2015.04.01

하둡 이후 빅데이터의 미래··· 일괄 처리와 실시간 스트리밍 기술의 향방은?

Matt Asay | InfoWorld
스파크(Spark)와 같은 빅데이터 기술들이 요즘 화두다. 그러나 이런 기술들이 과연 빅데이터의 미래일까? 대답은 간단치 않다.

실시간 데이터 세상에서 사람들은 앞으로도 하둡에 집착할까? 451 리서치의 최근 설문 결과에 따르면, 일괄 처리(batch processing)를 중심으로 설계된 하둡은 여전히 빅데이터의 맏아들 격이지만 실제 도입 속도에 비해 유명세가 너무 앞서나가고 있다.

아직 하둡을 본격적으로 구축하지 않은 기업이라면 더 미루는 편이 나을지도 모른다. 아파치 스파크를 비롯한 스톰(Storm), 카프카(Kafka) 등 여러 기술들이 등장하면서 하둡의 일괄 처리에서 실시간으로, 미래를 향한 풍향이 바뀌는 듯한 분위기이기 때문이다.

일괄 처리가 핵심이 아니었다
클라우데라(Cloudera)의 더그 커팅은 왕성하게 활동하는 오픈소스 개발자로, 머리가 상당히 좋은 인물로 정평이 나 있다. 하둡, 루씬(Lucene)을 비롯한 빅데이터 필수 도구들이 그의 손을 거쳐갔다.

커팅은 실시간 스트리밍 기술의 중요성도 인정하지만 일괄 처리 기반의 하둡에 대한 그의 신념에는 흔들림이 없다. 다음은 커팅이 보낸 이메일의 일부다.

"하둡이 일괄 처리를 중심으로 구축된 이유는 사람들이 일괄 처리를 최선으로 판단했기 때문이 아니다. 일괄 처리, 특히 맵리듀스(MapReduce)는 큰 값을 구현하고 제공하기가 비교적 쉬웠기 때문에 지극히 자연스러운 첫 단계였다. 하둡 전에는 일반적인 하드웨어에서 오픈소스 소프트웨어를 사용해 페타바이트급 데이터를 저장하고 처리할 방법이 없었다. 하둡의 맵리듀스는 큰 진전을 제공했다."

빅데이터의 상품화가 전세계적으로 얼마나 중요한 역할을 했는지는 새삼 말할 필요도 없다. 하둡 이전에 대용량 데이터를 저장하고 분석하지 못했던 것은 아니다. 다만 하둡을 통해 극히 저렴한 비용으로 그 작업을 할 수 있게 된 것이다.

요약하자면 하둡은 빅데이터를 대중화시켰다.

스트리밍 데이터로의 전환?
그러나 빅데이터를 쉽게 다룰 수 있느냐는 별개의 문제다. 데이터스택스(DataStax) 최고 기술 전도사인 패트릭 맥퍼딘은 "엔터프라이즈 데이터에서 값을 얻어내기는 많은 사람들이 생각하는 것만큼 간단하지 않다"고 말했다.

모두가 알듯이 페타바이트급 데이터 저장과 분석의 ROI에 대해서는 의문점이 있다. 구글, 야후, 페이스북 덕분에 상당히 솔깃해졌다. 그러나 기업들은 이 분석론을 모든 데이터에 적용할 방법을 찾고 있다. 첫째, 모든 데이터를 수집한다. 둘째, …. 셋째, 수익!

데이터 수집과 수익 사이에는 번거로울 수 있는 여러 단계들이 있다. 기업들이 실시간 데이터 분석의 속도를 높일 방법을 모색함에 따라 이를 위한 새로운 기술들이 생겨났다.

맥퍼딘은 이 새로운 빅데이터 스택의 핵심 요소로 첫째 큐잉 시스템(queuing system)을 들었다. 카프카, 래빗MQ(RabbitMQ), 키네시스(Kinesis)가 유력한 기술들이다. 둘째, 스트림 처리 계층이 있으며 여기에는 스톰, 스파크 스트리밍(Spark Streaming), 삼자(Samza)가 거론된다. 고속 스토리지의 경우 카산드라(Cassandra), H베이스(HBase), 몽고DB(MongoDB)가 주류지만 마이SQL과 같은 관계형 데이터베이스도 있다.

