Oracle Innovation Summit Tokyo 2018

(1)

南海トラフ・首都直下地震にそなえる、

クラウド・データレイクで実現する

防災情報サービスプラットフォームとは

国立研究開発法人防災科学技術研究所

レジリエント防災・減災研究推進センター主幹研究員

鈴木進吾博士(情報学)

株式会社アクアシステムズ

執行役員技術部長

川上明久氏

日本オラクル株式会社

クラウドプラットフォーム戦略統括 Senior Business Development Manager

谷川信朗

Oracle Innovation Summit Tokyo 2018

(2)

• 以下の事項は、弊社の一般的な製品の方向性に関する概要を説明するもの

です。また、情報提供を唯一の目的とするものであり、いかなる契約にも組み込

むことはできません。以下の事項は、マテリアルやコード、機能を提供することをコ

ミットメント（確約）するものではないため、購買決定を行う際の判断材料に

なさらないで下さい。オラクル製品に関して記載されている機能の開発、リリース

および時期については、弊社の裁量により決定されます。

2 OracleとJavaは、Oracle Corporation 及びその子会社、関連会社の米国及びその他の国における登録商標です。文中の社名、商品名等は各社の商標または登録商標である場合があります。

(3)

Data Driven

“これまでハードウェアは資産として扱われていたが、

データは同じように資産として考えられていなかった。

今、ハードウェア(環境)はリアルタイムに購入するサービス(クラウド)となり、

永続的に扱われる資産は「データ」である。

”

– Erik Brynjolfsson, Director, MIT Initiative on the Digital Economy

3

(4)

今、組織が直面している「データ」

NEW EXTERNAL

Data

HISTORICAL

Data

CURRENT

Data

(5)

データ基盤アーキテクチャの変遷

DATABASE & DWH

Structured Data

Relational Database

依然として重要

ただし

これだけでは不充分

BIG DATA

MODERN

Multi-structured data

Hadoop

オープンでより高度

ただし

複雑で運用コスト増

Any Data, Streaming

Cloud

現在取るべき

基盤のカタチ

(6)

データ基盤アーキテクチャの検討に必要となる考え方

6 Public Streaming Enterprise Integrate Analyze Data Providers Manage Data Services Decision Makers Enterprise Apps Data Consumers

(7)

Infrastructure

データ基盤アーキテクチャに必要な構成要素

Stream Batch Database Data Warehouse NoSQL DB Spatial & Graph DB Visualization Data Science

Tools

Query (Unified)

Object Storage Hadoop Spark Cluster

Data Integration

Analytics

(8)

市場の評価

Magic Quadrant for Data Management Solutions for Analytics, 2018

Oracleは「リーダー」クアドラント

の位置付け

本マジック・クアドラントは、ガートナーが発行したリサーチノートの一部であり、評価するにはレポート全体をご覧いただく必要があります。ガートナーのレポートは、リクエストにより日本オラクルよりご提供することが可能です。ガートナーは、ガートナー・リサーチの発行物に掲載された特定のベンダー、製品またはサービスを推奨するものではありません。また、最高の評価を得たベンダーのみを選択するようテクノロジの利用者に助言するものではありません。ガートナー・リサーチの発行物は、ガートナー・リサーチの見解を表したものであり、事実を表現したものではありません。ガートナーは、明示または黙示を問わず、本リサーチの商品性や特定目的への適合性を含め、一切の保証を行うものではありません。

Source：Gartner, Magic Quadrant for Data Management Solutions for Analytics, 13 February 2018 Adam M. Ronthal, Roxane Edjlali, Rick Greenwald,

(9)

Analyticsを見据えた Data Lake Platform の実現

Data Drivenに必要となる Data Management 基盤

DATA LAKE 層(Big Data Cloud)

開発業務部門

IT アナリスト

コンピュート  ストレージ  ネットワーク  認証

ANALYTICS 層(Analytics Cloud)

地理空間 & ネットワーク分析

Spatial, Graph

機械学習

R , R for Hadoop , Spark ML

検索推奨予測機械学習モバイル自然言語パーソナライズソーシャルセンサーパーソナル SaaS モバイルエンタープライズ蓄積 & 実行 RDBMS , Hadoop , NoSQL カタログ Data Catalog 探索

Elastic Search, SparkSQL

データベース統合

Connectors, Big Data SQL

Data Integration 層 (Data Integration Cloud)

バルク/バッチデータ処理

ストリームデータ処理

1010101001111010110011010 1010101010101010010101010 1010101010111001010100011

(10)

Cloud Data Management & Analytics Platform

SQL

Spatial Graph Non-Relational Based

Services

Small Start & Elastic Hadoop Platform

PGX ORAAH RDBMS Based Services

Hi-Performance & Capacity Hadoop Platform Data Hub Cloud Service NoSQL Cloud Service Event Hub Cloud Service Big Data Cloud Service Compute Edition

Spatial and Graph on DBCS Spatial Graph ML Machine Learning on DBCS Big Data SQL Cloud Service

Spatial and Graph on BDCS

Parallel Graph / R for Hadop on BDCS Big Data Cloud Service Big Data Appliance

Oracle Cloud

(PaaS Services)

On-Premise

Big Data Cloud at Customer Data Integration Platform Cloud Service Data Integration Services Analytics Services

(11)

