maprb2en.com/img/pdf/mapr_data_platform.pdf · 대용량 분산처리 ... mapr core...

MapR 단일 데이터플랫폼 소개

3

㈜비투엔은 풍부한 프로젝트 경험과 업계 최고 수준의 컨설턴트의 역량을 바탕으로 고객에게 최선의 가치를 제공해 왔으며 중소기업 중 유일한

빅데이터 전문센터로서 기술과 경험을 보유하고 있는 대표적인 빅데이터 구축 서비스 기업입니다.


4

㈜비투엔은 데이터 관련 기업 200여 곳을 회원으로 둔 국내 최대 데이터 관련 단체인 한국 데이터 산업 협회 (KODIA: Korea Data Industry

Association)의 회장사로서, 공공 및 민간 산업계 간 상호교류를 통해 데이터 산업의 활성화를 도모하고, 데이터 종사자들의 권익 보호를

도모하며 데이터경제의 활성화를 위해 정책 제언과 행사들을 주최합니다.


6

MapR Technologies는 2009년 설립되었으며, 엔터프라이즈 환경이 요구하는 신뢰성 높은 빅데이터 플랫폼을 제공합니다. 본사는 미국

산호세에 위치해 있으며, 빅데이터 플랫폼 시장에서 가장 많은 유료 고객을 확보하고 있습니다.

2009 2011 2012 2013 2014 2015 2016 2018 2019

MapR 엔터프라이즈빅데이터 플랫폼출시

ENTERPRISE EDITION

표준 API를 활용한 Unified 하둡 플랫폼 출시

MapR Enterprise Hadoop V1

MapR 엔터프라이즈데이터베이스에디션 출시

ENTERPRISE DATABASE EDITION

업계 최초 하둡파일시스템과NoSQL

데이터베이스통합


하둡업체최초 로컬 지원 인력 및

한국어 서비스 제공


업계유일실시간 NoSQL 데이터베이스복제 구현

세계 최대 빅데이터업체와 파트너 체결


MapR 한국지사설립


업계유일의하둡 버전 호환성 (MR1/MR2) 제공

MapR 단일 데이터플랫폼 출시

MapR Converged Data Platform V5.2

분산 메시징 시스템을 포함하는컨버지드데이터 플랫폼

MapR 6.1 출시

B2EN MapR총판

MapR Technologies

미국 설립

2009 2011 2012 2013 2014 2015 2016 2018 2019

MapR 엔터프라이즈빅데이터 플랫폼출시

ENTERPRISE EDITION

표준 API를 활용한 Unified 하둡 플랫폼 출시


MapR 엔터프라이즈데이터베이스에디션 출시

ENTERPRISE DATABASE EDITION

업계 최초 하둡파일시스템과NoSQL

데이터베이스통합


하둡업체최초 로컬 지원 인력 및

한국어 서비스 제공


업계유일실시간 NoSQL 데이터베이스복제 구현

세계 최대 빅데이터업체와 파트너 체결


MapR 한국지사설립


업계유일의하둡 버전 호환성 (MR1/MR2) 제공

MapR 단일 데이터플랫폼 출시

MapR Converged Data Platform V5.2

분산 메시징 시스템을 포함하는컨버지드데이터 플랫폼

MapR 6.1 출시

B2EN MapR총판

MapR Technologies

미국 설립


업계유일의상용데이터플랫폼

단일Converged플랫폼

대용량분산처리성능

최대 2,000노드이상의검증된확장성

무중단데이터액세스자동복구지원

7

MapR 단일 데이터 플랫폼은 데이터의 안전성, 성능, 가용성을 강화한 업계 유일의 상용 데이터 플랫폼입니다.

핵심기술요소01 고속처리를위한최적화02 규모에따른확장성03 엔터프라이즈안정성04

저비용확장성

고가용성최고의성능

안정성


MapR 단일 데이터 플랫폼은 Hadoop, Apache Drill 및 Spark와 결합하여 데이터의 종류와 상관없이

하나의 플랫폼에서 처리할 수 있도록 함으로써 고객들에게 좀 더 빠르고 비용 효율적인 인사이트를 제공합니다.

