Upload
amazon-web-services-korea
View
1.219
Download
11
Embed Size (px)
Citation preview
소개
AWS 솔루션 아키텍트
Gaming/HPC
DevOps
System Admin
(십년전) Kernel driver dev.
잘은 모르지만 Unity를
사랑합니다.
오늘 내용
a. INTRO – Ice breaking
b. Amazon Kinesis
c. Amazon Redshift
d. Amazon EMR f. Case, Demo
시작하기 전에.
AWS 명령줄 도구
http://aws.amazon.com/ko/cli/
$ sudo pip install awscli
Downloading/unpacking awscli
Downloading awscli-1.5.4.tar.gz (253kB): 253kB downloaded
Running setup.py (path:/private/tmp/pip_build_root/awscli/setup.py) egg_info for package awscli
…
..
.
Successfully installed awscli botocore bcdoc colorama docutils rsa jmespath pyasn1
Cleaning up...
$
$ aws configure
AWS Access Key ID [None]: XXXXXXXXXXXXXXXXX
AWS Secret Access Key [None]: XXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Default region name [None]: ap-northeast-1
Default output format [None]: json
$
$ aws s3 ls s3://yz-ngs-outputs
PRE Redis-snapshots/
PRE hohoho/
PRE pig-apache/
PRE transfer-test/
PRE wordcount/
2013-06-07 17:56:52 6097048 Elastic Beanstalk for Startups.pptx
2013-05-31 13:33:49 0 HG00099.mapped.SOLID.bfast.GBR.exome.20111114.bam
2013-05-06 15:56:56 132644272 TrendMicro-TTi_6.0_HE_Full.exe
2013-11-10 03:16:23 5188 fabricrc.txt
$
AWS 명령줄 도구
http://docs.aws.amazon.com/mobile/sdkforunity/developerguide/
ICE BREAKING
Ice breaking
“대체 무엇을 어떻게 분석해야 하는지 모르겠어요…” http://cfile1.uf.tistory.com/image/16172A3C507616AF322729
분석이 없는 오늘, 현재
기획 : “아이템 드랍률을 조정하면 어떻게 될까?”
개발 : “사실… 어젯밤에 잠수함 패치 했어요.”
운영 : “게시판에 난리 났는데 대체 무슨일이에요?”
게임 데이터의 분석 적용 대화의 예
기획 : “아이템 드랍률을 조정하면 어떻게 될까?”
BI팀 : “레벨 1~10까지 올리는데 12시간인데 1%드랍률 상승에 1시간 줄어
듭니다. ”
개발 : “+2% 반영 했습니다.”
BI팀 : “해당 아이템 분포는 1~10 레벨에서 15%~17% 유지중이고 반영 후
게임 내 골드 소비가 3% 줄어들었습니다.”
기획 : “그럼 다음엔…”
역시
데이터다!
Data-driven
데이터 기반 의사결정
고객이 누구인가
고객은 주로 어떤 캐릭터를 선택하는가
고객은 언제 게임에 돈을 쓰는가
게임이 디자인한 의도대로 플레이 되고
있는가
레벨의 분포와 게임내 에코 시스템의 상관
관계는 어떠한가
동시접속자 수 대비 DB의 TPS/QPS 는
…
실험과 그 결과에 대한 분석 가속화
아이디어
(가설)
개발
배포
분석
사이클이 빠를 수록 게임은 사용자가 원하는 방향으로 발전
데이터 기반
의사 결정
하지만 현재는…
아이디어
(가설)
개발
배포
감으로
느낌으로
그렇다면 무엇을 분석 해야
레벨 분포
레벨 업그레이드 소요 시간
아이템 / 캐릭터 밸런스
캐릭터 이동 경로
로그인 / 로그 아웃 시간
etc
http://m.gameabout.com/news/view.ga?news_id=383&site=lineage&listpage=333
고객에 대한 분석
“KNOW YOUR CUSTOMER”
-남성인가 여성인가
-주로 플레이하는 연령대의 분포는 어떻게 되는가
-연령대 별로 지출하는 비용의 분포는 어떠한가
-비용을 가장 많이 사용하는 게임내 요소는 무엇인가
-초/중학생을 대상으로 했는데 왜 20대 여성이 좋아하는가
http://www.clixmarketing.com/blog/2014/05/05/know-your-customers-or-else/
게임 디자인에 대한 분석
의도한 바 대로 플레이 되고 있는가
“캐릭터가 건물에 갇혀서 움직이지 않아요”
“레벨 5에서 다섯시간째 삽질중”
“대체 이놈의 몹은 어디 있는거야”
“퀘스트 완료를 어느 NPC에서 해야함?”
http://sstorm.egloos.com/v/4895960
매출과의 상관 관계
사장님께서 알고 싶으시단다
“비오는날 우리 매출이 어떻게 되지?”
“이번 SNS 마케팅 ROI는 어떤가?”
“어제 뉴스에 우리 게임이 나왔다던데”
http://www.gamasutra.com/view/news/197340/Clash_of_Clans_big_Japanese_boost__in_graphs.php
이 모든 분석의 목적은
게임 수명의 연장
비용 효율적인 예산의 운영
보다 정확한 대상을 고려한 이벤트
고객이 더 재미를 느끼는 게임
무엇보다, “매출과 순 이익의 증가”
http://www.tutor2u.net/business/gcse/marketing-plc.gif
어떻게?
