Your SlideShare is downloading. ×
0
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
빅데이터 통합 플랫폼 마크로직(Marklogic) 2014
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

빅데이터 통합 플랫폼 마크로직(Marklogic) 2014

959

Published on

Published in: Technology
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
959
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
40
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide
  • We start with Mainframe systems with databases that were built specifically for applications and specific hardware. It was a hierarchical model that required applications to be built in order to get data in and get data out. The 1970’s saw the emergence of the relational model, and the mathematical and theoretical background here is both interesting and if not unique so at least uncommon.The development of SQL databases during the late 1970’s and early 1980 changed the world of database systems completely, and together with other technology changes of those days, such as the emergence of standardized operation systems (most prominently Unix) and the Personal Computer, would transform the climate for compting completely.As the storage capacities of even small computers grew, the potential and uses for databases grew. The PC oriented database systems, simple and working well on small PCs, largely disapperad as PCs became more powerful and above all networked.The 1990 saw the emergence of the Internet, and again the means and needs for accessing data changed, as so did the database systems. Those years also saw data warehousing grow to something everyone could potentially use and benefit from.The emergence of new data types required yet another shift in database models. There is the need to build applications quickly, the need to ingest all types of data quickly and easily without having to adjust schemas. XML databases, document stores all able to manage this new type of data. There are lots of shiny object databases that have popped up to handle this new type of data – but MarkLogic has been doing this for almost 12 years. MarkLogic:Headquartered in Silicon ValleyFounded in 200140% CAGR revenue growth Privately heldPatented, award-winning technology
  • JPMorgan Chase is one of the oldest financial institutions in the world.Has $2 trillion in assets and 200,000 employees.With its financial exposure with derivatives and the foreign exchange market, it needs to make sure it has a global view of all risk.2.25 million live derivatives, 60,000 new/changed derivatives per day, 1 million foreign exchange tradesPrevious system (on Sybase) was complex with 20 servers.Most banks need many copies because derivatives operate on 5 day schedule, allowing 2 days of downtime for maintenance.Copies of databases are scattered throughout the world.JPMC’s MarkLogic ODS deployment only requires 1 database.It’s global, and runs 24/7/365 with no downtime.They no longer need a separate trading system in other countries, like Saudi Arabia which works on SundayMarkLogic beat both Sybase and Oracle to win the dealFinancial risk is now greatly reduced since JPMC now knows its exact positions, in real time.They achieved a lower cost per trade (not yet quantified).JPMC can make changes to data model in database in hours, while competitors take days, weeks, or months.They drastically reduced maintenance costs, going from 20 systems to 1, 5-10 Sybase DBAs to 1 MarkLogic DBA.No downtime for maintenance gives them a competitive advantage.
  • This major oil and gas trading company realized it could optimize trading by understanding all factors that influence trading price. They could not get this from their existing system in real-time.MORE INFORMATION---------------------------With a market capitalization of $138 billion, revenue of $297 billion, and nearly 80,000 employees (2010 statistics, most recent available), BP is one of the world’s leading oil and gas companies. In 2010, BP traded twice as much oil as it produced and refined. In a good year, oil trading is a multi-billion dollar addition to the company’s bottom line. The Geographical Energy Map (GEM) application BP used to deliver research to its traders was a legacy application, deployed on a SQL Server. It was a static program with static information – not very valuable in the volatile world of oil trading. The business and technology leaders of BP envisioned building a fully-dynamic application which could take in several sources and formats of information as well as provide real-time alerts to enable better, faster, and more profitable decision-making.MarkLogic beat Oracle, SQL Server, SI
  • Today, Simon & Schuster has three active implementations of MarkLogic Server. They are:The Syndication Server: This is where the XML versions of Simon & Schuster’s titles are stored. Data about these titles – author, title, publication date, price, etc. – are pushed from MarkLogic Server into whatever formats need the data. For example, publisher’s own online site or to retail partners such as Amazon and Barnes & Noble.The Contracts Server: Simon & Schuster works with thousands of authors, each with a contract specifying different rights. Each contract has been scanned and stored in the company’s SQL Server. MarkLogic works in concert with the SQL Server to track, sort, and make searchable the XML attributes used to describe the rights assigned to the underlying works attached to these contracts. This ensures that the publisher does not violate its agreements in selling and marketing on behalf of its authors.The Layout Server: The most cutting-edge of the three implementations. MarkLogic Server automates what had been a labor-intensive but generic process. Employees would do the time-consuming work of copying all the jacket text of a finished layout – from the cover, to the author bio, to the inside synopsis, etc. and transform it into XML for a Web page. The Layout Server eliminates this step.
