オープンソースのビッグデータ・IoT向けスケールアウト型データベースGridDBとPython連携〜GridDBとPythonと私〜

1© 2018 Toshiba Digital Solutions Corporation
オープンソースのビッグデータ・IoT向け
スケールアウト型データベースGridDBとPython連携
～ GridDBとPythonと私～
２０１８年２月２３日
東芝デジタルソリューションズ株式会社
野々村克彦

プロフィール
２０００年ごろ XMLデータベースTX1開発メンバ
２０１１年スケールアウト型DB GridDB開発メンバ
２０１５年 GridDBのオープンソースPJ開始
コミュニティ版の開発、海外展開の技術支援など
GitHub歴 3年、週末は小学3年の息子とサッカー

発表内容
1.スケールアウト型データベースGridDB
– 特長
– 性能、導入事例、Webサイト
2.（私が開発した）Pythonクライアント
– これまでの開発の経緯
– 新Pythonクライアントについて
– 展開状況
3.まとめ

GridDBとは
• ビッグデータ／IoT向けのスケールアウト型データベース
• 開発（２０１1年～）、製品化（２０１３年）、オープンソース化（２０１６年）
• 社会インフラを中心に、高い信頼性・可用性が求められるシステムで使われている

GridDB ４つの特長
• データ集計やサンプリング、期限解放、データ圧縮など、時系列データを
効率よく処理・管理するための機能を用意
• データモデルはユニークなキーコンテナ型。コンテナ内でのデータ一貫性を保証
IoT指向の
データモデル
• メモリを主、ストレージを従としたハイブリッド型インメモリーDB
• メモリやディスクの排他処理や同期待ちを極力排除したオーバヘッドの少ない
データ処理により高性能を実現
高性能
• データの少ない初期は少ないサーバで初期投資を抑え、データが増えるに
したがってサーバを増やし性能・容量を高めるスケールアウト型アーキテクチャ
• コンテナによりサーバ間通信を少なくし、高いスケーラビリティを実現
スケーラビリティ
• データ複製をサーバ間で自動的に実行し、サーバに障害が発生しても、
システムを止めることなく運用を継続することが可能
高い信頼性と
可用性
①キーコンテナ型
②ハイブリッド型のクラスタ管理
③ADDA

①データモデル
データモデル
キーバリュー型ワイドカラム型ドキュメント型グラフ型
NoSQLの例 Redis Cassandra MongoDB Neo4j
キー
バリュー
キー
カラム
バリュー
カラム
バリュー
キー
JSON
キー1
キー2
キー3
キーコンテナ型
GridDB
キー
C0 C1 C2 C3
Val Val Val Val
Val Val Val Val
Val Val Val Val
GridDBはキーコンテナ型

キーコンテナ型のデータモデル
(データ集計、サンプリング、期限解放、データ圧縮など)
日時センサA センサB
2015/01/01 0:00 7.788683 0.648364
2015/01/01 1:00 0.68874 0.353611
2015/01/01 2:00 7.677135 5.881216
2015/01/01 3:00 3.731816 2.511166
2015/01/01 4:00 9.739242 0.655805
… … …
機器１
2015/01/01 0:00 7.788683 0.648364
2015/01/01 1:00 0.68874 0.353611
2015/01/01 2:00 7.677135 5.881216
2015/01/01 3:00 3.731816 2.511166
2015/01/01 4:00 9.739242 0.655805
… … …
機器１
2015/01/01 0:00 7.788683 0.648364
2015/01/01 1:00 0.68874 0.353611
2015/01/01 2:00 7.677135 5.881216
2015/01/01 3:00 3.731816 2.511166
2015/01/01 4:00 9.739242 0.655805
… … …
機器１
2015/01/01 0:00 7.788683 0.648364
2015/01/01 1:00 0.68874 0.353611
2015/01/01 2:00 7.677135 5.881216
2015/01/01 3:00 3.731816 2.511166
2015/01/01 4:00 9.739242 0.655805
… … …
機器１
2015/01/01 0:00 7.788683 0.648364
2015/01/01 1:00 0.68874 0.353611
2015/01/01 2:00 7.677135 5.881216
2015/01/01 3:00 3.731816 2.511166
2015/01/01 4:00 9.739242 0.655805
… … …
機器１
2015/01/01 0:00 7.788683 0.648364
2015/01/01 1:00 0.68874 0.353611
2015/01/01 2:00 7.677135 5.881216
2015/01/01 3:00 3.731816 2.511166
2015/01/01 4:00 9.739242 0.655805
… … …
機器１
テーブル表現で管理
対象毎に時系列データを格納機器センサー
機器1
機器2
機器N
データ格納
2015/01/01 0:00 7.788683 0.648364
時系列データ
気象
株価
購買履歴
機器等
ログ
エネルギー
消費
メディア
データ
交通量
キー
コンテナ
• データをグループ化するコンテナ（テーブル）
 コレクションコンテナ：レコードデータ管理用
 時系列コンテナ：時系列データ管理用。サンプリング、時系列圧縮、期限解放など時系列
特有の機能がある
• コンテナ単位でACID保証