고가용성 실시간 통합 보안 멀티 테넌시 재해복구 글로벌 네임스페이스

분석 및머신러닝

ON-PREMISE, MULTI-CLOUD, EDGE

기존 기업용 앱 배치 및 분석 지능형 앱

IOT & EDGE

클라우드 규모의데이터 저장

운영 DB 글로벌 이벤트 스트리밍

Event StreamingMapR Streams

Web-Scale StorageMapR-FS

DatabaseMapR-DB

8

MapR 단일 데이터 플랫폼은 기업요건이 반영되지 않은 단순한 Hadoop 오픈 소스 기반의 빅데이터 플랫폼이 아닌 엔터프라이즈 환경에서

필요로 하는 데이터의 안전성, 성능, 가용성을 강화한 업계 유일의 상용 데이터 플랫폼입니다.


MapR 데이터 플랫폼 (Read/Write)

NFS / POSIX HDFS API

MapR-XD

HBase API JSON API

MapR-DB (High-Performance NoSQL)

Kafka API OJAI API

MapR-ES (Global Event Streaming)

엔터프라이즈 데이터보호 플랫폼 관리성능 동시사용성상호호환성

기존의 DB나 로그서버로부터 데이터를 수집

Storm

Spark Steaming

Pig

Sqoop

MapR-NFS

Flume Hive

Spark SQL

Drill

Zookeeper

Sentry

Oozie

R/Python/Scala

Mahout

Spark MLlib

데이터수집 데이터저장및처리 개발및관리데이터분석

HUE

데이터 플랫폼에 저장되어 있는 비정형 데이터를처리

대량의 정형 데이터를 SQL 기반으로 처리

스트리밍으로 생성되는데이터를 실시간으로처리

데이터 마이닝, 기계 학습을 통한 데이터 분석

어플리케이션 개발, 클러스터 관리

YARN Framework

MEP

MapR Core

1) MapR Core (분산처리 프레임워크 + 분산 저장소) & 2) MEP (MapR Expansion Pack)

9

MapR Data Platform은 엔터프라이즈 환경에서 컴포넌트의 완전한 결합을 통해 Mission Critical한 빅데이터 플랫폼 운영 환경에 최적화된

솔루션입니다.


MapR 단일 데이타 플랫폼은 제공 기능 수준의 관점이 아닌 엔터프라이즈 수준의 안정성, 무중단 스케일 아웃이 가능한 확장성, 안정적인

파일시스템을 기반으로 제공하는 저장 및 접근에 대한 우수한 성능, 실시간 데이터 수집 및 유연한 연계, 데이터 적재 노드에서의 분석 수행을

통한 빠른 실행 환경을 제공합니다.

10


손쉬운 Deploy 및 클라우드 확장성, 멀티 티어 제공, 글로벌 네임스페이스 제공 등 다양한 기능을 제공합니다.

11


All scores are based on a scale of

0 (weak) to 5 (strong)

CURRENT OFFERING

Architecture 4.20 3.40 4.80

Workload Flexibility

3.00 3.00 5.00

Data 4.25 3.50 4.75

Platform integrations

5.00 5.00 5.00

MARKET PRESENSE

Customer Base 4.67 4.34 4.67

13

MapR Technologies는 고유한 특허를 바탕으로 제품의 기획에서 부터 설계까지 철저하게 엔터프라이즈 시장에서 요구하는 가용성과 안정성에

초점을 둔 제품을 시장에 제공하고 있으며 여러 시장 조사 기관들로 부터 높은 평가를 받고 있습니다.

