Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ペチコン2019資料
Search
Senoue
January 28, 2019
Technology
1
180
ペチコン2019資料
Senoue
January 28, 2019
Tweet
Share
More Decks by Senoue
See All by Senoue
Real-time Communication in Go with Melody and WebSockets
senoue
0
62
Adobeの生成AIのこと を調べてみた
senoue
0
110
ソフトウェア開発におけるAI :CopilotとGenie
senoue
0
110
Sendai.go x GDG Cloud 仙台 ハンズオン
senoue
0
34
GoでMecab
senoue
0
300
GKEとGoでエフェメラルなサービス
senoue
0
320
GAEのlogはStackDriverがいろいろやってくれている
senoue
1
480
GCPUG 仙台
senoue
1
400
Other Decks in Technology
See All in Technology
コンテナ・K8s研修 - 前半 コンテナ基礎・ハンズオン【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
170
AI研修【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
130
初中級者用如何使用backlog -VALE TUDOEDITION-
in0u
0
140
What if...? 처음부터 다시 LLM 어플리케이션을 개발한다면
huffon
0
1k
たくさん本を読んだけど 1年後には綺麗サッパリ!を乗り越えて 学習の鬼になるぞ👹
yum3
0
160
Matterport を使ってクラスメソッド各拠点のバーチャルオフィスツアーを作成してみた
wakatsuki
0
160
RAGのサービスをリリースして1年3ヶ月が経ちました
segavvy
4
950
プレイドにおけるDatadog APMの活用方法
plaidtech
PRO
2
120
エンジニア向け会社紹介資料
caddi_eng
14
230k
Github Actions 로 Android 팀의 효율성 극대화
hadonghyun
0
160
AWSサービスメニュー開発をしていてAWSを好きだ!と感じた瞬間
toru_kubota
0
130
目標設定は好きですか? アジャイルとともに目標と向き合い続ける方法 / Do you like target Management?
kakehashi
10
3k
Featured
See All Featured
Designing with Data
zakiwarfel
96
5k
Creatively Recalculating Your Daily Design Routine
revolveconf
214
11k
Large-scale JavaScript Application Architecture
addyosmani
506
110k
Building Better People: How to give real-time feedback that sticks.
wjessup
357
18k
GraphQLとの向き合い方2022年版
quramy
36
13k
How GitHub Uses GitHub to Build GitHub
holman
471
290k
Unsuck your backbone
ammeep
666
57k
Testing 201, or: Great Expectations
jmmastey
33
6.9k
Agile that works and the tools we love
rasmusluckow
325
20k
A Tale of Four Properties
chriscoyier
155
22k
KATA
mclloyd
20
13k
Speed Design
sergeychernyshev
9
270
Transcript
DWH (データウェアハウス) つくってみた、くらべてみた 株式会社ビデオマーケット 瀬上 祐匡 2019/1/26 PHPカンファレンス仙台2019
瀬上 祐匡(せのうえ ひろまさ) 株式会社ビデオマーケット サーバサイドエンジニア 現在、GAE/Go で、サービス開発をおこなってます。 直近は、AppleTVのサーバサイド、バックオフィスシステムの構築・改修(Laravel) 仙台市出身 ビデオマーケット入社3年目。
前職は、受託開発+自社サービスの開発・運営(LAPP+cakePHP) 好きなサービスは、Cloud Function 茂庭台中学校のPTA会長やってます モノノフです。ハリネズミ飼ってます Twitter @senoue Facebook senoue.hiromasa 自己紹介
株式会社ビデオマーケット 2005年6月 フィーチャーフォン向け、Video On Demand(VOD)事業を開始 2011年8月 スマートフォン向け開始 2014年6月 PC向け配信開始 2016年3月 仙台オフィス開設 2017年8月 配信作品本数 20万本達成 海外・国内ドラマ、アニメ、バラエティ番組など20万本以上を配信
最新作品ほぼあります。 自社サービス以外にも、 music.jp、dmm.com とも 業務連携中 沿革
DHW構築にあたって つくってみた くらべてみた
DHWってなに? データウェアハウスとは、直訳すれば「データの倉庫」である。利用者により定義範囲は異なるが、一般に時 系列に整理された大量の統合業務データ、もしくはその管理システムを指す。 参考:Wikipedia 自分の理解 BIを利用するのに、分析情報(顧客情報、購買履歴)などを 適切な形で、運用に影響の出ないようにデータを貯めておくもの で、取り出しやすいように、データの整理をしておけば、 どんな形でもOK データレイク、データマートなるものもある?
