독자리뷰
<<빅데이터 컴퓨팅 기술>>은 빅데이터 컴퓨팅을 기술
zeldab***
2014-08-29
IT CookBook, 빅데이터 컴퓨팅 기술
방대한 빅데이터 관련 업무에 필요한 역량을 갖추고자 하나 어떤 기술이 있고 이 중 어떤 것을 익혀야 할지 갈피를 잡지 못하는 학생들과, 그들을 지도하는 교육 종사자를 위한 책이다. 새로 등장하는 수많은 빅데이터 기술에 대한 탐색과 이해의 기회를 제공해 줄 것이다. 또한 현직에 종사하는 실무자가 새로운 기술에 휩쓸리지 않고 적절한 기술을 취사선택하거나, 기업의 의사결정권자가 빅데이터 기술을 도입하기 위해 기술 전반에 대한 그림을 그리는 데도 도움이 될 것
- 저자 : 박두순 , 문양세 , 박영호 , 윤찬현 , 정영식 , 장형석
- 출간 : 2014-06-24
“빅데이터”는 현재 정보사회의 발달로 급격히 늘어난 데이터를 이야기한다 이렇게 데이터가 늘어난데에는 텍스트 중심으로만 처리하던 데이터베이스의 증가량보단 이미지, 동영상이 속하는 메타데이터들의 기하 급수적인 증가로 <<빅데이터 기술>>은 빅데이터의 수집/저장/처리가 손쉽도록 만드는 기술, 도구, 알고리즘을 통틀어서 지칭하는 것이다.
ㅁ
프로그래밍 관계자 한번쯤 들어보았고 프로그램과 관련이 없는 사람들도 인식을 하는 정도이며 빅데이터 관련 연구기관은 국가들에서 앞다투어 투자를 많이 할 정도로 이목이 집중이 되는 분야이다. 빅데이터는 현재의 기술 경쟁에서 가장 큰 이슈가 되며 인류에 정보 발달, 수집 능력, 구현 능력의 향상으로 인해 나타난 총체적 결과라고 본다. 따라서 빅데이터 처리기술의 발달과 함께 인류는 좀더 기술적으로 고도의 성장세를 타고 갈 수 있을것이다. 이에 발맞추어 나가기 위해선 빅데이터 리뷰 서적으로 빅데이터가 무엇인지 어느 분야에서 쓰이는지 그 특성을 이해하고 지나가지 않겠는가?
- 책 디자인의 문제점이라면 책 안의 재질과 배치 디자인은 굉장히 좋으나 겉표지의 재질의 두께감이 조금 모자라는 느낌이다. 조금더 손상이 안가도록 두꺼웠으면 하는 바램이 있다.
이번에 “빅데이터”관련해 리뷰할 이 “빅데이터 컴퓨팅 기술”은 다음과 같은 목차를 지닌다.
목차
1부 빅데이터 개요
1장 빅데이터 개념과 처리 과정
1.1 빅데이터 등장 배경
1.2 빅데이터 개념과 속성
1.3 빅데이터 처리 과정과 기술
1.3.1 빅데이터 소스 생성과 수집 기술
1.3.2 빅데이터 저장 기술
1.3.3 빅데이터 처리 기술
1.3.4 빅데이터 분석 기술
1.3.5 빅데이터 표현 기술
1.4 빅데이터 활용 분야와 기대 효과
1.5 빅데이터 시대 준비
1.6 연습문제
1.7 참고문헌
2부 빅데이터 컴퓨팅 기술
2장 빅데이터 수집 및 통합 기술
2.1 개요
2.2 빅데이터 주요 수집 및 통합 기술
2.2.1 Flume플럼
2.2.2 Chukwa척와
2.2.3 Scribe스크라이브
2.2.4 SQOOPSQl-to-hadOOP; 스쿱
2.2.5 Kafka카프카
2.2.6 OpenRefine오픈리파인
2.2.7 JSONJavaScript Object Notation; 제이슨
2.2.8 BSONBinary javaScript Object Notation; 비슨
2.2.9 Thrift쓰리프트
2.2.10 Protocol Buffers프로토콜 버퍼스
2.2.11 Avro에이브로
2.3 연습문제
2.4 참고문헌
3장 빅데이터 저장 및 관리 기술
3.1 개요
3.2 빅데이터 주요 저장 및 관리 기술