  • This case study is about Nielsen’s BuzzMetrics. They are not in production yet so the account team requests that you do not use their name.Nielsen chose MarkLogic to power its next generation BuzzMetrics Social Media Intelligence platform even though their existing home-grown system currently works. But, they were convinced it would never scale to the level required to handle the explosive growth of social media, especially Twitter. They were also concerned it wouldn’t be agile enough for them to compete in what is rapidly becoming a crowded market. With new competitors entering the Social Media Analytics sector, Nielsen did not want to cede its industry leader status so it was very important to them that they upgrade their platform to state-of-the-art architecture and search that could also easily integrate its intellectual property into customer results.BuzzMetrics measures consumer sentiment by integrating data culled from nearly 100 million blogs, social networks, groups, boards and other consumer-generated media (CGM) which BuzzMetrics blends with its intellectual property. Nielsen embarked on an RFP process in 2011 designed to find the best available “state of the art technology” for their business needs, ultimately resulting in the selection of MarkLogic. We beat out 10 other vendors despite coming in at more than double the cost of the runner up. It is also a true big data win!  High velocity, variety - multiple ever-changing content sources/ formats, and high volume data that will ultimately scale to 250TB in the next 3 years. Nielsen will be implementing the initiative in phases, with the initial transaction coming  in at $2.7million - $2M License, 400k FYM and $300k services. Here’s why they picked us: 1. Scalability –  after extensive due diligence, Nielsen concluded our technology was uniquely capable of handling high volume *and*  high query load *and* complex queries all within the high performance levels their clients demand. 2. Best platform for rapid innovation and market adaptability –  they felt ML would give them the agility to get to market quickly with innovative new products and features. And that this, coupled with the fact that the ML platform will allow them to “incorporate their own IP,” would give them a competitive edge. 3. Credibility –  Prior to our first meeting, many on the Nielsen team had never heard of us and were openly skeptical about our viability as a technology vendor. Over the course of the sales cycle, however, they became very impressed with our stellar technical team and the domain expertise and confidence/leadership exuded. They were also impressed with the other large scale implementations we are powering in the market, e.g. at Lexis and within Federal. 
  • With MarkLogic, they are building a platform that will be able to scale with both an increase in customers and the continued explosive growth of social media communications. They could have continued with their existing system which they felt would not scale with projected volumes or purchased another solution. No other system offered the scalability, agility and search capabilities they sought.
  • ngmoco:) (short for Next Generation MObile COmpany, the smiley face is part of the name) is a leading mobile games company.Ngmoco makes money by letting users buy virtual goods in their games. They need a financial tracking system to enable transactions and virtual wallets.The volume and velocity of transactions requires a high performance and scalable system.And, the system needs to stay up – downtime means lost transactions and thus lost revenue to ngmoco:).MORE INFORMATION--------------------------ngmoco:) is a mobile gaming company based in San Francisco. ngmoco:) is using MarkLogic as the transaction engine for all in-app purchases and for other money spent in-game. This involves millions of daily trades. For example, ‘We Rule’ players spent 15 million bottles of mojo (in-game currency) every day as of March 2011. That is 5.5 billion per year, and that is only one game in ngmoco’s arsenal. This is a great story to show that MarkLogic is as well suited to manage structured information as it is to deliver unstructured information.Founded in 2008, and owned by DeNA, the leading social games publisher in Japan, ngmoco:) produces free games like the hits We Rule, Touch Pets Dogs & Coin Push Frenzy.Freemium business model generates revenue from microtransactions made when players spend real money in the games. ngmoco:) selected MarkLogic to be the repository for its banking and E-Commerce. That's right, structured information.MarkLogic is the transaction engine for all in-app purchases and for other money spent in productsProcess debit/credit against users’ virtual walletsRecord completed transactions to the ledgerEventually implement a reporting service to feed reports/analytics to financial systemsBig Data: It will involve millions of transactions every day.E.G. ‘We Rule’ players spent 15 million bottles of mojo (in-game currency) every day as of March 2011. 5.5 Billion per year and that is only one game in ngmoco’s arsenal.MarkLogic beat out Oracle for the deal. When asked, “Why did you pick us over Oracle?” A lead engineer who was part of the selection process said, “One, we just don’t like Oracle. Two, MarkLogic fits into our technical philosophy (NoSQL)” Ngmoco:) is already participating in marketingAgreed to participate in speaking opportunity as a MarkLogic customerAgreed to speak to a Gartner analyst about using MarkLogic for structured data Bottom LineBig Data: This story speaks very well to the volume and velocity of Big Data and MarkLogic’s native ability to handle it in real-time. Other Opportunities: Potential to spread further within ngmoco since MarkLogic is now part of ngmoco’s core infrastructure thanks to the banking platform Analytics (eventually): ngmoco is planning to build a reporting service for financial analytics to help further its business strategy.Hot, new, cutting edge company we can use for sales and marketing referencesSolution runs on 6 servers, was a replacement for a MySQL-based prototype
  • The Bank, built on MarkLogic, handles all of their financial transactions. It ultimately will allow real-time analysis of spending trends to further promote more gaming activity.It replaces a MySQL-based prototype. It’s noteworthy that they implemented MarkLogic to handle highly structured data.Their financial platform powers many games, including the top grossing game on Android and iOS (Rage of Bahamut)MarkLogic is ideal because of its reliability, high performance, scalability, and it fits with ngmoco:)’s technical philosophy of leveraging NoSQL.MORE INFORMATION---------------------------With DeNA, ngmoco:) provides Mobage, a powerful social framework for developers to build and amplify social activity into their games. Underneath their games is ngCore, a powerful technology framework for games to be published and streamed to multiple platforms from a single codebase.
