SlideShare a Scribd company logo
1 of 9
Download to read offline
Experience & Reference
 주요 실적
1
Keeping the best possible competitive edge ever...
8 cores-16GB-6TB
8 cores-16GB-12TB
100Mbps NIC
Custom Rack
Data Redundancy
8 cores-32GB-8TB
8 cores-32GB-24TB
1Gbps NIC
Engineered OEM Packaging
Data Redundancy
Master Fail-safety
Admin Tools
12 cores-64GB-12TB
12 cores-64GB-36TB
1Gbps NIC
Engineered OEM Packaging
Admin Tools
Recovery
Compression
Encryption
도전은 계속
되어야 합니다.
IRIS Standard
IRIS Enterprise
IRIS Premium
Total
Capacity
x 2
Total
Capacity
x 3
30 여개의 대형 프로젝트
적용 실적
300 식 이상의 누적
납품 실적
최대 1.8 Petabyte 처리
적용 실적
최대 일일 800억 record
3개월 8조 record 처리실적
Experience & Reference
 수상 실적
2
국내 최초로 빅데이터 관련 GS(Good Software)인증을 획득하
였습니다. 신소프트웨어 대상 지식경제부 장관상을 수상함으로
써, 아이리스의 우수성을 인정받았습니다.
일간 백억 레코드 이상의 데이터를 처리하는 시스템 다수에 아
이리스 DB를 적용하여, 성공적으로 실시간 분석을 할 수 있음
을 증명하였습니다.
“아이리스의 우수한 성능과 용량은 모두가 인정하고 있습니다.”
• 10G Switch, 1G Switch
• 2 Master Nodes
• 23 Data Nodes
• Total 828 TB Storage
• Total 2.9 TB Memory
• Daily 65 Billion Packets
GS 인증, 신S/W 대상
최상의 성능과 용량
클러스터 구성의 예
Experience & Reference
 국내 주요 공급사
3
국내 주요 공급사
LTE (4G) 서비스 품질관리
DW 전처리
대용량 로그분석 (Enterprise Data Governance)
수집서버
IRIS DB
과금검증 시스템
빅데이터 DB도입
DW서버 OLAP, WEB
IRIS DB
통합로그 분석 위해
빅데이터 DB 도입
WEB
검색
조회
경보
관리
빅데이터 플랫폼
• LTE 패킷 수집, 일간 수백 억 레코드
• LTE 서비스 품질분석, 마케팅 분석
• 고가용성 아키텍처
• 실시간 모니터링 시스템
이동통신 빅데이터 마이닝 솔루션
Experience & Reference
 2008년 클라우드 아키텍처 기반 분산 DB IRIS 국내 최초 출시
4
년도 프로젝트 주요기능 처리용량 시스템용량 비고
2001 PRISM(SKT) CDR 기반 음성망 품질관리 3억 건/일
HP Superdome 1식
(No Cloud)
모비젠 대용량 데이터 처리 기술 도
입 시점
2002
~
2005
PRISM, PRISM-I
등 다수의 SKT 시스템
음성/데이터 CDR 기반 음성망/데이터망
품질관리 관련 프로젝트
5억 건/일
Linux 서버 분산처리
(No Cloud)
메모리 기반 대용량 데이터 처리 엔
진 개발
2008
IRIS 출시
클라우트 기반 DBMS 자체 솔루션
실시간 데이터 처리
최대 5억건/일 처리 기준 용량
5억 건/일
기준 용량
IRIS STD 20식
- CPU : 160 Core
- MEM : 320 GB
- Disk 80 TB
IRIS 출시
(Cloud기반 DBMS 자체 솔루션)
SKT WCDMA 품질관리 시스템 CDR 기반 WCDMA 음성망 품질관리 1억 건/일
IRIS 서버 10식
- CPU : 80 Core
- MEM : 80 GB
- Disk : 40 TB
IRIS 적용
2009
SKT 접속 로그관리 시스템 보안접속로그 고속 저장 및 조회 1억 건/일