Cloud Data Management & Analytics Platform

SQL

Spatial Graph Non-Relational Based

Services

Small Start & Elastic Hadoop Platform

PGX ORAAH RDBMS Based Services

Hi-Performance & Capacity Hadoop Platform Data Hub Cloud Service NoSQL Cloud Service Event Hub Cloud Service Big Data Cloud Service Compute Edition

Spatial and Graph on DBCS Spatial Graph ML Machine Learning on DBCS Big Data SQL Cloud Service

Spatial and Graph on BDCS

Parallel Graph / R for Hadop on BDCS Big Data Cloud Service Big Data Appliance

Oracle Cloud

(PaaS Services)

On-Premise

Big Data Cloud at Customer Data Integration Platform Cloud Service Data Integration Services Analytics Services

Analytics Cloud Service

Apache Cassandra ベースの KeyValueDB Oracle NoSQL のクラウドサービス Apache Kafka のマネージドサービス Oracle提供の スケーラブル Hadoop環境 を提供 3D/空間DBやグラフ DB、各種解析関数を 包括的に提供するサービス 機械学習やR、並列 グラフ処理など、様々 なBig Data 解析機能 を提供するサービス DBCSとBigDataCS にSQLで統合アク セス Clouderaベース の高性能 Hadoop環境を提 供 Clouderaベースの高 性能Hadoop環境を OnPで提供 御客様データセンター環境にサブスクリプションベースの Hadoop環境を提供 データの可視化やセルフBIを実現する、包括的なビッグデータ・アナリティクス・サービス あらゆるタイプのデータソースに対応し、リアルタ イム/ストリームデータ連携 をはじめ、ETLやデータ品 質管理を実現する包括的なデータ・インテグレーション・サービス

(12)

(13)

Big Data Cloud Service

Hadoop/Sparkのためのクラウドサービス

Big Data Cloud Serviceは、オブジェクトストレージに蓄積された社内 /外の様々な構造/非構造データを、Hadoopにコピー。HiveやSpark 等の分散処理エンジンによりデータ加工や、機械学習を行えます。さらには、地理空間分析やグラフ分析など高度な分析をノートブック上で気軽に実行できます。 • データレイクを構築したい • データ保持単価を下げたい • DBバッチやETLサーバの負荷をオフロードしたい • 100TBを超えるような大量データによる機械学習を行いたい • Cloudera環境のサーバ更改を低コストで行いたい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格/PAYG) *1

■ 主なコンポーネント

• Cloudera Enterprise 5

• Oracle Big Data Connectors • Oracle Big Data Spatial & Graph • Oracle Big Data Manager

Oracle Big Data Cloud Service – Starter Pack 3node ¥2,592,096/月(Pay As You Go)

(32 OCPU , 256GB Mem , 48TB Storage) * 3node

■ サービス概要/特徴

生データ Object Storage

Hadoop

ODCP (分散データコピー) 機械学習地理分析グラフ分析 SQL分析分析データセットを保存

Big Data Manager

(14)

Big Data SQL Cloud Service

マルチデータソース対応のSQLクラウドサービス

14

Big Data SQL Cloud Serviceは、HadoopやNoSQLに蓄積されたデータに対し、オラクルデータベースからSQLによる接続を可能にします。単純に接続するだけではなく、SmartScan等のデータ保管場所での処理機能を有しており、分析のための優れたパフォーマンスを提供します。 • Hadoopに蓄積したデータを使い慣れたSQLでアクセスしたい • HadoopとRDBMSのデータをシームレスにJoinしたい • Hadoopのデータをユーザ解放したいがセキュリティが心配 • RDBMSより低単価でデータ蓄積し活用したい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格/PAYG) *1

■ 主なコンポーネント

• Big Data SQL <パフォーマンス機能>

Smart Scan、Storage Index、Partition pruning、 Predicate pushdown

<ユーティリティ>

Copy to Hadoop , Table space in HDFS

Oracle Big Data SQL Cloud Service ¥516,000/月ノード (Pay As You Go)

■ サービス概要/特徴

SQL

(15)

フルマネージドのHadoop/Spark活用基盤をクラウドで提供

Big Data Cloud Service Compute Edition

ビッグデータの蓄積、分析、加工に最適な、データ活用基盤をクラウドで提供します。 フルマネージド型のHadoopクラウドサービスであり、ストレージと切り離してコンピューティングノードをエラスティックに拡張可能です。他クラウドサービスとも連携しており、特にSparkによるデータ活用に最適です。 • Hadoopのテスト環境として利用したい • バッチジョブやETLの実行環境として利用したい • SparkなどのHadoopエコシステムを活用し、IoTなどのストリーミング処理を実施したい • インタラクティブなアドホック分析を実施したい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格/PAYG) *1

■ 関連サービス/製品

• Storage Cloud Service • Event Hub Cloud Service • Database Cloud Service • MySQL Cloud Service

• Big Data Cloud Service – Compute Edition: ¥58 から [2 OCPU/Hour]

■ サービス概要/特徴

Big Data Cloud Service Compute Edition

フルマネージドなHadoop環境

(16)

