클라우드의 데이터 지배자 '아파치 아이스버그'

클라우드의 등장으로 데이터 팀이 방대한 양의 데이터를 수집해 적절한 비용으로 저장할 수 있게 되면서 데이터 레이크, 데이터 메시 및 기타 현대적 아키텍처를 활용하는 새로운 분석 사용 사례를 향한 문이 열렸다. 그러나 데이터의 크기가 매우 큰 경우 일반적인 데이터 스토리지 역시 데이터의 액세스와 관리, 사용 방법 측면에서 어려움과 한계가 있다.
 

클라우드의 일반적인 블롭 스토리지 시스템에는 파일 간의 관계나 테이블 대응을 보여주는 데 필요한 정보가 없어 쿼리 엔진의 작업이 훨씬 더 어렵다. 또한 파일 자체로 인해 테이블의 스키마를 변경하거나 테이블을 건너 “시간 이동(time travel)”을 하기도 쉽지 않다. 각 쿼리 엔진은 파일을 쿼리하는 방법에 관한 자체적인 시야가 있어야 한다. 얼핏 구현하기 쉬워 보였던 데이터 아키텍처가 어느 순간 예상보다 어려워지는 지점이다.

이런 경우에 테이블 형식을 데이터에 적용하는 방법이 매우 유용하다. 테이블 형식은 테이블, 테이블의 메타데이터, 테이블을 구성하는 파일을 명시적으로 정의한다. 데이터를 읽을 때 스키마를 적용하는 것이 아니라, 쿼리가 실행되기 전에 클라이언트가 이미 스키마를 알고 있다. 또한 테이블 메타데이터는 더 세부적인 분할이 가능한 방식으로 저장할 수 있다. 따라서 데이터에 테이블 형식을 적용하면 다음과 같은 여러 이점이 있다.
 

• 필터링 또는 파티셔닝의 개선을 통한 더 빠른 성능
• 쉬운 스키마 진화
• 테이블을 건너 “시간 이동”을 해서 특정 시점의 데이터를 볼 수 있는 기능
• 테이블 ACID 규정 준수

 

아이스버그의 강점

데이터 형식에 따라 기능이 활성화되거나 제한되므로 사용할 데이터 형식을 선택하는 것은 중요한 의사 결정이다. 이때 개방형 데이터 테이블 포맷인 아파치 아이스버그(Apache Iceberg)를 눈여겨볼 필요가 있다. 지난 20년에 걸쳐 탄탄한 지지 기반을 구축했다. 아파치 아이스버그는 넷플릭스가 처음 개발해 2018년 아파치 인큐베이터 프로젝트로 오픈소스화했고 2020년 인큐베이터 프로그램을 졸업했다.

아이스버그는 아파치 하이브에서 매우 큰 데이터 집합을 다룰 때 발생하는 규모, 사용성, 성능 관련 문제를 포함한 몇 가지 문제를 해결하기 위해 처음부터 새로 만들어졌다. 당시 넷플릭스 엔지니어도 말했듯이 규모가 매우 큰 데이터 집합의 테이블 형식은 '예기치 못한 문제 없이' SQL처럼 안정적으로 예측 가능하게 동작해야 한다. 여러 선택지가 있지만, 다음과 같은 5가지 이유로 아이스버그가 다른 공개 테이블 형식에 비해 우월하다고 볼 수 있다.

과거와의 깔끔한 단절 : 과거는 현재 테이블 형식의 작동 방식에 큰 영향을 미칠 수 있다. 테이블 형식 중에는 오래된 기술에서. 진화한 경우도 있고 과거와의 고리를 끊고 새로 시작한 경우도 있다. 아이스버그는 후자에 속한다. 아파치 하이브의 단점을 해결하기 위해 처음부터 새롭게 만들어졌으므로 과거 데이터 레이크의 발목을 잡았던 달갑지 않은 몇몇 특성을 피해 갔다. 열 이름 변경과 같은 스키마 변경 처리 방법이 좋은 예다.

이것은 아이스버그가 프로덕션 데이터 애플리케이션에서 문제를 일으키지 않으면서 관련 툴과 추가로 단절할 합리적인 방법을 고민할 필요가 없음을 의미하기도 한다. 시간이 지나면서 다른 테이블 형식도 따라잡을 가능성이 높지만, 현재 아이스버그는 뒤를 돌아보며 오래된 문제를 해결하기보다는 새로운 기능을 제공하는 데 초점을 두고 있다.

처리 엔진 및 파일 형식을 따지지 않음 : 아이스버그는 처리 엔진을 테이블 형식에서 분리해 더 높은 유연성과 선택권을 제공한다. 엔지니어는 하나의 처리 엔진에 강제적으로 묶일 필요 없이 당면한 작업에 가장 적합한 툴을 선택할 수 있다. 이런 선택권은 2가지 이유에서 중요하다. 첫째, 기업이 데이터를 처리하기 위해 사용하는 엔진은 시간이 지나면서 바뀔 수 있다. 예를 들어 많은 기업이 하둡에서 스파크 또는 트리노로 바꿨다. 둘째, 대기업에서는 여러 기술을 사용하는 것은 보편적인데 선택권이 있으면 여러 툴을 바꿔가며 사용할 수 있다.

또한, 아이스버그는 아파치 파케이, 아파치 아브로, 아파치 ORC를 포함한 여러 파일 형식을 지원한다. 당장의 유연함도 있지만 앞으로 나올 수 있는 새로운 파일 형식을 위한 장기적인 연결 가능성 측면에서도 더 유리하다.

