Elevating Kafka: Driving operational excellence with Albertsons + Forrester | Watch Webinar

STREAM DATA PROCESSING

데이터 스트리밍이란? 예시, 장점 및 사용 사례

데이터 스트리밍은 지속적인 데이터 스트림이 생성되는 즉시 처리되도록 하는 실시간 데이터 기술입니다. 모든 산업이 스트리밍 데이터에 의존하게 되면서 오늘날 Apache Kafka 및 Confluent와 같은 스트리밍 시스템은 멀티플레이어 게임, 실시간 사기 탐지 및 소셜 미디어 피드부터 주식 거래 플랫폼과 GPS 추적에 이르기까지 모든 것을 지원합니다.

데이터 스트리밍의 작동 방식, 일반적인 사용 사례 및 예시, 그리고 모든 데이터 인프라에서 데이터를 스트리밍하는 방법을 알아보십시오.

streaming data - hero icon

스트리밍 데이터 개요

데이터 스트리밍이란?

이벤트 스트림 처리라고도 하는 데이터 스트리밍은 다양한 소스에서 생성된 데이터의 지속적인 흐름입니다. 스트리밍 처리 기술을 사용하여 데이터 스트리밍이 실시간으로 생성될 때 처리, 저장, 분석 및 조치할 수 있습니다.

스트리밍이란?

"스트리밍"이란 용어는 시작과 끝이 없이 연속적이고 결코 끝나지 않는 데이터 스트림을 설명할 때 사용되며 먼저 다운로드할 필요 없이 활용하거나 관련 조치를 취할 수 있는 일정한 데이터 피드를 제공합니다.

마찬가지로 데이터 스트림도 여러 가지 유형의 소스에서 생성되며 형식과 규모가 다양합니다. 애플리케이션, 네트워킹 장치, 서버 로그 파일에서부터 웹 사이트 활동, 은행 거래, 위치 데이터에 이르기까지 모든 데이터를 집계하여 실시간 정보와 분석 내용을 단일 정보 소스에서 원활하게 수집할 수 있습니다.

스트리밍 데이터 작동 방식 - 개요, 예시 및 아키텍처

스트리밍 데이터 실시간 데이터 아키텍처

예전에는 기존의 인프라가 훨씬 더 구조화되어 있었는데, 이는 데이터를 생성하는 소스가 많지 않았기 때문입니다. 전체 시스템을 데이터와 데이터 구조를 지정 및 통합하는 방식으로 설계할 수 있었습니다. 스트림 처리 시스템이 등장하면서 현대의 요구사항에 맞춰 데이터를 처리하는 방식이 크게 바뀌었습니다.

스트림 데이터 처리의 개요

오늘날에는 데이터가 IoT 센서, 서버, 보안 로그, 애플리케이션 또는 내부/외부 시스템을 비롯해 무궁무진한 곳에서 생성됩니다. 생성된 데이터의 구조, 데이터 무결성을 조절하거나 양 또는 속도를 제어하는 것은 거의 불가능합니다.

기존 솔루션들은 먼저 데이터를 수집, 처리 및 구조화해야 관련 조치를 취할 수 있도록 구축되는 반면, 스트리밍 데이터 아키텍처를 활용하면 계속 이동하는 데이터를 이용, 저장, 보강 및 분석할 수 있습니다.

따라서 데이터 스트림으로 작업하는 애플리케이션에는 항상 저장(storage)과 처리(processing)라는 두 가지 기본 기능이 필요합니다. 저장의 경우 대규모 데이터 스트림을 순차적이고 일관된 방식으로 기록할 수 있어야 합니다. 처리의 경우에는 스토리지와 상호작용하고 데이터를 이용, 분석 및 계산할 수 있어야 합니다.

이는 또한 기존의 데이터베이스 또는 시스템으로 작업할 때 추가적인 과제와 고려사항을 야기합니다. 이제 기업이 스트리밍 데이터 애플리케이션을 구축하는 데 도움이 되는 많은 플랫폼과 도구를 사용할 수 있습니다.

예시

스트리밍 데이터의 실제 사례에는 모든 업계의 이용 사례가 있으며, 여기에는 실시간 주식 거래, 시시각각으로 바뀌는 최신 소매 재고 관리, 소셜 미디어 피드, 멀티플레이어 게임, 차량 공유 앱 등이 포함됩니다.

