Submit Search
Upload
BigData, Hadoop과 Node.js, R2
•
38 likes
•
5,927 views
고포릿 default
Follow
기존 파일이 수정이 안되서 멀티노드 설치 부분이 추가된 자룔를 업로드한다.
Read less
Read more
Technology
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 150
Recommended
BigData, Hadoop과 Node.js
BigData, Hadoop과 Node.js
고포릿 default
빅데이터_ISP수업
빅데이터_ISP수업
jrim Choi
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향
Webometrics Class
오픈 데이터와 인공지능
오픈 데이터와 인공지능
Myungjin Lee
Bigdata
Bigdata
Jongmyoung Kim
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
동학 노
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
Donghan Kim
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
Saltlux zinyus
Recommended
BigData, Hadoop과 Node.js
BigData, Hadoop과 Node.js
고포릿 default
빅데이터_ISP수업
빅데이터_ISP수업
jrim Choi
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향
Webometrics Class
오픈 데이터와 인공지능
오픈 데이터와 인공지능
Myungjin Lee
Bigdata
Bigdata
Jongmyoung Kim
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
동학 노
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
Donghan Kim
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
Saltlux zinyus
Big Data 대충 알아보기
Big Data 대충 알아보기
iron han
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
atelier t*h
빅데이터란?
빅데이터란?
Yoseop Shin
빅데이터 개요
빅데이터 개요
beom kyun choi
빅데이터의 이해
빅데이터의 이해
수보 김
빅데이터와 로봇 (Big Data in Robotics)
빅데이터와 로봇 (Big Data in Robotics)
Hong-Seok Kim
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
Daum DNA
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
kyunguk_Kim
데이터시장의 트렌드와 예측 - 이영환
데이터시장의 트렌드와 예측 - 이영환
datasciencekorea
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
ko donghwi
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
Peter Woo
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
kosena
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
Wonjin Lee
빅데이터
빅데이터
Kangwook Lee
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
YoungMin Jeon
digital archiving
digital archiving
Hansung University
빅데이터의 활용
빅데이터의 활용
수보 김
LOD를 말하다: Europeana, BBC, LinkedUp
LOD를 말하다: Europeana, BBC, LinkedUp
Hansung University
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Channy Yun
데이터마이닝의 개요
데이터마이닝의 개요
Chris Kim
Enterprise conference 2013 Microsoft BigData 사례발표자료
Enterprise conference 2013 Microsoft BigData 사례발표자료
환태 김
빅 데이터 개요 및 활용
빅 데이터 개요 및 활용
Jin wook
More Related Content
What's hot
Big Data 대충 알아보기
Big Data 대충 알아보기
iron han
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
atelier t*h
빅데이터란?
빅데이터란?
Yoseop Shin
빅데이터 개요
빅데이터 개요
beom kyun choi
빅데이터의 이해
빅데이터의 이해
수보 김
빅데이터와 로봇 (Big Data in Robotics)
빅데이터와 로봇 (Big Data in Robotics)
Hong-Seok Kim
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
Daum DNA
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
kyunguk_Kim
데이터시장의 트렌드와 예측 - 이영환
데이터시장의 트렌드와 예측 - 이영환
datasciencekorea
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
ko donghwi
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
Peter Woo
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
kosena
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
Wonjin Lee
빅데이터
빅데이터
Kangwook Lee
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
YoungMin Jeon
digital archiving
digital archiving
Hansung University
빅데이터의 활용
빅데이터의 활용
수보 김
LOD를 말하다: Europeana, BBC, LinkedUp
LOD를 말하다: Europeana, BBC, LinkedUp
Hansung University
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Channy Yun
데이터마이닝의 개요
데이터마이닝의 개요
Chris Kim
What's hot
(20)
Big Data 대충 알아보기
Big Data 대충 알아보기
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
빅데이터란?
빅데이터란?