Batch EMR
어떻게?
Stream
어떻게?
Batch Stream
Micro-Batch
Tuple
{…}
• 최소 데이터 단위
• 변하지 않는 원시 데이터
• 보통은 로그
{19}
Stream
{…} {…} {…} {…} {…}
시간의 흐름에 따라 연속된 Tuple
SEQ #1 SEQ #2 SEQ #3 SEQ #4 SEQ #5
{23} {32} {43}
Stream data 는
서로 다른 log 생성 디바이스
동시 접속자 수에 따른 엄청난 양의 log 데이터
실시간으로 생성되는 데이터의 분석
대규모의 원시 데이터 저장소가 필요
실시간 분석 이후에도 BI 에 대한 요구가 발생
http://www.slideshare.net/julingks/kgc2014 http://www.slideshare.net/anastasiaalikova/winter-nights-co-c
Amazon Kinesis
DEMO
초당 수천만건의 레코드
수십만개의 데이터 소스
시간당 테라바이트의 데이터
매일 100개 이상의 ETL job
시간당 100건 이상의 SQL query
• 실시간 알람이 요구 • 스케일 가능한 구조로 변경
Kinesis
Kinesis 사용 예
Amazon Kinesis?
대량의 연속된 데이터를 실시간으로 처리 가능한 풀
매니지드 서비스
Kinesis는, 수십만 곳의 데이터 소스에서 테라 바이트
수준의 데이터를 처리 할 수 있으며, 저장된
데이터는 다수의 AZ에 저장하여 신뢰성과 높은
내구성을 보유한 서비스
Kinesis 요약
AWS SDK
LOG4J
Flume
Fluentd
Get* APIs
Kinesis Client Library + Connector Library
Apache Storm
Amazon Elastic MapReduce
PUT GET + Processing
Kinesis 내부 구조 및 용어
• 데이터 용도 별 Stream을 생성, Stream은 1개 이상의 Shard로 구성됨
• Shard는 데이터 입력측에서 1MB/sec, 데이터 처리측에서는 2 MB/sec 처리량을 가짐
• 입력 데이터를 Data Record라 하며, 입력 된 Data Record는 24시간 동안 다수의 AZ에 저장
• Shard의 증가 및 축소에 따라 스케일 아웃-인이 가능
Data Sources
App.4
[Machine Learning]
App.1
[Aggregate & De-
Duplicate]
Data Sources
Data Sources
Data Sources
App.2
[Metric Extraction]
S3
DynamoDB
Redshift
App.3
[Real-time Dashboard]
Data Sources
Availability Zone
Shard 1
Shard 2
Shard N
Availability Zone
Availability Zone
Kinesis
AW
S E
nd
poin
t
Stream
Management Console/API
Stream 이름과 Shard의 수량을 입력 Stream을 생성
용량 및 대기 시간을 모니터링, Cloud Watch모니터링 가능
가격
과금
Shard 요금 $0.015/shard/시간
Put request $0.028/1,000,000PUT
예를 들어 1개월 (30일), 10Shard, 월 100,000,000PUT, 약 $110/월
데이터 입력
AWS SDK
LOG4J
Flume
Fluentd
Get* APIs
Kinesis Client Library + Connector Library
Apache Storm
Amazon Elastic MapReduce
PUT GET + Processing
데이터 입력 방법
PutRecord API 로 데이터 입력이 가능 http://docs.aws.amazon.com/kinesis/latest/APIReference/API_PutRecord.html
AWS SDK for Java, Javascript, Python, Ruby, PHP, .Net 예)boto를 이용하여 put_record
http://docs.pythonboto.org/en/latest/ref/kinesis.html#module-boto.kinesis.layer1
Stream
Shard-0
Shard-1
Data Record
Data Record
Data Record
Kinesis는 받은 데이터를 Shard 에 분배
Data Record에 설정된 파티션 키를 기준으로 Shard에 분배
Stream
Shard-0
Shard-1
Data Record
Data Record
Data Record
DataRecord의 내용
데이터 (Max 50KB)
파티션 키 (Max 256B)
Shard는 각 담당하는 범위를 기준으로 파티션 키와 MD5 값이 일치하는 범위의 Shard 에 분배
예 0
MD5의 범위
2128
Shard-1 (2128/2 - 2128)
MD5(파티션 키)
Shard-0 (0 - 2128/2)
데이터 파티션 키
값은 둘중 하나에 분배
TIPS
Shard는 Partition Key를 기반으로 분배 Shard의 용량은
Partition key 를 잘 설계하여 좋은 분산을 구현할 필요가 있다
Shard
시퀀스 넘버
Stream에 입력된 Data Record에 Kinesis의 Stream에서 유니크한 시퀀스 번호를 부여 (시간경과에 따라 함께 증가하는 구조) 연속된 PutRecord API를 호출하는 경우 순서가 달라질 수 있다. 동일한 파티션 키에서 순서가 매우 중요한 경우, PutRecord API의 호출에 주의 SequenceNumberForOrdering 매개 변수를 설정한다 시퀀스 번호는 PutRecord API 응답으로 확인 가능
데이터 레코드 (14)
데이터 레코드 (15)
데이터 레코드 (17)
데이터 레코드 (19)
데이터 레코드 (20)
Log4J Appender Log4J 의 출력을 Kinesis 로 입력 할 수 있는 Appender
버퍼링의 크기, 동시 스레드의 숫자 설정이 가능
자세한 내용은 다음의 링크를 참조 https://github.com/awslabs/kinesis-log4j-appender
http://docs.aws.amazon.com/ElasticMapReduce/latest/DeveloperGuide/kinesis-pig-
publisher.html
데이터 수집 및 처리
AWS SDK
LOG4J
Flume
Fluentd
Get* APIs
Kinesis Client Library + Connector Library
Apache Storm
Amazon Elastic MapReduce
PUT GET + Processing
데이터 수집
GetShardIterator API에서 Shard의 위치를 검색, GetRecords API를
