Enviar búsqueda
Cargar
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
•
5 recomendaciones
•
6,507 vistas
Insight Technology, Inc.
Seguir
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 50
Descargar ahora
Descargar para leer sin conexión
Recomendados
PostgreSQL: XID周回問題に潜む別の問題
PostgreSQL: XID周回問題に潜む別の問題
NTT DATA OSS Professional Services
Oracle Data Guard による高可用性
Oracle Data Guard による高可用性
Yahoo!デベロッパーネットワーク
Inside vacuum - 第一回PostgreSQLプレ勉強会
Inside vacuum - 第一回PostgreSQLプレ勉強会
Masahiko Sawada
Hadoopの概念と基本的知識
Hadoopの概念と基本的知識
Ken SASAKI
PostgreSQLレプリケーション10周年!徹底紹介!(PostgreSQL Conference Japan 2019講演資料)
PostgreSQLレプリケーション10周年!徹底紹介!(PostgreSQL Conference Japan 2019講演資料)
NTT DATA Technology & Innovation
PostgreSQLでスケールアウト
PostgreSQLでスケールアウト
Masahiko Sawada
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Web Services Japan
ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
hamaken
Recomendados
PostgreSQL: XID周回問題に潜む別の問題
PostgreSQL: XID周回問題に潜む別の問題
NTT DATA OSS Professional Services
Oracle Data Guard による高可用性
Oracle Data Guard による高可用性
Yahoo!デベロッパーネットワーク
Inside vacuum - 第一回PostgreSQLプレ勉強会
Inside vacuum - 第一回PostgreSQLプレ勉強会
Masahiko Sawada
Hadoopの概念と基本的知識
Hadoopの概念と基本的知識
Ken SASAKI
PostgreSQLレプリケーション10周年!徹底紹介!(PostgreSQL Conference Japan 2019講演資料)
PostgreSQLレプリケーション10周年!徹底紹介!(PostgreSQL Conference Japan 2019講演資料)
NTT DATA Technology & Innovation
PostgreSQLでスケールアウト
PostgreSQLでスケールアウト
Masahiko Sawada
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Redshift パフォーマンスチューニングテクニックと最新アップデート
Amazon Web Services Japan
ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
hamaken
YugabyteDBを使ってみよう(NewSQL/分散SQLデータベースよろず勉強会 #1 発表資料)
YugabyteDBを使ってみよう(NewSQL/分散SQLデータベースよろず勉強会 #1 発表資料)
NTT DATA Technology & Innovation
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
NTT DATA Technology & Innovation
概念モデリング再入門 + DDD
概念モデリング再入門 + DDD
Hiroshima JUG
Unified JVM Logging
Unified JVM Logging
Yuji Kubota
商用DBからPostgreSQLへ まず知っておいて欲しいまとめ
商用DBからPostgreSQLへ まず知っておいて欲しいまとめ
Kosuke Kida
Vacuum徹底解説
Vacuum徹底解説
Masahiko Sawada
Google Cloud ベストプラクティス:Google BigQuery 編 - 03 : パフォーマンスとコストの最適化
Google Cloud ベストプラクティス:Google BigQuery 編 - 03 : パフォーマンスとコストの最適化
Google Cloud Platform - Japan
トランザクションの設計と進化
トランザクションの設計と進化
Kumazaki Hiroki
MySQLの文字コード事情
MySQLの文字コード事情
Masahiro Tomita
Dockerからcontainerdへの移行
Dockerからcontainerdへの移行
Akihiro Suda
しばちょう先生による特別講義! RMANバックアップの運用と高速化チューニング
しばちょう先生による特別講義! RMANバックアップの運用と高速化チューニング
オラクルエンジニア通信
アーキテクチャから理解するPostgreSQLのレプリケーション
アーキテクチャから理解するPostgreSQLのレプリケーション
Masahiko Sawada
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
Amazon Web Services Japan
MySQLレプリケーションあれやこれや
MySQLレプリケーションあれやこれや
yoku0825
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
押さえておきたい、PostgreSQL 13 の新機能!!(Open Source Conference 2021 Online/Hokkaido 発表資料)
押さえておきたい、PostgreSQL 13 の新機能!!(Open Source Conference 2021 Online/Hokkaido 発表資料)
NTT DATA Technology & Innovation
Hive on Tezのベストプラクティス
Hive on Tezのベストプラクティス
Yahoo!デベロッパーネットワーク
3000社の業務データ絞り込みを支える技術
3000社の業務データ絞り込みを支える技術
Ryo Mitoma
webエンジニアのためのはじめてのredis
webエンジニアのためのはじめてのredis
nasa9084
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
hamaken
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
Insight Technology, Inc.
