예측 분석에 필요한 컴퓨팅

인프라스트럭처

2 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

소개

현대화된 조직은 예측 분석의 혁신적인 이점을 활용하여 비즈니스를 발전시키고 있습니다. 예측 분석은 수익과 손실 간에 차이를 만들 수 있는 지식과 통찰력을 제공합니다. 또한 모델링, 머신 러닝 및 인공 지능을 사용하여 기존 데이터를 분석하고 미래에 대해 예측합니다. 모든 업계에서는 예측 분석을 통해 다양한 이점을 얻을 수 있습니다. 따라서 예측 분석의 잠재력을 무시하는 조직에서는 성장하거나 더 나은 환경을 조성할 수 있는 더없이 좋은 기회를 상실하게 됩니다.

최근 AI 기반 예측 분석 및 머신 러닝의 급격한 발전으로 인해 조직에서는 이전에 해독하기 어려웠던 데이터에서 엄청난 가치를 창출할 수 있는 역량을 갖출 수 있게 되었습니다. AI 지원 인프라스트럭처의 강력한 기능을 통해 예측 분석/머신 러닝을 활용할 수 있을 뿐만 아니라, 환경을 혁신하고 최고 수준으로 유지할 수 있는 비즈니스 이점을 얻을 수 있습니다. 또한 자동화된 서버 기능과 업무에 적합한 서버를 선택하여 원하는 목표를 달성할 수 있습니다. 이 eBook에서는 워크로드에 적합한 서버와 함께 서버 자동화를 통해 기업이 머신 러닝 및 예측 분석 분야에서 어떻게 큰 진전을 이룰 수 있는지에 대해 중점적으로 다룹니다.

3 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

예측 분석 및 머신 러닝

최근 ESG 연구 보고서인 AI 및 비즈니스 가치 실현을 가속화하는 것으로 검증된 3가지 혁신 컴퓨팅 기술에서는 인공 지능 기능의 발전 수준에 따라 조직을 분류했습니다. 세 가지 기준인 서버 자동화, 가속기 및 컨버지드/하이퍼 컨버지드 인프라스트럭처가 벤치마크로 사용되었습니다. 자동화된 서버 기능을 갖춘 조직은 가장 발전된 조직(3단계) 범주로 진입할 수 있었습니다. 1단계 기업에서는 예측 분석을 위해 운영 환경에서 AI 모델을 개발, 구축 및 튜닝하는 기업이 절반(55%)에 불과하지만, 3단계 기업 중에는 무려 74%가 이러한 목표를 추구하고 있습니다.1

이러한 사실이 중요한 이유는 무엇일까요? 예측 분석 및 머신 러닝에 대한 활용 사례는 이 eBook에서 소개하는 것보다 훨씬 더 많습니다. 몇 가지 예를 들어보겠습니다.

• 고객이 관련성 높은 방식으로 제품을 계속 구매할 수 있도록 추천 엔진을 구축할 수 있습니다.

• 공장과 공급망은 분석 기능을 활용하여 고장 발생 시기를 예측할 수 있으므로 다운타임을 방지할 수 있습니다.

• 유동 인구 및 일기 예보와 같은 과거 데이터 추세를 기반으로 최적의 제품 판매 가격을 예측할 수 있습니다.

이러한 시나리오에서는 예측 분석을 통해 수행할 수 있는 작업을 전혀 다루지 않습니다. 하지만 서버를 자동화하면 직원들은 인프라스트럭처를 관리하는 것보다 AI 이니셔티브를 발전시키는 데 더 많은 시간을 할애할 수 있습니다. 이에 따라 직원들은 정보를 Data Lake로 통합할 수 있게 됩니다. 또한 Hadoop 및 Spark와 같은 애플리케이션을 사용하여 수년 동안 수집해 온 방대한 양의 데이터를 바탕으로 문제를 해결하고 실제 활용 가능한 예측을 수행할 수 있습니다. 이 모든 작업은 처리 능력이 뛰어나고 스토리지 및 메모리가 충분한 서버에서 실행할 수 있습니다. 이렇게 예측 분석과 모던 인프라스트럭처를 우선 순위로 삼으면 3단계 조직으로 발전할 수 있습니다. 이러한 이점을 활용할 수 있게 되면 어떻게 될지 생각해 보십시오.