3.2.1 S3Simple Storage Service
3.2.2 HDFSHadoop Distributed File System
3.2.3 DynamoDB다이나모DB
3.2.4 MongoDBMONGOus DB; 몽고DB
3.2.5 CouchDBCluster Of Unreliable Commodity Hardware DB; 카우치DB
3.2.6 Cassandra카산드라
3.2.7 HBaseHadoop dataBASE; H베이스
3.2.8 RedisREmote DIctionary System; 레디스
3.2.9 Riak리악
3.2.10 Hypertable하이퍼테이블
3.2.11 ZooKeeper주키퍼
3.2.12 Voldemort볼드모트
3.3 연습문제
3.4 참고문헌
4장 빅데이터 처리 기술
4.1 개요
4.2 빅데이터 주요 처리 기술
4.2.1 Hadoop하둡
4.2.2 Pig피그
4.2.3 Hive하이브
4.2.4 Cascading캐스캐이딩
4.2.5 Cascalog캐스칼로그
4.2.6 Mrjob미스터잡
4.2.7 S4Simple Scalable Streaming System
4.2.8 MapR맵알
4.2.9 Acunu아큐누
4.2.10 Azkaban아즈카반
4.2.11 Oozie우지
4.2.12 Greenplum그린플럼
4.2.13 EC2Elastic Compute Cloud
4.2.14 Heroku히로쿠
4.2.15 R 프로그래밍 언어
4.2.16 Pipes파이프
4.2.17 Mechanical Turk미케니컬 터크; Mturk
4.2.18 Solr/Lucene솔라/루씬
4.2.19 ElasticSearch엘라스틱서치
4.2.20 Datameer데이터미어
4.2.21 InfoSphere BigInsights인포스피어 빅인사이트
4.2.22 InfoSphere Streams인포스피어 스트림즈
4.3 연습문제
4.4 참고문헌
5장 빅데이터 분석 기술
5.1 개요
5.2 텍스트 마이닝 기술
5.3 오피니언 마이닝 기술
5.4 리얼리티 마이닝 기술
5.5 군집화 기술
5.5.1 계층적 군집화 기술
5.5.2 분할적 군집화 기술
5.6 소셜 네트워크 분석 기술
5.7 그래프 마이닝 기술
5.8 빅데이터를 처리하는 기존 알고리즘 변형 기술
5.8.1 도형 세기 알고리즘의 변형
5.8.2 컬럼 빈도수 측정 프로그래밍 방안
5.8.3 소셜 네트워크 통계 방안
5.8.4 네트워크 분석 기법
5.9 최신 빅데이터 분석 연구
5.9.1 데이터 마이닝 연관 규칙을 활용한 빅데이터 알고리즘
5.9.2 빅데이터와 분류 기술
5.9.3 빅데이터와 군집화
5.10 빅데이터 주요 분석 기술
5.10.1 NLTKNatural Language ToolKit
5.10.2 OpenNLP오픈NLP
5.10.3 Boilerpipe보일러파이프
5.10.4 WEKA웨카
5.10.5 Mahout머하웃
5.10.6 scikits_learn사이키트런
5.11 연습문제
5.12 참고문헌
6장 빅데이터 표현 기술
6.1 개요
6.2 빅데이터 주요 표현 기술
6.2.1 Tag Cloud태그 클라우드
6.2.2 Gephi게피
6.2.3 GraphVizGRAPH VIsualiZation software; 그래프비즈
6.2.4 Processing프로세싱
6.2.5 Fusion Tables퓨전 테이블
6.2.6 Tableau타블로
6.2.7 TinkerPop팅커팝
