Introduction
|
|
- ひろき ささおか
- 7 years ago
- Views:
Transcription
1
2 Introduction
3 R&D More Than Web - -
4
5 3
6 R&D Vision Fusion Interaction Collaboration
7
8
9 3 6
10 Client Server Platform
11 Client Server Platform
12 Client
13 Client Server Platform
14 Server
15 Client Server Platform
16 Platform
17 Client Server Platform
18 UI
19
20 Server
21
22
23 Google MapReduce, GFS, BigTable IBM Object Grid KLAB repcached Yahoo Hadoop, HDFS, hbase Microsoft Velocity, SDS Tokyo Cabinet, Tokyo Tyrant JBoss Cache, Skynet, Starfish Amazon Dynamo Oracle Coherence Flare
24
25 Hadoop
26
27 Hadoop ROMA Hadoop
28 Hadoop Hadoop Intel( R ) Xeon(TM) CPU 3.06GHz (SingleCore) 2 / Memory 4GB Fair Scheduler
29 Hadoop
30
31
32
33
34
35
36
37
38
39 2 GB
40 Map Reduce user1, itema, itemb user2, itemb user3, itema, itemb, itemc Map Reduce itema itemb itemc user1 user2 user3 {(itema,0.10),(itemb,0.04), } {(itema,0.01), } {(itema,0.02), } {(itemc,0.10), } {(itema,0.02), (itemc,0.01), } {(itemd,0.04), (iteme,0.01), }
41 ROMA&fairy
42
43
44 ROMA
45 ROMA Key-Value Store (KVS) Key Value PUT/GET RDB ROMA
46 ROMA Rakuten On-Memory Architecture
47 8 27 PC
48 fairy
49 fairy 分散処理フレームワーク 分散処理を簡単に実現するミドルウェア 複数サーバーで並列処理を高速実行 既存プログラムの並列化にも利用可能 複数サーバーに散らばったデータを効率よく処理 データ変換したり 集計したり Ruby の優れた表現力で 柔軟な処理 MapReduce 以上の表現力を実現 分散環境をほとんど意識しないで 拡張性の高い分散処理プログラムを開発可能 49
50 fairy.vf input fairy platform smap input group_by smap master client smap output.vf group_by smap output input group_by smap node input group_by smap input group_by smap smap output smap output smap output
51 fairy
52
53
XXXXX
クラウド基盤技術の活用事例 楽天技術研究所森正弥 2 0 1 0 年 7 月 2 6 日 1 2 Introduction 3 Introduction 森正弥 ( もりまさや ) Twitter: @emasha (http://twitter.com/emasha) 楽天株式会社 楽天技術研究所 職掌 研究開発組織の推進 統括 IT 戦略の企画 実行 前職はコンサルタント 製造業 官公庁にて IT
More information2 1,384,000 2,000,000 1,296,211 1,793,925 38,000 54,500 27,804 43,187 41,000 60,000 31,776 49,017 8,781 18,663 25,000 35,300 3 4 5 6 1,296,211 1,793,925 27,804 43,187 1,275,648 1,753,306 29,387 43,025
More informationDEIM Forum 2012 C2-6 Hadoop Web Hadoop Distributed File System Hadoop I/O I/O Hadoo
DEIM Forum 12 C2-6 Hadoop 112-86 2-1-1 E-mail: momo@ogl.is.ocha.ac.jp, oguchi@computer.org Web Hadoop Distributed File System Hadoop I/O I/O Hadoop A Study about the Remote Data Access Control for Hadoop
More informationyamamoto_hadoop.pptx
Hadoop Streaming 2011/2/16 H22 ? SaaS (So5ware as a Service) (,etc.) PaaS (Pla?orm as a Service) (Google App Engine,, Mixi Appli etc.) IaaS (Infrastructure as a Service) (Amazon EC2) VMWare ESX, Hyper-