사용하여 Kinesis 에 저장된 데이터를 가져올 수 있음 http://docs.aws.amazon.com/kinesis/latest/APIReference/API_GetShardIterator.html
http://docs.aws.amazon.com/kinesis/latest/APIReference/API_GetRecords.html
AWS SDK for Java, Javascript, Python, Ruby, PHP, .Net
예)boto를 사용하여 get_shard_iterator, get_records
http://docs.pythonboto.org/en/latest/ref/kinesis.html#module-boto.kinesis.layer1
GetShardIterator의 검색 지정 방법
GetShardIterator API는 ShardIteratorType을 지정하고 포지션을 얻을 수 있음
ShardIteratorType 은 다음과 같음 AT_SEQUENCE_NUMBER ( 지정된 시퀀스 넘버에서 데이터를 가져옴 )
AFTER_SEQUENCE_NUMBER ( 지정된 시퀀스 넘버 이후부터 데이터를 가져옴 )
TRIM_HORIZON ( Shard에 존재하는 가장 오래된 데이터부터 가져옴 )
LATEST ( 최신 데이터부터 가져옴 )
Seq: xxx
LATEST
AT_SEQUENCE_NUMBER AFTER_SEQUENCE_NUMBER
TRIM_HORIZON
GetShardIterator의 동작
Kinesis Client Library
• GetShardIterator API 및 GetRecords API를 이용하여 데이터의 검색 및 데이터 처리를 할 수 있지만, 데이터를 처리하는 인스턴스에 대한 고가용성과 Shard 의 분할, 병합등의 복잡한 처리를 구현할 필요가 있다.
• Kinesis Client Library를 이용하면 이러한 복잡한 과정을 따로 구현하지 않고 비지니스 로직에 집중 할 수 있다.
• Kinesis Client Library는 Java 를 지원
• Github에서 소스를 확인 할 수 있음 – https://github.com/awslabs/amazon-kinesis-client
• Kinesis Client Library는 체크 포인트의 관리에 DynamoDB를 이용하고 있으며 처음 시작할때 DynamoDB 테이블을 생성한다.
– 기본적으로 Read Provisioned Throughput, Write Provisioned Throughput은 10으로 설정됨
Kinesis Client Library
• Kinesis Client Library를 사용한 응용 프로그램(Kinesis응용 프로그램)을 실행하면 Worker 가 생성되어 Kinesis 에서 데이터를 검색한다.
• Kinesis 응용 프로그램 측면에서는 구성 설정 및 데이터 처리를 위한 IRecordProcessor 를 사용
• 개발 관련 내용은 다음의 링크를 참조 – http://docs.aws.amazon.com/kinesis/latest/dev/kinesis-record-processor-
app.html
Kinesis Client Library 샘플 코드
public class SampleRecordProcessor implements IRecordProcessor { @Override public void initialize(String shardId) { LOG.info("Initializing record processor for shard: " + shardId); this.kinesisShardId = shardId; } @Override public void processRecords(List<Record> records, IRecordProcessorCheckpointer checkpointer) { LOG.info("Processing " + records.size() + " records for kinesisShardId " + kinesisShardId); // Process records and perform all exception handling. processRecordsWithRetries(records); // Checkpoint once every checkpoint interval. if (System.currentTimeMillis() > nextCheckpointTimeInMillis) { checkpoint(checkpointer); nextCheckpointTimeInMillis = System.currentTimeMillis() + CHECKPOINT_INTERVAL_MILLIS;
} } }
[Sample RecordProcessor ]
Kinesis Client Library 샘플 코드
IRecordProcessorFactory recordProcessorFactory = new SampleRecordProcessorFactory(); Worker worker = new Worker(recordProcessorFactory, kinesisClientLibConfiguration); int exitCode = 0; try { worker.run(); } catch (Throwable t) {
LOG.error("Caught throwable while processing data.", t); exitCode = 1; }
[Sample Worker]
Stream
Shard-0
Shard-1
Kinesis 응용 프로그램
(KCL) 작업 인스턴스
시퀀스 넘버
Instance A 12345
Instance B 98765
Data Record (12345)
Data Record (24680)
Data Record (98765)
DynamoDB
Instance A
Kinesis 응용 프로그램
(KCL)
Instance B
1. Kinesis Client Library가 Shard로 부터 Data Record를 Get 2. 설정된 간격으로 일련 번호를 인스턴스의 ID를 키로 사용하여 DynamoDB의
테이블에 저장
(*)실제 Key, Attribute 이름은 동일하지 않음
Stream
Shard-0
Kinesis 응용 프로그램
(KCL) 작업 인스턴스
시퀀스 넘버
Instance A → Instance B
12345 Data Record (12345)
Data Record (24680)
DynamoDB
Instance A
Kinesis 응용 프로그램
(KCL)
Instance B
Instance A가 동작하지 않는 상황을 감지, Instance B가 DynamoDB에 저장된 시퀀스 번호 부터 데이터 Get
Stream
Shard-0
Kinesis 응용 프로그램
(KCL)
Shard 작업 인스턴스
