Lock in $30 Savings on PRO—Offer Ends Soon! ⏳
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
これまでの研究経過と希望する研究 / Research Plan for Doctoral C...
Search
Yuuki Tsubouchi (yuuk1)
February 06, 2020
Research
1
380
これまでの研究経過と希望する研究 / Research Plan for Doctoral Course
令和2年度4月期入学 京都大学大学院 情報学研究科
博士後期課程 第2次学力検査 口頭試問
Yuuki Tsubouchi (yuuk1)
February 06, 2020
Tweet
Share
More Decks by Yuuki Tsubouchi (yuuk1)
See All by Yuuki Tsubouchi (yuuk1)
SREのためのテレメトリー技術の探究 / Telemetry for SRE
yuukit
12
2.3k
AIスパコン「さくらONE」の オブザーバビリティ / Observability for AI Supercomputer SAKURAONE
yuukit
2
960
AIスパコン「さくらONE」のLLM学習ベンチマークによる性能評価 / SAKURAONE LLM Training Benchmarking
yuukit
2
890
とあるSREの博士「過程」 / A Certain SRE’s Ph.D. Journey
yuukit
11
5k
eBPFを用いたAIネットワーク監視システム論文の実装 / eBPF Japan Meetup #4
yuukit
3
1.5k
クラウドのテレメトリーシステム研究動向2025年
yuukit
4
1.1k
博士論文公聴会: Scaling Telemetry Workloads in Cloud Applications: Techniques for Instrumentation, Storage, and Mining / PhD Defence
yuukit
1
310
博士学位論文予備審査 / Scaling Telemetry Workloads in Cloud Applications: Techniques for Instrumentation, Storage, and Mining
yuukit
1
2.2k
MetricSifter:クラウドアプリケーションにおける故障箇所特定の効率化のための多変量時系列データの特徴量削減 / FIT 2024
yuukit
2
340
Other Decks in Research
See All in Research
Vision and LanguageからのEmbodied AIとAI for Science
yushiku
PRO
1
600
EcoWikiRS: Learning Ecological Representation of Satellite Images from Weak Supervision with Species Observation and Wikipedia
satai
3
400
AI in Enterprises - Java and Open Source to the Rescue
ivargrimstad
0
1k
論文読み会 SNLP2025 Learning Dynamics of LLM Finetuning. In: ICLR 2025
s_mizuki_nlp
0
340
SNLP2025:Can Language Models Reason about Individualistic Human Values and Preferences?
yukizenimoto
0
220
ウェブ・ソーシャルメディア論文読み会 第31回: The rising entropy of English in the attention economy. (Commun Psychology, 2024)
hkefka385
1
120
AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data
satai
3
510
財務諸表監査のための逐次検定
masakat0
0
200
Learning to (Learn at Test Time): RNNs with Expressive Hidden States
kurita
1
290
地域丸ごとデイサービス「Go トレ」の紹介
smartfukushilab1
0
530
音声感情認識技術の進展と展望
nagase
0
380
Adaptive Experimental Design for Efficient Average Treatment Effect Estimation and Treatment Choice
masakat0
0
140
Featured
See All Featured
VelocityConf: Rendering Performance Case Studies
addyosmani
333
24k
Balancing Empowerment & Direction
lara
5
790
Reflections from 52 weeks, 52 projects
jeffersonlam
355
21k
Learning to Love Humans: Emotional Interface Design
aarron
274
41k
Automating Front-end Workflow
addyosmani
1371
200k
Keith and Marios Guide to Fast Websites
keithpitt
413
23k
The Art of Programming - Codeland 2020
erikaheidi
56
14k
How To Stay Up To Date on Web Technology
chriscoyier
791
250k
The Hidden Cost of Media on the Web [PixelPalooza 2025]
tammyeverts
1
88
Six Lessons from altMBA
skipperchong
29
4.1k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
231
22k
Testing 201, or: Great Expectations
jmmastey
46
7.8k
Transcript
͜Ε·Ͱͷݚڀܦաͱر͢Δݚڀ ௶ ༎थ 20202݄6 ྩ24݄ظೖֶ ژେֶେֶӃ ใֶݚڀՊ ത࢜ޙظ՝ఔ ୈֶ̎࣍ྗݕࠪ ޱ಄ࢼ
2 1. ֶ࢜՝ఔɾम࢜՝ఔͰͷݚڀ 2. ر͢Δݚڀͷഎܠͱత 3. ر͢Δݚڀͷ՝ͱํ๏ 4. ظ͞ΕΔݚڀՌ ࣍
1. ֶ࢜՝ఔɾम࢜՝ఔͰͷݚڀ
4 ֶ࢜՝ఔ: SHA-1ܭࢉγεςϜͷߴεϧʔϓοτԽ ɾഎܠ: ετϨʔδ্ͷσʔλอଘྔ͕૿େ͍ͯ͠Δ ɾ: σʔλͷॏෳՕॴΛഉআ͢Δ͜ͱʹΑΓɼσʔλอଘྔΛ ݮՄೳ͕ͩɼॏෳ෦ͷൃݟॲཧ͕ϘτϧωοΫͱͳΔ ɾఏҊ: ෳͷҟͳΔνϟϯΫʹର͢ΔॏෳൃݟॲཧΛSIMDԋࢉثʹ
ΑΓฒྻॲཧ͠ɼߴԽ͢Δ ɾ࣮ݧ: ઌߦख๏ͱൺֱͯ͠ɼ2.0ഒͷεϧʔϓοτ্Λୡͨ͠ ௶༎थ, ҏจ, ஔాਅੜ, ࢁ૱, ദַ, ഡݪ݉Ұ, ॏෳഉআετϨʔδͷͨΊͷ SHA-1ܭࢉγεςϜͷSSE໋ྩʹ ΑΔߴεϧʔϓοτԽ, ిࢠใ௨৴ֶձจࢽ D, 96(10), 2101-2109 2013.
5 म࢜՝ఔ: TCP/IPνΣοΫαϜͷGPUʹΑΔੑೳ্ ɾഎܠ: ίϯϐϡʔλωοτϫʔΫ͕ଳҬԽ͍ͯ͠Δ ɾ: OS෦ͷ௨৴ॲཧͷͨΊͷCPUෛՙ͕ߴ·ͬͯ ͍Δ ɾఏҊ: ௨৴ॲཧͷ͏ͪ௨৴σʔλʹର͢ΔνΣοΫαϜܭࢉΛGPU
ʹҕৡ͢Δ͜ͱʹΑΓɼCPUෛՙΛݮͤ͞Δ ɾ࣮ݧ: CPUʹΑΔνΣοΫαϜΛߦ͏ͱൺֱ͠ɼσʔλసૹε ϧʔϓοτ͕࠷େͰ13%্ ௶༎थ, ୩߶, ୩ޱٛ໌, தതོ, দԬໜొ, TCP/IPελοΫʹ͓͚ΔνΣοΫαϜܭࢉͷ GPU Φϑ ϩʔυʹΑΔ ੑೳ্ख๏, ిࢠใ௨৴ֶձٕज़ݚڀใࠂ, NS, ωοτϫʔΫγεςϜ, 113(244), pp.67-72 2013 10݄.