빅데이터 개요
빅데이터 개요
빅데이터의 이해
빅데이터의 이해
빅데이터와 로봇 (Big Data in Robotics)
빅데이터와 로봇 (Big Data in Robotics)
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
데이터시장의 트렌드와 예측 - 이영환
데이터시장의 트렌드와 예측 - 이영환
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터
빅데이터
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
digital archiving
digital archiving
빅데이터의 활용
빅데이터의 활용
LOD를 말하다: Europeana, BBC, LinkedUp
LOD를 말하다: Europeana, BBC, LinkedUp
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
데이터마이닝의 개요
데이터마이닝의 개요
Similar to BigData, Hadoop과 Node.js, R2
Enterprise conference 2013 Microsoft BigData 사례발표자료
Enterprise conference 2013 Microsoft BigData 사례발표자료
환태 김
빅 데이터 개요 및 활용
빅 데이터 개요 및 활용
Jin wook
1. hadoop 소개
1. hadoop 소개
Jino Kim
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
K data
특허전쟁 승리 위한 R&d 전략
특허전쟁 승리 위한 R&d 전략
atelier t*h
국내외 공간빅데이터 정책 및 기술동향
국내외 공간빅데이터 정책 및 기술동향
메가트렌드랩 megatrendlab
빅데이터와 타겟 마케팅 Ver 1 0
빅데이터와 타겟 마케팅 Ver 1 0
Konkuk University
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
bitnineglobal
Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료
neuroassociates
Big data
Big data
painseob10
Big Data Overview
Big Data Overview
Keeyong Han
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
Channy Yun
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
영진 박
20100407 박진호 d_lifecycle_kisti
20100407 박진호 d_lifecycle_kisti
glorykim
웹의 진화와 지식 구조화 Ver 1 1
웹의 진화와 지식 구조화 Ver 1 1
Konkuk University
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
Gruter
2014년 ICT 산업 트렌드
2014년 ICT 산업 트렌드
Donghyung Shin
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
Yunjeong Susan Hong
[2A7]Linkedin'sDataScienceWhyIsItScience
[2A7]Linkedin'sDataScienceWhyIsItScience
NAVER D2
E-commerce BigData Scale AI Journey
E-commerce BigData Scale AI Journey
hoondong kim
Similar to BigData, Hadoop과 Node.js, R2
(20)
Enterprise conference 2013 Microsoft BigData 사례발표자료
Enterprise conference 2013 Microsoft BigData 사례발표자료
빅 데이터 개요 및 활용
빅 데이터 개요 및 활용
1. hadoop 소개
1. hadoop 소개
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
특허전쟁 승리 위한 R&d 전략
특허전쟁 승리 위한 R&d 전략
국내외 공간빅데이터 정책 및 기술동향
국내외 공간빅데이터 정책 및 기술동향
빅데이터와 타겟 마케팅 Ver 1 0
빅데이터와 타겟 마케팅 Ver 1 0
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료
Big data
Big data
Big Data Overview
Big Data Overview
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
20100407 박진호 d_lifecycle_kisti
20100407 박진호 d_lifecycle_kisti
웹의 진화와 지식 구조화 Ver 1 1
웹의 진화와 지식 구조화 Ver 1 1
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
2014년 ICT 산업 트렌드
2014년 ICT 산업 트렌드
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
[2A7]Linkedin'sDataScienceWhyIsItScience
[2A7]Linkedin'sDataScienceWhyIsItScience
E-commerce BigData Scale AI Journey
E-commerce BigData Scale AI Journey
More from 고포릿 default
신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약
고포릿 default
비트교육센터-AWS활용 1주차: ssh authorized_keys
비트교육센터-AWS활용 1주차: ssh authorized_keys
고포릿 default
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
고포릿 default
Raspberry Pi GPIO Programming with Python
Raspberry Pi GPIO Programming with Python
고포릿 default
Raspberry Pi Basic Usage
Raspberry Pi Basic Usage
고포릿 default
앱 클라우드 서비스 개발
앱 클라우드 서비스 개발
고포릿 default
안드로이드에서 Baasio 서비스 이용하기
안드로이드에서 Baasio 서비스 이용하기
고포릿 default
More from 고포릿 default
(7)
신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약
비트교육센터-AWS활용 1주차: ssh authorized_keys
비트교육센터-AWS활용 1주차: ssh authorized_keys
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
Raspberry Pi GPIO Programming with Python
Raspberry Pi GPIO Programming with Python
Raspberry Pi Basic Usage
Raspberry Pi Basic Usage
앱 클라우드 서비스 개발
앱 클라우드 서비스 개발
안드로이드에서 Baasio 서비스 이용하기
안드로이드에서 Baasio 서비스 이용하기
Recently uploaded
Merge (Kitworks Team Study 이성수 발표자료 240426)
Merge (Kitworks Team Study 이성수 발표자료 240426)
Wonjun Hwang
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
Kim Daeun
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Kim Daeun
Console API (Kitworks Team Study 백혜인 발표자료)
Console API (Kitworks Team Study 백혜인 발표자료)
Wonjun Hwang
A future that integrates LLMs and LAMs (Symposium)
A future that integrates LLMs and LAMs (Symposium)
Tae Young Lee
Recently uploaded
(6)
Merge (Kitworks Team Study 이성수 발표자료 240426)
Merge (Kitworks Team Study 이성수 발표자료 240426)
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스 2024년 5월호 목차
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Console API (Kitworks Team Study 백혜인 발표자료)
Console API (Kitworks Team Study 백혜인 발표자료)
A future that integrates LLMs and LAMs (Symposium)
A future that integrates LLMs and LAMs (Symposium)
BigData, Hadoop과 Node.js, R2
1.
