Oracle Cloud Infrastructure Blog(翻訳)

Tribuo ML ライブラリを JUnit 拡張として埋め込む (2022/02/01) https://medium.com/oracledevs/embedding-tribuo-ml-library-as-a-junit-extension-7541f843d1ea 投稿者： Uday Tatiraju Alina Constantin / Better Images of AI / Handmade A.I / CC-BY 4.0 この思考実験では、TribuoをカスタムJUnit拡張機能で活用し、機械学習（ML）を使って特定のサービスや製品の品質保証（QA）に役立つ洞察を得られる可能性があるかどうかを確認します。 JUnit は、JVM 上で最も人気のあるテストフレームワークで、モジュール式で拡張可能なテストフレームワークです。JUnitは、そのライフサイクルにフックし、カスタム機能を追加するための拡張ポイントを提供します。 Tribuo は、分類、回帰、クラスタリングなどのためのツールを提供するオープンソースの機械学習 Java ライブラリです。 この記事では、読者がJUnitの拡張モデルについてよく知っていると仮定して説明します。JUnitの拡張モデルやカスタム拡張の作成方法についてもっと知りたい方は、InfoQの私の記事を参照してください。さらに、読者がMLの概念に精通していることも前提に話を進めます。 例えば、base64でエンコードされた文字列を返すハッシュ関数を検証するユニットテストがあるとします。それは典型的には次のようなものでしょう。 public class HashUtilsTest { @Test public void validHashTest() { var valueToHash = "JUnit with Tribuo is fun"; var actualHash = HashUtils.hash(valueToHash); ... assertEquals(expectedHash, actualHash); } } ここで、基礎となるハッシュ関数が変更され、実行は可能だが時間がかかるようになったとします。この関数はまだ正しいハッシュを生成しているので、

なぜログのジオロケーション・エンリッチメントに投資するのか？ (2022/02/01) https://blogs.oracle.com/observability/post/why-invest-in-geolocation-enrichment-of-logs 投稿者： Kumar Varun | Product Management - Logging Analytics このブログでは、読者がLogging Analyticsの使用経験があり、ジオロケーションの基本原則を適用できることを前提としています。   IT運用、セキュリティ、コンプライアンスなど、企業がログデータを収集する理由はさまざまです。ログデータに地理的なデータエンリッチメントを施すことで、何かが発生している場所や影響が及んでいる場所をよりよく確認するための追加的なコンテキスト情報を得ることができます。ジオロケーションは、異なるアプリケーションやデバイスからのログに含まれるパブリックIPアドレスを、地理座標と位置情報メタデータにマッピングするプロセスです。ログデータの地理的な表示を見て、地理的な場所ごとに可視化し、計画を立てることに関心がある場合、ジオロケーション分析がそれを支援します。  企業がジオロケーションLogging Analyticsに投資すべき理由例 ジオロケーションに対応したLogging Analyticsに企業が投資すべき理由について、さまざまな業界の事例を紹介します。      なぜ人々があなたのビジネスを訪れるのかについての洞察を提供することで、売上とトラフィックの主要なドライバーであることが証明されている     アプリケーションやネットワークにおけるセキュリティ問題の特定を簡素化し、大幅に加速することが可能     リアルタイムでの資産追跡と建設機械のメンテナンス計画      教育機関はオンライン授業の体験を強化・最適化することが可能      建設、小売、物流、輸送、石油・ガス、鉱業、製造など、位置情報が不可欠な産業・業種 Logging Analyticsは、組織のログデータを利用し、強力なインサイトを提供 ジオロケーション分析は、スケーラブルで反復可能な方法で設定し完了するのに時間がかかります。Oracle Logging Analyticsの新しいジオロ

カスタム外部関数とプロシージャによるSQLとPL/SQLの拡張 (2022/01/31) https://medium.com/codex/extending-the-sql-and-pl-sql-with-custom-external-functions-and-procedures-214067761061 投稿者： Yevgeniy Samoilenko 多くのDBMSは特徴的な機能を持っています。例えば、プロシージャやSQLクエリで直接使用できるカスタム関数で拡張することができます。 カスタム関数はどのような場合に必要なのでしょうか。例えば、非標準的な計算、エンコード、暗号化、変換を実装する必要がある場合です。このような関数は、外部システムとのやり取りにも役立つかもしれません。 それは次のようなものでしょう。 select id, pkg_mask . mask (card) as masked_card from customer_cards where customer_id = 100 ; 私は、異なるDBMSでこの方法で拡張を繰り返してきました。今日は、Oracleでの方法を説明し、お見せします。11gから19cのOracleバージョンで動作することが証明されました。     これは決して隠れた機能ではありません。オラクルが開発した合法的なものです。しかも、オラクル自身はこの機能を使うことを推奨しています。 カスタム関数でSQLやPL/SQLを拡張する方法 全体の流れは非常にシンプルで、4つのステップを踏むだけです。     この関数を実装するライブラリを作成し、コンパイル     Oracle がライブラリを検出できるようにセットアップ     Oracleにライブラリを参照するLibraryオブジェクトを作成     SQL クエリでライブラリにアクセスするためのプロシージャラッパーを Oracle に作成 実験には、LinuxやOracle Databaseなど、作業に必要なものがすでに設定されている既製の仮想マシンのインスタンスを使うことが多いですね。 ここ でイメージをダウンロードし、VirtualBox（ダ