  • MarkLogic has always been a Powerfully complete and Trusted enterprise ready technology. [click]With MarkLogic 6, we now have a full set of product features that make us the most powerful, accessible and trusted product in the market.(squares that are colored are new features in 6)
  • The Internet is One of the Biggest Data SetsExcellent source for customer insight and sentimentUnrealized Value in Internal DataReference and market dataCustomer interaction, POS, mobile wallet, etc.OTC Contracts, master netting agreementsTransaction-related communications
  • Transcript

    • 1. MarkLogic: Deep Dive ㈜ 엠오에스에이 Nov 12, 2012 Slide 1 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 2. Agenda  MarkLogic 개요  MarkLogic 서버 개요  MarkLogic 서버 이해  구축 사례 Slide 2 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 3. MarkLogic 솔루션 개요 Slide 3 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 4. 데이터 처리의 새로운 영역을 제공합니다. Unstructured Era “For all your data!” Relational Era “For all your structured data!” • Normalized, tabular model • Application-independent query • User control Navigational Era “For your application data!” • Hierarchical • Application- and hardwarespecific Slide 4 Copyright © 2012 MarkLogic® Corporation. All rights reserved. • • • • • Schema-agnostic Massive scale Query and search Analytics Application services
    • 5. 정보 콘티 RDBMS NoSQL Information Continuum Video Metadata Relational (Rows and Columns) Sparse Hierarchical Structured Slide 5 Geospatial Emails Tweets Semi-structured Copyright © 2012 MarkLogic® Corporation. All rights reserved. Graph Documents SMS Images Free text Audio Unstructured
    • 6. MarkLogic 솔루션 엔터프라이즈 데이터 영역 통합 저장소 운영 데이터 저장소 검색 어느 때 보다 빠르고 쉽게  기존 Silo 에 분리되어 있는 데이터의 재활용  접근성과 더 많은 정보와의 연관성을 현실화  미 개척 및 미 예측 정보의 처리와 활용 Slide 6 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 10 소셜 프로그램
    • 7. MarkLogic는 빅 데이터를 처리할 수 있게 하는 획기적인 접근 방법을 제공합니다. 전통적인 방식  통합적 UI 구현 20 개월 MarkLogic 방식 1. AS-IS의 데이터 수용  데이터 변형  데이터베이스 최적화 16 개월 빅 데이터 시스템 개발  최적화 및 조정 데이터베이스를 작성  쿼리 분석 / 구성 12 개월  데이터 주입 3. 확장  변환, 추출 및 데이터 정규화 6 개월 Slide 7 구축 기간 = 4 - 6 주  데이터 모델과 계획 작성 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 11 2. 개발
    • 8. MarkLogic 솔루션의 특징 전통적인 데이터베이스 & 검색 엔진 검색, 저장 및 Query 프로세스의 조율의 정교한 개발이 요구됨. 단일 플랫폼에서 검색, ETL, Data Warehouse, 분석을 통하여 빠른 수익 창출 가능한 최적의 데이터베이스. 애플리케이션 서버 애플리케이션 서버 ETL RDBMS REST/SQL/XQuery PL/SQL JVM 검색 엔진 (indexes) 문서 및 데이터 Tables NFS, NTFS Slide 8 NFS, NTFS, HDFS Copyright © 2012 MarkLogic® Corporation. All rights reserved. 22
    • 9. MarkLogic 솔루션의 특징 업계 최고 상용화 NoSQL 데이터베이스  ACID 준수  고 가용성 Database  백업  Point-In-Time 복구  정부 등급의 보안 Application Server  입증된 고객 성공 사례  Hadoop을 위한 최고의 Database Slide 9 Copyright © 2012 MarkLogic® Corporation. All rights reserved. Search Engine
    • 10. The Enterprise NoSQL Database BI Tools Real-time Big Data Applications NoSQL Database Application Services Universal Index ACID Repository NoSQL Database Slide 10 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 11. NoSQL DB를 활용하고 싶은 이유는? Enterprise NoSQL DataBase Documents Big Data Refinery Hadoop Big Data Repository HDFS Slide 4 Slide 11 Map/Reduce Processing Big Data Apps Analytical/DS/etc Richness & Complexity Big Data Toolset Text Mining & Semantics Copyright © 2012 MarkLogic Corporation. All rights reserved. Copyright© 2012 MarkLogic® ® Corporation. All rights reserved. RDF Data Ontologies Entity Enrichment Concept Extraction Classification Business Intelligence Tableau Cognos Etc
