TechBull.pdf

Transcript

1. The Leading Database for AI ClickHouseのご紹介 ClickHouse株式会社 Masato Suzuki （CHMasatoman） EX-Elastic/EX-Red Hat/EX-Dell,オープンソースと技術コミュニティが好き。リア ルタイムビックデータ分析で日本企業を元気にしたい。 筋トレとTwiceが趣味。 2026
2. ClickHouse Beer 完全オリジナルクラフトビールです!! ニセコのYotei Brewingさんで作ってもらいました! 2 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
3. The Leading Database for AI ミリ秒での処理 ClickHouse オープンソース の カラム型 OLAP データベース です。 ペタバイト規模でも msでクエリ 同時処理数 高QPSによる高速同時処理 膨大なデータをSQL で 超高速 に 分析できるように設計されています。 圧倒的な データ圧縮率 と 最適化されたクエリエンジンで 大幅なコスト削減 を実現します。 3 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY データの高圧縮 数十倍のストレージ容量の削減 簡単にスケール可能 負荷に応じてダイナミックにスケール
4. ClickHouse、o11yあります！ 4 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
5. ClickStack AI SREを実現するオブザーバビリティダッシュボード ClickHouseに格納された OpenTelemetryデータをダッシュボードで可視化 • • • OSSのモニタリングツール HyperDX を買収しマネージドサービスとして提供 通常のモニタリング、アラートダッシュボードに加え、クライアントセッションのリプレイ機能も実装 AIと連携したログの解析機能を実装 Dashboards 5 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY Notebook
6. 6 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY
7. 顧客が実証した「速さ」 スピード、スケール、コストを凌駕するデータベース ANTHROPIC 4万以上のマイクロサービスから生 成されるあらゆるログを集計 Druid から移行した イベントデータ基盤 オブザーバビリティおよびモ デル開発時の分析基盤 5PB / 日 1,250万 / 秒 10億件+ / 分 PB / 日 イベントインジェスト データインジェスト データインジェスト 500〜1,000 QPS を ミリ秒 で処理 クエリの最適化で 処理性能が4.3倍 7 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 30倍 のデータ圧縮 Claude 4 90%のコスト削減 Claude が の開発に利用 ClickHouse を選択
8. 2026 分野: E-commerce and retail | 形態: OSS Observability ユーザ事例 : Shopify 観測データを自社基盤へ集約し、ピーク時 1億件 /秒を処理 課題｜監視ツール分散による調査負担 Shopify は EC 基盤を提供する企業。メトリクス、ログ、トレー スなどの観測データが複数製品に分かれ、障害時に調査先を 切り替える必要があり、費用も予測できなかった 対応｜観測データを自社基盤へ集約 "During this past Black Friday and Cyber Monday, a minute of downtime can cost our merchants $5.1 million." — Elijah McPherson, Shopify 訳: 前回のブラックフライデーとサイ バーマンデーでは、1分停止するだけ で加盟店に510万ドルの損失が生じる 可能性があります。 8 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY メトリクス、ログ、トレースを、Observe と呼ばれる ClickHouse ベースの基盤に集約。頻出項目と識別子をマテリアライズド ビューで整理して横断検索できる構成に 成果｜調査統合と 30倍超の高速化 複数製品をまたがず障害を調査でき、費用を自社で予測・管理 できるようになった。ピーク時も毎秒1億件を取り込み、クエリは 30倍超高速化した 1億件/秒 年末商戦ピークの 取り込み 30倍超 ピーク時の クエリ高速化 20〜40% Map キー整列で ディスク削減 出典: https://clickhouse.com/blog/shopify-observability-at-global-scale
9. 2026 分野: E-commerce and retail | 形態: OSS Observability ユーザ事例 : Shopify 毎秒 1億件を取り込み、 1分以内に検索可能 大容量の同期書き込み Kafka でイベントをまとめ、ClickHouse への 永続化を確認してからバッチへ応答する メタデータ用 マテリアライズド ビュー Ruby・Go・ TypeScript の サービス モバイル・エッジ・ データベース Kafka テレメトリを バッファ 可変スキーマへの対応 ClickHouse 約20テナント 同期バッチ 書き込み 永続化後に 確認応答を返す Observe 横断検索・ 障害調査 頻出する Map キーを型付き列へ移し、ビュー で50〜100ms の補完検索を返す 識別子による相関 識別子相関用 マテリアライズド ビュー 重要な ID が現れるデータセットをビューに記 録し、全体検索を関連データへ絞る Shopify Observe のテレメトリ処理経路 9 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 出典: https://clickhouse.com/blog/shopify-observability-at-global-scale
10. 2026 Real-time analytics Observability 分野: Technology | 移行元: Elasticsearch / BigQuery | 形態: Cloud(AWS) ユーザ事例 : Sony LIV 分析基盤の統合により、 1秒未満のライブ分析を実現 課題｜データ分散による障害対応遅延 Sony LIV は動画配信サービスを提供する企業。データが複数 の基盤に分散し、トラフィックが数分で数倍に増えるライブス ポーツで、障害状況を秒単位で把握できなかった "ClickHouse has become a foundational layer in our real-time analytics and observability modernization journey." — Vaibhav Gupta, Sony LIV 訳: ClickHouse は、リアルタイム分析と 可観測性の刷新を支える基盤になりま した。 数十億/日 テレメトリイベント 対応｜観測を ClickHouse へ統合 数十秒→サブ秒 各システムのイベントを ClickPipes で ClickHouse Cloud へ 取り込んだ。運用、製品分析、配信品質、SRE が同じデータを 見る構成にした 分析クエリの短縮例 成果｜ライブ障害を秒単位で把握 クエリを数十秒〜数分から1秒未満〜数秒へ短縮し、再生障害 をライブ中に把握できるようになった 10 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 出典: https://clickhouse.com/blog/sony-liv-real-time-analytics
11. 2026 Real-time analytics Observability 分野: Technology | 移行元: Elasticsearch / BigQuery | 形態: Cloud(AWS) ユーザ事例 : Sony LIV Kinesis と ClickPipes で数十億件 /日を統合 Kinesis によるイベント集約 クライアント SDK、配信サービス、CDN、広告 システムのイベントを Amazon Kinesis へ集 約する ClickPipes で継続取り込み Kinesis のイベントを ClickPipes で ClickHouse Cloud へ継続的に取り込む 用途横断の共通データ基盤 運用ダッシュボード、製品分析、配信品質、 SRE が同じデータを参照し、障害調査に使う ライブ配信テレメトリを統合する処理経路 11 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY 出典: https://clickhouse.com/blog/sony-liv-real-time-analytics
12. もくもく会やります！！ 12 ©2026 CLICKHOUSE INC., CONFIDENTIAL & PROPRIETARY