分散キーバリュ ューストア oku uyama SaaS 型検索エン ンジン sui‐sei 分散 散 KVS 技術”ok kuyama”を検索 索エンジ ジンに最 最適化 観 測 史 上 最 速 を 誇 る Sa aaS 型 検 索 エ ン ジ ン “s sui-sei”と とは？ データの 1 つに に SNS にも代表 表されるライフ フログデータが があります。単 単純なデータ構 構造で半永久 久的に増え続け けるラ 急激に増加するデ ログのようなデ データの管理を を容易にする ることを目的と して、株式会社 社 神戸デジタ タル・ラボ（以 以下、KDL）は 2010 2 年に分散 散 KVS イフロ 技術”okuyama”を独自開発しま ました。 一方で、KDL ではこれまで構築 築を中心に We eb システムに に関わるノウハ ハウを長年に渡 渡って培ってき きました。 が した技術と KDL の経験を組 組み合わせて生 生まれた “suii‐sei”は、高速 速性を追求して て実現された KDL 独自の次 次世代 KDL が独自開発し 検索技術です。 検索エンジンの重要性 EC サイトにおいて、ユーザの離脱を回避するために不可欠 な要素はレスポンスの速さです。例えば、EC サイト内検索に おいて、ユーザが商品一覧を得るために、何秒待ってくれる でしょう？ Web ページの表示速度が 1 秒遅くなることで、 CVR が 7%低下、顧客満足度が 16%も低下するという調査結 1 ば、サイト運営者は余計なストレスを感じることなく、ユーザ に丁寧な説明をするためのコンテンツ作りに集中できるよう になります。このように検索速度が高速化されることで、ユー ザの商品ページの表示を待つといったストレスを解消するほ か、サイト運営者にとっても本来の業務に集中できるといっ た効果も期待できます。 豊富な検索軸による効率的な検索への利用 果 が報告されています。また、Web サイトの表示速度に不 EC サイトにおいて、ユーザが自社の商品に関心を持ったとし 満を感じたユーザのうち、実に 79%はそのサイトでショッピン ても、それが見つけられなければ購入に繋がらないため、検 2 グをしない、といった調査結果 も報告されています。これら 索は非常に重要な機能です。そのため、サイト運営者は、キ の数値を見ても、いかに高速性が消費者にとって重要であ ーワードの他にナビゲーションを豊富に用意し、いかにサイ るかお分かりになるでしょう。さらに、EC サイトの構成要素を ト訪問者が要望に合った商品を見つけ易いようにするか工 調べてみると、約 60%のページで検索機能が動作しており、 夫しています。具体的には、サイト運営者はユーザが色、サ EC サイトで検索機能が占める割合が非常に高い事が分かり イズ、商品カテゴリ等を選び、キーワードなしでも効率良く商 ます。 品に辿りつけられるように豊富で分かり易い検索軸を設定し しかし、EC サイトを運営されている企業様で検索機能を独自 に開発している企業様はほとんどいません。実際には、昨今 の EC サイトでは検索機能にサードパーティが提供する検索 エンジンを利用する傾向が強くなってきています。サードパ ーティの検索エンジンを利用するメリットは、初期費用が安 価に抑えられる、最新の技術が利用できる、等が挙げられ ます。 それでは、今後さらに重要性を増すであろう検索エンジンが EC サイトへもたらす効果の一例をご紹介します。 大量な商品情報への利用 EC サイトの普及に伴い、各企業は売上 UP のために CVR を 重要な指標として、その向上に取り組んでいます。例えば、 詳細な商品情報を掲載する事で、ユーザへより丁寧に商品 を説明し、購入意欲を促すような施策があります。また、ユ ーザ端末の多様化によって、各端末で最適な表示を実現す るために、端末毎に商品データを用意する例も少なくありま せん。このように昨今の EC サイトでは、表示される情報量も その普及および利用形態の多様化とともに増加しています。 情報量が多くなれば Web ページの表示速度は遅くなります。 サイト運営者には、Web ページの表示遅延を避けることと、 ユーザへの丁寧な説明をすることを両立するといった非常 に高度な運営スキルが求められます。しかし、高速性に優 れた検索エンジンを導入し、検索実行速度が高速化されれ ます。しかし、検索軸を増やすことによって検索の実行速度 が劣化するといった弊害が生じます。そのため、サイト運営 者は検索の実行速度に影響がない範囲で検索軸を決定す る事を強いられており、ユーザの利便性は最大化されてい ないのが現状です。高速性、拡張性に優れた検索エンジン を導入すれば、サイト運営者は、速度の問題に悩まされるこ となく豊富な検索軸を用意する事ができ、ユーザへ高い利 便性を提供することができるようになります。 セールへの利用 EC サイトでは、実店舗と同様にセールが実施されています。 EC サイトの場合、実店舗と異なりセール期間中は際限なくア クセスが集中します。また、実店舗では店舗に入りきらない ユーザは行列に並ぶことで入店を待つことができますが、EC サイトでは不可能です。そのため、EC サイトにはそれを捌くこ とができる性能が求められ、それを担保するために現実に はセール期間中だけシステム保守体制を強化するといった 運用がされています。