Google Cloud Platform Japan Blog
最新情報や使い方、チュートリアル、国内外の事例やイベントについてお伝えします。
Dataflow を Apache Incubator プロジェクトとして提案
2016年1月22日金曜日
* この投稿は米国時間 1 月 20 日、Software Engineer である Frances Perry と、Product Manager である James Malone によって投稿されたもの(
投稿はこちら
)の抄訳です。
サーバーをアップグレードするたびに、新しいプログラミング フレームワークを習得してすべてのアプリケーションを書き換えなければならないとしたら、どうでしょうか。とんでもない状況に思えるかもしれませんが、ビッグデータ パイプラインではそれが現実となっています。
ビッグデータ処理全般のエンジンと言えば、少し前までは
Apache Hadoop MapReduce
が定番でした。次に
Apache Spark
が台頭し、最近ではストリーミング ネイティブなエンジンである
Apache Flink
が躍進しています。
ハードウェアのアップグレードとは異なり、これらの現代的なエンジンを採用するには、一般的に、パイプラインを作り直してエンジン固有の API を導入する必要がありました。多くの場合、ストリーミングおよびバッチ シナリオの実装についてもエンジンごとに異なっています。
つまり、新エンジンの採用にあたっては、使い込んで(ほぼ)バグが解消されたと考えられるようになったばかりのユーザー コードを捨てて、未成熟な新しいコードに切り替えてきたということです。
これは、データ パイプラインではスケーラビリティの向上やレイテンシの短縮、低コスト化、高速化が求められてきたことに理由があります。
こうした側面については、実績のあるビジネス ロジックを捨てることなく対応できなければなりません。ビジネス ロジックには手を付けずに、アプリケーションやデータ パイプラインを適切なエンジン、あるいは適切な環境に(オンプレミスからクラウドへなど)移行できることが必要なのです。
しかし、そのためには 2 つの条件を満たさなければなりません。
1 つはポータブルな SDK が必要なことです。この SDK は、多くのプラガブル実行環境のいずれかで動作するプログラムを作成できる必要があります。
もう 1 つの条件は、その SDK はプログラミング モデルをエクスポーズしなければならず、そのセマンティクスはベースにあるエンジンの能力ではなくワークロードにフォーカスしていなければならないことです。
たとえば、プログラミング モデルとしての MapReduce は、こうした要件を満たしていません(ただし、実行方法としての MapReduce は、場合によっては適切かもしれません)。低レイテンシのコンピュテーションを創造的に表現できないからです。
Google は、この 2 つの条件を満たすように Dataflow を設計しました。
Dataflow Java SDK
は、実行エンジンに接続するプラガブルな “ランナー” をサポートするように設計されており、このランナーは今のところ 4 つあります。そのうち 2 つは、data Artisans が
Apache Flink 用に作成したもの
、Cloudera が
Apache Spark 用に作成したもの
です。Google も、シングルノードのローカル実行ランナーと、
Google がホストする Cloud Dataflow サービス
用のものを実装しました。
このポータビリティが実現されているのは、Dataflow のプログラミング モデルが、(イベントが到着する時刻ではなく)リアル イベント タイムのようなリアルライフ ストリーミング セマンティクスや、(バッチ サイクルが課す任意の境界ではなく)リアル セッションにフォーカスしているからです。
そのおかげで、Dataflow プログラムは必要に応じてバッチ モードかストリーム モードで実行され、あるプラガブル実行エンジンから別のプラガブル実行エンジンへと切り替わります。
Google はこのたび、こうしたコラボレーションをさらに前進させました。
Cloudera
、
data Artisans
、
Talend
、
Cask
、PayPal と共に、Dataflow を
Apache Software Foundation
(ASF)
Incubator プロジェクト
として
提案した
のです。
この提案では、Dataflow モデル、Java SDK、およびランナーが 1 つの Incubator プロジェクトとしてバンドルされると共に、将来は Python SDK もプロジェクトに加わります。
今回の提案は、1 つのデータ パイプラインを、トレードオフを発生させることなく複数の処理ニーズに合わせて定義し、さまざまなランタイム、オンプレミス、クラウド、ローカルで実行できるようにすることへの前進となるでしょう。
Google Cloud Dataflow
は今後も、
Dataflow
パイプラインを Google Cloud Platform で高速かつ経済的に実行できる “no-ops” のマネージド サービスであり続けます。
Dataflow
により、バッチまたはストリームに使用できる 1つのポータブルなデータ パイプラインを作成し、Apache Flink、Apache Spark、
Google Cloud Dataflow
、ローカルな ダイレクト パイプラインといったさまざまなランタイムで実行できます。
Dataflow
を Apache Incubator プロジェクトとして提案したことは、Google にとってエキサイティングな試みです。
Dataflow
モデル、SDK、ランナーがオープンソース データ分野で多くのユニークな機能を提供すると考えているからです。
パイプライン ファースト、ランタイム セカンド
Dataflow