IRIS 서버 10식
- CPU : 80 Core
- MEM : 80 GB
- Disk : 40 TB
IRIS 적용
SKT 가입자 별 품질관리 CDR 기반 가입자 단위 음성품질관리 3억 건/일
Hadoop 20식
- CPU : 160 Core
- MEM : 320 GB
- Disk : 80 TB
국내 최초 Hadoop 기술 적용
클라우데라와 공동개발
SKT Nate 품질 관리 시스템
차등과금 데이터 기반 Nate 메뉴별 품질관
리 시스템
1억 건/일
IRIS 서버 10식
- CPU : 80 Core
- MEM : 80 GB
- Disk : 40 TB
IRIS 적용
Experience & Reference
 2010년 1일 100억 레코드 데이터 실시간 처리 솔루션 공급
5
연도 프로젝트 주요기능 처리용량 시스템용량 비고
2010
SKT - SMART 억세스망 실시간 감시 및 분석 0.5억 건/일
IRIS : 10대
CPU : 80 core
Mem : 80 GB
Disk : 40 TB
IRIS Standard 최초 적용
MCE
MR Platform
Hadoop 기반 대용량데이터 실시간/
배치 처리 플랫폼
분산 처리 S/W Solution
Hadop 기반 분산 처리 솔루션 자
체 개발
SKT - PRISM-I 데이터망 품질관리 시스템
100억 건/1일 Hadoop : 80식
Hadoop 기반 대용량 데이터 처리
클라우드 컴퓨팅 기술 적용
국내 최초 Hadoop Opensource
상용 적용SKT - 데이터망 트래픽 과부하 제
어 시스템
데이터망 기지국 단이 트래픽 과부
하 실시간 모니터링 및 Heavy User
제어
Experience & Reference
 2011년 3000억 레코드 데이터 저장 및 검색 솔루션 상용적용
6
연도 프로젝트 주요기능 처리용량 시스템용량 비고
2011
SKT데이터망 품질관리 시스템 스마트폰 데이터망 품질관리
300억 건/1일
CDR/SCDR
3000억 건/10일
보관처리
Hadoop(180식)
- CPU : 1760 core
- Mem : 3.5 Tbyte
- Disk : 1.7 Peta
LGU+ LQMS LTE 망 품질관리
120억 건/1일
패킷프루브 데이터
IRIS : 20대
- CPU : 160 core
- Mem : 320 Gbyte
- Disk : 160 Tbyte
오라클DBMS 대체
IRIS 기반 빅데이터 DBMS 적용
SDS vTAMS VoIP 망 품질관리
1억 건/1일
CDR
IRIS : 15대
- CPU : 120 core
- Mem : 240 Gbyte
- Disk : 120 Tbyte
오라클DBMS 대체
IRIS 기반 DBMS 수행
SKT 음성과금 수집검증
음성과금데이터
검증 및 대용량 보관
5억 건/1일
CDR
IRIS : 5대
- CPU : 40 core
- Mem : 80 Gbyte
- Disk : 80Tbyte
대용량 Smart Archiver
국책과제 단말독립형 클라우드 개인휴대단말용 클라우드
IRIS : 20대
- CPU : 320 core
- Mem : 320 Gbyte
- Disk : 160 Tbyte
IRIS
MDFS
이글루 시큐리티 클라우드기반 보
안솔루션
클라우드기반 보안솔루션 공동개발
50억 건/1일
패킷프루브 데이터
IRIS : 10대
- CPU : 80 core
- Mem : 160 Gbyte
- Disk : 80 Tbyte
이글루 시큐리티와 공동연구개발
및 라이센스
Experience & Reference
 2012년 대형 금융사 솔루션 납품 실적 확보
7
연도 프로젝트 주요기능 처리용량 시스템용량 비고
2012
통합로그 분석시스템
(삼성화재)
삼성화재 전사트래픽 패킷단위 분석
보안관리 및 시스템별 사용량 분석
300억 건/1년
0.5 PB/1년
보관 및 검색/집계
IRIS : 20대
- CPU : 160 core
- Mem : 640 GB
- Disk : 0.5 PB
메이저 금융권 진출
대기업 HP 솔루션과 1달간의
BMT 결과 우수성적
최초 DeLL OEM H/W
금융결재원 보안솔루션
IRIS 라이센스 매출
