ホワイトペーパーとアナリストレポート

INTERSYSTEMS CACHÉ
インメモリデータベースに代わるソリューション

David Kaaret
InterSystems Corporation

はじめに

単独のコンピュータで稼動しているアプリケーションから、相互接続された大規模グリッドまで、従来のリレーショナルデータベースアプリケーションのパフォーマンス上の制限の克服には、インメモリーデータベースを使用してデータアクセスを高速化することが一般的です。インメモリーデータベースとキャッシュ製品を使用することで確かにスループットは上がりますが、一方で大量のデータの取扱い、過大なハードウェア要件、スケーラビリティの面での制約など、数多くの制限が生じます。

InterSystems Caché® は、インメモリーデータベースを一般的に使用しているアプリケーションに最適な、独自のアーキテクチャをもつ高性能オブジェクトデータベースです。Caché は、インメモリーデータベースに匹敵するパフォーマンスを発揮するだけではなく、次のような特長を持っています。

コンピュータの電源が落ちた場合やクラッシュした場合でもデータ損失がない永続性
大規模なデータセットに対する高速アクセス
数百台のコンピュータ、数万人のユーザーに対応できるスケーラビリティ
SQLと、Java、C++、.NET などのオブジェクトからの同時データアクセス

このホワイトペーパーでは、大量のデータに高速にアクセスを必要としている企業にとって、Caché がインメモリーデータベースに代わる有力なソリューションである理由について説明します。

独自のデータエンジンで永続性と高性能を実現

Caché は永続性を備えたデータベースです。つまり、RAM に保持されているデータをバックグラウンドプロセスでディスクに書き込んでいます。一方、インメモリーデータベースでは、データを定期的に何らかのデータ記憶装置に書き込んでいるにすぎません。では、なぜCaché が、このようなインメモリーデータベースに匹敵するパフォーマンスを Caché が発揮できるのでしょうか。

この理由の一つは、Caché が持つ独自のアーキテクチャにあります。従来のデータベースに見られる表形式によるデータ構造に代わり、Caché ではオブジェクト定義に基づくデータ構造を持つ多次元配列を採用しています。このアーキテクチャでは、アーキテクトが設計した方法でデータを保存し、かつ、インメモリーキャッシュと同じデータ構造をディスク上で使用します。また、まとめて保存する必要があるデータは、まとめて保存します。この結果、Caché はディスク上のデータにきわめて高速にアクセスできるようになっています。

多くの分散キャッシュ製品では、データを更新する際に、複数のインメモリーキャッシュの同期を必要としますが、これがパフォーマンス低下の原因にもなっています。Caché では、データを更新処理と、キャッシュへのデータ配信処理が論理的に独立しています。これにより、ワークフローをはるかに簡素化でき、高いパフォーマンスが実現します。

Caché では、C++ および Java 向けに "インプロセスバインディング" という機能も備えています。この機能により、C++ または Java で記述したアプリケーション、Caché の内部データ構造に直接実装することができます。

永続性の利点

Caché は、インメモリーデータベースと同等のパフォーマンスを発揮し、さらにディスク上のデータへのアクセスに関しては、インメモリーデータベースをはるかにしのぐ利点があります。何よりも明からな利点は、永続的なデータ記憶装置を別途必要としないことです。Caché 自体が永続記憶装置であり、常に最新のデータを保持しています。コンピュータの電源が落ちた場合やクラッシュした場合でもデータの損失が発生しません。

Caché のその他の利点として、利用できる RAM の大きさでデータセットのサイズの制限がないことが挙げられます。データがローカルキャッシュに存在しない場合は、リモートキャッシュまたはディスクからシームレスにデータを取得できます。Caché ベースのシステムでは、RAM の制限を受けないことから、ペタバイトクラスのデータサイズを扱うことができます。これは、インメモリーデータベースでは不可能なことです。

処理容量を上げるためにシステムに RAM を増設するには、ディスクストレージ増設よりもコストがかかります (テラバイトクラスのディスクストレージは、同クラスのサイズの RAM よりも安価です)。さらに、多くのインメモリーシステムでは、コンピュータのクラッシュによる障害の対策として、データの冗長コピーを別のコンピュータに保持する必要があります。Caché のような永続データベースによる分散キャッシュシステムを運用することで、多くの場合はハードウェアコストの削減が実現します。

