빅데이터는 지속적인 데이터 유입으로 인해 거대해진다. 대용량 환경에서 데이터는 막대하게 유입되는 가운데서도 데이터 분석과 저장이 필요하다.
볼트DB(VoltDB)의 소프트웨어 아키텍트 존 허그는 단순히 데이터를 저장하고 차후에 분석하는 대신 아파치 카프카(Apache Kafka)와 같은 툴을 활용해 극도로 높은 유입률을 유지하면서도 데이터 통합 과정에서 분석을 수행할 수 있는 수준에 아마도 이르렀다고 생각했다.
- 폴 베네치아
비슷한 혁명이 이른바 패스트 데이터(fast data)와 함께 일어나고 있다. 빅데이터는 클릭-스트림 데이터, 금융 티커 데이터, 로그 데이터 집합, 센서 데이터 등 종종 엄청난 속도로 생성되는 데이터에 의해 만들어진다. 이런 이벤트들은 종종 초당 수천에서 수만 번씩 발생하곤 한다. 이런 유형의 데이터가 흔히들 '소방 호스(fire hose)'라고 불리는 것도 이해가 간다.
빅데이터의 소방호스에 대해 이야기할 때 그 데이터 볼륨은 데이터웨어하우스에서의 기가바이트, 테라바이트, 페타바이트 단위로 측정하지 않는다.
빅데이터에서는 데이터 볼륨을 시간 단위로 측정한다. 초당 몇 메가바이트, 시간당 몇 기가바이트, 혹은 하루당 몇 테라바이트 하는 식이다. 데이터 볼륨과 함께 속도도 이야기하는데, 이것이 바로 데이터웨어하우스와 빅데이터 간 핵심적인 차이다. 빅데이터는 그냥 큰 게 아니라 빠르기도 하다.
HDFS, 애널리틱 RDBMS, 혹은 플랫 파일에 이르기까지 빠르게 소방호스를 따라오는 새로운 데이터가 도착했을 때 즉각적으로 처리할 능력이 없어서 쌓아두게 된다면 빅데이터의 이점은 사라져 버린다.
소방호스는 능동 데이터, 즉각적인 상태, 혹은 현시적인 목표 없는 데이터를 대표한다. 반면 데이터웨어하우스는 히스토리 데이터를 훑어서 과거를 이해하고 미래를 예측하는 방법이다.
도착하는 데이터에 맞춰 행동하는 것은 상용 하드웨어상에서는 비용이 크고 거의 불가능에 가까울 정도로 비효율적이었다. 빅데이터의 가치처럼 패스트 데이터의 가치는 메시지 큐와 오픈소스 카프카(Kafka)와 스톰(Storm)과 같은 스트리밍 시스템의 리이미징된 이행과 오픈소스 NoSQL과 NewSQL 오퍼링과 데이터베이스의 리이미징된 이행을 통해 구현된다.
패스트 데이터에서 가치 잡기
들어오는 데이터에서 가치를 붙잡는 최선의 방법은 들어오는 즉시 반응하는 것이다. 자신이 배치로 들어오는 데이터를 처리한다면, 이미 시간이 뒤쳐진 것이고 가치도 상실한 셈이다.
초당 수천에서 수백만 이벤트 단위로 도달하는 데이터를 처리하기 위해서는 두 가지 기술이 필요하다. 우선 들어오는 속도로 이벤트를 전달할 수 있는 스트리밍 시스템과 들어오는 대로 각각의 아이템을 처리할 수 있는 데이터 스토어가 바로 그 두 가지다.
패스트 데이터의 딜리버리
인기 스트리밍 시스템인 아파치 스톰과 아파치 카프카 두 가지가 지난 몇 년 간 등장했다. 트위터의 엔지니어링 팀이 개발한 스톰은 초당 수백만 메시지에 달하는 데이터 스트리밍을 안정적으로 처리할 수 있다.
링크드인의 엔니지어링 팀이 개발한 카프카는 높은 처리율(high-throughput)의 분산형 메시지 큐(distributed Message Queue) 시스템이다. 두 스트리밍 시스템 모두 패스트 데이터 프로세싱의 필요성을 해결해준다. 하지만 카프카가 두드러진다.
카프카는 메시지 큐로 디자인해 기존 기술에서 나온 문제점을 해결했다. 카프카는 무한한 확장성, 분산 배치, 멀티테넌시(multitenancy), 강력한 지속성을 가진 우버(über)-큐의 일종으로 디자인됐다. 조직은 하나의 카프카 클러스터를 배치해 모든 메시지 큐 니즈를 충족할 수 있다. 여전히 카프카의 핵심은 메시지 딜리버리로, 어떠한 프로세싱이나 큐잉도 지원하지 않는다.