3단계 조직:2

ESG AI 성숙도 단계

1단계

(조사 참가 조직의 42%): 자동화 수준이 낮고, 가속기의 사용이 매우 제한적이며, AI를 위한 컨버지드/HCI 기반 인프라스트럭처가 거의 또는 전혀 없음

2단계 (조직의 33%): 자동화 수준이 보통이고, 가속기의 사용이 어느 정도 제한적이며, AI를 위한 컨버지드/HCI 기반 인프라스트럭처가 일정 부분 구축되어 있음

3단계 (조직의 24%): 자동화 수준이 높고, 가속기가 광범위하게 사용되며, AI를 위한 컨버지드/HCI 기반 인프라스트럭처를 적극 사용함

비즈니스 인텔리전스 및 분석 분야에서 경쟁 우위를 차지할 가능성이 1단계 조직보다 2.6x 더 높습니다.

투자 회수 기간을 단축할 가능성이 2x 더 높습니다.

AI를 통해 의사 결정 속도를 단축할 가능성이 1단계 조직보다 거의 2x 더 높습니다.

AI를 통해 의사 결정 정확도를 높일 가능성이 1단계 조직보다 거의 2.6x 더 높습니다.

비즈니스 프로세스 또는 운영 자동화를 통한 평균 비용 절감액이 1단계 조직에 비해 2.7x 더 높습니다.

4 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

예측 분석에서 더 큰 성과를 이루는 데 도움이 되는 애플리케이션: Hadoop에서 Spark 실행

Hadoop은 예측 분석 및 머신 러닝 활동의 기반을 제공하는 오픈 소스 플랫폼입니다. 예측 분석을 실행할 때 첫 번째 과제 (해결하려는 비즈니스 문제 또는 활용하려는 시장 기회를 파악한 후)는 모든 관련 데이터를 함께 수집하는 방법을 이해하는 것입니다. 모든 관련 데이터를 함께 수집하면 생성하는 예측이 가능한 한 정확하도록 리소스를 풀링할 수 있습니다. Hadoop의 가장 큰 장점은 변환 없이 기본 형식으로 모든 데이터를 저장할 수 있는 고도로 분산된 파일 시스템이라는 점입니다. 따라서 정형 데이터뿐만 아니라 비정형 데이터에도 적합합니다.

Hadoop에 대한 몇 가지 활용 사례는 다음과 같습니다.

진정한 예측 분석 및 머신 러닝을 실행하려면 Hadoop을 다른 애플리케이션과 함께 사용해야 한다는 점을 염두에 두어야 합니다. 이러한 애플리케이션으로 Spark가 종종 사용됩니다. Spark는 향상된 기능을 갖춘 오픈 소스 프로젝트입니다. Hadoop에는 Map 기능과 Reduce 기능이 있습니다. Map 기능은 데이터 세트를 가져와서 다른 데이터 세트로 변환합니다. 이 새로운 세트는 요소를 키/값 쌍으로 분할합니다. 그런 다음 Reduce 기능이 이러한 키/값 쌍을 더 작은 키/값 쌍 세트로 결합합니다. Spark에서는 데이터의 병합, 클러스터링, 필터링 및 추가 또는 삭제를 추가적으로 수행할 수 있습니다. 이렇게 하면 데이터를 추가적으로 더 조작할 수 있습니다. Spark는 고속 분석 기능을 제공하며 머신 러닝 라이브러리가 내장되어 있습니다. Spark의 인메모리 처리 엔진은 실시간 예측 결과를 보장합니다. 여기서 중요한 점은 Spark와 Hadoop이 함께 사용되어 이러한 이점을 조직에 제공한다는 것입니다.

Spark를 구현할 때 얻을 수 있는 중요한 기능은 다음과 같습니다.

실시간 데이터 쿼리 대규모 지원 커뮤니티 레이턴시가 짧은 데이터의 신속한 스트림 처리, Hadoop을 단독으로 사용할 때보다 100배 빠른

워크로드 실행3

풍부한 라이브러리

소매업체에서는 Hadoop을 사용해 정형 데이터와 비정형 데이터를 모두 분석하여 오퍼링을 보다 정확하게 맞춤화하도록 지원함으로써 고객에게 더 나은 서비스를 제공합니다.

Hadoop은 금융 서비스 기업에서 부정 행위를 방지할 수 있는 애플리케이션에 데이터를 제공합니다.

