..

1. © 2016, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
김민성, 솔루션스 아키텍트
2017년 8월 29일
AWS 기반 데이터 레이크(Datalake)
구축 및 분석

2. 강연 중 질문하는 법
자신이 질문한 내역이 표시되며, 전체 공개로 답변된 내용은 검은색,
질문자 본인에게만 공개로 답변된 내용은 붉은 색으로 돌아옵니다.

3. 본 세션의 주요 주제
• 빅데이터
• Data Lake의 정의 및 조건
• AWS에서의 Data Lake

4. 왜? 빅데이터인가?

5. 빅 데이터의 도전과 과제
Source: Forrsights Strategy Spotlight: Business Intelligence And Big Data, Q4 2012.
Base: 634 business intelligence users and planners
Unstructured
50TB
Semi-structured
2 TB
Structured
12 TB
12%
기업별
평균 데이터 볼륨의 크기
9 TB 75 TB
0.6 TB 5 TB
4 TB 50 TB
중소기업 대기업

6. 빅데이터의 종류
통찰
그리고
변화의 기회

7. 빅데이터 분석 도구
Amazon
Kinesis
Amazon
Glacier
S3 DynamoDB
RDS
EMR
Amazon
Redshift
Data Pipeline
Amazon Kinesis
Streams app
Lambda Amazon ML
SQS
ElastiCache
DynamoDB
Streams Amazon Kinesis
Analytics
Amazon Elasticsearch
Service

8. 데이터 아키텍처
Hadoop
Cluster
SQL
Database
Data
Warehouse
Appliance

9. 모놀릭 기반의 빅데이터 분석 아키텍처
CPU
Memory
HDFS Storage
CPU
Memory
HDFS Storage
CPU
Memory
HDFS Storage
Hadoop Master Node
Multiple layers of
functionality all on a single
cluster

10. 어떻게 극복할 것인가?
(S3 데이터 레이크 기반의 EMR클러스터)

11. EMR
EMR ClusterS3
1. 데이터를
S3에 저장
2. 하둡 클러스터, 노드 수,
노드 type,
Hive/Pig/Hbase와 같은
Hadoop 툴 선택
4. S3에서 추출
3. EMR 콘솔, CLI, SDK,
혹은 API를 통해
클러스터 시작

12. EMR
EMR Cluster
S3
쉽게 클러스터의
크기 조정
같은 데이터를
사용하는 다른
클러스터 생성

13. 클러스터 스케일 조정
인스턴스 용량 설정
YARN 리소스
사용기반 설정
자동확장/축소선택

14. EMR
EMR Cluster
S3
스팟 노드를
사용하여 비용
절감

15. EMR Instance Fleets 활용
최대 5개까지 서로
다른 타입 선택
Spot인스턴스 중단시
온디맨드로 자동 전환

16. EMR ClusterS3
모든 작업이 끝나면 클러스터
종료 (따라서 과금 중단!)

17. 메타데이터 관리
[ {
"Classification": "hive-site",
"Properties": {
"javax.jdo.option.ConnectionURL":"jdbc:mysql://RDS-
endpoint:3306/hive?createDatabaseIfNotExist=true",
"javax.jdo.option.ConnectionDriverName":
"org.mariadb.jdbc.Driver",
"javax.jdo.option.ConnectionUserName": "username",
"javax.jdo.option.ConnectionPassword": "password"
}
} ]
aws emr create-cluster --release-label emr-5.4.0 --instance-type
m3.xlarge --instance-count 2 --applications Name=Hive --
configurations hivemetadata.json --use-default-roles

18. 부트스트랩 활용
S3를 스크립트 저장소로 활용

19. 사례 연구: 삼성 빅데이터 분석
S3 : 원천 데이터의 적제 및 분석 시스템간의 BUS 역할 제공

20. Unlocking Data
(Data Lake)

21. Data Lake – Unlocking Data
대부분의 회사와 조직은 데이터 잠금 해제를 위해
혁신 이니셔티브에 착수함
데이터가 이미 있지만 사용되지 않거나 격리 된 데이터가
사용되지 않고 잠겨있음.

22. 22
Data Lake의 특징과 장점
Store and analyze all of your data,
from all of your sources, in one
centralized location.
“Why is the data distributed in
many locations? Where is the
single source of truth ?”
1. 모든 데이터를 한곳에