6.2.8 Clustergram클러스터그램
6.2.9 Spatial Information Flow스페이셜 인포메이션 플로우
6.3 연습문제
6.4 참고문헌
7장 빅데이터 플랫폼 기술
7.1 개요
7.2 빅데이터 플랫폼 요소 기술과 구조
7.2.1 빅데이터 플랫폼 요소 기술
7.2.2 빅데이터 플랫폼 구조 및 세부 기술
7.3 빅데이터 플랫폼 관리 기술
7.3.1 가상화 기술
7.3.2 클라우드 환경에서 처리 기술
7.4 빅데이터 워크플로우 컴퓨팅 플랫폼 기술
7.4.1 그래프 기반 빅데이터 응용
7.4.2 그래프 기반 빅데이터 처리 기술
7.5 연습문제
7.6 참고문헌
3부 빅데이터 기술 개발 현황과 실제 구현 예
8장 빅데이터 기술 개발의 현황과 활용
8.1 개요
8.2 국내외 빅데이터 기술 개발 현황
8.2.1 국내 빅데이터 기술 개발 현황
8.2.2 국외 빅데이터 기술 개발 현황
8.3 빅데이터 산업체 현황
8.3.1 EMC
8.3.2 오라클
8.3.3 IBM
8.3.4 SAP
8.3.5 테라데이타
8.3.6 마이크로소프트
8.3.7 코난테크놀로지
8.3.8 솔트룩스(트루스토리)
8.3.9 다음소프트(소셜 메트릭스)
8.3.10 그루터(씨날)
8.3.11 기타 사업체
8.4 빅데이터 활용 사례
8.4.1 공공?정부?과학 분야
8.4.2 정보 통신 분야
8.4.3 소셜 미디어 분야
8.4.4 의료?헬스 케어 분야
8.4.5 도소매 분야
8.4.6 제조업 분야
8.5 연습문제
8.6 참고문헌
9장 하둡을 이용한 추천 시스템의 구현
9.1 개요
9.1.1 협업 필터링과 연관 규칙을 이용한 추천 시스템과 하둡 에코시스템
9.1.2 실습 환경 구축
9.2 협업 필터링 기법과 머하웃을 이용한 구현
9.2.1 협업 필터링 기법의 원리
9.2.2 사용자 기반 추천 엔진의 구현
9.2.3 아이템 기반 추천 엔진의 구현
9.2.4 협업 필터링 기법에서 추가로 고려할 사항
9.3 연관 규칙 기법과 피그, 하이브를 이용한 구현
9.3.1 연관 규칙 기법의 원리
9.3.2 피그를 이용한 연관 규칙 구현
9.3.3 하이브를 이용한 연관 규칙 구현
9.4 추천 시스템의 구현
9.4.1 데이터 준비하기 : u.data
9.4.2 전처리하기 : PHP
9.4.3 단일 아이템 빈도수 구하기 : 샤크
9.4.4 아이템 (A∩B) 조합의 빈도수 계산하기 : 샤크
9.4.5 연관 규칙 계산하기 : PHP와 샤크
9.4.6 데이터 내보내기 : 스쿱
9.4.7 웹 서비스로 추천 기능 구현하기 : PHP
9.5 참고문헌
찾아보기
전체적인 내용을 보면 알겠지만 대부분 리뷰 형식으로 빅데이터가 생성된 환경 부터 빅데이터를 처리하기 위한 기술의 발전 그리고 발전한 빅데이터 처리기술의 A,B,C를 정리해준다.
그럼에도 이 책을 리뷰하게 된 이유중에 하나는 예제로서 현재 분산처리 프로그래밍으로 빅데이터를 처리하는 오픈소스인 하둡을 이용하여 추천 시스템을 구현하는 내용이 포함되어있다. 이 방법이 너무 궁금해서 책을 픽업하게 만들었다. 결과는 꽤나 만족감을 느낄 수 있었다. 웹과 서버를 만들고 책의 예제를 기반으로 데이터를 넣고 공유하는 식의 서비스는 기본적으로 프로그래머들이라면 한번 해본다면 어느정도 최신기술을 한번쯤 예제로라도 구현해보았다는 자부심을 느끼게 해줄 수 있기 때문이다.
빅데이터의 수집 -> 저장 -> 처리 -> 응용의 과정을 알고싶다면 한번쯤 보아두는것이 좋을 것이다.