モデルと SDK により、まずデータ パイプラインの定義に集中できます。この段階では、データ パイプラインがどのように実行されるか、それらを実行する特定のランナーの特性が何かは考慮しないで済みます。
ポータビリティ
データ パイプラインは多くのランタイム エンジンでポータブルに実行できます。ランタイムはパフォーマンス、コスト、スケーラビリティなど、多様な考慮点を踏まえて選択できます。
統合モデル
バッチ処理とストリーム処理が 1 つのモデルに統合され、ウィンドウ制御や順序付け、トリガ制御など、強力なセマンティクスを利用できます。
開発ツール
Dataflow SDK は、オープンソースの言語、ライブラリ、ツールを使ってポータブルなデータ パイプラインを迅速かつ簡単に作成するのに必要なツールを提供します。
Dataflow モデルの威力を理解するには、O’Reilly Radar の記事である
The World Beyond Batch: Streaming 102
をお読みになることをお勧めします。また、Dataflow の詳しい情報は下記からも得られます。
2015 @Scale Conference での
Dataflow の概要に関するプレゼンテーション
GitHub の Dataflow Java SDK リポジトリ
(私たちの提案の一環として、これは Apache Software Foundation に移動することになります)
Dataflow モデルに関する VLDB 論文
(Dataflow モデルの概要が詳しく解説されています)
Dataflow
に関する私たちの提案を検討してくれたApache Software Foundation とコミュニティには大変感謝しています。
Dataflow
のオープン開発に積極的に参加していくことを楽しみにしています。
- Posted by Frances Perry (Software Engineer) and James Malone (Product Manager)
0 件のコメント :
コメントを投稿
12 か月間のトライアル
300 ドル相当が無料になるトライアルで、あらゆる GCP プロダクトをお試しいただけます。
Labels
.NET
.NET Core
.NET Core ランタイム
.NET Foundation
#gc_inside
#gc-inside
#GoogleCloudSummit
#GoogleNext18
#GoogleNext19
#inevitableja
Access Management
Access Transparency
Advanced Solutions Lab
AI
AI Hub
AlphaGo
Ansible
Anthos
Anvato
Apache Beam
Apache Maven
Apache Spark
API
Apigee
APIs Explore
App Engine
App Engine Flex
App Engine flexible
AppArmor
AppEngine
AppScale
AprilFool
AR
Artifactory
ASL
ASP.NET
ASP.NET Core
Attunity
AutoML Vision
AWS
Big Data
Big Data NoSQL
BigQuery
BigQuery Data Transfer Service
BigQuery GIS
Billing Alerts
Bime by Zendesk
Bitbucket
Borg
BOSH Google CPI
Bower
bq_sushi
BreezoMeter
BYOSL
Capacitor
Chromium OS
Client Libraries
Cloud API
Cloud Armor
Cloud Audit Logging
Cloud AutoML
Cloud Bigtable
Cloud Billing Catalog API
Cloud Billing reports
Cloud CDN
Cloud Client Libraries
Cloud Console
Cloud Consoleアプリ
Cloud Container Builder
Cloud Dataflow
Cloud Dataflow SDK
Cloud Datalab
Cloud Dataprep
Cloud Dataproc
Cloud Datastore
Cloud Debugger
Cloud Deployment Manager
Cloud Endpoints
Cloud Firestore
Cloud Foundry
Cloud Foundry Foundation
Cloud Functions
Cloud Healthcare API
Cloud HSM
Cloud IAM
Cloud IAP
Cloud Identity
Cloud IoT Core
Cloud Jobs API
Cloud KMS
Cloud Launcher
Cloud Load Balancing
Cloud Machine Learning
Cloud Memorystore
Cloud Memorystore for Redis
Cloud monitoring
Cloud NAT
Cloud Natural Language API
Cloud Networking
Cloud OnAir
Cloud OnBoard
cloud Pub/Sub
Cloud Resource Manager
Cloud Resource Manager API
Cloud SCC
Cloud SDK
Cloud SDK for Windows
Cloud Security Command Center
Cloud Services Platform
Cloud Source Repositories
Cloud Spanner
Cloud Speech API
Cloud Speech-to-Text
Cloud SQL
Cloud Storage
