2018.10.04

"좀 더 유연한 빅데이터 관리 방안" 데이터 호수의 이해

Andy Patrizio | InfoWorld

빅 데이터에 관한 최신 기술 소식에 촉각을 기울인다면 아마 “데이터 호수)Data Lake)”라는 용어를 들어본 적이 있을 것이다. 데이터 호수라고 하면 큰 저수지 이미지가 떠오르는데, 실제 개념도 그 이미지와 별반 다르지 않다. 물 대신 데이터가 있을 뿐이다.

Image Credit : GettyImagesBank

데이터 호수의 정의
데이터 호수는 방대한 양의 비구조적 데이터를 원시 네이티브 형식으로 담고 있다.

따라서 사용자는 평범한 파일 시스템을 지원하는 디바이스만 있으면 된다. 즉, 원한다면 메인프레임을 사용해도 무방하다. 데이터는 처리를 위해 다른 서버로 이동된다. 대부분의 기업은 하둡 파일 시스템(HDFS)을 선택한다. 대용량 데이터를 빠르게 처리하는 데 유리하게 설계됐고, 데이터 호수가 사용될 가능성이 높은 빅데이터 환경에서 사용되고 있기 때문이다.

네이티브 형식 데이터 지원에는 중요한 이점이 있다. 데이터 관리 소프트웨어 솔루션 업체인 세마키(Semarchy)의 마이클 히스키는 “엄청난 양의 데이터를 확보하고, 이 데이터로 무엇을 할지는 나중에 판단하려고 한다면 현재 데이터 호수의 개념과 딱 맞는 것”이라고 강조했다. 히스키는 “데이터 호수 사용자는 나중에 흥미가 발생하면 적절한 조치를 취할 수 있도록 알려진 것들과 알려지지 않은 온갖 것들을 저장해 둔다. 지금 던져 넣는 데이터에 어떤 가치가 있는지 알 수 없지만 미래에 그 데이터에 흥미가 생길 수 있기 때문”이라고 설명했다.

여러 클라우드 데이터 소스를 연결하는 ETL 서비스인 스티치(Stitch)의 CEO 제이크 스테인도 “데이터를 언제 사용하게 될지 확실치 않고 1초 미만의 액세스 시간을 확보할 필요가 없어 저렴한 형태로 저장하기를 원한다면 데이터 호수가 적절하다. 지금 데이터를 잡아두지 않으면 나중에는 그 데이터를 획득할 수 없는 경우가 많으므로 미래를 대비한다는 측면에서 중요하다”고 말했다.

데이터 호수 vs. 데이터 웨어하우스
데이터 저장고라는 개념이 새로운 것은 아니다. 데이터 웨어하우스는 수십년 전부터 존재했다. 데이터 웨어하우스를 데이터 호수와 비교하곤 하지만, 이 두 가지 기술은 저장되는 데이터의 종류부터 처리되는 방식까지 근본적으로 다르다.

데이터 호수에는 특수 하드웨어 불필요
데이터 호수와 데이터 웨어하우스의 중요한 차이점 중 하나는 데이터 호수에는 데이터 웨어하우스와 달리 특수한 하드웨어나 소프트웨어가 필요 없다는 점이다.

데이터 호수의 더 높은 유연성
앞서 언급했듯이 데이터 호수는 방대한 양의 비구조적인 원시 데이터를 네이티브 형식으로 저장하는 반면, 데이터 웨어하우스는 폴더, 행, 열로 훨씬 더 구조화된다. 따라서 데이터 호수가 데이터 웨어하우스에 비해 데이터에 있어 훨씬 더 유연하다.

이것이 중요한 이유는 80% 규칙에 있다. 1988년 메릴린치는 기업 데이터의 80%가 비구조적 데이터가 될 것으로 예상했는데, 이 예상은 현재까지 잘 맞아떨어지고 있다. 또한 이 말은 데이터 웨어하우스의 잠재적 데이터 분석 범위는 상당히 제한된다는 것을 의미한다.

