대부분의 회사에서는 Enterprise Data Warehouse(이하 EDW)에 중요한 비즈니스 데이터를 저장하고 있습니다. EDW는  

Customer Relationship Management(CRM:고객관계관리), 재고, 판매 거래 시스템과 같은 기업용 시스템으로부터 비즈니스의 정화(essence of business)를 수집하기 위해 고안되었습니다.

그리고 인사이트(insight)를 얻거나 데이터를 기반으로 중요한 사업적 의사결정을 하기 위해 분석가들과 사업 의사결정자(business user)들이 이용합니다.

하지만, Web이나 IoT로 연결된 디바이스에서 나오는 스트리밍이나 소셜 데이터를 포함하여 새로운 기술들이 훨씬 더 큰 데이터 볼륨, 더 높아진 사용자의 기대, 빠른 사업의 글로벌화를 만들고 있습니다.

전통적인 EDW 기술로는 새로운 비즈니스 요구사항들을 만족시킬 수 없다는 것을 기업들이 깨닫고 있습니다.

결과적으로 많은 기업들이 Apache Hadoop으로 돌아서고 있습니다.

전통적인 EDW에서 한가지 주요 단점은 데이터를 EDW에 넣기 위해 필요한 근본적인 extract, transform, load(ETL) 프로세스의 기반인 schema-on-write architecture입니다.(schema-on-write : 데이터를 쓰기 위해 데이터베이스에 미리 schema를 생성하는 전통적인 기술) Schema-on-write에서는 데이터를 로딩하기 전에 모델을 설계하고 분석 프레임워크를 연계해야 했습니다. 다시 말하면, 데이터를 어떻게 사용할 것인지를 사전에 파악해야 했습니다.

이에 대응하여 기업들은 타협안을 찾았습니다. 전통적인 EDW에서 필요한 첫번째 데이터 변환없이 데이터를 추출하여 Hadoop 기반 저장소에 데이터를 저장했습니다. 무엇보다도 Hadoop의 가장 좋은 점은 분석이 필요할 때 데이터를 데이터베이스로 내리면 된다는 것입니다. 모든 프레임워크는 사전에 요구되는 작업이 거의 없이 즉석에서 만들 수 있습니다.

기업들은 이제 Data Lake로 전환하고 있습니다.

우연히 무료로 풀린 Architecting Data Lake (저자 : Alice LaPlante & Ben Sharma. 출판사 : 미국의 기술서적 전문 출판사인 O'Reilly Media, 2016년)를 보게 되었습니다.

대용량 데이터 처리 시대에 Data Lake는 우리 주변에서 자주 접하는 용어입니다만, 개발자 개인이 일반 현장에서 실제로 적용하며 경험해 보기에는 쉽지 않은 영역입니다. 바로 대용량 데이터가 필요하기 때문입니다.

예나 지금이나 대용량 데이터는 수많은 고객들을 상대로 성공한 서비스나 플랫폼, 디바이스들을 보유한 회사에서나 만져볼 수 있습니다. 소위 Enterprise 환경에서나 대용량 데이터에 대한 수행 경험을 쌓을 수 있다는 뜻입니다.

마침, 최근에 IoT의 한 분야라고 할 수 있는 에너지 관련하여 람다 아키텍처가 적용된 Data Lake 시스템을 Hadoop 기반으로 설계를 한 적이 있습니다. 그때의 경험과 Architecting Data Lake라는 책을 읽으며 중요한 부분만을 요약하여 많은 분들과 공유를 해보고자 합니다.

물론 O'Reilly사에 허락을 받지는 않았습니다만, 모든 사람들 대상으로 무료 Ebook으로 풀었으니 저작권 문제가 없을 거라고 혼자서 가정을 했습니다. 저작권 문제가 있다면 지우거나 공유를 취소해야겠죠. 관련 지식을 함께 나누고자 하는 의도로 O'Reilly사에서도 무료로 전체 오픈을 한 것이라고 믿고, 저도 또한 많은 분들과 자유롭게 관련 지식을 공유하고 싶어서 시작해 봅니다.