패스트 데이터 프로세싱
메시징은 솔루션의 한 부분에 불과하다. 전통적인 관계형 데이터베이스는 성능에 제한되기 마련이었다. 몇몇은 높은 비율로 데이터를 저장할 수 있지만 데이터가 소화되는 대로 이에 맞춰 인증, 강화, 행동하는 데는 기대에 미치지 못했다.
NoSQL 시스템이 클러스터링과 고성능을 해결했지만 동시에 전통적인 SQL 기반 시스템이 제공하던 힘과 안전성의 상당 부분을 포기해야 했다. 하지만 자신이 이벤트 단위로 복잡한 쿼리와 비즈니스 로직 작업을 처리한다면 인메모리 NewSQL 솔루션이 성능과 전통적인 복잡성 모두의 필요 기준을 충족시킬 수 있을 것이다.
카프카처럼 일부 NewSQL 시스템은 무공유 클러스터링을 중심으로 구축되어 있다. 로드는 성능을 위해 클러스터 노드들에 분산되어 있다. 데이터는 안정성과 가용성을 위해 클러스터 노드에 복제된다. 증가한 로드를 처리하기 위해 노드는 클러스터에 투명하게 추가할 수 있다.
노드는 제거될 수 있고 고장나더라도 나머지 클러스터는 계속해서 기능할 것이다. 데이터베이스와 메시지 큐 모두 단일 장애점(Single Point of Failure) 없이 디자인됐다. 이 기능들은 확장을 위해 설계된 시스템의 전형적인 특색이다.
이에 더해 카프카와 일부 NewSQL 시스템은 클러스터링과 다이나믹 토폴로지(dynamic topology)를 강력한 보장을 마다하지 않고도 확장에 활용할 능력이 있다. 카프카는 메시지-오더링 보장을 제공하는 반면 일부 인메모리 프로세싱 엔진은 직렬 가능(serializable)할 수 있는 지속성과 ACID 시멘틱을 제공한다.
두 시스템 모두 클러스터 인지 클라이언트를 활용해 더 많은 기능을 제공하거나 구성을 단순화한다. 마지막으로 둘 모두 RAID나 다른 로컬 스토리지 스키마보다는 각기 다른 장비 상의 디스크에 걸친 중복 내구성(redundant durability)을 달성한다.
빅데이터 패스트 처리를 위한 툴킷의 조건
빅데이터 소방호스 처리를 위한 시스템에서 원하는 것은 다음과 같다.
- 네이티브 무공유 클러스터링의 중복과 확장성 이점을 갖춘 시스템
- 노드당 높은 처리율을 달성하기 위한 인메모리 스토리지와 프로세싱에 기댄 시스템
- 섭취 시 프로세싱을 제공하는 시스템. 시스템이 조건부 로직을 수행할 수 있나? 시스템이 결정을 통지하기 위해 기가바이트 이상의 기존 상태 쿼리가 가능한가?
- 분리된 운영 시스템과 자체 작업에 대해 강력한 보증을 하는 시스템. 이를 통해 사용자들은 현재 문제나 데이터 분화(data divergence)을 처리하는 대신 더 단순한 코드를 작성하고 비즈니스 문제에 집중할 수 있다. 강력한 지속성을 제공하지만 이로 인해 성능이 크게 저하된 시스템에 주의하라.
이런 속성을 갖춘 시스템들이 NewSQL, NoSQL, 하둡 커뮤니티에서 등장하고 있지만, 각기 다른 시스템마다의 기본 조건에 따라 각기 다른 장단점이 있다. 실시간으로 패스트 데이터에 대응하고자 하는 조직에게 이런 툴은 고속 데이터를 이해하는데 연관된 복잡성 문제 상당수를 없애줄 수 있다.
카프카는 데이터를 수많은 제작자와 소비자 사이에 이동시키는 안전하고 고가용적인 방법과 관리자를 편안하기 해줄 오퍼링 성능과 튼튼함을 함께 제공한다. 인메모리 데이터베이스는 강력한 트랜젝셔널 로직(transactional logic), 계산(counting), 집합(aggregation)를 갖춘 온전한 관계형 엔진을 어떤 부하든 감당할 수 있는 충분한 확장성과 함께 제공할 수 있다. 관계형 데이터베이스 이상으로 이 시스템은 카프카의 메시징 인프라를 보완하기 위한 프로세싱 엔진 역할을 해야 한다.
자신의 조직이 필요한 게 무엇이든 이 툴들을 조합하면 종종 더 취약하고 이질적인 시스템을 대체함에 있어서도 작업을 더 빠르게 해주고 지금보다 더 많이 알게 해줄 것이다. 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.