②クラスタ管理
P2P(Peer to Peer)方式マスタスレーブ(Master Slave)方式
○ノード追加でのデータ再配置が容易
×一貫性維持のためのノード間通信のオーバヘッ
ドが大⇒一貫性と処理速度がトレードオフ
○一貫性の維持は容易
×マスタノードが単一障害点(SPOF)
×ノード追加でのデータ再配置が難しい
Node A
Node B
Node C
Node D
Node A
Node B
Node C
Node D
Master Master’
HA
例：MongoDB例：Cassandra

ハイブリッド型のクラスタ管理
管理マスタ
オーナバックアップ
オーナオーナ
バックアップバックアップ
データ配置管理情報
ノード１ノード２ノード３ノード４ノード５
ノード１ノード２ノード３ノード４ノード５
マスタフォロアフォロアフォロアフォロア
GridDBはハイブリッド型
• ノード間で自律的、動的にマスタノードを決定。単一故障点（ＳＰＯＦ）を排除
• マスタがデータ配置（オーナ/バックアップ）を決定

③一貫性と可用性
• CAP定理：E. Brewer, "Towards Robust Distributed Systems“[1]
A
C P
一貫性
（Consistency）
常に最新値が得られる
分断耐性
（Partition Tolerance）
ネットワークが一時的に分断されて
も機能継続
可用性
（Availability）
常にデータにアクセスできる
ＡＰ型
例）Cassandra
[1] Proc. 19th Ann. ACM Symp.Principles of Distributed Computing (PODC 00), ACM, 2000, pp. 7-10;
ＣＰ型
例）MongoDB
ＣＡ型
例）ＲＤＢ
GridDBはCP型
GridDB

自律データ再配置技術（ADDA）
APL APL APL APL APL APL APL APL APL
DB更新ログ
（短期同期）
メモリブロック
（長期同期）
現状
目標
長期同期
プランニング
①負荷インバランス検知 ②長期同期プランニング ③長期同期実行 ④アクセス切替
ADDA：Autonomous Data Distribution Algorithm
• インバランス状態を検知、長期同期プランニング
• ２種類のデータを使ってバックグラウンド高速同期、完了後切替
 DB更新ログ、メモリブロック

Cassandraとの性能比較（YCSB）
高性能を売りにするCassandraと比較しても、GridDBの方が圧倒的に高性能
Read 50% + Write 50%
約2.5倍
Read 95% + Write 5%
約8倍
※フィックスターズ社によるYCSBベンチマーク結果
YCSB：Yahoo! Cloud Serving Benchmark. NoSQLの代表的なベンチマーク
https://github.com/brianfrankcooper/YCSB

Cassandraとの性能比較（YCSB）
長時間実行してもGridDBは性能劣化が少ない
※フィックスターズ社によるYCSBベンチマーク結果

時系列DB (Time Series DBMS)
• 最近最も注目されているDBカテゴリ
– ブログ「Time Series DBMS are the database category with the fastest increase in popularity」
(2016/7/4) http://db-engines.com/en/blog_post//62
• InfluxDBが時系列DBのランキング(2018/2)でトップ1
https://db-engines.com/en/ranking/time+series+dbms

InfluxDBとの性能比較（YCSB-TS）
Workload B Throughput
(Scan, Count, Average, and Sum)
Workload A Throughput
(Read Only)
Insert Throughput
(single node, 100M records)
YCSB-TS：YCSBの時系列DB(Timeseries database)版のベンチマーク
https://github.com/TSDBBench/YCSB-TS
高速な時系列DB InfluxDBと比較しても、GridDBの方が圧倒的に高性能
(operations/sec)
(operations/sec)
(operations/sec)