시퀀스 넘버
Shard-0
Instance A
12345
Shard-1
Instance A
98765
Data Record (12345)
Data Record (24680)
DynamoDB
Instance A
Shard-1 이 증설된 것을 감지하여 데이터 수집을 시작하고 Shard-1 의 체크포인트 정보를 DynamoDB 에 추가
Shard-1
Data Record (98765)
New
Stream
シャード
Shard
データ レコード (12345)
データ レコード (98765)
データ レコード (24680)
데이터 레코드 (12345)
데이터 레코드 (98765)
데이터 레코드 (24680)
응용 프로그램 (KCL)
Instance A Shard 작업 인스턴스
시퀀스 넘버
Shard-0
Instance A
12345
Shard-1
Instance A
98765
응용 프로그램 (KCL)
Instance A Shard 작업 인스턴스
시퀀스 넘버
Shard-0
Instance A
24680
Shard-1
Instance A
98765
각 응용 프로그램마다 서로 다른 테이블에서 관리
Archive Table
Calc Table
Kinesis Connector Library
Kinesis Connector Library를 이용하면 S3, DynamoDB、Redshift와 같은 다른 서비스와
연동이 매우 용이함
Kinesis Connector Library는 Java를 지원
Github 링크 https://github.com/awslabs/amazon-kinesis-connectors
RedShift
DynamoDB
S3
다른 데이터 분석을 위해 저장
실시간 대시 보드 및 순위
축적된 데이터를 다각도로 분석
Kinesis
Data Record의 검색, 변환, 필터, 버퍼 및 저장등을 매우 쉽게 구현 가능
ITransformer
•Kinesis
에서
사용자가
원하는
모델로
변환
IFilter
•데이터를
필터링,
필터링을 거친
데이터가
버퍼로 이동
IBuffer
•지정된
레코드 또는
바이트까지
버퍼
IEmitter
•다른 AWS
서비스
접근
S3
DynamoDB
Redshift
Kinesis
Kinesis Connector Library
Kinesis Connector Library 샘플 코드
public class S3Pipeline implements IKinesisConnectorPipeline<KinesisMessageModel, byte[]> { @Override public ITransformer<KinesisMessageModel, byte[]> getTransformer(KinesisConnectorConfiguration configuration) { return new JsonToByteArrayTransformer<KinesisMessageModel>(KinesisMessageModel.class); } @Override public IFilter<KinesisMessageModel> getFilter(KinesisConnectorConfiguration configuration) { return new AllPassFilter<KinesisMessageModel>(); } @Override public IBuffer<KinesisMessageModel> getBuffer(KinesisConnectorConfiguration configuration) { return new BasicMemoryBuffer<KinesisMessageModel>(configuration); } @Override public IEmitter<byte[]> getEmitter(KinesisConnectorConfiguration configuration) { return new S3Emitter(configuration); } }
[Sample S3 pipeline]
JSON을 ByteArray로 변환
패스 필터
메모리 버퍼
S3에 데이터 저장
Kinesis Storm Spout • Kinesis에서 Apache Storm의 통합을 용이하게 하기 위한 Spout
• Kinesis Storm Spout은 Java 를 지원
• Github
– https://github.com/awslabs/kinesis-storm-spout
EMR Connector
• Hive、Pig、Cascading、Hadoop Streaming등 친숙한 Hadoop 관련 도구를 사용하여 Kinesis Stream의 데이터를 검색, Map Reduce 처리가 가능
• ETL 처리와 다른 Kinesis Stream, S3, DynamoDB, HDFS의 Hive Table등의 다른 데이터 소스의 테이블과 JOIN 하는것도 가능
– (예) Clickstream (Kinesis) JOIN Ad campaign data (DynamoDB)
Kinesis Stream EMR Hive
Table
Data Storage
Table Mapping
(Hive 사용의 경우)
http://docs.aws.amazon.com/ElasticMapReduce/latest/DeveloperGuide/emr-kinesis.html
EMR Connector : Hive 사용 사례
Hive 테이블 생성
Kinesis Stream 정의
HQL 실행 (예)
HQL을 실행하면 내부적으로는 Kinesis 에서 데이터를 검색, 처리
• 먼저 처리된 데이터의 중복 처리를 피하기 위해 DynamoDB 를 사용하여 체크포인트를 참조
• Data pipeline / Crontab 을 주기적으로 실행하여 Kinesis에서 주기적으로 데이터를 수신, 처리가 가능
EMR Connector : Hive 사용 사례
Kinesis의 운용
CloudWatch를 통한 모니터링
메트릭
GetRecords.Bytes GetRecords 로 얻은 바이트 수
GetRecords.IteratorAge GetShardIterator 사용 시간
GetRecords.Latency GetRecords 지연시간
GetRecords.Success GetRecords API 정상 처리 카운트
PutRecord.Bytes PutRecord 로 입력된 바이트 수
PutRecord.Latency PutRecord 지연시간
PutRecord.Success PutRecord API 정상 처리 카운트
Shard의 분산 및 병합
Shard의 용량과 실제 사용에 따라 Shard 를 분할 또는 병합하여
처리량의 확장과 비용의 최적화가 가능
SpritShard API로 분할, MergeShards API로 병합 가능 (SpritShard) http://docs.aws.amazon.com/kinesis/latest/APIReference/API_SplitShard.html
