ビッグデータ分析基盤の構築事例：CareCore National

　米医療費給付管理企業のCareCore Nationalでは、サウスカロライナ州とコロラド州にデータセンターを保有しており、現在の患者と同症例の過去患者との詳細な比較データを作成する際にデータ分析を利用している。正確な医療判断を下せるようにするのが目的だという（関連記事：医療分野のビッグデータ事例　「Hadoop」を採用した徳島大学病院）。

　これをサポートするために、同社では「Virtual Computing Environment」（VCE）連合の「Vblock」をベースとした統合インフラを構築した。Vblockは米VMware、米Cisco Systems、米EMCの製品を組み合わせたシステムだ。

　CareCoreのビッグデータ分析では、Vblockに含まれる容量86Tバイトのディスクアレイ「Symmetrix V-Max」からデータを取り出す。その他にも48Tバイトの「EMC GreenPlum Distributed Computation Appliance（DCA）」を2台（合計容量96Tバイト）利用しており、これらは別個に管理しなければならないという。

　「DCAは現在、分析用インフラの外側で運用している。この状態は少々厄介だ」とCareCoreのビル・ムーアCTO（最高技術責任者）は話す。「これらのDCAを10ギガビットイーサネットインフラに接続するのも大変だった」

　CareCoreでは、これらのリポジトリからデータを取り出すのに「Apache Hadoop」に加えてVMwareのインメモリデータ管理システム「vFabric GemFire」を利用している。これらのデータは「Alpine Miner」や米Tableau Softwareのツールなどの分析／仮想化インタフェースを通じて処理しているという。

　ムーア氏によると、今日の医療技術では「ある患者が12カ月以内に心臓発作を起こす確率は87％である」といった予測を立てるのは難しいことではないという。CareCoreが目指しているのは、特定の患者の症状と病歴および「アドホックコホート」（CareCoreのカルテの中でその患者の症状と一致する患者のグループ）に基づいて医師が治療計画を選べるようにすることだ。

　そのためには、インフラの仮想レイヤーで発行される複雑なクエリをコンピューティングシャーシ「Cisco Unified Computing System」（UCS）から抽出し、それをコアスイッチ「Cisco Nexus」からエッジスイッチ「Nexus 5000」、ラックスイッチ「Nexus 2000」、そしてNexus 2000に接続された「GreenPlum DCA」ラック内のDCAサーバに送り、さらにそこから逆のコースをたどって返される必要がある。

　ムーア氏は、将来的にこの機能をVblockファブリック内で完結できるようにしたいと考えているという。

　また、Vblock内のインメモリデータ管理システム「GemFire」は、それぞれ96Gバイトを利用可能なメモリを搭載した複数の専用UCSブレードサーバを必要とする。GemFireのワークロード1件だけでも、そのメモリの半分を消費する可能性がある。このためCareCoreでは、多数のワークロードが同じブレードを奪い合うことがないように、「VMware Distributed Resource Scheduler」（DRS）のルールを厳密に設定する必要がある。

　CareCoreでのビッグデータ処理プロセスは、大規模メモリとVblockインフラに加え、全社に配備された10ギガビットイーサネット（GbE）ネットワークが必要条件となる（関連記事：医療研究機関が100GbEネットワークの導入を決断した理由）。

　「GbEトラフィック、あるいは10 GbEトラフィックの一部を処理する物理サーバを使って巨大なクエリセットをデータセンターとやりとりするには、両者の間に大規模なインフラが必要となる」とムーア氏は話す。

　次回は、Wikipediaなどオンライン企業におけるビッグデータ分析基盤の構築事例を紹介する。