(이글루 시큐리티)
이글루 보안솔루션
코어엔진에 IRIS 적용
IRIS : 5대
- CPU : 40Core
- Mem : 160 GB
- Disk : 60 TB
SKT ANIMP
전국확대적용
클라우드 아키텍처기반 교환장비 관
리시스템 IRIS 적용
IRIS : 60대
IRIS/MCE/MDFS 기능적용 신규
솔루션
SKT WICCS 고도화 데이터트래픽 분석시스템 IRIS : 7대
SKT CSS 고도화 과금통계 시스템 50억 건/1일 IRIS : 16대
SKT BigQuery 플렛폼개발
구글 BigQuery 유사서비스를 위한
플렛폼 개발
IRIS : 7대
삼성전자 VD 사업부 빅데이터 플렛
폼 구축
스마트TV 로그 분석 미정 아마존 EC2/S3
빅데이터처리 오픈소스
(Hadoop/Flume 등)
Experience & Reference
 2013년 일일 650억건 처리, 90일 5조건 검색수준 국내최대규모 상용적용
8
연도 프로젝트 주요기능 처리용량 시스템용량 비고
2013
SKT - 과금통계 시스템 구축
전사 과금 전수 데이터 실시간 저
장, 통계, 검색
650억 건/1일
5조 건/90일
1.5 PB/90일
보관, 검색, 통계
IRIS Premium: 25대
- CPU : 300 core
- Mem : 3.2 TB
- Disk : 800 TB
최번시 초당 100만건 이상 저장 및 색인
생성과 동시 통계생성
단일시스템 세계적 규모 처리속도
삼성전자 VD 사업부 빅데이터 플
렛폼 구축
스마트TV 로그 분석 - 아마존 EC2/S3
빅데이터처리 오픈소스
(Hadoop/Flume 등)
삼성전자 MSC 사업부 빅데이터 플
렛폼 구축
삼성전자 휴대폰 로그 분석 플렛
폼
- 아마존 EC2
빅데이터처리 오픈소스
(Hadoop/Flume 등)
한국정보화진흥원(NIA) 빅데이터
분석활용 센터 구축·운영사업 수
주
빅데이터 공공 교육플랫폼 및 연
구플랫폼 구축
- 리눅스서버 49식
빅데이터처리 오픈소스
(Hadoop/Flume 등)
한국인터넷징흥원(KISA) 사이버 위
협 및 침해사고 정보 종합분석-공
유 시스템 구축
보안로그 분석 및 정보공유 -
IRIS Premium: 18대
- CPU : 216 core
- Mem : 2.3 TB
- Disk : 648 TB
IRIS 빅데이터 통합플랫폼
Hadoop Cluster 별도 구성
Experience & Reference
 2014년 B2C 상용 서비스 적용 및 시스템 안정화 확보로 지속적 증설
9
연도 프로젝트 주요기능 처리용량 시스템용량 비고
2014
SKT - 과금통계 시스템 증설
전사 과금 전수 데이터 실시간 저장, 통계,
검색
800억 건/1일
7조 건/90일
1.8 Peta/90일
보관, 검색, 통계
IRIS Premium 9대
- CPU : 108 Core
- Mem : 1.2TB
- Disk : 324TB
IRIS Extractor 5대
(전용 수집기)
- CPU : 80Core
- Mem : 640GB
- Disk : 18TB
2013년 구축 후 추가 증설
기존 운영되던 Oracle ExaData
시스템 대체
데이터 증가에 따른 용량 증설
실시간 전송 수집을 위한 IRIS
Extractor Cluster 적용
SKT - 음성스팸 분석 차단 시스
템
음성 대한 스팸성 음성호
실시간 분석 및 차단
IRIS Premium 10대
- CPU : 120 Core
- Mem : 1.3TB
- Disk : 120TB
IRIS B2C 상용 서비스 적용
액세스망 빅데이터 기반 분석 시
스템
(SK Telecom)
빅데이터 기반 억세스망
데이터 분석 공유
IRIS Premium 5대
- CPU : 60 Core
- Mem : 640GB
- Disk : 60TB
통합로그 분석시스템
(삼성화재)
삼성화재 전사트래픽 패킷단위 분석
보안관리 및 시스템별 사용량 분석
500억 건/1년
약 1 PB/1년
보관, 검색/집계
IRIS : 10대
- CPU : 80 core
- Mem : 320 GB
- Disk : 240 TB
2011년 구축 운용중인 시스템
Scale-out 의 용량 증설 예정