https://blog.dell.com/en-us/introducing-the-dell-cloudera-solution-for-hadoop-harnessing-the-power-of-big-data/

https://blog.dell.com/en-us/introducing-the-dell-cloudera-solution-for-hadoop-harnessing-the-power-of-big-data/

https://www.google.com/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&ved=2ahUKEwjr1__viI3eAhUGa94KHWMLDZkQjRx6BAgBEAU&url=https://go.forrester.com/&psig=AOvVaw20XILjqsiv7pDH2cDlqkVx&ust=1539851733538032

https://www.google.com/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&ved=2ahUKEwjr1__viI3eAhUGa94KHWMLDZkQjRx6BAgBEAU&url=https://go.forrester.com/&psig=AOvVaw20XILjqsiv7pDH2cDlqkVx&ust=1539851733538032


기능 MapR Cloudera Cloudera + Hortonworks 일반Hadoop

Hadoop, Spark, ML, AI

아키텍처제약 없는 확장 가능한 단일 플랫폼

중앙 집중식

(네임노드 사용)

중앙 집중식


중앙 집중식


엔터프라이즈 통합 환경 :

NFS, POSIX

지원

(since 2011)지원 지원 미지원

글로벌 재해 복구로컬 및 원격 미러링을 통한 DR 구성

(since 2011)지원 지원 미지원

데이터 보호 및

특정 시점 복구(스냅샷)

모든 파일과 테이블에 대한 특정

시점의 일관성 보장(since 2011)

미사용 중인 파일만

일관성 보장

미사용 중인 파일만

일관성 보장확인된바 없음

Hybrid Cloud,

Multi-Cloud 환경지원 미지원 미지원 미지원

단일 보안 모델단일 플랫폼 기반 인증, 권한 및

데이터 보호 제공(since 2011)지원 지원 미지원

상태 기반 App 컨테이너화 지원 미지원 미지원 미지원

AI/ML 모델, 버전 및

Data Management

파일, 폴더, 테이블 포함하여

지정된 단일 클러스터로 관리어려움 어려움 어려움

Global 분산 파일 및

객체 저장소

단일 플랫폼 기반 파일 및 객체 저장소 관리

(Global 네임스페이스)미지원 미지원 미지원

IoT 및 Edge 분석을 위한

실시간 스트리밍

단일 플랫폼 내에서 MapR-ES 제공

(KafkaAPI 지원하며 데이터 복제 및

관리 포인트 없음)

지원 지원Kafka 별도

클러스터 필요

14


네임노드 제거를 통한 성능 향상 및 안정적인 확장성 제공

데이터노드

네임노드(대기)네임노드

16


?Active

Active

Snapshot

Snapshot

17

빅데이터의 특성상 DW 데이터를 포함하여 모든 데이터가 미션크리티컬 데이터로 분류되며 데이터의 안전성 확보가 매우 중요하며 MapR은

이러한 기업요건을 제품에 반영하여 제품 엔진레벨에서 백업 및 HA/DR 환경을 구성합니다.


18

MapR Data Platform은 기존 Hadoop의 아키텍처를 완전히 혁신하여 적시성 확보와 Mission-critical한 운영 환경을 제공합니다.

또한 데이터를 효율적으로 분류하여 그에 맞는 replication 방법과 맞춤형 스토리지 공간에 적재합니다.


19


[MCS 설정 예시]

※ MCS (MapR Control System)

20

Snapshot 생성 및 관리 기능은 엔터프라이즈급시스템에

서 필수적인 기능

특정 시점의 Volume에 대한 읽기 전용 이미지

MCS 내지 Command로 쉽고 빠르게 Snapshot 생성 (스케

줄러 설정으로 자동화) 및 복구

생성된 시점에서 변경 사항에 대하여 증분 저장 방식으로

데이터 중복은 없음

데이터 사본 저장 방식이 아니여서 증분 디스크 공간은 별

도 사용하지 않음

Redirect-on-write 메소드는 데이터 보호 기능 제공

maprcli volume snapshot create –volume volume1 –snapshotname snapshot1

[maprcli 예시]