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
griddb
Más contenido relacionado
La actualidad más candente
YugabyteDBを使ってみよう(NewSQL/分散SQLデータベースよろず勉強会 #1 発表資料)
YugabyteDBを使ってみよう(NewSQL/分散SQLデータベースよろず勉強会 #1 発表資料)
NTT DATA Technology & Innovation
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
NTT DATA Technology & Innovation
概念モデリング再入門 + DDD
概念モデリング再入門 + DDD
Hiroshima JUG
Unified JVM Logging
Unified JVM Logging
Yuji Kubota
商用DBからPostgreSQLへ まず知っておいて欲しいまとめ
商用DBからPostgreSQLへ まず知っておいて欲しいまとめ
Kosuke Kida
Vacuum徹底解説
Vacuum徹底解説
Masahiko Sawada
Google Cloud ベストプラクティス:Google BigQuery 編 - 03 : パフォーマンスとコストの最適化
Google Cloud ベストプラクティス:Google BigQuery 編 - 03 : パフォーマンスとコストの最適化
Google Cloud Platform - Japan
トランザクションの設計と進化
トランザクションの設計と進化
Kumazaki Hiroki
MySQLの文字コード事情
MySQLの文字コード事情
Masahiro Tomita
Dockerからcontainerdへの移行
Dockerからcontainerdへの移行
Akihiro Suda
しばちょう先生による特別講義! RMANバックアップの運用と高速化チューニング
しばちょう先生による特別講義! RMANバックアップの運用と高速化チューニング
オラクルエンジニア通信
アーキテクチャから理解するPostgreSQLのレプリケーション
アーキテクチャから理解するPostgreSQLのレプリケーション
Masahiko Sawada
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
Amazon Web Services Japan
MySQLレプリケーションあれやこれや
MySQLレプリケーションあれやこれや
yoku0825
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
押さえておきたい、PostgreSQL 13 の新機能!!(Open Source Conference 2021 Online/Hokkaido 発表資料)
押さえておきたい、PostgreSQL 13 の新機能!!(Open Source Conference 2021 Online/Hokkaido 発表資料)
NTT DATA Technology & Innovation
Hive on Tezのベストプラクティス
Hive on Tezのベストプラクティス
Yahoo!デベロッパーネットワーク
3000社の業務データ絞り込みを支える技術
3000社の業務データ絞り込みを支える技術
Ryo Mitoma
webエンジニアのためのはじめてのredis
webエンジニアのためのはじめてのredis
nasa9084
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
hamaken
La actualidad más candente
(20)
YugabyteDBを使ってみよう(NewSQL/分散SQLデータベースよろず勉強会 #1 発表資料)
YugabyteDBを使ってみよう(NewSQL/分散SQLデータベースよろず勉強会 #1 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
概念モデリング再入門 + DDD
概念モデリング再入門 + DDD
Unified JVM Logging
Unified JVM Logging
商用DBからPostgreSQLへ まず知っておいて欲しいまとめ
商用DBからPostgreSQLへ まず知っておいて欲しいまとめ
Vacuum徹底解説
Vacuum徹底解説
Google Cloud ベストプラクティス:Google BigQuery 編 - 03 : パフォーマンスとコストの最適化
Google Cloud ベストプラクティス:Google BigQuery 編 - 03 : パフォーマンスとコストの最適化
トランザクションの設計と進化
トランザクションの設計と進化
MySQLの文字コード事情
MySQLの文字コード事情
Dockerからcontainerdへの移行
Dockerからcontainerdへの移行
しばちょう先生による特別講義! RMANバックアップの運用と高速化チューニング
しばちょう先生による特別講義! RMANバックアップの運用と高速化チューニング
アーキテクチャから理解するPostgreSQLのレプリケーション
アーキテクチャから理解するPostgreSQLのレプリケーション
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
MySQLレプリケーションあれやこれや
MySQLレプリケーションあれやこれや
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
押さえておきたい、PostgreSQL 13 の新機能!!(Open Source Conference 2021 Online/Hokkaido 発表資料)
押さえておきたい、PostgreSQL 13 の新機能!!(Open Source Conference 2021 Online/Hokkaido 発表資料)
Hive on Tezのベストプラクティス
Hive on Tezのベストプラクティス
3000社の業務データ絞り込みを支える技術
3000社の業務データ絞り込みを支える技術
webエンジニアのためのはじめてのredis
webエンジニアのためのはじめてのredis
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
Similar a [B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
Insight Technology, Inc.
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
griddb
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
Insight Technology, Inc.
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
griddb
今注目のSpark SQL、知っておきたいその性能とは 20151209 OSC Enterprise
今注目のSpark SQL、知っておきたいその性能とは 20151209 OSC Enterprise
YusukeKuramata
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
griddb
04 citynet awsセミナー_クラウドでビックデータのスモールスタート
04 citynet awsセミナー_クラウドでビックデータのスモールスタート
充博 大崎
クラウドでビックデータのスモールスタート
クラウドでビックデータのスモールスタート
Yukihito Kataoka
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
Insight Technology, Inc.
ビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDB
griddb
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
Insight Technology, Inc.
IDCFクラウドセミナー RDB活用
IDCFクラウドセミナー RDB活用
IDC Frontier
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
Insight Technology, Inc.
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
Insight Technology, Inc.
0151209 Oracle DDD OracleとHadoop連携の勘所
0151209 Oracle DDD OracleとHadoop連携の勘所
オラクルエンジニア通信
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
Insight Technology, Inc.
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
griddb
Apache spark 2.3 and beyond
Apache spark 2.3 and beyond
NTT DATA Technology & Innovation
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
Insight Technology, Inc.
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Recruit Technologies
Similar a [B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
(20)
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
[db tech showcase Tokyo 2014] D15:日立ストレージと国産DBMS HiRDBで実現する『ワンランク上』のディザスタリカバリ...
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
IoT時代を迎えて、あなたのシステムは今までのDBで充分ですか?~ GridDBとその適用事例紹介 ~
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
【GridDB入門】 IoT、そしてサイバー・フィジカル・システムを支える オープンソースデータベース GridDB ~ こだわりの理由と実現方法のポイント
今注目のSpark SQL、知っておきたいその性能とは 20151209 OSC Enterprise
今注目のSpark SQL、知っておきたいその性能とは 20151209 OSC Enterprise
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
ビッグデータやIoTシステムを支えるデータベース 『GridDB』
04 citynet awsセミナー_クラウドでビックデータのスモールスタート
04 citynet awsセミナー_クラウドでビックデータのスモールスタート
クラウドでビックデータのスモールスタート
クラウドでビックデータのスモールスタート
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
[INSIGHT OUT 2011] C26 ミッションクリティカルを実現する国産データベースHiRDBの技術(hara)
ビッグIoTデータに対応したデータベース GridDB
ビッグIoTデータに対応したデータベース GridDB
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
[db tech showcase Sapporo 2015] B16:ビッグデータには、なぜ列指向が有効なのか? by 日本ヒューレット・パッカード株式...
