Submit Search
Upload
(주)클라우다인 & Flamingo 소개서
•
10 likes
•
3,153 views
BYOUNG GON KIM
Follow
오픈소스 Big Data Platform 및 회사 소개자료입니다.
Read less
Read more
Technology
Report
Share
Report
Share
1 of 38
Download now
Download to read offline
Recommended
Flamingo (FEA) Spark Designer
Flamingo (FEA) Spark Designer
BYOUNG GON KIM
OpenSource Big Data Platform - Flamingo 소개와 활용
OpenSource Big Data Platform - Flamingo 소개와 활용
BYOUNG GON KIM
Flamingo 1.2 릴리즈의 지원 기능 정리
Flamingo 1.2 릴리즈의 지원 기능 정리
BYOUNG GON KIM
OpenSource Big Data Platform : Flamingo Project
OpenSource Big Data Platform : Flamingo Project
BYOUNG GON KIM
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
uEngine Solutions
Jco 소셜 빅데이터_20120218
Jco 소셜 빅데이터_20120218
Hyoungjun Kim
Flamingo project v4
Flamingo project v4
BYOUNG GON KIM
OpenSource Big Data Platform - Flamingo v7
OpenSource Big Data Platform - Flamingo v7
BYOUNG GON KIM
Recommended
Flamingo (FEA) Spark Designer
Flamingo (FEA) Spark Designer
BYOUNG GON KIM
OpenSource Big Data Platform - Flamingo 소개와 활용
OpenSource Big Data Platform - Flamingo 소개와 활용
BYOUNG GON KIM
Flamingo 1.2 릴리즈의 지원 기능 정리
Flamingo 1.2 릴리즈의 지원 기능 정리
BYOUNG GON KIM
OpenSource Big Data Platform : Flamingo Project
OpenSource Big Data Platform : Flamingo Project
BYOUNG GON KIM
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
Io t에서 big data를 통합하는 통합 빅데이터 플랫폼 flamingo_클라우다인_김병곤 대표이사
uEngine Solutions
Jco 소셜 빅데이터_20120218
Jco 소셜 빅데이터_20120218
Hyoungjun Kim
Flamingo project v4
Flamingo project v4
BYOUNG GON KIM
OpenSource Big Data Platform - Flamingo v7
OpenSource Big Data Platform - Flamingo v7
BYOUNG GON KIM
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
Gruter
[Open Technet Summit 2014] 쓰기 쉬운 Hadoop 기반 빅데이터 플랫폼 아키텍처 및 활용 방안
[Open Technet Summit 2014] 쓰기 쉬운 Hadoop 기반 빅데이터 플랫폼 아키텍처 및 활용 방안
치완 박
Daum 내부 빅데이터 및 클라우드 기술 활용 사례- 윤석찬 (2012)
Daum 내부 빅데이터 및 클라우드 기술 활용 사례- 윤석찬 (2012)
Channy Yun
[경북] I'mcloud information
[경북] I'mcloud information
startupkorea
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
Gruter
줌인터넷 빅데이터 활용사례 김우승
줌인터넷 빅데이터 활용사례 김우승
Wooseung Kim
Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)
Gruter
234 deview2013 김형준
234 deview2013 김형준
NAVER D2
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum DNA
엔지니어 관점에서 바라본 데이터시각화
엔지니어 관점에서 바라본 데이터시각화
Kenneth Ceyer
빅데이터 기술 현황과 시장 전망(2014)
빅데이터 기술 현황과 시장 전망(2014)
Channy Yun
DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)
Kee Hoon Lee
Vertica New Features - 8.1에서 9.2까지
Vertica New Features - 8.1에서 9.2까지
Kee Hoon Lee
빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵
r-kor
Intro to r & hadoop
Intro to r & hadoop
Seong-Bok Lee
Big data application architecture 요약2
Big data application architecture 요약2
Seong-Bok Lee
Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)
Channy Yun
Big Data platform을 위한 Sencha Ext JS 사례.
Big Data platform을 위한 Sencha Ext JS 사례.
효근 박
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
Yooseok Choi
빅데이터, big data
빅데이터, big data
H K Yoon
Sencha ExtJS를 활용한 Big Data Platform 개발 사례
Sencha ExtJS를 활용한 Big Data Platform 개발 사례
미래웹기술연구소 (MIRAE WEB)
(마케팅자료 Case study)피플앤드테크놀러지-global indoorlbs solution leader-20160625-v1.5
(마케팅자료 Case study)피플앤드테크놀러지-global indoorlbs solution leader-20160625-v1.5
PEOPLE AND TECHNOLOGY (Antonio Hong)
More Related Content
What's hot
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
Gruter
[Open Technet Summit 2014] 쓰기 쉬운 Hadoop 기반 빅데이터 플랫폼 아키텍처 및 활용 방안
[Open Technet Summit 2014] 쓰기 쉬운 Hadoop 기반 빅데이터 플랫폼 아키텍처 및 활용 방안
치완 박
Daum 내부 빅데이터 및 클라우드 기술 활용 사례- 윤석찬 (2012)
Daum 내부 빅데이터 및 클라우드 기술 활용 사례- 윤석찬 (2012)
Channy Yun
[경북] I'mcloud information
[경북] I'mcloud information
startupkorea
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
Gruter
줌인터넷 빅데이터 활용사례 김우승
줌인터넷 빅데이터 활용사례 김우승
Wooseung Kim
Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)
Gruter
234 deview2013 김형준
234 deview2013 김형준
NAVER D2
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum DNA
엔지니어 관점에서 바라본 데이터시각화
엔지니어 관점에서 바라본 데이터시각화
Kenneth Ceyer
빅데이터 기술 현황과 시장 전망(2014)
빅데이터 기술 현황과 시장 전망(2014)
Channy Yun
DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)
Kee Hoon Lee
Vertica New Features - 8.1에서 9.2까지
Vertica New Features - 8.1에서 9.2까지
Kee Hoon Lee
빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵
r-kor
Intro to r & hadoop
Intro to r & hadoop
Seong-Bok Lee
Big data application architecture 요약2
Big data application architecture 요약2
Seong-Bok Lee
Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)
Channy Yun
Big Data platform을 위한 Sencha Ext JS 사례.