히스키는 특정 데이터를 지금 사용하지 않더라도 일단 수집해 저장한 다음 몇 주, 몇 개월, 또는 몇 년 후에 그 데이터를 다시 찾아서 분석을 수행할 수 있다는 면에서 데이터 호수가 데이터 웨어하우스보다 더 유용하다고 주장한다.

유연성과 관련된 데이터 호수와 데이터 웨어하우스의 차이점은 곧 읽기 스키마(schema-on-read)와 쓰기 스키마(schema-on-write )의 차이다. 스키마는 전체 데이터베이스의 논리적 설명으로, 모든 레코드 유형의 레코드 이름과 설명을 포함한다.

데이터 웨어하우스는 쓰기 스키마를 적용하므로 데이터를 저장하기 전에 그 데이터를 어떻게 구조화할지 정확히 알고 있어야 한다. 즉 흡수 전, 또는 최소한 저장 전에 준비할 부분이 많다. 반면 데이터 호수는 읽기 스키마를 적용하므로 데이터를 읽고 처리하면서 형식을 지정할 수 있다. 읽기 스키마는 로그 파일이나 웹 파일, 기타 유의미한 구조가 없는 것 등 온갖 데이터를 바구니 안에 담은 다음 나중에 그 의미를 살펴볼 수 있음을 의미한다.

미국보험서비스협회(AAIS)의 데이터 엔지니어링 책임자인 조 윌헬미는 “데이터 호수에서는 원시 소스 데이터에서 구조적 프로젝션에 이르기까지의 성숙 주기를 통해 반복적으로 데이터를 가져올 수 있다. 데이터를 사용할 수 있기 전에 그 데이터에서 상품 가치를 얻기 위해 데이터 엔지니어나 IT의 도움을 받을 필요가 없다”고 말했다.

데이터 호수의 각 데이터 요소에는 고유한 식별자가 할당되고 확장 메타데이터 태그가 지정된다. 누군가 특정 메타데이터를 기반으로 비즈니스 쿼리를 수행하면 쿼리 또는 질의를 위해 태그된 모든 데이터가 분석된다.


2018.10.04

"좀 더 유연한 빅데이터 관리 방안" 데이터 호수의 이해

Andy Patrizio | InfoWorld

빅 데이터에 관한 최신 기술 소식에 촉각을 기울인다면 아마 “데이터 호수)Data Lake)”라는 용어를 들어본 적이 있을 것이다. 데이터 호수라고 하면 큰 저수지 이미지가 떠오르는데, 실제 개념도 그 이미지와 별반 다르지 않다. 물 대신 데이터가 있을 뿐이다.

Image Credit : GettyImagesBank

데이터 호수의 정의
데이터 호수는 방대한 양의 비구조적 데이터를 원시 네이티브 형식으로 담고 있다.

따라서 사용자는 평범한 파일 시스템을 지원하는 디바이스만 있으면 된다. 즉, 원한다면 메인프레임을 사용해도 무방하다. 데이터는 처리를 위해 다른 서버로 이동된다. 대부분의 기업은 하둡 파일 시스템(HDFS)을 선택한다. 대용량 데이터를 빠르게 처리하는 데 유리하게 설계됐고, 데이터 호수가 사용될 가능성이 높은 빅데이터 환경에서 사용되고 있기 때문이다.

네이티브 형식 데이터 지원에는 중요한 이점이 있다. 데이터 관리 소프트웨어 솔루션 업체인 세마키(Semarchy)의 마이클 히스키는 “엄청난 양의 데이터를 확보하고, 이 데이터로 무엇을 할지는 나중에 판단하려고 한다면 현재 데이터 호수의 개념과 딱 맞는 것”이라고 강조했다. 히스키는 “데이터 호수 사용자는 나중에 흥미가 발생하면 적절한 조치를 취할 수 있도록 알려진 것들과 알려지지 않은 온갖 것들을 저장해 둔다. 지금 던져 넣는 데이터에 어떤 가치가 있는지 알 수 없지만 미래에 그 데이터에 흥미가 생길 수 있기 때문”이라고 설명했다.