IDCFクラウドセミナー RDB活用
IDCFクラウドセミナー RDB活用
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
[D33] そのデータベース 5年後大丈夫ですか by Hiromu Goto
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
C34 ニッチだけど、社会インフラを支えるデータベース、HiRDB ~HiRDBを選ぶ人、選ばない人、その選択基準とは~ by Taichi Ishikawa
0151209 Oracle DDD OracleとHadoop連携の勘所
0151209 Oracle DDD OracleとHadoop連携の勘所
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
C22 スプリットブレインになっても一貫性を保証するインメモリデータグリッド製品 by Taichi Umeda
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
DXを支えるスケールアウト型NoSQL/SQLハイブリッドデータベース GridDB
Apache spark 2.3 and beyond
Apache spark 2.3 and beyond
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
[db tech showcase Tokyo 2017] E34: データベース・サービスを好きなところで動かそう Db2 Warehouse by 日...
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
Más de Insight Technology, Inc.
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Insight Technology, Inc.
Docker and the Oracle Database
Docker and the Oracle Database
Insight Technology, Inc.
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Insight Technology, Inc.
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
Insight Technology, Inc.
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
Insight Technology, Inc.
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
Insight Technology, Inc.
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Insight Technology, Inc.
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
Insight Technology, Inc.
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
Insight Technology, Inc.
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
Insight Technology, Inc.
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
Insight Technology, Inc.
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
Insight Technology, Inc.
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
Insight Technology, Inc.
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
Insight Technology, Inc.
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Insight Technology, Inc.
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
Insight Technology, Inc.
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
Insight Technology, Inc.
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Insight Technology, Inc.
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Insight Technology, Inc.
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
Insight Technology, Inc.
Más de Insight Technology, Inc.
(20)
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Docker and the Oracle Database
Docker and the Oracle Database
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
Último
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Último
(10)
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
[B15] HiRDBのSQL実行プランはどのように決定しているのか?by Masaaki Narita
1.
HiRDBのSQL実行プランはどのようにHiRDBのSQL実行プランはどのように 決定しているのか? 株式会社 日立製作所 情報・通信システム社 2014/06/18 株式会社
製作所 情報 通信 テ 社 ITプラットフォーム事業本部 開発統括本部 ソフトウェア開発本部 DB設計部 成田 正亮 © Hitachi, Ltd. 2014. All rights reserved. 成田 正亮
2.
本日のテーマ HiRDB初期バージョンから進化し続け ている SQL実行プラン/SQL実行時ている、SQL実行プラン/SQL実行時 動作の根幹部分を紹介致します。 © Hitachi,
Ltd. 2014. All rights reserved. 1
3.
目次目次 1. HiRDBとは? 2 SQL実行プラン2.
SQL実行プラン 3. フロータブルサーバ 4. プロセス間のDBデータ転送 5. LIMIT処理 © Hitachi, Ltd. 2014. All rights reserved. 2
4.
目次目次 1. HiRDBとは? 2 SQL実行プラン2.
SQL実行プラン 3. フロータブルサーバ 4. プロセス間のDBデータ転送 5. LIMIT処理 © Hitachi, Ltd. 2014. All rights reserved. 3
5.
1.1 HiRDBについて 「止めない」設計思想を貫く「止めない」設計思想を貫く 高信頼ノンストップデータベース高信頼ノンストップデータベース高信頼ノンストップデ タベ
ス高信頼ノンストップデ タベ ス 社会基盤を支えるために 日立が自社開発にこだわり続ける純国産RDBMS日立が自社開発にこだわり続ける純国産RDBMS ハイアールディービー Highly Scalable Relational DataBase 今まで培った信頼性をベースに クラウド時代を支える「ワンランク上の」 データベースを目指します © Hitachi, Ltd. 2014. All rights reserved. 4 デ タベ スを目指します。
6.
1.2 HiRDBの歴史 オープンシステムで進化 ’14 超高速データ ベースエンジン 進化 ■クラウド時代を支える 高性能 高信頼デ
タベ スへ メインフレーム(MF)での発展 XDM/RD V12 ’10/1 ’10/4 Hitachi Advanced Data Binder技術の継承 ’03 HiRDB V8 ’03/8 ■ ビジネスの急速な変化に対応する 柔軟性を兼ね備えた、情報統合基盤と 高信頼ノンストップデータベースへ XDM/RD V11 ’05/1 ’06/6 高性能・高信頼データベースへ HiRDB V6 ■ネットビジネス(24×7運用) に応える長時間連続運転の更なる強化 ■ ノンストップビジネスに応える 耐障害性と可用性を追及 ’01 XDM/RD V9 ’02/9 HiRDB V7XDM/RD V10 XDM/RD 技術の継承 HiRDB V2~5 ■ミッションクリティカル向け機能・性能強化 ■デジタルコンテンツの拡張 ・Universal Server リリース に応える長時間連続運転の更なる強化 ’94 ’95~’99 PDM ADM XDM/SD RDB1 HiRDB V1 ■オープンシステム向けミッションクリティカル向けデータベース ・Shared Nothingでのパラレルサーバ リリース 94 © Hitachi, Ltd. 2014. All rights reserved. 5 1970 1990 2000 2010 PDM 時代
7.
目次目次 1. HiRDBとは? 2 SQL実行プラン2.