Big Data platform을 위한 Sencha Ext JS 사례.
효근 박
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
Yooseok Choi
빅데이터, big data
빅데이터, big data
H K Yoon
What's hot
(20)
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
[Open Technet Summit 2014] 쓰기 쉬운 Hadoop 기반 빅데이터 플랫폼 아키텍처 및 활용 방안
[Open Technet Summit 2014] 쓰기 쉬운 Hadoop 기반 빅데이터 플랫폼 아키텍처 및 활용 방안
Daum 내부 빅데이터 및 클라우드 기술 활용 사례- 윤석찬 (2012)
Daum 내부 빅데이터 및 클라우드 기술 활용 사례- 윤석찬 (2012)
[경북] I'mcloud information
[경북] I'mcloud information
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
줌인터넷 빅데이터 활용사례 김우승
줌인터넷 빅데이터 활용사례 김우승
Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)
234 deview2013 김형준
234 deview2013 김형준
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012
엔지니어 관점에서 바라본 데이터시각화
엔지니어 관점에서 바라본 데이터시각화
빅데이터 기술 현황과 시장 전망(2014)
빅데이터 기술 현황과 시장 전망(2014)
DB관점에서 본 빅데이터 (2019년 8월)
DB관점에서 본 빅데이터 (2019년 8월)
Vertica New Features - 8.1에서 9.2까지
Vertica New Features - 8.1에서 9.2까지
빅데이터 인공지능 전략 및 로드맵
빅데이터 인공지능 전략 및 로드맵
Intro to r & hadoop
Intro to r & hadoop
Big data application architecture 요약2
Big data application architecture 요약2
Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)
Big Data platform을 위한 Sencha Ext JS 사례.
Big Data platform을 위한 Sencha Ext JS 사례.
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
Bigquery와 airflow를 이용한 데이터 분석 시스템 구축 v1 나무기술(주) 최유석 20170912
빅데이터, big data
빅데이터, big data
Viewers also liked
Sencha ExtJS를 활용한 Big Data Platform 개발 사례
Sencha ExtJS를 활용한 Big Data Platform 개발 사례
미래웹기술연구소 (MIRAE WEB)
(마케팅자료 Case study)피플앤드테크놀러지-global indoorlbs solution leader-20160625-v1.5
(마케팅자료 Case study)피플앤드테크놀러지-global indoorlbs solution leader-20160625-v1.5
PEOPLE AND TECHNOLOGY (Antonio Hong)
시지온(Cizion) 회사 소개서
시지온(Cizion) 회사 소개서
CIZION
[한국핀테크포럼]비아이큐브 회사 소개
[한국핀테크포럼]비아이큐브 회사 소개
성태 박
(마케팅자료 실시간위치기반 출입통제보안솔루션소개)피플앤드테크놀러지-Indoor plus for rtls-20160701-v1.0
(마케팅자료 실시간위치기반 출입통제보안솔루션소개)피플앤드테크놀러지-Indoor plus for rtls-20160701-v1.0
PEOPLE AND TECHNOLOGY (Antonio Hong)
비콘기반 모바일 사례 발표 20141121
비콘기반 모바일 사례 발표 20141121
Phil Cho
엘라스틱서치, 로그스태시, 키바나
엘라스틱서치, 로그스태시, 키바나
종민 김
카페인 회사 소개서
카페인 회사 소개서
카페인 carffeine
Hi beacon 제안서_api사업팀_(2014년04월)
Hi beacon 제안서_api사업팀_(2014년04월)
경임 김
1ºdt tema 1 t fundamentales en el plano1 v.7
1ºdt tema 1 t fundamentales en el plano1 v.7
qvrrafa
Effectively Marketing To Government Buyers
Effectively Marketing To Government Buyers
Bob Shark
Wastewater 101: Decentralized approach, community process, and options
Wastewater 101: Decentralized approach, community process, and options
dmalchow
Cyclops Intro 2011
Cyclops Intro 2011
garykellmann
Ieeej 2010
Ieeej 2010
Debopriyo Roy
Watanabe thesis
Watanabe thesis
Debopriyo Roy
IPCC2010-1
IPCC2010-1
Debopriyo Roy
Proekt Kaladina L
Proekt Kaladina L
guest582297f3
jQtouch, Building Awesome Webapps
jQtouch, Building Awesome Webapps
Home
PresentacióN1
PresentacióN1
Alex_27
Nozawa presentation
Nozawa presentation
Debopriyo Roy
Viewers also liked
(20)
Sencha ExtJS를 활용한 Big Data Platform 개발 사례
Sencha ExtJS를 활용한 Big Data Platform 개발 사례
(마케팅자료 Case study)피플앤드테크놀러지-global indoorlbs solution leader-20160625-v1.5
(마케팅자료 Case study)피플앤드테크놀러지-global indoorlbs solution leader-20160625-v1.5
시지온(Cizion) 회사 소개서
시지온(Cizion) 회사 소개서
[한국핀테크포럼]비아이큐브 회사 소개
[한국핀테크포럼]비아이큐브 회사 소개
(마케팅자료 실시간위치기반 출입통제보안솔루션소개)피플앤드테크놀러지-Indoor plus for rtls-20160701-v1.0
(마케팅자료 실시간위치기반 출입통제보안솔루션소개)피플앤드테크놀러지-Indoor plus for rtls-20160701-v1.0
비콘기반 모바일 사례 발표 20141121
비콘기반 모바일 사례 발표 20141121
엘라스틱서치, 로그스태시, 키바나
엘라스틱서치, 로그스태시, 키바나
카페인 회사 소개서
카페인 회사 소개서
Hi beacon 제안서_api사업팀_(2014년04월)
Hi beacon 제안서_api사업팀_(2014년04월)
1ºdt tema 1 t fundamentales en el plano1 v.7
1ºdt tema 1 t fundamentales en el plano1 v.7