21cのPDBリカバリ分離で生活が楽になる方法 (2022/01/31) https://database-heartbeat.com/2022/01/31/pdb-recovery-isolation-21c/ はじめに Data Guard環境でのリモートPDBクローニングについては、以前のブログ記事ですでに説明しました。クローンしたPDBのデータファイルはスタンバイデータベース上に存在しないため、19cでスタンバイサイト上にPDBを作成するには、いくつかの手動手順が必要です。     トランジェント・ノースタンバイPDBを使用する。     STANDBYS=NONEを使用し、その後にPDBリカバリを行う。 Oracle Database バージョン 21c では、PDBリカバリ分離という新しい機能が導入され、以下のステップを自動的に実行することで、スタンバイ上の PDB をリカバリするための手作業を完全に省くことができるようになりました。     スタンバイ上のPDBを無効とマークし、CDBメディアのリカバリーを続行する。     スタンバイ状態のPDBを別のバックグラウンド・セッションで自動的にリカバリーする（PDB Recovery Isolation）。     スタンバイ状態のPDBを有効にして、Data Guardのメディアリカバリを続行する。 PDBリカバリ分離は、Data Guard環境でのリモートPDBクローニングを、たった1つのコマンドを実行するだけで簡単に行えるようにします。それでは見てみましょう。 環境     ソース シングルインスタンス・マルチテナントデータベース バージョン21.4。PDBREMという名前のPDBが含まれており、これをリモートCDBにクローンする予定です。     ターゲット Active Data Guard構成のシングルインスタンスマルチテナントデータベースバージョン21.4。リモートクローン操作はプライマリデータベース上で実行されます。 ソースデータベースでの作業 ステップ 1: 移行元データベースに C##SYSOPER ユーザーを用意 C##SYSOPERユーザーに、データベースリンクに必要な権限を付与します。 SQL> grant create session, sysoper to C##

WANdisco LiveData Migrator for Oracle Cloud（オラクルクラウド用ライブデータ移行ツール) (2022/01/31) https://blogs.oracle.com/cloud-infrastructure/post/wandisco-livedata-migrator-for-oracle-cloud 投稿者： Paul Scott-Murphy | CTO at WANdisco データレイクハウスは、データレイクのコストとスケールの優位性とデータウェアハウステクノロジーの分析機能を組み合わせたものです。これにより、大規模で変化しやすいデータセットを取り込み、保存、分析し、ビジネス価値を引き出すことができます。Oracle Cloud Infrastructure（OCI）は、どこからでも、あらゆる種類のデータを、あらゆる規模で分析できるオープンで柔軟なアプローチとして、レイクハウスの基盤を提供します。しかし、このアーキテクチャを使用するためにデータレイクをOCIに移行することは、適切なサポートがなければ困難です。 オラクルはWANdiscoと提携し、 Oracle Cloud Lift Service の一環として、WANdisco LiveData Migratorのユニークな利点をOCIユーザーに提供することにしました。この移行ソリューションは、オンプレミスや他のクラウドにあるHadoopやSparkなどの高価でメンテナンスの多い従来のプラットフォームから、移行時にそれらのプラットフォームの運用を中断することなく移行したいと考える組織に用意されています。 WANdiscoのユニークなLiveData機能は、これまでオンプレミスや第一世代のクラウド環境に閉じ込められていたデータが、すべてのOCIですぐに利用でき、使用できるようになることを意味します。組織は、リスクや遅延なしに、OCIにおける近代化のビジネス上の利点を得ることができます。 WANdiscoによるOCI上のデータレイクハウスがデータの近代化を可能にする データはますます多様化し、構造化および非構造化ソースにまたがり、指数関数的に増加し、より広範なソースから利用できるようになっています。このようなデータの増加に対応するには、多様なデータを大規模に利用、管