다시 처음으로 돌아가서 리뷰를 해보자면 빅데이터 설명에 그 특성을 불여 줄이는 말이 있다. 3V,4V,5V라고 있지만 빅데이터의 기본 구성은 3V다. 양(Volume), 다양성(Variety), 속도(Velocity) 그외에도 Veracity(진실성), Value(가치)를 덧붙여 4V, 5V라고도 하지만 빅데이터의 올바른 기본 구성은 3V라고 생각한다. 5V를 굳이 쓸 수 있는 곳을 찾자면 사업 혹은 연구 분석적인 목적으로 사용할때 진실성과 가치를 덧붙여서 사용하면 알맞을 것 같다고 생각을 한다. 이 책 또한 하나의 빅데이터로 취급하고 5V라고 부르고 싶은데 엄청난 리뷰의 양과 다양성 그리고 적절한 시기의 속도와 관련 문헌까지 꼼꼼히 적어놓는 진실성과 가치를 볼수 있다. 한번쯤은 어디서도 쉽게 구하지 못하는 리뷰 논문급이라고 생각하고 읽어봐야한다.
한글은 써있으나 이해를 하지 못하는 장.
내가 주는 책에 별점은 5점 만점에 4.0. 책의 구성, 내용은 좋지만 종합적인 리뷰 형식이다보니 책에 설명되어있는 깊이가 얇다.
마지막으로 책에서 아쉬운 사항은 다음과 같았다.
1. 정보의 비대칭화 : 특정 알고리즘과 툴에 대해 자세한 설명은 널리 알려진 정보와 문서를 조합해서 세세하게 리뷰를 써놓았지만 그 외의 알고리즘과 툴은 제작년도, 제작사, 사용하는 곳만 적어놓는등 너무 간단한 정보만 적어놓은 식이다. 리뷰를 한다면 정보의 구성에 맞추어 같은 레벨까지의 정보를 리뷰를 해주었으면 한다.
2. 책의 순서라면 3부의 빅데이터 기술 개발과 현황부분과 하둡을 이용한 추천시스템의 구현을 나누어놓았으면 하고 현재 기술 개발현황을 1부 2장에 넣었으면 하는 바가 있다. 어디서 쓰이는지 알아야 빅데이터 수집/저장/처리/에 해당하는 관련 기술을 손쉽게 찾아볼 수 있도록 해야하니까 말이다.
3. 하둡 추천 시스템 구현의 플렛폼 단일화 : Mac과 윈도우를 둘다 사용하기에 구현을 따라 진행하는데는 문제가 없었지만 Mac에서 하둡을 실행하고 구현하는 것은 다른 페이지를 검색해서 사용해야한다. 한 플랫폼에 편향적이라고 생각하기에 다른 운영체제도 생각해서 책의 분량이 조금 늘더라도 같이 작성해주었으면 한다.
ㅁ
프로그래밍 관계자 한번쯤 들어보았고 프로그램과 관련이 없는 사람들도 인식을 하는 정도이며 빅데이터 관련 연구기관은 국가들에서 앞다투어 투자를 많이 할 정도로 이목이 집중이 되는 분야이다. 빅데이터는 현재의 기술 경쟁에서 가장 큰 이슈가 되며 인류에 정보 발달, 수집 능력, 구현 능력의 향상으로 인해 나타난 총체적 결과라고 본다. 따라서 빅데이터 처리기술의 발달과 함께 인류는 좀더 기술적으로 고도의 성장세를 타고 갈 수 있을것이다. 이에 발맞추어 나가기 위해선 빅데이터 리뷰 서적으로 빅데이터가 무엇인지 어느 분야에서 쓰이는지 그 특성을 이해하고 지나가지 않겠는가?
- 책 디자인의 문제점이라면 책 안의 재질과 배치 디자인은 굉장히 좋으나 겉표지의 재질의 두께감이 조금 모자라는 느낌이다. 조금더 손상이 안가도록 두꺼웠으면 하는 바램이 있다.
이번에 “빅데이터”관련해 리뷰할 이 “빅데이터 컴퓨팅 기술”은 다음과 같은 목차를 지닌다.