•
2.
BigData의
3.
개요
4.
•
5.
Hadoop
6.
이용
7.
•
8.
Streaming
9.
with
10.
Node.js
11.
•
12.
VERSION
13.
1.2
14.
•
15.
Release
16.
Date
17.
:
18.
2013.6
19.
오픈소스
20.
실습
21.
22.
23.
24.
25.
26.
27.
28.
29.
BigData
30.
소개
31.
고
32.
강
33.
태
34.
010-8269-3535
35.
36.
gangtai.goh@gmail.com @gtko http://goo.gl/9V3H6 http://www.facebook.com/gangtai.goh
37.
오픈소스
38.
실습
39.
강의
40.
• 자료의
41.
출처는
42.
슬라이드
43.
하단에
44.
표기했습니다.
45.
• 2013년
46.
숭실대학교
47.
글로벌미디어
48.
학부의
49.
오픈소 스
50.
소프트웨어
51.
실습과정의
52.
일환으로
53.
제작되었습니 다.
54.
55.
• 3 목차
56.
1.
57.
Big
58.
Data
59.
개요
60.
2.
61.
BigData
62.
분석
63.
3.
64.
Big
65.
Data
66.
활용사례
67.
4.
68.
Hadoop
69.
70.
• 4 1.
71.
Big
72.
Data의
73.
개요
74.
01.
75.
BigData?
76.
02.
77.
BigData
78.
기술요소
79.
03.
80.
BigData
81.
처리
82.
기법
83.
84.
85.
1.
86.
Big
87.
Data의
88.
개요
89.
90.
01.
91.
Big
92.
Data란?
93.
94.
• 6 Big
95.
Data란?
96.
기존
97.
데이터에
98.
비해
99.
너무
100.
커서
101.
기존
102.
방법,
103.
도구로
104.
수집/저장/검색/분석/시각화
105.
등이
106.
어려운
107.
정 형,
108.
반정형
109.
및
110.
비정형
111.
데이터의
112.
집합
113.
114.
115.
-
116.
하드웨어,
117.
소프트웨어적
118.
저장,
119.
분석의
120.
어려움을
121.
Grid
122.
computing,
123.
Cloud
124.
computing
125.
등
126.
기술로
127.
극복
128.
129.
-
130.
전통적
131.
데이터
132.
분석
133.
기법을
134.
개선
135.
136.
Big
137.
Data의
138.
개요
139.
140.
• 7 왜?
141.
2011년에
142.
새롭게
143.
생성,
144.
복제되는
145.
정보의
146.
양은
147.
1.8ZB(1조8000 억
148.
GigaByte)를
149.
넘어선다.
150.
향후
151.
5년간
152.
9배
153.
증가
154.
예상
155.
156.
157.
-
158.
1.8ZB는
159.
약
160.
4900만
161.
국민이
162.
18만년
163.
동안
164.
쉬지
165.
않고
166.
1분에
167.
트 위터에
168.
3개의
169.
글을
170.
게시하는
171.
양과
172.
같다
173.
174.
175.
-
176.
2시간짜리
177.
HD영화
178.
2000억개와
179.
맞먹는다.
180.
181.
182.
-
183.
2011,
184.
IDC
185.
186.
187.
이렇듯
188.
전세계
189.
디지털
190.
정보량은
191.
매
192.
2년마다
193.
