Upload
-
View
814
Download
6
Embed Size (px)
DESCRIPTION
Microsoft의 엔터프라이즈 컨퍼런스 중 Microsoft의 Big Data Solution 체계에 대한 소개와 고객사(신세계)에서 적용한 사례 발표 내용입니다. Open Source 기반의 저비용 Big Data 관리 체계에 더하여, 현 시점에서의 Open Source 진영의 취약점인 Big Data 활용 관점에서의 보완책으로 기존의 DW/BI 아키텍쳐가 결합된 사례 이며, 이를 위한 핵심 컴포넌트로 Polybase가 국내에서 최초로 적용되었습니다. Polybase에 대한 보다 자세한 내용은 다음 사이트 - Microsoft Gray SystemLab : http://gsl.azurewebsites.net/Projects/Polybase.aspx - 에서 확인하실 수 있습니다. Back-end Infra인 Hadoop Echo 와 MPP 장비인 PDW 그리고 가장 활용성 높은 Microsoft BI 체계가 결합된 Big Data Hybrid Architect로 향후 상당 기간은 이와 유사한 아키텍쳐가 주류를 이룰 것으로 예상됩니다.
Citation preview
Microsoft
Enterprise Conference 2013Reimagining Your Enterprise with Microsoft!
유통/서비스 고객을 위한마이크로소프트의 BIGDATA 전략 및 고객 적용 사례
한국마이크로소프트박명은 부장신세계 김훈동 과장
Enterprise Conference 2013
70% 의 미국
스마트폰 유저는
모바일 디바이스를
통해 온라인 쇼핑
44% 유저는
모바일 디바이스를
통해 페이스북 접근
(350M people)
50% of
millennial 는 모바일
디바이스를 통해
제품 리서치
60% 의 미국
모바일 데이터는
오디오/비디오
스트리밍 데이터로
예상 (2014)
Mobility
2/3 전세계 모바일
데이터 트래픽은
비디오 데이터로
예상됨 (2016기준)
33% 의 BI 는
휴대용 디바이스를
통해 서비스 될 것임
게임 콘솔이 평균적으로
1.5 hrs/wk을 인터넷을 접속하기 위해 사용함
80% 비정형
데이터가 증가 될
것으로 예상 (향후
5년내 )
1.8 zettabytes
디지털 데이터가
사용됨 (2011기준)
2010기준 30% 증가함
1 in 4페이스북 유저는
그들의 주소를
페이스북 상에
포스트함
(2B/month).
500M 트윗은
매일 발생함
38% 유저는
쇼셜상에서 “follow”
or “like” 를 통해
브랜드를 추천함
100M페이스북 “likes”/일
Brands get
빅데이터
소셜
모바일클라우
드
신규 데이터에 대한 비즈니스 분석 Needs
Enterprise Conference 2013
기존 방식의 분석 플랫폼 Challenge
Enterprise Conference 2013
Modernized Data Warehouse
소프트웨어
협업
Self-service BI
가상화
“Big Data”
“In-Memory”
대규모 병렬 처리
HW 어플라이언스
클라우드
Enterprise Conference 2013
Modern Data Warehouse
Enterprise Conference 2013
Modern Data Warehouse
Enterprise Conference 2013
Unstructured
Structured
Power Pivot
PowerView
PowerQuery
IT 프로비저닝
자가 서비스
Analytical
RelationalNon-relational
In-memory/OLAP
모든 데이터
Power Map
신속한 데이터 분석
소셜 웹 API
Enterprise Conference 2013
Microsoft’s Modern Data Warehouse
Structured:e.g.MM/DD/YYYY
Semi-structured:
e.g. web logs, RFID,
“the internet of things”
APPSBiz process
ERP, CRMBusiness
“Data
Scientists”“Quants”
EDW
E
T
L
DM
DM
DM
INFRASTRUCTURE TOOLS USERSDATA SOURCES
“Whiteboard”
Known, known
DATA TYPES
Machines“The Internet
of things”
Social MediaWeb Logs
PDW
HDInsights
HDP on Windows
Power BI
unknown,
unknownBig Data
Hadoop
P
OL
YB
AS
E
The Modern Data Warehouse
Enterprise Conference 2013
Enterprise Conference 2013
신속한 데이터 접근: 병렬과 확장성
MPP 기반 SQL Server 2012 Parallel Data Warehouse
Enterprise Conference 2013
신속한 데이터 접근 : 실시간 분석을 위한 In-Memory 기술
SQL Server 2012 Parallel Data Warehouse 컬럼단위 데이터 저장
Custo
mer
Sale
s
Country
Supplie
r
Pro
ducts
Enterprise Conference 2013
모든 데이터 타입 : “Big Data”
HDInsights in Azure and HDInsights in PDW
Enterprise Conference 2013
Enterprise Conference 2013
익숙한 툴 기반으로 손쉬게 데이터 접근
Power View and PowerPivot visual and modeling tools
Enterprise Conference 2013
직관적인 시각화
Preview: Project codename “GeoFlow”
Enterprise Conference 2013
관리의 편리성
SharePoint 온라인/오프라인
Enterprise Conference 2013
Enterprise Conference 2013
어플라이언스
SQL Server 2012 Parallel Data Warehouse
Enterprise Conference 2013
Microsoft BIG DATA 국내 구축 사례
Enterprise Conference 2013
SHINSEGAE BigData – Our Team
신세계그룹 -> S.COM -> DataLab팀(가칭) ->’Money Mall’ Project
”돈이 되는, 숫자로 말하는 쇼핑몰” 만들기 Project
Enterprise Conference 2013
SHINSEGAE BigData – Our Goal
Our Big Picture
실시간수집
Enterprise Conference 2013
SHINSEGAE BigData – 도입배경
What is it? ( ROI 측면에서 ) Why it?
