Hadoop scr第7回 hw2011フィードバック

Hadoop World 2011
NYC
フィードバック
～インフラとしての～

Acroquest Technology
阪本雄一郎、落合雄介
2011/11/28
Hadoopソースコードリーディング第7回発表資料

© Acroquest Technology Co., Ltd. All rights reserved.

目次
1. 自己紹介
2. Hadoop Worldセッション内容の変化
3. セッション紹介
4. インフラとしてのHadoop

会場のSheraton New York Hotel & Towers

© Acroquest Technology Co., Ltd. All rights reserved. 2

1. 自己紹介
 阪本雄一郎 Acroquest Technology
 プロジェクトリーダーとして
サービスオーダシステムを開発
 Flumeによる
ログ収集プラットフォーム構築を実施
 HBase検証案件実施
 落合雄介 Acroquest Technology
 Hadoop 関連案件に従事
– MapReduceによるログデータ整形・解析
– HBase検証案件
– ログ分析Hadoopインフラ構築


2. Hadoop Worldセッション内容の変化

昨年（Hadoop World 2010）今年（Hadoop World 2011）
Hadoop
検証
Hadoop 5セッション
Hadoop 検証
5セッション Hadoop
コンポーネントコンポーネント Hadoop
Hadoop
利用事例連携利用事例連携
5セッション
30セッション 30セッション 15セッション

Hadoop
コアセッシ
Hadoop（＋周辺プロダクト）を単に使うだけでなく、ョン
5セッション
OSSや独自FWを組み合わせて利用する事例が増えて
きた
→Hadoop＋αの組み合わせ事例をいくつか紹介します


3. セッション紹介
I. RとHadoopの融合
II. Hadoopを使った衛星画像解析
III. Hadoopをクラウド上に展開


The Powerful Marriage of R and Hadoop
注目のセッションで、
I. RとHadoopの融合 200人の会場がいっぱいでした


【I. The Powerful Marriage of R and Hadoop】
I-1. 発表者概要

 Revolution Analytics
 Founded in 2007
 R言語の商用利用に特化
 David Champagne
 Principal Architect/Engineer for SPSS
– SPSS：統計パッケージソフト開発、
2009年IBMが12億ドルで買収


I-2. R言語とは

 統計解析向けプログラミング言語
 統計解析に適した命令体系を持つ
 開発実行環境も含む
- R console ： CUI
- R Commander ： GUI
 世界中のRユーザが
「CRAN（Comprehensive R Archive Network）」
でライブラリを提供
 オープンソース


I-3. R言語との連携の動機

 R言語は200万人以上のユーザを持つ
オープンソース統計言語
 Rプログラマが簡単にHadoop上の
データを扱い、MapReduceで
処理できるようにしたい
 Rを、Hadoop上で、Hadoopの中身を
意識せずとも動かせるようにしたい


I-4. アーキテクチャ

作っ
た
部分
rhdfs rhbase

rmr


I-5. rmrの特徴

 Javaを書くよりシンプル
 Hive, Pigほどシンプルではなく、
より汎用的
 プロトタイピングをしやすい


I-6. Hiveとrmrの記述の違い
単純な集計ではHive の方が
コード量は少ない
・Map Reduce の処理を
明示的に記せること
・Map, Reduce で、R言語の
関数を呼び出せることが特
徴
男女のユニークユーザ数を
それぞれ求める処理


k-means ：
I-7. rmrにおける記述量クラスタリングのアルゴリズムの一つ
クラスタリング：
複数のデータを持つ要素を、
特徴別のグループに分類する
（購買意欲の高いユーザと
それ以外のユーザを分類する、など）

rmr で大幅に
コード量=実装の手間
を削減！
R言語に備わっている
k-means のライブラリを使用可能なた
め


I-8. 大量データ統計処理の今後

 RとHadoopが組み合わさることで、
Big Dataの柔軟な解析への期待が高まる
 k-means クラスタリングの例のように、
統計的分析を簡易な記述で実現可能になる
 統計処理の理論に慣れていないエンジニアにも
Big Data の分析が容易になる


How many planes
in this image?