2배씩
194.
증가
195.
Big
196.
Data의
197.
개요
198.
KT종합기술원:
199.
http://goo.gl/nVyre
200.
201.
• 8 언제?
202.
• 매일
203.
• 트위터는
204.
340M
205.
메시지를
206.
처리
207.
• 페이스북은
208.
2.7B
209.
댓글과
210.
“Likes”를
211.
저장
212.
• 매분
213.
• 200M
214.
이메일이
215.
전송중
216.
• 포스퀘어
217.
2000개
218.
이상의
219.
체크인
220.
처리
221.
Big
222.
Data의
223.
개요
224.
http://www.slideshare.net/kmstechnology/an-introduction-of-apache-hadoop
225.
226.
• 9 어디에?
227.
SKT
228.
LTE
229.
가입자
230.
하루
231.
데이터
232.
1PB
233.
시대
234.
235.
236.
-
237.
5메가바이트(MB)
238.
분량의
239.
노래
240.
2억
241.
1474만8364곡을
242.
내려받 거나
243.
영화
244.
153만3916편을
245.
내려받은
246.
셈.
247.
248.
249.
250.
-
251.
http://goo.gl/v5bHN
252.
253.
254.
-
255.
3000만
256.
가입자의
257.
분석
258.
259.
260.
미국,
261.
싱가포르
262.
등
263.
정부
264.
차원에서
265.
테러,
266.
범죄
267.
방지를
268.
위한
269.
빅데이 터
270.
수집/분석
271.
및
272.
예측
273.
체계를
274.
도입
275.
사례
276.
277.
EU는
278.
금융위기
279.
극복,
280.
사회
281.
복잡성
282.
이해를
283.
위해
284.
Future
285.
ICT
286.
프로 젝트
287.
…⋯
288.
Big
289.
Data의
290.
개요
291.
292.
• 10 어떻게?
293.
빅
294.
데이터의
295.
데이터는
296.
다양한
297.
분석
298.
기술,
299.
인프라를
300.
기반으로
301.
데이 터
302.
안에서
303.
데이터를
304.
발견하는데
305.
중점.
306.
Big
307.
Data의
308.
개요
309.
http://goo.gl/97PRT
310.
311.
• 11 어떤
312.
데이터??
313.
의학
314.
영상,
315.
이미지,
316.
센서
317.
데이터,
318.
게놈
319.
데이터,
320.
날씨
321.
데이터,
322.
인공 위성
323.
등.
324.
325.
영업데이터,
326.
고객분석,
327.
제품
328.
데이터베이스,
329.
회계
330.
데이터
331.
등
332.
333.
로그
334.
파일,
335.
네트워크
336.
메시지,
337.
웹
338.
분석,
339.
침투
340.
로그,
341.
스팸…⋯
342.
…⋯
343.
Big
344.
Data의
345.
개요
346.
347.
• 12 데이터베이스의
348.
진화
349.
데이터들이
350.
빠르게
351.
증가하는
352.
만큼
353.
노이즈
354.
데이터라고
355.
불리우는
356.
쓸모
357.
없는
358.
데이터들도
359.
많이
360.
생성
361.
이런
362.
비정형화된
363.
노이즈
364.
데이터의
365.
중요성이
366.
증대,
367.
분석
368.
요구
369.
Big
370.
Data의
371.
개요
372.
http://goo.gl/97PRT
373.
374.
• 13 데이터
375.
종류
376.
빅
377.
데이터의
378.
데이터는
379.
정형화
380.
정도에
381.
따라,
382.
Big
383.
Data의
384.
개요
385.
KT종합기술원:
386.
http://goo.gl/nVyre
387.
388.
• 14 Data
389.
storage
390.
데이터
391.
저장
392.
비용의
393.
감소
394.
Big
395.
Data의
396.
개요
397.
http://www.deepspar.com/wp-data-loss.html
398.
399.
• 15 분산컴퓨팅
400.
진화
401.
Big
402.
Data의
403.
개요
404.
405.
• 16 요소기술
406.
진화
407.
다중
408.
분산
409.
시스템
410.
변화
411.
à
412.
가상화
413.
à
414.
서비스화
415.
On Demand Computing 사용자가
416.
필요로
417.
할
418.
때
419.
언제
420.
어디서지
421.
컴퓨팅
422.