물류 회사에서는 Hadoop 기반 분석을 사용하여 장비에 예방 유지 보수가 필요한지 여부를 평가합니다.

5 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

Hadoop 및 Spark 페어링을 최대한 활용하려면 다음이 필요합니다.

1. 머신 러닝을 위한 시간과 리소스를 확보하고 고객에게 보다 신속하게 통찰력을 제공하는 자동화된 서버2. 모든 데이터를 처리하고 이러한 알고리듬을 실행하기 위한 강력하고 풍부한 코어 프로세서3. Hadoop이 제한 없이 실행될 수 있는 상당한 규모의 스토리지4. Spark의 인메모리 처리가 최적으로 작동하도록 지원하는 진정한 서버 메모리

서버 자동화서버 자동화는 예측 분석 및 머신 러닝의 실행과 어떤 관련이 있을까요? 실제로 상당히 많은 관련이 있습니다. 노후화된 서버를 자동화 기능을 갖춘 모던 서버로 교체할 경우 다음과 같은 효과를 기대할 수 있습니다.4

예측 분석을 실행하려면 자동화된 다용도 서버 필요

이는 통찰력의 전달 속도가 단축된다는 것을 의미하며 직원들은 확보된 통찰력을 실현하는 데 더 많은 시간을 할애할 수 있게 됩니다. 모든 사람들은 분석 서버를 빠르게 가동하고 실행하며 분석 서버가 다운될 경우 다시 온라인 상태로 전환되기를 원합니다. 또한 Hadoop 클러스터를 효율적으로 구축하고 필요할 때 가능한 한 빨리 Hadoop 및 Spark를 업데이트할 수 있기를 원합니다. 자동화가 더 많이 진행될수록 분석을 통해 가치를 창출하는 시간이 느려질 수 있는 수동 유지 보수 프로세스에 소요되는 시간이 줄어듭니다.

Hadoop과 Spark에 적합한 다용도 서버 찾기Hadoop 및 Spark를 사용한 예측 분석 작업에 필요한 것은 처리 능력이 뛰어나고 스토리지 및 메모리가 풍부한 우수한 서버입니다.

프로세서는 다른 하드웨어 및 소프트웨어가 제시하는 모든 지침을 분석하고 해석하는 작업의 두뇌 역할을 합니다. 머신 러닝에서 프로세서는 알고리듬에서 로직을 실행하는 작업을 수행합니다. 이를 위해서는 코어 수가 절대적으로 중요합니다. 따라서 이러한 프로세싱 사용량이 많은 워크로드를 지원할 수 있는 인프라스트럭처를 선택해야 합니다.

Hadoop은 대규모 Batch 프로세싱을 수행하는 스토리지 집약적인 애플리케이션으로, 페타바이트에 이르는 방대한 양의 데이터를 처리합니다. Hadoop을 실행하려면 스토리지가 부족하지 않은 서버를 프로비저닝해야 합니다. Hadoop은 분산형 모델을 따르지만 각 개별 서버 또는 노드가 원활하게 실행되기 위해서는 로컬 디스크에 적절한 스토리지의 잠재력이 필요합니다. Hadoop에는 다양한 유형의 노드가 있다는 것을 이해하는 것이 중요합니다. 이 eBook에서는 클러스터의 게이트키퍼 역할을 하는 엣지 노드와 데이터의 실제 처리를 유도하는 작업자 노드에 대한 오퍼링에 중점을 둡니다.

반면, Spark는 메모리 집약적입니다. Spark의 최소 메모리 권장량은 머신당 8GB이지만 훨씬 더 많은 양의 메모리가 필요합니다. 일부 전문가들은 적어도 128 또는 256GB를 권장합니다. Spark는 사용 가능한 메모리의 75%를 Spark에 할당하고 나머지는 운영 체제 및 버퍼 캐시에 그대로 둘 것을 권장합니다.6 이 애플리케이션에서는 여러 병렬 작업에서 메모리의 데이터를 캐싱하므로 메모리가 특히 더 중요합니다.

요약하면 예측 분석 및 머신 러닝을 탐색할 때 모든 작업을 수행할 수 있는 자동화된 업무용 서버가 필요합니다. 이제 이러한 리소스 집약적인 워크로드를 위해 구축된 Dell EMC 서버에 대해 자세히 살펴보겠습니다.