More Related Content

What's hot

2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatform2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatformYousun Jeong
 
[경북] I'mcloud information
[경북] I'mcloud information[경북] I'mcloud information
[경북] I'mcloud informationstartupkorea
 
SQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseSQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseNAVER Engineering
 
[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[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 방안치완 박
 
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012Daum DNA
 
Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)Channy Yun
 
Expanding Your Data Warehouse with Tajo
Expanding Your Data Warehouse with TajoExpanding Your Data Warehouse with Tajo
Expanding Your Data Warehouse with TajoMatthew (정재화)
 
Object storage의 이해와 활용
Object storage의 이해와 활용Object storage의 이해와 활용
Object storage의 이해와 활용Seoro Kim
 
Spark로 알아보는 빅데이터 처리
Spark로 알아보는 빅데이터 처리Spark로 알아보는 빅데이터 처리
Spark로 알아보는 빅데이터 처리Jeong-gyu Kim
 
Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)Gruter
 
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개Gruter
 
Cloudera & Zookeeper
Cloudera & ZookeeperCloudera & Zookeeper
Cloudera & ZookeeperJunyoung Park
 
Spark_Overview_qna
Spark_Overview_qnaSpark_Overview_qna
Spark_Overview_qna현철 박
 
Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106
Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106
Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106SangHoon Lee
 
3회 서울 Hadoop 사용자 모임 / 아파치 피닉스
3회 서울 Hadoop 사용자 모임 / 아파치 피닉스3회 서울 Hadoop 사용자 모임 / 아파치 피닉스
3회 서울 Hadoop 사용자 모임 / 아파치 피닉스Teddy Choi
 
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimDeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimGruter
 
Gpdb best practices v a01 20150313
Gpdb best practices v a01 20150313Gpdb best practices v a01 20150313
Gpdb best practices v a01 20150313Sanghee Lee
 
[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명
[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명
[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명(Joe), Sanghun Kim
 

What's hot (20)

2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatform2012 07 28_cloud_reference_architecture_openplatform
2012 07 28_cloud_reference_architecture_openplatform
 
[경북] I'mcloud information
[경북] I'mcloud information[경북] I'mcloud information
[경북] I'mcloud information
 
SQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseSQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouse
 
[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[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
 
Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012Daum내부 Hadoop 활용 사례 | Devon 2012
Daum내부 Hadoop 활용 사례 | Devon 2012
 
Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)Realtime Big data Anaytics and Exampes of Daum (2013)
Realtime Big data Anaytics and Exampes of Daum (2013)
 
Apache Kylin
Apache KylinApache Kylin
Apache Kylin
 
Expanding Your Data Warehouse with Tajo
Expanding Your Data Warehouse with TajoExpanding Your Data Warehouse with Tajo
Expanding Your Data Warehouse with Tajo
 
Object storage의 이해와 활용
Object storage의 이해와 활용Object storage의 이해와 활용
Object storage의 이해와 활용
 
Spark로 알아보는 빅데이터 처리
Spark로 알아보는 빅데이터 처리Spark로 알아보는 빅데이터 처리
Spark로 알아보는 빅데이터 처리
 
Druid+superset
Druid+supersetDruid+superset
Druid+superset
 
Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)Big data analysis with R and Apache Tajo (in Korean)
Big data analysis with R and Apache Tajo (in Korean)
 
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
201210 그루터 빅데이터_플랫폼_아키텍쳐_및_솔루션_소개
 