    • 12. MarkLogic 서버 개요 Slide 12 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 13. MarkLogic은 세계 주요 Big Data 어플리케이션의 심장 입니다  조직이 보유한 모든 데이터를 사용하여 조직의 능력을 극대화 합니다.  다양한 실용적인 통찰력을 얻기 위해 정형, 반정형 및 비정형 데이터를 자유롭게 분석 합니다.  실시간 빅 데이터 응용 프로그램을 통해 운영 비즈니스 프로세스에 이러한 통찰력을 향상합니다.  분석 및 응용 프로그램에 대한 통합된 빅 데이터 플랫폼 입니다.  실시간으로 모든 데이터, 볼륨, 구조 수용  예) 파생 상품 계약, 고객 정보, 소셜 미디어, 의료 기록, 정보 자산, 저널 기사, 등등. Slide 13 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 14. 일반적인 Big Data Platform의 요소들 Analytic DB Operational DB Search Metadata Event Processing Data Mining / Analytics Visualization Tools / APIs Unstructured Content Ingest / Batch Analytics / Enrichment Archive / Warm “Long Tail” Data Store Slide 14 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 15. 일반적인 Big Data Platform의 형태 BI Tools 여러 기술의 짜집기: Applications • 각 라인의 처리 지연, ETL 버그 Search Stream / Event Processing Search Index Stats (SPSS, SAS, R, … ) Metadata Analytic DB Unstructured Content Store Operational DB • 각 구성 요소는 개별 관리,지원, 확장 • 개별 컴포넌트는 여러 다른 기술, 대부분 다른 조직의 관리 범위의 컴포턴트와 연계 되어 있음 결론 : • 데이터 관리의 손실 • 실시간 반응 불가 Batch Analytics (Hadoop MR) Slide 15 Archive (HDFS) Copyright © 2012 MarkLogic® Corporation. All rights reserved. • 민첩성 손실
    • 16. MarkLogic - Big Data를 위한 통합 플랫폼 BI Tools MarkLogic 서버는 : Applications Search Stream / Event Processing Search Index Stats (SPSS, SAS, R, … ) Metadata Analytic DB Unstructured Content Store Operational DB  운영 DBMS  분석 DBMS  비정형 DBMS  검색 엔진  이벤트 처리 엔진 위의 모든 기술이 하나로… Batch Analytics (Hadoop MR) Slide 16 Archive (HDFS) Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 17. MarkLogic 아키텍쳐 Slide 17 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 18. 아키텍쳐 아키텍처 MarkLogic은 빅 데이터 애플리케이션에 대한 첫 운영 데이터베이스 기술입니다. 그 기능과 사용 방법에 대해 소개합니다. 애플리케이션 서비스 검색 용 API 하나의 API에, 검색, 검색 파싱, 검색 문법 패싯 화, 조각 만들기, 검색어 자동 완성 등 검색 응용 프로그램의 다양한 기능을 정리했습니다. Information Studio API Content Processing Framework를 활용하여 문서로드를 관리 할 수​​ 있으며, 사용자의 문서 수집 기능, 변환 기능,로드 규칙을 쉽게 관리합니다. 라이브러리 서비스 APIh4>문서 관리 서비스를 제공합니다. 체크인 / 체크 아웃, 문서 버전 18 Copyright © 2012 MarkLogic Corporation. All rights reserved. 관리 등. Slide ®
    • 19. 아키텍쳐 평가 층 계산기 XSLT | XPath | XQuery 문서에 액세스하거나 수정할 외부의 요청을 평가하고 처리합니다. 쿼리 캐시 문서와 논리 구조를 메모리에 저장하여 빠른 반응을 제공하고 IO의 효율성을 개선합니다. 브로드 캐스터 | 수집기 문서가 메모리에없는 경우, 여러 데이터 노드에 존재하는 문서에 대한 액세스 및 수정에 대한 요구를 정리합니다. 필요에 따라 반환 된 결과를 처리 · 변환 용으로 집계 (집계)합니다. Slide 19 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 20. 아키텍쳐 데이터 계층 트랜잭션 컨트롤러 멀티 버전 공존 컨트롤러 로드시 제로 레이턴시를 실현. 시스템의 순간적인 쿼리에 대응. 데이터 캐시쿼리 해결뿐만 아니라 메모리에 인덱스를 저장하는 데에도 대응 백그라운드에서 다시 색인과 결합하여 IO의 효율성을 유지. 트랜잭션 저널 가져온 문서가 즉각적인 액세스를 지원하도록 메모리에 저장된 경우에도 시스템 장애에 대비하여 모든 작업을 디스크에 저장함으로써 트랜잭션의 일관성을 유지합니다. 인덱스 값 | 구조 | 텍스트 | 스칼라 | 메타 데이터 | 보안 | 지리 정보 | 역 다양한 정보 (값, 구조, 텍스트, 스칼라, 메타 데이터, 권한, 지리 정보)를 결합, 정교한 기능을 제공합니다. 리버스 인덱스를 사용하면 경고 표시 규칙에 따라 분류, 또한 지정된 기준에 따라 매치 메이킹이 가능합니다. 압축 저장 XML | 이진 | 텍스트 가져온 문서를 XML 형식에서 압축 된 바이너리 조각으로 변환하여 필요한 용량을 줄이고 IO의 효율성을 개선합니다. Slide 20 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 21. MarkLogic 작동 원리 스키마에 상관없는 디자인 Slide 21 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 22. Data 모델  MarkLogic 서버는 문서 중심의 데이터베이스입니다.  계층 (XML) 데이터 모델을 통해 모든 구조화 된 데이터를 지원합니다. Document Title fpML Trade Author Product Metadata Cashflow Section Trade ID TradeLeg Last Amount First ID TradeLeg TradeLeg Section Section Slide 22 Section Section Copyright © 2012 MarkLogic® Corporation. All rights reserved. Event Event Event Event
    • 23. 특정 스키마에 구애받지 않는 MarkLogic XML is 자기 문서화 <article> <title>MarkLogic Server: . . .</title> <author> <first-name>Dale</first-name> <last-name>Kim</last-name> </author> <abstract> . . . . <company>Mark Logic</company> </abstract> <body> <section> <section> . . .</section> </section> <section> . . . index . . . </section> </body> <copyright>Copyright© . . . </copyright> </article> Copyright © 2012 MarkLogic Corporation. All rights reserved. Slide 23 ®
    • 24. 특정 스키마에 구애받지 않는 MarkLogic XML 은 설명을 내장합니다. <article> <article> <title>MarkLogic Server: .....</title> <title> MarkLogic Server: . <author> <first-name> Dale <first-name>Dale</first-name> <last-name>Kim</last-name> <last-name> Kim </author> <author> <title> <abstract> <abstract> . . . . <company>MarkLogic</company> <company> MarkLogic "MarkLogic Server: . . ." </abstract> <body> <section> " . . . " <company> " . . . " <first-name> <section> . . .</section> <section> </section><last-name> <section> . . . index . . .. . </section> . index. "Dale" "MarkLogic" </body> "Kim" <copyright>Copyright© . . . </copyright> <copyright> </article> Copyright © 2012 MarkLogic Corporation. All rights reserved. Slide 24 ® 스키마 불필요! <body> <section> <section> "..." <copyright> <section> “..." " . . . index. . . "
