今回は、米Googleのクラウド環境に存在するデータベースBigtableとDatastoreサービスを紹介します。「巨大分散」という新たなデータベースの地平を切り開くためにどのような工夫をしているか、じっくり見ていきましょう。 「Bigtable」は、Googleの主要なサービスを支える独自の巨大分散データストアです＊1。Bigtableは、2005年4月から本格的な運用（プロダクション利用）が開始されたもので、Googleの検索サービスをはじめ、Gmail、YouTube、Google Maps、Google日本語入力、そしてApp Engineなど、70以上のプロジェクトで利用されています。その規模は、数P（ペタ）バイト～数十Pバイトに達しているでしょう。 Bigtableは、Google検索サービスにおける膨大なコンテンツやインデックスを保持し、高速に検索するための専用データストア

Googleドキュメントのスプレッドシートには、グラフを描く機能があるのですが、このたびめでたく強化されました。 組織図、注釈付きタイムライングラフ、モーショングラフなどのグラフが新たに追加されたほか、既存のグラフデザインも改良。グラフエディタも細かな変更で使いやすさがアップし、以前よりも「かゆいところに手が届く」ようになりました。 ネタもとを見ると、カラーパレットの刷新、レイアウトの改善、新しいカスタムオプションの導入など、なんだか改善てんこ盛り。 新しいグラフ機能によるヴィジュアライズ化の違いを、是非お試し下さい。テンプレの見本はこちらからどうぞ。 [Google Docs Blog] Adam Pash（原文／訳：kiki)

今ほど統計解析が必要とされる時代はありません。オープンソースの統計処理言語・環境の「R」を使って実践的な統計解析のテクニックとリテラシーを習得しましょう！ 読者にとってRは、世に溢れるデータの密林を切り開くための“ブッシュナイフ”となることでしょう（編集部） 統計解析の必要性とリテラシー 21世紀になって、経営学者の故ピーター・ドラッカー氏が言うところの知識労働者は、ますます統計解析を必要する局面が増えてきました。この状況は、20世紀後半から21世紀に起きた計算機能力の増大とインターネットの発展を基礎に、3つの大きな潮流が現れたことがキッカケとなっているように思います。その3つの潮流とは、オープンソース、オープンデータ、そしてオープンアイデアです。後ろの2つは今筆者が名付けました。 オープンソースは、皆さんがご存知のように、Linux、Apache、Perl、Python、RubyなどのO

米国には、日本のSIerのような企業はあまり多くない、という話をしばしば耳にします。「シリコンバレーで奮闘中」というya2kanta氏のブログ余道を愉しむで、7月12日月曜日にポストされた「日本とアメリカのITに関連する違い」というエントリでも、その話題が取り上げられていました。 米国のIT市場の特徴の1つ目として「SIerがいない」ことが挙げられています。 アメリカの企業はシステムの開発／導入／運用を基本的に自社内のエンジニアが行う。日本のようにSIerにアウトソースして、一切を任せるということはない。 もう1つ米国の特徴としては「パッケージ製品を利用する」ことが挙げられています。 米国では、SAPなどのERPツールや、Salesforce などCRM系ツールの導入率が高いようです。よく売れているパッケージ製品というのは、それなりにキチンと考えられて作られているので、導入／利用する事で生

Get the financial clarity and control you’ve been missing. Indinero’s team of experts can transform complex financial management into an afterthought. You focus on growth; we handle the numbers.

これはMITの先生に教えてもらったサイト。 世界の国々のマクロ経済指標の変化がひと目でわかる、という優れものアプリ－GapMinder http://www.gapminder.org/world/ あらゆる経済学のサイトの中でも、特に優れている、ということで近年注目を浴びているサイトだ。 経済指標の歴史がすぐ分かる視認性の良さだけでなく、見た目にも美しく、さらに遊んで楽しい、素晴らしいサイト。 超オススメ。 あ、でも1度見ると1時間くらい遊んじゃうと思うから、覚悟して望むように（笑） でもこのサイトで遊んでいるだけで、マクロ経済について色々なことが学べる。 （更にその年に何が起こったかを調べるためのWikipediaがあれば万全） いろんな種類の指標があるのだが、ここでは一番メジャーな、縦軸に平均寿命を、横軸に一人当たりGDPをとったグラフをご紹介。 平均寿命はその国の国民の健康状況を表

「Big Data」という言葉を見かけることが最近増えてきました。数テラバイトなど大規模なデータを表す言葉です。 このBig Dataをデータを分析し、有用な情報を見いだしてビジネス上の意志決定に活かそうというのがBI（ビジネスインテリジェンス）ですが、BIを実現するためにデータウェアハウスを構築し、OLAPなどの分析ソフトを導入するためのシステム構築は非常にコストのかかるものでした。大規模なデータを保存すること、そしてそれを高速に分析するためには高価で高性能なハードウェアとソフトウェアが必要でした。 そのBIの分野で新たなテクノロジーとして注目されているのがHadoopです。HadoopはBig Dataの保存と分析を、安価なコモディティサーバの集合体で実現します。その点が従来のBI市場にインパクトを与えつつあり、先月、BIツールとHadoopを統合しようとする動きが相次いで顕在化しまし

先週行われたグーグルのイベント「Google I/O」で発表された、大規模データをSQLライクな命令によって高速に処理してくれる新サービス「BigQuery」。3日前に公開した記事「グーグルによるMapReduceサービス「BigQuery」が登場。SQLライクな命令で大規模データ操作」で、その概要をお伝えしました。 そのBigQueryについて、Google I/Oのセッションに参加されていたスティルハウス 佐藤一憲氏が「BigQueryってなんぞ？」とエントリをブログに書いています。自由にコピペしていいと許可をいただいたので、あらためてBigQueryとはどんなものなのか、ポイントを紹介しましょう。 大規模なデータを処理できるといえば、思い浮かぶのはMapReduceです。佐藤氏はBigQueryとMapReduceの違いをこう書いています。 MapReduceとはどう違う？ 大規模な