Cloudera & Zookeeper
Cloudera & ZookeeperCloudera & Zookeeper
Cloudera & Zookeeper
 
Spark_Overview_qna
Spark_Overview_qnaSpark_Overview_qna
Spark_Overview_qna
 
Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106
Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106
Spark overview 이상훈(SK C&C)_스파크 사용자 모임_20141106
 
3회 서울 Hadoop 사용자 모임 / 아파치 피닉스
3회 서울 Hadoop 사용자 모임 / 아파치 피닉스3회 서울 Hadoop 사용자 모임 / 아파치 피닉스
3회 서울 Hadoop 사용자 모임 / 아파치 피닉스
 
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimDeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
 
Gpdb best practices v a01 20150313
Gpdb best practices v a01 20150313Gpdb best practices v a01 20150313
Gpdb best practices v a01 20150313
 
[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명
[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명
[IBM 김상훈] NAS_IBM Spectrum NAS 상세 설명
 

Viewers also liked

3차보고서 20150106
3차보고서 201501063차보고서 20150106
3차보고서 20150106Joung Hun Youm
 
데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도
데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도
데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도VentureSquare
 
대학생활포트폴리오스쿨1 7
대학생활포트폴리오스쿨1 7대학생활포트폴리오스쿨1 7
대학생활포트폴리오스쿨1 7JUNGEUN KANG
 
클라우드 컴퓨팅 이젠 비즈니스다
클라우드 컴퓨팅 이젠 비즈니스다클라우드 컴퓨팅 이젠 비즈니스다
클라우드 컴퓨팅 이젠 비즈니스다BaeJaeHak
 
클라우드컴퓨팅의 장단점
클라우드컴퓨팅의 장단점클라우드컴퓨팅의 장단점
클라우드컴퓨팅의 장단점misia85
 
(주)모비젠 회사소개서 일반
(주)모비젠 회사소개서 일반(주)모비젠 회사소개서 일반
(주)모비젠 회사소개서 일반mobigen
 
Big Data Myth 1. 우리 회사엔 빅데이터가 없어요
Big Data Myth 1. 우리 회사엔 빅데이터가 없어요Big Data Myth 1. 우리 회사엔 빅데이터가 없어요
Big Data Myth 1. 우리 회사엔 빅데이터가 없어요김 한도
 
150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)
150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)
150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)Jade Jongdae Lee
 
Docker기반 분산 플랫폼
Docker기반 분산 플랫폼Docker기반 분산 플랫폼
Docker기반 분산 플랫폼SeongHyun Jeong
 
실시간 빅데이터와 머신 데이터
실시간 빅데이터와 머신 데이터실시간 빅데이터와 머신 데이터
실시간 빅데이터와 머신 데이터김 한도
 

Viewers also liked (12)

FAQ
FAQFAQ
FAQ
 
3차보고서 20150106
3차보고서 201501063차보고서 20150106
3차보고서 20150106
 
데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도
데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도
데이터가 우리 눈 앞에 펼쳐지기 까지 이디엄 김한도
 
대학생활포트폴리오스쿨1 7
대학생활포트폴리오스쿨1 7대학생활포트폴리오스쿨1 7
대학생활포트폴리오스쿨1 7
 
IRIS
IRISIRIS
IRIS
 
클라우드 컴퓨팅 이젠 비즈니스다
클라우드 컴퓨팅 이젠 비즈니스다클라우드 컴퓨팅 이젠 비즈니스다
클라우드 컴퓨팅 이젠 비즈니스다
 
클라우드컴퓨팅의 장단점
클라우드컴퓨팅의 장단점클라우드컴퓨팅의 장단점
클라우드컴퓨팅의 장단점
 
(주)모비젠 회사소개서 일반
(주)모비젠 회사소개서 일반(주)모비젠 회사소개서 일반
(주)모비젠 회사소개서 일반
 
Big Data Myth 1. 우리 회사엔 빅데이터가 없어요
Big Data Myth 1. 우리 회사엔 빅데이터가 없어요Big Data Myth 1. 우리 회사엔 빅데이터가 없어요
Big Data Myth 1. 우리 회사엔 빅데이터가 없어요
 