SQL とオブジェクトによるシームレスなデータアクセス

ほとんどのインメモリーデータベースは、高速処理に最適化したデータ構造を採用していることから、共通の問題として、多くの場合、SQL によるデータアクセスが困難であることが挙げられます。大半の分析ツールやレポートツールでデータを使用できるようにするには、まずデータをリレーショナルテーブルに "マッピング" する必要があります。このマッピングは通常、インメモリーデータベースから永続データ記憶装置にデータを転送するときに行われ、一般的には、ＥＴＬ（抽出、変換、ロード）プロセスを必要とします。このマッピングには、処理オーバーヘッドと余分な時間が発生し、これが、きわめて高速な分散アプリケーションにとって、リレーショナルデータベースの処理速度が不十分あり、代わりにインメモリーデータベースが多用される理由にもなっています。

リレーショナルモデルに基づいて構成され、SQL によるデータアクセスを可能にしているインメモリーデータベースはわずかです。しかも、このようなシステムは、アプリケーション開発で広く利用されているオブジェクト指向テクノロジによるデータアクセスが困難であるという、逆の問題を抱えています。さらに、大半のリレーショナルインメモリーデータベースでは、複数台のコンピュータによる構成が考慮されていません。1 台のコンピュータでのみ実行可能であり、その結果 RAM による制限が発生します。

Caché はこの点が大きく異なります。Caché が採用している多次元配列は、リレーショナルテーブルとしての利用とオブジェクトとしての利用が同時に可能です。Caché の統一データアーキテクチャでは、データをブジェクトとリレーショナルテーブルの両方で同時に参照することがききます。当然のことながら、ビュー同士のマッピングは不要です。

Fig. 1: 複数の方法によるデータアクセスを統一データアーキテクチャで実現

複数の方法によるデータアクセスを統一データアーキテクチャで実現

Caché のSQLは、ODBC と JDBCをサポートしています。オブジェクトとしての扱いでは、Java、.NET、C++ など、ほとんどのオブジェクト指向言語とのバインディング機能を提供しています。Caché では、全てのブジェクト表現を提供し、継承、多態性、カプセル化などのオブジェクト指向概念がサポートされています。

ECP(Enterprise Cache Protocol)

マルチコンピュータアプリケーションで使用する Caché では、ECP(Enterprise Cache Protocol)を使用して、自動的にキャッシュを保持します。

ECP を使用すると、Caché のインスタンスをデータサーバーとアプリケーションサーバーの両方、あるいはどちらかに構成することができます。各データはすべてデータサーバーで保有し、アプリケーションサーバーではデータが存在する場所を把握して、最近使用したデータをローカルキャッシュで保持します。このローカルキャッシュにあるデータだけでは要求を満たせない場合、アプリケーションサーバーは、必要なデータをリモートデータサーバーに要求します。キャッシュの整合性は ECP によって自動的に管理されています。

ECP の利用にあたってアプリケーションの変更は不要です。アプリケーションでは、データベース全体をあたかもローカルデータベースであるかのように扱うだけです。分散キャッシュシステムには、クエリを投げる前に、データを必要とするクライアントそれぞれが、目的のデータのサブセットを指定することが必要なものがあり、この点がCachéと分散キャッスシステムとの大きな違いとなっています。

1 台のコンピュータに 1 つのキャッシュ

Caché と他の分散キャッシュ製品との大きな相違点として、これまで紹介したもののほかに、ほとんど分散キャッシュ製品では、コンピュータ上で実行しているプロセスごとに別々のキャッシュを保持していることが挙げられます。たとえば、ある 1 台のコンピュータに 8 つのクライアントが存在すると、その 1 台のコンピュータは 8 つの独立したキャッシュを保持することになります。

一方、Caché では共有メモリーにキャッシュを保持し、それぞれ専用のメモリーアドレスで実行されているプロセスからキャッシュのデータにアクセスするバインドを提供します。データにアクセスする手段として、JDBC のような TCP ベースのプロトコルや言語バインディングがあります。また、アプリケーションからキャッシュを直接操作できるようにするバインドもあり、この方法ではきわめて高いパフォーマンスが得られます。これらの手段により、データに同時にアクセスできます。

1 つのキャッシュを複数のクライアント間で共有可能にすることにより、多くの利点が得られます。その 1 つとして、共有キャッシュシステムでは、必要とするメモリー量が少なくて済むという点が挙げられます。複数のクライアントから同じデータに対して重複してアクセスが発生することは十分に考えられますが、Caché 以外の分散キャッシュ製品では、データのコピーを複数保持してこのような状況に対応しています。一方、Caché では、データのコピーをコンピュータごとに 1 つだけ保持するだけです。