Cloud Storage FUSE
Cloud Tools for PowerShell
Cloud Tools PowerShell
Cloud TPU
Cloud Translation
Cloud Translation API
Cloud Virtual Network
Cloud Vision
Cloud VPC
CloudBerry Backup
CloudBerry Lab
CloudConnect
CloudEndure
Cloudflare
Cloudian
CloudML
Cluster Federation
Codefresh
Codelabs
Cohesity
Coldline
Colossus
Compute Engine
Compute user Accounts
Container Engine
Container Registry
Container-Optimized OS
Container-VM Image
Couchbase
Coursera
CRE
CSEK
Customer Reliability Engineering
Data Studio
Databases
Dbvisit
DDoS
Debugger
Dedicated Interconnect
deep learning
Deployment Manager
Developer Console
Developers
DevOps
Dialogflow
Disney
DLP API
Docker
Dockerfile
Drain
Dreamel
Eclipse
Eclipse Orion
Education Grants
Elasticsearch
Elastifile
Energy Sciences Network
Error Reporting
ESNet
Evernote
FASTER
Fastly
Firebase
Firebase Analytics
Firebase Authentication
Flexible Environment
Forseti Security
G Suite
Gartner
gcloud
GCP
GCP Census
GCP 移行ガイド
GCP 認定資格チャレンジ
GCPUG
GCP導入事例
gcsfuse
GEO
GitHub
GitLab
GKE
Go
Go 言語
Google App Engine
Google Apps
Google Certified Professional - Data Engineer
Google Cloud
Google Cloud Certification Program
Google Cloud Client Libraries
Google Cloud Console
Google Cloud Dataflow
Google Cloud Datalab
Google Cloud Datastore
Google Cloud Endpoints
Google Cloud Explorer
Google Cloud Identity and Access Management
Google Cloud INSIDE
Google Cloud INSIDE Digital
Google Cloud INSIDE FinTech
Google Cloud Interconnect
Google Cloud Launcher
Google Cloud Logging
Google Cloud Next '18 in Tokyo
Google Cloud Next '19 in Tokyo
Google Cloud Platform
Google Cloud Resource Manager
Google Cloud Security Scanner
Google Cloud Shell
Google Cloud SQL
Google Cloud Storage
Google Cloud Storage Nearline
Google Cloud Summit '18
Google Cloud Summit ’18
Google Cloud Tools for IntelliJ
Google Code
Google Compute Engine
Google Container Engine
Google Data Analytics
Google Data Studio
Google Date Studio
Google Deployment Manager
Google Drive
Google Earth Engine
Google Genomics
Google Kubernetes Engine
Google maps
google maps api
Google Maps APIs
Google Maps Platform
Google SafeSearch
Google Service Control
Google Sheets
Google Slides
Google Translate
Google Trust Services
Google VPC
Google マップ
Google 公認プロフェッショナル
GoogleNext18
GPU
Gradle
Grafeas
GroupBy
gRPC
HA / DR
Haskell
HEPCloud
HIPAA
Horizon
HTCondor
IaaS
IAM
IBM
IBM POWER9
icon
IERS
Improbable
INEVITABLE ja night
inevitableja
InShorts
Intel
IntelliJ
Internal Load Balancing
Internet2
IoT
Issue Tracker
Java
Jenkins
JFrog
JFrog Artifactory SaaS
Jupiter
Jupyter
Kaggle
Kayenta
Khan Academy
Knative
Komprise
kubefed
Kubeflow Pipelines
