비즈니스 요구사항에 따른 아키텍처의 가이드라인을 제시하는 '실시간 데이터 처리' 완벽 입문서 이제는 '실시간'의 시대다. 사용자의 반응에 빠르게 대응해야 하는 현대 인터넷 환경에서 스트리밍 데이터 파이프라인에 대한 요구는 꾸준히 커지고 있으며, 어느새 실시간 데이터를 잘 다루는 것이 업계에서 승리를 가져갈 수 있는 중요한 요건이 되었다. 하지만 이러한 시대적인 흐름에도 불구하고 아직까지 실시간 데이터를 어떻게 다룰지에 대한 명확한 가이드라인이나 경험이 없어서 도입하지 못한 곳들이 많다. 게다가 많은 개발자가 기존의 ‘동기(Sync) 방식’으로 데이터 처리하는 것에는 익숙하지만 ‘실시간(Streaming)’으로 데이터를 처리하는 데에는 어려움을 느낀다. 현재 업계 내 스트리밍 파이프라인에 대해 잘 알고 있는 전문가는 매우 부족한 실정이며, 책이나 영상 등의 콘텐츠 역시 찾아보기 힘들다. 이 책은 비즈니스 목표를 달성하기 위해 어떤 실시간 데이터 아키텍처로 구성하고 운영해야 할지 명확한 가이드라인을 제시한다. 스트리밍 데이터에 대한 정의부터 시작하여 단계별로 세분화된 아키텍처의 역할, 동작 방식, 각 장단점과 상황에 맞는 선택지를 보여준다. 그리고 스트리밍 데이터 아키텍처에 대해 공부한 지식을 기반으로 코드로 실습해 보는 시간을 가지면서 마무리한다. 기본 개념부터 아키텍처 구성, 코드 실습까지 구성되어 있으므로 실시간 데이터 처리에 대해 고민하는 개발자, 엔지니어, 조직장 등 모든 분들에게 큰 도움이 될 것이다. 소스 코드 다운로드 https://github.com/bjpublic/streaming-data 데브원영이 《실시간 데이터 파이프라인 아키텍처》를 강력 추천하는 이유 https://www.youtube.com/watch?v=Zd-KMbbTINY

1부 완전히 새로운 접근법 1장 스트리밍 데이터 소개 1.1 실시간 시스템이란 1.2 실시간 시스템과 스트리밍 시스템의 차이점 1.3 스트리밍 데이터 아키텍처 1.4 스트리밍 시스템의 보안 1.5 서비스를 확장하는 방법 1.6 정리 2장 클라이언트에서 데이터 가져오기: 데이터 수집 2.1 일반적인 통신 패턴 2.1.1 요청/응답 패턴 2.1.2 요청/확인응답 패턴 2.1.3 발행/구독 패턴 2.1.4 단방향 패턴 2.1.5 스트림 패턴 2.2 통신 패턴 확장하기 2.2.1 요청/응답 파생 패턴 2.2.2 스트림 패턴 확장하기 2.3 내결함성 2.3.1 RBML 2.3.2 SBML 2.3.3 HBL 2.4 상용환경에 적용하기 2.5 정리 3장 수집 단계에서 데이터 전송: 데이터 파이프라인 분리 3.1 메시지 큐 단계가 필요한 이유 3.2 핵심 개념 3.2.1 프로듀서, 브로커, 컨슈머 3.2.2 프로듀서와 컨슈머의 격리 3.2.3 메시지의 지속적 저장 3.2.4 메시지 전달 시맨틱 3.3 보안 3.4 장애 허용 3.5 비즈니스 요구사항들에 주요 개념을 적용해 보기 3.6 정리 4장 스트리밍 데이터 분석 4.1 인플라이트 데이터 분석 이해하기 4.2 분산 스트림 프로세싱 아키텍처 4.3 스트림 프로세싱 프레임워크의 핵심 기능들 4.3.1 메시지 전달 시맨틱 4.4 정리 5장 데이터 분석을 위한 알고리즘 5.1 제약 조건 확인 및 완화 5.2 시간에 대한 생각 5.2.1 슬라이딩 윈도우 5.2.2 텀블링 윈도우 5.3 취합 기술들 5.3.1 랜덤 샘플링 5.3.2 데이터 개수 카운트 5.3.3 빈도 5.3.4 멤버십 5.4 정리 6장 분석 또는 수집한 데이터 저장 6.1 장기 스토리지가 필요한 경우 6.2 인메모리 저장소에 저장하기 6.2.1 인메모리/플래시 메모리 기반 데이터베이스 6.2.2 캐싱 시스템 6.2.3 인메모리 데이터베이스와 인메모리 데이터 그리드 6.3 활용 사례 살펴보기 6.3.1 세션 내 개인화 서비스 6.3.2 차세대 에너지 회사 6.4 정리 7장 데이터를 접근 가능하도록 만들기 7.1 네트워크 통신 패턴 7.1.1 데이터 동기화 7.1.2 RMI와 RPC 7.1.3 심플 메시징 7.1.4 발행 - 구독 7.2 클라이언트에 데이터를 전달하는 프로토콜 방식 7.2.1 웹훅 7.2.2 HTTP 롱풀링 7.2.3 SSE 7.2.4 웹소켓 7.3 스트림 필터링 7.3.1 어디서 필터링을 할 것인가 7.3.2 정적 필터링 vs 동적 필터링 7.4 실전 예제 : Meetup RSVP 스트리밍 API 만들기 7.5 정리 8장 컨슈머 디바이스에서 데이터 접근 시 가능성과 한계 8.1 핵심 개념 8.1.1 클라이언트의 읽기 속도가 빠를 경우 8.1.2 데이터 처리 상태 관리 8.1.3 데이터 유실 줄이기 8.1.4 정확히 한 번으로 처리 8.2 실제로 만들어보기: SuperMediaMarket 8.3 웹 클라이언트 소개 8.3.1 스트리밍 API 서버와 통합 8.4 SQL 쿼리 적용 8.5 정리 2부 스트리밍 데이터 아키텍처 구현하기 9장 실시간으로 Meetup RSVP 분석하기 9.1 수집 단계 9.1.1 수집 단계 애플리케이션 데이터 흐름 9.2 메시지 큐 단계 9.2.1 카프카 설정 및 설치 9.2.2 수집 단계 애플리케이션과 카프카 연동 9.3 분석 단계 9.3.1 카프카와 연동하는 스톰 설치 9.3.2 상위 N개의 데이터를 추출하는 스톰 토폴로지 작성 9.3.3 분석 단계 통합 9.4 인메모리 데이터 저장소 9.5 데이터 접근 단계 9.5.1 상용 환경에 적용하기 9.6 정리