Effectively Marketing To Government Buyers
Effectively Marketing To Government Buyers
Wastewater 101: Decentralized approach, community process, and options
Wastewater 101: Decentralized approach, community process, and options
Cyclops Intro 2011
Cyclops Intro 2011
Ieeej 2010
Ieeej 2010
Watanabe thesis
Watanabe thesis
IPCC2010-1
IPCC2010-1
Proekt Kaladina L
Proekt Kaladina L
jQtouch, Building Awesome Webapps
jQtouch, Building Awesome Webapps
PresentacióN1
PresentacióN1
Nozawa presentation
Nozawa presentation
Similar to (주)클라우다인 & Flamingo 소개서
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
Metatron
[오픈소스컨설팅]이기종 WAS 클러스터링 솔루션- Athena Dolly
[오픈소스컨설팅]이기종 WAS 클러스터링 솔루션- Athena Dolly
Ji-Woong Choi
Open standard open cloud engine (3)
Open standard open cloud engine (3)
uEngine Solutions
Event storming based msa training commerce example add_handson_v3
Event storming based msa training commerce example add_handson_v3
uEngine Solutions
[Partner TechShift 2017] APN 컨설팅 파트너사와 함께 하는 클라우드 소프트웨어 사업
[Partner TechShift 2017] APN 컨설팅 파트너사와 함께 하는 클라우드 소프트웨어 사업
Amazon Web Services Korea
웹 2.0 기술 소개 (2006)
웹 2.0 기술 소개 (2006)
Channy Yun
All about Data Center Migration Session 1. <Case Study> 오비맥주 사례로 알아보는 DC 마이그레...
All about Data Center Migration Session 1. <Case Study> 오비맥주 사례로 알아보는 DC 마이그레...
BESPIN GLOBAL
Case Study를 통해 본 데이터사이언스 협업 플랫폼의 필요성 (옥주영 컨설턴트, Hancom MDS) :: AWS Techforum ...
Case Study를 통해 본 데이터사이언스 협업 플랫폼의 필요성 (옥주영 컨설턴트, Hancom MDS) :: AWS Techforum ...
Amazon Web Services Korea
Open standard open cloud engine for digital business process
Open standard open cloud engine for digital business process
uEngine Solutions
IBM 보안솔루션 앱스캔_AppScan Standard 소개
IBM 보안솔루션 앱스캔_AppScan Standard 소개
은옥 조
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
Amazon Web Services Korea
서버학개론(백엔드 서버 개발자를 위한)
서버학개론(백엔드 서버 개발자를 위한)
수보 김
엔터프라이즈 웹 동향 및 적용사례
엔터프라이즈 웹 동향 및 적용사례
욱래 김
OCE - Cno 2014 private sector oriented open paas oce
OCE - Cno 2014 private sector oriented open paas oce
uEngine Solutions
루시드웍스 퓨전 소개서
루시드웍스 퓨전 소개서
JunMyoung(준명) Youn(연)
2016 Staccato track3 Android를 더 잘 개발하려면? (MVP, MVVM, Clean Architecture)
2016 Staccato track3 Android를 더 잘 개발하려면? (MVP, MVVM, Clean Architecture)
승용 윤
클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션 :: 정우진 이사
클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션 :: 정우진 이사
Amazon Web Services Korea
170426 cloud day in 포항 2. 클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션_aws 정우진 이사
170426 cloud day in 포항 2. 클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션_aws 정우진 이사
POSCO ICT
메가존 Hype Up with Megazone 세미나#1 클라우드로 전환하는 길이 보인다!
메가존 Hype Up with Megazone 세미나#1 클라우드로 전환하는 길이 보인다!
메가존 Megazone Corp.
KOPENS_INTRODUCTION_2014
KOPENS_INTRODUCTION_2014
Lee Sangboo
Similar to (주)클라우다인 & Flamingo 소개서
(20)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[DDC 2018] Metatron 오픈소스화 및 생태계 구축 (SKT 이정룡, 김지호)
[오픈소스컨설팅]이기종 WAS 클러스터링 솔루션- Athena Dolly
[오픈소스컨설팅]이기종 WAS 클러스터링 솔루션- Athena Dolly
Open standard open cloud engine (3)
Open standard open cloud engine (3)
Event storming based msa training commerce example add_handson_v3
Event storming based msa training commerce example add_handson_v3
[Partner TechShift 2017] APN 컨설팅 파트너사와 함께 하는 클라우드 소프트웨어 사업
[Partner TechShift 2017] APN 컨설팅 파트너사와 함께 하는 클라우드 소프트웨어 사업
웹 2.0 기술 소개 (2006)
웹 2.0 기술 소개 (2006)
All about Data Center Migration Session 1. <Case Study> 오비맥주 사례로 알아보는 DC 마이그레...
All about Data Center Migration Session 1. <Case Study> 오비맥주 사례로 알아보는 DC 마이그레...
Case Study를 통해 본 데이터사이언스 협업 플랫폼의 필요성 (옥주영 컨설턴트, Hancom MDS) :: AWS Techforum ...
Case Study를 통해 본 데이터사이언스 협업 플랫폼의 필요성 (옥주영 컨설턴트, Hancom MDS) :: AWS Techforum ...