목차
1부 빅데이터 개요
1장 빅데이터 개념과 처리 과정
1.1 빅데이터 등장 배경
1.2 빅데이터 개념과 속성
1.3 빅데이터 처리 과정과 기술
1.3.1 빅데이터 소스 생성과 수집 기술
1.3.2 빅데이터 저장 기술
1.3.3 빅데이터 처리 기술
1.3.4 빅데이터 분석 기술
1.3.5 빅데이터 표현 기술
1.4 빅데이터 활용 분야와 기대 효과
1.5 빅데이터 시대 준비
1.6 연습문제
1.7 참고문헌
2부 빅데이터 컴퓨팅 기술
2장 빅데이터 수집 및 통합 기술
2.1 개요
2.2 빅데이터 주요 수집 및 통합 기술
2.2.1 Flume플럼
2.2.2 Chukwa척와
2.2.3 Scribe스크라이브
2.2.4 SQOOPSQl-to-hadOOP; 스쿱
2.2.5 Kafka카프카
2.2.6 OpenRefine오픈리파인
2.2.7 JSONJavaScript Object Notation; 제이슨
2.2.8 BSONBinary javaScript Object Notation; 비슨
2.2.9 Thrift쓰리프트
2.2.10 Protocol Buffers프로토콜 버퍼스
2.2.11 Avro에이브로
2.3 연습문제
2.4 참고문헌
3장 빅데이터 저장 및 관리 기술
3.1 개요
3.2 빅데이터 주요 저장 및 관리 기술
3.2.1 S3Simple Storage Service
3.2.2 HDFSHadoop Distributed File System
3.2.3 DynamoDB다이나모DB
3.2.4 MongoDBMONGOus DB; 몽고DB
3.2.5 CouchDBCluster Of Unreliable Commodity Hardware DB; 카우치DB
3.2.6 Cassandra카산드라
3.2.7 HBaseHadoop dataBASE; H베이스
3.2.8 RedisREmote DIctionary System; 레디스
3.2.9 Riak리악
3.2.10 Hypertable하이퍼테이블
3.2.11 ZooKeeper주키퍼
3.2.12 Voldemort볼드모트
3.3 연습문제
3.4 참고문헌
4장 빅데이터 처리 기술
4.1 개요
4.2 빅데이터 주요 처리 기술
4.2.1 Hadoop하둡
4.2.2 Pig피그
4.2.3 Hive하이브
4.2.4 Cascading캐스캐이딩
4.2.5 Cascalog캐스칼로그
4.2.6 Mrjob미스터잡
4.2.7 S4Simple Scalable Streaming System
4.2.8 MapR맵알
4.2.9 Acunu아큐누
4.2.10 Azkaban아즈카반
4.2.11 Oozie우지
4.2.12 Greenplum그린플럼
4.2.13 EC2Elastic Compute Cloud
4.2.14 Heroku히로쿠
4.2.15 R 프로그래밍 언어
4.2.16 Pipes파이프
4.2.17 Mechanical Turk미케니컬 터크; Mturk
4.2.18 Solr/Lucene솔라/루씬
4.2.19 ElasticSearch엘라스틱서치
4.2.20 Datameer데이터미어
4.2.21 InfoSphere BigInsights인포스피어 빅인사이트
4.2.22 InfoSphere Streams인포스피어 스트림즈
4.3 연습문제
4.4 참고문헌
5장 빅데이터 분석 기술
5.1 개요
5.2 텍스트 마이닝 기술
5.3 오피니언 마이닝 기술
5.4 리얼리티 마이닝 기술
5.5 군집화 기술
5.5.1 계층적 군집화 기술
5.5.2 분할적 군집화 기술
5.6 소셜 네트워크 분석 기술
5.7 그래프 마이닝 기술
5.8 빅데이터를 처리하는 기존 알고리즘 변형 기술
5.8.1 도형 세기 알고리즘의 변형
5.8.2 컬럼 빈도수 측정 프로그래밍 방안
5.8.3 소셜 네트워크 통계 방안
5.8.4 네트워크 분석 기법