ཧతʹࢄͨ͠ΞϓϦέʔγϣϯͷ ߴ৴པԽͷͨΊͷΞʔΩςΫνϟʹؔ͢Δݚڀ ത࢜՝ఔͰر͢Δݚڀͷ
2. ر͢Δݚڀͷഎܠͱత
8 WebαʔϏεͷཁٻͷߴԽ ・サービスの信頼性の期待値向上 ・冗⻑性の確保,アクセス増に対するスケーラビリティの向上 ɾ୯ҰͷࣄۀऀʹΑΔෳͷαʔϏεల։ ɾڞ௨෦Λ֤αʔϏεͰڞ༗͢Δ͜ͱͰαʔϏεಉ͕࢜௨৴ ɾ10୯ҐͷظؒͷαʔϏεఏڙ ɾػೳͷՃɼιϑτΣΞͷߋ৽ɼγεςϜߏͷ৽ͳͲΛܧଓ ɾར༻ऀͷ͔ΒΫϥυͷωοτϫʔΫԆΛॖ ɾཧతʹࢄͨ͠ڥʹ͓͚ΔࢄΞϓϦέʔγϣϯઃܭ͕ࠓޙඞ
ཁͱͳΔ => ۭؒతӨڹൣғͷ૿େ => ࣌ؒతӨڹൣғͷ૿େ
9 ཧࢄԽʹؔ͢Δҙࣝ γεςϜͷ෦ঢ়ଶͷѲ ͕͘͠ͳΔ ωοτϫʔΫԆͷ૿Ճ ɾγεςϜʹมߋΛՃ͑Δલ ʹɼϦεΫͷൣғΛݟੵΕ ͳ͘ͳΔ ɾϦεΫ͕ݦࡏԽͨ͠ͱ͖ʹɼ ݪҼͷಛఆ͕͘ͳΔ
ɾ֤ڌʹࢄ͢Δσʔλͷ ಉظ͕ͪ࣌ؒେ͖͘ͳΔ ɾσʔλϕʔε(DBMS)ͷҰ؏ ੑͱੑೳΛཱ྆ͤͮ͞Β͍ ߏཁૉͷ૿Ճ
10 ઌߦݚڀͱ՝: Մ؍ଌੑ ࣌ؒ࣠ํͷՄ؍ଌੑ ۭؒ࣠ํͷՄ؍ଌੑ ɾ࣌ܥྻσʔλϕʔεʹ֤छ ܭଌΛอଘ͢Δ ɾੑೳΛॏࢹ࣮ͯ͠Λ࣌ܥ ྻσʔλʹ࠷దԽ͍ͯ͠Δ ɾطଘͷDBMSΛར༻ͨ͠ޓ
ੑ֦ுੑ͕ࣦΘΕΔ ɾαϒγεςϜؒͷґଘؔΛ ࣗಈͰ͢Δ ɾطଘͷΞϓϦέʔγϣϯίʔ υͷมߋΛͱͳ͏ɼ͋Δ͍ ΞϓϦέʔγϣϯʹ༩͑Δ ੑೳӨڹ͕େ͖͍
11 ઌߦݚڀͱ՝: ੑೳͱσʔλҰ؏ੑ ɾ֤ڌؒͰσʔλΛಉظߋ৽ ɾωοτϫʔΫԆͷେ͖͍ڌ ʹಉظ͕࣌ؒ͞ΕΔ ɾ֤ڌؒͷσʔλΛඇಉظߋ৽ ɾσʔλҰ؏ੑʹର͢ΔΞϓϦ έʔγϣϯ։ൃऀͷൣғ͕ େ͖͘ͳΔ
ऑ͍Ұ؏ੑ(݁Ռ߹ੑ) Ԇͷେ͖ͳڥͰͷੑೳͱσʔλҰ؏ੑͷཱ྆ ڧ͍Ұ؏ੑ
ݚڀͷత ɾత: ཧతʹࢄͨ͠ΞϓϦέʔγϣϯͷ৴པੑ্ ɾ੍: طଘͷΞϓϦέʔγϣϯϛυϧΣΞͷίʔυΛมߋͤͣɼ ੑೳӨڹΛ͋ͨ͑ͳ͍ ɾ3ͭͷݚڀ՝ 1. ࣌ؒ࣠ͷՄ؍ଌੑ: ࣌ܥྻσʔλϕʔεͷੑೳͱޓੑͷཱ྆
2. ۭؒ࣠ͷՄ؍ଌੑ: ґଘؔΛෛՙ͔ͭཏతʹ 3. σʔλͷҰ؏ੑΛอূͭͭ͠ɼԠੑೳΛ࠷େԽ 12