低レイテンシ、高パフォーマンスなApache Kafka環境をクラウド上で提供

Event Hub Cloud Service

世界で最も人気のあるメッセージブローカー（Apache Kafka）を活用した、フルマネージドのストリーミング・データ・プラットフォームです。 Elasticに拡張でき、REST APIでのアクセスも可能です。オンプレミス環境や他のクラウドサービスとの連携も可能です • 高速かつ低レイテンシなメッセージブローカーとして利用したい • オンプレミスのKafkaをクラウドにリフト＆シフトしたい • IoTなどのストリーミング処理を実施したい • Apache Kafka環境をすぐに使いたい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格/PAYG)

*1

■ 関連サービス/製品

• Oracle Cloud Infrastructure - Block Storage Classic • Big Data Cloud

• Internet of Things Cloud Service • Mobile Cloud Enterprise

• Oracle Event Hub Cloud Service Dedicated – Compute Capacity: ¥33 から [OCPU/Hour]

• Oracle Event Hub Cloud Service - Partition Capacity: ¥1 から [Partition/Hour]

■ サービス概要/特徴

フルマネージドなKafka環境

Connectors

(17)

Big Data Cloud at Customer

Hadoop/Sparkのためのクラウドサービスをお客様のDCにお届け

Big Data Cloud at Customerは、オブジェクトストレージに蓄積された社内/外の様々な構造/非構造データを、Hadoopにコピー。Hiveや Spark等の分散処理エンジンによりデータ加工や、機械学習を行えます。さらには、地理空間分析やグラフ分析など高度な分析をノートブック上で気軽に実行できます。 • データレイクを構築したいがパブリッククラウドにはデータを出せない • データ保持単価を下げたい • DBバッチやETLサーバの負荷をオフロードしたい • 100TBを超えるような大量データによる機械学習を行いたい • Cloudera環境のサーバ更改を低コストで行いたい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格) *1

■ 主なコンポーネント

• Cloudera Enterprise 5

• Oracle Big Data Connectors • Oracle Big Data Spatial & Graph • Oracle Big Data Manager

¥3,456,000/月

Oracle Big Data Cloud at Customer –Starter Pack 3node ¥1,728,000/月

Big Data Cloud at Customer – Additional Nodes ¥576,000 × 3node = ¥1,728,000/月

■ サービス概要/特徴

生データ Object Storage

Hadoop

ODCP (分散データコピー) 機械学習地理分析グラフ分析 SQL分析分析データセットを保存

Big Data Manager

(18)

(19)

Big Data Appliance

Hadoop/Sparkのためのエンジニアドシステム

Oracle Big Data Applianceは、社内/外の様々な構造/非構造デー

タを収集_{し、Hadoopに}蓄積_{。HiveやSpark等の分散処理エンジン} によりデータ加工や、機械学習を行えます。 • データレイクを構築したい • データ保持単価を下げたい • DBバッチやETLサーバの負荷をオフロードしたい • 100TBを超えるような大量データによる機械学習を行いたい • Cloudera環境のサーバ更改を低コストで行いたい

■ こんな課題に役立ちます

■ 製品提供価格(導入最低価格) *1

■ 主なコンポーネント

• Cloudera Enterprise 5 Hadoop Spark Impala Hbase kafka

Oracle Big Data Appliance X7-2 Starter Rack ¥29,970,000 288 core 1,536 GB Mem 720 TB Disk

■ 製品概要/特徴

ログトランザクション IoT

収集

蓄積

加工・

機械学習

Hadoop

Spark

生データクレンジング集計モデル作成

(20)

Big Data SQL

マルチデータソース対応のOracle SQL

20

Big Data SQL は、HadoopやNoSQLに蓄積されたデータに対し、オラクルデータベースからSQLによる接続を可能にします。単純に接続するだけではなく、SmartScan等のデータ保管場所での処理機能を有しており、分析のための優れたパフォーマンスを提供します。 • Hadoopに蓄積したデータを使い慣れたSQLでアクセスしたい • HadoopとRDBMSのデータをシームレスにJoinしたい • Hadoopのデータをユーザ解放したいがセキュリティが心配 • RDBMSより低単価でデータ蓄積し活用したい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格) *1

■ 主なコンポーネント

• Big Data SQL <パフォーマンス機能>

Smart Scan、Storage Index、Partition pruning、 Predicate pushdown

<ユーティリティ>

Copy to Hadoop , Table space in HDFS Oracle Big Data SQL ¥480,000/Disk

Ex)BDA Starterの場合 ¥480,000× 12本 × 6ノード = ¥34,560,000

■ サービス概要/特徴

Hadoop

Event

Data

Enterprise

Data

Lake

*1

2018/3/30時点

(21)

Big Data Connectors

HadoopとRDBMSを繋ぐソフトウェア / Hadoopでのデータ処理・統合分析

Oracle Big Data Connectorsは、HadoopとOracle Database間での データ連携_{や、Hadoopでのデータ}加工や分析を可能にする複数のコンポーネント群です。Hadoopに格納されたデータの加工処理や分析、RDBMSとの透過的な連携を可能にします。 • Oracle DatabaseのデータをHadoopから利用したい • HadoopのデータをOracle Databaseから利用したい • Hadoopでのデータ変換・加工やR言語によるデータ分析を行いたい

■ こんな課題に役立ちます

■ 製品提供価格(導入最低価格) *1

■ 主なコンポーネント

Oracle Big Data Connectors ¥240,000 / Processor 例): BDA X7-2 Starterの場合 ¥34,560,000