Spark는 예측 분석에 필요한 모든 데이터를 처리하기 위해 머신당 최소 8~16개의 코어를 프로비저닝할 것을 권장합니다.5

43% 구축 시간 단축

38% 애플리케이션의 빠른 업데이트

43% 시스템 신뢰성 개선

37% 일상적인 수동 IT 인프라스트럭처 관리에 소요되는 시간 단축

6 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

PowerEdge R640엣지 노드가 강도 높은 데이터 처리에 사용되지는 않더라도 클러스터를 원활하게 실행하기 위해서는 강력한 프로세서, 스토리지 및 메모리가 필요합니다. Dell EMC Pow-erEdge R640이 이 작업에 적합합니다. 즉, 이 역할에 대해 너무 과하지도 부족하지도 않습니다. R640을 사용하면 최대 2개의 2세대 인텔® 제온® 스케일러블 프로세서와 최대 56개의 코어로 컴퓨팅 리소스를 확장할 수 있습니다. 최대 24개의 DIMM과 최대 7.68TB의 메모리가 제공됩니다. 24개의 DIMM 중 12개는 NVDIMM 또는 DCPMM이 될 수 있습니다.8 PowerEdge R640을 사용하면 NVMe 캐시 풀을 생성하고 데이터 스토리지에 2.5" 또는 3.5" 드라이브를 사용할 수 있습니다. 스케일러블 프로세서, 메모리 및 스토리지를 사용하여 최적의 엣지 노드 구성을 만들 수 있습니다.

먼저 아래의 모든 제품 권장 사항에는 매우 강력한 자동화 옵션이 제공됩니다. Dell EMC 프리미어 서버 관리 플랫폼인 OpenManage는 RESTful API를 제공합니다. 이 API를 사용하면 서버 구축, 유지 보수 및 프로비저닝의 여러 측면을 스크립팅할 수 있습니다. 스크립트를 작성하고 설정하면 추가 작업이 불필요합니다. OpenManage 포트폴리오는 또한 IT가 멀티 벤더 시나리오에서 자동화할 수 있는 모듈을 제공하는 Ansible 프레임워크를 지원합니다. 이러한 모듈은 세분화된 자동화를 위해 미리 작성된 스크립트로 제공됩니다.7

Hadoop 클러스터를 구축하려면 여러 노드 유형이 필요합니다. 아래 다이어그램은 단일 엣지 노드와 여러 작업자 노드를 중점적으로 보여줍니다. 엣지 노드는 Hadoop 클러스터에 대한 액세스를 관리하고 Hadoop 클러스터와 외부 네트워크 사이의 진입점 역할을 합니다. 엣지 노드는 컴퓨팅 집약적인 작업을 담당하지 않습니다. 이러한 작업은 작업자 노드에 해당합니다. 작업자 노드는 데이터를 처리하는 데 많은 노력을 기울여야 하며 처리 능력뿐 아니라 넉넉한 용량의 메모리와 스토리지가 필요합니다. Hadoop에 대한 자세한 내용은 여기에서 확인할 수 있습니다.

예측 분석 요구 사항을 충족하는 PowerEdge 서버

Hadoop 클러스터

엣지 노드

작업자 노드

작업자 노드

작업자 노드

엣지 노드

수상IT Brand Pulse: 2019 시장 선도 기업, 랙마운트 서버 부문: "IT 전문가들이 Dell EMC를 랙마운트 서버 시장의 선도 기업으로 다시 한번 선정하여 7년 동안 세 번 이름을 올렸습니다."

7 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

PowerEdge R740PowerEdge R740은 확장 가능한 메모리(최대 7.68TB)를 갖춘, 분석에 적합한 플랫폼으로 Spark를 쉽게 실행할 수 있습니다. 최대 16개의 2.5" 또는 8개의 3.5" 드라이브와 최대 128TB의 스토리지로 용량 요구 사항을 충족하도록 확장하여 Hadoop 클러스터의 성능을 최적으로 유지합니다. R740은 최대 56개의 코어를 갖춘 2세대 인텔® 제온® 프로세서 스케일러블 제품군을 기반으로 합니다. 이는 방대한 양의 데이터를 처리하는 데 필요한 강력한 기능을 제공합니다.