5.9 최신 빅데이터 분석 연구
5.9.1 데이터 마이닝 연관 규칙을 활용한 빅데이터 알고리즘
5.9.2 빅데이터와 분류 기술
5.9.3 빅데이터와 군집화
5.10 빅데이터 주요 분석 기술
5.10.1 NLTKNatural Language ToolKit
5.10.2 OpenNLP오픈NLP
5.10.3 Boilerpipe보일러파이프
5.10.4 WEKA웨카
5.10.5 Mahout머하웃
5.10.6 scikits_learn사이키트런
5.11 연습문제
5.12 참고문헌
6장 빅데이터 표현 기술
6.1 개요
6.2 빅데이터 주요 표현 기술
6.2.1 Tag Cloud태그 클라우드
6.2.2 Gephi게피
6.2.3 GraphVizGRAPH VIsualiZation software; 그래프비즈
6.2.4 Processing프로세싱
6.2.5 Fusion Tables퓨전 테이블
6.2.6 Tableau타블로
6.2.7 TinkerPop팅커팝
6.2.8 Clustergram클러스터그램
6.2.9 Spatial Information Flow스페이셜 인포메이션 플로우
6.3 연습문제
6.4 참고문헌
7장 빅데이터 플랫폼 기술
7.1 개요
7.2 빅데이터 플랫폼 요소 기술과 구조
7.2.1 빅데이터 플랫폼 요소 기술
7.2.2 빅데이터 플랫폼 구조 및 세부 기술
7.3 빅데이터 플랫폼 관리 기술
7.3.1 가상화 기술
7.3.2 클라우드 환경에서 처리 기술
7.4 빅데이터 워크플로우 컴퓨팅 플랫폼 기술
7.4.1 그래프 기반 빅데이터 응용
7.4.2 그래프 기반 빅데이터 처리 기술
7.5 연습문제
7.6 참고문헌
3부 빅데이터 기술 개발 현황과 실제 구현 예
8장 빅데이터 기술 개발의 현황과 활용
8.1 개요
8.2 국내외 빅데이터 기술 개발 현황
8.2.1 국내 빅데이터 기술 개발 현황
8.2.2 국외 빅데이터 기술 개발 현황
8.3 빅데이터 산업체 현황
8.3.1 EMC
8.3.2 오라클
8.3.3 IBM
8.3.4 SAP
8.3.5 테라데이타
8.3.6 마이크로소프트
8.3.7 코난테크놀로지
8.3.8 솔트룩스(트루스토리)
8.3.9 다음소프트(소셜 메트릭스)
8.3.10 그루터(씨날)
8.3.11 기타 사업체
8.4 빅데이터 활용 사례
8.4.1 공공?정부?과학 분야
8.4.2 정보 통신 분야
8.4.3 소셜 미디어 분야
8.4.4 의료?헬스 케어 분야
8.4.5 도소매 분야
8.4.6 제조업 분야
8.5 연습문제
8.6 참고문헌
9장 하둡을 이용한 추천 시스템의 구현
9.1 개요
9.1.1 협업 필터링과 연관 규칙을 이용한 추천 시스템과 하둡 에코시스템
9.1.2 실습 환경 구축
9.2 협업 필터링 기법과 머하웃을 이용한 구현
9.2.1 협업 필터링 기법의 원리
9.2.2 사용자 기반 추천 엔진의 구현
9.2.3 아이템 기반 추천 엔진의 구현
9.2.4 협업 필터링 기법에서 추가로 고려할 사항
9.3 연관 규칙 기법과 피그, 하이브를 이용한 구현
9.3.1 연관 규칙 기법의 원리
9.3.2 피그를 이용한 연관 규칙 구현
9.3.3 하이브를 이용한 연관 규칙 구현
9.4 추천 시스템의 구현
9.4.1 데이터 준비하기 : u.data
9.4.2 전처리하기 : PHP
9.4.3 단일 아이템 빈도수 구하기 : 샤크
9.4.4 아이템 (A∩B) 조합의 빈도수 계산하기 : 샤크
9.4.5 연관 규칙 계산하기 : PHP와 샤크
9.4.6 데이터 내보내기 : 스쿱
9.4.7 웹 서비스로 추천 기능 구현하기 : PHP
9.5 참고문헌
찾아보기
전체적인 내용을 보면 알겠지만 대부분 리뷰 형식으로 빅데이터가 생성된 환경 부터 빅데이터를 처리하기 위한 기술의 발전 그리고 발전한 빅데이터 처리기술의 A,B,C를 정리해준다.
