5. 広告の目的? • 広告が成立する条件 • “出す”場所がある • “見る”人がいる • ”出稿”したい誰かがいる • 広告枠 : オーディエンス : 広告主
平均レスポンスタイム50msをPerlで捌く中規模サービスの実装/運用
5. 広告の目的? • 広告が成立する条件 • “出す”場所がある • “見る”人がいる • ”出稿”したい誰かがいる • 広告枠 : オーディエンス : 広告主
Greenplum Database on HDFS
This document discusses Greenplum Database on HDFS (GOH). It provides an introduction and overview of GOH's architecture, features, and performance. Key points include that GOH allows Greenplum to use HDFS for storage, provides pluggable storage support, and full transaction support for tables on HDFS. It also notes challenges around supporting many concurrent queries due to limitations of the cur
Introduction to Modern Analytical DB
1. Modern Analytical DBに関するTopics - Column-DBの話題もあるよ！ - 2012.11.21 列指向DBをみんなで勉強する会 Takeshi Yamamuro@maropu 1 2. Introduction • 名前 – 山室健（Takeshi Yamamuro） • 興味のあること – データ工学 / データベース周辺技術 • PostgreSQL Twitter: maropu • 探索，圧縮，並び替え – Modern Hardware（CPU/GPU）によるアルゴリズム性能改善 • 本日の引用一覧 – https://docs.google.com/spreadsheet/ccc?key=0AnhMe3L1c3Z5 dFZ0TklsQUo5MlhDWHhReEM5NmpDQWc#gid=0 2 3. Notice • 今回紹介する話題の範囲
Analytical Queries with Hive: SQL Windowing and Table Functions
Analytical Queries with Hive: SQL Windowing and Table Functions Hive Query Language (HQL) is excellent for productivity and enables reuse of SQL skills, but falls short in advanced analytic queries. Hive`s Map & Reduce scripts mechanism lacks the simplicity of SQL and specifying new analysis is cumbersome. We developed SQLWindowing for Hive(SQW) to overcome these issues. SQW introduces both Window
Jenkinsとhadoopを利用した継続的データ解析環境の構築
2. Meta Information • 2006.4 – 2012.3 – Keio University • Artificial Intelligence, Semantic Web, Ontology Engineering • 2011.2 – 2012.3 – CTO at Trippiece, Inc. • Software Engineering • 2012.4 – – Engineer at adingo, Inc. • Data Analysis, Operation Engineering twitter: @suzu_v http://blog.kentasuzuki.net
VLDB 2009 Tutorial on Column-Stores
1. Re-use permitted when acknowledging the original © Stavros Harizopoulos, Daniel Abadi, Peter Boncz (2009) VLDB Column-Oriented 2009 Tutorial Database Systems Part 1: Stavros Harizopoulos (HP Labs) Part 2: Daniel Abadi (Yale) Part 3: Peter Boncz (CWI) VLDB 2009 Tutorial 1 Column-Oriented Database Systems 2. Re-use permitted when acknowledging the original © Stavros Harizopoulos, Daniel Abadi, Pe
BigDataを迎え撃つ！ PostgreSQL並列分散ミドルウェア「Stado」の紹介と検証報告
2. 自己紹介 • 永安 悟史 （ながやす さとし） • 略歴 – 1997年よりインターネットベンチャーにてネットサービス開発・運用に従事。 – 2004年より（株）ＮＴＴデータにて、並列分散データベースの研究開発、技術支援・保守 サポート業務を経て、データセンタの新規サービス開発、運用チームの立ち上げ、 サービス運用などに従事。 – 2009年、アップタイム・テクノロジーズを創業。 • 専門分野 – データベースシステム、並列分散システム、クラスタシステム – オープンソース・インフラ技術 – ＩＴサービスマネジメント（ITIL）、ITインフラ運用管理（運用設計～運用） • アップタイム・テクノロジーズ＠本業 – オープンソース導入サポートサービス – データベース・コンサルティング – ＩＴサービスマネジメント・コンサルティング Copyright 2012 Uptime Techn
Low Latency OLAP with Hadoop and HBase
We use "SaasBase Analytics" to incrementally process large heterogeneous data sets into pre-aggregated, indexed views, stored in HBase to be queried in realtime. The requirement we started from was to get large amounts of data available in near realtime (minutes) to large amounts of users for large amounts of (different) queries that take milliseconds to execute. This set our problem apart from cl
JSX
JSX is a strictly-typed object-oriented programming language that is compiled to JavaScript. It aims to provide higher productivity than JavaScript through strong typing while generating code that runs faster than plain JavaScript. Some key points: - JSX code is compiled to optimized JavaScript using type information for performance gains - It has classes and functions like Java but compiles to Ja
大規模画像認識とその周辺
2. Contents } 大規模画像データで出来ることの例 } 一般物体認識の紹介 } 大規模化の流れと最近の手法について } 大規模一般物体認識コンペティション } 他分野との融合的領域など 3. 大規模画像データの時代 } Webサービスへの画像投稿は日常の一部 } Flickr： 60億枚の画像（2011年） } Facebook: 毎年30億枚画像投稿 } Youtube: 毎日約8年分の動画がアップロード } 何らかのメタ情報が付与される場合も多い } タグ、コメント、EXIF、位置情報、・・・ } これらの大量のデータを用いることで、従来考えられ なかったさまざまなアプリケーションが登場している 4. 画像補完 } Scene completion using millions of photographs [Hays et
開発者でも分かる！ 決算書の見方と主要国内SNSサービス提供企業の決算状況
Hallgarten & Company Portfolio Strategy - January 12, 2011Rare Earths / Rare Metals
Challenges with MongoDB
The document discusses several challenges with MongoDB, including: 1. MongoDB uses a global write lock, which can negatively impact write performance. 2. Auto-sharding in MongoDB is not always reliable, as the balancer can get into deadlocks and MongoDB has trouble determining the number of documents after sharding. 3. Being schema-less is overrated, as it means repeating the schema in each docume
SQLの話
8. Year Name Alias Comments 1986 SQL-86 SQL-87 First formalized by ANSI. 1989 SQL-89 FIPS 127-1 Minor revision, adopted as FIPS 127-1. 1992 SQL-92 SQL2, FIPS 127-2 Major revision (ISO 9075), Entry Level SQL-92 adopted as FIPS 127-2. 1999 SQL:1999 SQL3 Added regular expression matching, recursive queries, triggers, support for procedural and control-of-flow statements, non-scalar types, and some obj
JavaScript InfoVis Toolkit - Create interactive data visualizations for the web
The JavaScript InfoVis Toolkit allows users to create interactive data visualizations for the web. It features multiple graph and tree layouts that can be used modularly and are extensible. The toolkit uses web standards and allows visualizations to be built in a composable way. It includes visualizations like stacked charts, node-link diagrams, sunbursts, treemaps and icicles that were inspired b
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Fluentd meetup #3
Strata + Hadoop World 2012: HDFS: Now and Future
Ad tech 20121030
Drill Bay Area HUG 2012-09-19
データサイエンティストのつくり方
Why MongoDB is awesome