単純にコピーするだけでなく、データの整形なんかも必要そう
データベースの把握 会員情報:数百万件・・・ログインID 利用履歴:数千万件・・・操作ログ 購入情報:数千万件 作品情報:数十万件 データベースは、負荷分散のため、 3つに分かれています。 毎日DWHに差分を、保存する必要がある
くらべるもの GCP AWS
なにで作る? 1.世の中的にPythonがいいらしいから、Pythonを使おう 2.管理画面とか作りたくないから、Jupyter Notebook でごまかそ う 3.GCPとかいろいろ使ってみたいな 4.あとでAIとかつかってごにょごにょしたいな さて、方向性は決まったので、 どうやって実現するかを、
メンバーと考えました。
最初に考えたアーキテクチャ
まず検証環境構築 コンテナ環境:mariadb-columnstore-docker/columnstore-jupyter $docker-compose up -d http://localhost:8888 5分で完成しました。 コンテナ素晴らしいですね でしょ
作って動かしてみた pandas,matplotlib, google.cloud, boto3のパッケージを利用。 Jupyter なので、簡単に作成できます。 テーブルは、3つに分散されているので、 CSVは3ファイルづつ作成されます。
データレイクの確認 データレイク(S3 or GCP) にCSVファイルで保存されました。 これを毎日、動かせば、 差分のデータ作成は終了です。 Pandasで、CSVの作成もラクラクです。 ※3行で出来ちゃいます。 でしょ
パンダ最高
ETLの検証 Extract/Transform/Load(略称:ETL)とは、データウェアハウスにおける以下のような 工程を指す。 Extract - 外部の情報源からデータを抽出 Transform - 抽出したデータをビジネスでの必要に応じて変換・加工 Load
- 最終的ターゲット(すなわちデータウェアハウス)に変換・加工済みのデータをロード 参考:Wekipedia AWS・・・Athena、Glue GCP・・・Dataflow こちらも早速使ってみましたが。高い・・・あっという間に、無料枠を使っちゃいまし た。 しかも、使い勝手よくない!ということで・・・
ETLの設計 というわけで、作りました。 AWS・・・Lambda GCP・・・CloudFunction こちらも、Pythonで作りました S3もGCPも、イベント駆動が簡単にできます 特定のディレクトリにファイルが入ったら、 データをマージするように設計します ※サンプルは、Lambdaです
定時バッチの仕様 データの差分取り込み - upsert,margeを実行 - 作品データなどは小さいので洗い替え - 毎日5:00に可動
フロー図
実際の計測結果 CSV・・・自社DBから、CSVの作成 StagingDB・・・TempDBへのCSVインサート UPSERT・・・TempDBから、MasterDBへのDELETE&INSERT、もしくはマージ データの送信は、GCSが早い、 マージはRedshift速いですね、GCPの3倍近く早い。 AWS GCP AWS GCP
AWS GCP CSV StagingDB UPSERT 会員情報 14.00 4.22 5.87 35.41 6.30 18.09 操作ログ 50.50 9.07 8.95 56.31 9.65 29.98 購入履歴 30.24 7.80 8.47 46.18 8.98 22.18 単位:秒
金額でくらべてみました【AWS】 - Redshift・・・時間課金( 0.314USD/時間) - Lambda・・・実行数課金 (無料枠:1,000,000件リクエスト有 - S3・・・データ量課金 (当初3年分保管予定)
金額でくらべてみました【GCP】 - BigQuery・・・クエリからデータ取得料で金額が変わる、 *だと無駄になる。 同じクエリならキャッシュされるので、比較的安価(スト レージ+クエリ数) - Cloud Function・・・実行数課金 (無料枠:200万回)
- GCS・・・データ量+データのアクセス頻度で課金 (Nearline Storage:$0.01/GB)
金額でくらべてみました Service DWH ETL ストレージ 合計 条件 21GB/月 300万回 30GB/月
AWS 25,094.0 22.2 2.8 25,119円 GCP 1,509.0 44.4 33.3 1,586円 GCP 圧勝
最終的に現在の構成はこうなった 最終的に、、、、 AWSでリザーブドの環境を準備することになりました。 - 定額である+年払いするとやすかった - Tableauとの相性がBigQueryが悪かった - 他社実績なども考慮 ということで、現在運用中です
できたこと □負荷低減[Load reduction] 単純作業なので、サーバへの負荷0kcal □コスト削減[Cost reduction] バッチを作りつつ、管理画面も作れた。 その上でベンチマークも取れる。 現在も、4ヶ月になりますが、順調に動作しています。
できなかったこと ▪Notebook→pyへは、変換作業が必要 直接実行ファイルにすることはできなかった。 ▪バッチのトリガーは結果、Shellにしてしまった cronで実行するにあたって、エラー処理も含め、結果shellに なった この辺は、今後の課題です。
結果的に何がよかった? 仙台出身のしがないエンジニアですが、今回のようなデータ分析など の業務に携わることができています。 自由な言語で開発をしてみましょう。 趣味でもいいです、とりあえず、触ってみましょう。 PHPを否定しているわけではないです。 他の言語にふれることで、PHPの新たな発見もあります。
時代はデータドリブンである - データを見ることでわかることがたくさんある - 実際にやってみることで、新しいキヅキがある - 最初は小さなデータでもいいので、集めてみよう - 継続的に確認できるサービスにすべきである
ビデオマーケット宣伝 本日、ビデオマーケットブースにて、 VODサービスの利用状況の調査を 行っています。 お答え頂いた方にステッカーをプレゼント していますので、ぜひお立ち寄りください。 当社のVP of Engineering も会場におります
「Googleアシスタントアプリ開発入門」という 本もスタンプラリーでプレゼントしています。
ご清聴ありがとうございました。 ビデオマーケット仙台オフィスでは、エンジニアの採用を行っております。 新しいことにも積極的にチャレンジしています。 ジョブボードも、掲載していますので、 ぜひ、一度オフィスに遊びにいらっしゃってください。 ・コーポレートサイト https://www.videomarket.co.jp/recruit-form/ ・Green https://www.green-japan.com/job/76539?case=login