Kubernetes
KVM
Landsat
load shedding
Local SSD
Logging
Looker
Machine Learning
Magenta
Managed Instance Group
Managed Instance Group Updater
Maps API
Maps-sensei
Mapsコーナー
Maven
Maxon Cinema 4D
MightyTV
Mission Control
MongoDB
MQTT
Multiplay
MySQL
Nearline
Network Time Protocol
Networking
neural networks
Next
Node
NoSQL
NTP
NuGet パッケージ
OCP
OLDISM
Open Compute Project
OpenCAPI
OpenCAPI Consortium
OpenShift Dedicated
Orbitera
Organization
Orion
Osaka
Paas
Panda
Particle
Partner Interconnect
Percona
Pete's Dragon
Pivotal
Pivotal Cloud Foundry
PLCN
Podcast
Pokemon GO
Pokémon GO
Poseidon
Postgre
PowerPoint
PowerShell
Professional Cloud Network Engineer
Protocol Buffers
Puppet
Pythian
Python
Qwiklabs
Rails
Raspberry Pi
Red Hat
Redis
Regional Managed Instance Groups
Ruby
Rust
SAP
SAP Cloud Platform
SC16
ScaleArc
Secure LDAP
Security & Identity
Sentinel-2
Service Broker
Serving Websites
Shared VPC
SideFX Houdini
SIGOPS Hall of Fame Award
Sinatra
Site Reliability Engineering
Skaffold
SLA
Slack
SLI
SLO
Slurm
Snap
Spaceknow
SpatialOS
Spinnaker
Spring
SQL Server
SRE
SSL policies
Stack Overflow
Stackdriver
Stackdriver Agent
Stackdriver APM
Stackdriver Debugger
Stackdriver Diagnostics
Stackdriver Error Reporting
Stackdriver Logging
Stackdriver Monitoring
Stackdriver Trace
Stanford
Startups
StatefulSets
Storage & Databases
StorReduce
Streak
Sureline
Sysbench
Tableau
Talend
Tensor Flow
Tensor Processing Unit
TensorFlow
Terraform
The Carousel
TPU
Trace
Transfer Appliance
Transfer Service
Translate API
Uber
Velostrata
Veritas
Video Intelligence API
Vision API
Visual Studio
Visualization
Vitess
VM
VM Image
VPC Flow Logs
VR
VSS
Waze
Weave Cloud
Web Risk AP
Webyog
Wide and Deep
Windows Server
Windows ワークロード
Wix
Worlds Adrift
Xplenty
Yellowfin
YouTube
Zaius
Zaius P9 Server
Zipkin
ZYNC Render
アーキテクチャ図
イベント
エラーバジェット
エンティティ
オンライン教育
クラウド アーキテクト
クラウド移行
グローバル ネットワーク
ゲーム
コードラボ
コミュニティ
コンテスト
コンピューティング
サーバーレス
サービス アカウント
サポート
ジッター
ショート動画シリーズ
スタートガイド
ストレージ
セキュリティ
セミナー
ソリューション ガイド
ソリューション: メディア
データ エンジニア
データセンター
デベロッパー
パートナーシップ
ビッグデータ
ファジング
プリエンプティブル GPU
プリエンプティブル VM
フルマネージド
ヘルスケア
ホワイトペーパー
マイクロサービス
まっぷす先生
マルチクラウド
リージョン
ロード シェディング
運用管理
可用性
海底ケーブル
機械学習
金融
継続的デリバリ
月刊ニュース
資格、認定
新機能、アップデート
深層学習
深層強化学習
人気記事ランキング
内部負荷分散
認定試験
認定資格
料金
Archive
2019
8月
7月
6月
5月
4月
3月
2月
1月
2018
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2017
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2016
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2015
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2014
12月
11月
10月
9月
8月
6月
5月
4月
3月
2月
Feed
月刊ニュースレターに
登録
新着ポストをメールで受け取る
Follow @GoogleCloud_jp
0 件のコメント :
コメントを投稿