| 최신판 |
당신의 편집 |
| 1번째 줄: |
1번째 줄: |
| [[분류:데이터 과학]] | | [[분류:데이터 과학]][[분류:데이터베이스]][[분류:기술사 기출]] |
| [[분류:데이터베이스]] | |
| [[분류:기술사 기출]] | |
| | |
| ;Logical Data Warehouse; LDW; 로지컬 데이터 웨어하우스 | | ;Logical Data Warehouse; LDW; 로지컬 데이터 웨어하우스 |
| ;전사적인 데이터 통합과 정보 분석을 위해 기존의 [[데이터 웨어하우스]]와 [[데이터 마트]], [[데이터 레이크]] 등의 레파지토리와 빅데이터 핵심 기술인 [[하둡]]을 통합해 논리적으로 구성한 데이터 아키텍처 | | ;기존의 [[데이터 웨어하우스]]와 빅데이터의 핵심 기술인 [[하둡]]을 통합해 추상화한 정보 분석 아키텍처 |
| | | * [[가트너]]에서 제시한 개념 |
| *[[가트너]]에서 제시한 개념 | | * 기존의 [[EDW]]를 포함하는 상위 개념 |
| *기존의 [[EDW]]를 포함하는 상위 개념 | | * HDW(Hybrid Data Warehouse), HIA(Hybrid Information Architecture) 등으로도 불림 |
| *HDW(Hybrid Data Warehouse), HIA(Hybrid Information Architecture) 등으로도 불림 | |
| | |
| [[파일:논리적 데이터 웨어하우스 개요도.png]]
| |
| | |
| ==LDW 등장 배경==
| |
| | |
| *스마트 환경의 도래로 개인들이 생산하는 소셜 정보, 음성, 영상, 이미지 데이터의 폭증
| |
| *다양한 내·외부 IoT 데이터를 연계하여 분석할 필요성 대두
| |
| *운영 시스템의 기능이 복잡해지고, 활용이 증가함에 따라 IT시스템으로부터 생성되는 데이터 급증
| |
| *비용 문제로 기존에 저장하지 못했던 대량의 로그 데이터 등을 저렴하게 저장할 수 있게 됨으로써 이에 대한 활용 요구 증가
| |
| *[[공개 소프트웨어|OSS]]의 성숙도가 향상되고, 분산 병렬 처리를 지원하는 다양한 도구들이 출시되면서 손쉽게 대용량 처리를 할 수 있는 기반이 갖추어 짐
| |
| | |
| ==LDW 특징==
| |
| | |
| *'''비용 절감''': [[DBMS]]에 저장하기에 비용이 과다한 데이터들은 [[하둡]]을 이용하여 상대적으로 저렴하게 관리
| |
| *'''분석의 적시성 확보''': 대용량 데이터의 신속한 분산 병렬 처리를 통한 장시간 소요되던 배치 작업 시간을 단축
| |
| *'''데이터 효용성 증대''': 데이터 웨어하우스에서 관리되는 고품질의 정형 데이터들과 비정형 데이터를 결합하여 분석
| |
| *'''유연한 인프라 구성''': [[스케일 아웃]]을 통한 선형적인 성능 향상이 가능한 하둡을 활용
| |
| | |
| ==기존 DW와의 비교==
| |
| {| class="wikitable"
| |
| |+
| |
| !구분
| |
| ![[데이터 웨어하우스]]
| |
| !논리적 데이터 웨어하우스
| |
| |-
| |
| |목적
| |
| |
| |
| * 구성원 분석 역량 강화
| |
| * 전사 통합 분석 관점 확보
| |
| |
| |
| * 정형 및 비정형 통합 분석
| |
| * 고급 분석 기반 예측 경영
| |
| |-
| |
| |데이터 활용
| |
| |
| |
| * 비즈니스 간 연계분석과 원인분석
| |
| * 전사 차원의 마스터 데이터 관리
| |
| * 데이터 품질 확보를 위한 관리 체계
| |
| |
| |
| * 전문 통계 분석 기반 예측 모형
| |
| * 비정형, 대규모 등 데이터 범위 확대
| |
| * AI분석, EDA 등을 위한 데이터 제공
| |
| |-
| |
| |사용자
| |
| |
| |
| * 전 임직원
| |
| * 파워 사용자 중심의 비정형 분석
| |
| |
| |
| * [[데이터 과학자]]
| |
| * 분석 과제별로 전문 조직의 출현
| |
| |-
| |
| |기술
| |
| |
| |
| * [[비즈니스 인텔리전스|BI]] 및 Analytics
| |