수상IDEA 2018 Bronze Award

PowerEdge R740xdPowerEdge R740의 기능 외에도 Dell EMC PowerEdge R740xd에는 탁월한 스토리지 용량 옵션이 추가되므로 Hadoop과 같은 상당한 스토리지가 필요한 데이터 집약적인 애플리케이션에 적합합니다. 최대 24개의 NVMe 드라이브, 총 32개의 2.5" 드라이브 또는 18개의 3.5" 드라이브 및 최대 288TB의 스토리지를 선택할 수 있습니다. 2세대 인텔® 제온® 스케일러블 프로세서를 갖춘 R740xd는 최근 테스트에서 이전 세대 서버인 R720xd보다 900% 더 많은 쿼리 세트를 완료하고 데이터를 99.8% 더 빠르게 전달했습니다. 이 서버의 최신 버전에 비해 2세대 인텔® 제온® 스케일러블 프로세서를 갖춘 R740xd는 400% 더 많은 쿼리 세트를 호스팅하고 데이터를 27%을 더 빠르게 전달합니다.9

리뷰ServeTheHome: Dell EMC PowerEdge R740xd 리뷰

작업자 노드

예측 분석 요구 사항을 충족하는 PowerEdge 서버

작업자 노드 옵션 비교

처리최대 56개의 코어 최대 56개의 코어

옵션 1: R740 옵션 2: R740xd

스토리지

메모리

128TB 288TB

7.68TB 7.68TB

8 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

Ready Architectures for HadoopHadoop 환경 구축 시 차이를 만드는 것은 전문 지식과 인프라스트럭처입니다.10 많은 노력을 기울일 필요 없이 클러스터를 구축하는 방법에 대한 검증된 청사진을 구매할 수 있는 옵션이 있습니다. Ready Architectures for Hadoop은 데이터 분석 요구 사항을 해결하고 개발 비용을 절감하며 성능을 향상시키도록 설계되었습니다. Hadoop 플랫폼을 설정하는 데 있어 기한이 늦어지고 의사 결정을 내리는 데 어려움을 겪는 조직이 많지만, 모든 기업이 그런 것은 아닙니다.11

Dell EMC Ready Architectures for Hadoop은 모든 데이터 분석 요구 사항을 충족하기 위해 구축된 솔루션입니다. Dell EMC는 2009년에 맞춤형 Hadoop 솔루션을 구축하기 시작했으며 성공적인 Hadoop 구축을 추진하는 데 필요한 전문 지식과 툴, 솔루션을 보유하고 있습니다. Cloudera Hadoop 설계는 Cloudera Enterprise 소프트웨어 및 Dell EMC 하드웨어를 기반으로 하는 솔루션 내에서 Hadoop의 핵심 요소를 제공하며, 여기에는 사용자의 편의를 위한 서비스 옵션도 포함되어 있습니다. 주요 이점은 다음과 같습니다.12

• 이미 최적화되고 검증된 솔루션 활용

• 사내 Hadoop 전문 지식 부족 문제 극복

• 프로젝트 일정 단축 및 운영 문제 감소

Dell Ready Architectures for Hadoop에 대해 자세히 알아보려면 사이트를 방문하거나 문의해 주십시오.

Hadoop 마이그레이션 서비스Hadoop으로 마이그레이션할 준비가 되었지만 방법이 확실하지 않습니까? Dell Technologies 컨설팅 서비스는 다음과 같이 고객을 지원합니다. 데이터 분석으로 인해 발생하는 기회와 방대한 양의 데이터와 관련된 과중한 워크로드를 관리하는 데 어려움을 겪고 있는 고객이 많이 있습니다. Dell Technologies 컨설팅 서비스는 조직의 요구에 따라 데이터만을 대상으로 하는 마이그레이션부터 전체 플랫폼 마이그레이션에 이르기까지 모든 것을 지원합니다. 이 모든 것은 현재 상태에 대한 평가에서 시작하여 미래의 솔루션 설계로 이어집니다. 그런 다음 마이그레이션을 파일럿하여 샘플 환경을 테스트하고 유효성을 검사합니다. 파일럿에서 성공하면 솔루션이 완전히 구현됩니다.13

시작하려면 Hadoop 마이그레이션 서비스에 대해 자세히 알아보거나 Dell Technologies Services 전문가에게 문의하시기 바랍니다.

