실시간 'BI'를 실행하라, 스톰과 스파크 설명과 그 선택 방법
실시간 BI(Business Intelligence) 개념이 등장한 지는 꽤 됐다(위키피디아에 따르면, 2006년부터 시작됐다). 사람들이 이 개념을 이야기한지 몇 년이 지났지만, 이 비전을 실제 수용한 기업은 많지 않고, BI의 가치를 실현시킨 기업은 더 적다.
여러 이유 가운데 하나는 BI와 애널리틱스를 실시간으로 구현하게끔 지원하는 툴이 부족했기 때문이다. 기존의 데이터웨어하우징 환경은 지연율이 아주 높고, 많은 비용이 드는 배치 운영에 치우쳐있다.
그러나 강력하고, 이용이 간편한 오픈소스 플랫폼이 다수 등장하면서 변화가 시작됐다. 폭넓은 잠재 사용자군에 실시간 프로세싱 기능을 제공하는 플랫폼으로 가장 주목받는 플랫폼은 바로 아파치 스톰(Apache Storm)과 아파치 스파크(Spark) 이 두가지다.
둘 모두 아파치 소프트웨어 재단(Apache Software Foundation)의 프로젝트로, 기능이 중복되는 부분도 있지만, 독창적인 특징과 역할도 있다.
스톰, 실시간 프로세싱 하둡
이벤트 스트림 프로세싱(처리)을 위한 분산형 컴퓨팅 프레임워크인 스톰(Storm)은 트위터(Twitter)가 2011년 인수한 시장 정보 기업인 백타이프(BackType)가 처음 시작한 프로젝트이다.
트위터는 얼마 지나지 않아 프로젝트를 오픈 소싱하면서 기트허브(GitHub)에 올려 놓았다. 그러나 스톰은 최종적으로 아파치 인큐베이터(Apache Incubator)로 옮겨갔고, 2014년 9월에는 아파치의 최상위 프로젝트로 자리잡았다.
스톰은 때때로 실시간 프로세싱 하둡(Hadoop)으로 지칭된다. 스톰 문서에도 이에 동의하는 내용이 암시되어 있다.
"스톰은 무한대의 데이터 스트림을 하둡의 배치 프로세싱처럼 실시간으로 쉽고 우수하게 처리한다."
스톰은 이를 위해 강력한 확장성, '빠른 실패, 자동 재시작(fail fast, auto restart)'이라는 폴트 톨로런스(fault-tolerance, 고장 방지 능력)를 지원하며, 모든 튜플(tuple)의 처리를 보증한다.
스톰은 '최소 한 차례' 이상 메시지를 보증하도록 디폴트가 되어 있다. 그러나 동시에 '정확히 한 차례'만 처리를 하는 기능을 제공한다.
스톰은 클로저(Clojure)를 주 언어로 사용하지만, 인풋 스트림의 일종인 스파웃(Spouts)과 프로세싱 및 아웃풋 모듈인 볼트(Bolts)를 DAG(Rirected Acyclic Graph)라는 토폴로지로 지원할 수 있도록 설계되어 있다.
스톰 토폴로지는 클러스터에 실행되며, 스톰 스케줄러는 토폴로지 구성에 따라 클러스터 주변의 노드에 작업을 배포한다.
이런 토폴로지를 하둡에서의 맵리듀스(MapReduce) 작업과 유사한 것으로 생각할 수 있지만, 스톰은 실시간, 스트림 기반 프로세싱에 초점이 맞춰져 있고, 토폴로지는 영구적 또는 수동으로 중지할 때까지 실행되는 것이 디폴트라는 차이점이 있다.
토폴로지가 시작되면, 스파웃은 시스템으로 데이터를 가져온 후, 메인 컴퓨팅 작업이 이뤄지는 볼트로 데이터를 밀어낸다(이후 다음 볼트로 데이터를 넘길 수 있다).
프로세싱이 진행되어 가면서 하나 이상의 볼트가 데이터베이스나 파일 시스템에 데이터를 쓰거나, 다른 외부 시스템으로 메시지를 전송하거나, 컴퓨팅 결과를 다른 방법으로 사용자에게 제공한다.
스톰 생태계의 강점 가운데 하나는 모든 형태의 소스로부터 데이터를 수신할 수 있는 풍부한 스파웃이 있다는 것이다. 특수한 애플리케이션을 위해 맞춤형 스파웃을 개발해야 할 수도 있지만,트위터 스트리밍 API, 아파치 카프라(Kafka), JMS 브로커 등 놀랍도록 다양한 소스에서 기존에 개발된 스파웃을 발견할 수 있는 확률이 높다.
