概要
データを効率的に処理、収集、分析する能力は近年ますます価値を高めています。クラウドデータウェアハウジングは、大規模組織がこのニーズに相当な機敏さ、効果性、そして迅速さで対応できるようにします。ガートナーは2022年までに 全データベースの75% がクラウドに移行するか、初期にクラウド内に展開されると予測しています。
利用可能なすべての証拠は、企業のデータ利用が今後も増加し、流通するデータの種類やその出所がより多様になることを示唆しています。この進化するデータの多様性には、従来のデータウェアハウジング手法の範囲を超えた柔軟なアプローチが必要であり、そこで クラウド の登場です。
オンプレミスインフラは依然としてデータウェアハウジングに価値を提供しますが、クラウドファーストのデータウェアハウス、特にハイブリッド環境が急速に標準となっています。この変化は今後も続く傾向を示しています。この技術の基本を見直し、企業向けにクラウドデータウェアハウジングソリューションをどのように評価し実装すべきかを検討しましょう。
クラウドデータウェアハウジングとは何で、どのように機能するのでしょうか?
クラウド データウェアハウス は、従来のデータウェアハウスに期待されるデータ処理、収集、統合、クレンジング、読み込み、報告などすべての機能を実行します。しかし、それはパブリッククラウド環境内で行われます。例としては、Microsoft Azure SQL Data Warehouse、Amazon Redshift、Teradata Autonomous Knowledge Platform、Google CloudのBigQuery、Snowflake Cloud Data Platformなどがあります。
オンプレミスの対応物と同様に、クラウドに展開されるエンタープライズデータウェアハウスも通常リレーショナルデータベースであり、 構造化データおよび半構造化データに焦点を当てています。これは、顧客関係管理(CRM)、エンタープライズリソースプランニング(ERP)、POSアプリケーションなどでよく見られるタイプです。一方、 非構造化データは通常、クラウドベースのデータレイクフレームワークを使って集約されます。
最も細かいレベルでは、倉庫に保存されるデータの大部分は 事実、測定、または次元のいずれかとして特徴付けられます。
- 事実:特定の出来事や取引に関連するデータポイント、例:「従業員ジョン・スミスに年間総給48,000ドルの報酬」
- 指標: 事実に結びついた正確な数字 — 上記の例に基づく指標の一つは「月給:$4,000」です。
- 寸法: これらは「従業員名:ジョン・スミス」や「直接入金日:11月15日および11月30日」などのより構造化された文脈情報とともに事実や指標を分類しています。
クラウドデータベースはその多様性が特徴であり、そのため簡単に多次元的に対応できます。現在および過去のビッグデータの多次元を一つの場で容易に管理できるだけでなく、現代のクラウドデータベースはサーバーレスアーキテクチャで動作できるため、企業のデータ管理責任を最小限に抑えることができます。あるいは、クラウドデータベースは2台以上の物理サーバーを使用するクラスター&ノード方式を用いる場合もあります。
従来型アーキテクチャとクラウドアーキテクチャの違い
従来のエンタープライズデータウェアハウスは、組織が自社でハードウェアのプロビジョニング、ストレージ、計算リソースを管理する オンプレミスの多層アーキテクチャ を利用しています。データは報告や分析のために利用可能になるまでに複数の層を経て流れます。
ほとんどの従来の倉庫アーキテクチャは三層構造に従っています。基盤には、運用システムやその他のソースからデータを収集するデータベース層があります。中間層には、データを変換・整理するオンライン分析処理(OLAP)サービスが含まれます。最上層では、レポートおよび分析ツールがビジネスユーザー向けにダッシュボード、可視化、クエリインターフェースを提供します。
従来の構成は、企業全体のデータを集約する集中型エンタープライズウェアハウスから、複数のデータベースを同時に照会する部門ごとの データマート や仮想倉庫まで多岐にわたります。