■ 製品概要/特徴

連携

分析/加工

• Oracle Loader for Hadoop

• Oracle SQL Connector for HDFS

• Oracle Datasource for Apache Hadoop • Oracle R Advanced Analytics for Hadoop • Oracle XQuery for Hadoop

• Oracle Data Integrator Enterprise Edition Oracle

Database

Hadoop

Big Data Connectors

(22)

Big Data Spatial & Graph

様々なデータの関係を取り扱う高度なビックデータ分析フレームワーク

22

Oracle Big Data Spatial and Graphは、位置情報、動画、ソーシャ

ルなどの非構造データから顧客、組織、資産間の関係やつながり を発見し、空間分析、ラスター解析、動画解析、グラフ分析のワークロードを処理します。 • Hadoop上で、空間データや座標データを処理したい • GPSデータやラスターデータの前処理、分析がしたい • 位置による情報のつなぎ合わせが必要 • Hadoop上で動画処理や画像処理を回したい • 人間関係、部品の依存関係などの構造を解析したい

■ こんなあなたに役立ちます

■ 製品提供価格(導入最低価格)

*1

■ 主なコンポーネント

• Big Data Spatial and Graph

• Spatial Vector Analysis (位置情報) • Spatial Raster Analysis (ラスター) • Multimedia Analysis (動画/画像) • Property Graph Model (プロパティグラフ) Oracle Big Data Connectors ¥240,000 / Processor 例): BDA X7-2 Starterの場合 ¥34,560,000

■ 製品概要/特徴

(23)

(24)

Oracle Data Integration Platform Cloud

すべてのデータ統合ニーズに応える包括的なクラウド・ベースのプラットフォーム・ソ

リューション

24

Oracle Data Integration Platform Cloud (DIPC)は、 ETL/E-LT、レプリケーション、データ品質およびデータ・ガバナンス・ソリューションの重要な機能すべてを、単一の統合クラウド・ベース・プラットフォームとしてサービス提供します。リアルタイムのデータ・ストリーミング、一括データ処理、エンタープライズ・データ品質およびデータ・ガバナンス機能により、統合的なデータ連携要件を満たすことが可能です。 • クラウド上にDataLakeを実現したい • GGCS/ODICS同等機能をまとめて実現したい • Hybridでのデータ連携やBig Data連携をしたい • クラウド上データのデータ品質管理をしたい • クラウド上でのデータガバナンスを実現したい

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格/PAYG)

■ 関連サービス/製品

• Database Cloud Service、Exadata Cloud Service など • Big Data Cloud Service & Compute Edition

• Cloud at Customer

• GoldenGate Cloud Service など

• Oracle GoldenGate、Oracle Data Integrator など Standard Edition : ¥326.61 [OCPU/Hour]

Enterprise Edition : ¥483.858 [OCPU/Hour] Governance Edition : ¥810.468 [OCPU/Hour]

■ サービス概要/特徴

※DIPCはGGCS/ODICSに加え、OnPのデータ品質管理製品Enterprise Data Quality をクラウド化して統合提供するサービスです。それぞれの詳細は各サービスの情報をご参照下さい。

(25)

Streams Analytics

時系列に流れてくるStream情報を簡単に分析・可視化

Streams Analyticsは、オープン技術 (Apache

Kafka/Spark) とオラクルの技術を融合し、Stream分析機能を提供。他のサービスと組み合わせて、ロケーションベースのサービスやデータ統合も実現 • ストリーム情報を分析・可視化したい。 • 地図情報と組み合わせたロケーション分析を行いたい。

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格)

■ 関連サービス/製品

• BigData関連ソリューション

■ サービス概要/特徴

• Enterprise: ¥282,000～(OCPU/月)

■

前提サービス

• Event Hub Cloud Service

• Big Data Cloud Service Compute Edition

※補足※

当該機能は、Data Integration Platform Cloud Service に

含まれる形での提供が可能です。

(26)

Analytics Cloud Service

あらゆるユーザーが使いこなせる中央集権管理が可能なセルフサービスBI

26 Analytics Cloudは、エンタープライズ向けのアナリティクス環境をクラウドサービスで提供します。 • BI Cloudに加えてEssbaseなど包括的な分析機能 • 機械学習のためのデータモデリング • OCPU単位でDedicatedなクラウド環境を利用 • オンデマンドで構成の変更が可能(シェイプの追加/削除) • 従量制(Pay As You Go)課金による利用料の最適化 • ビッグデータ探索が可能なApache Spark, Oracle

Big Data Cloudとの直接連携/データ取得/加工

• 既存のEssbaseやOracle BIが数年経過し更改が必要なため、既存資産をクラウドに移行して利用し続けたい。 • 開発環境やDR環境だけをクラウド化して移行したい • クラウド上の大規模なDWHを活用したレポーティング/ダッシュボードだけでなく、機械学習データを活用したい • Essbaseを利用しているが、BIを拡張してクラウドで利用したい • ビッグデータやデータレークに直接アクセスし、データラボを実現したい

■ こんな課題に役立ちます

■ 関連サービス/製品

■ サービス概要/特徴

Oracle Database Cloud Service

(機械学習の場合は High Performance Option) Oracle Database Backup Service

Oracle Storage Cloud Service Oracle Compute Cloud Service Oracle Bigdata Cloud Service

