hadoop conference japan 2009 - ntt data
DESCRIPTION
NTT Data's presentation at Hadoop Conference Japan 2009 (Nov 13)TRANSCRIPT
Copyright ©2009 NTT DATA Corporation
株式会社 NTTデータ
基盤システム事業本部
政谷
株式会社 NTTデータ
基盤システム事業本部
政谷
2009年11月13日2009年11月13日
SI事業の視点から見た Hadoop の適用領域と今後の展望
~ NTTデータにおけるHadoopへの取り組み ~
SI事業の視点から見た Hadoop の適用領域と今後の展望
~ NTTデータにおけるHadoopへの取り組み ~
Hadoop Conference Japan 2009
1Copyright ©2009 NTT DATA Corporation
担当紹介担当紹介
NTTデータ 基盤システム事業本部 OSS技術統括部
Linux/OSSを利用したシステム構築・運用をサポートする業務を担当OSSによるシステム基盤 Prossione®
– 徹底的に検証・評価したOSSの組み合わせ、設定・運用のノウハウの提供
– 高品質なシステム基盤を実現する仕組みの整備
OSSのサポートサービス Linaccident®
– 幅広いOSSを対象とするプロフェッショナルサービスの提供
最近は、OSSを活用したクラウド分散処理基盤 Hadoopの技術整備も担当
『象』 好きです
PostgreSQL Hadoop
2Copyright ©2009 NTT DATA Corporation
本日のアジェンダ本日のアジェンダ
Hadoopへの取り組み
OSSベースの企業ITシステム規模と動向
NTTデータの取り組み
Hadoop+OSSで今後のITはどう変わるのか
4Copyright ©2009 NTT DATA Corporation
OSSの未来OSSの未来
独自ハード +UNIX
IAサーバ+
Windows
独自ハード +独自OS
(メインフレーム)
IAサーバ
+OSS
1970 1980 1990 2000 未来
一般的な
顧客が利用
可能な性能
従来技術は、必要充分な性能をもった後発のローエンド技術に凌駕されていく!
性能
「ムーアの法則」半導体集積密度は18ヵ月で2倍
「ギルダーの法則」ネットワークの通信速度は
6~9ヵ月で2倍(ネットワークの時代)
「メトカーフの法則」ネットワークの価値はユーザ数の2乗に比例
(マス・コラボレーションの時代)
5Copyright ©2009 NTT DATA Corporation
クラウド時代のITシステム ... クラウド時代のITシステム ...
IT基盤をより Smart に
無駄を減らすことによる効率化、資源のプール化などで実現
単一性と多様性のバランスが練られたシステム
コモディティ技術を使い切ることがポイントに
スケールアウト技術を身近なものに
IAサーバ+OSSにより多数のサーバの利用が容易化
新しい処理モデルやデータモデルの浸透従来のACIDを求める処理方式とは異なるモデル
MapReduceアルゴリズム、Key-Valueストア、自律分散協調システム など
6Copyright ©2009 NTT DATA Corporation
なぜ Hadoop か?なぜ Hadoop か?