150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)
150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)
150613 당신이 아마도 몰랐을 빅데이터 이야기 (YEF 공유)
 
Docker기반 분산 플랫폼
Docker기반 분산 플랫폼Docker기반 분산 플랫폼
Docker기반 분산 플랫폼
 
실시간 빅데이터와 머신 데이터
실시간 빅데이터와 머신 데이터실시간 빅데이터와 머신 데이터
실시간 빅데이터와 머신 데이터
 

Similar to 사업 실적

IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000Seoro Kim
 
OPEN_POWER8_SESSION_20150316
OPEN_POWER8_SESSION_20150316OPEN_POWER8_SESSION_20150316
OPEN_POWER8_SESSION_20150316기한 김
 
[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료(Joe), Sanghun Kim
 
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)(Joe), Sanghun Kim
 
091106kofpublic 091108170852-phpapp02 (번역본)
091106kofpublic 091108170852-phpapp02 (번역본)091106kofpublic 091108170852-phpapp02 (번역본)
091106kofpublic 091108170852-phpapp02 (번역본)Taegil Heo
 
Azure databases for PostgreSQL, MySQL and MariaDB
Azure databases for PostgreSQL, MySQL and MariaDB Azure databases for PostgreSQL, MySQL and MariaDB
Azure databases for PostgreSQL, MySQL and MariaDB rockplace
 
[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례
[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례
[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례(Joe), Sanghun Kim
 
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처hoondong kim
 
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)Channy Yun
 
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)Amazon Web Services Korea
 
Ic922 ac922 e dm_202008
Ic922 ac922 e dm_202008Ic922 ac922 e dm_202008
Ic922 ac922 e dm_202008jiyoungkim158
 
디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016
디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016
디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016Amazon Web Services Korea
 
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석Amazon Web Services Korea
 
인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장
인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장
인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장eungjin cho
 
170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저
170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저
170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저POSCO ICT
 
SK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdf
SK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdfSK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdf
SK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdfDeukJin Jeon
 
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기Amazon Web Services Korea
 
[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략
[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략
[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략K data
 
Power_780+(9179-MHD)표준제안서
Power_780+(9179-MHD)표준제안서Power_780+(9179-MHD)표준제안서
Power_780+(9179-MHD)표준제안서기한 김
 

Similar to 사업 실적 (20)

IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
IBM Storage for AI - NVMe & Spectrum Scale 기술을 탑재한 ESS3000
 
OPEN_POWER8_SESSION_20150316
OPEN_POWER8_SESSION_20150316OPEN_POWER8_SESSION_20150316
OPEN_POWER8_SESSION_20150316
 
[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료[IBM Korea 김상훈] Cleversafe 소개자료
[IBM Korea 김상훈] Cleversafe 소개자료
 
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
[IBM 김상훈] 오브젝트스토리지 | 늘어만 가는 데이터 저장문제로 골 아프신가요? (자료를 다운로드하시면 고화질로 보실 수 있습니다.)
 
091106kofpublic 091108170852-phpapp02 (번역본)
091106kofpublic 091108170852-phpapp02 (번역본)091106kofpublic 091108170852-phpapp02 (번역본)
091106kofpublic 091108170852-phpapp02 (번역본)
 
Azure databases for PostgreSQL, MySQL and MariaDB
Azure databases for PostgreSQL, MySQL and MariaDB Azure databases for PostgreSQL, MySQL and MariaDB
Azure databases for PostgreSQL, MySQL and MariaDB
 
[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례
[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례
[IBM 김상훈] AI 최적화 플랫폼 IBM AC922 소개와 활용 사례
 
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
[AI & DevOps] BigData Scale Production AI 서비스를 위한 최상의 플랫폼 아키텍처
 
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
 
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
AWS CLOUD 2017 - Amazon Redshift 기반 DW 와 비지니스 인텔리전스 구현 방법 (김일호 솔루션즈 아키텍트)
 
Ic922 ac922 e dm_202008
Ic922 ac922 e dm_202008Ic922 ac922 e dm_202008
Ic922 ac922 e dm_202008
 