및
423.
서비스를
424.
이용할
425.
수
426.
있는
427.
주문형
428.
기반
429.
컴퓨팅
430.
Grid Computing 주어진
431.
문제를
432.
풀기
433.
위해서
434.
네트워크
435.
상의
436.
수
437.
많 은
438.
컴퓨터의
439.
자원을
440.
이용하는
441.
컴퓨팅.
442.
서로
443.
상이 한
444.
컴퓨터들이
445.
가상의
446.
대형
447.
컴퓨터를
448.
구헝à
449.
고도 의
450.
연산,
451.
대용량
452.
연산
453.
처리
454.
(
455.
SETI)
456.
457.
458.
Virtualization 물리적
459.
시스템
460.
개체들을
461.
논리적
462.
하드웨어
463.
단위로
464.
분리.
465.
컴퓨팅
466.
자원의
467.
물리적
468.
특징을
469.
숨기고
470.
이들
471.
자원을
472.
사용하는
473.
다른
474.
시스템,
475.
애플리케이션
476.
및
477.
사용자에게
478.
단일한
479.
시스템
480.
이미지를
481.
제공하는
482.
개 념.
483.
또한
484.
단일
485.
자원이
486.
여러개의
487.
논리
488.
단위로
489.
혹은
490.
반대를
491.
포함한다.
492.
à
493.
LVM,
494.
VMWare
495.
Utility Computing 사용자가
496.
필요한
497.
만큼
498.
시스템
499.
자원을
500.
사용하고
501.
그
502.
사용량에
503.
따라
504.
비용을
505.
지불하는
506.
개념의
507.
컴퓨팅
508.
509.
à
510.
SaaS;
511.
Salesforce.com
512.
Cloud Computing 가상화되고
513.
Privisioning을
514.
포함해
515.
상업적으로
516.
Utility-computing
517.
서비스를
518.
시행
519.
520.
à
521.
E2C,
522.
AppEngine,
523.
Cloud
524.
hosting
525.
Big
526.
Data의
527.
개요
528.
529.
• 17 Don’t
530.
buy,
531.
be
532.
use!
533.
HW,
534.
SW의
535.
물리적
536.
제약을
537.
가상화로
538.
해결
539.
http://www.slideshare.net/CiscoSP360/vmworld-2009-vmworld-data-center Big
540.
Data의
541.
개요
542.
543.
• 18 BigData
544.
story
545.
Database,
546.
Dataware
547.
House,
548.
Data
549.
mart
550.
등의
551.
정적
552.
데이터
553.
기 반은
554.
대규모
555.
메모리,
556.
SAN
557.
Storage
558.
등을
559.
대용량
560.
파일시스템
561.
마운 트를
562.
기반으로
563.
고가용성을
564.
유지
565.
566.
-
567.
단,
568.
scale-up
569.
기반의
570.
성능
571.
향상
572.
573.
구글은
574.
검색기반
575.
광고에
576.
Tera
577.
-
578.
Peta
579.
규모의
580.
데이터
581.
분석등을
582.
위핸
583.
MapRedue
584.
라는
585.
모델을
586.
구글파일시스템(GFS)에서
587.
활용
588.
이런
589.
MapReduce
590.
솔루션
591.
중에서
592.
오픈소스로
593.
주목
594.
받는
595.
기술이
596.
J ava기반의
597.
Apache
598.
Hadoop
599.
이다.
600.
Hadoop은
601.
야후
602.
더그커킹이
603.
개발/배포하다
604.
오픈소스화.
605.
606.
페이스북,트위터,링크드인,
607.
이베이,
608.
아마존
609.
등
610.
이용
611.
국내
612.
NexR이
613.
hadoop
614.
및
615.
클라우드
616.
기반
617.
솔루션,
618.
이후
619.
KT크라우 드웨어에서
620.
R+Hive
621.
솔루션
622.
RHive
623.
제공.
624.
Big
625.
Data의
626.
개요
627.
미래사회와 빅 데이터(Big
Data)기술
628.
• 19 BigData와
629.
Cloud
630.
631.
632.
633.
634.
635.
http://www.citsoft.net/?page_id=336
636.
637.
638.
639.
640.
Big
641.
Data의
642.
개요
643.
644.
1.
645.
Big
646.
Data의
647.
개요
648.
649.