    • 25. MarkLogic 작동 원리 인덱싱과 쿼리 Slide 25 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 26. MarkLogic’s Universal 인덱스 Alerting Words and phrases ... Semantic Web is a collaborative movement led by the World Wide Web Consortium (W3C) ... Structure <Rule> <Rule>Image over 10MB</Rule> <Rule>Image restricted</Rule> <Rule> Label Author Ing Comp Org Data/Metadata Universal Index ID Para name:sorbitol date:2012-06-04 company:Roche Entities in Context ... ACE inhibitors, since the risk of lithium toxicity is very high in such patients... Geospatial Security <User>James</User> <Role>Admin</Role> <Role>Editor</Role> Slide 26 <location> <lat>46.946584</lat> <lng>93.076172</lng> </location> Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 27. Universal 인덱스 Universal 인덱스 Term Term List “data” 123, 127, 129, 152, 344, 791 . . . 문서 “base” 122, 125, 126, 129, 130, 167 . . . “data base” 123, 126, 130, 142, 143, 167 . . . 참조 STEM “be” 123, 130, 131, 135, 162, 177 . . . STEM “data be” 126, 130, 167, … 126, 130, 167, 212, 219, 377 . . .  MarkLogic 데이터 인덱스 <article> ... <article>/<abstract> ...  단어 <section>/<product> ...  구문 <product>IMS</product> ...  형태 분석  구조 <title> contains "data" ... Collection(Red) ...  수집 Role:Editor + Action:Read ...  보안 권한 Slide 27 Copyright © 2012 MarkLogic® Corporation. All rights reserved.  값
    • 28. 스칼라 2005년 이후 발행된 기사를 쿼리 UNIVERSAL 인덱스 “data” 123, 127, 129, 152, 344, 791 . . . “base” 122, 125, 126, 129, 130, 167 . . . “data base” 123, 126, 130, 142, 143, 167 . . . STEM “be” 123, 130, 131, 135, 162, 177 . . . STEM “data be” 126, 130, 167, 212, 219, 377 . . . <article> ... <section>/<product> ... <product>IMS</product> ... 문서 참조 ... <article>/<abstract> 연도 <title> contains "data" ... Collection(Red) ... Role:Editor + Action:Read ... Slide 29 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 126, 130, 167, … 볼룸
    • 29. Range 인덱스 DOC ID와 Value 맵, Value맵과 DOC ID 를 소형 메모리에 표현 합니다 DOC ID VALUE VALUE DOC ID 1 2002 3 3 2002 2003 10 4 2007 2004 5 5 2004 2004 11 8 2011 2007 4 10 2003 2007 17 11 2004 2009 1 17 2007 2011 8 … Slide 30 2009 … ... … Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 30. 지리 지수: 2차원 Range 인덱스 솔루션이 내장되어 지원 :        점 사각형 원 다각형 복잡한 다각형 다각형 교차로 다각형 봉쇄 다른 인덱스와 완전히 구성 가능. Slide 31 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 31. MarkLogic 작동 원리 이벤트 처리 Slide 32 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 32. Reverse 인덱스 (경고) 1. 2. 쿼리 문서에서 직렬화된 쿼리를 로드 합니다. 주어진 데이터 문서에 대해 일치하는 모든 쿼리를 찾습니다.  더 큰 성능의 영향 없이 로드 중 실시간 알람을 제공 할 수 있습니다.  문서의 값을 Range로 저장.  도시들의 자체정의 영역 경계에 대한 문서  범위와 순서로 생일을 정의한 사람의 문서  온라인 사람 찿기 의 핵심 엔진으로도 적합 Slide 33 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 33. MarkLogic 작동 원리 시스템 확장 Slide 34 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 34. 데이터베이스 규모 확장  문서 데이터베이스  분리된 파티션에 저장 Forest1 Slide 35 Database Forest2 Copyright © 2012 MarkLogic® Corporation. All rights reserved. Forest3
    • 35. Shared-Nothing 아키텍쳐 E-Node E-Node D-Node1 D-Node2 Forest1 Forest2 Slide 36 Copyright © 2012 MarkLogic® Corporation. All rights reserved. E-Node D-Node3 Forest3 Forest4 ••• D-Nodek ••• Forestm
    • 36. MarkLogic HA/DR 기능 Slide 37 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 37. MarkLogic 서버 작동 분석 분석 Slide 38 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 38. Range 인덱스: 내장된 In-Memory 컬럼 소형 메모리에 문서 ID와 Value의 맵 저장, 그리고 Value와 문서 ID의 저장. DOC ID VALUE VALUE DOC ID 1 2002 3 3 2002 2003 10 4 2007 2004 5 5 2004 2004 11 8 2011 2007 4 10 2003 2007 17 11 2004 2009 1 17 2007 2011 8 … Slide 39 2009 … ... … Copyright © 2012 MarkLogic® Corporation. All rights reserved. 범위 인덱스는 내장된 In-Memory 칼럼 저장소에 해당합니다.