디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016
디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016
디지털 미디어 산업을 위한 AWS 서비스 :: 홍두현 :: AWS Summit Seoul 2016
 
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
AWS Summit Seoul 2015 - 게임 서비스 혁신을 위한 데이터 분석
 
인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장
인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장
인메모리 DBMS기반 보안 빅데이터 분석 솔루션 개발 사례 - 리얼타임테크 한혁 연구소장
 
170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저
170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저
170426 cloud day in 포항 1. 클라우드컴퓨팅과 aws 소개_aws 이재현 매니저
 
SK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdf
SK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdfSK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdf
SK ICT Tech Summit 2019_BIG DATA-11번가_DP_v1.2.pdf
 
2015 besttechsystem-proposal(2015.04.21)
2015 besttechsystem-proposal(2015.04.21)2015 besttechsystem-proposal(2015.04.21)
2015 besttechsystem-proposal(2015.04.21)
 
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
AWS Finance Symposium_바로 도입할 수 있는 금융권 업무의 클라우드 아키텍처 알아보기
 
[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략
[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략
[2016 데이터 그랜드 컨퍼런스] 2 1(빅데이터). 티맥스 빅데이터시대,더욱중요해진dw를위한어플라이언스전략
 
Power_780+(9179-MHD)표준제안서
Power_780+(9179-MHD)표준제안서Power_780+(9179-MHD)표준제안서
Power_780+(9179-MHD)표준제안서
 