23. 23
Data Lake의 특징과 장점
Quickly ingest data
without needing to force it into a
pre-defined schema.
“How can I collect data quickly
from various sources and store
it efficiently?”
2. 신속한 데이터 추출 및 저장

24. 24
Data Lake의 특징과 장점
Separating your storage and compute
allows you to scale each component as
required
“How can I scale up with the
volume of data being generated?”
3. 데이터 저장과 처리를 분리

25. 25
Data Lake의 특징과 장점
4. 구조화 없이 분석 처리 (Schema on Read)
“Is there a way I can apply multiple
analytics and processing frameworks
to the same data?”
A Data Lake enables ad-hoc
analysis by applying schemas
on read, not write.

26. AWS Approach to Data Lake

27. Data Lake 로써의 S3

28. S3 Data Lake
Fixed Cluster Data Lake AWS S3 Data Lake
 클러스터에 포함 된 단일 도구 (예 :
Hadoop 또는 데이터웨어 하우스 또는
Cassandra 등)로만 제한되고, 유스
케이스 및 생태계 도구가 빠르게 변함
 스토리지 용량을 추가하기 위해
노드를 추가하는 데 비용이 많이 증가
 노드 손실에 대한 데이터를 복제하는
데 고비용 구조
 로컬 스토리지 용량 확장의 복잡성
 추가 저장 장치를 추가하고 적용하는
많은 데이터 이행 기간 필요
 고정된 클러스터가 아닌 다양한
데이터 객체를 지원하는 S3 저장소를
기반으로 컴퓨팅 처리 자원과 분리
 데이터 관련 모든 생태계의 도구를
사용할 수있는 유연성과 적합성을
제공함
 미래 지향적으로 검증된 아키텍처로
새로운 활요 사례나 새로운 도구를
간편하게 지원
 현재의 최상의 제품을 플러그 앤
플레이(Plug and Play)로 활용

29. Data Lake로써의 S3
Designed for 11 9s
of durability
Designed for
99.99% availability
Durable Available High performance
 Multiple upload
 Range GET
 Store as much as you need
 Scale storage and compute
independently
 No minimum usage commitments
Scalable
 Amazon EMR
 Amazon Redshift
 Amazon DynamoDB
Integrated
 Simple REST API
 AWS SDKs
 Event notification
 Lifecycle Management
Easy to use

30. 만약 빅데이터 분석을 처음 시작하신다면…

31. Data Lake
Amazon EMR
Web
Mobile Application
LOG 데이터
Logstash
Crewing
Amazon Kinesis
실시간 분석 데이터 변환
원천 데이터 수집
실시간 예측
Amazon ML
Amazon EMR Amazon Elasticache Amazon DDB
Amazon
Elasticsearch
Amazon ML Amazon Athena
다양한 목적에 따른 분석 도구
“수많은 원천데이터를
실시간으로 수집 변환 하고”
“실시간으로 분석 하고”
“실시간으로 예측하며”
“분석에 목적에 맞춰
다양한 도구를 기반으로
분석 역량의 확장”

32. 사례: 실 시간 로그 데이터 행동 분석

33. S3 Data Lake의 구축
Amazon Redshift Amazon Elastic
MapReduce
Data Warehouse Semi-structured
Amazon GlacierAmazon Simple
Storage Service
Data Storage Archive
Amazon
DynamoDB
Amazon
Machine
Learning
Amazon Kinesis
NoSQL Predictive Models Other AppsStreaming
Internet
S3 Endpoint

34. S3의 혁신

35. Data Lake 로써의 S3

36. 감사합니다.

37. 질문에 대한 답변 드립니다.
발표자료/녹화영상 제공합니다.
http://bit.ly/awskr-webinar
더 나은 세미나를 위해
여러분의 의견을 남겨 주세요!