가장 흥미로운 부분은 여전히 일괄 처리가 적용되는 분야다. 맥퍼딘은 "일괄 처리는 현재 사후 처리에 유용하다"고 말했다. 즉, 롤업(rollups)이나 심층 분석이 여기에 해당된다. 일괄 처리와 실시간을 결합한 것이 잘 알려진 '람다 아키텍처(Lambda architecture)'다. 람다 아키텍처는 일괄 처리, 속도, 서비스의 세 가지 요소가 서로 조화를 이루어 작동하도록 한다.
결국 일괄 처리는 여전히 유효하다.

일괄 처리를 쓰레기통으로
모든 사람이 이에 동의하는 건 아니다. 줌데이터(Zoomdata) CEO이자 공동 창업자인 저스틴 랭세스는 람다에 대해 "불필요한 타협"이라며, "지금은 소싱부터 전송, 스토리지, 분석, 그리고 시각화에 이르기까지 전 과정에서 데이터를 처리할 수 있는 도구 체계가 있다"고 말했다. 여기에 일괄 처리의 필요성은 없다는 것이다.

랭세스에게 있어 일괄 처리는 빅데이터 시대의 시대착오적인 유물이다. 랭세스가 설명한 바는 다음과 같다.

"실시간 데이터는 스트림으로 처리하는 것이 확실히 가장 적합하다. 과거 데이터 역시 스트리밍이 가능하다. DVR이 '바람과 함께 사라지다'나 지난 주 '아메리칸 아이돌' TV 프로그램을 지금 스트리밍할 수 있는 것과 마찬가지다. 이 차이는 중요하다. 줌데이터는 실시간 데이터든 과거 데이터든 데이터를 스트림으로 분석하는 것이 확장성과 유연성 측면에서 큰 이점을 더해준다고 믿는다."

확장성과 유연성 측면의 이점 외에, 빅데이터 프로세스에서 일괄 처리를 제거함으로써 얻는 간소함도 있다. 랭세스는 "윈도우 일괄 처리와 일괄 처리 장애에 대한 복구 등에 대해 걱정할 필요가 없다면 빅데이터 아키텍처는 훨씬 더 간소화된다"고 주장했다.

다 함께 발전할 수 있을까?
커팅은 성급한 결론을 경계했다. 커팅은 하둡과 같은 기술들의 전면적인 교체보다는 "스트리밍도 현실이지만 클라우데라의 엔터프라이즈 데이터 허브도 마찬가지로 현실"이라는 입장이다. 커팅은 "스트리밍으로의 대대적인 전환이 일어날 것이라고는 생각하지 않는다. 그보다는 스트리밍이 다양한 프로세싱 옵션 가운데 하나로 추가될 것"이라고 예상했다.

커팅은 "업계에서 몇 가지 적절한 접근 방법이 정착하게 되면 느려터졌던 엔터프라이즈 IT가 정신없이 빠른 속도로 혁신을 맞이하게 되는, 빅데이터의 '빅뱅(Bigbang)'을 이루게 될 것"이라고 전망했다. 커팅은 다음과 같이 설명했다.

"스파크와 같은 큼직한 요소들이 스택에 추가되는 빈도는 앞으로 낮아질 것으로 예상한다. 시간이 지나면서 빅데이터 애플리케이션에서 대부분의 담당자가 필요로 하는 기능을 제공하는 툴 셋을 중심으로 표준화가 이뤄질 것이다. 하둡은 관련 프로젝트들의 폭발적인 증가를 촉발했지만 이런 기술들이 산업 전반에 확산됨에 따라 이제 곧 평이한 속도의 진화 시기로 돌입하게 된다."

데이터스택스(DataStax) 커뮤니티 관리자 스콧 헐맨 역시 "막대한 데이터를 포함한 대규모 분석은 앞으로도 계속 사용될 것이므로 일괄 처리는 사라지지 않을 것"이라면서, "스트리밍 분석에 대한 관심도 크지만 이 추세가 빅데이터의 미래에 미칠 영향에 대해 판단하기는 너무 이르다"고 말했다.

간단히 말해 스트리밍 분석(streaming analytics)은 '추가'일뿐, '양자 택일'의 문제가 아니다. 따라서 하둡과 같은 일괄 처리 지향 시스템을 시장에서 몰아내는 것이 아니라 보완하는 기술이 될 가능성이 높다. editor@itworld.co.kr



2015.04.01

하둡 이후 빅데이터의 미래··· 일괄 처리와 실시간 스트리밍 기술의 향방은?