ソーシャル財務サプライチェーン人事顧客管理サービス 1st _Party 3rd _Party IoT Analytics Cloud ECサイト広告

Oracle DB Advanced Analytics 統合したデータを明細

レベルで瞬時に分析

機械学習データの見える化

蓄積したデータを機械学習し、最適な活動を実現

(27)

Oracle Digitalは、オラクル製品の導入をご検討いただく際の総合窓口。

電話とインターネットによるダイレクトなコニュニケーションで、どんなお問い合わせにもすばやく対応します。

もちろん、無償。どんなことでも、ご相談ください。

(28)

(29)

(30)

(31)

SIP4D

平成30年7月27日

国立研究開発法人

防災科学技術研究所

鈴木進吾

防災情報サービスプラットフォーム

のプロトタイプ構築

(32)

SIP4D

National Research Institute for Earth Science and Disaster Resilience

我が国の防災・減災分野における社会的課題

32 SIP「レジリエントな防災・減災機能の強化」課題④ 2014,2015,2016,2017

南海トラフ地震

最大230兆円の被害

首都直下地震

約100兆円の被害

気象の極端化

今世紀前半

約

330 兆円の被害

(33)

SIP4D

Society5.0と社会の変化

を通して

• 経済的発展と社会的課題の解決を両立

• 快適で活気に満ちた

質の高い生活

を送れる

「人間中心の社会」

経団連：新たな経済社会の実現に向けて

超スマート社会に向けた各種システムのサービスプラットフォーム構築

第5期科学技術基本計画 第5期科学技術基本計画

(34)

SIP4D

Society 5.0の災害対応とは

BEFORE

AFTER

サイバー空間とフィジカル空間の分離

サイバー空間とフィジカル空間の融合

紙とホワイトボードによる処理の煩雑さ

ICTの支援による整然とした処理

データの変換・加工の煩雑さ

自動処理による加工の手間の大幅な軽減

連携できない様々なシステム

データ連携によるシステム間の結合

ニーズに対応できていないシステム

ニーズに細かく対応したサービス

データの特別な入力作業を必要とする

IoT等により入力作業を軽減

データや地図とにらめっこしながら

意思決定にすぐに使える情報を表示

(35)

SIP4D

防災情報サービスプラットフォームが目指す姿

３つの層で現場に必要なデータ・知識を総動員し、産官学が協働で予防・対応・回復力を高める仕掛け

セキュリティの高度化・社会実装情報通信基盤の開発強化 SIP4D-T（言語情報系情報処理）事前対策応急対策復旧・復興 time

サ

ー

ビ

ス

層

人・社会活動建物・インフラｺﾝﾊﾟｸﾄｼﾃｨ災害備蓄計画防災教育人材育成 BCP 地域防災計画地区防災計画避難訓練耐震補強 CIP ｲﾝﾌﾗｱｾｯﾄﾏﾈｼﾞﾒﾝﾄ帰宅困難者抑制・支援広域（被災地域外）支援情報緊急医療・救急搬送給水・食料・生活必需品の確保安否情報備蓄物資調達被災者への情報伝達遺体搬送・身元確認ボランティア受入れ心的ケアサービス防疫活動 _（※） _{は防災基本計画で定められた項目} 消火活動ライフラインや住宅の応急復旧建物被害認定調査復旧計画作成被災者救助・救急活動道路・鉄道・航路の状況把握・提供指定緊急避難所開設・運営・管理道路啓開用資材・人員確保仮設住宅の提供交通確保通信確保緊急輸送救護・救助資材調達（計画立案）２次的土砂災害防止災害ゴミ処分災害復興住宅の供給標準的データの活用インターフェース、データフォーマット標準化プラットフォーム層

デ

ー

タ

層

ビッグデータ自然建物・インフラ _{人・社会活動} 地盤構造データ地表面地形データ土地利用データ地図データ（地名、河川、湖沼地震観測データ津波観測データ気象観測データ人口分布データ中間・夜間人口データ災害時要支援者情報建物種別分布データ社会基盤情報インフラインベントリー情報防犯カメラ画像通行データ（駅、ビル、集客施設）航空機SAR画像衛星SAR画像ＩＴＳ CCTVカメラ画像道路情報（VICS）動的情報（モニタリング・センサ）国土地理院防災科研 NICT・民間 JAXA 自治体ライフライン事業者国交省通信キャリア総務省統計局 NICT SNS スマートフォン位置情報(GPS）静的情報 3D地図プラットフォームリファレンス計画マニュアル SOP 通報連絡対応記録方針・決定事項 SIP4D-M（地理空間情報系処理）共有方策の確立・標準化サービス活用防災の実装サービスに使える要素技術の開発対応を省力化するためのSOPの開発と標準化 IoT・文字情報を含む多様な情報の処理に対応（内部＋外部）×（動的＋静的）×（構造＋非構造化）データの組合せで各種業務を効率化するサービスを開発・実装防災・災害対応業務自治体・公的機関言語情報指揮者事態対処対策立案後方支援総務被災者台帳による生活再建広域物資輸送計画立案罹災証明書発給

(36)