Open standard open cloud engine for digital business process
Open standard open cloud engine for digital business process
IBM 보안솔루션 앱스캔_AppScan Standard 소개
IBM 보안솔루션 앱스캔_AppScan Standard 소개
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
서버학개론(백엔드 서버 개발자를 위한)
서버학개론(백엔드 서버 개발자를 위한)
엔터프라이즈 웹 동향 및 적용사례
엔터프라이즈 웹 동향 및 적용사례
OCE - Cno 2014 private sector oriented open paas oce
OCE - Cno 2014 private sector oriented open paas oce
루시드웍스 퓨전 소개서
루시드웍스 퓨전 소개서
2016 Staccato track3 Android를 더 잘 개발하려면? (MVP, MVVM, Clean Architecture)
2016 Staccato track3 Android를 더 잘 개발하려면? (MVP, MVVM, Clean Architecture)
클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션 :: 정우진 이사
클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션 :: 정우진 이사
170426 cloud day in 포항 2. 클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션_aws 정우진 이사
170426 cloud day in 포항 2. 클라우드 뉴노멀 시대의 글로벌 혁신 기업들의 디지털 트랜스포메이션_aws 정우진 이사
메가존 Hype Up with Megazone 세미나#1 클라우드로 전환하는 길이 보인다!
메가존 Hype Up with Megazone 세미나#1 클라우드로 전환하는 길이 보인다!
KOPENS_INTRODUCTION_2014
KOPENS_INTRODUCTION_2014
(주)클라우다인 & Flamingo 소개서
1.
회사
2.
및
3.
제품
4.
소개서
5.
(주)클라우다인
6.
2014.04.10
7.
v2.0
8.
9.
1 회사
10.
소개
11.
2011년
12.
3월
13.
16일
14.
설립연월일
15.
김병곤
16.
(ceo@cloudine.co.kr)
17.
대표이사
18.
서울시
19.
강남구
20.
역삼동
21.
720-12
22.
아남타워
23.
1208호
24.
회사주소
25.
www.opencloudengine.org
26.
(영업:
27.
sales@cloudine.co.kr)
28.
홈페이지
29.
• Big
30.
Data
31.
Platform
32.
솔루션
33.
개발
34.
및
35.
기술
36.
지원
37.
• Big
38.
Data
39.
Platform
40.
구축
41.
및
42.
운영
43.
• Big
44.
Data
45.
기반
46.
분석
47.
시스템
48.
아키텍팅
49.
및
50.
설계
51.
• 자바
52.
애플리케이션
53.
성능
54.
튜닝
55.
및
56.
프로파일링
57.
• 오픈소스
58.
기술
59.
지원
60.
및
61.
운영
62.
• 클라우드
63.
서비스(SaaS,
64.
PaaS)
65.
• 교육
66.
서비스
67.
사업영역
68.
(주)클라우다인
69.
회사명
70.
71.
2 ㈜클라우다인의
72.
Big
73.
Data
74.
Platform
75.
View
76.
Browser 디자이너
Search 형태소
77.
분석
78.
그래프
79.
분석
80.
사용자별
81.
평 가
82.
리더
83.
선 출
84.
로그
85.
데이터
86.
데이터
87.
분석가
88.
데이터
89.
분석가
90.
Browser 인포메이션 카탈로그
Search 인포메이션 유형 보안등급 생성주기 형식 사용자 친밀도 1 매일 새벽2시 XML 아이템 추천 2 매일 새벽 1시 JSON 구매 성향 3 매일 저녁 8시 XML/JSON 오피니언 리더 점수 2 매일 오전 10 시 XML/JSON 데이터
91.
이용자
92.
시스템
93.
오피니언
94.
리더
95.
점수
96.
Open
97.
API
98.
데이터
99.
시각화 를
100.
위한
101.
Chart
102.
워크플로우
103.
디자인
104.
수집
105.
106.
데이터
107.
이용자
108.
서비스
109.
110.
요청
111.
모바일
112.
분석
113.
결과를
114.
재사용
115.
분석
116.
결과를
117.
외부에
118.
제공하기
119.
위해
120.
Open
121.
API
122.
로
123.
노출
124.
분석
125.
결과
126.
검증
127.
로그
128.
데이터
129.
MapReduce
130.
분석
131.
모듈
132.
빅
133.
데이터
134.
분석
135.
및
136.
서비스
137.
플랫폼
138.
1
139.
2
140.
3
141.
4
142.
5
143.
6
144.
7
145.
146.
3 확장성
147.
1
148.
§
149.
Flamingo는
150.
아주
151.
단순한
152.
확장
153.
모델을
154.
가지고
155.
있어서
156.
유지보수
157.
및
158.
기능
159.
추가가
160.
매우
161.
쉽습니다.
162.
§
163.
기존에
164.
사용하던
165.
MapReduce
166.
분석
167.
프로그램을
168.
그대로
169.
사용할
170.
수
171.
있습니다.
172.
§
173.
UI의
174.
모듈은
175.
JSON과
176.
JavaScript를
177.
이용하여
178.
최소의
179.
노력을
180.
추가할
181.
수
182.
있습니다.
183.
§
184.
화면을
185.
구성하는
186.
단위
187.
기능은
188.
별도의
189.
독립
190.
페이지로
191.
구성되어
192.
기능
193.
추가가
194.
가능합니다.
195.
검증된
196.
코드
197.
와
198.
199.
국내
200.
최고
201.
오픈소스
202.
2
203.
§
204.
한국에서
205.
만든
206.
빅데이터
207.
분야
208.
최고의
209.
오픈소스입니다(영문버전
210.
지원).
211.
§
212.
Flamingo는
213.
글로벌
214.
제조사의
215.
빅
216.
데이터
217.
플랫폼으로
218.
선택받았습니다.
219.
§
220.
Amazon
221.
EMR,
222.
Amazon
223.
S3
224.
환경에서
225.
전세계
226.
7개
227.
데이터
228.
센터의
229.
