�ݺ�ߣ

Spark와 HDP, 완벽한 조합
(Hortonworks Data Platform)
최종욱
기술이사, Hortonworks Korea
© Hortonworks Inc. 2011 – 2015. All Rights Reserved

왜 오픈 엔터프라이즈 Hadoop인가?
빅데이터 시대의 분산 저장/분석 플랫폼

4ZB
DATA
MOBILE
DEVICES
HUMAN
CONTENT
INTERNET
OF
THINGS
44ZB
DATA
Page 3 © Hortonworks Inc. 2011 – 2015. All Rights Reserved
Source: http://www.emc.com/leadership/digital-universe/2014iview/executive-summary.htm

위기
기존의 데이터 아키텍처는 데이터를 접근 불
가능하게, 불완전하게, 무관하게, 그리고 비
싸게 만듭니다

기회
Apache™ Hadoop® 은 여러분의 사업을
변화시켜, 어떤 고급 분석 응용 프로그램도
빅데이터에 접근 가능하게 만듭니다

Hadoop을 향한 두 가지 접근법
사 유 소 프 트 웨 어
App
App App App
App
App
오 픈 엔 터 프 라 이 즈 H A D O O P
오 픈 커 뮤 니 티

오픈
엔터프라이즈
Hadoop
개방성
호환성
집중성
준비성

Payment
Tracking
Call
Analysis
Machine
Data
Product
Design
Social
Mapping
Factory
Yields
Defect
Detection
Due
Diligence
M & A
Proactive
Repair
Disaster
Mitigation
Investment
Planning
Next
Product
Recs
Store
Design
Risk
Modeling
Ad
Placement
Inventory
Predictions
Sentiment
Analysis
Ad
Placement
Basket
Analysis
Segments
Customer
Support
Supply
Chain
Cross-
Sell
Customer
Retention
Vendor
Scorecards
Optimize
Inventories
기업의 경영진들은 새로운 통찰, 종합적 관점, 예측적 분석이라는 빅데이터의 새로운 활용을 강화하는 차세
대 응용 프로그램들을 활용하여 변화된 성과를 이끌어내고 있습니다.사업적 성과
새로운 통찰
종합적 관점 예측적 분석

Historical
Records
OPEX
Reduction
Mainframe
Offloads
Fraud
Prevention
Data
as a
Service
Public
Data
Capture
비용 절감
IT 경영진들은 오픈 엔터프라이즈 Hadoop을 사용하여 기존 데이터 아키텍처를 현대화하여 상당한 운영
비용 절감을 달성하고 있습니다. 이러한 비용 절감 혁신은 콜드 데이터의 활성 보존본, ETL 오프로드, 그리
고 기존 데이터의 보강을 포함합니다.
Digital
Protection
Device
Data
Ingest
Rapid
Reporting
활성 보존본 ETL 오프로드 데이터 보강

Hortonworks의 고객들은 우리의 기술을 활용하여 새로운 사업적인 성과를 이루거나 비용을 줄여 그들의
사업을 변화시킵니다. 이 두 목표의 여정은 보통 다양한 용도에 걸쳐 함께 이루어집니다.고객의 여정
Social
Mapping
Payment
Tracking
Factory
Yields
Defect
Detection
Call
Analysis
Machine
Data
Product
Design
M & A
Due
Diligence
Next
Product
Recs
Store
Design
Risk
Modeling
Ad
Placement
Proactive
Repair
Disaster
Mitigation
Investment
Planning
Inventory
Predictions
Customer
Support
Sentiment
Analysis
Supply
Chain
Ad
Placement
Basket
Analysis
Segments
Cross-
Sell
Customer
Retention
Vendor
Scorecards
Optimize
Inventories
OPEX
Reduction
Mainframe
Offloads
Historical
Records
Data
as a
Service
Public
Data
Capture
Fraud
Prevention
Device
Data
Ingest
Rapid
Reporting
Digital
Protection
새로운 통찰
종합적 관점 예측적 분석
활성 보존본 ETL 오프로드 데이터 보강
탐 색 최 적 화 전 환

왜 Hortonworks인가?
오픈 엔터프라이즈 Hadoop의 리더

Hortonworks만이 오픈 엔터프라이즈 Hadoop을 제공
H O R T O N W O R K S D ATA P L AT F O R M
YARN: 데이터 운영 체제
클릭스트림 센서 소셜 모바일 위치 서버 로그
배치 인터랙티브 검색 스트리밍 기계 학습
기존