예를 들어 승객이 Lyft에 전화를 걸면 원활한 사용자 경험을 생성하기 위해 실시간 데이터 스트림이 하나로 결합됩니다. 이 데이터를 통해 애플리케이션이 실시간 위치 추적 정보, 교통량 통계, 요금, 실시간 교통 데이터를 종합하여 동시에 탑승자에게 가장 적합한 운전자를 매칭시키고 요금을 책정하며 실시간 데이터와 과거 데이터를 기반으로 목적지까지 가는 데 걸리는 시간을 예측합니다.

이런 의미에서 스트리밍 데이터는 모든 데이터 중심 조직을 위한 첫 번째 단계로, 빅데이터 수집, 통합 및 실시간 분석을 지원합니다.

일괄 처리와 실시간 스트림 비교

일괄 처리는 데이터를 일괄적으로 다운로드해야 실행 가능한 상태로 전환할 수 있는 반면, 스트리밍 데이터는 실시간으로 동시 처리, 저장 및 분석할 수 있습니다.

오늘날 요구 사항이 복잡해짐에 따라 기존의 일괄 데이터 처리 방식은 데이터를 시간 경과에 따라 수집된 트랜잭션 그룹으로만 처리할 수 있기 때문에 대부분의 이용 사례에서 충분하지 않습니다. 오늘날의 조직은 밀리초 단위로 업데이트되는 데이터가 쓸모없게 되기 전에 관련 조치를 취해야 합니다. 실시간으로 데이터에 액세스함으로써 수많은 이점과 이용 사례를 활용할 수 있습니다.

스트리밍 사용 사례

이벤트 스트리밍에는 다양한 사용 사례가 있습니다. 이벤트 스트리밍은 실제 상황에서 작동하는 방식과 더 유사하기 때문에, 대부분의 비즈니스 프로세스는 일괄 처리보다 이벤트 스트리밍으로 더 잘 표현할 수 있습니다. 예측 분석, 머신 러닝, 생성형 AI, 사기 탐지 등이 이에 포함됩니다.

미디어 스트리밍, 옴니채널 리테일 경험, 차량 공유 등 다양한 비즈니스에서 이벤트 스트리밍이 사용되고 있습니다.

예를 들어 승객이 카카오 택시를 호출한다고 가정하면, 애플리케이션은 연결할 운전자뿐 아니라 실시간 위치 및 과거 교통 데이터를 기반으로 도착까지 소요되는 시간도 알 수 있습니다. 또한 실시간 데이터와 과거 데이터를 기반으로 요금이 얼마나 나올지도 파악할 수 있습니다.

일반적인 사용 사례는 다음과 같습니다.

  • 위치 데이터
  • 사기 탐지
  • 실시간 주식 거래
  • 마케팅, 영업 및 비즈니스 분석
  • 고객/사용자 활동
  • 내부 IT 시스템에 대한 모니터링 및 보고
  • 로그 모니터링: 시스템, 서버, 장치 등의 문제 해결
  • SIEM(Security Information and Event Management): 모니터링, 메트릭 및 위협 탐지를 위한 로그 및 실시간 이벤트 데이터 분석
  • 소매/물류창고 재고 관리: 모든 채널 및 위치 대상 재고 관리, 장치 전반에서 원활한 사용자 경험 제공
  • 차량 공유 매칭: 예측 분석을 위한 위치, 사용자 및 요금 데이터 결합 - 근접성, 목적지, 요금, 대기 시간을 기준으로 탑승자에게 가장 적합한 운전자 매칭
  • 머신 러닝 및 AI: 하나의 중앙 신경계에 대한 과거 및 현재 데이터를 결합하여 예측 분석의 새로운 가능성 제시
  • 예측 분석

데이터 스트리밍 애플리케이션 구축 관련 과제

실시간 애플리케이션 구축 관련 주요 과제

확장성: 시스템 장애가 발생하면 각 장치에서 생성되는 로그 데이터가 증가할 수 있는데 이는 킬로비트/초에서 메가비트/초의 속도로 전송되고 기가비트/초의 속도로 집계됩니다. 애플리케이션의 확장에 따라 더 많은 용량, 리소스, 서버를 추가하는 작업이 즉각적으로 이루어지며 생성되는 원시 데이터의 양이 급격하게 증가합니다. 규모에 맞는 애플리케이션을 설계하는 것은 스트리밍 데이터에 대한 작업 시 굉장히 중요합니다.

순서 지정: 데이터 스트림에서 데이터의 순서를 결정하는 것은 사소한 일이 아니며 많은 애플리케이션에서 아주 중요한 작업입니다. 채팅이나 대화는 순서가 맞지 않는 경우 의미가 없습니다.