今まで扱うことが難しかった領域を切り拓くペタバイトクラスのデータ、大規模分散処理
数千台規模のサーバを用いることで、従来は困難であった処理が実現できる
『定型的な業務データ』 処理の枠組みにとらわれない単純なETLではなく 準定型的なデータも扱える 柔軟な ETL & ELT (*1)
プロセス指向だけでなく、データ指向に基づいたシステムの浸透
ターゲット現在: コスト、スケールに価値を
見出す 『先見派』
今後: さらなる生産性向上の手段を求めている 『実利派』
* “Impact of Cloud Computing on Research in Extreme Scale Analytics” Hamid Prahesh [email protected]
Extract Transform Load
DataRepository
Source
TransformAnalyze
8Copyright ©2009 NTT DATA Corporation
OSS構築実績 (規模・処理量マップ)OSS構築実績 (規模・処理量マップ)
DB規模
処理量(万件/時)
●●
●
●
●
●
●
●
●
●
●
●
●
●
5
40
10
20
10万件 100万件 300万件 500万件 1000万件 1億件
60
●
●●
●
●
●
10億件
~150TPS~2TB
敢えて乱暴に絵を描いてみる
9Copyright ©2009 NTT DATA Corporation
経産省実証案件実施中
OSS構築実績 (規模・処理量マップ)OSS構築実績 (規模・処理量マップ)
DB規模
処理量(万件/時)
●●
●
●
●
●
●
●
●
●
●
●
●
●
5
40
10
20
10万件 100万件 300万件 500万件 1000万件 1億件
60
●
●●
●
●
●
10億件
~数PB
構築・運用支援中
10Copyright ©2009 NTT DATA Corporation
経産省実証案件実施中
OSS構築実績 (規模・処理量マップ)OSS構築実績 (規模・処理量マップ)
DB規模
処理量(万件/時)
●●
●
●
●
●
●
●
●
●
●
●
●
●
5
40
10
20
10万件 100万件 300万件 500万件 1000万件 1億件
60
●
●●
●
●
●
10億件
構築・運用支援中
先見派
実利派
今後のターゲット領域
12Copyright ©2009 NTT DATA Corporation
2匹目の象を育むために2匹目の象を育むために
キャズム
実利派 保守派懐疑派先見派
時間マニア
顧客数 サーバLinuxPostgreSQL
パフォーマンス市場(ハイエンド)
バリュー市場(メインストリーム)
要件定義支援サービス、設計・構築サービス の提供
OSからHadoopまで一貫した スタックサポートサービス、
オンサイト障害対応サービス の提供
OSS基盤を使ったシステム構築の 実績作り
要件定義支援サービス、設計・構築サービス の提供
OSからHadoopまで一貫した スタックサポートサービス、
オンサイト障害対応サービス の提供
OSS基盤を使ったシステム構築の 実績作り
新技術普及の流れ
Hadoop
技術に強くはない、コモディティ化した技術をマーケット・リーダから購入、手厚いサポート必須
技術に強い、リスクは取らない生産性向上の手段を求めている
自分で組み合わせる顧客が自分で改造 組み込まれて目に見えなければ購入
13Copyright ©2009 NTT DATA Corporation
3つのクラウドタイプ3つのクラウドタイプ
AmazonタイプのIaaS
Force.comタイプのPaaS
HadoopタイプのPaaS
特徴徹底した
仮想化インフラの追及
徹底したマルチテナンシーの追及
(DB仮想化)
徹底したスケーラビリティの追及
(BASE)
適したアプリ
Webアプリ一品モノ
既存アプリのマイグレーション
Webアプリワークフロー
ビジネスプロセス系参照・問合せ系
キャンペーンサイト社内システム
大規模データBI/DWH
センサー系分析系、バッチ系参照・問合せ系
メディア系
適さないアプリ 大規模データ、BI/DWH
高トランザクション高インタラクティブ
メディア系コンテンツ大規模データ、BI/DWH
リアルタイムトランザクション
高インタラクティブ
スタック構成
(Web/AP/DB)サーバゲストOS、ゲストOS、・・・VMM(ハイパーバイザー)
ハード
(AP/API/検索)サーバDBクラスタ
ハード
MapReduce分散ファイルシステム
OSハード
14Copyright ©2009 NTT DATA Corporation
経産省 「実証事業」 に Hadoopベースの提案が採択経産省 「実証事業」 に Hadoopベースの提案が採択
テーマ:クラウド型分散処理基盤 (Hadoop) の適用性評価
基盤の観点では...