(MergeShards) http://docs.aws.amazon.com/kinesis/latest/APIReference/API_MergeShards.html
AW
S En
dp
oin
t
Availability
Zone
Shard 1
Shard 2
Shard N
Availability
Zone Availability
Zone Shard-
1
Shard-
2
Shard-
1
Shard-
2
Shard-
3
Shard-
4 분할
SpritShard와 MergeShards의 적용예
처리하고자 하는 데이터의 특성에 맞게 Shard를 운용 Shard는 시간단위로 비용이 청구되므로 낭비 없이 사용 할 수 있도록 Split /Merge 를 적용
처리량이 많아지는 시간에 Shard 를 분할하고 적어지면 병합하는 방법
SpritShard API
SpritShard에서 담당하는 Hash key 의 시작값을 지정
conn = KinesisConnection()
descStream = conn.describe_stream(stream_name)
for shard in descStream['StreamDescription']['Shards']:
StartHashKey = shard['HashKeyRange']['StartingHashKey']
EndHashKey = shard['HashKeyRange']['EndingHashKey’]
NewHashKey = (long(EndHashKey) - long(StartHashKey))/2
print "StartHashKey : ", StartHashKey
print "EndHashKey : ", EndHashKey
print "NewHashKey : ", str(NewHashKey)
ret = conn.split_shard(stream_name,targetShard,str(NewHashKey))
Boto를 사용한 예:1Stream1Shard를 절반으로 분할
StartHashKey : 0
EndHashKey : 340282366920938463463374607431768211455
NewHashKey : 170141183460469231731687303715884105727
위의 코드로 출력되는 내용: 0-34의 shard가 0-17xx , 17xx-34xx 로 분할 )
MergeShards API
MergeShards API는 기존 Shard 와 병합하려는 Shard 를 지정
conn = KinesisConnection()
conn.merge_shards(stream_name,targetShard, mergedShard)
Boto 사용 예
Digital Ad. Tech Metering with Kinesis
Incremental Ad.
Statistics
Computation
Metering Record Archive
Ad Analytics Dashboard
Continuous
Ad Metrics
Extraction
Stream을 연속으로 연결
Data Sources
Data Sources
Data Sources
Kinesis App
Kinesis App
Kinesis App
Data Sources
Data Sources
Data Sources
Kinesis App
Kinesis App
Kinesis App
Kinesis App
Data Source 그룹 A
Data Source 그룹 B
Data Source 그룹A용 ETL (클렌징)
Data Source 그룹B용 ETL (클렌징)
집계
다른 AWS 서비스와 연동
AW
S E
ndpoin
t
Kinesis App.1
Kinesis App.2
Redshift
DynamoDB
Kinesis App.3
Availability Zone
Shard 1
Shard 2
Shard N
Availability
Zone
Availability
Zone
RDS
데이터 분석가
BI도구, 통계 분석
Data as a Service를 제공
서비스 제공
S3
기업 데이터의 저장
최종 사용자에게 push
Kinesis에 의한 스트림 저장
SQS와 Kinesis의 구분 Kinesis는 Pub-Sub 메세지 모델을 구축 가능하며, Stream에서
유일한 시퀀스 넘버가 DataRecord에 부여되기 때문에 순차적인
처리가 가능하다
SQS
데이터 소스 Worker
Worker
단일 메세지 타입에 대해 여러 Worker 가 처리
Kinesis
데이터소스 Worker
A
Worker B
목적에 따라 Kinesis 응용 프로그램을 구현하여 동일한 소스 데이터를 동시에 사용 가능
실시간 대시 보드 Web로그, 센서 데이터 등 실시간 정보의 시각화 용도
단기적인 데이터의 시각화 뿐만 아니라 장기적인 분석을 위한 저장도
가능
센서
센서
센서 Kinesis App [보관]
Dashboard Kinesis App [요약, 이상 감지]
Redshift
DynamoDB
DEMO
https://github.com/awslabs/amazon-kinesis-data-visualization-sample
https://github.com/awslabs/kinesis-poster-worker
ETL
수집된 데이터의 사전 처리용도로 이용
로그
로그
로그
Kinesis App [ETL처리]
S3 EMR
버퍼
대량 데이터의 기본 버퍼로 사용
SQS에서도 같은 구성이 가능
Worker 부분에 Storm을 배포하는 조합도 가능
Data Sources
Data Sources
Data Sources
Kinesis App [Worker]
Kinesis App [Worker]
쉬운 관리
실시간 스트리밍 데이터 수집
및 처리를 위한 매니지드
서비스. Stream 구축이 매우
쉬움
실시간
스트리밍 유형의 빅데이터
처리가 가능. 몇분, 몇시간의
배치성 처리와 비교하여 몇초
이내로 데이터 처리가 가능
신축성
처리 속도와 볼륨을 원하는
대로 변경 가능하여 비지니스
요구에 맞는 스케일 업/다운이
가능
S3, Redshift, &
DynamoDB
통합
데이터의 수집, 변환, 처리 후
S3및 Redshift, DynamoDB에
저장하는것이 가능
실시간 처리
응용 프로그램
Kinesis Client Library를
이용하여 쉽게 실시간
스트리밍 데이터 처리의
구현이 가능
Low Cost
모든 규모의 워크로드를 비용
효율적으로 수용 가능
Amazon Kinesis
Amazon Elastic Map
Reduce
http://aws.amazon.com/ko/elasticmapreduce
http://docs.aws.amazon.com/ElasticMapReduce/latest/DeveloperGuide/emr-get-started-count-words.html
Amazon EMR
What is EMR?