クラウドデータウェアハウスは異なるアプローチを取っています。固定インフラに依存する代わりに、クラウドデータウェアハウスは弾力的なクラウドプラットフォームを利用し、増加するデータ量に伴い組織が 動的に計算およびストレージ容量を拡大 できるようにします。クラウド展開は通常、クラスターベースのシステム(複数のノードでクエリを処理するシステム)と、クラウドプロバイダーがコンピュートリソースを動的に管理するサーバーベースのシステムという大きく二つのアーキテクチャパターンに分類されます。
従来型データウェアハウジングとクラウドデータウェアハウジングのもう一つの大きな違いは、インフラが顧客間でどのように共有または隔離されるかにあります。クラウドプロバイダーは、パフォーマンス、コスト効率、運用管理のバランスを取った複数のテナンシーモデルを一般的に提供しています。
| 展開モデル | 建築の説明 | 性能特性 | コストプロファイル | 制御レベル | 典型的なユースケース |
|---|---|---|---|---|---|
| シングルテナントクラウドデータウェアハウス | 単一の組織のための専用インフラストラクチャ。コンピュートおよびストレージリソースは他の顧客と共有されません。 | 孤立したリソースと予測可能なワークロードにより、高く安定したパフォーマンスを実現しています。 | インフラが一つのテナントに割り当てられているため、コストが高くなります。 | 構成、セキュリティポリシー、リソース割り当ての最大限の制御。 | 厳しく規制された業界、機密性の高いワークロード、そして厳格なパフォーマンス隔離を必要とする企業。 |
| マルチテナントクラウドデータウェアハウス | 複数の組織がクラウドプロバイダーが管理する同じ基盤インフラを共有しています。 | パフォーマンスはリソース配分やテナント間のワークロード共有によって変動します。 | インフラ共有と規模の経済によるコスト削減。 | インフラ管理は主にプロバイダーが担当するため、制御は限定的です。 | コスト効率、迅速な展開、業務の簡素化を優先する組織。 |
| ハイブリッドクラウドデータウェアハウス | 専用リソースと共有クラウドサービスを組み合わせたり、オンプレミスのインフラをクラウド環境と統合したりします。 | 専用インフラと共有インフラで動作するワークロードに応じてバランスの取れたパフォーマンスを実現しました。 | 柔軟なコスト構造により、組織は環境全体で支出を最適化できます。 | 展開設計や既存システムとの統合によって、中程度から高い制御力があります。 | オンプレミスシステムからの移行や、制御とスケーラビリティの両方を必要とする混合ワークロードを実行する企業。 |
分析にクラウドデータウェアハウジングを利用する利点
そのギガバイト単位(最終的には テラバイト)のデータを蓄積・集約することは、ストレージや運用の問題ではありません。そこから得られる洞察は、成長と収益を推進する戦略的発展の基盤となり得ます。そして、それらは分析ツールによって解き放たれなければなりません。
クラウドソリューションを通じてホストされたデータウェアハウスでデータ分析やレポートを行うことは、オンプレミスウェアハウスで同じ作業を行うのとは全く異なります。実際、これは現在エンタープライズの世界で最もエキサイティングな クラウドコンピューティングのトレンド の一つと言えるでしょう。
クラウドデータウェアハウスは、単一、マルチクラウド、 ハイブリッド展開における分析ワークロードに対してコスト効率の高いスケーラビリティと弾力性を提供します。クエリはオンプレミスウェアハウスよりも高速に実行され、ハードウェアオーバーヘッドが少ないため全体のコストも低くなります。
クラウドに適したデータ分析エンジンを使えば、SQL、Python、SAS、Rなど慣れ親しんだプログラミング言語を使い、状況に応じて高度なアルゴリズムを作成・実装する柔軟性を組織に提供できます。この文脈でのスケーラブル分析は、最先端の機械学習プロセス、クラスタリングとセグメンテーション、センチメント解析、テキスト抽出、グラフ作成、地理空間や時系列分析を活用します。
さらに、クラウド上でデータウェアハウス分析を実行すれば、Amazon EBS、S3、SageMaker、Glue、Lambda、さらにAzure Blob Storage、Data Factory、ML Studio、PowerBIなど、多くのデータ管理サービスと連携できます。