이를 HDFS 파일 시스템에 쉽게 통합할 수 있는 어댑터도 있다. 필요에 따라 스톰과 하둡을 쉽게 호환시킬 수 있다는 의미다. 여러 언어로 프로그램을 할 수 있도록 지원하는 것도 장점이다.
스톰 자체는 클로저(Clojure)에 기반을 두고 있지만 JVM에서 실행되며, 볼트는 사실상 모든 언어로 개발이 가능하다. 여기에는 표준입출력스트림(stdin/stdout)에 바탕을 둔 제이슨(JSON)을 사용하는 요소간 통신 프로토콜이라는 장점을 이용할 수 있는 JVM 외 언어도 포함된다.
요약하면, 스톰은 확장성이 아주 크고, 빠르며, 내결함성이 강한, 스트림 프로세싱에 초점이 맞춰진 분산형 컴퓨팅을 위한 오픈소스 시스템이다.
스톰은 데이터 스트림의 실시간 롤링 매트릭스 계산, 증진적 계산(incremental computation), 이벤트 처리에서 우수한 성능을 발휘한다. 스톰은 포괄적인 분산형 RPC를 구현하는 기본 요소를 제공하고, 이론적으로는 거의 모든 분산형 컴퓨팅 작업에 이용할 수 있지만, 가장 큰 강점은 이벤트 스트림 프로세싱이다.
스파크, 모든 것을 위한 분산형 프로세싱
스파크는 또 다른 실시간 분산형 컴퓨팅 프로젝트다. UC 버클리 산하 AMPLab에서 시작했으며, 이후 아파치 인큐베이터에 합류해 2014년 2월 최상위 프로젝트가 됐다.
스파크는 스톰과 마찬가지로 스트림 지향형 프로세싱을 지원한다. 그러나 스톰보다는 범용 분산형 컴퓨팅 플랫폼에 가깝다.
스파크는 하둡에서 맵리듀스의 기능성을 대체할 수 있다. 스파크는 기존 하둡 클러스터에서 실행시킬 수 있으며, 자원 스케줄링에는 얀(YARN)을 이용한다. 하둡과 얀(YARN) 외에도, 스파크는 스케줄링을 위해 메소스(Mesos) 위의 계층으로 배치하거나, 빌트인 스케줄러를 이용해 스탠드얼론 클러스터로 실행시킬 수 있다.
그런데 주의할 점이 있다. 하둡과 같이 사용하지 않을 경우, (NFS, AFS 등) 네트워크/분산형 파일 시스템을 이용해야 클러스터에서 실행시킬 수 있다. 그래야만 각 노드가 기반이 되는 데이터에 접속할 수 있기 때문이다.
스파크는 스칼라(Scala)로 작성이 되어있지만, 스톰처럼 다중 언어 프로그래밍을 지원한다. 하지만 스칼라, 자바(Java), 파이톤(Python) API만 지원한다.
스파크에는 스파웃 같은 것이 없다. 그러나 HDFS 파일, 카산드라(Cassandra), HBase, S3 등 여러 이질적인 소스에 저장된 데이터를 처리할 수 있는 어댑터가 들어있다.
스파크의 장점은 다중 프로세싱 패러다임 지원과 지원 라이브러리다. 스파크는 스트리밍 모델을 지원한다. 하지만 SQL 액세스, 그래프 동작, 머신 학습, 스트리밍 프로세싱 모듈 등 여러 모듈 가운데 하나만 이를 지원한다.
스파크는 또 스칼라 또는 파이톤 API를 이용한 실시간 예비 데이터 분석과 간이(Quick-and-Dirty) 프로토타이핑을 지원하는 아주 간편한 인터랙티브 쉘(Shell)을 제공한다.
인터랙티브 쉘을 다뤄보면 스파크와 스톰의 또 다른 중요 차이점을 알 수 있다. 스파크가 좀 더 기능 본위적이다. API 작업은 원시 연산(primitive operation)을 호출하는 계열 기법(successive method)을 채닝(Chaining)한다.
반대로 스톰 모델은 클래스를 창조하고, 인터페이스를 구현하는 경향이 있다. 더 나은 방법은 없다. 당신이 선호하는 방식이 니즈에 더 잘 부합하는 시스템을 결정하는데 영향을 줄 것이다.
스파크는 스톰과 마찬가지로 확장성이 높다. 스파크 팀이 기록한 문서에 따르면, 사용자는 수천 노드로 구성된 생산 클러스터를 실행시킬 수 있다. 스파크는 최근 2014년 데이토나 그레이소트(Daytona GraySort) 콘테스트에서 수상했다. 여기에서 100TB의 데이터로 구성된 워크로드를 처리했다. 스파크 팀에 따르면, 페타바이트의 생산 워크로드를 ETL 연산 처리할 수 있다.
