Offcanvas

How To / 빅데이터 | 애널리틱스 / 신기술|미래 / 애플리케이션

기고 | 하둡 배포판 3종의 현재와 미래

2014.07.01 Kirill Grigorchuk  |  Network World


우리는 가까운 장래에 YARN에 기반을 둔 애플리케이션의 수가 급증할 것으로 전망하고 있다. (페이스북의 소셜 연결 등 그래프 분석을 위한) 아파치 지라프(Apahce Giraph), (머신 학습과 데이터 마이닝용) 스파크(Spark), (머신 학습과 그래프 알고리즘인) 아파치 하마(Apache HAMA), (실시간 무한대 데이터 스트리밍을 위한) 스톰(Storm) 등이 새 아키텍처 등에 맞춰 조정돼 있다.

미래의 하둡 배포판
하둡 배포판의 발전에 큰 영향을 미치는 몇 가지 트렌드가 있다.

* YARN 도입. 하둡 2.0은 동시에 더 많은 컴퓨팅을 실행시킬 수 있도록 더 큰 클러스터들을 지원한다. 더 유연한 데이터 처리와 통합 알고리즘 지원을 포함, 보다 광범위한 태스크에 부합하는 새로운 클러스터 관리 시스템이 채택돼 있다. 이런 이유로 2013년 동안 클라우데라와 호튼웍스가 활발히 도입되기 시작했다.

맵알은 독자 개발한 구성요소를 배포판에 사용하고 있기 때문에 조금 더 많은 시간이 필요했다. YARN을 지원하는 맵알 2.0이 2014년 3월 출시될 예정이다. 아직까지 기본 HDFS 대신 독자적인 파일 시스템을 사용하고 있지만, 이 벤더는 앞으로 더 많이 사용되고 있는 오픈소스 하둡 코드를 사용할 가능성이 있다. 이질적인 오픈 하둡 구성 요소를 더 많이 지원하고 있기 때문이다.

* 데이터 병합을 위해 써드파티를 통합. 하둡 배포판은 데이터 분석용 써드파티 솔루션과 통합되고 있는 추세다. 예를 들어, 클라우데라는 자신들의 (아파치 하둡이 포함된 배포판인) CDH를 오라클, 태블루(Tableau), 테라데이터 등 데이터 분석 및 보고 시스템과 연동시킬 수 있는 커넥터를 추가시켰다.

CDH는 개발자들이 복잡한 코드를 학습해 적용할 필요 없이 빅 데이터 소스와 타겟을 시각적으로 도식화 할 수 있는 이용하기 쉬운 그래픽 환경인 '빅 데이터용 탈렌드 오픈 스튜디오(Talend Open Studio for Big Data)를 지원한다. 이 툴에는 여러 데이터 소스에서 데이터를 수집하는 커넥터가 450개 이상 들어있다.

* 상당한 성능 향상. 클라우데라는 최근 스파크를 지원한다고 발표했다. 인메모리 연산에 바탕을 둔 이 모델은 일부 경우에는 최대 100배까지 데이터 처리 속도를 크게 높여준다. 호튼웍스 또한 연산 속도 향상에 매진하고 있다. 이 회사는 아파치 하이브 쿼리 속도를 최대 100배까지 높이는데 목표를 둔 스팅거(Stinger) 프로젝트를 시작했다. 또 처리 속도를 높이기 위해 저장된 데이터를 최적화 하고 있다.

맵알이 후원하는 아파치 드릴(Apache Drill) 프로젝트 또한 유사한 목표를 갖고 있다. 이는 구글이 백서인 '드레멜: 웹 스케일 데이터세트에 대한 인터렉티브 분석(Dremel: Interactive Analysis of Web-Scale Dataset)'에서 소개한 모델에 바탕을 두고 있다. 그러나 비교적 새로운 프로젝트로, 실용화를 위한 준비가 되어 있지 않을 수 있다.