그럼에도 이 책을 리뷰하게 된 이유중에 하나는 예제로서 현재 분산처리 프로그래밍으로 빅데이터를 처리하는 오픈소스인 하둡을 이용하여 추천 시스템을 구현하는 내용이 포함되어있다. 이 방법이 너무 궁금해서 책을 픽업하게 만들었다. 결과는 꽤나 만족감을 느낄 수 있었다. 웹과 서버를 만들고 책의 예제를 기반으로 데이터를 넣고 공유하는 식의 서비스는 기본적으로 프로그래머들이라면 한번 해본다면 어느정도 최신기술을 한번쯤 예제로라도 구현해보았다는 자부심을 느끼게 해줄 수 있기 때문이다.
빅데이터의 수집 -> 저장 -> 처리 -> 응용의 과정을 알고싶다면 한번쯤 보아두는것이 좋을 것이다.
다시 처음으로 돌아가서 리뷰를 해보자면 빅데이터 설명에 그 특성을 불여 줄이는 말이 있다. 3V,4V,5V라고 있지만 빅데이터의 기본 구성은 3V다. 양(Volume), 다양성(Variety), 속도(Velocity) 그외에도 Veracity(진실성), Value(가치)를 덧붙여 4V, 5V라고도 하지만 빅데이터의 올바른 기본 구성은 3V라고 생각한다. 5V를 굳이 쓸 수 있는 곳을 찾자면 사업 혹은 연구 분석적인 목적으로 사용할때 진실성과 가치를 덧붙여서 사용하면 알맞을 것 같다고 생각을 한다. 이 책 또한 하나의 빅데이터로 취급하고 5V라고 부르고 싶은데 엄청난 리뷰의 양과 다양성 그리고 적절한 시기의 속도와 관련 문헌까지 꼼꼼히 적어놓는 진실성과 가치를 볼수 있다. 한번쯤은 어디서도 쉽게 구하지 못하는 리뷰 논문급이라고 생각하고 읽어봐야한다.
한글은 써있으나 이해를 하지 못하는 장.
내가 주는 책에 별점은 5점 만점에 4.0. 책의 구성, 내용은 좋지만 종합적인 리뷰 형식이다보니 책에 설명되어있는 깊이가 얇다.
마지막으로 책에서 아쉬운 사항은 다음과 같았다.
1. 정보의 비대칭화 : 특정 알고리즘과 툴에 대해 자세한 설명은 널리 알려진 정보와 문서를 조합해서 세세하게 리뷰를 써놓았지만 그 외의 알고리즘과 툴은 제작년도, 제작사, 사용하는 곳만 적어놓는등 너무 간단한 정보만 적어놓은 식이다. 리뷰를 한다면 정보의 구성에 맞추어 같은 레벨까지의 정보를 리뷰를 해주었으면 한다.
2. 책의 순서라면 3부의 빅데이터 기술 개발과 현황부분과 하둡을 이용한 추천시스템의 구현을 나누어놓았으면 하고 현재 기술 개발현황을 1부 2장에 넣었으면 하는 바가 있다. 어디서 쓰이는지 알아야 빅데이터 수집/저장/처리/에 해당하는 관련 기술을 손쉽게 찾아볼 수 있도록 해야하니까 말이다.
3. 하둡 추천 시스템 구현의 플렛폼 단일화 : Mac과 윈도우를 둘다 사용하기에 구현을 따라 진행하는데는 문제가 없었지만 Mac에서 하둡을 실행하고 구현하는 것은 다른 페이지를 검색해서 사용해야한다. 한 플랫폼에 편향적이라고 생각하기에 다른 운영체제도 생각해서 책의 분량이 조금 늘더라도 같이 작성해주었으면 한다.
