[도서리뷰]스파크를 활용한 실시간 처리(Stream Processing with Apache Spark

[도서리뷰]스파크를 활용한 실시간 처리(Stream Processing with Apache Spark)

스파크를 활용한 실시간 처리

오늘 리뷰할 도서는 스파크를 활용한 실시간 처리(Stream Processing with Apache Spark)입니다. 이 리뷰는 한빛 미디어로부터 도서를 제공받아 독서 후 작성되었음을 알려드립니다.

들어가며

웹개발자들 중에 실시간 처리가 필요 없는 개발자는 없을것이다. 비록 스파크를 직접 사용해본 적은 없더라도 서비스를(혹은 플랫폼)을 함께 만드는 다른 팀에서는 실시간 처리를 위해서 스파크를 사용하고 있을 가능성이크다(필자의 경우가 그랬다.) 우리 서비스에서 스파크가 실시간 처리를 담당해준다는 사실도 알고있었고, 여러 컨퍼런스에서 스파크를 이용한 실시간 처리에 관한 세션도 들어본적이 있지만, 공부를 하지않았다. 매번 해야한다는 생각만하고 당장 처리해야할 일이 너무 많아서 하지않았던거같다. 하지만 좋은 기회에 한빛미디어가 도서를 제공해주었고 덕분에 미루어둔 공부를 할 수 있게되었다.

먼저 목차부터 살펴보도록하자.

Part 1 아파치 스파크를 사용한 스트림 처리의 기본


CHAPTER 1 스트림 처리 소개

    1.1 스트림 처리란
    1.2 스트림 처리 예제
    1.3 데이터 처리의 확장
    1.4 분산 스트림 처리
    1.5 아파치 스파크 소개
    1.6 다음엔 무엇을 배울까

CHAPTER 2 스트림 처리 모델

    2.1 소스와 싱크
    2.2 서로 정의된 불변의 스트림
    2.3 변환과 집계
    2.4 윈도우 집계
    2.5 비상태 및 상태 기반 처리
    2.6 상태 기반 스트림
    2.7 예제: 스칼라에서 로컬 상태 기반 연산
    2.8 비상태 또는 상태 기반 스트리밍
    2.9 시간의 영향
    2.10 요약

CHAPTER 3 스트리밍 아키텍처

    3.1 데이터 플랫폼의 구성 요소
    3.2 아키텍처
    3.3 스트리밍 애플리케이션에서 배치 처리 구성 요소의 사용
    3.4 참조 스트리밍 아키텍처
    3.5 스트리밍과 배치 알고리즘
    3.6 요약

CHAPTER 4 스트림 처리 엔진으로서의 아파치 스파크

    4.1 두 API 이야기
    4.2 스파크의 메모리 사용
    4.3 지연 시간에 대한 이해
    4.4 처리량 지향 처리
    4.5 스파크의 폴리글랏 API
    4.6 데이터 분석의 빠른 구현
    4.7 스파크에 대해 더 알아보기
    4.8 요약

CHAPTER 5 스파크의 분산 처리 모델

    5.1 클러스터 매니저를 활용한 아파치 스파크 실행
    5.2 스파크 자체 클러스터 매니저
    5.3 분산 시스템에서의 복원력과 내결함성 이해
    5.4 데이터 전송 의미론
    5.5 마이크로배칭과 한 번에 한 요소
    5.6 마이크로배치와 한 번에 한 레코드 처리 방식을 더욱 가깝게 만들기
    5.7 동적 배치 간격
    5.8 구조적 스트리밍 처리 모델

CHAPTER 6 스파크의 복원력 모델

    6.1 스파크의 탄력적인 분산 데이터셋
    6.2 스파크 컴포넌트
    6.3 스파크의 내결함성 보장
    6.4 요약


Part 2 구조적 스트리밍


CHAPTER 7 구조적 스트리밍 소개

    7.1 구조적 스트리밍의 첫걸음
    7.2 배치 분석
    7.3 스트리밍 분석
    7.4 요약

CHAPTER 8 구조적 스트리밍 프로그래밍 모델

    8.1 스파크 초기화
    8.2 소스: 스트리밍 데이터 수집
    8.3 스트리밍 데이터 변환
    8.4 싱크: 결과 데이터 출력
    8.5 요약

CHAPTER 9 구조적 스트리밍 작동

    9.1 스트리밍 소스 소비하기
    9.2 애플리케이션 로직
    9.3 스트리밍 싱크에 쓰기
    9.4 요약

CHAPTER 10 구조적 스트리밍 소스

    10.1 소스의 이해
    10.2 사용 가능한 소스
    10.3 파일 소스
    10.4 카프카 소스
    10.5 소켓 소스
    10.6 레이트 소스

CHAPTER 11 구조적 스트리밍 싱크

    11.1 싱크의 이해
    11.2 사용 가능한 싱크
    11.3 파일 싱크
    11.4 카프카 싱크
    11.5 메모리 싱크
    11.6 콘솔 싱크
    11.7 foreach 싱크

CHAPTER 12 이벤트 시간 기반 스트림 처리

    12.1 구조적 스트리밍에서의 이벤트 시간에 대한 이해
    12.2 이벤트 시간의 사용
    12.3 처리 시간
    12.4 워터마크
    12.5 시간 기반 윈도우 집계
    12.6 레코드 중복 제거
    12.7 요약

CHAPTER 13 고급 상태 기반 작업

    13.1 예제: 차량 유지 보수 관리
    13.2 상태 작동을 통한 그룹의 이해
    13.3 MapGroupsWithState의 사용
    13.4 FlatMapGroupsWithState 사용
    13.5 요약

