コストの予測性を維持しながら高いコストパフォーマンスを実現

Google Cloud、新価格体系「BigQuery Editions」などデータクラウド関連発表

2023年03月31日 07時00分更新

文● 大河原克行　編集● 大塚／TECH.ASCII.jp

　Google Cloudが、2023年3月30日午前1時（日本時間）からグローバルカンファレンス「Google Data Cloud & AI Summit」をオンライン開催した。同日午後、グーグル・クラウド・ジャパンがその内容をもとに、データソリューション関連の新発表に関する記者説明会を開催した。

グーグル・クラウド・ジャパンソリューション＆テクノロジー部門技術部長（DB, Analytics & ML）の寳野雄太氏

BigQueryの新価格体系「BigQuery Editions」が登場、コスト効率を高める

　Google Data Cloud & AI Summitは、データの利活用をテーマに、データベース、データアナリティクス、ビジネスインテリジェンス、AI技術に関するGoogle Cloudの最新ソリューションや専門的知見を紹介するグローバルカンファレンス。基調講演のほか、14のブレイクアウトセッションやデモストレーションが行われた。

　グーグル・クラウド・ジャパンソリューション＆テクノロジー部門技術部長（DB, Analytics & ML）の寳野雄太氏は、今回のイベントでは「データアナリティクスの領域で『柔軟性』『プライバシーセーフなデータ共有』『ビジネス価値の加速』という3点から、新たな発表が行われた」と総括した。

　まず「柔軟性」においては、BigQueryの新しい価格体系となる「BigQuery Editions」を発表している。寶野氏は「より低コストでデータクラウドのコンセプトを実現してもらうための価格体系。さまざまなワークロードに応じた機能やSLA、コストに最適な価格で提供することができる」と説明した。

　BigQuery Editionsでは、Standard Edition、Enterprise Edition、Enterprise Plusという3種類の価格体系が用意されており、ワークロードごとに最適な価格とパフォーマンスを提供できるという。1年間または3年間の利用確約により大幅な割引が得られるほか、同一の組織内で異なるEditionを混在させることも可能だ。

「BigQuery Editions」の概要

　「Autoscaling（オートスケーリング）」と「Compressed Storage（圧縮ストレージ）」という2つの新機能により、コストを制御しながら利用することも可能になっている。

　Autoscalingは、コストの予測性を高め、予算を超えない範囲で柔軟にBigQueryを活用したいという要望に対応した機能。クエリ要求に応じてコンピュートキャパシティをダイナミックに調整し、利用しなかったキャパシティについては支払いがないため、コストパフォーマンスを最大40％向上させる。その一方で、支払うコストの上限設定に応じて最大スロットが用意されるため、コストの予測も立てやすい。

BigQuery Editionsの「Autoscaling」概要

　Compressed Storageは、ストレージサービスにおいて、論理サイズによる課金ではなく、BigQueryの圧縮テクノロジーを活用した圧縮後の物理サイズによる課金へ移行するもの。現在はあらゆるタイプのデータ（構造化、非構造化、半構造化）が増加しているが、より低コストでそうした環境をサポートする。

　「これは、10年以上に渡って進化してきたBigQueryの圧縮テクノロジーで実現するもの。Compressed Storageを適用したExabeamでは12分の1の圧縮レートを実現し、コスト低減に大きなインパクトをもたらす。99％の顧客が（Compressed Storageによる）圧縮サイズの課金を選んだほうが得になる」（寶野氏）

BigQuery Editionsの「Compressed Storage」概要

プライバシーを保護しながら柔軟にデータ共有できる「Data Clean Room」

　2つめの「プライバシーセーフなデータ共有」では、新機能「BigQuery Data Clean Room」について紹介した。これは、プライバシーを保護しながら他社とのデータ共有などができる環境を提供するもの。生データの共有／持ち出し防止だけでなく、クエリ結果や集約した結果のみを提供するといった処理が可能だ。

　「Data Clean Roomを使うことで、たとえばプライバシー保護を行いながらマーケティングキャンペーンデータをファーストパーティデータと統合し、洞察を得るといったことができるようになった」（寶野氏）

「BigQuery Data Clean Room」の概要

　3つめの「ビジネス価値の加速」では、「Looker Modeler」が発表された。

　「いままでのLookerはBIツールととらえられていたが、Google Cloudでは『データを活用するアプリケーションのためのフレームワーク』と位置づけている。Lokker Modelerによって、LookerのセマンティックモデルをLooker StudioやConnectde Sheetsだけでなく、TableauやPower BIといった他社製品で利用し、異なるデータソースをブレンドした分析から洞察を生み出すことができる。セキュリティやデータガバナンスを利かすこともできる」（寶野氏）

「Looker Modeler」の概要

　さらに、BigQuery上でML（機械学習）による予測を可能にする「BigQuery Inference Engine」も発表されている。寶野氏は、SQLだけで機械学習モデルを作成できる「BigQuery ML」が高い人気を博しているとしたうえで、BigQuery Inference EngineはこのBigQuery MLなどでトレーニングしたモデルを使い、BigQuery上で推論処理ができると説明した。