Hadoop/HBaseApplications

A B C C’ D

NFSApplications

Read / Write

Redirect on Write for Snapshot

Data Blocks

Snapshot 1 Snapshot 3Snapshot 2


21

마스터 데이터 센터에서 다른 사이트로 연결 한 다음 다른 사이트로도

미러링 지원

Snapshot 활용하여백업과 복제의 두 가지 방법으로 DR 지원

파일, 폴더, 테이블 포함하여 지정된 클러스터로복사

원격지 마스터 데이터 방지로 읽기 권한만 부여

재난 발생 시에 원격지 클러스터 활성화

Promotable Mirrors기능으로 읽기/쓰기 상태 활성화

MapR 단일 데이터 플랫폼에는 사이트 전체의 재난 발생시 데이터 손실을 방지하는 백업 및 미러링 기능이 포함되어 있으며 MapR은 파일,

데이터베이스 및 이벤트를 위한 내장형 엔터프라이즈급 DR을 제공하는 대형 데이터 플랫폼입니다.


22

고객 대응 후 생성되는 데이터를 기존 정형 DBMS로 처리하는 것은 스키마 구성 및 관리에 대한 부담이 가중되기에, 웹이나 모바일앱, ARS,

VoC등으로 생성되는 데이터들에 대해 고객 중심의 데이터를 구성하기 위해서는 성능과 안전성이 확보된 NoSQL DB가 필요합니다.

MapR클러스터

마스터노드

마스터노드(HA)

Hbase 클러스터 MongoDB 클러스터


“Hbase는 Hadoop 환경에서 비정형 데이터를 저장하는 NoSQL 솔루션. 하지만 Hbase 구조적 한계로 인해 성능 및 안전성 확보가 매우 큰 이슈.

MapR-DB는 이러한 제약 사항을 제거하여 MapR FS와 DB를 결합시켜 고속으로 Schema-less(스키마 유연성) 데이터를 처리”

Hbase (Java Code)

Java Virtual Machine

Hadoop File System (Java Code)

Linux File System

Disk

MapR-DB (C Code)

MapR File System (C Code)

Disk

계층

간소화로

성능 향상

Java Virtual Machine

다중 계층

으로 인한

성능 저하

23


MapR-DB는 테이블 모니터링의 기능을 가지고 있습니다. 각 테이블이 위치하는 노드를 관찰하여 지연시간을 보여주거나 캐시 히트나 미스값

같은 정보도 제공하는 기능을 가집니다.

24


Kafka는 하둡 외부에 위치하여 통신에 의해 메시징 처리를 수행하므로 Kafaka 서버 내의 버퍼 사이즈 한계로 데이터 유실 가능성이 있으나,

MapR-ES는 단일 클러스터에서 처리하므로 데이터 유실 가능성이 없습니다.

Kafka(Java Code) Event Processing

JVM

JVM

Local File System HDFS (Java Code)

Linux File System

Disk

MapR-ES (C Code)

Event Processing

MapR-FS (C Code)

Disk

계층

간소화로

성능 향상

25


Social Media

Database

Data Warehouse

KafkaConnect

MapR-ESStream

Processing

Data Persistence

Kafka REST APISensor Data

Kafka Connect Apps

MapR-ES는 구조의 단순화, 장애 요소 제거 및 성능이 검증된 구조로서 수집, 처리 및 보관 기능을 하나의 데이터플랫폼에서 실행할 수 있습니다.

26


27

MapR Hadoop Enterprise Premier는 엔터프라이즈 환경에서 컴포넌트의 완전한 결합을 통해 Mission Critical한 빅데이터 플랫폼 운영 환경을

만들기 위해 필요한 솔루션들을 제공합니다.

기본Apache Hadoop

MapR Analytics의Hadoop


기본Apache Spark

MapR Advanced Analytics의Spark

28

MapR Spark Enterprise Premier는 대용량 데이터처리를 위한 통합된 분석엔진입니다.


기본Apache Drill

MapR Interactive SQL Engine의Drill

29

Apache Drill은 MapR이 주도하는 프로젝트로 이기종 Hadoop 에코 시스템들에 대해 동일한 ANSI SQL을 기준으로 개발 환경을 통합하는

프로젝트로 가장 쉽게 사용할 수 있는 SQL on Hadoop 기술입니다.