Indexing the Earth –
Large Scale Satellite Image Processing Using Hadoop

II. Hadoopを使った衛星画像解析


【II. Indexing the Earth – Large Scale Satellite Image Processing Using Hadoop】
II-1. 発表者概要

 Skybox Imaging
 衛星画像をもとに、映像解析・監視を
行う

 Oliver Guinan
 Ground Systems部の副部長
 世界最大級のコンシューマ向け
インターネットアプリケーションを開 © Acroquest Technology Co., Ltd. All rights reserved. 16

II-2. 概要

端的に言うと・・・

Hadoopをそのまま使っても遅いので、
を呼び出せるようにしまし
た！


II-3. フレームワーク作成の動機

 大量データの映像解析をしたい
 衛星画像から送られてくるデータは1TB/日
 大量データを分散させて保持させたい
→Hadoopが使える。
 画像解析ライブラリをそのまま使いたい
 しかし、Hadoop、Javaには弱点あり
 ジョブ起動が遅い
 科学計算ライブラリが不十分

画像解析ライブラリが使える
ネイティブコードを呼び出した
い！ © Acroquest Technology Co., Ltd. All rights reserved. 18

II-4. アーキテクチャ

 タスクの中でネイティブコード（C言語）を
呼び出す仕組みを構築

コ
コ

Busboy（バズボーイ）：
飲食店で、食器を下げた
り皿洗いをしたりする人


II-5. 業務特化の1つの解

 Hadoopと自社フレームワークを組み合わせ
て、
高速処理＋ネイティブライブラリ呼び出
し
を実現
 既存の処理をJavaで再実装することなく、
C言語などの既存の資産を使う

→Hadoop はあくまでインフラとして使う


Hadoop as a Service in Cloud

III. Hadoopをクラウド上に展開


【III. Hadoop as a Service in Cloud】
III-1. 仮想化の要請

しかし、Hadoopは
一般的に仮想化と
相性が悪いと
言われている：
ディスクの分散、
ラックアウェアネ
ス、
・・・

オペレーション、
ニーズに応じた
メンテナンスのコスト低減
素早い対応
単純化


III-2. Big Data への対応で必要なのはHadoopだけではな
い

・Big Data のトレンドは、
Hadoop だけではない
・Hadoop は他の技術と併用され
る：
Big SQL, NoSQL, etc,…
・全てのインフラを統一したい

Big Data 対応のための
統合された基盤が
求められている

・共通のハードウェア基盤
・ハードウェア、ドライバの
テストフェーズをなくしたい
・すでにあるチーム内で、制御、
診断、キャパシティマネジメン
トを
こなしたい


III-3. 参考：Disney のData Management Platform
Advancing Disney’s Data
Infrastructure with Hadoop
Matt Estes, Disney
より

Disney は、
2008年から仮想化、
2009年からHadoop
に取り組んでいる。

2010年には、
Cloud Platform を
構築し、全サービスのう
ち60%のサーバイメー
ジを
仮想環境に移行した

Hadoop 環境は Disney Cloud Services とは別


III-4. 参考：Disney のData Management Platform

2011年の取り組みで、
Hadoop クラスタを
Data Management
Platform として統一

Hadoop を使った
サービスを大規模に
展開する企業も、
仮想化に注目してい
る


III-5. ディスクの構成

ローカルディスクを
使うことで、
扱いやすい HDFSの特性を生かす

NW IO が
ネックに


III-6. vSphere を通したラックアウェアネス

Rack awareness：
Hadoopは大量のネッ
トワーク通信を行うた
め、通信量を減らせる
ようマシンの物理的配
置を設定する。

ラックアウェアネスの考慮が必要な点
は、
仮想化を行う際の、 Rack script を自動生成
「どの物理ノードに乗っているか気することで、問題を解決
にしなくて良い」
という利点に矛盾する


III-7. Muti-tenant への対応

巨大クラスタを占有
するのと、クラスタ
を共有するのと、用
途によって使い分け
る

顧客の要請に応じた
使いわけ

Multi-tenant：
1つのクラスタの中で
複数のシステムを
構築・動作させる


III-8. クラウド上のHadoop構築で、柔軟な対応が可能に

 Hadoopを仮想環境で動作させる仕組みが
できた
 「Hadoopだけは特別」ではない。
他のプラットフォームと同様に、
「クラウドにHadoopを展開して利用する」
というユースケースもあり得る


4. インフラとしてのHadoop

 Hadoopはインフラとなりつつある
 MapReduceで計算して終わり！な時代は過ぎた
 HadoopをベースにOSS／フレームワークを組み
合わせて、新たな仕組みを構築する動きが出てき
た
 「目的」ではなく「手段」としてHadoopを使
う
 「大量データだからHadoopをとりあえず使おう
」だと、Hadoopのメリットは少ない
 大量データを分析し役立てたいからHadoopを使
う、と考えると、Hadoopを最大限に生かすこと
ができる © Acroquest Technology Co., Ltd. All rights reserved. 30

ぜひ日本でも事例を増やしましょ
う！


Hadoop scr第7回 hw2011フィードバック

More Related Content

What's hot (20)

Viewers also liked (11)

Similar to Hadoop scr第7回 hw2011フィードバック (20)

More from AdvancedTechNight (20)

Hadoop scr第7回 hw2011フィードバック