More informationIPSJ-HPC
can effectively exploit the I/O performance of clusters with Gbit/sec-class flash memories. In this paper, we first outline our prototype MapReduce system which utilizes distributed key-value store. And
More informationMicrosoft PowerPoint - shudo-NoSQL-data-model ppt
28 2009 12 17 NoSQL 1 NoSQL, key-value store, documentoriented DB, graph DB, memcached, Bigtable, Dynamo, Amazon SimpleDB, Cassandra, Voldemort, Ringo, VPork, MongoDB, CouchDB, Tokyo Cabinet/Tokyo Tyrant,
More informationP P P P P P P OS... P P P P P P
SAS Visual Analytics on MapR Converged Data Platform 2015 12 1. 1.1... P2 1.2... P2 2. 2.1... P3 2.2... P6 2.2.1... P6 2.2.2... P6 2.3... P10 3. 3.1 OS... P11 3.2... P12 3.3... P13 3.4... P13 3.5... P14
More informationSpark と大規模データ処理 - NAISTビッグデータアナリティクス 第2回
Spark NAIST 2 2015 10 16 Hadoop Spark Apache Spark 2 / 39 (three V) (Volume) 2011 1.8ZB 2020 35ZB 1ZB 1 = 10 21 B = 1, 000 EB = 1, 000, 000 PB = 1, 000, 000, 000 TB = 1, 000, 000, 000, 000 GB (Variety)
More informationAgenda Scalability Availability CAP Theorem Scalability Availability Consistency BASE Transaction
Cloud --- Scalability Availability --- Agenda Scalability Availability CAP Theorem Scalability Availability Consistency BASE Transaction Scale-out Scale-out Availability Scalabilty Availability Scalability
More informationuntitled
16 4 1 17 1 50 -1- -2- -3- -4- -5- -6- -7- 1 2-8- -9- -10- -11- Web -12- (1) (2)(1) (3) (4) (1)()(2) (3)(4) -13- -14- -15- -16- -17- -18- -19- -20- -21- -22- -23- (2)(1) (3) -24- -25- -26- -27- -28- -29-
More informationMATLAB® における並列・分散コンピューティング ~ Parallel Computing Toolbox™ & MATLAB Distributed Computing Server™ ~
MATLAB における並列 分散コンピューティング ~ Parallel Computing Toolbox & MATLAB Distributed Computing Server ~ MathWorks Japan Application Engineering Group Takashi Yoshida 2016 The MathWorks, Inc. 1 System Configuration
More informationRubyKaigi2009 COBOL
RubyKaigi2009 COBOL seki@druby.org 3360 Pragmatic Bookshelf druby Web $32.00 International Journal of PARALLEL PROGRAMING !? MapReduce Rinda (map, reduce) map reduce key value [, ] [, ID] map()
More information無料セミナー資料:ビッグデータ管理基盤ソフトウェアHadoop入門
ビッグデータ管理基盤ソフトウェア Hadoop 入門 NEC ラーニングテクノロジー研修事業部 土井正宏 アジェンダ Hadoopとは? HDFSの概要 Map/Reduceのしくみ Hadoopのエコシステム ( 関連製品 ) Hadoop 0.23について Page 2 NEC Corporation 2010 Hadoop の概要 高スケーラブルな分散管理基盤 グリッドコンピューティング 2つのコア機能