Hortonworks는 Apache
커뮤니티에 큰 영향력을 행사
커미터들을 고용
Apache Hadoop™ 프로젝트 커미터의 1/3, 다른 중
요한 프로젝트에서도 다수 고용
우리의 커미터들이 혁신을 주도
오픈 엔터프라이즈 Hadoop을 확장
Hadoop 로드맵에 영향력을 행사
우리의 리더를 통해서 중요한 요구사항들을 커뮤니
티에 주고 받음
A PA C H E H A D O O P C O M M I T T E R S

STORAGE
STORAGE
Hortonworks는 전체 생명주기 지원을 제공
Hortonworks 전문성
오픈 엔터프라이즈 Hadoop의 실제 설계자들의 전
문성
연간 구독
고객사의 성공 = 우리들의 성공
Apache 커미터
고객사의 요구사항을 대변, 고객사에 로드맵을 제시
하여 고객사의 여정을 도움설계 및 구현
배포
운영
Project 1
Project 5
Project 4
Project 3
Project 2
Project 6
확장

Hortonworks는 선제적인 지원을 제공
Hortonworks SmartSense™
고객사의 클러스터에 대한 기계 학습과 예측적 분석
통합 고객 포털
지식 베이스 및 온디멘드 교육
지식 베이스
통합 고객 포털
온디멘드 교육
고객사 환경
모든 클라우드 • 하이브리드 환경 • 멀티터넌트
Hortonworks SmartSense

Hortonworks가 시장을 주도
Hortonworks는 리더
Hadoop 시장에서, 포춘 100대 기업의 40%를 지
원하고 있음
•  F100 통신기업 75%
•  F100 상해보험 65%
•  F100 제조기업 55%
•  F100 유통기업 46%
•  F100 건강보험 40%
“Hortonworks는 오픈소스 혁신을 사랑
하며 활성화시킨다”
– 2014 Forrester Wave 보고서 평가
“The Forrester Wave™: Big Data Hadoop Solutions”

Hortonworks 소개
고객 확장세
•  556개 고객사 (2015년 8월 5일 기준)
•  2015년 2분기 119개 신규 고객사
•  NASDAQ에 상장됨: HDP
Hortonworks Data Platform
•  모든 응용과 모든 데이터를 위해 완전한 오픈 멀티터넌
트 플랫폼
•  보안, 운영, 거버넌스를 위해 일관된 기업 서비스
고객 성공의 동반자
•  오픈소스 커뮤니티의 리더이며, 기업이 필요로 하는 혁
신에 집중
•  비교 불허의 Hadoop 기술지원 구독
2011년 설립
Yahoo!의 최초 24명의
Hadoop 설계자, 개발자, 운영자
740+
임 직 원
1350+
생 태 계 협 력 사

Hortonworks가 최고 IT 필수품으로 평가됨
최고의 IT 필수품
빅데이터, 웨어하우징, 분석 용도중에서
Hortonworks는 상위에 평가됨
모든 다른 Hadoop 배포판은 하위에 평가됨
개방성, 완전성, 집중형 아키텍처
특별한 기능으로 인용됨
2015년 6월 지출 목적
Shared Accounts of Hortonworks (A, I) (All Cut, n=35)
Hortonworks, Big Data#1
Microsoft, Hosting#2
MongoDB, Warehousing#3
Tableau, Big Data#4
최고 벤더 20
Source: https://hortonworks.com/blog/cio-survey-hortonworks-data-platform-now-a-top-it-imperative/

Spark와 HDP, 완벽한 조합
Spark on YARN, 그리고 그 이상

우아한 개발자 API
DataFrames, 기계 학습, 그리고 SQL
인터랙티브 데이터 과학
모든 응용 프로그램들은 대용량인 동시에 정밀한 예측이 필요
기계 학습을 대중화
Hive가 Hadoop에서 SQL을 했듯이 Spark가 Hadoop에서 기계 학습
을 수행
커뮤니티
개발자, 고객, 그리고 파트너의 폭 넓은 관심
데이터 운영 체제의 가치를 현실화
Hadoop 도구 상자의 주요한 도구
Hortonworks가 Spark를 사랑하는 이유
Storage
YARN: Data Operating System
Governance Security
Operations
Resource Management

