パフォーマンスとコスト制約から考えるアーキテクチャ設計（JAWSUG東京ランチLT会#4）

by Takuro SASAKI

Slide 1

Slide 1 text

パフォーマンスとコスト制約から考えるアーキテクチャ設計 JAWS-UG東京ランチタイムLT会 #4 2023年10月30日 NRIネットコム株式会社デジタルイノベーション本部クラウドテクニカルセンターセンター長佐々木拓郎

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Japan AWS Ambassador 2019-2022 最古参のAmbassadorの一人でした ※ AWS JAPAN APN ブログ Japan APN Ambassador 2019の発表 https://aws.amazon.com/jp/blogs/psa/japan-apn-ambassador-2019/

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

5 Copyright（C） NRI Netcom, Ltd. All rights reserved. 実際の活動をアーキテクチャに落とし込む（データ分析基盤の例）チャネル、施策接点データ集計・蓄積データ分析基盤広告メール SMS LINE SNS 検索外部キャンペーンモバイルアプリ公式SNS EC 商品ブランド BtoC会員 BtoB 会員 DL資料ウェビナー購買CV 加入CV CRM システム計測ツールデータレイク ETL DWH 分析システム BI ダッシュボード施策データ施策利用のためのマーケティングツール等の連携エンドユーザー接点・行動レイヤー計測、働き掛けレイヤーデータ活用の中枢レイヤー(分析基盤）データの施策活用送客CV リマケCV 申込CV 分析データデジマツール（特化型）デジマツール（ﾜﾝﾊﾟｯｹｰｼﾞ型）

Slide 7

Slide 7 text

6 Copyright（C） NRI Netcom, Ltd. All rights reserved. データ分析処理の一例目的に合わせて加工したデータをデータウェアハウスに格納して分析するリアルの世界での活動履歴オフラインデータ用途に応じてデータを編集 ETL 構造化したデータを保存する場所データウェアハウス Web等のオンライン上の活動履歴オンラインデータ生データクエリ分析・可視化機械学習加工済データ一般的なシステム構成であるものの、ビジネス環境の変化が加速する事で課題が出てくる場合もある構造化の過程で、不要な情報が切り捨てられる POINT 生データを構造化する段階で、不要な情報が切り捨てられる別の切り口で分析する際には、元データの再連携が必要そのためには、データレイクが必要

Slide 8

Slide 8 text

7 Copyright（C） NRI Netcom, Ltd. All rights reserved. データレイク部分をアーキテクチャを考えていく RAWデータレイク・中間データレイク・構造化データレイク RAWデータレイク DBデータなど構造化データアクセスログなど半構造化データデータレイク SNS投稿テキストなど非構造化データ ETL（整形処理）データの形式を統一フォーマット処理重複や欠損値の除去クレンジング処理個人情報などの除去マスク処理中間データレイク DBデータなど構造化データアクセスログなど半構造化データ構造化されたテキスト半構造化データ ETL（ビジネス加工）データ置換などビジネスロジック処理不要なカラムの除去などフィルタ処理データソースの属性結合エンリッチメント処理構造化データレイク顧客ごとのSNS反応履歴構造化データ Eコマースの購買履歴構造化データ実店舗の購買履歴構造化データ ETL（用途別加工）アプリ向けのデータ集約アプリ用処理古い情報のアーカイブアーカイブ用処理集計などの加工分析用処理 DWH データのフォーマットはバラバラで OK！データの意味そのものを変えるような加工はしない目的に応じて意味の改変も含めて加工したデータ

Slide 9

Slide 9 text

8 Copyright（C） NRI Netcom, Ltd. All rights reserved. AWSのサービスに当てはめてアーキテクチャを考えていくそれぞれの構成要素に対応した、複数のサービスがある。オフラインデータオンラインデータデータレイクデータウェアハウスデータマート分析・可視化機械学習 ETL データ分析基盤リアルの世界での活動履歴 Web等のオンライン上の活動履歴 Amazon S3 Amazon EMR AWS Glue Amazon Athena Amazon Redshift Amazon Aurora Amazon Kinesis Amazon SageMaker Amazon QuickSight POINT データレイクとしてはS3を利用する。それ以外は、規模・用途に応じて使い分ける蓄積系収集系処理・分析系データをそのまま保存構造化したデータを保存用途に適したデータを抽出用途に応じてデータを編集整形されたデータで分析転送取得 AWS Lambda