SIP4D

プラットフォーム構築のロードマップ

府省庁連携

役所内連携

数種類

の業務

機能演習

南海トラフ地震

首都直下地震

西日本内陸地震

集中豪雨災害

台風災害

雪氷災害

火山災害

総合災害対応演習

の実施による見直し

研修プログラム作成

研修系

演習系

標準化された

災害対応業務

官民が連携した

応援・受援体制

組織間

連携基準

（EEI）

組織間

業務連結

ガバナンス 標準的手順 技術 教育・訓練 利用

土砂災害

設計・要素技

術開発

組織間

情報連携

対応自動化技

術開発

教材作成

連携技術開発

AIの利用技術開発

組織内

主要業務

公的機関参加拡大

民間組織参加拡大

図上演習

2017

2018

2020

2025

2030

2035

プロトタイプ

オリンピック

整備項目

(37)

SIP4D

データに基づく防災の基盤構築

国立研究開発法人防災科学技術研究所

迅速で合理的な意思決定を支えるサービス基盤

選択

意思決定 支援 状況分析 現場機動 力向上 住民参加 教育用 分析用 訓練用 対応用 公開用 • データ • レイヤー • 分析サービス • 可視化ルール • 表現形式 マニュアル 知見 GIS ﾃﾞｰﾀﾍﾞｰｽ センサー とりまと め報など

合理的な

意思決定

意思決定にすぐ

_{に使える情報}

必要な情報プロダクツ

_{を作成する}

必要な公開データを

_収集する

自分の

データ

統合

抽出

選択

防災情報サービスプラットフォーム

専門家/機関の

データ/モデル

Open Classified Classified Open

ニーズ

＝

(38)

SIP4D

災害対応のための多様なサービスの提供とデータ連携

38

外部との共有のために

状況認識を統一するために

現場作業の効率化のために

意思決定の効率化のために

担当業務の効率化のために

自動化

収集

加工

変換

提供

防災情報サービス

必要な観測・予測・計画・

状況などのデータを連携

防災情報サービス防災情報サービス防災情報サービス防災情報サービス SIP「レジリエントな防災・減災機能の強化」課題④ 2014,2015,2016,2017

(39)

SIP4D

具体的なサービスのイメージ

(40)

SIP4D

防災情報サービスプラットフォームアーキテクチャー

サービス層

プラットフォーム層

データ層

利活用環境

インフラ環境

インポート環境

アジャイル開発環境

データ

必要な加工処理

データ層基盤

統合環境

サービス層基盤

データインポーター（データ連携）デバイス管理データ統合（IoT）高速アクセスリアルタイム処理データレイク RDBMS Big Data No SQL Storage データ処理環境蓄積抽出・秘匿統合構造化機械学習基盤管理リカバリデータ品質管理クラウドサービス計算保存通信 ID処理 API CKAN API開発ライブ_ラリノンプログラミング開発 Open Data 自治体センサーインシデント管理有資格者管理利用状況管理ポータルプロセス自動化設定ツール災害対応実践 SOP・ルール管理

価値の

付加

情報流通基盤イベントエンジン＋データディクショナリ

情報

(41)

SIP4D

中核機能となる防災情報データレイク

イベントエンジン データディクショナリ 医療避難所被災状況物資水道ガス危険地域燃料通信道路電気人員航路拠点車両基_地被害予測鉄道空港 データレイク Data Info. 単組織全国メタデータ・共有許可 _非構造構造

流通基盤層

サービス層

メタデータ・共有許可メタデータ・共有許可メタデータ・共有許可メタデータ・共有許可メタデータ・共有許可自動処理機構データ連携仕様 データ変換機能群 データインポーター機能群 非構造構造非構造構造非構造構造非構造構造非構造構造 データインポーター機能群

Data Info. Data Info. Data Info. Data Info. Data Info.

(42)

SIP4D

パイロット市町村（奈良県橿原市）での取り組み

42 SIP「レジリエントな防災・減災機能の強化」課題④ 2014,2015,2016,2017,2018

みんなでアクショ

ンカードを作成

• 職員一人一人に渡す作業指示書

• 見れば実施可能なレベルで記述すること

• 指揮命令系統、業務量、記述の不足が明確に

災害対応業務の標準手順書の作成

（SOP, Standard Operating Procedure）

必要な情報の定義

サービスの作成

どの業務で、どんな情報が

必要かを整理

・他部局の情報

・SIP4Dの情報

どんな形で見たいかを整理

・地図

・リスト・グラフ

ダッシュボードでサービス

を作成

まず、業務フローをしっかり明確化、必要な情報を整理し、それに従ってサービスを構築

(43)

SIP4D

図上訓練の様子

(44)

SIP4D

防災情報サービスプラットフォームで変わる災害対応

44 SIP「レジリエントな防災・減災機能の強化」課題④ 2014,2015,2016,2017,2018 従来のやり方新しいやり方

（データ層）

情報処理の

煩雑性

連絡・整理で手一杯。考える暇ない。抜け漏れ落ちが発生。情報が整理しやすい。考える余裕ができた。対応状況を一目できる。

（プラットフォーム層）

部局横断的な

情報共有

データを作成、共有する労力を割けない。あらかじめ定義しておいた通り、データを連携、自動的に地図を作成

（サービス層）

必要に応じて

すぐに使える

情報の提供

意思決定するにはデータを加工しないといけない。意思決定に必要な数値・地図を画面に表示

(45)

SIP4D

構築の輪を広げる取り組み

室蘭市札幌市相馬市会津若松市岡谷市輪島市浜松市名古屋市橿原市宇治市神戸市姫路市宇部市北九州市兵庫県直方市鞍手町香春町苅田町

自治体の防災情報の

相互運用性向上に関する

ワークショップ

H29参加 1県・5政令市・10市・3町・1大学・6企業・1団体 北九州市でワークショップを実施。被災経験のある自治体、先進的な取り組みをしている自治体からの情報提供をいただき、 プラットフォームのあり方を議論、自治体間での情報交換を実施した