    • 39. Scalar 쿼리 및 집계 Slide 40 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 40. 데이터 베이스 내의 MapReduce E-Node D-Node1 D-Node2 Forest1 Forest2 Slide 41 Copyright © 2012 MarkLogic® Corporation. All rights reserved. D-Node3 Forest3 시작 인코드 디코드 Reduce 종료 디코드 Map Reduce 인코드 Forest4 ••• D-Nodek ••• Forestm
    • 41. 양방향 Hadoop 커넥터 를 통한 Hadoop MapReduce 운영 응용 프로그램 Raw Data ? 1 중급 지능 MarkLogic 3 Hadoop 대량으로 로드 2 Slide 42 Copyright © 2012 MarkLogic® Corporation. All rights reserved. + Hadoop을 위한 커넥터 진보적인 향상
    • 42. Co-Occurrence - 동시 발생 Slide 43 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 43. SQL 과 BI 툴 ODBC SQL 범위 인덱스 Slide 44 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 44. MarkLogic 서버 작동 원리 트랜잭션 Slide 45 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 45. MVCC /articles/codd.xml /articles/codd.xml Document Title First Section Document Title Author Last Section Section Metadata First Section Section 523 ∞ Section 628 ∞ c d Slide 46 생성 시간 기록 삭제 기록 Copyright © 2012 MarkLogic® Corporation. All rights reserved. Section Author Last Section Metadata Year Section Section Section Section 628 ∞ ∞  타임 스탬스는 :  Interger (정수) 증가 - MarkLogic 5 전  Wall 시간 증가 - MarkLogic 5 시작
    • 46. MVCC 혜택 /articles/codd.xml  매우 높은 처리량 (Throughput)  읽기 Query의 Lock 불필요  Query 및 Update는 충돌하지 않음  ACID 트랜잭션  서버간의 내부 2 phase commit  (Forest 파티션) Document Title First Section 628  데이터 흡수 및 색인의 Zero-latency 무 지연 Slide 47 Copyright © 2012 MarkLogic® Corporation. All rights reserved. Author Last Section Metadata Year Section Section Section Section ∞
    • 47. Conclusion Slide 50 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 48. MarkLogic 서버는…  운영 DBMS  …MVCC기반의 Transaction 모델과 및 높은 처리량이 가능  분석 DBMS  …In-Memory 칼럼 저장과 In-Database Map-Reduce  비정형 DBMS  …XML 데이터 모델과 ad-hoc 스키마  고 성능의 검색엔진  … 트랜잭션 Universal 인덱스  이벤트 프로세서  … 시리얼 쿼리 및 알람  통합된 Big Data 플랫폼 Slide 51 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 49. 구축 사례 Slide 52 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 50. 운용 Data Store JP 모건 체이스, 거래 분석의 단일 창구 구현 목표 여러 데이터베이스에 걸쳐 금융 거래 정보 식별의 여러움  매일 파생 금융 거래 내역을 쉽게 확인  운용의 간소화 및 파생 상품 거래 비용 최소화 현재 상황  거대한 금융거래의 노출 : 수 조 달러, 수백만 개의 금융 파생상품  파생 상품 서비스가 노출된 위험의 인지 불가  데이터 20개의 복사본이 저장되는 복잡 구조 … 분산, 중복 및 분리되어 있는 다수 파생 상품서비스의 거래 정보 Slide 53 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 16
    • 51. Operational Data Store JP 모건 체이스, 거래 분석의 단일 창구 구현 결 과  MarkLogic을 통하여 20개의 Sybase 상품계약 데이터베이스를 단일 파생 상품 계약 데이터베이스로 간소화 하나의 데이터베이스에 모든 계약을 분석  글로벌하게 실시간으로 (24/7/365) 통합된 데이터 스토어를 통한 정확한 기업 파생 위험 인지  거래 분석 시 초 단위 미만의 응답 구현 혜 택  실시간으로 정확한 글로벌 위치를 인지를 통한 금융 위험 감소  거래당 평균 비용을 감소 …  유지 보수 운용비 절감 :  20개의 Sybase 데이터베이스를 1개의 MarkLogic 데이터 베이스로 축소 20 개 데이터베이스 복사본을 제거 Slide 54  10명의 DBA에서 5명의 DBA로 축소 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 17
    • 52. Social Applications Xplana는 협력을 통해 교육의 수준 극대화 목  학생들이 새로운 방법으로 학습 할 수 있는 시스템 구축  협업 및 소셜 미디어를 통해 학생들의 학업과 사회 생활을 통합 학생 커뮤니티 + 현재 상황 기존 무료 교육서적과 프리미엄 교육서적  기존 시스템이 아닌 신규 프로젝트  끊임없는 변화를 수용하는 혁신적의 시스템의 기대  많은 사용자와 방대한 컨텐츠 볼륨을 수용 기대 + 외부 교육 자료 Slide 55 표 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 20
    • 53. 원유 선물을 거래 할 때 "(주)글로벌 석유 "는 거래시 가격의 이점을 극대화 할 수 있습니다. Goals 이익을 극대화하기 위해 석유 · 가스 시장의 영향력의 전체 이미지를 얻고자 함. Solution Challenges 실시간의 정치, 날씨, 선박 데이터, 위치, 단말기 데이터와 거래 데이터를 가져 오면 주목할만한 문제점을 알리는 상인에게 경고를 보냅니다. 빠른 결정을 내릴수 있도록 한다 다음을 알리도록 설정  원유 "MMM"배럴 이상이 아라비아 만에서 전송 중  강도 8 이상의 험악한 날씨가 멕시코만을 덮친 것을 경고 Slide 56 Copyright © 2012 MarkLogic® Corporation. All rights reserved. Benefits 상인들은 시장에서 최고의 가격을 얻을 수 있는지 확인하기 위해 시스템을 사용하고 있습니다. 75 %의 총 소유 비용 절감 (TCO)의 절감했습니다.