02.
650.
Big
651.
Data
652.
요소
653.
기술
654.
655.
• 21 V
656.
V
657.
V
658.
3대
659.
요소
660.
Big
661.
Data의
662.
개요
663.
664.
• 22 Volume
665.
웹
666.
로그,
667.
지메일
668.
서버
669.
등의
670.
데이터는
671.
수
672.
PB
673.
이상
674.
트위터의
675.
메시징
676.
정보량
677.
GB
678.
미만
679.
등…⋯
680.
안정적
681.
데이터와
682.
분석,
683.
처리에
684.
중점을
685.
두는
686.
데이터의
687.
차별이
688.
필요하다.
689.
물리적
690.
크기보다
691.
데이터의
692.
속성에
693.
따라
694.
중요성을
695.
판단하고
696.
처리하는데
697.
중점
698.
699.
Big
700.
Data의
701.
개요
702.
http://goo.gl/aXm24
703.
704.
• 23 Velocity
705.
데이터를
706.
처리하는
707.
속도
708.
배치
709.
분석
710.
실시간
711.
분석
712.
결과에
713.
대한
714.
가시화
715.
기능도
716.
중요
717.
718.
-
719.
단,
720.
가시화가
721.
처리를
722.
능가하면
723.
안됨
724.
Big
725.
Data의
726.
개요
727.
728.
• 24 Variety
729.
전통적
730.
데이터는
731.
기업내부의
732.
ERP,
733.
SCM,
734.
MES,
735.
CRM
736.
등은
737.
RDBMS
738.
기반의
739.
정형화된
740.
데이터를
741.
구축해서
742.
운영하고
743.
있다.
744.
기업
745.
외부의
746.
데이터인
747.
마케팅,
748.
평판,
749.
기사
750.
등의
751.
데이터는
752.
데이터 웨어하우스를
753.
통해
754.
유지,
755.
분석했다.
756.
그러나
757.
인터넷
758.
시대에
759.
모든
760.
데이터를
761.
정형/반정형화
762.
해서
763.
이용하 는데
764.
한계에
765.
직면
766.
Big
767.
Data의
768.
개요
769.
http://goo.gl/MTKST
770.
771.
• 25 http://goo.gl/80Hb4
772.
d
773.
Big
774.
Data의
775.
개요
776.
777.
• 26 주요
778.
업체
779.
Hortonworks
780.
–
781.
야후분사,
782.
Hadoop
783.
코어
784.
지원,
785.
아치텍쳐
786.
Cloudera
787.
–
788.
야후분사,
789.
기술지원,
790.
교육
791.
및
792.
배포판
793.
제공
794.
IBM
795.
–
796.
Apache
797.
hadoop
798.
기반
799.
basic,
800.
enterprise
801.
배포판
802.
EMC
803.
–
804.
DW
805.
Greenplum에
806.
MapR
807.
통합해
808.
제공,
809.
Apache
810.
Hadoop
811.
기반
812.
community
813.
edition
814.
Oracle
815.
–
816.
HW
817.
+
818.
Cloudera
819.
DataStax
820.
–
821.
Hadoop
822.
+
823.
Hive
824.
+
825.
Cassandra
826.
Datameer
827.
–
828.
Analytic
829.
solution
830.
Hadapt
831.
–
832.
Analytic
833.
platform
834.
HStreaming
835.
–
836.
Real
837.
tie
838.
processing
839.
840.
Big
841.
Data의
842.
개요
843.
미래사회와 빅 데이터(Big
Data)기술
844.
• 27 솔루션간
845.
관계
846.
Big
847.
Data의
848.
개요
849.
미래사회와 빅 데이터(Big
Data)기술
850.
• 28 2.
851.
BigData의
852.
분석기법
853.
01.
854.
BigData
855.
처리
856.
02.
857.
BigData
858.
분석기법
859.
03.
860.
BigData
861.
862.
863.
1.
864.
Big
865.
Data의
866.
개요
867.
868.
01.
869.
Big
870.
Data
871.
처리
872.
873.
• 30 빅데이터
874.
처리는
875.
빠른
876.
의사결정이
877.
상대적으로
878.
덜
879.
요구된다
880.
처리
881.
복잡도가
882.
높다
883.
처리할
884.
데이터
885.
양이
886.
방대하다
887.
비정형
888.