스파크는 하둡 및 메소스와 호환되며, 스트리밍, 그래프 중심의 연산, SQL 액세스, 분산형 머신 학습 등 여러 컴퓨팅 모델을 지원하는 빠르고, 확장성이 높으며, 탄력적인 오픈 소스 분산형 컴퓨팅 플랫폼이다.
스파크는 스톰과 마찬가지로 확장성이 높다는 사실이 입증된, 실시간 분석과 BI 시스템을 위한 우수한 플랫폼이다.
선택
스톰과 스파크, 뭘 선택해야 할까? 스트림 프로세싱, CEP(Complex Event Processing) 스타일의 프로세싱이 중심이 되고, 전용 클러스터를 이용한 독창적인 프로젝트를 추진하는 경우라면 스톰을 권장한다.
특히 통합과 관련된 요건에 부합하는 기존의 스톰 스파웃이 가용한 경우라면 더욱 그렇다. 반드시 그렇다는 의미는 아니다. 그러나 이런 요소들이 있다면 스톰으로 시작을 할 것을 제안한다.
반대로 기존의 하둡 또는 메소스 클러스터를 이용하고 있거나, 프로세싱에서 그래프 처리, SQL 액세스, 배치 프로세싱의 비중이 크다면 스파크를 먼저 살펴볼 것을 권장한다.
고려해야 할 또 다른 요소는 두 시스템의 다중언어 지원성이다. 예를 들어, 스파크가 기본 지원하지 않는 언어나 R로 작성된 코드를 이용할 경우, 지원하는 언어가 더 많은 스톰이 유리하다. API 요청을 이용해 데이터를 분석하는 인터랙티브 쉘을 구현해야 한다면, 스파크가 낫다. 스톰이 지원하지 않는 기능을 제공하기 때문이다.
결론을 내리면, 최종 결정을 내리기 전에 두 플랫폼을 상세히 분석하는 것이 좋다. 소규모의 POC(개념증명)를 통해 두 플랫폼 모두를 이용할 것을 권장한다. 이후 자신이 예상하는 워크로드와 가까운 워크로드를 벤치마킹한 후 최종 결정을 내리자.
물론 반드시 둘 가운데 하나만 선택하라는 법은 없다. 워크로드, 인프라스트럭처, 요건에 따라 스톰과 스파크를 카프카, 하둡과, 플룸(Flume) 등과 병행 사용하는 것이 최상의 솔루션이 될 수도 있다. 이는 오픈 소스의 장점이기도 하다.
어느 쪽을 선택하든, 이들 툴은 실시간 BI 지형이 바뀌었음을 보여주고 있다. 소수 엘리트만 가용했던 강력한 선택지들이 대다수의 사람들로 확대가 됐다. 최소한 중견 기업과 대기업에게는 가용한 선택지들이다. 둘의 장점을 적극 활용하기 바란다. editor@itworld.co.kr
함께 보면 좋은 콘텐츠
Sponsored
Surfshark
“유료 VPN, 분명한 가치 있다” VPN 선택 가이드
ⓒ Surfshark VPN(가상 사설 네트워크, Virtual Private Network)은 인터넷 사용자에게 개인 정보 보호와 보안을 제공하는 중요한 도구로 널리 인정받고 있다. VPN은 공공 와이파이 환경에서도 데이터를 안전하게 전송할 수 있고, 개인 정보를 보호하는 데 도움을 준다. VPN 서비스의 수요가 증가하는 것도 같은 이유에서다. 동시에 유료와 무료 중 어떤 VPN을 선택해야 할지 많은 관심을 가지고 살펴보는 사용자가 많다. 가장 먼저 사용자의 관심을 끄는 것은 별도의 예산 부담이 없는 무료 VPN이지만, 그만큼의 한계도 있다. 무료 VPN, 정말 괜찮을까? 무료 VPN 서비스는 편리하고 경제적 부담도 없지만 고려할 점이 아예 없는 것은 아니다. 보안 우려 대부분의 무료 VPN 서비스는 유료 서비스에 비해 보안 수준이 낮을 수 있다. 일부 무료 VPN은 사용자 데이터를 수집해 광고주나 서드파티 업체에 판매하는 경우도 있다. 이러한 상황에서 개인 정보가 유출될 우려가 있다. 속도와 대역폭 제한 무료 VPN 서비스는 종종 속도와 대역폭에 제한을 생긴다. 