30

Data Science Refinery(DSR)는 기업용 데이터 분석환경의 단일 컨테이너로써, 하나의 가상공간에서 보다 많은 엔진을 통한 작업능력을

제공하며, 아래 목록을 포함하고 있습니다.


빅데이터 구축 사업이란, 빅데이터 시스템을 구축하는데 있어서 기존 정보계를 빅데이터 환경으로 전환하거나 미래에 사용될 분석의 재료가

되는 데이터들을 우선 모아서 데이터레이크를 구축한 후 분석 프로젝트를 진행하는 경우로, 일반적인 구축 단계는 준비 → 분석 → 설계 → 이행 →

운영으로 수행할 수 있다.

32


빅데이터 사업의 목적은 빅데이터 플랫폼 및 분석 체계를 마련하여 디지털서비스 고도화를 위한 인사이트(insight)를 대내외 다양한 데이터를

유연하게 수집, 분석하여 활용할 수 있도록 빅데이터 플랫폼 및 분석 체계를 구축하는 데에 있습니다.

33


Ⅱ-16

Big Data 플랫폼은 무엇을 분석하여 유의미한 정보를 제공할 것인가라는 질문에서 시작하여 수집부터 저장, 분석, 활용에 이르는 전 과정에 대한

체계적인 이해를 기반으로 하여 플랫폼을 설계하여 구성해야 합니다.

34


제안사는 MapR 상용 Hadoop SW를 중심으로 빅데이터 시스템을 구축하며 데이터 노드, 분산 데이터 허브, 분석 노드를 본 사업을 통해

구성하며, 추후 분석 모델 생성 시 효율적인 데이터 가시화 환경을 제공하기 위한 아키텍처 구성을 지원하여 수집부터 가시화까지 일련의 절차를

체계적으로 지원하는 시스템을 구축하겠습니다.

수집서버 2대

35


836


Ⅰ-13

JDBC

JDBC

MapR-FS

(HDFS)

Hive

MapR을 활용하여 구축한 상용 Hadoop 환경에 Apache NiFi를 활용하여 다양한 데이터 유형, 수집 주기에 따라 유연하게 데이터를 수집, 저장할

수 있는 환경을 구현하였습니다.

37


Sqoop, Flume과 연계하여 GUI 기반 데이터 수집/저장에 대한 워크플로우 관리 지원

Menu Bar

Process Canvas

Process Library

Configuration

Scheduling

38


Ⅱ-12

제안사는 검증된 데이터 수집/저장 프로세스를 활용하여 2개월 내 초기 데이터 수집/저장을 완료하겠습니다. 이를 위해 Apachi NiFi를

활용하는데, any-to-any 수집 파이프라인을 설계, 테스트, 배포 및 관리할 수 있으며, 다양한 빅데이터 구성 요소 (예: Hadoop, HBase, RDBMS

등)를 포함하여 데이터의 생성과 변경 내역을 추적할 수 있습니다.

39


데이터 저장 대상에 따라 데이터 조회 환경을 구성하며, 정형데이터는 Hive를 중심으로 데이터 조회 환경 구성

웹브라우저에서

데이터조회지원

다양한형태의

데이터조회지원

HDFS

MapReduce HBase

Metastore Client CLI

Pig HiveTerminal

40


MapR은 docker 컨테이너를 이용하여 개인화된 분석환경을 제공합니다.