• フランスリヨン太陽光発電監視・診断システム
– 発電量の遠隔監視、発電パネルの性能劣化を診断
• クラウドBEMS
– ビルに設置された各種メータの情報の収集、蓄積、分析
• 石巻スマートコミュニティプロジェクト
– 地域全体のエネルギーのメータ情報の収集、蓄積、分析
• 電力会社低圧託送業務システム
– スマートメータから収集される電力使用量を集計し、需要量と発電量のバランスを調整
• 神戸製鋼所産業用コンプレッサ稼働監視システム
– グローバルに販売した産業用コンプレッサをクラウドを利用して稼働監視
• DENSO International Americaの次世代の車両管理システム
https://griddb.net/ja/blog/griddb-automotive/
GridDB導入事例

OSSサイト
• GitHub上にNoSQL機能をソース公開
(2016/2/25)
– https://github.com/griddb/griddb_nosql/
• 目的
– ビッグデータ技術の普及促進
• 多くの人に知ってもらいたい、使ってみてもらいたい。
• いろんなニーズをつかみたい。
– 他のオープンソースソフトウェア、システムとの連携強化
• 主要OSSとのコネクタ、様々な開発言語の
クライアントもソース公開

デベロッパーズサイト
• アプリケーション開発者向けのサイト
https://griddb.net/
• コミュニケーションの場(フォーラム)を提供
• 様々なコンテンツを公開
– ホワイトペーパ、ブログ
– マニュアル
– サンプルコード
など

AWS Marketplaceで、すぐにGridDBを使用可能
Marketplace：パブリックIaaSの上で、各社のソフトウェアが時間単位で使えるようになっている
https://aws.amazon.com/marketplace/pp/B01N5ASG2S

Pythonクライアント

GridDBのコネクタ、クライアント群
GridDB V3.0 CE(Community Edition)
Javaクライアント Cクライアント
Hadoop
MapReduce
コネクタ
YCSB
コネクタ
Spark
コネクタ
KairosDB
コネクタ
Python
クライアント
Ruby
クライアント
PHP
クライアント
Go
クライアント
…
収集
(Kafkaなど)
可視化
(Grafanaなど)
分散処理 Webアプリ分析性能測定
主なOSSとのコネクタや様々な開発言語のクライアントも公開

人工知能(AI)ソフトとの連携
GridDB V3.0 CE(Community Edition)
Spark
PythonクライアントSparkコネクタ
DeepLerningフレームワーク
(Chainer, TensorFlow, Caffeなど)
・操作言語はPython
・分散処理用にSparkと連携
分析・AI向けライブラリ
・Python用のライブラリが豊富にある。
NumPy：N次元配列の数値演算ライブラリ
SciPy：数値演算アルゴリズム群
MatPlotLib：グラフ描画ライブラリ
Pandas：データ解析の支援ライブラリ
SciKit-learn：機械学習ライブラリ
NLTK：自然言語処理ライブラリ
など
DeepLearning/機械学習/ニューラルネット処理にPythonが主に使われている

2018/1/31時点のPython/Rubyクライアントの
累積ユーザアクセス数を100とした場合の相対値

GridDBのクライアント開発
• 様々なプログラム言語に対応するためにCクライアントとSWIGを活用する。
• 従来：性能第一
– Cクライアントと１：１対応のインタフェース

SWIG (Simplified Wrapper and Interface Generator)
• C/C++ で書かれたプログラムやライブラリを、Pythonなど他のプログラミング言語に接
続するためのオープンソースのツールである。
– サイト http://www.swig.org/
– ソース https://github.com/swig/swig
※JavaScriptのテンプレートエンジンとは別物です。
• 1995年からDave Beazleyが開発。実装言語はC/C++。
• 現在、Python, Ruby, PHP, Perlなど
20言語以上をサポート。最新版は3.0.12
• Subversionのpythonバインディングなどに
利用されている。
• Pythonのsetup.pyに--swig-optsのオプションがあり、
標準対応している。
C/C++
プログラム
Python
SWIG
C/C++
プログラム
C/C++
プログラム
Ruby PHP Perl …