CHAPTER 14 구조적 스트리밍 애플리케이션 모니터링

    14.1 스파크 메트릭 하위시스템
    14.2 StreamingQuery 인스턴스
    14.3 StreamingQueryListener 인터페이스

CHAPTER 15 실험 영역: 연속형 처리와 머신러닝

    15.1 연속형 처리
    15.2 머신러닝


Part 3 스파크 스트리밍


CHAPTER 16 스파크 스트리밍 소개

    16.1 DStream 추상화
    16.2 스파크 스트리밍 애플리케이션의 구조
    16.3 요약

CHAPTER 17 스파크 스트리밍 프로그래밍 모델

    17.1 DStream의 기본 추상화로서의 RDD
    17.2 DStream 변환의 이해
    17.3 요소 중심의 DStream 변환
    17.4 RDD 중심의 DStream 변환
    17.5 계산 변환
    17.6 구조 변경 변환
    17.7 요약

CHAPTER 18 스파크 스트리밍 실행 모델

    18.1 대량 동기화 아키텍처
    18.2 리시버 모델
    18.3 리시버가 없는 모델 또는 직접 모델
    18.4 요약

CHAPTER 19 스파크 스트리밍 소스

    19.1 소스의 유형
    19.2 일반적으로 사용되는 소스
    19.3 파일 소스
    19.4 큐 소스
    19.5 소켓 소스
    19.6 카프카 소스
    19.7 더 많은 소스를 찾을 수 있는 곳

CHAPTER 20 스파크 스트리밍 싱크

    20.1 출력 연산
    20.2 내장형 출력 연산
    20.3 프로그래밍 가능한 싱크로서 foreachRDD 사용하기
    20.4 서드파티 출력 연산

CHAPTER 21 시간 기반 스트림 처리

    21.1 윈도우 집계
    21.2 텀블링 윈도우
    21.3 슬라이딩 윈도우
    21.4 윈도우 사용과 더 긴 배치 간격 사용
    21.5 윈도우 기반 감소
    21.6 가역 윈도우 집계
    21.7 슬라이싱 스트림
    21.8 요약

CHAPTER 22 임의 상태 기반 스트리밍 연산

    22.1 스트림 규모의 상태 기반
    22.2 updateStateByKey
    22.3 updateStateByKey의 한계
    22.4 mapwithState를 사용한 상태 기반 연산 소개
    22.5 mapWithState 사용하기
    22.6 mapWithState를 사용한 이벤트 시간 스트림 계산

CHAPTER 23 스파크 SQL로 작업하기

    23.1 스파크 SQL
    23.2 스파크 스트리밍에서 스파크 SQL 함수에 접근하기
    23.3 유휴 데이터 처리
    23.4 조인 최적화
    23.5 스트리밍 애플리케이션에서 참조 데이터셋 업데이트하기
    23.6 요약

CHAPTER 24 체크포인팅

    24.1 체크포인트 사용법의 이해
    24.2 DStream 체크포인팅
    24.3 체크포인트에서 복구
    24.4 체크포인팅 비용
    24.5 체크포인트 튜닝

CHAPTER 25 스파크 스트리밍 모니터링

    25.1 스트리밍 UI
    25.2 스트리밍 UI를 이용하여 잡 성능 이해하기
    25.3 REST API 모니터링
    25.4 지표 하위시스템
    25.5 내부 이벤트 버스
    25.6 요약

CHAPTER 26 성능 튜닝

    26.1 스파크 스트리밍의 성능 밸런스
    26.2 잡의 성능에 영향을 미치는 외부 요소
    26.3 성능을 향상시킬 수 있는 방법
    26.4 배치 간격 조정하기
    26.5 고정 속도 스로틀링을 통한 데이터 수신 제한
    26.6 백프레셔
    26.7 동적 스로틀링
    26.8 캐싱
    26.9 추측적 실행


Part 4 고급 스파크 스트리밍 기술

CHAPTER 27 스트리밍 근사 및 샘플링 알고리즘

    27.1 정확성, 실시간 그리고 빅데이터
    27.2 정확성, 실시간 그리고 빅데이터 삼각형
    27.3 근사 알고리즘
    27.4 해싱과 스케칭: 소개
    27.5 고유 요소 계산: HyperLogLog
    27.6 카운팅 요소 빈도: 최소 스케치 카운트
    27.7 순위와 분위수: T-다이제스트
    27.8 요소 수 줄이기: 샘플링

CHAPTER 28 실시간 머신러닝

    28.1 나이브 베이즈를 이용한 스트리밍 분류
    28.2 의사 결정 트리 소개
    28.3 Hoeffding 트리
    28.4 온라인 K-평균을 사용한 스트리밍 클러스터링


Part 5 아파치 스파크를 넘어


CHAPTER 29 기타 분산 실시간 스트림 처리 시스템

    29.1 아파치 스톰
    29.2 아파치 플링크
    29.3 카프카 스트림
    29.4 클라우드에서

CHAPTER 30 미리 살펴보기

    30.1 연결 상태 유지
    30.2 밋업에 참석하기
    30.3 아파치 스파크 프로젝트에 기여하기

목차에 나와있다시피 기초부터 시작하여 사례, 적용 법까지 다양한 내용을 다루고있다.
실시간처리, 스트리밍, 스파크 이런 키워드들에 대해 설명하라고하면 막연한 설명밖에 못하는분들이 보기 좋은책. 이 책은 스파크를 활용한 실시간 처리를 설명하기에 앞서 실시간 처리를 논할때 사용되는 용어 및 개념들에대해 설명하는것부터 시작한다. 즉, 별다른 선행 지식이 필요 없다는 이야기이다. 덕분에 필자도 수월하게 책의 내용을 이해할 수 있었다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."