개발자가 집계된 로그 보기를 확인하여 문제를 디버깅할 때는 각 행이 순서대로 되어 있는지가 아주 중요합니다. 때때로 생성된 데이터 패킷의 순서와 목적지에 도달한 데이터 패킷의 순서가 다를 수 있습니다. 또한 데이터를 생성하는 장치의 시계와 타임스탬프에 차이가 있는 경우도 종종 있습니다. 데이터 스트림을 분석할 때 애플리케이션은 ACID 트랜잭션에 대한 가정을 알고 있어야 합니다.

일관성 및 내구성: 데이터 일관성과 데이터 액세스는 데이터 스트림 처리에서 언제나 어려운 문제입니다. 특정한 시간에 읽은 데이터가 다른 지역의 또 다른 데이터 센터에서는 이미 수정된 부실 데이터일 수 있습니다. 또한 클라우드에서 데이터 스트림에 대한 작업을 할 때 데이터 내구성이 문제가 될 수 있습니다.

내결함성 및 데이터 보장: 이는 데이터, 스트림 처리 또는 분산 시스템에 대한 작업 시 중요한 고려사항입니다. 데이터의 소스, 위치, 형식, 규모가 다양한 상황에서 시스템이 단일 장애 지점으로 인한 중단을 방지할 수 있습니까? 높은 가용성과 내구성을 유지하면서 데이터 스트림을 저장할 수 있습니까?

Confluent를 선택해야 하는 이유

오늘날의 디지털 우선 세상에서 앞서 나가기 위해 기업은 탁월한 고객 경험을 제공하고 데이터에 기반한 백엔드 운영을 해야 합니다.

Confluent는 과거 데이터와 실시간 데이터를 단일 중앙 정보 소스로 통합함으로써 지속적이고 끊임없이 변화하는 데이터에 실시간으로 쉽게 대응하고 반응하며 적응할 수 있도록 지원합니다. Apache Kafka의 원제작자들이 설립한 Confluent는 완전히 새로운 범주의 현대적인 이벤트 기반 애플리케이션을 구축하고, 범용 데이터 파이프라인을 확보하며, 엔터프라이즈 확장성, 보안 및 성능으로 강력한 데이터 중심 이용 사례를 활용할 수 있도록 지원합니다.

Walmart, Expedia, Bank of America에서 사용하고 있는 Confluent는 규모에 관계없이 모든 클라우드에서 데이터를 스트리밍할 수 있도록 설계된 단 하나의 완벽한 데이터 스트리밍 플랫폼입니다.

단 몇 분이면 시작할 수 있습니다. 신용카드 정보를 입력할 필요가 없습니다.

Apache KafkaConfluent와 같은 기술은 실시간 스트리밍과 분석을 실현 가능하게 합니다.

Confluent는 과거 데이터와 실시간 데이터를 단일 중앙 정보 소스에 통합함으로써 완전히 새로운 범주의 현대적인 이벤트 기반 애플리케이션을 쉽게 구축하고 범용 데이터 파이프라인을 확보하며 확장성, 성능, 신뢰성을 극대화하여 강력한 데이터 중심 이용 사례를 얻을 수 있도록 지원합니다.

Confluent를 선택해야 하는 이유

소매, 물류, 제조, 금융 서비스에서부터 온라인 소셜 네트워킹에 이르기까지, Confluent를 사용하면 다양한 시스템 사이에서 데이터가 오가는 방식 및 데이터의 혼합, 전환 및 정렬 방식에 관한 기본적인 메커니즘에 대해 걱정하는 대신 데이터에서 비즈니스 가치를 도출하는 데 주력할 수 있습니다.

Walmart, Expedia, Bank of America에서 사용하고 있는 Confluent는 현재 소스와 규모에 상관없이 데이터를 스트리밍할 수 있도록 설계된 단 하나의 완전한 스트리밍 데이터 소프트웨어입니다. Apache Kafka의 원제작자들이 구축한 Confluent는 현재 가장 강력한 스트리밍 데이터 플랫폼으로, 빅데이터 수집 뿐만 아니라 실시간 처리, 글로벌 데이터 통합, 스트림내 분석도 수행할 수 있습니다.

무료 체험판으로 몇 분 만에 시작할 수 있는 방법을 확인하거나 Confluent가 실시간 데이터로 기업들을 지원하는 방식에 대해 알아보십시오.