잘 관리되는 오픈소스 프로젝트임 : 아이스버그 프로젝트는 아파치 소프트웨어 재단이 관리하므로 권한의 획득(earned authority), 합의된 의사 결정을 비롯한 여러 가지 중요한 아파치 웨이(Apache Way)를 준수한다. 자칭 “오픈소스”인 프로젝트 중에서 그렇지 않은 경우도 있지만 아파치 아이스버그는 프로젝트 관리를 공개해서 누가 프로젝트를 운영하는지를 볼 수 있도록 한다. 누구에게 의사 결정 권한이 있는지를 공개하지 않는 다른 테이블 형식과 다르다. 테이블 형식은 데이터 아키텍처의 기본적인 선택이므로 진정한 개방성과 협업성을 갖춘 프로젝트를 선택하면 의도치 않은 종속의 위험을 크게 낮출 수 있다.

아이스버그의 협업은 새로운 아이디어와 도움의 원천 : 아파치 아이스버그를 중심으로 하는 협업 커뮤니티가 사용자에게 혜택이 되고 프로젝트의 장기적인 성공 가능성을 높이고 있다는 여러 신호가 있다. 사용자의 경우 슬랙 채널과 깃허브 리포지토리에서 새로운 아이디어와 기존 기능 지원에 대한 참여율이 모두 높게 나타난다. 참여가 한 그룹이나 아이스버그의 최초 저작자가 아닌 업계 전반적으로 이뤄진다는 점이 중요하다.

이런 높은 수준의 협업은 기술 자체에도 유익하다. 프로젝트에는 다양한 사고방식으로 다양한 사용 사례를 해결하는 여러 제안이 점점 더 많이 모여들고 있다. 또한 프로젝트 네시(Nessie), 퍼핀 스펙(Puffin Spec), 오픈 메타데이터 API와 같은 새 프로젝트와 아이디어도 이 프로젝트에서 파생되고 있다.

다른 테이블 형식에서 유료인 기능이 포함 : 다른 몇몇 테이블 프로젝트와 달리 아이스버그에는 처음부터 성능에 중심을 둔 기능이 내장됐으며 이는 여러 방면에서 사용자에게 이익이다. 첫째, 사용자는 공개 코드를 사용하는 프로젝트에 성능을 위한 기능이 포함될 것으로 전제하지만 실제로는 포함되지 않거나 앞으로 포함될 것이라는 막연한 약속 정도에 그치는 경우가 많다. 둘째, 워크로드를 옮기고자 하는 경우(테이블 형식을 사용하면 쉽게 가능해야 함) 아이스버그 구현에서는 큰 차이에 직면할 가능성이 훨씬 더 작다. 셋째, 오픈소스 아이스버그를 사용하기 시작하면 필요한 기능이 유료 결제의 벽 뒤에 숨은 경우를 경험할 일이 별로 없다. 공개된 것과 그렇지 않은 것 사이의 구분이 시점의 문제가 되지도 않는다.

시작부터 공개 프로젝트였던 아이스버그는 비즈니스 사용 사례가 아닌 실무적인 문제를 해결하기 위해 탄생했다. 작지만 중요한 차이점이다. 스노우플레이크, AWS, 애플, 클라우데라, 구글 클라우드와 같이 유료 제품을 판매하면서 아이스버그에 대한 지원을 제공하는 업체는 아이스버그 사양을 잘 구현하는 점에서 경쟁력이 있지만 아이스버그 프로젝트 자체는 특정 업체의 비즈니스와 무관하게 만들어졌다.
 

스노우플레이크와 아이스버그

스노우플레이크는 모든 새로운 기능을 실현한 자체 테이블 형식을 초기에 만들었다. 그러나 클라우드 데이터 플랫폼으로 이동하는 기업의 요구 사항과 시간 계획은 제각기 다르다. 데이터 저장 위치를 제한하는 규정 요건이 있는 기업도 있고 보호해야 할 기존 투자가 있는 기업도 있다.

이때 아이스버그와 같은 외부 테이블 형식을 지원하면 기업은 일부 데이터가 다른 위치에 있어야 하는 경우에도 스노우플레이크 내에서 모든 데이터를 활용할 수 있다. 그래서 스노우플레이크는 올해 초에 아이스버그 지원을 스노우플레이크 내의 부가적인 테이블 옵션으로 추가했으며 더 최근에는 아이스버그 테이블이라는 새로운 스노우플레이크 테이블 유형을 내놨다.
 

아파치 아이스버그 시작하기

아파치 아이스버그 커뮤니티 내에는 이 프로젝트에 대해 자세히 알아보고 오픈소스 활동에 참여하는 데 도움이 되는 좋은 리소스가 많다.
 

• 아이스버그 시작 가이드는 순수 오픈소스 아이스버그와 아파치 스파크에서 처음 시작하기 위한 예제를 제공한다.
• 공개 슬랙 채널과 같은 아이스버그의 여러 탄탄한 커뮤니티에 참여해 활동할 수 있다.
• 아이스버그를 변경하거나 새 아이디어를 제안하려면 기여 가이드에 따라 풀 요청을 생성한다. 커뮤니티는 정기적으로 이런 요청을 취합한다.

스노우플레이크 사용자라면 스노우플레이크 아이스버그 비공개 프리뷰 지원을 지금 시작할 수 있다. 스노우플레이크 고객팀에 연락해 기능에 대해 알아보거나 가입하면 된다.
 

• 아이스버그 테이블 : 전적으로 외부 스토리지의 아이스버그 및 파케이를 기반으로 하지만 스노우플레이크 테이블과 비슷한 성능과 이점이 있는 스노우플레이크의 새 테이블 유형을 사용해볼 수 있다.
• 아이스버그용 외부 테이블 : 스노우플레이크 외부 테이블을 통해 스노우플레이크에서 기존 아이스버그 테이블과의 손쉬운 연결이 가능하다.

editor@itworld.co.kr