리소스 관리
YARN이 예측 가능한 SLA 안에서 멀티터넌트, 다양한 워크로드를 제공
계층적 메모리 저장소
오프-힙 RDD 캐시를 위한 HDFS 인메모리 티어
SQL에는 SparkSQL와 Hive
최신 메타스토어와 상호작용, HS2; 최적화된 ORC 지원
Spark와 NoSQL
RDDs for predicate pushdown을 통한 HBase와 깊은 통합
알고리즘에서 용례로 – 흩어진 점들을 연결
고수준 기계 학습 추상화 – 검증, 튜닝, 파이프라인 조립… 예: 위치
사용 편의성
인터랙티브 노트북 용으로 Apache Zeppelin을 사용
Spark와 Hadoop – 어떻게 나아질 수 있을까?
Storage
Governance Security
Operations
Resource Management

메타데이터 및 거버넌스
메타데이터를 위한 Apache Atlas, Spark 파이프라인을 위한 Apache
Falcon 지원
보안 및 운영
Apache Ranger로 관리되는 인증, Apache Ambari를 통한 배포 및
관리
어느 곳에서 배포 가능
Linux, Windows, 온프레미스 또는 클라우드
셀프 서비스된 클라우드 상의 Spark
Cloudbreak와 Ambari를 통해 데이터 과학 클러스터를 쉽게 실행 -
Azure, AWS, GCP, OpenStack, Docker를 모두 지원
Spark와 Hadoop – 어떻게 나아질 수 있을까?
Storage
Governance Security
Operations
Resource Management

실제 세계의 용례에 대해 이야기합시다!

CDO (최고 데이터 관리자) 요구
안정성을 높이고 불리한 상황을 줄임
운전 위반이 발생하기 전에 대응하고 예방적인 행
동을 취함
개발 팀의 응답
프로그램에 날씨 데이터와 운전 기사 프로필을 추가
예측 모델 특징을 위해 데이터를 탐색
예측 모델을 훈련 및 생성
운전 위반 사항을 실시간으로 예측하도록 모델을 본래
응용 프로그램에 추가
트럭 운행 용례: 실시간, 예측적 응용

데이터 과학: 클라우드에서 데이터 탐색 및 모델 생성
클릭-스루 데모
클라우드에서 데이터 과학 환경
을 배포
데이터 과학 노트북을 사용하여
데이터를 탐색
예측적 모델을 생성하기 위해
알고리즘을 실행
Cloudbreak
1.  클라우드 선택
2.  Spark blueprint
선택
3.  HDP 실행
Microsoft Azure

Login to launch.hortonworks.com
which is a self-service portal for
launching HDP clusters to the cloud
(cloudbreak.sequenceiq.com)

Select a cloud provider, then start the
process of creating your cluster

Name the cluster, choose your region,
and pick your blueprint…in this case,
we want “hdp-spark-cluster” for our
data science work

We clicked “create cluster” and
Cloudbreak is now provisioning our
Spark environment on Azure

We can now access Zeppelin which is
a data science notebook for Spark
that’s similar to iPython notebook

Let’s look at our data. We can see
eventType, if the driver’s certified, how
many hours driven, as well as weather
data such as foggy, rainy, etc.

Let’s start asking questions of our
data; such as, does fatigue cause
violations?

Let’s view the data in a pie chart
graphic to see how violations look by
hours driven.

How are violations impacted by fog?

Does location have an impact on
incidents?

OK, we’ve learned enough about the
data and what features we want to
include in our model. So we’ll run a
logistic regression on training data.

Let’s run our code

Let’s look at our model.
Next step is to hand the model off to
the Enterprise Architect to integrate
into our real-time application.

