ILM: Difference between revisions
From IT Wiki
(새 문서: 분류:데이터베이스분류:IT경영 ;Information Lifecycle Management ;조직의 정보관리와 관련된 제반 정책, 표준절차 및 이를 지원하는 솔루션...) |
|||
(5 intermediate revisions by one other user not shown) | |||
Line 1: | Line 1: | ||
[[분류:데이터베이스]][[분류: | [[분류:데이터베이스]][[분류:경영학]] | ||
;Information Lifecycle Management | ;Information Lifecycle Management | ||
;조직의 정보관리와 관련된 제반 정책, 표준절차 및 이를 지원하는 솔루션 및 서비스로 구성된 종합적인 정보관리 메커니즘 | ;조직의 정보관리와 관련된 제반 정책, 표준절차 및 이를 지원하는 솔루션 및 서비스로 구성된 종합적인 정보관리 메커니즘 | ||
Line 6: | Line 6: | ||
== 등장배경 == | == 등장배경 == | ||
[[파일:ILM Data Value.png|500px]] | |||
* 데이터는 수집 및 배포 초기에는 많이 사용되다 나중에는 그저 컴플라이언스를 위해 저장된다. | |||
* 데이터 일시성: 데이터의 가치는 도입기-성장기-성숙도를 거치며, 일주일만 지나도 80%는 사용하지 않음 | * 데이터 일시성: 데이터의 가치는 도입기-성장기-성숙도를 거치며, 일주일만 지나도 80%는 사용하지 않음 | ||
* 데이터 집중성: 기업이 가지고 있는 전체 데이터 중 10%이하만 사용, 90%는 단순 보관 | * 데이터 집중성: 기업이 가지고 있는 전체 데이터 중 10%이하만 사용, 90%는 단순 보관 | ||
so, "모든 데이터를 동일한 방식으로 저장할 필요가 있을까?" | so, '''"모든 데이터를 동일한 방식으로 저장할 필요가 있을까?"''' | ||
* 2000년대 데이터량이 기하급수적으로 많아지면서 등장 | |||
* 하드디스크 가격 하락 등으로 점점 관심에서 사라짐 | == 다시 주목 받는 이유 == | ||
* 2010년대 후반, 빅데이터가 활성화되면서 다시 주목 | * 역사 | ||
** 2000년대 데이터량이 기하급수적으로 많아지면서 등장 | |||
** 하드디스크 가격 하락 등으로 점점 관심에서 사라짐 | |||
* 부활 | |||
** 2010년대 후반, 빅데이터가 활성화되면서 다시 주목 | |||
** 컴플라이언스 요건에 따라 장기 보존이 필요한 데이터 증가 | |||
** 스토리지 기술 발전으로 다양한 저장환경 구성 용이 | |||
== 데이터 가치 == | |||
[[파일:ILM 프로세스.png|500px]] | |||
* 솔루션에 따라 | |||
** On-line → Near-line → Off-line | |||
** Hot Data → Warm Data → Cold Data | |||
** Hyper Active Data → Less Active Data → Historical | |||
* 등으로 불린다. | |||
== ILM 솔루션 유형 == | |||
* 스토리지 내장 방식 | |||
** 스토리지 자체에서 아카이빙 데이터를 별도 보관하는 기능을 내장 | |||
* 게이트웨이 방식 | |||
** 찾는 데이터에 따라 게이트웨이가 운영/아카이빙 스토리지 데이터 조회 | |||
* 소프트웨어 방식 | |||
** 애플리케이션상에 운영/아카이빙 스토리를 각각 조회하는 기능 마련 | |||
== 오라클 ILM == | |||
;Heatmap과 ADO | |||
* Heatmap | |||
** 데이터는 Hyper Active하게 사용되다 Less Active → Historical하게 변함 | |||
** 이러한 데이터 사용현황을 열분포와 같은 형태로 보여주는 시각화 기능 | |||
* ADO (Adaptive Data Optimization) | |||
** 오래되어 쓰이지 않는 데이터를 아카이빙하는 기술 | |||
** Compression Tiering: 일정 빈도 이하로 사용될 경우 아카이빙 | |||
*** 마지막 조회 기준, 마지막 수정 기준, 생성 기준으로 설정 가능 | |||
** Storage Tiering: 테이블 스페이스(용량)을 기준으로 아카이빙 | |||
*** 테이블 스페이스가 x% 이상이면 미리 정한 기준에 따라 y%의 빈공간이 확보되도록 아카이빙 |
Latest revision as of 00:22, 7 May 2020
- Information Lifecycle Management
- 조직의 정보관리와 관련된 제반 정책, 표준절차 및 이를 지원하는 솔루션 및 서비스로 구성된 종합적인 정보관리 메커니즘
- ILM은 정보의 생성에서 소멸까지 가장 적절하고 효율적인 IT 인프라를 이용해 정보의 비즈니스 가치를 관리하는 정책(Policy), 프로세스(Process), 실행(Practice), 도구(Tool)로 구성된다. by SNIA(Storage Networking Industry Association)
등장배경[edit | edit source]
- 데이터는 수집 및 배포 초기에는 많이 사용되다 나중에는 그저 컴플라이언스를 위해 저장된다.
- 데이터 일시성: 데이터의 가치는 도입기-성장기-성숙도를 거치며, 일주일만 지나도 80%는 사용하지 않음
- 데이터 집중성: 기업이 가지고 있는 전체 데이터 중 10%이하만 사용, 90%는 단순 보관
so, "모든 데이터를 동일한 방식으로 저장할 필요가 있을까?"
다시 주목 받는 이유[edit | edit source]
- 역사
- 2000년대 데이터량이 기하급수적으로 많아지면서 등장
- 하드디스크 가격 하락 등으로 점점 관심에서 사라짐
- 부활
- 2010년대 후반, 빅데이터가 활성화되면서 다시 주목
- 컴플라이언스 요건에 따라 장기 보존이 필요한 데이터 증가
- 스토리지 기술 발전으로 다양한 저장환경 구성 용이
데이터 가치[edit | edit source]
- 솔루션에 따라
- On-line → Near-line → Off-line
- Hot Data → Warm Data → Cold Data
- Hyper Active Data → Less Active Data → Historical
- 등으로 불린다.
ILM 솔루션 유형[edit | edit source]
- 스토리지 내장 방식
- 스토리지 자체에서 아카이빙 데이터를 별도 보관하는 기능을 내장
- 게이트웨이 방식
- 찾는 데이터에 따라 게이트웨이가 운영/아카이빙 스토리지 데이터 조회
- 소프트웨어 방식
- 애플리케이션상에 운영/아카이빙 스토리를 각각 조회하는 기능 마련
오라클 ILM[edit | edit source]
- Heatmap과 ADO
- Heatmap
- 데이터는 Hyper Active하게 사용되다 Less Active → Historical하게 변함
- 이러한 데이터 사용현황을 열분포와 같은 형태로 보여주는 시각화 기능
- ADO (Adaptive Data Optimization)
- 오래되어 쓰이지 않는 데이터를 아카이빙하는 기술
- Compression Tiering: 일정 빈도 이하로 사용될 경우 아카이빙
- 마지막 조회 기준, 마지막 수정 기준, 생성 기준으로 설정 가능
- Storage Tiering: 테이블 스페이스(용량)을 기준으로 아카이빙
- 테이블 스페이스가 x% 이상이면 미리 정한 기준에 따라 y%의 빈공간이 확보되도록 아카이빙