クラウド基盤信頼性向上への取り組み
Master Server の冗長化確立した Heartbeat + DRBD に加えて Kemari + DRBD を評価
クラウド基盤運用効率化への取り組み
初期構築・増設、故障交換時のノードの自動構成を標準的な製品機能とOSSの組合せで実現
サーバの種別・機種が混在する環境でも適用可能な実装を実証
15Copyright ©2009 NTT DATA Corporation
Heartbeat + DRBD による Master Server の冗長化Heartbeat + DRBD による Master Server の冗長化
Master Server(NameNode,JobTracker)の冗長化を実現Heartbeat
Linux-HAプロジェクトによって開発されたサーバのHAソフトウェアhttp://www.linux-ha.org/ja/HomePage_ja
DRBD(Distributed Replicated Block Device)
2台のサーバ間でディスク上のデータミラーリングを実現するソフトウェア
http://www.drbd.org/
heartbeat
DRBD
NameNode
heartbeat
DRBD
NameNode
editsファイルイメージファイルeditsファイルイメージファイル
Heartbeat/ミラーリング LAN
永続データの同期型ミラー
NameNode(現用系)NameNode(待機系)
16Copyright ©2009 NTT DATA Corporation
Master Server冗長化 (続き)Master Server冗長化 (続き)
Master Serverのうち、 Job Trackerは永続データの引き継ぎは不要NameNodeの冗長化では永続データの引継ぎが必要
イメージファイルHDFS上のデータに対する格納先ノード、ブロックサイズなどのメタ情報が格納されたファイルNameNode起動時にメモリにロードされ、チェックポイントのタイミング及び、NameNode停止時にディスク上のファイルにフラッシュされる。
editsファイルイメージファイルに対するトンラザクションログメタ情報の更新時はイメージファイルではなく、トランザクションログに更新内容が出力
NameNodeの異常終了(プロセスダウンなど)後にNameNodeを起動する場合、イメージファイルにeditsファイルの更新内容が適用され、異常終了直前の整合性が維持された状態にメタ情報が復元される。
Job Trackerのハード故障時、実行中のJobの内容は失われる...長時間かけた処理の結果が失われるのは辛い
17Copyright ©2009 NTT DATA Corporation
“Kemari” ?“Kemari” ?
Copyright © 2007-2008 Nippon Telegraph and Telephone Corporation 17
鞠を落とさない!↓
サーバを落とさない!
蹴鞠(Kemari)
http://www.ntt.co.jp/cclab/activity/category_6/a_product_01.htmlhttp://www.osrg.net/kemari/
18Copyright ©2009 NTT DATA Corporation
“Kemari” + DRBD による Master Server の冗長化“Kemari” + DRBD による Master Server の冗長化
Hardware
Xen
Dom0 DomU
Back-end Front-end
Kemari イベントチャネルKemari イベントチャネル
Kemari差分転送
Kemari差分転送
Hardware
Xen
Dom0DomU
Back-endFront-end
Kemari差分更新
Kemari差分更新
Network
Sync DomU
[1] 特定のイベントを補足し、VMを一時停止
[2] 運用系の差分を転送
DRBD or SAN
[3] 差分で待機系を更新
Job Tracker ハード故障時でも、Job の中断・再試行を回避できる
Kemari KVM版 開発中!!
20Copyright ©2009 NTT DATA Corporation
まずは、大規模データ処理ニーズを取り込むまずは、大規模データ処理ニーズを取り込む
現在: 先見派 ~ コスト・スケールメリットを訴求とにかく大きなデータを扱いたい - 大量の生データ
あまり複雑な処理まで未だ望んでいないバッチ処理でデータを抄訳、...
メリットがあるところから適材適所で使われるまずは大規模バッチへの適用から、適宜従来システムとのハイブリッド化(例 Facebookのハイブリッド構成)
基盤の経済的な構築・運用の実績作りの段階
今後: 実利派 ~ 『生産性向上』 のシナリオデータ指向に基づいたITシステムの活用が新しいIT領域を切り拓き、新しいビジネスを創出する
より抽象度の高いツールの使いこなし ← 今後の取り組み適切な可視化ツールの整備
21Copyright ©2009 NTT DATA Corporation
大規模データを対象としたITシステム大規模データを対象としたITシステム
今まで扱うことが難しかった領域を切り拓く~ 大規模データを扱うシステム それ自体が「新しいITシステム」
大量データを扱うプラットフォームを Commodity で実現するのが当り前に長期に渡るデータの収集、Webスケールのデータ収集を可能に→ HDFS + IAサーバ
プロセス指向のITシステムからデータ指向に基づいたITシステムへの転換
プロセス指向のIT化 ~ データの扱いは ETLExtract Transform Loadドメイン・業務分析 → 構造化できるデータを特定 → システム化活用
予め解釈を与えておいて
データ指向のIT化Gather Extract Load & Transform集めて 面白そうな対象を選び システムに取り込みモデル化を試みる
分析対象のモデル化作業自体をIT化の対象とする Extreme Analytics
データを対象にした extreme programming 様のプラットフォームとして Hadoop が普及 ☺
記載されている会社名、商品名、又はサービス名は、各社の登録商標又は商標です。
お問い合わせ先:株式会社NTTデータ 基盤システム事業本部システム方式技術ビジネスユニット OSS技術統括部 (担当: 濱野, 政谷)
メール: [email protected] TEL: 050-5546-2496