SQL実行プラン 3. フロータブルサーバ 4. プロセス間のDBデータ転送 5. LIMIT処理 © Hitachi, Ltd. 2014. All rights reserved. 6
8.
2.1 SQL最適化とは? インデクスを使用すれば必ずコストが良いのか? コスト インデクススキャンの コスト遷移 インデクスを使用しない方 がコストが小さい場合も! コスト テーブルスキャンの コスト遷移 インデクスを使用した 方がコストが小さい場 合はこの範囲! ヒット率 100%0 条件にもよるが 10数%が境目 合はこの範囲! 100%0 テーブルスキャンを 選択するケース インデクススキャンを 選択するケース選択するケ ス ©
Hitachi, Ltd. 2014. All rights reserved. 7
9.
2.2 SQL実行プラン決定方法 ~
ルールベース ~ ルールベース インデクスの定義情報,SQLの指定内容に基づいて,プロ ダクションルール従って, SQLの各部分ごとにSQL実行プダクションル ル従って, SQLの各部分ごとにSQL実行プ ランを選択していくことによってSQL全体を最適化。 インデクス定義 CREATE UNIQUE INDEX インデクス1 ON 表1(列1,列2) SQLSQL SELECT 列1,列2,列3 FROM 表1 WHERE 列1=値 and … ORDER BY 列1,列2 規則Aに従って プランA-1を選択 規則Bに従って プランB-3を選択 規則Cに従って プランC-5を選択 © Hitachi, Ltd. 2014. All rights reserved. 8
10.
2.3 SQL実行プラン決定方法 ~
コストベース ~ コストベース 幾つかのアクセス手順の候補を生成し,SQL実行プラン の各候補ごとにコスト(処理負荷)を計算・比較することに よ て 採用するSQL実行プランを決定よって,採用するSQL実行プランを決定 アクセス手順1 インデクスAを使用して・・・ リソースA負荷:1234 リソースB負荷:2345 アクセス手順2 インデクスB,Cを使用して リソースA負荷:4321 リソースB負荷:1111 比較 アクセス手順3 インデクスを使用せずに・・・ リソースA負荷:5555 リソースB負荷:9999 © Hitachi, Ltd. 2014. All rights reserved. 9
11.
2.4 HiRDBのSQL実行プラン決定方法 HiRDBが採用している方式は? V1(1994年)からコストベース方式を採用! ルールベース(既定値)+リアルコストベースル ル
ス(既定値)+リアルコスト ス ハイブリッド方式! © Hitachi, Ltd. 2014. All rights reserved. 10
12.
2.5 コスト計算に使用する値 コスト計算に使用している主項目は? ・表の情報 ・CPU単価
・ロック処理単価 ・インデクスの情報 ・I/O単価 ・サーバ数 ・列の情報 ・通信単価 ・ヒット率 など・列の情報 ・通信単価 ・ヒット率 など インデクス 表/列 インデクスA~D 表A 列A 列B イ デク E H 表B 列C 列D インデクスE~H 表B © Hitachi, Ltd. 2014. All rights reserved. 11
13.
2.6 コスト計算に使用する値 ~
表の情報 ~ 表の情報で使用している値は? ・行数 ・格納ページ数 など ペ ジ 物理構造 データベー スの入出力 表 表A ページ ページA ペ ジB スの入出力 最小単位 行数 ページC ページB ページ数 ページD © Hitachi, Ltd. 2014. All rights reserved. 12
14.
2.7 コスト計算に使用する値 ~
インデクスの情報 ~ インデクスの情報で使用している値は? ・異なるキー値の個数 ・インデクスページ数 ・インデクスの段数・インデクスの段数 ・行データのシーケンシャル度 など 重複が インデクス インデクスA b b d d インデクスキー値 異なるキー値の個数 重複が 少ないと インデクスの効 果が高い! インデクスの段数 a b b c c c d d e 行データの ページ ページA 行デ タの シーケンシャル度 行データ d d e a b b c c c ジA ページB ページ数 © Hitachi, Ltd. 2014. All rights reserved. 13
15.
2.8 コスト計算に使用する値 ~
列の情報① ~ 列の情報で使用している値は? ・異なる値の個数 ・重複値の個数の最小数 ・重複値の個数の最大数・重複値の個数の最大数 ・ナル値の個数 次ページに続く 列A 列B 列C 列D ・・・ ・・・ ・・・ 1 ・・・ ・・・ ・・・ 2 重複値の 個数の最小数 異なる値の ・・・ ・・・ ・・・ 1 ・・・ ・・・ ・・・ 3 ・・・ ・・・ ・・・ 2 ・・・ ・・・ ・・・ 4 重複値の 個数の最大数 異なる値の 個数 ・・・ ・・・ ・・・ 4 ・・・ ・・・ ・・・ 2 ・・・ ・・・ ・・・ 2 ・・・ ・・・ ・・・ NULL ナル値の個数 © Hitachi, Ltd. 2014. All rights reserved. 14 ・・・ ・・・ ・・・ NULL
16.
2.9 コスト計算に使用する値 ~
列の情報② ~ 列の情報で使用している値は? ・値の分布情報 など 区間内の 値の個数 区間内の 異なる データ件数を基に、最大分割数nで区間分割 を行い、区間内の値の個数/異なる値の個数 を分布情報化 異なる 値の個数 区件数 列値の 最小値 列値の 最大値 区 間 件数 値 最大値 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 ・・・ © Hitachi, Ltd. 2014. All rights reserved. 15 間 1 間 2 間 3 間 4 間 5 間 6 間 n-5 間 n-4 間 n-3 間 n-2 間 n-1 間 n
17.