    • 54. Social Applications Xplana는 협력을 통해 교육의 수준 극대화 기능  다양한 기존 컨텐츠, 신규 업로드, 신규 사용자 생성 콘텐츠, 외부 링크등의 집합.  공부 가이드, 강의 노트, 플레시 카드, 공유된 메모등의 생성 기능.  페이스 북 / 트위터 / 다른 사람과의 연계.  수백만의 사용자와 Tera Byte급의 데이터 처리하는 확장성. 기존 무료 교육서적과 프리미엄 교육서적 혜택  교육을 강화하기 위해 혁신적인 서비스를 제공  빠른 개발주기를 통한 낮은 TCO 보장 (4개월)  새로운 요구에 빠르게 적응 할 수 있는 민첩성 확보. 학생들 사이 협력 외부 교육 자료 Slide 57 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 21
    • 55. 사이먼 & 슈스터는 새로운 수익원으로 사업을 변환 목 표  12,000 도서 를 디지털화 하여 검색하고 다른 활용 목적으로 컨텐츠 제공  여러 채널으로 쉽게 디지털 책으로 컨텐츠 제공 도 전  개별 파트너를 위해 구축된 유연하지 못한 시스템은 관리의 어려움 및 많은 관리비용을 요구되었습니다.  분산된 데이터 사일로에서 검색하던 어렵고 느린 자산 정보 호출은 수익 손실로 이어 졌습니다. … 서로 다른 자산의 저장소 Slide 58 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 56. 사이먼 & 슈스터 새로운 수익원으로 사업을 변환 파트너 유통사 저작자 솔 루 션  Syndication 서버 : 책 제목과 함께 메타 데이터가 저장된 개인 사이트 및 파트너 사이트.  Contract 서버 : 고유 한 권리를 포함한 저작자 계약서 저장  Layout 서버 : 웹의 jacket 텍스트 콘텐츠를 XML로 변환 하는 노동 집약적 인 프로세스를 자동화 혜 택 Syndication Contracts Layout 모든 Business Critical 콘텐츠의 중앙 집중화 Slide 59 Copyright © 2012 MarkLogic® Corporation. All rights reserved.  디지털 공급 체인에서의 새로운 수익 창출  수동 프로세스 제거를 통한 대폭적인 비용 절감  자동 Delivery와 함께 디지털 자산을 검색하고 선택함으로 사업 관계자들의 능력 제공  영업 및 마케팅 계약 위반의 법적 의미 제거
    • 57. 향상 고객에게 깊이 소비자 및 시장 분석을 제공함으로써 소셜 미디어 인텔리전스 시장에서 경쟁우위를 확보 목  높은 볼륨 및 쿼리 부하 및 복잡한 쿼리를 처리 할 수있는 검색 및 데이터베이스 기술  새로운 제품 및 기능과 함께 신속하게 시장을 점유하는 민첩성. 고객 소셜 미디어의 폭발적인 성장과 확장의 수용 도 Intellectual Property In-House 기술 내부 분석가 … 소셜 미디어의 Inputs Slide 60 표 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 전  현재 검색 및 데이터베이스 기술은 소셜 미디어 세트의 성장 볼륨과 복잡성을 유지 할 수 없습니다.  실시간으로 모든 해당 고객 데이터를 집계 할 수 없습니다  결과에 개개인의 지적 재산을 통합하기가 어렵습니다.