3. ر͢Δݚڀͷ՝ͱํ๏
՝(1) ࣌ؒ࣠ํͷՄ؍ଌੑ ࣌ܥྻσʔλϕʔεʹ͓͚Δੑೳͱ֦ுੑͷཱ྆
15 ఏҊ(1): ՝ͱఏҊ ࣌ܥྻσʔλϕʔεͷ՝ ɾطଘͷDBMSΛར༻ͨ͠ޓ ੑ͕ࣦΘΕΔ ఏҊ ɾ୯ҰͷDBMSΛσʔλߏ୯ҐͰ ղ͠ɼૄ݁߹Խ ɾΠϯϝϞϦͱΦϯσΟεΫͷKVSΛ
֊Խͯ͠ॲཧͱอଘͷޮԽ ɾ֤σʔλߏʹରͯ͠طଘͷDBMS Λར༻Մೳ In-Memory KVS On—Disk KVS Tiering Single DBMS DBMS Index DBMS Log ఏҊΞʔΩςΫνϟ
՝(2) ۭؒ࣠ํʹ͓͚ΔՄ؍ଌੑ ґଘؔΛ͢Δ্Ͱ ཏੑͱΦʔόʔϔουΛཱ྆
17 ఏҊ(2): ιέοτࢹ ґଘؔͷ՝ ɾطଘͷΞϓϦέʔγϣϯ ίʔυͷมߋΛͱͳ͏ɼ ͋Δ͍ΞϓϦέʔγϣϯ ʹ༩͑ΔੑೳӨڹ͕େ͖͍ ఏҊ ɾશαʔό্ͰɼOSΧʔωϧͷTCP
ଓͷऴͰ͋ΔιέοτΛࢹ ɾιέοτࢹϓϩηεΛஔ͢Δͷ ΈͰՄೳ ɾιέοτࢹΞϓϦέʔγϣϯͷ ௨৴ʹׂΓ͜·ͣɼΦʔόϔου Kernel Process TCP Flows . . . User ιέοτࢹ Process
՝(3) ཧࢄڥʹ͓͚Δσʔλϕʔε ͷҰ؏ੑͱੑೳͷཱ྆
19 ఏҊ(3): σʔλͷಉظൣғΛదԠతʹܾఆ σʔλҰ؏ੑͱੑೳͷ՝ ɾ֤ڌؒͰσʔλΛಉظߋ৽ ɾωοτϫʔΫԆͷେ͖ͳڌ ʹಉظॲཧ͕͞ΕΔ ఏҊ ɾಡΈࠐΈॲཧͷΈͷॖʹண͠ɼ தԝͷڌʹॻ͖ࠐΈΛ͚Δ
ɾશڌͰಉظͤͣʹɼதԝͷڌ͔ ΒωοτϫʔΫԆ͕ҰఆΑΓখ ͍͞Ұ෦ͷڌͷΈಉظ ɾΞϓϦέʔγϣϯ୯ҐͷಡΈॻ͖ൺ ʹج͖ͮಉظൣғΛదԠతʹܾఆ Origin தԝͷڌ Replica Τοδͷڌ Replica ಉظൣғ
4. ظ͞ΕΔݚڀՌ
21 ݚڀશମͷظ͞ΕΔߩݙ ɾطଘͷΞϓϦέʔγϣϯίʔυDBMSΛมߋͤͣɼ͔ͭੑೳʹେ ͖ͳӨڹΛ༩͑ͳ͍ͱ͍͏੍ͷͱ 1. ཧࢄΞϓϦέʔγϣϯͷՄ؍ଌੑΛ্Մೳ 2. ؍ଌ݁ՌΛར༻͠ԠੑೳΛ࠷େԽ͢ΔΑ͏ʹదԠతʹ੍ޚՄೳ ɾγεςϜཧऀͷෛ୲Λ૿ͣ͞ʹWebαʔϏεͷ৴པੑΛ্͞ ͤɼਓʑ͕WebαʔϏεΛշద͔ͭ࣋ଓతʹར༻Ͱ͖ΔΑ͏ʹͳΔ