More informationMicrosoft PowerPoint - SWoPP2010_Shirahata
GPU を考慮した MapReduce の タスクスケジューリング 白幡晃一 1 佐藤仁 1 松岡聡 1 2 3 1 東京工業大学 2 科学技術振興機構 3 国立情報学研究所 大規模データ処理 情報爆発時代における 大規模データ処理 気象 生物学 天文学 物理学など様々な科学技術計算での利用 MapReduce 大規模データ処理のためのプログラミングモデルデ スケーラブルな並列データ処理 GPGPU
More informationスライド 1
丸山先生レクチャーシリーズ 2010 第 3 回 2010 年 4 月 22 日 ( 木 ) 楽天株式会社本社 key-value ストアの基礎知識 首藤一幸 1 内容 key-value ストア NoSQL データストア 特徴とその根源 さらなるスケーラビリティを デモ スライド 30 枚 2 key-value ストアとは キーと値の組を書き込み キーを指定することで値を読み出せるデータベース管理ソフトウェア
More informationPowerPoint プレゼンテーション
総務省 ICTスキル総合習得教材 概要版 eラーニング用 [ コース2] データ蓄積 2-5: 多様化が進展するクラウドサービス [ コース1] データ収集 [ コース2] データ蓄積 [ コース3] データ分析 [ コース4] データ利活用 1 2 3 4 5 座学本講座の学習内容 (2-5: 多様化が進展するクラウドサービス ) 講座概要 近年 注目されているクラウドの関連技術を紹介します PCやサーバを構成するパーツを紹介後
More informationIT 1. IT 2. 2.1. IT 2.2. SKYSEA Client View Government License Light Edition Sky 1500 28 2 15 12 3. 4. 28 3 25 1 5. 5.1. (1) 28 4 1 (2) (3) (4) ISO27001 P (5) ISO/IEC20000 (6) USB 1 (7) OS (8) 1 CPU 4
More information20 Covert Channel
20 Covert Channel 200602824 1 4 2 6 2.1 Covert Channel..................... 6 2.1.1................. 6 2.1.2 Covert Channel........ 7 2.2...................... 7 2.3.................... 8 2.4..................
More informationuntitled
Oracle Direct Seminar IT Agenda 1. Oracle RAC on Oracle VM 2. Oracle Database 11gR2 3. Oracle Exadata Oracle Direct Concierge SQL Server MySQL PostgreSQL Access
More informationスライド 1
Hadoop とは Hadoop の二本柱 分散ファイルシステム HDFS(Hadoop Distributed File System) 分散プログラミングモデル MapReduce Hadoop の目的 大規模ファイル処理 格納, 加工 ペタバイト規模 複数計算機の協調動作 スケーラブルシステム 数百 ~ 数千台規模 Key-Value store MapReduce HDFS Node Node
More information…l…b…g…‘†[…N…v…“…O…›…~…fi…OfiÁŸ_
13 : Web : RDB (MySQL ) DB (memcached ) 1: MySQL ( ) 2: : /, 3: : Google, 1 / 23 testmysql.rb: mysql ruby testmem.rb: memcached ruby 2 / 23 ? Web / 3 ( ) Web s ( ) MySQL PostgreSQL SQLite MariaDB (MySQL
More informationスライド 1
SAS Loves Big Data via Hadoop ~Big Data Driven Innovation~ 惟高裕一, 北西由武, 都地昭夫 塩野義製薬株式会社 SAS Loves Big Data via Hadoop ~Big Data Driven Innovation~ Yuichi Koretaka, Yoshitake Kitanishi, Akio Tsuji SHIONOGI
More informationHPE Moonshot System ~ビッグデータ分析&モバイルワークプレイスを新たなステージへ~
Brochure HPE Moonshot System HPE Moonshot System 4.3U 45 HPE Moonshot System Xeon & HPE Moonshot System HPE Moonshot System HPE HPE Moonshot System &IoT & SoC Xeon D-1500 Broadwell-DE HPE ProLiant m510
More informationITソリューション フロンティア2012年4月号