    • 58. 향상 고객에게 깊이 소비자 및 시장 분석을 제공함으로써 소셜 미디어 인텔리전스 시장에서 경쟁우위를 확보 솔 루 션  250TB로 확장된 단일 MarkLogic 시스템은 사내 검색 및 데이터베이스 기술을 대체  실시간으로 필수적인 데이터를 고객에게 제공합니다  개개인의 지적 재산권을 포함한 결과 혜 택  백만가지 이상의 데이터 소스를 처리 할 수 있는 보다 완전하고 다각면의 360° 소셜 미디어 뷰.  30억건 이상의 기록을 1초 미만의 검색. (이전 15억건)  분석 및 조치에 최적화 속도 - 최대 10 배 개선된 성능 Slide 61 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 59. 매일 거래되는 금융거래에서 수백만의 수익을 창출 목 모바일 게임머  연가 수십억 단위의 게임 시스템 거래 안정적 처리  수백만의 사용자의 직불 / 신용 거래 추적 도 무료 게임 모바일 게임 플렛폼 가상 아이템 구매 Slide 62 표 RDBMS? MarkLogic Copyright © 2012 MarkLogic® Corporation. All rights reserved. 전  볼륨 및 속도의 거래를 위한 완벽한 확장성의 필요성  시스템이 장애의 경우 많은 사업의 손실 발생  높은 가동 시간 요구
    • 60. 매일 거래되는 금융거래에서 수백만의 수익을 창출 솔 루 션  "The Bank"라고 불리는 MarkLogic 의 Mission-critical 시스템  금융 거래 및 계정의 관리 (매우 구조화 된 데이터)  지출 동향의 실시간 분석을 지원하는 indatabase 기반의 플랫폼 혜 택  쉬운 확장성, 높은 가동 시간 / 신뢰성, 빠르고 실시간 적인 응답 - 기존 RDBMS 기반의 Prototype 대비 분명한 장점  NoSQL을 활용의 기술 철학 활용 MarkLogic 이 iOS / Android에서 최상위 수익률을 자랑하는 게임의 플렛폼 역할 수행 (6/12/12) Slide 63 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 61. 마크로직의 이슈 이기종 DB 분석 검색 속도의 우위가 필요한 작업 빅데이터 프로젝트 새로운/리뉴얼 포털작업 Slide 64 Copyright © 2012 MarkLogic® Corporation. All rights reserved. 그룹웨어/KMS/CMS
    • 62. 제안 사례 XX증권 기존 국내 기술로 문서 검색 사용 중 내부 문서 검색 및 분석-> 영업직이 자료를 활용못함 기존 데모했던 기술은 인덱싱만 한달이 걸리고 단어검색만 됨 10T이상의 문서도 즉석 검색 빠른 인덱싱 속도와 리포트 제공 빠른 구축 시간 및 유지보수 용이 Slide 65 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 63. 제안 사례 XX이노 기존 검색 엔진 대체할 빅데이터 기반 검색 기술 수요 그룹웨어, 지식관리시스템, 내부 문서 검색 엔진 공급가격과 검색속도, 개발 및 외부 프로그램, API연동 고려 PB급 데이터 검색 및 처리 기존 시스템과의 호환성 빠른 구축 시간 및 유지보수 용이 Slide 66 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 64. 제안 사례 XX은행 마케팅 및 내부 비정형 데이터 분석 고객메일, 내부메신저, 리포트, 부서별 문서 검색 및 분석 정형의 데이터를 다시 분석하는 것은 빅데이터의 의미가 아님 비정형 데이터를 수집하고 데이터 선 분석 내부 교육 및 마케팅에 활요할 분석이?? 구축 비용 및 유지 보수 비용이 오픈소스에 비해 ROI가 나옴 Slide 67 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 65. 제안 사례 정책 자료 및 지역 민원 내용 분석 소셜 데이터 분석 기존 단순 웹 로그 분석에서 탈피 XXX청 Slide 68 비정형 데이터를 수집하고 데이터 선 분석 내부 정책 수립 및 우선순위 설정에 활용 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 66. 제안 사례 CCTV 검색 대용량 미디어 검색 메타데이터 XXX테크 Slide 69 미디어화일의 메타데이어 검색 원본과 인덱싱 서버 별도 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 67. 제안 사례 GIS 데이터 검색 대용량 데이터 검색속도 이슈 XXX부 Slide 70 수십억건 이상의 문서에서 1-2초 내 검색속도 요구 GIS 서비스에 엔진으로 제안 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 68. MarkLogic 기능 요약 Powerful Everything you need to deliver business value Accessible Leverage existing tools, knowledge, skills Trusted Enterpriseready for mission-critical apps Slide 71 Flexible Indexes Full Text Search Hadoop Distribution Alerting & Event Processing REST & Java APIs JSON Storage Content Pump BI Integratio n Transactions Role-based Security Point-intime Recovery Database Rollback Copyright © 2012 MarkLogic® Corporation. All rights reserved. SchemaAgnostic Scalable Analytic Functions Geospatial Query Indatabase MapReduce Visualization Widgets Application Builder Information Studio Hadoop Connector SQL Support Monitoring & Management OS Support Automated Failover Replication Journal Archiving Backup/ Restore Distributed Transactions Superclusters
    • 69. Marklogic 7.0 - New Tiered Storage Runs on HDFS Runs on Amazon S3 Cloud Ready Elasticity Cluster Monitoring Tools Configuration Management Enhancements Slide 72 Copyright © 2012 MarkLogic® Corporation. All rights reserved. Semantics
    • 70. Marklogic 7.0 - New Search Enhancements Requiring Less Disk Space REST & Java API Improvements Fast data ingestion Security (LDAP / Kerberos) Slide 73 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 71. 빅데이터= 엄청난 기회 Slide 74 Copyright © 2012 MarkLogic® Corporation. All rights reserved.
    • 72. 질의응답? Lee Seung Hoon lsh@mobile-os.com kosena21@naver.com 010-9338-6400 Slide 75 Copyright © 2012 MarkLogic® Corporation. All rights reserved.

    ×