솔루션 및 서비스

9 | 예측 분석에 필요한 컴퓨팅 인프라스트럭처

업무 환경에서의 예측 분석에 대해 살펴보겠습니다. Epsilon은 세계적 수준의 브랜드를 위한 만족도, 이메일 및 기타 마케팅 프로그램 분야의 선도 기업입니다. 다양한 데이터 수집점을 사용해서 많은 수신자를 대상으로 개인별로 맞춤화된 메시지를 맞춤 구성하여 고객에게 탁월한 결과를 보장합니다. Epsilon CIO인 Robert Walden 씨는 “우리 기업의 모든 활동의 중심은 데이터와 적시에 적절한 대상에게 적합한 메시지를 제공하는 역량입니다.”라고 설명합니다.

전년 대비 성장률이 두 배로 증가하는 현재의 궤도를 이어가는 데 있어서 가장 중요한 것이 바로 속도입니다. 이를 위해서는 보조를 맞출 수 있는 인프라스트럭처와 직원이 필요합니다. Epsilon은 Dell EMC PowerEdge R740xd 서버를 구축하는 모든 접수 프로세스를 자동화합니다. R740xd는 이러한 까다로운 비즈니스의 요구 사항을 충족하는 유연성, 확장성 및 성능을 제공합니다. AI 및 머신 러닝을 이메일 맞춤 구성 프로세스에 적용하기 위해 Hadoop과 같은 워크로드를 실행하면 Epsilon이 약속을 이행할 수 있습니다.

Epsilon CIO인 Robert Walden은 다음과 같이 말합니다. "우리는 고객의 성공에 초점을 맞추고 있습니다. 인프라스트럭처 및 애플리케이션 환경에서 우리 기업의 모든 활동은 이러한 성공을 촉진하는 것입니다. 애플리케이션, 솔루션, 서비스, 인프라스트럭처 및 하드웨어의 효율성이 향상될수록 고객의 성공을 보다 효과적으로 지원할 수 있습니다."

Epsilon 사례 연구를 읽어보십시오.

Epsilon 사례 연구 비디오를 시청하십시오.

업무 환경에서의 Epsilon Robert Walden, Epsilon CIO

고객 사례: Epsilon

결론

고성능 프로세서와 넉넉한 메모리 및 스토리지 옵션을 갖춘 자동화된 모던 서버를 통해 조직은 예측 분석을 통해 생성된 많은 기회를 최대한 활용할 수 있게 됩니다. 이와 동시에 예측 분석의 모든 면을 파악하고 있으면 조직 내에서 IT의 관련성을 유지할 수 있습니다. Dell EMC와 협력하면 추측에 근거한 결정을 배제하고 머신 러닝 및 예측 분석을 시작할 수 있는 솔루션을 구축할 수 있습니다.

자세한 내용은 Dell EMC 영업 담당자에게 문의하거나 DellEMC.com/ko-kr/Servers를 참조하십시오.

1

2

3

4

5

6

7

8

9

10

11

12

13

https://www.dellemc.com/ko-kr/collaterals/unauth/analyst-reports/products/servers/esg-three-transformational-compute-technologies-veri�ed-to-accelerate-ai-and-business-value-en.pdf

ibid.

https://spark.apache.org/

https://www.dellemc.com/resources/ko-kr/asset/analyst-reports/products/storage/forrester-delivering-outcomes-by-automating-compute-infrastructure.pdf

https://spark.apache.org/docs/latest/hardware-provisioning.html

ibid.

https://blog.dellemc.com/ko-kr/ride-ansible-revolution-dell-emc-openmanage/

https://www.dell.com/en-us/work/shop/povw/poweredge-r640

https://www.principledtechnologies.com/Dell/PowerEdge-R740xd-analytics-comparison-0719.pdf

https://www.dellemc.com/ko-kr/solutions/data-analytics/hadoop/index.htm

https://blog.dellemc.com/ko-kr/dell-emc-can-help-dive-successful-hadoop-projects/

https://www.dellemc.com/ko-kr/collaterals/auth/white-papers/products/ready-solutions/Ready_Bundles_for_Hadoop_-_Solution_Overview_China.PDF

https://www.dellemc.com/ko-kr/collaterals/unauth/o�ering-overview-documents/services/H16645_Big_Data_Migration_for_Hadoop_svo.pdf