進化的テクノロジーとは?ETL-EXTRACTツールスイートの概要と主な機能を解説
進化的テクノロジー(ET)とは
進化的アルゴリズムとは、生物の振る舞いを模倣するプロセスを用いて問題を解決する、進化型AIベースのコンピュータソフトウェアです。そのため、生殖、突然変異、組み換えといった、生物学的進化に関連するメカニズムが必要となります。
データ抽出・変換ツールの代表例として挙げられるのが、Evolutionary Technologies社が提供する「ETL-EXTRACTツールスイート」です。抽出(Extract)とは、データウェアハウス環境における後続処理に備えて、ソースシステムから情報を取り出す処理を指し、ETLプロセスの最初のステップにあたります。抽出後、データは変換され、データウェアハウスへロードされます。
データ抽出のプロセスでは、整理されていない雑多なデータソースから情報を取得します。抽出されたデータは、リレーショナルデータベースのステージング領域にロードされるのが一般的です。この際、抽出ロジックが活用され、API(ソフトウェアプログラミングインターフェース)を介してソースシステムからデータが要求されます。
ETL-EXTRACTツールスイートの主な用途
この製品は、異種ストレージ環境間でのデータ移行を自動化・高速化し、時間とコストを最大93%削減できる可能性があります。これにより、ユーザーは以下のような作業を実現できます。
- データウェアハウスへのデータ投入と保守
- 相互に独立した複数システムの統合
- 新しいデータベース、アプリケーション、プラットフォームへのデータ移行
- 分散型クライアントサーバーなど、新しいアーキテクチャへの移行
ETL-EXTRACTツールスイートの特長
ETL-EXTRACTツールスイートは柔軟性の高いソリューションであり、以下の特長を備えています。
- 多様なプラットフォーム、OS、DBMS間でのデータ収集、変換、移行をサポート
- ソース・ターゲット両方のプラットフォームに適した言語でプログラムを自動生成し、実行
- 保存されたデータに関する情報を追跡できるメタデータ機能を提供
- シンプルなポイント&クリック操作でデータの移動方法を指定できるグラフィカルインターフェースを搭載
ETL-EXTRACTツールスイートの構成コンポーネント
- ETL-EXTRACTエグゼクティブ
- ETL-EXTRACTワークセットブラウザ
- ETL-EXTRACTメタデータファシリティ
- メタデータストアデータベース
- メタデータ交換ライブラリ
このツールの最大の強みは、条件付きのデータ選択と変換をプログラム的に実行できる点にあります。さらに、幅広いメタデータ管理オプションも提供しています。ETL-EXTRACTツールスイートは、2種類の生産性向上ツール群で構成されています。
1. マスターツールセット
- 環境エディタ: 各種プラットフォームやシステムOSの仕様を個別に定義できます。
- スキーマエディタ: スキーマ情報の閲覧や更新に簡単にアクセスできます。
- 文法エディタ: カスタマイズされた条件を簡潔に定義する手段を提供します。
- テンプレートエディタ: データ取得・変換・投入プログラムの動作を決めるプログラミングルールを迅速に指定できます。
2. 変換エディタ(コンバージョンエディタ)
変換エディタを使用すると、以下のような操作が可能になります。
- データの検証および変換を行うプログラムの作成
- 複数システムのデータを統合して新しいデータベースを生成
- 1つ以上のデータベースやファイル形式からのデータ取得
- 任意の数のDBMSやファイル形式へのデータ投入
-
データセンターとは?仕組み・用途・セキュリティ対策をわかりやすく解説
データセンターとはデータセンターとは、大量のコンピュータサーバーや関連機器を収容するために設けられた専用施設のことです。英語では「data center」と表記するのが一般的ですが、「datacenter」と一語で書かれることもあります。イメージとしては、「壁からはみ出してしまったコンピュータ室」のようなものです。データセンターには、企業ユーザーのメール、財務記録、ウェブサイトのデータなど、あらゆる種類のデータを保存することができます。データセンターは何に使われるのか?一部のオンラインサービスは規模が非常に大きく、1〜2台のサーバーでは運用できません。そうしたサービスでは、サービスを動かすため
-
STREAMアルゴリズムとは?データストリームk-mediansクラスタリングの仕組みと課題を解説
STREAMアルゴリズムの概要 STREAMは、k-medians問題(k-中央値クラスタリング)のために開発された、シングルパス(1回の走査)による定数倍近似アルゴリズムです。k-medians問題とは、N個のデータポイントをk個のクラスタ(グループ)に分割し、各ポイントとそれが割り当てられたクラスタ中心との間の二乗誤差の合計(SSQ:Sum of Squared Error)を最小化する問題を指します。その狙いは、互いに類似したデータポイントを同じクラスタにまとめ、他のクラスタに属するポイントとは区別することにあります。 ストリームデータモデルにおける制約 ストリームデータモデルでは、デ