Matt Asay | InfoWorld
스파크(Spark)와 같은 빅데이터 기술들이 요즘 화두다. 그러나 이런 기술들이 과연 빅데이터의 미래일까? 대답은 간단치 않다.

실시간 데이터 세상에서 사람들은 앞으로도 하둡에 집착할까? 451 리서치의 최근 설문 결과에 따르면, 일괄 처리(batch processing)를 중심으로 설계된 하둡은 여전히 빅데이터의 맏아들 격이지만 실제 도입 속도에 비해 유명세가 너무 앞서나가고 있다.

아직 하둡을 본격적으로 구축하지 않은 기업이라면 더 미루는 편이 나을지도 모른다. 아파치 스파크를 비롯한 스톰(Storm), 카프카(Kafka) 등 여러 기술들이 등장하면서 하둡의 일괄 처리에서 실시간으로, 미래를 향한 풍향이 바뀌는 듯한 분위기이기 때문이다.

일괄 처리가 핵심이 아니었다
클라우데라(Cloudera)의 더그 커팅은 왕성하게 활동하는 오픈소스 개발자로, 머리가 상당히 좋은 인물로 정평이 나 있다. 하둡, 루씬(Lucene)을 비롯한 빅데이터 필수 도구들이 그의 손을 거쳐갔다.

커팅은 실시간 스트리밍 기술의 중요성도 인정하지만 일괄 처리 기반의 하둡에 대한 그의 신념에는 흔들림이 없다. 다음은 커팅이 보낸 이메일의 일부다.

"하둡이 일괄 처리를 중심으로 구축된 이유는 사람들이 일괄 처리를 최선으로 판단했기 때문이 아니다. 일괄 처리, 특히 맵리듀스(MapReduce)는 큰 값을 구현하고 제공하기가 비교적 쉬웠기 때문에 지극히 자연스러운 첫 단계였다. 하둡 전에는 일반적인 하드웨어에서 오픈소스 소프트웨어를 사용해 페타바이트급 데이터를 저장하고 처리할 방법이 없었다. 하둡의 맵리듀스는 큰 진전을 제공했다."

빅데이터의 상품화가 전세계적으로 얼마나 중요한 역할을 했는지는 새삼 말할 필요도 없다. 하둡 이전에 대용량 데이터를 저장하고 분석하지 못했던 것은 아니다. 다만 하둡을 통해 극히 저렴한 비용으로 그 작업을 할 수 있게 된 것이다.

요약하자면 하둡은 빅데이터를 대중화시켰다.

스트리밍 데이터로의 전환?
그러나 빅데이터를 쉽게 다룰 수 있느냐는 별개의 문제다. 데이터스택스(DataStax) 최고 기술 전도사인 패트릭 맥퍼딘은 "엔터프라이즈 데이터에서 값을 얻어내기는 많은 사람들이 생각하는 것만큼 간단하지 않다"고 말했다.

모두가 알듯이 페타바이트급 데이터 저장과 분석의 ROI에 대해서는 의문점이 있다. 구글, 야후, 페이스북 덕분에 상당히 솔깃해졌다. 그러나 기업들은 이 분석론을 모든 데이터에 적용할 방법을 찾고 있다. 첫째, 모든 데이터를 수집한다. 둘째, …. 셋째, 수익!

데이터 수집과 수익 사이에는 번거로울 수 있는 여러 단계들이 있다. 기업들이 실시간 데이터 분석의 속도를 높일 방법을 모색함에 따라 이를 위한 새로운 기술들이 생겨났다.

맥퍼딘은 이 새로운 빅데이터 스택의 핵심 요소로 첫째 큐잉 시스템(queuing system)을 들었다. 카프카, 래빗MQ(RabbitMQ), 키네시스(Kinesis)가 유력한 기술들이다. 둘째, 스트림 처리 계층이 있으며 여기에는 스톰, 스파크 스트리밍(Spark Streaming), 삼자(Samza)가 거론된다. 고속 스토리지의 경우 카산드라(Cassandra), H베이스(HBase), 몽고DB(MongoDB)가 주류지만 마이SQL과 같은 관계형 데이터베이스도 있다.