데이터
889.
비중이
890.
높다
891.
처리/분석
892.
유연성이
893.
높다
894.
동시처리량이
895.
낮다
896.
BigData
897.
처리
898.
가트너
899.
11년
900.
보고서
901.
902.
• 31 처리
903.
방식
904.
다양한
905.
스토리지,
906.
컴퓨팅
907.
기술
908.
과
909.
분석
910.
기술을
911.
이용한다.
912.
그래서
913.
빅
914.
데이터
915.
기술은
916.
크게
917.
분석
918.
기법과
919.
분석
920.
인프라로
921.
구성
922.
Big
923.
Data의
924.
개요
925.
KT경제연구소,
926.
Big
927.
Data,
928.
미래를
929.
여는
930.
비밀의
931.
열쇠
932.
933.
BigData의
934.
분석기법
935.
936.
02.
937.
주요
938.
분석
939.
기법
940.
941.
• 33 TextMining
942.
텍스트마이닝은
943.
비/반정형
944.
텍스트
945.
데이터에서
946.
자연어처리 Natural
947.
Language
948.
Processing
949.
기반
950.
추출/가공을
951.
목적
952.
953.
-
954.
방대한
955.
텍스트
956.
내용
957.
안에서
958.
의미
959.
있는
960.
정보를
961.
추출해
962.
다른
963.
정보 와의
964.
연계성을
965.
파악해
966.
텍스트의
967.
분류화
968.
969.
-
970.
단순
971.
키워드
972.
검색
973.
이상의
974.
결과를
975.
얻는다.
976.
977.
다양한
978.
텍스트마이닝
979.
기술
980.
요소
981.
참조
982.
983.
984.
-
985.
http://goo.gl/VeBGL
986.
987.
예)
988.
Hadoop의
989.
Mahout
990.
서브
991.
시스템
992.
993.
BigData
994.
분석기법
995.
996.
• 34 Opinion
997.
Mining
998.
텍스트마이닝
999.
분야로
1000.
일명
1001.
평판분석
1002.
Sentiment
1003.
Analysis
1004.
소셜미디어
1005.
등의
1006.
정형/비정형
1007.
텍스트의
1008.
긍정Positive,
1009.
부정 Negative,
1010.
중립Neutral
1011.
의
1012.
선호도를
1013.
판별
1014.
1015.
예)
1016.
소셜네트워크에서
1017.
서비스/상품의
1018.
1019.
시장규모
1020.
예측,
1021.
소비자의
1022.
반응,
1023.
1024.
입소문
1025.
분석
1026.
등을
1027.
위해
1028.
활용.
1029.
1030.
1031.
SNS에서
1032.
오피니언마이닝
1033.
1034.
-
1035.
http://www.slideshare.net/hyummoki/sns-12894995
1036.
1037.
BigData
1038.
분석기법
1039.
연구데이터
1040.
지원
1041.
/
1042.
오피니언마이닝을
1043.
위해
1044.
데이터
1045.
제공
1046.
http://lab.naver.com/research/
1047.
1048.
• 35 SNS
1049.
Analytics
1050.
소셜네트워크의
1051.
연결구조,
1052.
강도
1053.
등의
1054.
분석은
1055.
그래프
1056.
이론을
1057.
기반 으로
1058.
한다.
1059.
1060.
소셜네트워크
1061.
사용자의
1062.
명성,
1063.
영향력
1064.
등을
1065.
측정
1066.
가능하다.
1067.
1068.
소셜네트워크
1069.
내에서
1070.
입소문의
1071.
1072.
중심,
1073.
허브
1074.
역할
1075.
사용자
1076.
검색
1077.
이런
1078.
영향력있는
1079.
Influencer의
1080.
1081.
모니터링,
1082.
관리를
1083.
목적
1084.
1085.
1086.
소셜
1087.
네트워크
1088.
분석
1089.
사례
1090.
1091.
-
1092.
http://www.slideshare.net/webscikorea/ss-2659452
1093.
BigData
1094.
분석기법
1095.
http://cyram.tistory.com/35
1096.
1097.
• 36 Cluster
1098.
Analysis
1099.
군집분석
1100.
Cluster
1101.
Analysis는
1102.
비슷한
1103.
개체를
1104.
합쳐가며
1105.
최종적으 로
1106.