機械学習を使ってデータを理解 (2022/01/29) https://blogs.oracle.com/connect/post/using-machine-learning-understand-data 投稿者： Yuli Vasiliev Oracle Machine Learning for SQL（OML4SQL）を使用した、SQLによる高性能な機械学習モデルの構築 Oracle Database内の Oracle Machine Learning for SQL（OML4SQL） （旧称：Oracle Data Mining)コンポーネントを使用すると、SQL文を使用してデータベース内で機械学習（ML）モデルをトレーニング、評価、およびデプロイすることができます。OML4SQLでは、データベース内のアルゴリズムを利用して、分類、回帰、クラスタリングなどのさまざまなMLタスクを実行できます。 この記事では、OML4SQLを使用して、不動産データから住宅価格を推定する回帰問題を解決する方法を学びます。データソースの例として、カリフォルニア大学アーバイン校の550以上のデータセットからなる公開コレクション「 機械学習リポジトリ 」から利用できる 不動産評価の市場履歴データセット を使用しています。 ところで、SQLはデータ処理や分析のための最も一般的で強力なツールの1つになっていることをご存知でしょうか？ StackOverflowの2020年調査 によると、SQLは全開発者の間で3番目に人気のある言語です。 不動産評価データセット この記事で使用するサンプルデータセットは、大都市の過去の不動産データの数百レコードを含んでいます。OML4SQLはデータベースに統合されているので、非常に大きなデータセットの分析に適していますが、ここで使われている小さなサンプルは、Oracle DatabaseでSQLを使ってMLモデルを作成し評価する方法を示すには全く問題ありません。 この記事の例を準備するために、サンプルデータセットである Real_estate_valuation_data_set.csv をダウンロードします。このカンマ区切り値のファイルは、Machine Learning Repositoryから取得した Real estate valuation d

マルチクラウドとの共生：基盤アーキテクチャのフレームワーク (2022/01/29) https://blogs.oracle.com/cloud-infrastructure/post/living-with-multicloud-a-foundation-architecture-framework 投稿者： Vittorio Garbuglio | Cloud Solution Architect Leader, Multi Cloud & Virtualised Workloads より多くの企業がクラウドを利用するようになるにつれ、どのようなデプロイ戦略が最適であると判断しているのでしょうか。多くの場合、それは マルチクラウド です。 マルチクラウド戦略 とは、2つ以上のクラウドベースのコンピュートサービスを利用することです。マルチクラウドとは、複数のSaaS（Software-as-a-Service）やPaaS（Platform-as-a-Service）のクラウドオファリングを導入することを指す場合もある。しかし、通常はパブリックなIaaS（Infrastructure-as-a-Service）環境の組み合わせを指すことが多いです。 マルチクラウドのメリットと課題 組織がマルチクラウド戦略を採用するのは、次のようなメリットがあるからです。     経済性：異なるクラウドサービスプロバイダーを選択することで、コストを削減し、IT支出全体を最適化することができます。     能力：企業のニーズが多様化するにつれ、クラウドサービスの違いも見えてきます。     可用性：複数のクラウドサービスプロバイダー（CSP）にアプリケーションを分散させることで、可用性とクラウドの障害に対する回復力を高めることができます。 以下のようなマルチクラウドのユースケースは、最も一般的なものです。     マルチクラウドのスプリットティアアーキテクチャのサポート     異なるパブリッククラウド間でのデータ移行     ハイブリッドクラウド環境の運用     オンプレミスからクラウドへの移行 2019年6月5日、オラクルはマイクロソフトとの クラウド相互運用性パートナーシップ を発表し、組織がOracle Cloud InfrastructureとMicro

OCIでRuby(とRuby on Rails)をはじめよう (2022/01/29) https://medium.com/oracledevs/getting-started-with-ruby-and-ruby-on-rails-on-oci-3ce2d4c65833 投稿者： Tim Clegg Photo by Christina Morillo from Pexels 私はRubyが好きです。さまざまなアプリケーションで使わせてもらっていますが、その適応性の高さは本当に素晴らしいです。オブジェクト指向の良さは素晴らしいですね。必要な機能を必要な時に素早く簡単にモンキーパッチできるのは、恵みでもあり呪いでもあります。多くの柔軟性（私ではないのですが、多すぎると主張する人もいます）が、これから導入しようとする人の意欲をそぐかもしれませんが、それ以外の人にとっては、素晴らしいものです。 とはいえ、Rubyの人気は以前ほどではありません。Pythonが登場し、（少なくとも高級ランタイム言語としては）多くの脚光を浴びるようになったのです。特にPython 3ではオブジェクト指向がサポートされ、Pythonは良い言語だと思います。とはいえ、私は今でもRubyが好きです。C、C++、ASM、PHP、Python、その他多くの言語でプログラミングをしてきました。それでも、Rubyは私の心の中で特別な位置を占めているのです。 この記事は、OCIでRubyをより簡単に使うための一助になればという思いから生まれました。本当に基本的なトピックなので、必要ない／欲しいと思っているユーザーもいるかもしれませんが、多くの人が参考になる可能性が高いです。早速ですが、Ruby (と Ruby on Rails) 用の OCI インスタンスをブートストラップする方法について説明します。 ええと...これは単純な話です。なぜこの記事なのか？ ええ、わかっています。それが私の最初の反応でした。この特定のシナリオを、私の最初の反応より少し単純でなくするいくつかの変数があります。 - aarch64 - rbenv aarch64アーキテクチャは、地球を揺るがすようなプラットフォームではないはずです。結局のところ、Raspberry Pi（およびその他の組み込み/IoT）デバイスの多さだけでも（