04 2012 Vol.29 No.4 042012 4 6 8 12 16 18 20 22 24 28 32 36 38 4 5 6 7 8 9 10 11 ID-POS ID-POS 12 13 14 15 16 17 18 19 20 21 22 23 24 Hadoop 25 Hadoop 26 Hadoop 27 28 29 30 31 Web 32 33 34 35 36 37 38
More informationuntitled
. 1 2 10 10 1. - - 2 ( 12 12) 50 50 5 ( 15 15) 100 100 7 ( 17 17) 136 136 10 10 ( 20 20) 173 173 ( 22 226 ) 169 169 24 1 920 3 0 1814 4. - - 1 6 ( 7) 50 50 13 13 ( 14 14) 16 16 ( 17 17) 400 400 ( 22 226
More information2009 1. 2. 3. 4. 5. 2 2009 CONTENTS 4 6 8 TOPIC 01 10 TOPIC 02 11 TOPIC 03 12 TOPIC 04 14 TOPIC 05 15 TOPIC 06 15 TOPIC 07 16 18 18 19 20 21 22 22 22 23 24 25 26 27 27 27 28 29 30 TOPIC 08 16 TOPIC 09
More informationendo.PDF
MAP 18 19 20 21 3 1173 MAP 22 700800 106 3000 23 24 59 1984 358 358 399 25 12 8 1996 3 39 24 20 10 1998 9,000 1,400 5,200 250 12 26 4 1996 156 1.3 1990 27 28 29 8 606 290 250 30 11 24 8 1779 31 22 42 9
More informationデータセンターの効率的な資源活用のためのデータ収集・照会システムの設計
データセンターの効率的な 資源活用のためのデータ収集 照会システムの設計 株式会社ネットワーク応用通信研究所前田修吾 2014 年 11 月 20 日 本日のテーマ データセンターの効率的な資源活用のためのデータ収集 照会システムの設計 時系列データを効率的に扱うための設計 1 システムの目的 データセンター内の機器のセンサーなどからデータを取集し その情報を元に機器の制御を行うことで 電力消費量を抑制する
More information20169 3 4 5003 n=3,000 61.8% 38.2% n=3,000 20 7.3% 30 21.3% 40 34.8% 50 36.6% n=3,000 3.0% 2.0% 1.5% 12.1% 14.0% 41.4% 25.9% n=3,000 37.7% % 24.8% 28.8% 1.9% 3.1% 0.2% n=3,000 500 64.0% 500 1,000 31.3%
More information2013.10.22 Facebook twitter mixi GREE Facebook twitter mixi GREE Facebook Facebook Facebook SNS 201 1 8 Facebook Facebook Facebook Facebook 1,960 7 2012 400 Facebook SNS mixi Google Facebook Facebook
More informationElastic MapReduce bootcamp
EMR Controls, Debugging, Monitoring アマゾンデータサービスジャパン株式会社 このセッションの目的 EMR 環境の運用方法を講義とハンズオンを通して理解する デバッグ 調査の方法 モニタリングの方法 Copyright 2012 Amazon Web Services アジェンダ デバッグ 調査 ログの仕様 ログ確認方法モニタリング Management Console
More information.o...EPDF.p.indd
Social and Environmental report 28 1 2 3 5 7 9 11 12 17 18 19 22 24 25 26 27 28 29 3 2 3 4 5 6 7 4 1 2 5 3 6 8 9 1 1 2 3 4 11 12 1 2 3 4 13 14 1 2 3 4 5 6 7 8 15 16 17 1 2 3 18 19 1 2 3 4 2 21 1 2 3 4
More information2 Hadoop MapReduce Hadoop, MapReduce Apache Hadoop Project Open Source Software Hadoop common MapReduce Hadoop Distributed File System( HDFS)
DEIM Forum 2014 D1-6 Hadoop 780-8520 2-5-1 780-8520 2-5-1 780-8520 2-5-1 E-mail: {nishimae,b103k299,honda}@is.kochi-u.ac.jp Hadoop MapReduce Map-Reduce Hadoop,MapReduce,,,, 1. e- Apache Hadoop ( Hadoop)
More informationIIJ Technical WEEK Cloudbusting Machine(CBM)