분산
230.
구성을
231.
검증받았습니다.
232.
§
233.
20
234.
Peta
235.
Bytes,
236.
300명이
237.
사용하는
238.
환경에서
239.
검증받았습니다.
240.
§
241.
블랙덕으로
242.
라이센스
243.
검증을
244.
받았습니다.
245.
사용성
246.
3
247.
§
248.
Flamingo는
249.
웹
250.
브라우저를
251.
기반으로
252.
동작하여
253.
별도
254.
클라이언트가
255.
필요하지
256.
않습니다.
257.
§
258.
Flamingo는
259.
이미
260.
사용가능한
261.
MapReduce
262.
기반
263.
알고리즘
264.
및
265.
데이터
266.
처리
267.
모듈을
268.
제공합니다.
269.
(비정형
270.
분석,
271.
다양 한
272.
통계,
273.
추천,
274.
클러스터링,
275.
웹
276.
서버
277.
로그
278.
추출
279.
등등)
280.
§
281.
Flamingo는
282.
상용
283.
도구와
284.
유사한
285.
인터페이스를
286.
가지고
287.
있어서
288.
기존
289.
고객을
290.
흡수하는데
291.
용이한
292.
환경을
293.
제공합니다.
294.
커스터마이징
295.
4
296.
§
297.
커스터마이징이
298.
가능하도록
299.
내부
300.
리소스를
301.
구현하고
302.
있습니다.
303.
로고,
304.
스타일
305.
등을
306.
손쉽게
307.
교체할
308.
수
309.
있습니다.
310.
§
311.
핵심
312.
엔진
313.
및
314.
디자이너는
315.
유지보수를
316.
고려하여
317.
설계하여
318.
쉽게
319.
추가할
320.
수
321.
있습니다.
322.
§
323.
UI
324.
자체
325.
모듈은
326.
별도
327.
개발하여
328.
329.
고객의
330.
원하는
331.
기능을
332.
추가할
333.
수
334.
있습니다.
335.
개발비용
336.
절감
337.
5
338.
§
339.
Flamingo와
340.
동일한
341.
기능을
342.
제공하는
343.
것을
344.
개발하는
345.
경우
346.
구매
347.
비용보다
348.
더
349.
많은
350.
비용을
351.
지출해야
352.
합니다.
353.
§
354.
Flamingo를
355.
사용하는
356.
경우
357.
고객은
358.
환경
359.
구성
360.
및
361.
인프라의
362.
복잡도로
363.
인한
364.
개발
365.
생산성
366.
저하를
367.
방지하고
368.
이로
369.
인한
370.
비용
371.
지출을
372.
줄일
373.
수
374.
있습니다.
375.
§
376.
Flamingo를
377.
통해
378.
고객사에게
379.
모든
380.
기술을
381.
전수합니다.
382.
빅
383.
데이터
384.
플랫폼
385.
386.
Flamingo
387.
의
388.
강점
389.
390.
4 빅
391.
데이터
392.
플랫폼
393.
394.
Flamingo
395.
396.
Architecture
397.
398.
5 빅
399.
데이터
400.
플랫폼
401.
402.
Flamingo
403.
404.
Workbench
405.
Flamingo는
406.
웹
407.
브라우저에서
408.
빅
409.
데이터
410.
인프라의
411.
접근성
412.
및
413.
데이터
414.
분석
415.
업무의
416.
생산성을
417.
최대화
418.
하기
419.
위 한
420.
가상
421.
데스크탑
422.
환경을
423.
제공하며
424.
이를
425.
통해
426.
빅
427.
데이터의
428.
인프라
429.
사용을
430.
극대화합니다.
431.
432.
6 빅
433.
데이터
434.
플랫폼
435.
436.
Flamingo
437.
438.
워크플로우
439.
디자이너
440.
Flamingo는
441.
워크플로우
442.
디자이너를
443.
제공하여
444.
하나
445.
이상의
446.
모듈을
447.
연계하여
448.
데이터
449.
분석
450.
및
451.
처리
452.
워크플로 우를
453.
구성할
454.
수
455.
있습니다.
456.
457.
전통적인
458.
분석
459.
도구의
460.
UI와
461.
Apache
462.
Hadoop을
463.
결합하여
464.
데이터
465.
분석
466.
및
467.
처리
468.
플로우를
469.
구성
470.
각
471.
모듈별
472.
설정
473.
워크플로우
474.
목록
475.
데이터
476.
분석/처리
477.
모듈
478.
(누구나
479.
추가
480.
가능)
481.
482.
7 빅
483.
데이터
484.
플랫폼
485.
486.
Flamingo
487.
488.
워크플로우
489.
디자이너
490.
Flamingo는
491.
워크플로우
492.
디자이너를
493.
제공하여
494.
하나
495.
이상의
496.
모듈을
497.
연계하여
498.
데이터
499.
분석
500.
및
501.
처리
502.
워크플로 우를
503.
구성할
504.
수
505.
있습니다.
506.
507.
508.
8 빅
509.
데이터
510.
플랫폼
511.
512.
Flamingo
513.
514.
워크플로우
515.
디자이너
516.
517.
기본
518.
제공
519.
알고리즘
520.
Flamingo는
521.
워크플로우
522.
디자이너는
523.
기본으로
524.
사용가능한
525.
다양한
526.
MapReduce로
527.
구현한
528.
알고리즘을
529.
제공 합니다.
530.
531.
9 빅
532.
데이터
533.
플랫폼
534.
535.
Flamingo
536.
537.
Hadoop
538.
Job
539.
Tracker
540.
Monitoring
541.
Hadoop
542.
Job
543.
Tracker
544.
모니터링은
545.
Hadoop
546.
Cluster를
547.
관리하는
548.
관리자에게
549.
매우
550.
중요하므로
551.
Flamingo에 서는
552.