コンピュータごとにキャッシュを 1 つにすることで、ネットワーク I/O の減少という結果をもたらします。高性能なアプリケーションでは、キャッシュの保持に伴うネットワークトラフィックが大きな問題になることがあります。それでも、コンピュータが保持するキャッシュが 1 つであることから、元のデータに変更が発生しても、更新が必要になるキャッシュは 1 つのみで済むという利点があります。一方、キャッシュが複数存在する場合は、同じ更新処理を重複して実行する必要があります。

マルチコアプロセッサのコンピュータであっても、Caché ベースのシステムで１台のコンピュータは、使用する共有キャッシュは１つだけです。これにより、他の分散キャッシュ製品に比べ、優れたスケーラビリティが得られます。たとえば、8コアのコンピュータ 250 台で構成した Caché ベースのシステムの場合、整合性を維持するには、250 個のキャッシュどうしでのみ通信すれば良いことになります。一方、コアごとに別々のキャッシュを必要とするシステムでは、2,000 個ものキャッシュを調整する必要があります。最新型のコンピュータではコアの数が 8 個から 16 個、さらにそれ以上になることがあるので、スケーラビリティの面で Caché が持つ利点がますます重要になります。

Fig. 2a: インターシステムズのエンタープライズキャッシュプロトコルを使用しない場合のキャッシュの整合

インターシステムズのエンタープライズキャッシュプロトコルを使用しない場合のキャッシュの整合

Fig. 2b: Caché ベースのシステムでのキャッシュの整合性

Caché ベースのシステムでのキャッシュの整合性

キャッシュの生成

多くの分散キャッシュアプリケーションでは、キャッシュのプリロードが長時間を要するプロセスになることがあります。この原因として考えられるのは、データの絶対量が多いこと、またはアプリケーションで使用しているオブジェクト指向構造にリレーショナル記憶装置からデータを "マッピング" する処理に時間がかかることです (この両方が原因になっていることもあります)。データを集中的に処理するアプリケーションの中には、インメモリーキャッシュにあるデータで実際に計算を実行する時間よりも、インメモリーキャッシュにデータを取り込む処理に時間がかかるものもあります。

Caché ではこのようなことはありません。Caché の非常に優れたSQL 機能により、基本的なリレーショナルデータソースから容易にデータを取得できます。当然のことながら、永続的なデータベースとして、Caché を基本的なデータソースとすることもできます。この場合、キャッシュをプリロードしておく必要はまったくありません。クエリが実行されると、ローカルキャッシュでは必要とするデータを自動的にロードします。

別の考慮事項として、キャッシュにデータを取り込む作業に何台のコンピュータが関与するのかという点があります。Caché の場合、分散グリッド環境の中ではわずかな数のコンピュータが、データの基本的な所有権を保有しています。このような環境でデータをキャッシュするには、ECP データサーバーへアクセスすれば十分です。データサーバーにバックグラウンドでロードしている間に、他のコンピュータでは別の作業を実行できます。アプリケーションサーバーがオンラインになると、データの要求があったときに、そのキャッシュにデータが自動的に再度取り込まれます。

一方、ほとんどのインメモリー製品では、データがロードされると、データが分割されて分散キャッシュに行き渡り、それにより、少なくとも1 台のコンピュータのメモリーにすべてのデータ (または仮想的にすべてのデータ) が存在するようになります。その結果、わずかな台数のコンピュータにデータをロードしながら、別のコンピュータが必要に応じてオンラインになることは、多くの場合実現不可能です。

まとめ

インメモリーデータベースを使用する最大の理由は処理速度です。インメモリーデータベースは、確かに処理速度は速いですが、スケーラビリティの乏しさ、SQLサポートの欠如、過大なハードウェア要件、予期しない停止によるデータ喪失のリスクといった問題が伴います。

Caché は、インメモリーデータベースに匹敵するパフォーマンスを実現できる唯一の永続データベースです。きわめて大規模なデータセットをサポートし、SQL とオブジェクト双方からのシームレスなデータアクセスを可能にします。また、数百台のコンピュータで構成する分散システムを実現し、高度な信頼性を提供します。

ここまで説明したすべての特長の通り、大規模なデータをきわめて高速で処理する必要のあるアプリケーションにとって、Caché はインメモリーデータベースに代わる魅力的なソリューションとなります。