YARN 위의 응용 프로그램
HDFS에 저장된 트럭 회사의 데이터 세트
실시간 예측 응용 프로그램 아키텍처
여러분의 BI 도구
예측 응용 프로그램
트럭 센서
응용 경보
(ActiveMQ)
메시지
SQL 스트림 NoSQL기계 학습
Use
Model

Storm에 Spark 기계 학습을 통합
실시간 예측을 위한 아키텍처

트럭 센서
HDFS
YARN
예측 분석을 스트림 프로세싱에 통합
스트림 처리
(Storm)
메시지 수신
(Kafka)
인터랙티브 질의
(Hive on Tez)
실시간 조회 (HBase)
수백만의 보완된 트럭 이벤트들
Predic'on
��Bolt
��
Spark 모델을 Storm
볼트에 삽입
기계 학습 (Spark)
Spark 기계 학습 모델을
수백만의 트럭 이벤트로 훈련

Pig를 통해 분석용으로 트럭 이벤트를 보완
HDFS
�� 트럭 이벤트날씨 데이터 세트
날씨 데이터
HCatalog (메타데이터)
직원 데이터
조직도 및 직원 DB
트럭 이벤트
적재
정제 및 필터
정제된
이벤트
변환된 이벤트
변환
조직도 및 날씨 데이
터와 결합
보완된 이벤트
보완된 이벤트
저장
Tableau
��
��

예측적 Spark 기계 학습 Bolt를 사용한 트럭 데모
분산 저장소: HDFS
YARN
Storm 스트림 처리
Kakfa
��Spout
��
HBase
��
직원 정보
테이블HBase
Bolt
HDFS
Bolt
트럭 이벤트
Active
MQ
감시 Bolt
웹 앱
트럭 스트리밍 데이터
T(1) T(2) T(N)
메시지 수신 (Kafka)
트럭 이벤트 토픽
예측 Bolt
이벤트
보완실시간으로 위반
을 예측하여 MQ
로 경고
실시간 예측을 사
용자 인터페이스에
표시

HDP 에서 예측 모델을 생성
Tableau
이벤트의 작은 서브 세트를 탐색하여 예측에 관련된 특징을
식별해내고 가설을 세움: “안개 낀 날씨는 운전 위반을 발생시
킨다”
1
모델을 학습시키기에 알맞은 기계 학습 알고리즘을 식별함 –
여기선 이벤트 데이터에 라벨을 붙였기에 분류 알고리즘들을
사용할 예정임
2
보완된 이벤트 데이터를 Spark MLlib에 친화적인 형태
로 변환 – 많은 기계 학습 라이브러리는 훈련 데이터가
특정한 형식이어야 함
3
위의 이벤트들을 훈련 입력으로 사용하여 YARN에서 회귀
분류 Spark 모델을 훈련하고 생성된 모델이 정밀해지도록
반복 훈련
4
Spark MLlib 모델을 Storm bolt로 통합하여 위반을 실시간
으로 예측
5

Spark MLlib용 훈련 데이터 변환
보완된 이벤트 데이터
이벤트
종류
자격증
소지 여부
임금
방식
운전
시간
운전
거리
위도 경도 날씨 안개 날씨 우천 날씨 강풍
정상 예 시간 45 2721 -91.3 38.14 아니오 아니오 아니오
과속 아니오 거리 72 4152 -94.23 37.09 예 예 아니오
… … … … … … … … … …
Spark MLlib 훈련 데이터
라벨 자격증
소지 여부
임금
방식
운전
시간
운전
거리
날씨 안개 날씨 우천 날씨 강풍
0 1 1 0.45 0.2721 0 0 0
1 0 0 0.72 0.4152 1 1 0
… … … … … … … …
정상 이벤트는 0,
위반 이벤트는 1
알고리즘 성능 개선을 위해
특징들의 축척을 조정
이진 값을 가지는
특징은 0과 1으로 표현

Spark 기계 학습을 YARN에서 실행
1
spark-submit --class org.apache.spark.examples.mllib.BinaryClassification --master yarn-cluster
--num-executors 3 --driver-memory 512m --executor-memory 512m
--executor-cores 1 truckml.jar --algorithm LR --regType L2 --regParam 1.0 /user/root/
truck_training
--numIterations 100
spark-submit 스크립트를 실행하여 Spark job을 YARN 위
에 구동
HDFS 상의
훈련 데이터 위치
2 YARN 리소스 관리자 UI에서 Spark job의 진행을 감시

Spark 로지스틱 회귀 결과 해석
정밀도: 87.5% 재현율: 88%
위반의 상위 세 가지 전조
1. 안개 2. 우천 3. 운전 기사의 자격증

Spark 모델을 Storm에 통합
Kafka Spout
Storm 예측 Bolt
§  Spark 모델을 초기화
§  트럭 이벤트를 해석
§  HBase 데이터로 이벤트를 보완
§  모델로 위반을 예측
§  위반이 예측되면 경보를 보냄
실시간 조회
(HBase)
Active MQ
운영 센터 대쉬보드