가장
553.
중요한
554.
정보를
555.
중점적으로
556.
모니터링합니다.
557.
Job
558.
Tracker의
559.
중요
560.
정보
561.
모니터링
562.
563.
10 빅
564.
데이터
565.
플랫폼
566.
567.
Flamingo
568.
569.
File
570.
System/Namenode
571.
Monitoring
572.
Apache
573.
Hadoop
574.
Cluster를
575.
관리의
576.
핵심중
577.
하나가
578.
바로
579.
파일
580.
시스템입니다.
581.
전체
582.
용량
583.
및
584.
데이터
585.
노드의
586.
동작
587.
상태를
588.
모니터링할
589.
수
590.
있도록
591.
합니다.
592.
파일
593.
시스템
594.
및
595.
Namenode
596.
모니터링
597.
598.
11 빅
599.
데이터
600.
플랫폼
601.
602.
Flamingo
603.
604.
Hadoop
605.
Job
606.
Monitoring
607.
Flamingo는
608.
609.
Apache
610.
Hadoop
611.
Job
612.
Tracker에서
613.
제공하는
614.
Hadoop
615.
Job
616.
모니터링을
617.
하둡
618.
배포판의
619.
수정
620.
없이,
621.
배포판
622.
제한
623.
없이,
624.
어떠한
625.
네트워크
626.
환경
627.
제약에서도,
628.
Amazon
629.
EMR에서도
630.
완벽하게
631.
제공합니다.
632.
Hadoop
633.
Job
634.
Tracker의
635.
완벽한
636.
모니터링
637.
638.
12 빅
639.
데이터
640.
플랫폼
641.
642.
Flamingo
643.
644.
Hadoop
645.
Job
646.
Monitoring
647.
대용량
648.
데이터
649.
처리
650.
및
651.
분석
652.
과정을
653.
업무로
654.
구현하기
655.
위한
656.
워크플로우
657.
디자이너로서
658.
클라우드
659.
환경
660.
및
661.
웹
662.
환 경에
663.
적합하도록
664.
웹
665.
브라우저에서
666.
동작하며
667.
완전하게
668.
커스터마이징이
669.
가능합니다.
670.
MapReduce의
671.
처리
672.
현황
673.
그래프
674.
데이터
675.
검증을
676.
위한
677.
MapReduced의
678.
Counter
679.
정보
680.
MapReduce
681.
Job
682.
Configuration
683.
검색
684.
및
685.
다운로드
686.
기능
687.
688.
13 빅
689.
데이터
690.
플랫폼
691.
692.
Flamingo
693.
694.
Hadoop
695.
Job
696.
Monitoring
697.
Hadoop Job 모니터링에서도
반대로 추적이 모두 가능해야 함.
698.
14 빅
699.
데이터
700.
플랫폼
701.
702.
Flamingo
703.
704.
워크플로우
705.
모니터링
706.
워크플로우
707.
디자이너의
708.
워크플로우를
709.
실행하고
710.
진행
711.
상황을
712.
모니터링하는
713.
기능이며
714.
Hadoop을
715.
이용하는
716.
개발자
717.
및
718.
분석가들이
719.
보는
720.
정보를
721.
그대로
722.
제공합니다.
723.
워크플로우
724.
디자이너에서
725.
설계한
726.
727.
워크플로우의
728.
동작
729.
상태
730.
모니터링
731.
MapReduce,
732.
Pig,
733.
Hive
734.
Job의
735.
완벽한
736.
로그
737.
보기
738.
739.
15 빅
740.
데이터
741.
플랫폼
742.
743.
Flamingo
744.
745.
워크플로우
746.
모니터링
747.
root@n02:~/flamingo_data/tmp/2014/03/31/90/JOB_20140331_172000_90_157566920/26385942 $ ls
-lsa 합계 40 4 drwxr-xr-x 2 root root 4096 2014-03-31 17:23 . 4 drwxr-xr-x 20 root root 4096 2014-03-31 17:23 .. 16 -rw-r--r-- 1 root root 12731 2014-03-31 17:23 action.log à 실행 로그 4 -rwxrwxrwx 1 root root 1259 2014-03-31 17:23 core-site.xml 0 -rw-r--r-- 1 root root 0 2014-03-31 17:23 hadoop.job_201403300831_0471 à MapReduce Job ID 4 -rwxrwxrwx 1 root root 852 2014-03-31 17:23 script.sh à 커맨드 라인 root@n02:~/flamingo_data/tmp/2014/03/31/90/JOB_20140331_172000_90_157566920/26385942 $ 워크플로우의 노드는 다수 의 MAPREDUCE JOB으 로 동작할 수 있으므로 추적 이 가능해야 함 사용자 관점의 MapReduce 실행 이력
748.
16 대용량
749.
데이터
750.
처리시
751.
사용하는
752.
다양한
753.
로그
754.
파일을
755.
관리하는
756.
관리
757.
화면으로
758.
웹
759.
브라우저에서
760.
대용량
761.
분산
762.
파일
763.
시스템을
764.
관리할
765.
수
766.
있으며
767.
디렉토리를
768.
즉시
769.
DB로
770.
전환하여
771.
조회
772.
및
773.
통계를
774.
산출할
775.
수
776.
있습니다.
777.
빅
778.
데이터
779.
플랫폼
780.
781.
Flamingo
782.
783.
File
784.
System
785.
Browser
786.
파일
787.
시스템에서
788.
Hive
789.
DB,
790.
Table을
791.
생성하고
792.
바로
793.
조회
794.
및
795.
통계
796.
처리
797.
가능
798.
799.
17 빅
800.
데이터
801.
플랫폼
802.
803.
Flamingo
804.
805.
File
806.
System
807.
Browser
808.