(46)



46

AQUA SYSTEMS 20th ANNIVERSARY

防災情報サービスプラットフォームでの

データレイク・アーキテクチャ

株式会社アクアシステムズ

執行役員技術部長

川上明久

(47)



AQUA SYSTEMS

47

20th ANNIVERSARY

「防災情報サービスプラットフォーム」のアーキテクチャ設計支援業務を受託

データベースに特化したコンサルティング会社

データレイクへの取り組み

株式会社アクアシステムズ

1998年2月4日設立

東京都中央区銀座３－８－１０

(48)



AQUA SYSTEMS

48

20th ANNIVERSARY

インフラ・アーキテクチャ

Database Cloud Service 市道水道

HDFS

避難所支援物資

Object Storege

RDBMS

Big Data Cloud Service PigLatin・HiveQL 人口推計 SQL・ SPARQL 畜産農家分布 2次医療圏 高齢者数 Storage Cloud Service 航空写真 MP レーダーオルソ図

ESRI ArcGIS・Oracle Spatial

データレイク

サービス構成

SQL

Big Data Cloud Service のデータを結合し

た問い合わせ結果を得られる

(49)



AQUA SYSTEMS

49

20th ANNIVERSARY

インフラ・アーキテクチャ

インターフェース：

サービス層のシステム形態に合わせて選択

HDFS

Object Storege

RDBMS

データレイク

サービス層

ArcGIS

Online

GoldenGate

Database

link

FTP

API実装

データインポータ

(50)



AQUA SYSTEMS

50

20th ANNIVERSARY

インフラ・アーキテクチャ

DIPC（Data Integration Platform Cloud）

Data Quality

レプリケーション

（GoldenGate Cloud)

ストリーミング

（Stream Analytics)

ETL/データパイプライン

（ODI Cloud)

データ品質/ガバナンス

（

Enterprise Data Quality

)

ソーシャルセンサーファイル SaaS モバイルログデータベース他社Cloud オンプレミス環境 Oracle Cloud 環境

(51)



AQUA SYSTEMS

51

20th ANNIVERSARY

データベースの性能と拡張性

✓

Exadata Service

• 雨量 NETCDF 1GB/分

受信～フォーマット変換～DB格納を1分以内に処理することが求められる

• 処理性能が足りない場合の性能向上策として利用できる

※ 一般的なクラウドはネットワークストレージであるため、I/Oのレイテンシが大きい

✓

RACの拡張性

• 災害の際には大量のデータ格納、サービスからの利用を同時並行で処理することになる。RACが利用できる

ことでスケーラビリティを求めやすい。

※ 一般的なクラウドはリードレプリカ増設での拡張方式で、マスタノードがボトルネックになりやすい

インフラ・アーキテクチャ

(52)



AQUA SYSTEMS

52

20th ANNIVERSARY

これで、どんなデータが来ても

大丈夫！

インフラ・アーキテクチャ

HDFS

Object Storege

RDBMS

データレイク

ArcGIS

Online

GoldenGate

Database

link

FTP

API実装

データインポータ

(53)



AQUA SYSTEMS

53

20th ANNIVERSARY

２つ、例を挙げます

多様な考慮をしていますが・・・

(54)



AQUA SYSTEMS

54

20th ANNIVERSARY

例① 避難所

データ・アーキテクチャ

隣接自治体にも公開

B市

A市

A市職員

A市のデータ更新

B市のデータ更新

A市だけで管理

A市非公開のデータ参照

A市公開のデータ参照

B市のデータ参照

B市職員

(55)



AQUA SYSTEMS

55

20th ANNIVERSARY

例① 「避難所データセット」のスキーマ構造（概念）

データ・アーキテクチャ

避難誘導

自治体固有

データ（専有）

静的データ

（共有）

動的データ

（共有）

利用可否などの状態のうち、共有するもの外部公開しない避難所、状態

避難所管理

自治体

職員

管理者

Identity Cloud Service

(56)



AQUA SYSTEMS

56

20th ANNIVERSARY

例② 「緊急避難道路データセット」のスキーマ構造（概念）

データ・アーキテクチャ

市町村・区

国土交通省

県・政令指定都市

市町村道県道、国土交通省管轄以外の国道高速道路・直轄国道 Java Cloud Service 他システム連携 API API Key

データレイクがプラットフォームの他の要素と連動して

動作するには、データ・アーキテクチャの考慮が必要

(57)



AQUA SYSTEMS

57

20th ANNIVERSARY

データレイクの論理構造

○○市 データレイク _{データレイク}××市 △△市 データレイク 動的避難 状況 _動的避難 状況 動的避難 緊急輸送 道路 緊急輸送 道路 緊急輸送道路 医療機関 状況 医療機関 状況 医療機関 状況避難物資水道ガス医療道路電気資源 流通基盤用 データストア （共有情報） △△県 データレイク 緊急輸送 道路

• 自治体のユーザは、各市町村のデータ

レイクにアクセスして、その自治体と共有

データを確認できる

(58)