Cloudbusting Machine CBM IIJ Project Gryfon PaaS Cloudbusting Machine CBM Project Gryfon PaaS http://www.gryfon.iij-ii.co.jp/ Key-Value Store KVS C GQL PHP-C MySQL 5.0.77 Cassandra 0.7.2 MongoDB 1.8.2
More informationuntitled
Oracle RAC 10gRAC Agenda 1. Why Oracle on Dell Dell Oracle on Linux Dell Oracle Dell Oracle 2. Oracle Clustering Solution Oracle Real Application Cluster 3. Case Study 4. Oracle RAC Solution on Dell Oracle
More informationIBM クラウド事例から考える OSS による企業向けクラウドの可能性 日本アイ ビー エム株式会社 Linux/OSS エバンジェリスト中井悦司 Feb. 27, IBM Corporation
IBM クラウド事例から考える OSS による企業向けクラウドの可能性 日本アイ ビー エム株式会社 Linux/OSS エバンジェリスト中井悦司 Feb. 27, 2010 目次 クラウドとは? IBM クラウド事例に見るクラウド構成技術 クラウドを作る / 使う技術としての OSS 参考資料 2 クラウドとは? 3 仮想化された IT リソースのライフサイクル管理を自動化するのが IBM のクラウド技術です
More informationビッグデータアナリティクス - 第3回: 分散処理とApache Spark
3 : Apache Spark 2017 10 20 2017 10 20 1 / 32 2011 1.8ZB 2020 35ZB 1ZB = 10 21 = 1,000,000,000,000 GB Word Excel XML CSV JSON text... 2017 10 20 2 / 32 CPU SPECfp Pentium G3420 77.6 8,946 Xeon Gold 6128
More information(Microsoft PowerPoint - Hadoop\225\224\211\357.ppt)
Hadoop 部会 株式会社エイビス株式会社富士通九州システムズ九州東芝エンジニアリング株式会社九州東芝エンジニアリング株式会社株式会社オーイーシー株式会社オーイーシー大分大学大学院工学研究科 1 ( 部長 ) 小池翼 ( 副部長 ) 小畑智博小原辰徳郷原慎之介高熊大将玉井達也大場紀彦 2 テーマ 実業務への Hadoop の適用 ~ 気象データを用いた分散処理の実装 ~ Hadoop とは Hadoop
More informationuntitled
2004.11.18 1 3C everywhere Aoyama Morikawa Laboratory 2 3C Everywhere Computing everywhere PDA, Contents everywhere XMLmp3 1 terabyte 1 zettabyte (10 21 ) Connectivity everywhere 2G/3G/4GLAN DSL, DSRC,
More informationHP ProLiant Gen8とRed Hatで始めるHadoop™ ~Hadoop™スタートアップ支援サービス~
Brochure Gen8 Red Hat Hadoop Hadoop Hadoop Hadoop Hadoop HP Hadoop IT IDC 20122.7ZB 2011 48% 20158ZB 2 IDC 20122.7ZB 2011 48%20158ZB 1 DC Predictions 2012: Competing for 2020 IDC 2011 12 : 1ZB =10 Hadoop
More information3 57 210 57 JR 57325 132 28 IC JCT 28 4.1.1 4.1.1 4.1.2 4.1.2 4.1.1 11 35) 4.1.3 4.1.4 4.1.5 77 4.1.1 4.1.2 4.1.3 4.1.2 11 4.1.4 4.1.5 78 298 299 298 325 298 57 299 471 650 299 298 325 400m 640m 4.1.3
More informationパートナーソリューション NIFTY CloudをiPhoneから簡単操作 クラウドコンサルティング ニ フ テ ィ ク ラ ウ ド マ ネ ー ジ ャ ー クラウド型データ解析ソリューション NIFTY Cloud Manager 大量データ............ データ整形 クレンジング........ 集計処理 カスタマイズ可能...... 柔軟な組み合わせ NIFTY Cloud Storage
More informationPowerPoint Presentation
MATLAB による 大規模フリートデータ解析 アプリケーションエンジニアリング部齊藤甲次朗 2015 The MathWorks, Inc. 1 アジェンダ はじめに ビッグデータ解析の課題 MATLAB を活用したフリートデータ解析事例 フリートデータ解析実践 デスクトップでの解析 クラスターへのスケールアウト MATLAB 解析のシステムへの統合 まとめ 2 25 GB / 1hour 4 フリートデータ解析を含むビッグデータ解析の課題
More informationHortonworks Kitase