피보탈 소프트웨어는 SQL 방식의 쿼리를 하이브 보다 318배 빠르게 처리할 수 있는 독자 개발 구성 요소인 HAWQ를 특징으로 하는 피보탈HD(PivotalHD)라는 하둡 배포판을 공급하고 있다. 불행히도, 이런 성과를 입증할 수 있는 객관적인 평가 결과는 없다.

초병렬 프로세스(Massively Parallel Processor) 아키텍처와 유사한 시스템에 대한 써드파티 성능 벤치마크에 관심이 있다면 AMPLab 버클리의 자료를 참고할 수 있다.

* 데이터 보안. 하둡 벤더들은 데이터 액세스 보안, 승인 제한, 기타 광범위한 데이터 보호 문제를 해결하기 위해 열심히 노력할 것이다.

* 특정 태스크를 위한 기능성 확대. 하둡 배포판을 공급하는 회사들은 프레임워크에 새로운 기능성을 부여하는 모듈을 추가할 방법을 찾고 있다. 예를 들어, 클라우데라 배포판에는 풀텍스트 검색과 SQL 쿼리를 이용해 HDFS에 저장된 데이터를 실시간 처리하는 엔진인 임팔라(Impala)가 탑재되어 있다.

호튼웍스는 스팅거 이니셔티브에 SQL 시맨틱(Semantics) 지원 기능을 추가했으며, 불필요한 태스크를 없애고, HDFS의 쓰기, 읽기 속도를 높여 반복 태스크 속도를 높이는데 도움을 줄 수 있는 새 아키텍처인 아파치 테즈(Apache Tez)를 개발하고 있다. 완디스코(Wandisco)는 논스톱(Non-Stop) 하둡 기술을 통해 데이터센터 이중화(cross-data center replication) 기능을 제공한다.

결론
하둡은 현재 빅 데이터 생태계의 통합되어 있을뿐더러, 관련 툴 개발에 도움을 주는 원동력 역할을 하고 있다. 하둡 1.0은 특정 워크로드를 목적으로 엔터프라이즈 시스템에 도입되고 왔다. 그러나 YARN에서는 이런 상황이 바뀔 전망이다. 새 아키텍처는 하둡으로 해결할 수 있는 작업 범위를 넓히고 있기 때문이다.

예를 들어, 스톰과 함께 사용할 경우 무한 데이터 스트림 처리 속도를 높일 수 있다. 또 스파크의 경우 데이터 분석 이니셔티브에 도움을 주고, 테즈는 반복 알고리즘을 더 빨리 만든다.

이번 기사는 하둡 생태계의 트렌드를 개략적으로 소개하고 있다. 그러나 성능을 비교하고 있지는 않다. 하둡 배포판에 기반을 둔 YARN 클러스터의 실제 성능을 분석한 성능 분석 결과를 찾기란 아주 어렵다. 자세한 통계는 하둡 1.0과 관련이 있다. 여기(이미 업데이트한 HDP 2.0에서의 하이브) 및 여기(호튼웍스, 클라우데라, 맵알)를 참조하면 이해에 도움이 될 것이다.

이유는 간단하다. 클라우데라의 새 아키텍처는 아직 베타 버전이고, 맵알은 2014년 3월에 2.0을 출시할 계획을 갖고 있다. 대다수 벤더들이 아직 기술을 개발하고 있는 단계에 있는 것이다. 하둡 1.0과 2.0의 실제 성능을 비교하고, 그 차이가 하둡 배포판에 기반을 둔 클러스터에 어떤 영향을 미치는지 발견하는 것이 흥미로울 것이다.

* Grigorchuk는 빅 데이터 프로젝트 지원과 PaaS 구현 서비스를 제공하는 알토로스의 R&D 디렉터다. 그는 빅 데이터, 분산형 컴퓨터, 수학 모델링, 클라우드 기술 등 여러 연구 프로젝트에 저자로 참가했다. ciokr@idg.co.kr

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.