오늘날의 빅 데이터는 대부분 시계열 데이터입니다. IoT 데이터, 금융 서비스 데이터, IT 인프라 데이터 등 어떤 데이터를 보든 데이터가 정기적으로 생성되는 경우가 있습니다. Vertica는 시계열, 지리 공간, 패턴 매칭 등을 비롯한 포괄적인 분석 기능을 내장하고 있습니다. 이러한 기능은 이 고유한 데이터 유형에 대한 분석을 수행하는 많은 작업을 수행하는 데 도움이 될 수 있습니다.
시계열
시계열 분석은 지정된 변수 세트의 값을 경시적으로 평가하고 분석 및 집계를 위해 해당 값을 창으로 그룹화합니다. Vertica Analytics Platform은 시계열 분석을 위한 확장 가능하고 속도가 빠른 솔루션입니다. 플랫폼의 최적화된 구조 및 분석 기능은 물론 Vertica의 열 기반 특성을 통해 시계열 데이터를 정렬, 압축 및 분할하여 최적의 성능을 실현할 수 있습니다.
또한 Vertica는 시계열 데이터를 보다 쉽게 관리 및 분석할 수 있는 몇 가지 중요한 기능을 제공합니다. 예를 들어, Vertica는 누락된 데이터 요소를 보간법으로 채우는 갭 필링 기능을 제공합니다. 이 기능은 알려진 개별 데이터 요소의 범위 내에서 새 데이터 요소를 구성하는 방법입니다. 플랫폼은 데이터의 비시계열 열(예: 시간 조각에 따라 계산된 분석 함수 결과)을 보간하고 누락된 데이터 요소를 출력에 추가합니다.
이벤트 기반 창
이벤트 기반 창 기능은 Vertica의 표준 SQL 분석 기능에 포함되어 있습니다. 이러한 기능은 시계열 데이터에서의 이벤트 감지를 단순화합니다. 이벤트 기반 창을 사용하면 시계열 데이터를 데이터 내의 중요 이벤트에 플래그를 지정하는 창으로 나눌 수 있습니다. 이는 분석이 다른 활동의 트리거로서 특정 이벤트에 초점을 맞추는 재무 데이터에서 특히 관련이 있습니다. 예를 들어 주식 호가 입력 스트림이 있을 때 주식 분석가는 스프레드(매도 가격과 매수 가격 간의 차이)가 0.05달러를 초과할 때마다 입력 호가를 새 그룹에 배치할 수 있습니다. 이러한 그룹을 각각 이벤트 창으로 보는 경우 창 끝점은 특정 이벤트 유형의 발생에 의해 정의됩니다.
| 분석 | Vertica에서 지원 | ||
|---|---|---|---|
| 지리 공간 | ✔ | ||
| 시계열 | ✔ | ||
|
이벤트 기반 창
|
✔ | ||
| 이벤트 시리즈 조인 | ✔ | ||
| 패턴 매칭 | ✔ | ||
|
머신 러닝(예측)
|
✔ | ||
|
머신 러닝(분류)
|
✔ | ||
이벤트 시리즈 조인
Vertica는 일반적인 데이터 웨어하우징 쿼리 조인을 지원합니다. 또한 이 플랫폼은 특수한 유형의 조인을 허용하는 INTERPOLATE 조건자도 제공합니다. 이벤트 시리즈 조인은 타임스탬프가 일치하지 않는 경우와 같이 측정 간격이 정확하게 정렬되지 않을 때 두 개의 이벤트 시리즈를 분석할 수 있게 해주는 Vertica SQL 확장입니다. 이러한 조인은 시리즈를 동일한 측정 간격으로 정규화할 필요 없이 잘못 정렬된 이벤트 데이터를 직접 쿼리할 수 있는 자연스럽고 효율적인 방법을 제공합니다.
패턴 매칭
Vertica는 이벤트 시리즈 패턴 매칭 확장을 통해 경로 및 패턴 분석을 기본적으로 지원합니다. SQL MATCH 확장을 사용하면 이벤트 패턴을 검색할 때 대량의 기록 데이터를 선별할 수 있습니다. 패턴을 정규식으로 지정하면 입력 이벤트 시퀀스 내에서 패턴을 검색할 수 있습니다. MATCH는 분석 데이터 분할 및 정렬을 위한 하위 절을 제공하며 패턴 매칭은 연속된 행 집합에서 발생합니다.
머신 러닝
조직은 시계열 분석 외에도 기계 가동 시간 개선에서 고객 이탈 감소까지 모든 것에 예측 분석을 적용하고 있습니다. 이제 분석가는 Vertica에서 SQL을 활용하면 다운 샘플링을 수행하지 않고도 대규모 데이터 세트를 기반으로 머신 러닝 모델을 기본적으로 생성 및 배포하여 의사 결정 프로세스를 가속화할 수 있습니다.
IoT 과제에는 데이터 관리 및 분석을 위한 새로운 접근 방식이 필요
빅 데이터에 대한 시계열 분석: Vertica를 통해 대규모 시계열 데이터 세트에서 인사이트를 얻을 수 있는 방법