Data Platform エキスパートに聞く クラウドで実現するビッグデータ活 本マイクロソフト株式会社 本アイ ビー エム株式会社 ホートンワークスジャパン株式会社 佐藤 直 平 毅 北瀬 公彦 Hortonworks 2 アジェンダ メジャーなクラウドにおけるビッグデータ アナリティクス関連サービスについて確認 Azure のビッグデータ アナリティクス関連サービスについて IBM のビッグデータ
More informationクラウドコンポーザビリティをサポートするPaaSシステム
クラウドコンポーザビリティをサポートする システム 藤田昭人株式会社 IIJ イノベーションインスティテュート はじめに Project Gryfon 会社設立を含む事業化のための研究開発プロジェクト 2008 年 7 月以来 クラウド コンピューティング研究開発を手がける Hadoop による MapReduce のスタディ Key-Value Store による分散ストレージ 現在のミッション
More information2011年11月10日 クラウドサービスのためのSINET 学認説明会 九州地区説明会 九州大学キャンパス クラウドシステムの導入 伊東栄典 情報基盤研究開発センター 1
2011年11月10日 クラウドサービスのためのSINET 学認説明会 九州地区説明会 九州大学キャンパス クラウドシステムの導入 伊東栄典 情報基盤研究開発センター ito.eisuke.523@m.kyushu-u.ac.jp 1 用 方 } } } } } 用 (Public Cloud) } Amazon EC2/S3/ElasticMapReduce } (Community Cloud)
More informations
s073083 23 3 17 1 2 1.1.............................. 2 1.2.............................. 2 1.3.............................. 3 2 4 2.1........................... 4 2.2 Google App Engine........................
More informationPowerPoint プレゼンテーション
Oracle GRID Center Flash SSD + 最新ストレージと Oracle Database で実現するデータベース統合の新しい形 2011 年 2 月 23 日日本オラクル Grid Center エンジニア岩本知博 進化し続けるストレージ関連技術 高速ストレージネットワークの多様化 低価格化 10GbE FCoE 8Gb FC ディスクドライブの多様化および大容量 / 低価格化
More information<Insert Picture Here> Oracle Cloud Computing Vision *Oracle Java Oracle Corporation Copyright 2009, Oracle. All rights reserved. 2 1
Oracle Cloud Computing Vision 2010 02 23 *Oracle Java Oracle Corporation 2 1 Cloud s Benefits and Challenges & volution 3 Why Cloud Computing? / Why ot Cloud Computing? Benefits Cost Agility ( ) Challenges/Issues
More informationユーザ各位 No. E 年 8 月吉日 日本システム技術株式会社 GAKUEN EX/REVOLUTION EX/UNIVERSAL PASSPORT EX Ver1.5 リリースのお知らせ 拝啓残暑のみぎり 貴学ますますご清祥のこととお慶び申し上げます また 平素は弊社製品 G
ユーザ各位 No. E16031 2016 年 8 月吉日 日本システム技術株式会社 GAKUEN EX/REVOLUTION EX/UNIVERSAL PASSPORT EX Ver1.5 リリースのお知らせ 拝啓残暑のみぎり 貴学ますますご清祥のこととお慶び申し上げます また 平素は弊社製品 GAKUEN シリーズ をご愛顧いただき厚く御礼申し上げます このたび GAKUEN REVOLUTION
More informationMicrosoft PowerPoint _Hadoop.pptx
Hadoop で行う大規模データ処理 kzk Hadoop とは? Google の基盤ソフトウェアのクローン Google File System Yahoo Research の Doug Cutting 氏が開発 元々は Nutch Crawler のサブプロジェクト Doug の子供の持っているぬいぐるみの名前 Java で記述 Amazon S3 との親和性
More informationOSS 体験セミナー Hadoop の概要 高スケーラブルな分散管理基盤 2 つのコア機能 分散ファイルシステム (HDFS) 分散処理フレームワーク (Map/Reduce) BigData の管理基盤として注目 分散処理基盤 (Map/Reduce) Hadoop 分散ファイルシステム (HDF
Hadoop スタートアップセミナー Hadoop スタートアップセミナー NEC ラーニングテクノロジー研修事業部土井正宏 OSS 体験セミナー Hadoop の概要 高スケーラブルな分散管理基盤 2 つのコア機能 分散ファイルシステム (HDFS) 分散処理フレームワーク (Map/Reduce) BigData の管理基盤として注目 分散処理基盤 (Map/Reduce) Hadoop 分散ファイルシステム