가장 흥미로운 부분은 여전히 일괄 처리가 적용되는 분야다. 맥퍼딘은 "일괄 처리는 현재 사후 처리에 유용하다"고 말했다. 즉, 롤업(rollups)이나 심층 분석이 여기에 해당된다. 일괄 처리와 실시간을 결합한 것이 잘 알려진 '람다 아키텍처(Lambda architecture)'다. 람다 아키텍처는 일괄 처리, 속도, 서비스의 세 가지 요소가 서로 조화를 이루어 작동하도록 한다.
결국 일괄 처리는 여전히 유효하다.

일괄 처리를 쓰레기통으로
모든 사람이 이에 동의하는 건 아니다. 줌데이터(Zoomdata) CEO이자 공동 창업자인 저스틴 랭세스는 람다에 대해 "불필요한 타협"이라며, "지금은 소싱부터 전송, 스토리지, 분석, 그리고 시각화에 이르기까지 전 과정에서 데이터를 처리할 수 있는 도구 체계가 있다"고 말했다. 여기에 일괄 처리의 필요성은 없다는 것이다.

랭세스에게 있어 일괄 처리는 빅데이터 시대의 시대착오적인 유물이다. 랭세스가 설명한 바는 다음과 같다.

"실시간 데이터는 스트림으로 처리하는 것이 확실히 가장 적합하다. 과거 데이터 역시 스트리밍이 가능하다. DVR이 '바람과 함께 사라지다'나 지난 주 '아메리칸 아이돌' TV 프로그램을 지금 스트리밍할 수 있는 것과 마찬가지다. 이 차이는 중요하다. 줌데이터는 실시간 데이터든 과거 데이터든 데이터를 스트림으로 분석하는 것이 확장성과 유연성 측면에서 큰 이점을 더해준다고 믿는다."

확장성과 유연성 측면의 이점 외에, 빅데이터 프로세스에서 일괄 처리를 제거함으로써 얻는 간소함도 있다. 랭세스는 "윈도우 일괄 처리와 일괄 처리 장애에 대한 복구 등에 대해 걱정할 필요가 없다면 빅데이터 아키텍처는 훨씬 더 간소화된다"고 주장했다.

다 함께 발전할 수 있을까?
커팅은 성급한 결론을 경계했다. 커팅은 하둡과 같은 기술들의 전면적인 교체보다는 "스트리밍도 현실이지만 클라우데라의 엔터프라이즈 데이터 허브도 마찬가지로 현실"이라는 입장이다. 커팅은 "스트리밍으로의 대대적인 전환이 일어날 것이라고는 생각하지 않는다. 그보다는 스트리밍이 다양한 프로세싱 옵션 가운데 하나로 추가될 것"이라고 예상했다.

커팅은 "업계에서 몇 가지 적절한 접근 방법이 정착하게 되면 느려터졌던 엔터프라이즈 IT가 정신없이 빠른 속도로 혁신을 맞이하게 되는, 빅데이터의 '빅뱅(Bigbang)'을 이루게 될 것"이라고 전망했다. 커팅은 다음과 같이 설명했다.

"스파크와 같은 큼직한 요소들이 스택에 추가되는 빈도는 앞으로 낮아질 것으로 예상한다. 시간이 지나면서 빅데이터 애플리케이션에서 대부분의 담당자가 필요로 하는 기능을 제공하는 툴 셋을 중심으로 표준화가 이뤄질 것이다. 하둡은 관련 프로젝트들의 폭발적인 증가를 촉발했지만 이런 기술들이 산업 전반에 확산됨에 따라 이제 곧 평이한 속도의 진화 시기로 돌입하게 된다."

데이터스택스(DataStax) 커뮤니티 관리자 스콧 헐맨 역시 "막대한 데이터를 포함한 대규모 분석은 앞으로도 계속 사용될 것이므로 일괄 처리는 사라지지 않을 것"이라면서, "스트리밍 분석에 대한 관심도 크지만 이 추세가 빅데이터의 미래에 미칠 영향에 대해 판단하기는 너무 이르다"고 말했다.

간단히 말해 스트리밍 분석(streaming analytics)은 '추가'일뿐, '양자 택일'의 문제가 아니다. 따라서 하둡과 같은 일괄 처리 지향 시스템을 시장에서 몰아내는 것이 아니라 보완하는 기술이 될 가능성이 높다. editor@itworld.co.kr

X