2.10 コスト計算に使用する値 ~
区間分布情報 ~ 重複データが多い場合は? 隣合う区間の全キー値が一つの場合、一区間に纏める ・分布情報容量圧縮 探索範囲削減 全て同一の値 一区間に纏める ・探索範囲削減 件数 件数件数 件数 異なる 値の個数は全て1 異なる 値の個数は1のまま 値 区 間 区 間 区 間 区 間 区 間 区 間 値 区 間 区 間 区 間 区 間 © Hitachi, Ltd. 2014. All rights reserved. 間 1 間 2 間 3 間 4 間 5 間 6 16 間 1 間 2 間 3 間 4
18.
2.11 コスト計算に使用する値 ~
ヒット率 単一条件時 ~ 分布情報をどのように使用するのか? 各区間内のインデクスキー値数、及び重複数を基に、 SQLに指定した条件のヒット率を計算(仮定)。 SQL例) SELECT 列1,列2,列3 FROM 表1 WHERE 列1=‘HiRDB’ デ タ‘HiRDB’が存在する区間 ‘HiRDB’のデ タ件数は ‘HiRDB’のヒ ト率は 件数 データ‘HiRDB’が存在する区間 ・値の個数:100 ・異なる値の個数:20 全データ件数 ‘HiRDB’のデータ件数は 100/20=5件と仮定 ‘HiRDB’のヒット率は 5/10000=0.05% 件数 全データ件数 10000 100 ヒット率が低いと インデクスを使用 値 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 区 間 ・・・ インデクスを使用、 ヒット率が高いと インデクス未使用 © Hitachi, Ltd. 2014. All rights reserved. 値間 1 間 2 間 3 間 4 間 5 間 6 間 95 間 96 間 97 間 98 間 99 間 100 17
19.
2.12 コスト計算に使用する値 ~
ヒット率 複数条件時 ~ 条件を複数指定している場合は? 条件式が互いに独立と仮定して、個別にヒット率を計算 SQL例) SELECT 列1 列2 列3 FROM 表1 WHERE 列1 ‘HiRDB’ AND 列2 ‘HITACHI’ ‘HiRDB’& ‘HITACHI’では SELECT 列1,列2,列3 FROM 表1 WHERE 列1=‘HiRDB’ AND 列2=‘HITACHI’ 件数 100 列1の区間分布情報 ‘HiRDB’のヒット率が0.05% HITACHI では 0.0005% 値 区 区 区 区 区 区 区 区 区 区 区 区 ・・・ 100 値 区 間 1 区 間 2 区 間 3 区 間 4 区 間 5 区 間 6 区 間 95 区 間 96 区 間 97 区 間 98 区 間 99 区 間 100 件数 列2の区間分布情報 ‘HITACHI’のヒット率が1% 値 ・・・ 100 定義しているインデクス の中で、一番ヒット率が 低いインデクスを採用 定義しているインデクス の中で、一番ヒット率が 低いインデクスを採用 列1、列2を含んで定義し ているインデクスの中か ら、ヒット率が一番 デ © Hitachi, Ltd. 2014. All rights reserved. 18 値 区 間 1 区 間 2 区 間 3 区 間 4 区 間 5 区 間 6 区 間 95 区 間 96 区 間 97 区 間 98 区 間 99 区 間 100 低いインデクスを採用低いインデクスを採用 低いインデクスを採用
20.
2.13 コスト計算に使用する値 ~
区間分布情報 ~ HiRDBが最も精度を高められるケースは? 区間分割数が「100」の場合! ⇒ヒット率精度誤差0.5%以内を保証 精度誤差が発生するケース: 全データが1000件 (‘a’が1件 ’b’が999件) 分布上は1データ あたりの件数は データ数は 990件 種類数は( a が1件、 b が999件) ⇒’a’のヒット率は1/1000=0.1% あたりの件数は データ/重複数=10/2=5件 種類数は ’b’1件 区間分布情報を使うと・・・ ⇒’a’のヒット率は5件/1000=0.5% データ数は10件 値 区 区 データ数は10件 種類数は’a’’b’2件 © Hitachi, Ltd. 2014. All rights reserved. 19 間 1 間 2 19
21.
2.14 算出しているコスト ~
種類 ~ 算出しているコストの種類は? ・CPUコスト ・I/OにかかるCPUコスト I/O スト など・I/Oコスト など サーバマシンCPUコスト I/Oコスト DB I/OにかかるCPUコスト © Hitachi, Ltd. 2014. All rights reserved. 20
22.
2.15 算出しているコスト ~
計算式 ~ 計算式は? インデクススキャンコストの計算式概要は下記 CPUコストCPUコスト (インデクスヒット率,行数,プロセス数,インデクス段数 などから算出) +I/OにかかるCPUコスト (インデクスヒット率,行数,プロセス数,クラスタ率 などから算出) I/O ト+I/Oコスト (ランダムI/O時間(インデクス段数 などから算出) +ブロックI/O時間(インデクスページ数 などから算出)) © Hitachi, Ltd. 2014. All rights reserved. 21
23.
2.16 SQLの世界の最適化項目 SQLの世界の最適化対象項目 ・表、インデクス、列・・・ ・データ格納ページ数、インデクスキー格納ページ数・・・ ・異なる値のデータ個数、分布情報・・・ SQLの世界以外SQLの世界以外 (マシン構成)の 最適化対象項目は?最適化対象項目は? © Hitachi,
Ltd. 2014. All rights reserved. 22
24.