SWIG リリース状況
• …
• 2010/4 Software Freedom Conservancy(SFC) のメンバ・プロジェクトになる
• 2010/6 v2.0.0リリース
• 2010/10(v2.0.1) Goサポート
• 2014/3 V3.0.0リリース
• 2014/5(v3.0.1) Javascript(JavascriptCore, v8, node.js)サポート
• 2015/2(v3.0.5) Scilabサポート
• 2015/12(v3.0.8) std::array for Python
• 2016/5(v3.0.9) Python‘s implicit namespace packagesサポート
• 2016/12(v3.0.11) PHP7サポート
• 2017/1(v3.0.12)
• 現在、v4開発中
※http://www.swig.org/news.php

SWIG サンプル
/* File : example.c */
int fact(int n) {
if (n <= 1) return 1;
else return n*fact(n-1);
}
※http://www.swig.org/tutorial.html
/* File: example.h */
extern int fact(int n);
% swig -python example.i
exsample.pyファイルとexample_wrap.cファイルが生成される
% gcc -c example.c example_wrap.c -I/usr/local/include/python2.1
% ld -shared example.o example_wrap.o -o _example.so
_example.soファイルが生成される
% python
>>> import example
>>> example.fact(5) 120
/* File: example.i */
%module example %{
#inlude “example.h”
%}
extern int fact(int n);
モジュール名
ヘッダ
インタフェースファイル
C宣言
Cファイル

GridDBのクライアント開発
• 様々なプログラム言語に対応するためにCクライアントとSWIGを活用する。
• 従来：性能第一
– Cクライアントと１：１対応のインタフェース
• 今回：ユーザビリティの向上
https://github.com/griddb/python_client
– データ型を意識しないインタフェース
– Pandasライブラリとの連携強化
– その他
• 日付、エラー処理の扱い

（Ａ）データ型を意識しないインタフェース
• リスト形式のロウデータによる操作
＜従来＞
– フィールド単位で値を設定・取得するメソッドをデータ型別に使う必要があった
• 例：Row.set_field_by_long(columnNo, longVal)
＜今回＞
– カラム順に並べたリスト形式のロウデータを用いる
• 例：Container.put([1, “value1”, False])
• 暗黙的なデータ型変換
– Float型(Python)⇒TIMESTAMP型(GridDB) の例：Container.put([1421729699.000000, val])
– String型(Python)⇒TIMESTAMP型(GridDB) の例：Container.put([“2013-05-31T20:33:20.000Z”, val])
BOOL BYTE SHORT INTEGER LONG FLOAT DOUBLE STRING TIMESTAMP BLOB
int 3 ✓ ✓ ✓ ✓ ✓ ✓ ✓
string "yamada" ✓ ✓ ✓
float 0.1 ✓ ✓ ✓
boolean True ✓
datetime datetime.utcnow() ✓
bytearray bytearray([65, 66, 67]) ✓
example
Converted data-type
Input
data-type

（Ｂ）Pandasライブラリとの連携強化
• Pandas DataFrameからGridDBへの登録
– 予めDataFrameに合致するスキーマのコンテナを作成しておく
– DataFrameからリスト形式のデータを取得して、GridDBの登録メソッドを呼ぶ
• GridDB検索結果からPandas DataFrameの作成
– GridDB検索結果のRowSetからlist()関数を使ってDataFrameを作成する
df = …
Container.multi_put(df.values.tolist())
rs = …
df = pd.DataFrame(list(rs), colums=rs.get_column_names())
…

Pythonクライアントのサンプルプログラム
【今回】
import griddb_python as gd #モジュール名を変更
factory = gd.StoreFactory.get_instance()
# Storeオブジェクト取得
store = factory.get_store(host=“2319.0.0.1”,
port=“31999”, cluster_name=“myCluster”,
username=“admin”, password=“admin”) #キーワード付きでプロパティを与える
# コンテナ生成
conInfo = gd.ContainerInfo("col01",
[["name", gd.TYPE_STRING], ["status", gd.TYPE_BOOL], ["count",
gd.TYPE_LONG]],
row_key=True)
col = store.put_container(conInfo)
# 登録
col.put_row([“name01”, False, 1])
# 検索
query=col.query("select * where name = 'name01'")
rs = query.fetch()
while rs.has_next():
row = rs.next()
# [“name01”, False, 1]
【従来】
import griddb_python_client as gd
factory = gd.StoreFactory.get_default()
# Storeオブジェクト取得
store = factory.get_store({"notificationAddress": “239.0.0.1”,
"notificationPort": “31999”, "clusterName": “myCluster”,
"user": “admin”, "password": “admin”})
# コンテナ生成
col = store.put_container("col01",
[("name", gd.GS_TYPE_STRING), ("status", gd.GS_TYPE_BOOL), ("count",
gdGS_TYPE_LONG)],
gd.GS_CONTAINER_COLLECTION)
# 登録
row = col.create_row()
row.set_field_by_string(0, "name01")
row.set_field_by_bool(1, False)
row.set_field_by_long(2, 1)
# 検索
query=col.query("select * where name = 'name02'")
row2 = col.create_row()
rs = query.fetch(False)
while rs.has_next():
rs.get_next(row2)
name = row2.get_field_as_string(0)
status = row2.get_field_as_bool(1)
count = row2.get_field_as_long(2)