41


Secondary Environment for DR

Centralized Environment per Integrated Delivery Network

Data PlatformFS, DB, Streams

Execution &Scheduling

ContainerizedUse cases

Private/Public Docker Registry

ContainerizedUse cases

Edge Environment 1

Edge Environment 2

Edge Environment N

MapR Global Data FabricReal-time & Global Namespace

Kubernetes 및 docker를 이용하여 컨테이너 기반의 아키텍처 구현

42


Alluxio

제안사가 활용하는 MapR 상용 Hadoop SW는 별도의 네임노드(마스터 서버)를 활용하지 않으므로, 해당 서버에 Alluxio를 설치하여 메모리

분산 스토리지를 제공함으로써 분석에 데이터 가져오는 시간을 현격하게 줄여 우수한 분석 환경을 제공하고, R/Python 이외 다양한 분석 환경을

제공할 수 있도록 지원합니다.

Kubernetes, Prometheus

Workflow 기반 Sandbox

43


R Language의 특성을 반영하여 데이터노트와 분리하여 분석 노드를 구성하고 다양한 분석을 지원하기 위해서 Local CRAN Repository 기반의

라이브러리 환경을 구성하여 PAM 인증 기반의 분석 노드를 구성하였습니다.

44


데이터 노드와 (1) 클라이언트 연계, (2) 실시간 스트리밍 연계를 지원하여 유연한 분석 환경 제공

45


R 기반데이터분석 Python 기반데이터분석

Hadoop Data Node(HDFS, NoSQL)

R-Studio

Hadoop Data Node(HDFS, NoSQL)

Anaconda

데이터 처리 그래프 통계/머신러닝 Deep Learning 데이터 처리 그래프 통계 분석 Deep Learning

Numpy

Pandas

Matplotlib

Seaborn

NetworkX

pydot, …

SKlearn

Statesmodels

Hmmlearn

…

Gensim

CNN

RNN

…

plyr Plot

ggplot2

ARCH

GARCH

LASSO

Ridge, …

Nnet

neuralnet

Deepnet

H2O

R, Python을 제공하고 분석 라이브러리를 local repository를 구성하여 분석 Sandbox 현행화, 배포 지원

46


Kubernetes를 활용 분석 Sandbox 자원 할당, Prometheus로 모니터링 및 Jenkins로 이미지를 관리

47


글로벌 네임스페이스, 멀티 테넌시 지원 통해 저장 공간 효율화, 대규모 확장성 및 운영 편의성 제공하고

Mission Critical 응용프로그램에서 장애점 개선

멀티 테넌시 미지원으로 운영 한계점 도달, Mission Critical 응용프로그램에서 수

차례 장애 발생하였으며 컴플라이언스(GDPR) 미준수로 매출의 10%에 해당하는

벌금이 부과되어 불편함을 호소

HA & DR 지원 및 성능 보장으로 다운타임 손실 방지

한계가 없는 시스템 확장으로 운영 편의성 확보

저장 공간의 효율화를 통한 낮은 총 소유비용 (TCO)

MapR해결방안

컨테이너 및 멀티 클라우드 지원

운영 프로그램 재구성 불필요

자동 Data Placement Control

(Hot, Warm, Cold Data) 지원

저장공간의 효율화

- 데이터 비이동

- 데이터 복제 및 중복이 없음

무한 선형 확장성

Nordea은행

북유럽 노르딕 지역 1위 은행

20개 국가에 진출/ 천만 고객/ 3만 직원

95억 유로 (약 12.5 조원) 운영 수입

최적화된 성능보장

저장공간 최적화및 효율화

비용 최적화

MapR 글로벌 네임스페이스

FILESTORE

CONTAINER STORE

FILE ACUSTOM

APPS

HADOOP & SPARKAPPS

데이터 저장 및 분석영역

Topology

49


취약 계층을 위한 정부의 의료 지원 프로그램의 부정수급 방지를 위해 모든 국민을

대상으로 한 인도 국민인증 생체 데이터베이스

정부 보조 프로그램의 부정수급 비율 20% 감소

현재 약 10억 이상의 생체 인증 등록

50

기존Hadoop 기반솔루션윈백

- 성능한계 (비 일관된응답속도)

4개의데이터센터간Clustering 구성 (Mirroring)

일관된응답속도(0.2초) 성능보장

10개지문, 2개 홍채, 디지털사진매일백만개등록

및 1경개조회


51

분산되고 확장 가능한 플랫폼과 데이터 분석 기능을 결합하여 단일 통합 플랫폼에서 다양한 작업 부하를 해결합니다.

