Pop your eXperience. Share It.
Scouter 에 대한 소개 글들이 조금 존재하기는 하지만, 여기서는 조금 더 자세한 소개를 하고자 한다. Scouter는 LG CNS 에서 만들어 공개한 오픈소스(https://github.com/scouter-project/scouter) APM(Application Performance Monitoring) 이다. 참고) APM 은 애플리케이션의 성능을 모니터링 / 통제하는 도구로 2016년 현재 아주 많은 종류의 APM 이 존재한다. 대표적인
오늘 소개드릴 내용은 직접 R에서 사용하는 패키지를 만드는 방법입니다. 자신만의 패키지를 작성하는 것은 Code Recycle은 물론 Sharing과 Documentation에 큰 도움이 됩니다. 물론 save.image()로 현재 작업내용을 저장 할 수도 있고, source()나 CMD BATCH 커맨드라인 명령을 이용하여 미리 작성한 스크립트를 불러들여서 실행할 수도 있습니다. 그렇지만 패키지를 작성하게 되면 보다
Apache NiFi는 NSA(National Security Agency)에서 Apache에 기증한 Dataflow 엔진입니다. 복잡해지는 기업의 시스템들에서 신속하고, 유실 없는 데이터 전송은 점점 더 중요해 지고 있습니다. 빅데이터 시스템도 마찬가지로 데이터의 전송 경로가 더 복잡해지고, 실시간 처리가 중요해지는 시점에 Apache NiFi는 훌륭한 솔루션입니다. 여기서는 NiFi의 소개와 설치에 대해서 알아보도록 하겠습니다. 본 글은 저자가
"데이터야놀자"가 2016-10-14(금) MARU180 에서 오전 10시 부터 12시간 동안 "엔지니어" & "분석가" 의 상호 이해와 소통을 주제로 "데이터의 소리를 듣다"라는 슬로건을 건 컨퍼런스 + 축제 놀이판 형식으로 진행됩니다. ( 참가신청은 - > https://goo.gl/87NQiy ) 다양한 구성을 시도한 이번
우버 (Uber) 의 데이터를 활용한 특장점 공유경제의 대표적인 기업 '우버 (Uber)', 그리고 데이터 분석에 대해 간략하게 알아보도록 하겠습니다. 공유경제 (Sharing Economy)는 기존의 소비 패턴을 완전히 바꾸고 있으며 기존 물건을 구매하여 소유하는 '소유 경제'에서 불필요한 소비자원의 낭비를 줄이고 사회 공동의 이익이 기여한다는 점에서 매우 긍정적인
이글은 Why Microservices?(https://dzone.com/articles/microservices-basics?edition=213185)의 번역글 입니다. 해당 기사는 마이크로서비스 아키텍처를 적용할 때의 장점과 단점 모두를 많은 사람들이 익숙한 모놀리스(monolithic) 방식의 소프트웨어와 비교해 개략적으로 설명하고 있습니다. 혹시라도 번역에 대한 오류, 오타등을 발견하시면 댓글에 남겨주시길 부탁드립니다. 이 번역글을 읽고 나서 마이크로서비스에 대해 좀
제가 Rails에 대한 블로그 글을 쓰는 날이 드디어 왔군요. 일단 간단한 Tip 입니다. Rails로 첨부파일을 저장할 경우 CarrierWave를 많이 사용합니다. CarrierWave를 사용하게 되면 로컬 저장소 뿐만 아니라 S3 저장소와도 쉽게 연동이 되며 이미지 파일의 경우 thumbnail 이나 해상도별로 여러 버전을 쉽게 만들 수 있습니다. 다음 예제와 같이 특정 모델에 저장된
오늘의 꿀팁은 구글이 만든 언어로 최근 핫하게 부상하고 있는 golang 의 온라인 동영상 강의를 공짜로 등록할 수 있는 방법 입니다. ^^; https://www.udemy.com/learn-how-to-code/ 이 글을 작성하는 시점에 위 사이트에 접속하시면 아래와 같이 보입니다. (그림1) 우측 상단에 로그인 메뉴가 있으며 Facebook, Google+ 등 SNS 계정으로 로그인
Hadoop은 크게 두가지 컴포넌트로 구성되는데 하나는 파일을 저장할 수 있는 분산 파일 시스템인 HDFS(Hadoop Distributed File System)과 분산 컴퓨팅 환경을 제공하는 YARN(Yet Another Resource Negotiator) 입니다. Hadoop 을 처음 접하시는 분들은 HDFS에 대해서는 쉽게 이해하지만 YARN에 대해서는 개념을 잡기 어려워하시는 분들이 있습니다. 그 이유는 Hadoop하면 MapReduce를 많이
Druid - 어벤저스 계획을 세우지 못하는 것은 실패를 계획하는 것이다 - 에피존스 람다 아키텍처는 데이터 처리 아키텍처로 대용량 데이터에 대한 배치 처리와 스트림 처리 방법을 활용하여 처리하기 위해 설계된 데이터 프로세싱 아키텍처이다. 아래의 아키텍처에서 수집된 레코드는 목적에 따라 배치와 실시간 처리 시스템으로 병렬적으로 제공되고 적재된 데이터는 필요 시 데이터를 질의 할 수
최근 아파치 하둡 홈페이지에 Hadoop 3.0.0 alpha1 도큐먼트가 공개되면서, 오픈소스 빅데이터 기술의 "아버지" 급이라 할 수 있는 하둡의 3.0 릴리즈에 대한 기대감을 더하고 있습니다. 하둡 3.0 에서 추가되는 주요 특성 및 기능들에 대해 살펴보고 사용자 관점에서 달라지는 의미를 정리해 보았습니다. Java Version 하둡 3.
개발을 할 때 꼭 맥을 사용해야하는 것은 아니지만, 주위를 살펴보면 많은 개발자 분들이 맥을 사용하고 계십니다. 필자 역시 2009년 이후 개발을 할 때 맥을 사용하고 있는데 성능이나 해상도 그리고 안정성 측면 등등에서 매우 만족하며 사용을 하고 있습니다. 앞으로 개발자를 위한 맥(Mac) 정보 제공의 관점에서 도움이 될 수 있는 내용들을