따라서 사용자는 느린 인터넷 속도를 경험할 수 있으며, 높은 대역폭이 필요한 작업을 수행하는 데 제약을 받을 수 있다. 서비스 제한 무료 VPN 서비스는 종종 서버 위치가 적거나 특정 서비스 또는 웹사이트에 액세스하지 못하는 경우가 생긴다. 또한 사용자 수가 늘어나 서버 부하가 증가하면 서비스의 안정성이 저하될 수 있다. 광고 및 추적 위험 일부 무료 VPN은 광고를 삽입하거나 사용자의 온라인 활동을 추적하여 광고주에게 판매할 수 있다. 이 경우 사용자가 광고를 보아야 하거나 개인 정보를 노출해야 할 수도 있다. 제한된 기능 무료 VPN은 유료 버전에 비해 기능이 제한될 수 있다. 예를 들어, 특정 프로토콜이나 고급 보안 기능을 지원하지 않는 경우가 그렇다. 유료 VPN의 필요성 최근 유행하는 로맨스 스캠은 인터넷 사기의 일종으로, 온라인 데이트나 소셜 미디어를 통해 가짜 프로필을 만들어 상대를 속이는 행위다. 이러한 상황에서 VPN은 사용자가 안전한 연결을 유지하고 사기 행위를 방지하는 데 도움이 된다. VPN을 통해 사용자는 상대방의 신원을 확인하고 의심스러운 활동을 감지할 수 있다. 서프샤크 VPN은 구독 요금제 가입 후 7일간의 무료 체험을 제공하고 있다. ⓒ Surfshark 그 외에도 유료 VPN만의 강점을 적극 이용해야 하는 이유는 다음 3가지로 요약할 수 있다. 보안 강화 해외 여행객이 증가함에 따라 공공 와이파이를 사용하는 경우가 늘어나고 있다. 그러나 공공 와이파이는 보안이 취약해 개인 정보를 노출할 위험이 있다. 따라서 VPN을 사용하여 데이터를 암호화하고 개인 정보를 보호하는 것이 중요하다. 서프샤크 VPN은 사용자의 개인 정보를 안전하게 유지하고 해킹을 방지하는 데 유용하다. 개인정보 보호 인터넷 사용자의 검색 기록과 콘텐츠 소비 패턴은 플랫폼에 의해 추적될 수 있다. VPN을 사용하면 사용자의 IP 주소와 로그를 숨길 수 있으며, 개인 정보를 보호할 수 있다. 또한 VPN은 사용자의 위치를 숨기고 인터넷 활동을 익명으로 유지하는 데 도움이 된다. 지역 제한 해제 해외 여행 중에도 한국에서 송금이 필요한 경우가 생길 수 있다. 그러나 IP가 해외 주소이므로 은행 앱에 접근하는 것이 제한될 수 있다. VPN을 사용하면 지역 제한을 해제해 해외에서도 한국 인터넷 서비스를 이용할 수 있다. 따라서 해외에서도 안전하고 편리하게 인터넷을 이용할 수 있다. 빠르고 안전한 유료 VPN, 서프샤크 VPN ⓒ Surfshark 뛰어난 보안 서프샤크 VPN은 강력한 암호화 기술을 사용하여 사용자의 인터넷 연결을 안전하게 보호한다. 이는 사용자의 개인 정보와 데이터를 보호하고 외부 공격으로부터 사용자를 보호하는 데 도움이 된다. 다양한 서버 위치 서프샤크 VPN은 전 세계 곳곳에 여러 서버가 위치하고 있어, 사용자가 지역 제한된 콘텐츠에 액세스할 수 있다. 해외에서도 로컬 콘텐츠에 손쉽게 접근할 수 있음은 물론이다. 속도와 대역폭 서프샤크 VPN은 빠른 속도와 무제한 대역폭을 제공하여 사용자가 원활한 인터넷 경험을 누릴 수 있도록 지원한다. 온라인 게임, 스트리밍, 다운로드 등 대역폭이 필요한 활동에 이상적이다. 다양한 플랫폼 지원 서프샤크 VPN은 다양한 플랫폼 및 디바이스에서 사용할 수 있다. 윈도우, 맥OS, iOS, 안드로이드 등 다양한 운영체제 및 디바이스에서 호환되어 사용자가 어디서나 안전한 인터넷을 즐길 수 있다. 디바이스 무제한 연결 서프샤크 VPN은 무제한 연결을 제공하여 사용자가 필요할 때 언제든지 디바이스의 갯수에 상관없이 VPN을 사용할 수 있다.