최고 데이터 관리자 (CDO) 를 위한 추천
§  우선 순위에 따른 투자 추천
1.  시야 센서와 자동 브레이크 시스템에 투자하여 안개 상황에 대처
2.  미끄러짐 방지 타이어에 투자하여 우천 상황에 대처
3.  운전 기사의 자격증 취득에 투자하여 위반 확률을 줄임
§  실시간 예측의 힘
§  고위험 상황을 실시간으로 예측하여 운전사에게 즉시 경보를 보내 40%의 위반율을 줄임

HDP에서 대용량 기계 학습의 가치
§  시장 및 가치 진입 시간을 가속
§  다양한 기계 학습 알고리즘을 TB의 훈련 데이터에 대해 합리적인 시간 범위
내에서 수행
§  가설을 신뢰성을 갖고 TB의 훈련 데이터로 검증
§  우리는 안개가 안전성에 영향을 끼치는 반면 임금 계산 방식이 영향을 끼치지
않음을 검증했으나, BI 도구들은 다른 결과를 내었음
§  예측 모델을 데이터 주도 응용 프로그램에 쉽게 통합
§  예측 모델을 Storm이나 여러분 회사 내의 다른 어떤 응용 프로그램에
라도 구동
§  위의 모든 내용을 멀티터넌트 YARN 클러스터에 구동
§  YARN에서 대규모 기계 학습은 HDP 클러스터의 다른 작업들을 존중

Storm Bolt에서 Spark를 호출
§  로지스틱 회귀 모델의 출력은 가중치들과 하나의 절편:
val algorithm = new LogisticRegressionWithSGD()
val model = algorithm.run(training).clearThreshold()
println(model.weights)
println(model.intercept)
Weights[-0.40819922025591465,0.06392530395655666,-0.1346227352186122,-0.07188217286407801,0.7277326276521062
,0.508779221680863,-0.024689093098281954]
Intercept 0.0
§  해당 모델은 예측을 만들기 위해 위의 가중치와 함께 Storm bolt에서 재생성될 수 있
음
import org.apache.spark.mllib.classification.LogisticRegressionModel;
import org.apache.spark.mllib.linalg.Vectors;
………..
Vector weights = (Vectors.dense(new double[] <array of weights like above>)
LogisticRegressionModel model = new LogisticRegressionModel(weights, 0.0);
double prediction = model.predict(<input features>)

감사합니다

This presentation contains forward-looking statements involving risks and uncertainties. Such forward-
looking statements in this presentation generally relate to future events, our ability to increase the
number of support subscription customers, the growth in usage of the Hadoop framework, our ability
to innovate and develop the various open source projects that will enhance the capabilities of the
Hortonworks Data Platform, anticipated customer benefits and general business outlook. In some
cases, you can identify forward-looking statements because they contain words such as “may,” “will,”
“should,” “expects,” “plans,” “anticipates,” “could,” “intends,” “target,” “projects,” “contemplates,”
“believes,” “estimates,” “predicts,” “potential” or “continue” or similar terms or expressions that concern
our expectations, strategy, plans or intentions. You should not rely upon forward-looking statements as
predictions of future events. We have based the forward-looking statements contained in this
presentation primarily on our current expectations and projections about future events and trends that
we believe may affect our business, financial condition and prospects. We cannot assure you that the
results, events and circumstances reflected in the forward-looking statements will be achieved or
occur, and actual results, events, or circumstances could differ materially from those described in the
forward-looking statements.
The forward-looking statements made in this prospectus relate only to events as of the date on which
the statements are made and we undertake no obligation to update any of the information in this
presentation.
Trademarks
Hortonworks is a trademark of Hortonworks, Inc. in the United States and other jurisdictions. Other
names used herein may be trademarks of their respective owners.

�ݺ�ߣ

Spark와 Hadoop, 완벽한 조합 (한국어)

Recommended

More Related Content

What's hot (20)

Similar to Spark와 Hadoop, 완벽한 조합 (한국어) (20)

Spark와 Hadoop, 완벽한 조합 (한국어)