| * MPP기반 DW 애플리케이션
| |
| * [[데이터 품질 관리|데이터 품질 관리(DQM)]]
| |
| * Metadata 관리 도구
| |
| |
| |
| * [[하둡]] 기반의 빅데이터 처리 기술
| |
| * [[머신러닝]], [[딥 러닝]] 등 [[인공지능]]
| |
| * 실시간 지능형 관제
| |
| * [[데이터 마이닝]], [[소셜 네트워크 마이닝]]
| |
| |}
| |
| | |
| == LDW의 구성요소 ==
| |
|
| |
|
| * '''레파지토리 관리''': 기존의 DB, 데이터 웨어하우스, 데이터 마트, 데이터 레이크 등을 통합 관리 | | == LDW 등장 배경 == |
| * '''데이터 가상화''': 원천 데이터의 위치, 구조 등에 상관없이 가상의 Single View형태로 제공하는 기술
| | * 스마트 환경의 도래로 개인들이 생산하는 소셜 정보, 음성, 영상, 이미지 데이터의 폭증 |
| * '''분산 처리''': 하둡을 기반으로 통합된 대량 데이터 분석 | | * 다양한 내·외부 IoT 데이터를 연계하여 분석할 필요성 대두 |
| * '''[[메타데이터]] 관리''': 다양한 데이터 레파지토리 상의 수많은 데이터를 관리하기 위한 메타데이터 관리 | | * 운영 시스템의 기능이 복잡해지고, 활용이 증가함에 따라 IT시스템으로부터 생성되는 데이터 급증 |
| * '''[[온톨로지]]''': 연관된 데이터들을 결합해서 분석하기 위해 필요한 데이터 간 연관 정보, 데이터 집합에 대한 분류 체계 | | * 각종 시스템으로부터 발생되는 대량의 로그성 데이터들을 저장하기에는 비용이 많이 필요하였으나, 저가의 디스크를 이용한 저장이 가능해지면서, 과거에는 활용하지 못하던 로그성 데이터들에 대한 활용 요구 증가 |
| * '''감사 및 성능 관리''': 데이터 원천으로 부터 추출하여 최종 목적인 분석까지 하기 위한 과정 분석 및 성능 개선
| | * OSS(Open Source Software)의 성숙도가 향상되고, 분산 병렬 처리를 지원하는 다양한 소프트웨어들이 출시되면서 저렴한 비용으로 대용량 처리를 할 수 있는 기반이 갖추어짐 |
| * '''[[SLA]] &''' '''[[SLM]]''': 실제 사용자들의 업무 만족도, 효율성을 기반으로 서비스 수준 유지 및 개선 | |
|
| |
|
| ==기술사 기출== | | == LDW 특징 == |
| | * '''비용 절감''': DBMS에 저장하기에 비용이 과다한 데이터들은 오픈소스 기반의 Hadoop을 이용하여 상대적으로 저렴하게 관리가 가능하며, 하드웨어·소프트웨어 증설에 따른 비용 절감 가능 |
| | * '''분석의 적시성 확보''': 대용량 데이터의 신속한 분산 병렬 처리를 통한 장시간 소요되던 배치 작업 시간을 단축하여 분석에 필요한 데이터들의 적시 제공 가능 |
| | * '''데이터 효용성 증대''': 데이터 웨어하우스에서 관리되는 고품질의 정형 데이터들과 비정형 데이터를 결합하여 분석이 가능함에 따라 데이터의 효용성 증대 |
| | * '''Scale-Out이 가능한 인프라 구성''': 하둡 기반의 빅데이터 시스템들은 Scale-out을 통한 선형적인 성능 향상이 가능, LDW는 이런 오픈소스 기반의 기술을 활용하여 성능 확보 가능 |
|
| |
|
| *정보관리기술사 121회 2교시
| | == 기존 DW와의 비교 == |
|
| |
|
| ==같이 보기==
| |
|
| |
|
| *[[데이터 웨어하우스]]
| | == 기술사 기출 == |
| *[[기업 데이터 웨어하우스]]
| | * 정보관리기술사 121회 2교시 |
| *[[논리적 데이터 웨어하우스]] | |
|
| |
|
| ==참고 문헌== | | == 같이 보기 == |
| | * [[데이터 웨어하우스]] |
| | * [[기업 데이터 웨어하우스]] |
| | * [[논리적 데이터 웨어하우스]] |
|
| |
|
| *[https://blog.lgcns.com/1775 LG CNS 기술 블로그] | | == 참고 문헌 == |
| | * [https://blog.lgcns.com/1775 LG CNS 기술 블로그] |