2.17 HiRDBシステムの構成① HiRDBの構成は? サーバマシン ■ HiRDB/シングルサーバ
■ HiRDB/パラレルサーバ(Shared-Nothing) 特定のデータは 特定のサーバで参照 DB サーバマシン クライアント 定 参 DB DB クライアント クライアント DB DBクライアント クライアント • 1台のサーバマシン上で動作 • 構築が容易、運用もシンプル • 1台のサーバマシン上で動作 • 構築が容易、運用もシンプル • 複数台のサーバマシン上で動作 • 並列処理が可能 • 複数台のサーバマシン上で動作 • 並列処理が可能 © Hitachi, Ltd. 2014. All rights reserved. 23 • スケールアップも可能• スケールアップも可能 • スケールアップとスケールアウトが可能• スケールアップとスケールアウトが可能
25.
2.18 HiRDBシステムの構成② DBデータの処理方法は? サーバマシン ■ HiRDB/パラレルサーバ(Shared-Nothing) ケース1: 1つのサ
バのデ タのみ 使用していない このマシンを有効活 用すると DB 1つのサーバのデータのみ 参照するケース 用すると・・・ DB クライアント ケース1: 複数のサーバのデータを ケース2: 複数のサーバのデータを 必要なデータのみ 転送すると・・・ DB クライアント 複数のサ バのデ タを 参照するケース 複数のサ バのデ タを 参照するケース(結合検索/ソート処理等) マシン構成の世界の 検索したデータをいずれかの サ バに転送し結合処理を行う マシン構成の世界の 最適化対象項目 ・結合/ソート処理サーバ (フロータブルサーバ)の決定 結合処理 © Hitachi, Ltd. 2014. All rights reserved. 24 サーバに転送し結合処理を行う (フ タブルサ )の決定 ・サーバ間のデータ転送方法の決定
26.
目次目次 1. HiRDBとは? 2 SQL実行プラン2.
SQL実行プラン 3. フロータブルサーバ 4. プロセス間のDBデータ転送 5. LIMIT処理 © Hitachi, Ltd. 2014. All rights reserved. 25
27.
3.1 HiRDBシステムの構成(再掲) HiRDBの構成は? サーバマシン ■ HiRDB/シングルサーバ
■ HiRDB/パラレルサーバ(Shared-Nothing) 特定のデータは 特定のサーバで参照 DB サーバマシン クライアント 定 参 DB DB クライアント クライアント DBクライアント クライアント • 1台のサーバマシン上で動作 • 構築が容易、運用もシンプル • 1台のサーバマシン上で動作 • 構築が容易、運用もシンプル • 複数台のサーバマシン上で動作 • 並列処理が可能 • 複数台のサーバマシン上で動作 • 並列処理が可能 © Hitachi, Ltd. 2014. All rights reserved. 26 • スケールアップも可能• スケールアップも可能 • スケールアップとスケールアウトが可能• スケールアップとスケールアウトが可能
28.
3.2 データ取出サーバでのSQL処理 データ取出サーバでSQL処理を行う場合 サーバマシン データ取出 ソート処理 DB データ取出サーバでI/Oお よびソート処理を行ってい る最中 処理なしサーバ クライアント る最中に、 処理を行わないサーバが 存在するケースあり処理なしサーバクライアント ソート処理 処理なしサ
バ クライアント DB データ取出 © Hitachi, Ltd. 2014. All rights reserved. 27
29.
3.3 フロータブルサーバ フロータブルサーバとは? 負荷が高い結合処理、 サーバマシン データ取出 負荷が高い結合処理、 ソート処理用に 割り当てるサーバ DB 結合処理 クライアント ソート処理 データ配置によらず クライアント 結合処理 負荷が低いサーバに 処理を任せる! 負荷が低いサーバに 処理を任せる! デ
タ配置によらず サーバ間の負荷を 均等にできる クライアント DB データ取出 © Hitachi, Ltd. 2014. All rights reserved. 28
30.
3.4 割り当て方式の種類 ~
専用サーバ ~ 専用サーバ割り当て方式 サーバマシン データ取出 データ取出用以外のDB デ タ取出用以外の サーバを候補に 割り当て クライアント フロータブルサーバ クライアント フロータブルサーバ データ取り出し量が 多い場合にサーバ間の クライアント DB データ取出 多い場合にサ バ間の 負荷分散効果大 © Hitachi, Ltd. 2014. All rights reserved. 29
31.
3.5 割り当て方式の種類 ~
全サーバ ~ 全サーバ割り当て方式 サーバマシン データ取出 フロータブルサーバ兼務 DB 全サーバを 候補に割り当て クライアント フロータブルサーバ クライアント フロータブルサーバ ソート/結合処理の並列 処理効果大 クライアント DB 処理効果大 データ取出 © Hitachi, Ltd. 2014. All rights reserved. 30 フロータブルサーバ兼務
32.
3.6 フロータブルサーバの決定方法 フロータブルサーバの決定方法は? ・台数決定方法 ⇒データ取出サーバ/フロータブルサーバ間での負荷分 散・並列実行度を考慮し、フロータブルサーバでの処理時 間が、データ取出サーバでのスキャン時間の4倍未満と なるように決定なるように決定 ・対象のサーバ決定方法 ⇒候補サーバリストの中から、負荷を考慮して最適な候補サ バリストの中から、負荷を考慮して最適な サーバを決定 ©
Hitachi, Ltd. 2014. All rights reserved. 31
33.
目次目次 1. HiRDBとは? 2 SQL実行プラン2.
SQL実行プラン 3. フロータブルサーバ 4. プロセス間のDBデータ転送 5. LIMIT処理 © Hitachi, Ltd. 2014. All rights reserved. 32
34.
