한 권으로 정리하는 스파크 스트리밍

데이터를 실시간으로 처리하는 방법을 안다면, 분석 도구로 빠르게 인사이트를 얻을 수 있다. 이 책은 아파치 스파크를 기반으로 인메모리 프레임워크를 사용해 스트리밍 데이터를 처리하는 방법을 학습한다. 또한, 스파크로 어떻게 배치 작업하듯이 스트리밍 작업을 수행할 수 있는지를 다룬다.

아파치 스파크의 이론과 예제를 학습하는 데 중점을 두었으며, 스파크가 현재 지원하는 스파크 스트리밍 라이브러리와 최신 구조적 스트리밍 API를 배울 수 있다. 스트리밍 애플리케이션에 아파치 스파크를 적용하려는 독자라면 스트림 처리의 기본 개념부터 머신러닝을 포함한 고급 기술까지 다양한 인사이트를 얻을 수 있을 것이다.

라이트벤드Lightbend의 수석 엔지니어로서 구조적 스트리밍과 기타 확장 가능한 스트림 처리 기술을 라이트 밴드 플랫폼에 원활하게 통합하는 작업을 하고 있다. 이전에 클라우드 네이티브 IoT 스타트업에서 일하면서 데이터 처리 팀을 이끌고 스파크 스트리밍을 처리량의 한계까지 밀어붙인 스트리밍 파이프라인을 구축했다. 당시 그는 스파크 스트리밍 성능을 튜닝하기 위한 첫 번째 포괄적인 가이드를 제시했다. 데이터 과학 거버넌스, 클라우드 네이티브 IoT 플랫폼, 통신 플랫폼 및 확장 가능한 API를 구축하는 여러 스타트업 및 대기업에서 주도적인 역할을 수행했으며, 기술 컨퍼런스의 정기 연사이고, 크고 작은 오픈 소스 프로젝트에 컨트리뷰터로 활동하고 있다. 베네수엘라의 시몬 볼리바르 대학교에서 컴퓨터 공학 학위를 취득했다. 트위터에서는 @maasg로 찾을 수 있다.

[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