Map-Reduce 엔진 다양한 도구와 연동 가능
하둡 서비스
대규모 병렬 처리
비용 효율적인 Wrapper
다양한 AWS 서비스 연동
EMR 의 확장
HDFS
EMR
다른 AWS 서비스 연동
HDFS
EMR
S3 DynamoDB
Hbase, Flume 연동
HDFS
EMR
S3 DynamoDB
Data management
Hive, Pig script
HDFS
EMR
Pig
S3 DynamoDB
Analytics languages Data management
Sqoop 연동
HDFS
EMR
Pig
S3 DynamoDB
RDS
Analytics languages Data management
RedShift
AWS DataPipeline
EMR bootstrap
• R
• Elasticsearch
• Ganglia
• Hbase
• Presto
• Spark
• Spark_shark
• Etc.
https://github.com/awslabs/emr-bootstrap-actions
Kinesis + Spark on EMR
• Apache Spark on EMR • 실시간에 가까운 ETL 구현이 가능 • 아래의 블로그에서 내용의 확인이 가능
https://aws.amazon.com/articles/Elastic-MapReduce/4926593393724923
EMR Cluster Kinesis
Kinesis + Storm on EMR
• Apache Storm • Github
https://github.com/awslabs/kinesis-storm-spout
Data Sources
Data Sources
Data Sources
Storm Spout
Storm Bolt
Storm Bolt
Storm Bolt
Kinesis + Machine learning on EMR
Data Sources
Data Sources
Data Sources
Machine Learning Jubatus
Archive
Notify
Training data
Ex: Online Machine Learning Integration (Jubatus)
Feedback
Amazon Redshift
http://aws.amazon.com/ko/redshift/
http://docs.aws.amazon.com/redshift/latest/gsg/getting-started.html
“데이터만 있으면 쿼리 날리는게 제일 편하죠!”
“그런데 DW 는 비싸잖아요… ㅠㅠ”
Amazon Redshift 병렬 처리가 가능한 데이터 웨어하우징 서비스
Data Warehouse as a Service – 분석을 위한 대량의 데이터를 저장,
쿼리가 가능한 데이터 베이스 서비스
확장성:수TB ~수PB
성능:컬럼 기반 저장, 대규모 병렬 처리(MPP)
비용:인스턴스를 사용한 만큼만 과금(초기 투자 비용, 라이센스 비용
필요없음)
특장점
Row 기반 vs. Column 기반
DWH 에는 컬럼 기반의 데이터베이스가 주로 사용된다
orderid name qty
1 Book 100
2 Pen 50
…
n Eraser 70
orderid name qty
1 Book 100
2 Pen 50
…
n Eraser 70
Row 기반 – 트랜젝션 처리에 유리 Column 기반 – 분석 처리 방향
내부 아키텍처
마스터 노드를 통해 쿼리를 수용, 각
노드에 수행할 쿼리를 전달
각 컴퓨팅 노드에서 쿼리를 병렬 실행
각 컴퓨팅 노드의 로컬 스토리지에 데이터를 유지
4개의 타입의 컴퓨팅 노드를 선택 가능
BI 도구
마스터 노드
컴퓨팅 노드
컴퓨팅 노드
컴퓨팅 노드
JDBC/ODBC
10GigE Mesh
SQL Endpoint: •쿼리를 병렬처리 •결과를 취합
실제 쿼리 수행 노드 •“N” 스케일 아웃 •로컬 디스크의 사용
클러스터의 확장성 (dw1)
단일 노드 (2TB)
클러스터 2 ~ 32 노드 (4TB – 64TB)
클러스터 2 ~ 100 노드 (32TB – 1.6PB)
Extra Large Node (XL)
8 Extra Large Node (8XL)
단일 노드 (160GB)
클러스터 2 ~ 32 노드 (320GB – 5.12TB)
클러스터 2 ~ 100 노드 (5.12TB – 256TB)
Large Node (XL)
8 Extra Large Node (8XL)
클러스터의 확장성 (dw2)
테이블 디자인
- 최적의 SORTKEY 선택이 필요
SORTKEY 에 따라 데이터를 디스크에 순차적으로 저장
쿼리 옵티마이저는 SORTKEY 에 따라 실행계획을 구축
- 최적의 DISTKEY 선택