디렉토리를 Hive DB와 Table로
전환 브라우저에서는 Hive DB와 Table 경로를 다른 아이콘으로 표시하여 확인 FLAMINGO에서는 사용자가 주로 하는 행위에 최적화하여 기 능을 제공
809.
18 HDFS에
810.
저장되어
811.
있는
812.
각종
813.
파일
814.
및
815.
디렉토리를
816.
사용자가
817.
처리하는
818.
경우
819.
관련한
820.
모든
821.
기록을
822.
남기고
823.
추적 합니다.
824.
빅
825.
데이터
826.
플랫폼
827.
828.
Flamingo
829.
830.
File
831.
System
832.
Audit
833.
Log
834.
파일
835.
시스템
836.
브라우저의
837.
838.
모든
839.
활동을
840.
모니터링
841.
842.
19 워크플로우
843.
구성시
844.
Expression
845.
Language를
846.
활용하여
847.
변수
848.
및
849.
날짜
850.
등을
851.
동적으로
852.
처리
853.
빅
854.
데이터
855.
플랫폼
856.
857.
Flamingo
858.
859.
Expression
860.
Language
861.
(EL)
862.
•
863.
동적인
864.
값들을
865.
얻고자할
866.
때
867.
Workflow
868.
Designer에서
869.
활용
870.
• 예)
871.
오늘
872.
날짜
873.
:
874.
dateFormat(‘yyyyMMdd’)
875.
dateFormat(‘yyyy-MM-dd’)
876.
•
877.
워크플로우가
878.
실행할
879.
때
880.
특정한
881.
값들은
882.
해당
883.
시간으로
884.
대체되어야
885.
하는
886.
경우가
887.
발생
888.
• 예)
889.
오늘
890.
실행하는
891.
워크플로우는
892.
어제
893.
날짜의
894.
디렉토리에
895.
기록
896.
(일배치)
897.
•
898.
제공하는
899.
Expression
900.
Language
901.
• dateFormat(‘DATE
902.
FORMAT’)
903.
à
904.
dateFormat(‘yyyyMMddHHmmss’)
905.
• hostname,
906.
escapeString,
907.
• yesterday,
908.
tommorow
909.
• month,
910.
day,
911.
hour,
912.
minute,
913.
…⋯
914.
915.
à
916.
day(‘yyyyMMdd’,
917.
-1)
918.
::
919.
어제
920.
날짜
921.
(20131111)
922.
• trim,
923.
concat
924.
• urlEncode
925.
• firstNotNull
926.
• 등등
927.
928.
20 워크플로우
929.
구성시
930.
Expression
931.
Language를
932.
활용하여
933.
변수
934.
및
935.
날짜
936.
등을
937.
동적으로
938.
처리
939.
빅
940.
데이터
941.
플랫폼
942.
943.
Flamingo
944.
945.
Expression
946.
Language
947.
(EL)
948.
입력 필드에 ${EL}
형식으로 입력하는 경우 동적으로 해석하여 값이 변경됨.
949.
21 HDFS에
950.
저장되어
951.
있는
952.
각종
953.
파일
954.
및
955.
디렉토리를
956.
사용자가
957.
처리하는
958.
경우
959.
관련한
960.
모든
961.
기록을
962.
남기고
963.
추적 합니다.
964.
빅
965.
데이터
966.
플랫폼
967.
968.
Flamingo
969.
970.
Hive
971.
Editor
972.
973.
Metastore
974.
Browser
975.
976.
22 HDFS에
977.
저장되어
978.
있는
979.
각종
980.
파일
981.
및
982.
디렉토리를
983.
사용자가
984.
처리하는
985.
경우
986.
관련한
987.
모든
988.
기록을
989.
남기고
990.
추적 합니다.
991.
빅
992.
데이터
993.
플랫폼
994.
995.
Flamingo
996.
997.
Hive
998.
Editor
999.
1000.
Metastore
1001.
Browser
1002.
적용사례
1003.
시스템의
1004.
사용자
1005.
접근
1006.
이력
1007.
로그를
1008.
Hive로
1009.
조회하는
1010.
사례
1011.
– 대상
1012.
로그의
1013.
형식이
1014.
반정형이나
1015.
비정형인
1016.
경우
1017.
문제
1018.
발생
1019.
– 칼럼
1020.
안에
1021.
Array,
1022.
Map
1023.
등의
1024.
이상한
1025.
구조를
1026.
가진
1027.
로그의
1028.
경우
1029.
문제
1030.
발생
1031.
1032.
대상
1033.
로그는
1034.
CSV
1035.
형식과
1036.
같은
1037.
잘
1038.
정리된
1039.
형식이
1040.
아닌
1041.
반정형
1042.
로그
1043.
형식
1044.
1045.
1046.
1047.
1048.
1049.
1050.
1051.
1052.
1053.
TYPE=IPINSIDE TIME=2014-03-20 17:40:37
ID=guest0899349 MAC=AA-BB-01-18-68-68 NAT_IP=10.24.104.104 NAT_IP_NATION=USA PROXY_USE=Y VPN_USE=Y REMOTE_USE=Y PROXY_IP=192.24.104.104 PROXY_IP_NATION=USA VPN_IP=192.24.104.104 VPN_IP_NATION=USA SVC_CODE=SVC_CODE_0899349 HDD_DISK=HDD_DISK_0899349 CPU_INFO=CPU_INFO_0899349 USE_OS_NATION=USA MESG=mesg..... time[1395284830] rnd[875899349] unq[5000000] TYPE=IPINSIDE TIME=2014-03-20 17:40:37 ID=guest0899349 MAC=AA-BB-01-18-68-68 NAT_IP=10.24.104.104 NAT_IP_NATION=USA PROXY_USE=Y VPN_USE=Y REMOTE_USE=Y PROXY_IP=192.24.104.104 PROXY_IP_NATION=USA VPN_IP=192.24.104.104 VPN_IP_NATION=USA SVC_CODE=SVC_CODE_0899349 HDD_DISK=HDD_DISK_0899349 CPU_INFO=CPU_INFO_0899349 USE_OS_NATION=USA MESG=mesg..... time[1395284830] rnd[875899349] unq[5000000]
1054.