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

14 Copyright（C） NRI Netcom, Ltd. All rights reserved. S3のデータをBIツールでダッシュボード化してみたい場合 AthenaとRedshiftの料金モデル ※他にも、料金モデルは幾つかある Amazon Athena Amazon Redshift ※インスタンスタイプは多数あるインスタンス課金 dc2.large $0.314/h 1TBのデータ読み取りごとに$5 SQLクエリ利用量/データ料に関わらずほぼ定額同時実行数はインスタンスサイズに依存レスポンスは RDBより遅い利用量/データ量で料金は大幅に変動同時実行数は AWS側にお任せレスポンスは数秒〜数分

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

18 Copyright（C） NRI Netcom, Ltd. All rights reserved. 性能測定 Athenaの性能を測定してみたファイル数ファイルサイズ合計サイズ CSV （圧縮なし） CSV （GZIP圧縮） Parquet （Snappy圧縮） 1件 10GB 10GB 3.88秒 247.88秒エラー発生 10件 1GB 10GB 3.87秒 29.27秒 1.85秒 100件 100MB 10GB 3.57秒 4.48秒 1.85秒 1,000件 10MB 10GB 3.36秒 3.26秒 2.24秒 10,000件 1MB 10GB 4.07秒 4.17秒 2.76秒 100,000件 100KB 10GB 11.51秒 12.62秒 11.68秒 1,000,000件 10KB 10GB 92.95秒 91.38秒 76.35秒 10,000,000件 1KB 10GB 90.17秒 900秒超 900秒超著しく性能劣化するケースがある ※ファイル数については、おおよその目安の数

Slide 20

Slide 20 text

19 Copyright（C） NRI Netcom, Ltd. All rights reserved. S3のデータをBIツールでダッシュボード化してみたい場合 Amazon QuickSight Amazon Redshift AWS Glue 抽出＆変換格納クエリクエリ可視化ちょっとデータを測定しただけでも… Amazon Athena 抽出＆変換 Amazon S3 Athenaを使おうとしたら S3に置くデータの形式が重要なのがわかる他のサービスだったら？

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

Slide 25

Slide 25 text

24 Copyright（C） NRI Netcom, Ltd. All rights reserved. 今回の検証で、どれくらいのAWS利用料が掛かったのか？ Athena：$20.81 EC2：$81.88 S3：$216.97 （引用）AWS Billing: https://us-east-1.console.aws.amazon.com/billing/home?region=ap-northeast-1#/bills

Slide 26

Slide 26 text

25 Copyright（C） NRI Netcom, Ltd. All rights reserved. なぜ、お金が掛かったのか？ファイル数ファイルサイズ合計サイズ CSV （圧縮なし） CSV （GZIP圧縮） Parquet （Snappy圧縮） 1件 10GB 10GB 3.88秒 247.88秒エラー発生 10件 1GB 10GB 3.87秒 29.27秒 1.85秒 100件 100MB 10GB 3.57秒 4.48秒 1.85秒 1,000件 10MB 10GB 3.36秒 3.26秒 2.24秒 10,000件 1MB 10GB 4.07秒 4.17秒 2.76秒 100,000件 100KB 10GB 11.51秒 12.62秒 11.68秒 1,000,000件 10KB 10GB 92.95秒 91.38秒 76.35秒 10,000,000件 1KB 10GB 90.17秒 900秒超 900秒超 1,000万件のGetに$3.7 それを10回試行⇒3フォーマット 37$×3=$111 ※実際のファイル数は、900万件くらい

Slide 27

Slide 27 text

No content