従来の検索技術では、アクセス集中 による高負荷分散が十分に考慮されていなかったため、セ ール期間中のアクセス集中によって EC サイトにアクセスでき ないといった問題が頻発しているためです。しかし、安定性 に優れた検索エンジンを導入すると、高負荷状態でも平常 時と変わらない安定性が提供されるため、保守体制を強化 することなく、セールを迎える事ができます。このようにセー 1 要がなくなれば ば、これまでセ セール対応と して ル対策をする必要 投資していた費用 用を本来の EC サイト改善に に費やす事がで でき、 さらな なる売上 UP に に繋がっていく くことも期待で できます。 “suii‐sei”の開 開発背景 EC サイトにおける サ る商品データの のような単純な なデータ構造 は、 okuyama が管理で できるデータ構 構造と非常に に高い親和性が があ ります す。 okuyamaa を利用した検 検索機能を KD DL のクライア アント である る子供服 EC サイト運営企 企業様に導入 入したところ、検 検索 の高速化と負荷分 分散の効果もあ あって前年対 対比約 3 倍の売 売上 客数を獲得しました た。KDL では、 、この実績を基 基に okuyamaa の 構造を見直し、高 高速性を維持し しながら拡張 張性を兼ね備え えた 検索エンジン”sui‐sei”を開発しま ました。 SaaS 型検索エ エンジン ン “sui‐sei”” 図 1. “sui‐seei”の基本構成 成 拡張性 拡 KDL は、okuyama の持つ高速性、高負荷分 分散が検索機能 能と あら らかじめ高負荷が予想され れる場合には は、”sui‐sei”クラ ラスタ して最 ロジ 最大限発揮さ されるよう開発 発された okuyama4SS テクノロ に okuyama と Web W AP をイン ンストールした たサーバを追加 加する を搭載 載した”sui‐seii”を開発しまし した。（図 1） okuyama4SSS テ こと とで、”sui‐sei”はより多くの検 検索リクエスト トを処理可能となり クノロ ロジは、検索エ エンジンとして ての okuyama の効率的な利 利用 ます す。クラスタ内 内のサーバ数を を変化させる ることで、”sui‐ssei”は のほか、キャッシン ング機構や従 従来の KVS 技術では実現で 技 でき スケ ケーラブルに負 負荷に対応し します。 なかった検索条件 件の複数指定 定やソート種類 類の指定、デー ータ 取得範囲の指定な などの検索機 機能を実現しま ました。 安定性 安 “su ui‐sei”が検索用 用インデックス ス情報と検索 索対象データを を全て ”sui‐ssei”の開発には、長年 EC サイトの構築・運用を手が がけ、 メモ モリ上に展開し しておくことの のメリットは、1 1 回の検索が が高速 okuyama の特性 性を熟知した技 技術者が複数 数名携わって てお 化さ されることだけ けではありませ せん。検索に必要な処理を を全て り、”ssui‐sei”開発後 後も継続して okuyama o のパ パフォーマンス ス・チ メモ モリ上で行われ れるため、大 大量の検索リク クエストが発生 生した ューニ ニングを実施しております。 。 場合 合にデータ取 取得に時間がか かかりボトルネ ネックとなって ていた ディ ィスクアクセス スの発生を避け けられ、常にほ ほぼ一定の検 検索速 高速性 “sui‐ssei”は、検索対 対象データ全 全てをメモリ上 上に展開し、検 検索 要求に合致するデ データをメモリ リ上に展開され れたデータから ら探 度を を実現することが可能にな なりました。”su ui‐sei”は、セー ールな ど大 大量のアクセ セスが発生する るシーンにお おいても安定し した検 索性 性能を発揮します。 し出す すことで、高速 速レスポンス を実現してい います。具体的 的に は、““sui‐sei”は検索 索対象データ タ登録時に検索 索用インデック クス 可用性 可 情報を作成し、検索対象データ タと共に okuyama の管理す する “su ui‐sei”は 3 台のサーバ(イン ンスタンス)で構 構成されており、デ メモリ リ領域に格納します。格納し した okuyama a 管理メモリ上 上か ータ タを格納する okuyama を 3 台にまたがっ ってクラスタを を構成 ら We ebAP の利用す するメモリ上の のキャッシュへ へ検索対象デー ータ する る事で、メモリ リ上に保存され れた検索対象 象データは完全 全に冗 と検索 索用インデック クスを予めコピ ピーしておくこ ことで、”sui‐se i”は 長化 化されます。”sui‐sei”クラス スタ 3 台のうち 2 台が停止し した場 検索時にディスク クアクセスを伴 伴わない高速 速かつ安定した た検 合で でも、okuyama から検索対 対象データと検 検索用インデッ ックス 索を実 実現しています。 の取 取得が可能で です。 2 検索 索機能の⾼ ⾼速化に拘 拘った理 理由 の高速性がほ ほぼ劣化することなく、安定 定して も”sui‐sei”はその 稼働 働していること とが分かります す。 “suii‐sei”の実 実⼒ “sui‐ssei”の性能検 検証に利用した た環境の性能は表 1 に示す すと おりで です。 