대규모 확장성, Global 네임 스페이스, 자동화된 데이터 배치 를 제공하여 광범위한 사례를 지원합니다.

SPEC SPS Benchmark 결과

SPEC SPS 세계 기록 성능 보유로 스트리밍

처리량이 10GB/sec 인 2000개 이상 처리

2070개 Stream에 대하여 12.94 msecs 전

체 응답 시간

평균 대기 시간 34 msec

9.5 GB/sec 처리 (2017년 12월 기준)2070개 Stream 처리 평균대기시간 34 msec


Ⅰ-16

하나카드에 거버넌스 체계와 사용자 관점의 최적 분석 환경 수립 및 정보계 데이터에 대한 안정적인 이관 방안 수립을 통해 빅데이터 플랫폼의

안정적인 기반을 마련하고 사용자 관점에서 분석 데이터의 활용성을 높여 중장기적 관점에서 Digital Transformation 경쟁력을 확보하기 위한

사업을 수행하였습니다.

52


OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

글로벌자동차생산기업

53


미국의 3대 정유소 중 하나로 미국 전체의 석유, 가스 정련 능력의 10%를 처리하는 규모

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

54


국내의 대형 발전소 중 한곳으로 화력발전과 친환경에너지 발전을 수행

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

55


F100 소매업체가 기존 고객으로부터 수익 증대 가속화

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

LARGE RETAILER

56


F100 통신회사가 스마트폰 애플리케이션의 로그 분석을 가속화smartphone applications

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

LARGE

TELECOMMUNICATION

S PROVIDER

57


comScore는 온라인 고객행동에 대한 인사이트를 도출합니다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

58


Rubicon Project는 실시간으로 자동 광고 플랫폼을 실행시킨 바 있습니다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

59


MapR은 “가장 똑똑하고, 잘 알고, 정확하고, 사용하기 쉽고, 확장성있고 보안이 좋으며 강력한 알림메시지

플랫폼”을 가능하게 합니다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

60


빅데이터 플랫폼 기반의 고객의 소리 (VoC) 시스템

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

Large bank, total assets of

KRW 176.9 trillion, 13,000

employees, and 1,026

branches

61


고객 맞춤 추천서비스 & 고객의 소리 시스템 (VoC)

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

Regional bank in South Korea.

The bank is based and

headquartered in the busy

port city of Busan

62


대형 중개업은 고객확보율 증대 및 고객서비스 향상

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

LARGE BROKERAGE

63


대형의 온라인 대부업자들이 고객들의 경험을 향상시킨다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

LARGE ONLINE

MORTGAGE LENDER

64


F100 은행들이 로그분석 가속화를 통해 조사 및 규정 준수에 응하다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

LARGE FINANCIAL

SERVICES INSTITUTION

65


기업 아키텍쳐 비용을 증대시키지 않고 고객에게 데이터 서비스를 향상시켰다.

Business Impact

FORTUNE 500

TELCO

OBJECTIVES

CHALLENGES

SOLUTION

66


Cisco는 통합된 고객데이터를 사용하여 수익을 증대하였다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

Architecture for Sales

Partner Opportunities

67


F100 의료인들은 부정진료를 절감하고 불만대응을 효율적으로 향상시켰다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

HEALTH

CARE PROVIDER

68


고객 맞춤형의, 우선순위에 따른 네트워크 대역폭으로 고객만족 향상

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

Global 2000 Network

Provider for Telco

69


디지털 미디어 제공자들은 타겟팅 및 관련성 부분을 향상시켰다.

OBJECTIVES

CHALLENGES

SOLUTION

Business Impact

DIGITAL MEDIA &

COMMUNICATIONS

PROVIDER

70

maprb2en.com/img/pdf/mapr_data_platform.pdf · 대용량 분산처리 ... mapr core...

Documents