4.1 HiRDBシステムの構成(再掲) HiRDBの構成は? サーバマシン ■ HiRDB/シングルサーバ
■ HiRDB/パラレルサーバ(Shared-Nothing) 特定のデータは 特定のサーバで参照 DB サーバマシン クライアント 定 参 DB DB クライアント クライアント DBクライアント クライアント • 1台のサーバマシン上で動作 • 構築が容易、運用もシンプル • 1台のサーバマシン上で動作 • 構築が容易、運用もシンプル • 複数台のサーバマシン上で動作 • 並列処理が可能 • 複数台のサーバマシン上で動作 • 並列処理が可能 © Hitachi, Ltd. 2014. All rights reserved. 33 • スケールアップも可能• スケールアップも可能 • スケールアップとスケールアウトが可能• スケールアップとスケールアウトが可能
35.
4.2 クライアント~サーバマシン間のデータ転送① 結合検索の場合のデータの流れは? サーバマシン データ取出 データ転送SQL例) SELECT 表A.顧客名,表B.顧客名 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A 顧客名 製品コード 製品動画(BLOB型データ) A 100 データA 表A 顧客名,製品コード 顧客名,製品コード クライアント 結果返却 表A 顧客名 A 100 デ タA A 1000 データB A 500 データC 表B データ取出 結果返却 顧客名,製品コード 結合処理顧客名 製品コード 製品動画(BLOB型データ) B 300 データD B 10 データE B 500 データC 表 クライアント DB 表B 各表のデータを 処理対象のサーバマシンへ 顧客名,製品コード © Hitachi, Ltd. 2014. All rights reserved. 34 データ転送 処 対象 サ 漏れなく転送
36.
4.3 クライアント~サーバマシン間のデータ転送② もし、転送データの制御を行わなかったら? サーバマシン データ取出 データ転送SQL例) SELECT 表A.顧客名,表B.顧客名 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A 顧客名 製品コード 製品動画(BLOB型データ) A 100 データA 表A 顧客名,製品コード 顧客名,製品コード クライアント 結果返却 表AA 100 デ タA A 1000 データB A 500 データC 表B 顧客名返却しない 返却する データ取出 結果返却 結合処理顧客名 製品コード 製品動画(BLOB型データ) B 300 データD B 10 データE B 500 データC 表 顧客名,製品コード 返却しない 返却する クライアント DB 表B黄色部分では結合検索で 致しないため クライアントには 顧客名,製品コード 返却する © Hitachi, Ltd. 2014. All rights reserved. 35 データ転送一致しないため、クライアントには 返却不要である顧客名データも転送
37.
4.4 クライアント~サーバマシン間のデータ転送③ もし、転送データの制御を行わなかったら? サーバマシン データ取出 データ転送SQL例) SELECT 表A.製品動画,表B.製品動画 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A 製品動画,製品コード 顧客名 製品コード 製品動画(BLOB型データ) A 100 データA 表A 製品動画,製品コード クライアント 結果返却 表A 製品動画 A 100 デ タA A 1000 データB A 500 データC 表B 返却しない 返却する データ取出 結果返却 結合処理顧客名 製品コード 製品動画(BLOB型データ) B 300 データD B 10 データE B 500 データC 表 返却しない 返却する 製品動画,製品コード クライアント DB 表BBLOB型等の サイズが大きいデ タでは 返却する 製品動画,製品コード © Hitachi, Ltd. 2014. All rights reserved. 36 データ転送 サイズが大きいデータでは、 通信量が膨大になる
38.
4.5 クライアント~サーバマシン間のデータ転送④ HiRDBではどのように制御しているか? サーバマシン データ取出 データ転送SQL例) SELECT 表A.製品動画,表B.製品動画 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A ROWID 顧客名 製品コード 製品動画(BLOB型データ) XXXXX1 A 100 データA 表A ROWID,製品コード ROWID,製品コード データを一意に決定できる情報 クライアント 表AXXXXX1 A 100 データA XXXXX2 A 1000 データB XXXXX3 A 500 データC 表B データ取出 結合処理 表 ROWID,製品コード ROWID 顧客名 製品コード 製品動画(BLOB型データ) XXXXX1 B 300 データD XXXXX2 B 10 データE XXXXX3 B 500 データC クライアント DB 表B ROWID,製品コード XXXXX3 B 500 デ タC 結合に必要なデータと ROWIDのみを転送 © Hitachi, Ltd. 2014. All rights reserved. 37 データ転送 ROWIDのみを転送
39.
4.6 クライアント~サーバマシン間のデータ転送⑤ HiRDBではどのように制御しているか? サーバマシン データ取得 データ転送SQL例) SELECT 表A.製品動画,表B.製品動画 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A ROWID ROWIDROWID 顧客名 製品コード 製品動画(BLOB型データ) XXXXX1 A 100 データA 表A クライアント 表AXXXXX1 A 100 データA XXXXX2 A 1000 データB XXXXX3 A 500 データC 表B データ取得 ROWID 結合処理 表 ROWID 顧客名 製品コード 製品動画(BLOB型データ) XXXXX1 B 300 データD XXXXX2 B 10 データE XXXXX3 B 500 データC クライアント DB 表B ROWID 結合処理後でヒットした ROWIDを転送し、必要な XXXXX3 B 500 デ タC © Hitachi, Ltd. 2014. All rights reserved. 38 データ転送 を転送し、必要な データを取得
40.
4.7 クライアント~サーバマシン間のデータ転送⑥ HiRDBではどのように制御しているか? サーバマシン データ取出 データ転送SQL例) SELECT 表A.製品動画,表B.製品動画 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A 製品動画 製品動画ROWID 顧客名 製品コード 製品動画(BLOB型データ) XXXXX1 A 100 データA 表A クライアント 表A 製品動画 結果返却 XXXXX1 A 100 データA XXXXX2 A 1000 データB XXXXX3 A 500 データC 表B データ取出 製品動画 結果返却表 ROWID 顧客名 製品コード 製品動画(BLOB型データ) XXXXX1 B 300 データD XXXXX2 B 10 データE XXXXX3 B 500 データC クライアント DB 表B 製品動画 XXXXX3 B 500 デ タC ROWIDから返却対象列を 取得し クライアントへ返却 © Hitachi, Ltd. 2014. All rights reserved. 39 データ転送 取得し、クライアントへ返却
41.