AQUA SYSTEMS

58

20th ANNIVERSARY

インフラ・アーキテクチャ

“データ・アーキテクチャが整備された形で格納され、関連する機能と連携して動作する

データ基盤” とすることで、高速開発、管理コスト削減が実現できる

HDFS

Object Storege

RDBMS

データレイク

Identity Cloud Service Java Cloud Service ArcGIS Online GoldenGate Database link FTP データインポータ

データ・アーキテクチャ

(59)



AQUA SYSTEMS

59

20th ANNIVERSARY

データ中心アプローチ

業務のプロと、データ・エンジニアによる共同作業

データ

セキュリティ

業務要件

インターフェース

メタデータ管理

クレンジング

性能

運用プロセス

統合と相互運用性

業務のプロ

_{データ・エンジニア}

データについて多角的に検討を加えることにより、データレイクの必要条件を導く

(60)



AQUA SYSTEMS

60

20th ANNIVERSARY

データガバナンス

データ アーキテクチャ 管理 データ クオリティ 管理 メタデータ管理 ドキュメントと コンテンツ 管理 データウェアハウスと ビジネスインテリ ジェンス管理 _{リファレンス} データと マスター データ管理 データセキュリティ 管理 データストレージ とオペレーション 管理 データモデリング とデザイン データ統合と 相互運用性

データ

ガバナンス

ビジネス・インテリジェンス／分析

マスターデータ管理

データウェアハウス

システム／アプリケーション

データレイクと関連性が高い領域

メタデー

タ管理

リファレン

スデータ管

理

データセ

キュリテ

ィ管理

データア

ーキテクチ

ャ管理

アウ

トプット

依存関係

出典：ADMC2017_SueGeuens_World_Trends_in_Data_Governance

データクオリ

ティ管理

データモデリン

グとデザイン

データ統合と

相互運用性

データ中心アプローチを実現するための体系的な方法論

(61)



AQUA SYSTEMS

61

20th ANNIVERSARY

Contact us

データとデータ基盤に関わる課題をご相談ください！

イノベーションを支えるデータ基盤を実現します

中立的な立場で、オープンな技術の選択を支援します

データベースに関することは何でも解決します

(62)

Aqua Systems , Performance Analyzer , AUDIT MASTER は、株式会社アクアシステムズの登録商標です。

Performance Analyzer Family, Performance Analyzer 4 , AUDIT MASTER は、株式会社アクアシステムズの商標です。 Oracle は、Oracle Corporation の登録商標です。その他の製品名および会社名は、各社の商標または登録商標です。

Oracle Innovation Summit Tokyo 2018

南海トラフ・首都直下地震にそなえる、

クラウド・データレイクで実現する

防災情報サービスプラットフォームとは

国立研究開発法人 防災科学技術研究所

レジリエント防災・減災研究推進センター 主幹研究員

鈴木 進吾 博士(情報学)

株式会社アクアシステムズ

執行役員 技術部長

川上 明久 氏

日本オラクル株式会社

クラウドプラットフォーム戦略統括 Senior Business Development Manager

谷川 信朗

Oracle Innovation Summit Tokyo 2018

•

以下の事項は、弊社の一般的な製品の方向性に関する概要を説明するもの

です。また、情報提供を唯一の目的とするものであり、いかなる契約にも組み込

むことはできません。以下の事項は、マテリアルやコード、機能を提供することをコ

ミットメント（確約）するものではないため、購買決定を行う際の判断材料に

なさらないで下さい。オラクル製品に関して記載されている機能の開発、リリース

および時期については、弊社の裁量により決定されます。

Data Driven

“これまでハードウェアは資産として扱われていたが、

データは同じように資産として考えられていなかった。

今、ハードウェア(環境)はリアルタイムに購入するサービス(クラウド)となり、

永続的に扱われる資産は「データ」である。

”

– Erik Brynjolfsson, Director, MIT Initiative on the Digital Economy

今、組織が直面している「データ」

NEW EXTERNAL

Data

HISTORICAL

Data

CURRENT

Data

データ基盤アーキテクチャの変遷

DATABASE & DWH

Structured Data

Relational Database

依然として重要

ただし

これだけでは不充分

BIG DATA

MODERN

Multi-structured data

Hadoop

オープンでより高度

ただし

複雑で運用コスト増

Any Data, Streaming

Cloud

現在取るべき

基盤のカタチ

データ基盤アーキテクチャの検討に必要となる考え方

Infrastructure

データ基盤アーキテクチャに必要な構成要素

Data Integration

Analytics

市場の評価

Magic Quadrant for Data Management Solutions for Analytics, 2018

Oracleは「リーダー」クアドラント

の位置付け

Analyticsを見据えた Data Lake Platform の実現

Data Drivenに必要となる Data Management 基盤

Cloud Data Management & Analytics Platform

SQL

Oracle Cloud

(PaaS Services)

On-Premise

Cloud Data Management & Analytics Platform

SQL

Oracle Cloud

(PaaS Services)

On-Premise

Big Data Cloud Service

Hadoop/Sparkのためのクラウドサービス

■ こんな課題に役立ちます

■ サービス提供価格(導入最低価格/PAYG) *1

■ 主なコンポーネント

■ サービス概要/特徴

国立研究開発法人防災科学技術研究所

レジリエント防災・減災研究推進センター主幹研究員

鈴木進吾博士(情報学)

執行役員技術部長

川上明久氏

谷川信朗