Traditional Method BigData Method
Open Source… Free…
But, ?? Cost & ?? Return
And, High Risk & High Return
DW Appliance 30 TBHadoop Cluster 420 TB
(SW = 0, only HW)
VS
In-Memory Appliance 128 GB + Real-
time Engine
In-Memory NoSQL 1TB
Real-time Analytics
(SW = 0, only HW)
Volume
25:1
Ve locity
10:1
Mining SW + Text Mining SW +
Weblog SW
+
Mining Model Development Cost
Open Source R + Mahout SW = 0억+
R + Mahout Development COST = ??
Variety
& Value
15+α:1
Very High Cost & Middle-High Return
or
VS
Investment
측면
Return
측면
Enterprise Conference 2013
SHINSEGAE BigData – Architecture1
TO-BE 정보계 & BigData Eco Systems
S.com ODS
OLAP/ BI
Mining
Campaign
Mart
EDW
BigData (Hadoop)NoSQL 캐시 & 랜덤 억세스
ETL / Batch
운영계 분석계
Off-line
shin.mall
e.mall
MS Solution
Enterprise Conference 2013
SHINSEGAE BigData – Architecture2
MS Solution 선택 배경
DW / ETL
BI (OLAP + EIS) + α
BigData 연동성 (with PolyBase)
MSPDWHadoop
Combine(with Polybase)
Insight
• 관리 UI 및 사용성 매우 우수• 비용 ROI 매우 우수• MPP 성능 확장성 우수• 동접처리 우수• 백업 및 장애 대처 우수• 컬럼인덱스, ROLAP + MOLAP+ RDBS 연
동기능 매우 우수
• 아래 5가지 기술의 조합 & In-Memory(Tabular) + Local-Memory(PowerPivot)확장• PowerPivot + PowerView + SharePoint + Silverlight + .NET Framework • 생산성 + 화려함 + 연동&융합 + 커스텀&디테일 + 확장성&성능&다양한UX
&성능 &간편함 &공유 &크로스브라우징 &풍부한API
MS PDW
MS BI
Enterprise Conference 2013
SHINSEGAE BigData – Architecture3
MS Solution 선택 배경2
Hadoop Eco System + MS Tech Mesh Up
Development Benefit
Cloud Infra / SAAS
• 개발자 & Power Data Scientist 환경 : Windows OS + Windows HDP + Java M.R. or C# Streaming + Linq To Hive & Avro Support (http://hadoopsdk.codeplex.com)
• Visual Studio 2013 IDE : Python Support. (+ Django Web Framework) , Python Streaming.C# Streaming. Run-Time Remote Debugging.
• Production 에 부하를 주지 않는 Exploring Mart 역할. Local Power Pivot Visualization.
• STORM vs MS-SQL StreamInsight• R, Mahout vs MS-SQL SSAS Data Mining• Redis, Memcashed vs Tabular • R, D3, jQuery vs
PowerPivot, PowerView, SilverLight
• HDInsight ( PDW + HDFS ) 옵션• Windows Hyper-V 가상화 : 운영이 아니
더라도 Staging & Dev 영역에서 충분한강점.
• Windows Azure Storage : Out of date data 에 대한 고려( Hadoop Connection)
Enterprise Conference 2013
SHINSEGAE BigData – 기대효과1
BigData Visualization
& In-Memory Performance
Hadoop Eco Systems
NoSQL
PDW ( with PolyBase )
Tabular
Power Pivot / Silverlight
Enterprise Conference 2013
SHINSEGAE BigData – 기대효과2
Performance & Productivity
• TEST 시스템 : PolyBase(MS PDW ver2 Half Rack), Hive(24TB,48Gb,12core * 5대 + 4TB,64Gb,12Core * 2대)• TEST Full Scan Avg Query : (Hive 용 기준)
• SELECT avg(scm.qty) FROM scm JOIN item ON (item.item_id = scm.item_id AND item.cat_lvl1 > 5) ;
• TEST Full Scan Group By Query : (Hive 용 기준)• SELECT item.cat_lvl1 , count(*)
FROM scm JOIN item ON (item.item_id = scm.item_id AND item.cat_lvl1 > 5) GROUP BY item.cat_lvl1;
Full Scan Avg Join (726Mb,21Mb)
Full Scan Group By Join(726Mb,21Mb)
Full Scan Avg Join (7.2GB,212Mb)
Full Scan Group By Join(7.2GB,212Mb)
Hive 35.469 초 88.21초 33.884초 85.147초
PDW PolyBase 16초 51초 18초 48초
Enterprise Conference 2013
SHINSEGAE BigData – 기대효과3
Performance & Productivity
Enterprise Conference 2013
SHINSEGAE BigData – 기대효과3
BigData Collection Infra & Usage
Enterprise Conference 2013
SHINSEGAE BigData – Road Map
Road Map & Future Work
온-오프통합한 옴니 채널
• 마트 & 백화점• 온라인 & 오프라인• 내부 & 외부
Enterprise Conference 2013
Microsoft’s Modern Data Warehouse
HDInsights Service
Enterprise Conference 2013
감사합니다.