4.8 クライアント~サーバマシン間のデータ転送⑦ HiRDBではどのように制御しているか? サーバマシン データ取出 データ転送SQL例) SELECT 表A.製品動画,表B.製品動画 FROM
表A,表B WHERE 表A.製品コード=表B.製品コード DB 表A 製品動画 製品動画 HiRDBでは、列データのサイ ズとSQL処理内容を基に 下 クライアント 表A 製品動画 結果返却 ズとSQL処理内容を基に、下 記から最適な方式を決定し て制御している ・最初から列デ タを取得して転送 データ取出 製品動画 結果返却・最初から列データを取得して転送 ・最後にROWIDから取得して転送 クライアント DB 表B 製品動画 © Hitachi, Ltd. 2014. All rights reserved. 40 データ転送
42.
目次目次 1. HiRDBとは? 2 SQL実行プラン2.
SQL実行プラン 3. フロータブルサーバ 4. プロセス間のDBデータ転送 5. LIMIT処理 © Hitachi, Ltd. 2014. All rights reserved. 41
43.
5.1 LIMIT処理とは? LIMIT処理とは? SQLの検索結果のうち,先頭からn行だけを受け取る 顧客名 …
… … … … … 検索対象表 LIMIT指定なしの 検索結果の場合 LIMIT指定ありの A A A A 顧客名 売上 … A 100 A 10 検索結果の場合検索結果の場合 先頭n行だけの 検索結果 顧客名 売上 … A 100 A 10 ・・・ ・・・ ・・・ A B A 1000 A 300 ・・・ ・・・ ・・・ A 0 検索結果 A 1000 B B 顧客名’A’のデータを © Hitachi, Ltd. 2014. All rights reserved. 42 顧客名 デ タを 抽出する場合
44.
5.2 ソート処理指定あり時のLIMIT処理① ソート処理と組み合わせた場合には? もし、ヒットした全データソート後に,先頭からn行だけを受 け取ると制御だと・・・ 顧客名 …
… … … … … 不要なデータまでソート 検索対象表 LIMIT指定なしの 検索結果の場合 LIMIT指定ありの 顧客名 売上 … A 0 A 10 A A A A 検索結果の場合検索結果の場合 顧客名 売上 … A 0 A 10 先頭n行だけの 検索結果 A 100 A 300 ・・・ ・・・ ・・・ A 1000 ・・・ ・・・ ・・・ A B A 100検索結果 B B 売上でソート © Hitachi, Ltd. 2014. All rights reserved. 43
45.
5.3 ソート処理指定あり時のLIMIT処理② HiRDBではどのように制御しているか? 数件だけ枠を持っていて、範囲外であれば読み捨てる。 範囲内であれば既存の最大値を捨ててソート 顧客名 …
… … … … … 検索対象表上限~下限のデータのみソート LIMIT指定なしの 検索結果の場合 LIMIT指定ありの 顧客名 売上 … A 0 A 10 A A A A 検索結果の場合検索結果の場合 顧客名 売上 … A 0 A 10 先頭n行だけの 検索結果 A 100 ・・・ ・・・ ・・・ A B A 100検索結果 対象の範囲に収まらない B B 対象の範囲に収まらない データは読み捨て (ex.売上データが300) © Hitachi, Ltd. 2014. All rights reserved. 44
46.
5.4 ソート処理指定あり時のLIMIT処理③ HiRDBではどのように制御しているか? メモリ上でソートするケースと、 作業表(※)上でソートするケースを制御 ※ソート対象のデータサイズが 作業表バッファサイズ未満で あればメモリ上で処理 顧客名 …
… … … … … 検索対象表 顧客名 売上 … メモリ上でソート 内部閾値に基づき A A A A A 0 A 100 A 300 ・・・ ・・・ ・・・ A 10000 内部閾値に基づき、 メモリ使用量を考慮して、 ソート処理領域を変更 サイズ<xxx ・・・ ・・・ ・・・ A B A 10000 顧客名 売上 … 作業表上でソート 取得する先頭 行が多く も B B 顧客名 売上 A 0 A 100 A 300 ・・・ ・・・ ・・・ サイズ≧xxx 取得する先頭n行が多くても 少なくても、同時に実行して いる全SQLで見ると効率が よい方法を選択 © Hitachi, Ltd. 2014. All rights reserved. 45 A 100000
47.
最後に エンドユーザから見ると 意識することが少ないSQLエンドユ ザから見ると、意識することが少ないSQL 実行プラン生成。 SQL実行時間遅いとエンドユーザは気になってしま うので、意識されないようにますます早く、技術者の 方からは、早いけどどうなっているんだ?と気にして もらえるようにします!もらえるようにします! ご清聴ありがとうございました。 ©
Hitachi, Ltd. 2014. All rights reserved. 46
48.
END HiRDBのSQL実行プランはどのようにHiRDBのSQL実行プランはどのように 決定しているのか? / / 株式会社 日立製作所
情報・通信システム社 ITプラットフォーム事業本部 開発統括本部 ソフトウ ア開発本部 DB設計部 2014/06/18 ソフトウェア開発本部 DB設計部 成田 正亮 © Hitachi, Ltd. 2014. All rights reserved. 47
Descargar ahora