빅데이터 윤활유 '아파치 카프카'가 주목받는 이유

하둡과 스파크에 이어 빅데이터의 세번째 삼두마차로 카프카(Kafka)가 주목받고 있다. 최근 IBM이 2개의 블루믹스 서비스를 출시했는데 여기에도 카프카가 사용됐다.

아파치 카프카는 다양한 유형의 데이터를 실시간으로 수집하는데 쓰일 수 있다. 이미지 출처 : Confluent

빅데이터의 가장 큰 도전과제로 종종 '분석'이 지목되지만 그 단계로 들어가기 전에 먼저 기업 데이터를 소화하고 사용할 수 있어야 한다. 그 지점에서 필요한 것이 바로 '아파치 카프카'다.
링크드인이 개발한 카프카는 웹사이트, 애플리케이션, 센서 등에서 취합한 데이터 스트림을 실시간으로 관리하기 위한 오픈소스 시스템이다.

본질적으로 카프카는 기업의 사용자 활동, 로그, 애플리케이션 측정치, 스톡 티커, 기기 계측장치 등에 대한 대용량 데이터를 수집하고 이를 기업 사용자들이 실시간 스트림으로 소비할 수 있게 만들어주는 일종의 '중추 신경'으로 작동한다.

레드몽크(RedMonk)의 수석 애널리스트 겸 공동창업자인 스테판 오그래디는 온-프레미스 이행에서 카프카는 종종 액티브MQ(ActiveMQ)나 래빗MQ(RabbitMQ) 등의 기술과, 클라우드 고객에 있어서는 AWS의 키네시스(Kinesis)와 비교된다고 언급했다.

오그래디는 "카프카는 고급 오픈소스 프로젝트고 정보의 대용량 스트림을 다루는 능력이 점점 사물인터넷 같은 서비스 작업부하에서의 사용 수요가 점점 증가하고 있기 때문에 점점 두각을 드러내고 있다"고 오그래디는 덧붙였다.

링크드인에서 개발되었기 때문에 카프카는 넷플릭스, 우버, 시스코, 골드만삭스와 같은 기업들의 수준 있는 지원을 받아왔다. 지난 10월 30일 카프카는 자체 블루믹스(Bluemix) 플랫폼을 통해 두 개의 새로운 카프카-기반 서비스의 가용을 발표한 IBM을 통해 새롭게 주목받았다.

IBM의 새로운 스트리밍 애널리틱스(Streaming Analytics) 서비스는 1/1000초 이하의 응답시간과 즉각적 의사결정으로 초당 수백만 건의 이벤트를 분석하려는 목표 하에 나왔다. 현재 베타 단계인 IBM 메시지 허브(IBM Message Hub)는 다른 애플리케이션과 커뮤니케이션 하기 위해 클라우드 애플리케이션을 위한 확장적인 분산형 고-스루풋, 비동기식 메시징을 REST나 아파치 카프카 API를 활용하는 옵션과 함께 제공한다.

카프카는 2011년 소스가 공개됐다. 지난해 카프카 개발자 3명은 기업이 카프카를 규모 있는 생산에 사용할 수 있도록 돕기 위한 콘플루언트(Confluent)라는 신생벤처를 설립했다.

카프카 개발자이자 콘플루언트의 공동창업자 네하 나케데는 "링크드인에서 폭발적으로 성장하면서 우리는 늘어가는 사용자 기반과 사용자 경험을 우리가 개선시키는데 도움을 줄 수 있는 데이터를 감당할 수가 없었다"고 설명했다.

"카프카는 기업 전반에 데이터를 이동하고 그 데이터를 끊임없이 자유롭게 흐르는 스트림으로 데이터를 필요로 하는 이에게 빠르게 보내줄 수 있게 해준다"고 말했다. 그리고 규모에 따라 확장 적용된다는 것이다.

링크드인에서 카프카의 영향은 '변혁적'이었다고. 현재 링크드인은 최대의 카프카 배치기업으로 하루에 1조 1,000억 메시지를 초과한다.

한편 콘플루언트는 사용료 모델로 대기업들이 카프카를 생산시스템에 사용하는데 도움을 주기 위한 고급 관리 소프트웨어를 제공하고 있다. "콘플루언트의 고객들로는 주요 대형 유통기업과 미국 내 최대 규모의 신용카드 발행업체 가운데 하나가 있다"고 나케데는 이야기했다.

그 신용카드 발행업체는 실시간 사기 보호에 카프카를 활용하고 있다는 것이 그녀의 설명이다.

451리서치(451 Research)의 애널리스트 제이슨 스탬퍼는 "카프카는 '믿을 수 없을 정도로 빠른 메시징 버스'로 수많은 각기 다른 유형의 데이터를 빠르게 통합하는데 좋다"고 평가했다. 이어서 "그게 바로 카프카가 가장 인기 있는 선택지 가운데 하나로 떠오르는 이유"라고 덧붙였다.

액티브MQ와 래빗MQ 이외에 비슷한 기능성을 제공하는 다른 제품으로 아파치 플룸(Apache Flume)이 있다. 스톰(Storm)과 스파크 스트리밍(Spark Streaming) 역시 많은 부분에서 유사하다.

상업적으로 콘플루언트의 경쟁업체로는 IBM 인포스피어 스트림(InfoSphere Streams), 인포매티카(Informatica)의 울트라 메시징 스트리밍 에디션(Ultra Messaging Streaming Edition), SAS의 스트림 프로세싱 엔진(Streaming Processing Engine)과 소프트웨어 AG(Software AG)의 아파마(Apama), 팁코의 스트림베이스(StreamBase), SAP의 알레리(Aleri) 등이 있다고 스탬퍼는 덧붙였다.

소규모 경쟁업체로는 데이터토렌트(DataTorrent), 스플렁크(Splunk), 로글리(Loggly), 로젠트리(Logentries), X15소프트웨어(X15Software), 수모 로직(Sumo Logic), 글래스빔(Glassbeam)이 있다.

스탬퍼는 "클라우드에서 AWS의 키네시스 스트림-프로세싱 서비스는 자체 레드시프트(Redshift) 데이터 웨어하우스와 S3 스토리지 플랫폼류와의 통합이라는 추가 혜택이 있다"고 설명했다.

포레스터의 부회장이자 수석 애널리스트인 브라이언 홉킨스는 테라데이타가 새로 발표한 리스너(Listner)의 또 다른 경쟁자로 카프카-기반을 지목하면서 일반적으로 실시간 데이터로 가는 뚜렷한 동향이 존재한다"고 분석했다.

홉킨스는 "2013년 정도까지 빅데이터는 하둡에 쌓인 막대한 양의 데이터를 의미했다. 현재는 그렇게 하지 않으면 이미 경쟁에서 뒤쳐지고 있는 것이다"고 전했다.

오늘날 스마트폰과 다른 소스들로부터의 데이터는 기업들이 실시간으로 고객과 소통하고 맥락적 경험을 제공하기 위한 기회를 준다고 그는 이야기했다. 이는 결과적으로 데이터를 더 빠르게 이해하는 능력에 달려있다.

홉킨스는 "사물인터넷이 모바일의 두 번째 물결과도 같다"며, "모든 IT업체들은 데이터의 눈사태에 대비하고 있다"고 강조했다.

그 결과 기술은 변화에 따라 적응하고 있다.

"2014년까지는 하둡이 전부였고 그 다음이 스파크였다. 현재는 하둡, 스파크, 카프카다. 이들은 분석 아키텍처에서 데이터 취합 파이프라인의 삼두마차다"고 홉킨스는 전했다. ciokr@idg.co.kr