01IoT指向モデル

キーコンテナ型データモデル

キーバリュー型を発展させた、コンテナというRDBのテーブルに相当する器にデータを格納するGridDB独自のキーコンテナ型データモデルを採用。
RDBと同様の感覚でスキーマ定義やデータ設計ができるため、他のNoSQL型データベースに比べデータモデリングが容易です。一般用途のための「コレクションコンテナ」と、時系列データ管理のための「時系列コンテナ」が用意され、時系列コンテナは、IoTにおいて発生するタイムスタンプに関連付けられたデータの管理に適しています。

時系列データ配置アルゴリズム

高頻度で発生するセンサーデータの管理に備えて、メモリを最大限有効利用する独自の時系列データ配置技術(TDPA:Time Series Data Placement Algorithm)を採用。
時系列コンテナでは、内部データを周期性で分類しながらメモリ配置し、必要に応じてデータをディスクに追い出しながら、ほぼゼロコストで有効期限切れのデータを解放しています。

02高い処理能力

インメモリ指向型アーキテクチャ

従来のDBMSではI/Oがボトルネックとなり、CPUが十分な性能を発揮できていませんでした。GridDBは「メモリが主、ストレージが従」という構造で、頻繁にアクセスされる主要なデータをメモリに格納し、それ以外をディスク（SSDやHDD）に渡すことでこのボトルネックを克服しました。

オーバーヘッドの削減

ロックや同期に起因して、マルチスレッド処理では操作や通信のオーバーヘッドが発生します。GridDBは、それぞれのCPUコア／スレッドへ、占有するメモリとDBファイルを割り当てることによって、オーバーヘッドを排除します。その結果、実行時間が短縮され、より高いパフォーマンスを実現しています。

並列に処理

ノード内、ノード間で並列に処理することで高速化を実現しています。ノード間の並列処理は、大きなデータセットを複数ノードに分散配置することによって行われます（パーティショニング)。イベント駆動型の処理エンジンにより、リソースの消費量を抑えつつも複数のリクエストを並列処理することが可能になります。

03柔軟な拡張性

自律データ再配置技術

独自開発した自律データ再配置技術(ADDA:Autonomous Data Distribution Algorithm)により、DBサーバ間のデータ配置やデータ複製を決定することで、クライアントとDBサーバの間に位置する管理サーバや仲介サーバ等を取り除くことができました。その結果、通信やデータ変換処理などのコストが大幅に削減され、高いデータ一貫性や可用性、高いパフォーマンスを同時に実現しています。

コモディティハードウェア

GridDBは、コモディティハードウェアを用いながらも、パフォーマンスを維持しつつスケールアウトします。GridDB は、膨大なデータ処理にスケールアウト型データベースを利用したいが、データの一貫性も維持したいというニーズに、トレードオフのないメリットを提供します。

04強い信頼感

ハイブリッド型クラスタ管理方式

マスタースレーブ型とピアツーピア型双方の欠点を克服し、また利点を合わせ持ったハイブリッド型クラスタ管理方式を採用。GridDBはノード間で自動的にマスタノードを決定、そしてマスタノードに障害が発生した場合は、処理を損なうことなく継続し、新たなマスタを自動で直ちに指定します。

単一障害点およびスプリットブレインの完全排除

管理サーバがクラスタ内に存在せず、単一障害点(SPOF)を完全排除。ノード過半数を占めたサブクラスタのみがサービス可能となるクオーラムポリシーにより、スプリットブレインを完全排除しています。

05使い勝手抜群

NoSQLとSQLのデュアルインターフェイス

キーバリュー高速性とSQLの利便性とをシームレスに利用するためにNoSQL(キーバリュー型)とSQLのインターフェースと分析や集計にはSQLインターフェスと完備。
データ登録には高速なNoSQLインターフェースを、集計や分析、他システムとの連携には有用な機能が多いSQLインターフェースを使うことで、双方の長所を有効活用できます。

長期アーカイブ

稼働しているデータベース全体に負荷を与えることなく、長期保存が必要なデータを外部のアーカイブファイルに保存することが可能です。これにより、データベースの容量削減とデータの長期保存の両立を実現します。