表 表 1. 性能検証 証の環境 CPU サーバ CP PU Xeeon 2.90GHz サーバメモ モリ 16 6 GB 通信回線 線 1G GB 共有線 検証に用いたサン ンプルデータ仕 仕様を表 2 に示します。 に 図 3. クラウ ウド/SaaS での の高負荷時の性 性能測定結果 果 表 表 2. サンプル ルデータ仕様 商品 1 点あた たりのデータ数 数 30 データ長 10 Byte es インデックスデ データ長 100 Byytes 商品点数 50,000 0 点 “sui‐ssei”の実力を を測る検索実行 行速度の基準 準値として、現 現行 の EC C サイトでの実 実績からその の規模に応じて て中規模 EC サ サイ 。 ト：10 0 検索/秒3、大 大規模 EC サイ イト：70 検索/秒 秒4としました。 まず、同時アクセ スユーザの増 増加に伴う処理可能な検索 索数 ui‐sei”はクラウ ウド/SaaS 製品 品として開発さ されましたが、 、オン “su プレ レミスへの導入 入も可能です 。 検 索 エ ンジ ン の ⾼ 速 化 を可 能 と し た okkuyama の特⻑ の oku uyama の主な な特長は以下の のとおりです。 。 の変化を検証しま ました。各ユー ーザは時間的 的に順次連続 して 検索リクエストを送 送信します。ま また、アクセス スユーザ数は疑 疑似 的に増加させてい います。 中規模、大規模そ それぞれの基準値を圧倒的 的に上回るパ フォ ーマン ンスであること とが分かります す。（図 2） インメモリー・デ イ データグリッド ド “su ui‐sei”ではイン ンポートしたデ データのメモリ展 展開に okuyaama を 利用 用することで、 、複数のサーバ バの持つメモ モリを 1 台のサ サーバ のメ メモリであるか かのように扱え えるインメモリ リ・データグリッドを 実現 現しています。インメモリ・ データグリッドによって、デ データ と負 負荷を分散す することで高速 速なデータアク クセスが可能な なこと に加 加えて、データ タはグリッド内 内で冗長化して て保存されるた ため、 グリ リッド内の特定 定のサーバが が停止したこと とによるサービ ビス全 停止 止を防ぐことが が可能です。ま また okuyama a はクラスタへ への動 的な なサーバ追加 加が可能なため め、”sui‐sei”の の高いスケーラ ラビリ ティ ィを実現してい います。 時ユーザ数増加 加による性能測定結果 図 2. 同時 負荷状態（108 ユーザが同 同時アクセス）が続いた場合 合で 高負 3 市場への貢献 ソフトウェアのクラウド化によって拡張性はますます向上して います。今回は拡張性を維持しつつ、高速化を実現する検 索エンジンを紹介しました。今後、EC サイトを初めとする Web 3 売上規模 5 億～30 億の中規模 EC サイトの秒間当たりの 最大平均検索回数（当社実績値より） 4 売上規模 30 億以上の大規模 EC サイトの秒間当たりの最 大平均検索回数（当社実績値より） システムのリアルタイム化は加速する事が予想されます。そ の時、今以上に利便性が問われることは間違いないでしょう。 そのためにも、KDL は日々お客様と接する中で、顧客インサ イトを掴み、それを満たすような技術開発に取り組み、市場 の活性化のために貢献してまいります。 関連情報 okuyama については、 http://okuyama‐project.com/ja/index.html を参照ください。 1 2009, 米 Aberdeen Group, http://www.gomez.com/wp‐content/downloads/aberdeen‐g omez‐best‐in‐class.pdf 2 2009, 米 Forrester Research, http://www.akamai.com/html/about/press/releases/2009/pr ess_091409.html 本記事で紹介した性能に関するテストや評価は、特定のコンピュータ・システム、コンポーネント、またはそれらを組み合わせて 行ったものであり、このテストによる KDL 社製品の性能の概算値を表しているものです。システム・ハードウェア、ソフトウェアの 設計、構成の違いにより、実際の性能は掲載された性能テストや評価とは異なる場合があります。システムやコンポーネントの 購入を検討される場合は、他の情報も参考にして、パフォーマンスを総合的に評価する事をお勧めします。 本記事の情報を参考に製品を購入され損害が生じても、弊社は何ら責任を負いかねますこと、予めご了承ください。 “sui‐sei”の性能評価についてさらに詳しい情報をお知りになりたい場合は、下記の連絡先までご連絡ください。 ”sui‐sei”開発チーム sui‐[email protected] 株式会社 神戸デジタル・ラボ 先端技術開発事業部 〒650‐0034 神⼾市中央区京町 72 番地 新クレセントビル http://www.kdl.co.jp/ Copyright ⓒ 2013. KobeDigitalLabo Inc.,Ltd All rights reserved. 4
© Copyright 2024 ExpyDoc
