 1mb/h 24mb/d 720mb/m 4.32gb/hm
- 10. Cassandraの普遍性 IoT向けデータベースとしてのCassandraの特徴 ? 書込みに強い。 ? 書込み先が分散化されているので同時多数書込みに強い（秒間100万 書込み等） ? 結果整合性による柔軟な書込み精度を選択可能 ? 解析ツールとの親和性 ? 多彩なドライバ（ODBC、JDBC、ＰＨＰ、Ｒｕｂｙ、Perl等） ? Apache Hadoop、Apache Spark、Presto等の多彩な解析ツールを利用可能 ? マルチベンダー ? Windows、Ｌｉｎｕｘ、各種クラウド、JVMが稼働すれば使用する事が出来ま す。Windowsでの採用実績もあります。
- 12. Sparkの力 Sparkとは 高速なデータ分析のための新たな手段 Sparkの特徴 ? RDD（Resilient Distributed Dataset?弾性分散データセット） ? 不変（イミュータブル） ? 分割?分散配置 ? インメモリー ? 遅延評価 ? Hadoop連携 ? HDFS自動連携 ? YARN連携
- 15. Sparkの力 Sparkのライブラリ ? Spark Streaming データの逐次時系列処理 ? Spark SQL ? SQLライクなQuery言語 ? GraphX ? グラフとグラフ並列計算API ? MLLib ? 機械学習アルゴリズムAPI
- 16. Sparkの力 ? Spark Streaming データの逐次時系列処理 Spark Streaming with Cassandra ソーシャル ストリーム Spark Streaming Cassandra store Hello World Hello World Hello World ※短時間のShortBatchを逐次実行可能。
- 17. Sparkの力 ? Spark SQL SQLライクなDSL言語 Spark SQL with Cassandra Spark SQL Cassandra var rdd = cc.sql("SELECT * from test2.words a join test2.phrase b on a.word = b.phrase")
- 19. Sparkの力 ? GraphX グラフとグラフ並列計算API GraphX with Cassandra GraphX CassandraCassandra ソーシャルグラフ解析?テキスト解析など
- 20. Sparkの力 ? MLLib ? 機械学習アルゴリズムAPI MLLib with Cassandra Data types Basic statistics summary statistics correlations stratified sampling hypothesis testing random data generation Classification and regression linear models (SVMs, logistic regression, linear regression) naive Bayes decision trees ensembles of trees (Random Forests and Gradient-Boosted Trees) isotonic regression Collaborative filtering alternating least squares (ALS) Clustering k-means Gaussian mixture power iteration clustering (PIC) latent Dirichlet allocation (LDA) streaming k-means Dimensionality reduction singular value decomposition (SVD) principal component analysis (PCA) Feature extraction and transformation Frequent pattern mining FP-growth Optimization (developer) stochastic gradient descent limited-memory BFGS (L-BFGS) 最新ではアルゴリズムの数が格段に増えました。 大量にためる→機械学習 この組合せに最適 Tweet 3000万件のClusteringなど
- 22. まとめ ? IoTデータは爆発しやすい ? Cassandraは大規模データの管理に親和性がある ? Cassandraはデータストレージなので機能そのものはさほど多くない ? SparkはCassandraの足りないところを上手に補ってくれる。