유사
1107.
특성의
1108.
군Group을
1109.
발굴하는데
1110.
사용
1111.
예로
1112.
소셜네트워크에서
1113.
영화,
1114.
정치
1115.
등을
1116.
주로
1117.
이야기
1118.
하는
1119.
사용자 군,
1120.
자동차에
1121.
관심있는
1122.
군을
1123.
추출
1124.
1125.
BigData
1126.
분석기법
1127.
http://cyram.tistory.com/72
1128.
1129.
BigData의
1130.
분석기법
1131.
1132.
03.
1133.
주요
1134.
분석
1135.
Infra
1136.
기술
1137.
1138.
BigData의
1139.
분석기법
1140.
1141.
03.
1142.
주요
1143.
분석
1144.
Infra
1145.
기술
1146.
1147.
• 39 Infra
1148.
structure
1149.
테라,
1150.
페타,
1151.
제타
1152.
바이트
1153.
이상의
1154.
데이터를
1155.
저장,
1156.
분석을
1157.
위한
1158.
인프 라
1159.
기술
1160.
개발이
1161.
중요.
1162.
BigData
1163.
분석기법
1164.
http://goo.gl/VT5Z4
1165.
1166.
• 40 Hadoop
1167.
테라,
1168.
페타,
1169.
제타
1170.
바이트
1171.
이상의
1172.
데이터를
1173.
저장,
1174.
분석을
1175.
위한
1176.
인프 라
1177.
기술
1178.
개발이
1179.
중요.
1180.
Hadoop
1181.
1182.
-
1183.
오픈소스
1184.
분산데이터
1185.
처리
1186.
기술
1187.
1188.
-
1189.
HDFS과
1190.
Hbase,
1191.
MapReduce
1192.
등
1193.
1194.
서브
1195.
시스템의
1196.
집합
1197.
1198.
-
1199.
HDFS,
1200.
Hbase는
1201.
각각
1202.
구글
1203.
GFS,
1204.
1205.
Big
1206.
Table
1207.
영향받아
1208.
비용효율적인
1209.
1210.
x86
1211.
서버로
1212.
가상화된
1213.
1214.
대형스토리지
1215.
구성,
1216.
저장된
1217.
1218.
데이터셋을
1219.
간편하게
1220.
분산처리할
1221.
1222.
수
1223.
있는
1224.
Java기반의
1225.
MapReduce
1226.
프레임워크
1227.
제공
1228.
BigData
1229.
분석기법
1230.
1231.
• 41 R
1232.
오픈소스
1233.
프로젝트로
1234.
통계계산
1235.
및
1236.
시각화를
1237.
위한
1238.
언어
1239.
및
1240.
개발환 경
1241.
1242.
-
1243.
통계기법,
1244.
모델링,
1245.
데이터마이닝
1246.
기법의
1247.
구현
1248.
/
1249.
계산
1250.
1251.
-
1252.
결과는
1253.
그래프
1254.
등의
1255.
시각화
1256.
기능
1257.
1258.
-
1259.
Java,
1260.
C,
1261.
Python과
1262.
연계
1263.
1264.
-
1265.
Windows,
1266.
Mac,
1267.
Linux,
1268.
Unix
1269.
등
1270.
지원
1271.
1272.
-
1273.
하둡
1274.
상에서
1275.
분산처리
1276.
지원
1277.
라이브러리를
1278.
통해서
1279.
구글,
1280.
페이스 북,
1281.
아마존
1282.
등
1283.
빅데이터
1284.
분석이
1285.
필요한
1286.
기업에서
1287.
사용
1288.
1289.
1290.
-
1291.
http://www.r-project.org/
1292.
BigData
1293.
분석기법
1294.
1295.
• 42 NoSQL
1296.
Not-Only
1297.
SQL,
1298.
No
1299.
SQL!
1300.
테이블
1301.
스키마가
1302.
고정되지
1303.
않고,
1304.
테이블
1305.
조인
1306.
없어
1307.
수평적
1308.
확장이
1309.
용이하다.
1310.
1311.
RDB가
1312.
관계에
1313.
중점되어
1314.
일관성이
1315.
중요시
1316.
된다면,
1317.
NoSQL은
1318.
분산
1319.
가능성에
1320.
중점을
1321.
두어
1322.
일관성과
1323.
유효성은