Pythonクライアントの展開状況 (1/2)
• PyPI (the Python Pakcage Index)でのPythonクライアントのパッケージ配布
※PyPI：Python言語に関連するソフト群が登録されているサイト https://pypi.python.org/
– pipコマンドでPythonクライアントを簡単にインストール可能
% pip install griddb_python_client
• OpenStack関係者によるMonasca用GridDBドライバ開発
– https://review.openstack.org/#/q/project:openstack/monasca-persister
※Monasca：OpenStackの監視基盤ソフト
– Monascaのバックエンドとして、GridDBを使うためのドライバ開発にPythonクライアントが活用されている

• ビッグデータ(AI/機械学習)プラットフォーム GridData Platform
– データ分析基盤、データレイク基盤、ストリーム処理基盤の３つから構成される製品
– データ分析基盤の主な特徴：AI、機械学習を活用したデータ分析を行うためのスタンダードな分析基盤製品
 ノートブック機能
 豊富な分析アルゴリズム
 ディープラーニング
 分析の知見を共有するギャラリー
 ビッグデータ対応
 外部DBとの接続：GridDBなど
Pythonクライアントの展開状況 (2/2)
GridDBとの接続に
Pythonクライアント
が使われている
GridDBなど

まとめ
• GridDBはビッグデータ・IoT向けのスケールアウト型データベースです。
• OSSサイト、デベロッパーズサイト、AWS Marketplace上のサービス、などを公開
・提供しています。
• ビッグデータの分析や機械学習の実現によく使われるPython言語用のクライアント
が使いやすくなりました。
● 本資料に掲載の製品名、サービス名には、各社の登録商標または商標が含まれています。
オープンソースのGridDBを是非とも使ってみてください。

GridDBに関する情報
• GridDB お問い合わせ
– デベロッパーズサイトのフォーラム、OSSサイトのGitHubのIssue、
もしくはcontact@griddb.orgをご利用ください
• GridDB デベロッパーズサイト
– https://griddb.net/
• GridDB OSSサイト
– https://github.com/griddb/griddb_nosql/
• AWS Marketplace: GridDB Community Edition (CE)
– https://aws.amazon.com/marketplace/pp/B01N5ASG2S
• Twitter: GridDB Community
– http://twitter.com/GridDBCommunity/
• Facebook: GridDB Community
– http://fb.me/griddbcommunity/
• OSSを利用したビッグデータ分析環境
– https://www.griddata-analytics.net/

デベロッパーズサイト(https://griddb.net/)の主なコンテンツ一覧
ホワイトペーパ：
• GridDB®とは
• GridDB と Cassandra のパフォーマンスとスケーラビリティ – Microsoft Azure 環境における YCSB
パフォーマンス比較
• GridDB Reliability and Robustness
など
ブログ：
• IoT産業におけるGridDB導入事例
• 自動車産業におけるGridDB導入事例
• CAP 定理と GridDB
• GridDB Azureクラスタの構築
• GridDB's C/Python/Ruby APIsを使ってみよう
• YCSB向けGridDBコネクタを使ってみよう
• Apache SparkのためのGridDBコネクタ
など

オープンソースのビッグデータ・IoT向けスケールアウト型データベースGridDBとPython連携〜GridDBとPythonと私〜

Recommended

More Related Content

What's hot (20)

Similar to オープンソースのビッグデータ・IoT向けスケールアウト型データベースGridDBとPython連携〜GridDBとPythonと私〜 (20)

More from griddb (20)