DISTKEY 는 컴퓨팅 노드간의 데이터 배치를 결정하는데 사용
- 최적의 압축 유형 선택
다수의 압축 알고리즘에서 선택 가능
- 제약 조건의 정의
기본키 제약 조건과 외래키 제약 조건은 실행계획을 만들때
팁으로 사용됨
SORTKEY 선택 - SORTKEY
SORTKEY 에 따라 디스크에 데이터를 순차적으로 저장
쿼리 옵티마이저는 정렬 순서를 고려하여 최적의 쿼리 실행
계획을 구축
- Tips
특정 컬럼에 대해 잦은 범위 검색 또는 등식 검색이 필요한 경우
SORTKEY 로 지정
-> 검색되지 않는 블록에 대한 접근을 생략하여 높은 성능을 유지
자주 조인하는 경우 해당 컬럼을 SORTKEY 및 DISTKEY 로
지정
-> 해시 조인 대신 정렬 병합 조인이 선택됨
SORKEY 예제
Orderdate 컬럼을 SORTKEY 로 지정한 경우:
2013/07/17
2013/07/18
2013/07/18
2003/07/19
…
I0001
I0002
I0003
I0004
・・・
2013/08/20
2013/08/21
2013/08/22
2013/08/22
…
I0020
I0021
I0022
I0023
orderdate … orderid
SELECT * FROM orders WHERE
orderdate BETWEEN ‘2013-08-01’ AND
‘2013-08-31’;
쿼리와 관련이 없는 데이터 블록은
건너뛰고 해당 블록만 참조
SORKEY 예제
DISTKEY 선택 - DISTKEY
DISTKEY 는 테이블의 데이터가 어떻게 분산되어 저장될지를
결정
지향해야 할 목표
노드 슬라이스간에 최대한 데이터를 고르게 분산 해야 함
-> 편향된 데이터의 저장은 특정 노드의 부하를 증가시켜 전체
처리성능을 지연시킬 가능성이 있음
조인이 필요한 경우 컴퓨트 노드간 데이터의 전송을 최소화
하기 위한 데이터 배열을 염두
- 분산 방식: CREATE TABLE ~ DISTSTYLE EVEN | KEY
Even distribution:라운드 로빈의 형태로 데이터를 분산
Key distribution:DISTKEY 에 따라 데이터를 분산
http://docs.aws.amazon.com/redshift/latest/dg/t_Distributing_data.html
압축 유형 선택(1)
데이터 압축을 통해 1회의 IO로 읽을 데이터의 양을 증가
Redshift는 1MB의 블록 크기를 사용함
데이터 압축시 CPU 자원을 사용
「analyze compression」커맨드는 최적의 압축 알고리즘을 제시해 줌
analyze compression listing;
Table | Column | Encoding
---------+----------------+----------
listing | listid | delta
listing | sellerid | delta32k
listing | eventid | delta32k
listing | dateid | bytedict
listing | numtickets | bytedict
listing | priceperticket | delta32k
listing | totalprice | mostly32
listing | listtime | raw
압축 유형 선택(2)
데이터 압축 알고리즘
- RAW:압축하지 않음
- BYTEDICT:CHAR 와 같이 고정된 크기 제한을 가지는 컬럼에 적합
- DELTA/DELTA32K:연속되는 값을 최적화(datetimes、sequence 등)
- LZO : JSON string 을 가지는 VARCHAR, CHAR 와 같이 많은 데이터를 가지는
컬럼에 유용. 높은 압축률을 자랑
- MOSTLY8、MOSTLY16、MOSTLY32:대부분의 값이 낮은 범위의 비트 숫자에
집중되는 경우 최적화
- RUNLENGTH:동일한 값이 자주 연속되는 경우 최적화
- TEXT255/TEXT32K:텍스트 내의 단어 사전을 이용
http://docs.aws.amazon.com/redshift/latest/dg/c_Compression_encodings.html
데이터 압축의 예
Orderdate 컬럼에 DELTA 인코딩을 적용:
2013/08/20
2013/08/21
2013/08/22
2013/08/22
…
I0020
I0021
I0022
I0023
orderdate … orderid
2013/08/20
1
1
0
…
I0020
I0021
I0022
I0023
레코드가 저장될때 4바이트 DATE 형태로 저장되는 것이 아니라 이전 레코드와 차이를 나타내는 숫자로 저장된다.