More informationintra-mart Web for SellSide ver /03/31 Oracle MS-SQL Server IBM DB2 MS-SQL Server IBM DB2 Client Side JavaScript Server Side JavaScript URL -
intra-mart Web for SellSide ver3.1.0 2002/03/31 Oracle MS-SQL Server IBM DB2 MS-SQL Server IBM DB2 Client Side JavaScript Server Side JavaScript URL - intra-mart intra-mart intra-mart - 1 - intra-mart
More information<Insert Picture Here>
Copyright Corporation Japan, 2006. All rights reserved. 3 Business Intelligence Enterprise Semantic Model vs. BI BI BAM Insight Driven Actions Copyright Corporation Japan, 2006. All
More information情報の構造とデータ処理
mizutani@ic.daito.ac.jp 2014 SQL information system input process output (information) (symbols) (information structure) (data) 201411 ton/kg m/feet km 2 /m 2 (data structure) (integer) (real) (boolean)
More informationSAP のプラットフォームとして IBM Cloudを選択すべき理由徹底解説 :SAPをクラウドで活用する 3つのパターン 最善の選択肢は? ERP をクラウド化したいと考える場合 企業システムの中心を担うだけにその実現方法は慎重に検 討したい IBM が SAP システム向けに用意する 3 つのサ
SAP のプラットフォームとして IBM Cloudを選択すべき理由徹底解説 :SAPをクラウドで活用する 3つのパターン 最善の選択肢は? ERP をクラウド化したいと考える場合 企業システムの中心を担うだけにその実現方法は慎重に検 討したい IBM が SAP システム向けに用意する 3 つのサービスラインアップから ニーズに合わせた選 択肢を探る ERP ERP SAP IBM IBM 40
More information2014-11.key
2014-11 1 2 3 4 5 7 8 9 10 11 12 PC 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 45 46 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
More information「東京こどもネット・ケータイヘルプデスク(こたエール)」平成22年度相談実績の概要
734, 35% 62, 11% 84, 16% 530, 26% 235, 11% PC) 396, 73% 579, 28% ) (21 ) 2 3 4 5 6 7 8 9 10 11 12 13 200 150 100 22 182 200 150 100 22 50 54 PC 49 52 PC 50 41 14 17 1 1 4 16 3 6 14 180 250 200 150 235
More information6 30 2005 10 1 65 2,682 00 21.9 481 1 2,776 21.0 15 1,740 00 5.8 107 13.6 40 2025 24.2-0 - -1 - -2 - -3 - -4 - -5 - -6 - -7 - -8- -9 - - 10 - -11 - - 12 - - 13-10 11 59 4 59 3 10 17 - 14 - - 15 - - 16
More informationHULFT-DataMagic Ver2.2.0 製品対応OS
Ver2.2.0 製品対応 OS 2014 年 2 月 5 日以降適用 版最新 Version 2.2.0 for コード変換 オプション for DB 接続 オプション (Oracle) for DB 接続 オプション (DB2) for DB 接続 オプション (PostgreSQL) for DB 接続 オプション (SQL Server) for Excel オプション for テンプレート
More informationCanon Industrial Imaging Platform Monitoring Edition 使用説明書
... 4... 4... 4... 5 1 Monitoring Edition... 8... 11... 13... 13... 13... 13 2 PLC... 16 XProtect Management Client... 17... 17... 18... 20... 23... 24... 26... 26... 27 3 Monitoring Edition Setup... 30...