クラウドベースのデータウェアハウスの選択と展開方法
まず、クラスタベースかサーバーレスのウェアハウスアーキテクチャが組織のクラウド展開に適しているかを検討する必要があります。
クラスター型倉庫は価格設定が予測可能で、より直接的な監督が可能ですが、後者の利点は弾力性、容量、クラスターの健全性管理により多くの時間とリソースを費やすことを伴います。対照的に、サーバーレスモデルはCSPによって完全に監督され、弾力性は自動的にスケールされますが、クエリごとか利用率に基づいて支払いを行い、予測が難しい場合があります。
実際、価格設定はモデルに関わらずクラウドデータウェアハウスを選ぶ際の最も複雑な側面かもしれません。強力なクラウドプラットフォームの主な利点の一つは弾力性ですが、データ負荷が安定している場合、コストの非効率に直面することもあります。さらに、 データをクラウドから移動させるワークフローや、急速に制御不能になる複雑な予算管理に伴うコストを監視することも不可欠です。
最後に、クラウドベースのウェアハウスの初期導入は予想よりパフォーマンスが遅くなる可能性があり、ユーザーがこの初期の問題に対応するために運用を変更する必要があります。
クラウドデータウェアハウスの最大化には 、Teradata Autonomous Knowledge Platformのようなアジャイルでマルチクラウドのデータプラットフォームが必要です。同社のクラウドサービスである Teradata Cloudはエンタープライズワークロード向けに設計されており、固定+フレックス価格設定は、固定ベースラインとオンデマンドフレックス容量を組み合わせています。このプラットフォームはクラウド、オンプレミス、ハイブリッド展開をサポートし、データが所在する場所でデータを処理し、データの移動を最小限に抑えます。
よくある質問
クラウドデータウェアハウスとは何ですか?
クラウドデータウェアハウスとは何ですか?
クラウドデータウェアハウスは、トランザクションシステム、アプリケーション、その他のソースからデータを統合し、分析クエリやビジネスインテリジェンスに利用し、ストレージや計算はオンデマンドでスケールします。
クラスターベースとサーバーレスクラウドデータウェアハウスの違いは何ですか?
クラスターベースとサーバーレスクラウドデータウェアハウスの違いは何ですか?
クラスターベースのシステムは複数のノードでクエリ処理を行いますが、サーバーレスシステムではクラウドプロバイダーが動的に計算資源を管理します。価格設定も異なります。サーバーレスモデルはクエリごとまたは利用率に応じて料金を請求するため、予測が難しい場合があります。テナンシーは別の判断事項です。厳格なパフォーマンス隔離が必要な場合はシングルテナントを選び、コストを抑えることを重視する場合はマルチテナントを選択してください。
クラウドデータウェアハウスとデータレイクの違いは何ですか?
クラウドデータウェアハウスとデータレイクの違いは何ですか?
データウェアハウスは、高速SQLクエリやレポート作成に最適化された事前定義されたスキーマのもとでリレーショナルデータを保存します。データレイクは、ビッグデータ処理や機械学習などの分析のために、構造化および非構造化データをそのまま保存します。
クラウドデータウェアハウスはどのように選びますか?
クラウドデータウェアハウスはどのように選びますか?
まずはランキングではなく、ワークロード、予算、デプロイメントのニーズから始めましょう。クラスタベースとサーバーレスアーキテクチャのどちらを選び、価格モデルを比較し、シングルクラウド、マルチクラウド、ハイブリッドのどれが必要かを確認してください。クラウド、オンプレミス、ハイブリッド展開で動作するプラットフォームは、データが存在する場所で処理できるため、データの移動を最小限に抑えます。
クラウドデータウェアハウスに移行する際に注意すべき点は何ですか?
クラウドデータウェアハウスに移行する際に注意すべき点は何ですか?
主にコストと初期のパフォーマンスです。価格設定は選択の中で最も複雑な部分となることがあります。サーバーレスモデルはクエリごとまたは利用率ごとに料金を請求するため、予測が難しいです。また、データをクラウドから移動するとコストが増加します。初期導入は予想より遅くなることもあり、ユーザーが慣行の調整を必要とすることもあります。