주의: 이 내용은 개념을 설명하기 위한 것이며, 실제 사용시에는 테이블 생성 이후 인코딩의 변경은 불가능
제약 조건의 정의
기본키와 외래키 제약 조건은 어디까지나 정보로만 간주됨
쿼리 플래너가 실행 계획을 만들때 힌트로 사용
주의 사항
플래너는 제약 조건이 정의 되어있는 경우 항상 데이터가 타당하다고
인식 (예: 고유 및 외래키로 참조 가능)
일관성이 없는 데이터는 잘못된 쿼리 결과를 출력할 수도 있다
데이터의 유효성이 확실한 경우에만 제약 조건을 정의
데이터의 로딩
AWS 의 다양한 서비스에서 데이터의 로딩이 가능 Amazon S3 에서 각 노드에 병렬로 데이터를 로드 Amazon DynamoDB 테이블의 데이터를 로드 Amazon EMR (예정) 데이터 로드시 발생한 오류를 추적 가능
스타 스키마, 인덱스는 필요하지 않음 RDBMS와 비교하여 x 2 – 4 배의 압축
다양한 압축 알고리즘을 채용 자동 압축 가능
데이터의 로딩
Amazon S3 에 저장된 데이터를 COPY 를 사용하여 로딩
% psql --host=mydb.wetyuioop.us-east-1.redshift-
dev.amazonaws.com --port=5439 –username=admin --
dbname=mydb
mydb=# copy customer from 's3://data/customer.tbl.1'
credentials
'aws_access_key_id=XXXXYYYYZZZZ;aws_secret_acc
ess_key=abcdefghijklmn' delimiter '|';
성능 조정시 고려사항
성능을 확인하는 방법
EXPLAIN 명령의 사용, SVL_QUERY_SUMMARY,
SVL_QUERY_REPORT 테이블 참조
쿼리 실행 계획의 분석, 필요에 따라 쿼리를 수정
얼마나 많은 자원을 소비하는지 확인하는 방법
쿼리 수행시 결과를 출력하기 위해 사용되는 I/O 모니터링
메모리 소비량을 분석
스키마의 재설계, SORTKEY 와 DISTKEY
쿼리가 다른 쿼리의 완료를 대기하고 있는지의 여부
각 쿼리의 실행 시간을 파악하고 우선 순위를 결정
다수의 대기열을 정의하고 여기에 쿼리를 입력
쿼리의 분석(1)
EXPLAIN 커맨드
EXPLAIN 을 통해 확인 할 수 있는 내용:
쿼리의 실행 단계
각 단계에서 어떠한 작업이 수행되는지
각 단계에서 어떤 테이블, 컬럼이 사용되는지
각 단계에서 얼마나 많은 데이터를 처리할 필요가 있는지
105
explain select avg(datediff(day, listtime, saletime)) as avgwait from sales, listing
where sales.listid = listing.listid;
QUERY PLAN
XN Aggregate (cost=6350.30..6350.31 rows=1 width=16)
-> XN Hash Join DS_DIST_NONE (cost=47.08..6340.89 rows=3766 width=16)
Hash Cond: ("outer".listid = "inner".listid)
-> XN Seq Scan on listing (cost=0.00..1924.97 rows=192497 width=12)
-> XN Hash (cost=37.66..37.66 rows=3766 width=12)
-> XN Seq Scan on sales (cost=0.00..37.66 rows=3766 width=12)
http://docs.aws.amazon.com/redshift/latest/dg/c-optimizing-query-performance.html
쿼리의 분석 (2)
대량의 데이터를 업데이트 한 경우에는 ANALYZE 를 사용하여 통계를 갱신.
쿼리의 실행 계획이 변경될 수도 있음
STL_EXPLAIN 테이블 참조 (이전에 실행된 쿼리 분석)
SVL_QUERY_SUMMARY 와 SVL_QUERY_REPORT 에 더 자세한 정보가
포함되어 있으므로 참조
106
analyze lineitem;
select query,nodeid,parentid,substring(plannode from 1 for 30),
substring(info from 1 for 20) from stl_explain
where query=10 order by 1,2;
query | nodeid | parentid | substring | substring
------+--------+----------+---------------------+---------------------
10 | 1 | 0 | XN Aggregate (cost=6350.30... |
10 | 2 | 1 | -> XN Merge Join DS_DIST_NO | Merge Cond: ("outer"
10 | 3 | 2 | -> XN Seq Scan on lis |
10 | 4 | 2 | -> XN Seq Scan on sal |
쿼리의 분석(3)
Management Console 에서 확인
각 쿼리의 내용 및 부하정도를 확인 가능
Amazon Redshift 의 장점
DW를 위한 초기 비용이 필요하지 않음
DWH에 필요한 Disk 를 할당하고 사용한 만큼만 과금
확장성
필요할때 노드를 추가함으로서 데이터 저장공간의 확장이 매우 쉽다
운영과 관리가 매우 편리
Management Console 에서 클러스터의 생성, 크기 조정, 복원 및 백업이
모두 가능
정리
데이터 생성 : 게임 서버, 엔드 유저 클라이언트
데이터 수집 : Amazon Kinesis
데이터 저장 : Amazon S3
데이터 실시간 분석 : EMR Storm / Spark / Kinesis Client / Lambda
데이터 웨어 하우징 : Amazon Redshift
중요한 점은
아이디어
(가설)
개발
배포
분석
• 분석은 반드시 필요
• 적절한 방법을 선택
• AWS 에서는 배치/실시간이
모두 손쉽게 가능
• 비용이 매우 저렴
지금 바로 Concept 을 확인해 보세요
Game servers Kinesis stream Kinesis
Client
Log store
Log data record Get data Store
EMR Redshift
DynamoDB
Co
py
BI
Real time/
Batch
로그인 / 로그아웃 데이터 부터
aws.amazon.com/ko/game-hosting