More informationC O N T E N T S 3 Introduction 2 3 Introduction 4 5 0 0 20,000 500 1,000 1,500 2,000 2,500 3,000 3,500 40,000 60,000 80,000 100,000 120,000 140,000 kg 105,634 48,220 46,847 21,840 2,690 592 5,765 1,273
More information<4D6963726F736F667420576F7264202D2081A193B98BE257656290EA97708CFB8DC08B4B92E88179918D8D878CFB8DC0817A816990568B4B816A81798A6D92E894C5817A2E646F63>
More information
( )
Web Web 1 3 1 21 11 22 23 24 3 2 3 4 5 1 1 11 22 9 2 3 15 11 22 2 11 21 4 5 ( ) 102 ( ) 1 ( 1 2001 Web 1 5 4 1 1 - 7 - [] - 7 10 11 12 12 1 10 1 12 - [] 1 1 2 Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 3 1 47
More information夏目小兵衛直克
39(1906)1222 14(1817) 3(1832)1514(1843) 2628 6 (1853) (1854)3727 3(1856) 1 / 13 5(1858)6(1859) 5(1853) () () () () () () 3(1867)29 504111( 2 / 13 )98 23 18 2(1869)310283 100 50() 58 226 3313200982 5033
More informationnenkin.PDF
1 31 1 WEB 10 3,544 429 13 10 22 11 7 WEB 1 2 41.0 15 80.0 20 46.7% 1000 55.8 1000 34.4 21 18.2 1000 23 25 41.0 49.2 29 90.6 42.7 33 56.4% 79.2% 67.4 51.7 37 39 83.7 1 91.0 93.6 9 2 3 1000 96.3 300 1000
More information-1-
-1- -2- -3-1 8 6% 2 4 6 8 1 48 63 43 6 55 38 78 58 2 88 67 11 22 78 1 56 22 89 47 34 36 32 38 4 34 26 7 -4- 18-5- 3 25 28 (6.%) (6.%) (.9%) 2 15 18 158 1 (3.8%) (56.4%) 5 2 137 27 8 1 68 119 26 71 28 65
More informationAuto Tracking Server Software 導入手順書
Auto Tracking Server Software 導入手順書 目次 はじめに... 3 動作環境... 3 ネットワーク... 4 本ファイルの記載について... 4 登録および登録商標について... 4 サーバーの構成について... 5 リモートカメラの設定について... 6 ソフトウェアのインストール... 7 ソフトウェアのダウンロード... 7 ソフトウェアのインストール... 7
More informationスライド 1
Fluentd + Zabbix + Grafana でグラフィカルなログ監視 分析システムを構築してみよう! 2016 年 7 月 29 日 SRA OSS, Inc. 日本支社 マーケティング部 OSS 技術グループ 1 アジェンダ Fluentdについて Zabbixについて Grafanaとは Fluentd + Zabbix + Grafana 構成の利点 デモ 2 Fluentd について
More informationプレゼンテーション
WEB OpenSolaris Name Title Japan OpenSolaris User Group Leader 1 ........ S X S 5 S S 5.. 2001. 2 Japan OpenSolaris User Group. OpenSolaris. http://jp.opensolaris.org. ug-jposug@opensolaris.org. OpenSolaris.
More information