23 HDFS에
1055.
저장되어
1056.
있는
1057.
각종
1058.
파일
1059.
및
1060.
디렉토리를
1061.
사용자가
1062.
처리하는
1063.
경우
1064.
관련한
1065.
모든
1066.
기록을
1067.
남기고
1068.
추적 합니다.
1069.
빅
1070.
데이터
1071.
플랫폼
1072.
1073.
Flamingo
1074.
1075.
Hive
1076.
Editor
1077.
1078.
Metastore
1079.
Browser
1080.
적용사례
1081.
TYPE=IPINSIDE TIME=2014-03-20 17:40:37 ID=guest0899349 MAC=AA-BB-01-18-68-68 NAT_IP=10.24.104.104 NAT_IP_NATION=USA PROXY_USE=Y VPN_USE=Y REMOTE_USE=Y PROXY_IP=192.24.104.104 PROXY_IP_NATION=USA VPN_IP=192.24.104.104 VPN_IP_NATION=USA SVC_CODE=SVC_CODE_0899349 HDD_DISK=HDD_DISK_0899349 CPU_INFO=CPU_INFO_0899349 USE_OS_NATION=USA MESG=mesg..... time[1395284830] rnd[875899349] unq[5000000]”
1082.
24 HDFS에
1083.
저장되어
1084.
있는
1085.
각종
1086.
파일
1087.
및
1088.
디렉토리를
1089.
사용자가
1090.
처리하는
1091.
경우
1092.
관련한
1093.
모든
1094.
기록을
1095.
남기고
1096.
추적 합니다.
1097.
빅
1098.
데이터
1099.
플랫폼
1100.
1101.
Flamingo
1102.
1103.
Hive
1104.
Editor
1105.
1106.
Metastore
1107.
Browser
1108.
적용사례
1109.
1110.
25 Flamingo는
1111.
ETL
1112.
처리를
1113.
하는데
1114.
많이
1115.
사용하는
1116.
Apache
1117.
Pig의
1118.
Latin
1119.
Script를
1120.
자유롭게
1121.
사용할
1122.
수
1123.
있도록
1124.
Pig
1125.
Editor를
1126.
제공합니다.
1127.
빅
1128.
데이터
1129.
플랫폼
1130.
1131.
Flamingo
1132.
1133.
Pig
1134.
Editor
1135.
Pig
1136.
Latin
1137.
Script
1138.
편집기
1139.
Pig
1140.
Script
1141.
실행
1142.
이력
1143.
및
1144.
1145.
로그
1146.
보기
1147.
1148.
26 배치
1149.
작업으로
1150.
워크플로우를
1151.
실행하기
1152.
위한
1153.
Job
1154.
Scheduler를
1155.
자체
1156.
내장하고
1157.
있어서
1158.
워크플로우
1159.
디자이너 에서
1160.
설계한
1161.
워크플로우를
1162.
배치로
1163.
동작시킬
1164.
수
1165.
있습니다.
1166.
빅
1167.
데이터
1168.
플랫폼
1169.
1170.
Flamingo
1171.
1172.
Job
1173.
Management
1174.
Cron
1175.
Expression을
1176.
100%
1177.
지원
1178.
1179.
27 배치
1180.
작업으로
1181.
워크플로우를
1182.
실행하기
1183.
위한
1184.
Job
1185.
Scheduler를
1186.
자체
1187.
내장하고
1188.
있어서
1189.
워크플로우
1190.
디자이너 에서
1191.
설계한
1192.
워크플로우를
1193.
배치로
1194.
동작시킬
1195.
수
1196.
있습니다.
1197.
빅
1198.
데이터
1199.
플랫폼
1200.
1201.
Flamingo
1202.
1203.
Job
1204.
Management
1205.
등록되어
1206.
있는
1207.
배치
1208.
작업
1209.
현황
1210.
작업
1211.
스케줄링
1212.
현황
1213.
엔진의
1214.
메모리
1215.
상태
1216.
1217.
28 빅
1218.
데이터
1219.
플랫폼
1220.
1221.
Flamingo의
1222.
기능
1223.
목록
1224.
구분
1225.
기능
1226.
모니터링
1227.
• Namenode
1228.
모니터링
1229.
(HDFS
1230.
Usage,
1231.
Datanode,
1232.
Bad
1233.
Block
1234.
등등)
1235.
• Job
1236.
Tracker
1237.
모니터링
1238.
(MapReduce
1239.
Task,
1240.
JVM
1241.
Heap,
1242.
Task
1243.
Tracker,
1244.
Job)
1245.
• Hadoop
1246.
Job
1247.
모니터링
1248.
(Job
1249.
Info,
1250.
MapReduce
1251.
Progress,
1252.
MapReduce
1253.
Counter,
1254.
MapReduce
1255.
Configuration)
1256.
• 워크플로우
1257.
모니터링
1258.
(실행
1259.
이력
1260.
및
1261.
상세
1262.
정보)
1263.
• 배치
1264.
작업
1265.
모니터링
1266.
(작업
1267.
현황,
1268.
엔진의
1269.
메모리
1270.
상태)
1271.
워크플로우
1272.
관리
1273.
• 워크플로우
1274.
저장,
1275.
실행,
1276.
복사,
1277.
삭제
1278.
• 드래그
1279.
앤
1280.
드롭
1281.
• 워크플로우
1282.
변수
1283.
• 데이터
1284.
처리
1285.
모듈
1286.
제공
1287.
(MapReduce,
1288.
Pig,
1289.
Hive,
Download now