여러 클라우드 데이터 소스를 연결하는 ETL 서비스인 스티치(Stitch)의 CEO 제이크 스테인도 “데이터를 언제 사용하게 될지 확실치 않고 1초 미만의 액세스 시간을 확보할 필요가 없어 저렴한 형태로 저장하기를 원한다면 데이터 호수가 적절하다. 지금 데이터를 잡아두지 않으면 나중에는 그 데이터를 획득할 수 없는 경우가 많으므로 미래를 대비한다는 측면에서 중요하다”고 말했다.

데이터 호수 vs. 데이터 웨어하우스
데이터 저장고라는 개념이 새로운 것은 아니다. 데이터 웨어하우스는 수십년 전부터 존재했다. 데이터 웨어하우스를 데이터 호수와 비교하곤 하지만, 이 두 가지 기술은 저장되는 데이터의 종류부터 처리되는 방식까지 근본적으로 다르다.

데이터 호수에는 특수 하드웨어 불필요
데이터 호수와 데이터 웨어하우스의 중요한 차이점 중 하나는 데이터 호수에는 데이터 웨어하우스와 달리 특수한 하드웨어나 소프트웨어가 필요 없다는 점이다.

데이터 호수의 더 높은 유연성
앞서 언급했듯이 데이터 호수는 방대한 양의 비구조적인 원시 데이터를 네이티브 형식으로 저장하는 반면, 데이터 웨어하우스는 폴더, 행, 열로 훨씬 더 구조화된다. 따라서 데이터 호수가 데이터 웨어하우스에 비해 데이터에 있어 훨씬 더 유연하다.

이것이 중요한 이유는 80% 규칙에 있다. 1988년 메릴린치는 기업 데이터의 80%가 비구조적 데이터가 될 것으로 예상했는데, 이 예상은 현재까지 잘 맞아떨어지고 있다. 또한 이 말은 데이터 웨어하우스의 잠재적 데이터 분석 범위는 상당히 제한된다는 것을 의미한다.

히스키는 특정 데이터를 지금 사용하지 않더라도 일단 수집해 저장한 다음 몇 주, 몇 개월, 또는 몇 년 후에 그 데이터를 다시 찾아서 분석을 수행할 수 있다는 면에서 데이터 호수가 데이터 웨어하우스보다 더 유용하다고 주장한다.

유연성과 관련된 데이터 호수와 데이터 웨어하우스의 차이점은 곧 읽기 스키마(schema-on-read)와 쓰기 스키마(schema-on-write )의 차이다. 스키마는 전체 데이터베이스의 논리적 설명으로, 모든 레코드 유형의 레코드 이름과 설명을 포함한다.

데이터 웨어하우스는 쓰기 스키마를 적용하므로 데이터를 저장하기 전에 그 데이터를 어떻게 구조화할지 정확히 알고 있어야 한다. 즉 흡수 전, 또는 최소한 저장 전에 준비할 부분이 많다. 반면 데이터 호수는 읽기 스키마를 적용하므로 데이터를 읽고 처리하면서 형식을 지정할 수 있다. 읽기 스키마는 로그 파일이나 웹 파일, 기타 유의미한 구조가 없는 것 등 온갖 데이터를 바구니 안에 담은 다음 나중에 그 의미를 살펴볼 수 있음을 의미한다.

미국보험서비스협회(AAIS)의 데이터 엔지니어링 책임자인 조 윌헬미는 “데이터 호수에서는 원시 소스 데이터에서 구조적 프로젝션에 이르기까지의 성숙 주기를 통해 반복적으로 데이터를 가져올 수 있다. 데이터를 사용할 수 있기 전에 그 데이터에서 상품 가치를 얻기 위해 데이터 엔지니어나 IT의 도움을 받을 필요가 없다”고 말했다.

데이터 호수의 각 데이터 요소에는 고유한 식별자가 할당되고 확장 메타데이터 태그가 지정된다. 누군가 특정 메타데이터를 기반으로 비즈니스 쿼리를 수행하면 쿼리 또는 질의를 위해 태그된 모든 데이터가 분석된다.


X