사업 실적

  • 1. Experience & Reference  주요 실적 1 Keeping the best possible competitive edge ever... 8 cores-16GB-6TB 8 cores-16GB-12TB 100Mbps NIC Custom Rack Data Redundancy 8 cores-32GB-8TB 8 cores-32GB-24TB 1Gbps NIC Engineered OEM Packaging Data Redundancy Master Fail-safety Admin Tools 12 cores-64GB-12TB 12 cores-64GB-36TB 1Gbps NIC Engineered OEM Packaging Admin Tools Recovery Compression Encryption 도전은 계속 되어야 합니다. IRIS Standard IRIS Enterprise IRIS Premium Total Capacity x 2 Total Capacity x 3 30 여개의 대형 프로젝트 적용 실적 300 식 이상의 누적 납품 실적 최대 1.8 Petabyte 처리 적용 실적 최대 일일 800억 record 3개월 8조 record 처리실적
  • 2. Experience & Reference  수상 실적 2 국내 최초로 빅데이터 관련 GS(Good Software)인증을 획득하 였습니다. 신소프트웨어 대상 지식경제부 장관상을 수상함으로 써, 아이리스의 우수성을 인정받았습니다. 일간 백억 레코드 이상의 데이터를 처리하는 시스템 다수에 아 이리스 DB를 적용하여, 성공적으로 실시간 분석을 할 수 있음 을 증명하였습니다. “아이리스의 우수한 성능과 용량은 모두가 인정하고 있습니다.” • 10G Switch, 1G Switch • 2 Master Nodes • 23 Data Nodes • Total 828 TB Storage • Total 2.9 TB Memory • Daily 65 Billion Packets GS 인증, 신S/W 대상 최상의 성능과 용량 클러스터 구성의 예
  • 3. Experience & Reference  국내 주요 공급사 3 국내 주요 공급사 LTE (4G) 서비스 품질관리 DW 전처리 대용량 로그분석 (Enterprise Data Governance) 수집서버 IRIS DB 과금검증 시스템 빅데이터 DB도입 DW서버 OLAP, WEB IRIS DB 통합로그 분석 위해 빅데이터 DB 도입 WEB 검색 조회 경보 관리 빅데이터 플랫폼 • LTE 패킷 수집, 일간 수백 억 레코드 • LTE 서비스 품질분석, 마케팅 분석 • 고가용성 아키텍처 • 실시간 모니터링 시스템 이동통신 빅데이터 마이닝 솔루션
  • 4. Experience & Reference  2008년 클라우드 아키텍처 기반 분산 DB IRIS 국내 최초 출시 4 년도 프로젝트 주요기능 처리용량 시스템용량 비고 2001 PRISM(SKT) CDR 기반 음성망 품질관리 3억 건/일 HP Superdome 1식 (No Cloud) 모비젠 대용량 데이터 처리 기술 도 입 시점 2002 ~ 2005 PRISM, PRISM-I 등 다수의 SKT 시스템 음성/데이터 CDR 기반 음성망/데이터망 품질관리 관련 프로젝트 5억 건/일 Linux 서버 분산처리 (No Cloud) 메모리 기반 대용량 데이터 처리 엔 진 개발 2008 IRIS 출시 클라우트 기반 DBMS 자체 솔루션 실시간 데이터 처리 최대 5억건/일 처리 기준 용량 5억 건/일 기준 용량 IRIS STD 20식 - CPU : 160 Core - MEM : 320 GB - Disk 80 TB IRIS 출시 (Cloud기반 DBMS 자체 솔루션) SKT WCDMA 품질관리 시스템 CDR 기반 WCDMA 음성망 품질관리 1억 건/일 IRIS 서버 10식 - CPU : 80 Core - MEM : 80 GB - Disk : 40 TB IRIS 적용 2009 SKT 접속 로그관리 시스템 보안접속로그 고속 저장 및 조회 1억 건/일 IRIS 서버 10식 - CPU : 80 Core - MEM : 80 GB - Disk : 40 TB IRIS 적용 SKT 가입자 별 품질관리 CDR 기반 가입자 단위 음성품질관리 3억 건/일 Hadoop 20식 - CPU : 160 Core - MEM : 320 GB - Disk : 80 TB 국내 최초 Hadoop 기술 적용 클라우데라와 공동개발 SKT Nate 품질 관리 시스템 차등과금 데이터 기반 Nate 메뉴별 품질관 리 시스템 1억 건/일 IRIS 서버 10식 - CPU : 80 Core - MEM : 80 GB - Disk : 40 TB IRIS 적용
  • 5. Experience & Reference  2010년 1일 100억 레코드 데이터 실시간 처리 솔루션 공급 5 연도 프로젝트 주요기능 처리용량 시스템용량 비고 2010 SKT - SMART 억세스망 실시간 감시 및 분석 0.5억 건/일 IRIS : 10대 CPU : 80 core Mem : 80 GB Disk : 40 TB IRIS Standard 최초 적용 MCE MR Platform Hadoop 기반 대용량데이터 실시간/ 배치 처리 플랫폼 분산 처리 S/W Solution Hadop 기반 분산 처리 솔루션 자 체 개발 SKT - PRISM-I 데이터망 품질관리 시스템 100억 건/1일 Hadoop : 80식 Hadoop 기반 대용량 데이터 처리 클라우드 컴퓨팅 기술 적용 국내 최초 Hadoop Opensource 상용 적용SKT - 데이터망 트래픽 과부하 제 어 시스템 데이터망 기지국 단이 트래픽 과부 하 실시간 모니터링 및 Heavy User 제어
  • 6. Experience & Reference  2011년 3000억 레코드 데이터 저장 및 검색 솔루션 상용적용 6 연도 프로젝트 주요기능 처리용량 시스템용량 비고 2011 SKT데이터망 품질관리 시스템 스마트폰 데이터망 품질관리 300억 건/1일 CDR/SCDR 3000억 건/10일 보관처리 Hadoop(180식) - CPU : 1760 core - Mem : 3.5 Tbyte - Disk : 1.7 Peta LGU+ LQMS LTE 망 품질관리 120억 건/1일 패킷프루브 데이터 IRIS : 20대 - CPU : 160 core - Mem : 320 Gbyte - Disk : 160 Tbyte 오라클DBMS 대체 IRIS 기반 빅데이터 DBMS 적용 SDS vTAMS VoIP 망 품질관리 1억 건/1일 CDR IRIS : 15대 - CPU : 120 core - Mem : 240 Gbyte - Disk : 120 Tbyte 오라클DBMS 대체 IRIS 기반 DBMS 수행 SKT 음성과금 수집검증 음성과금데이터 검증 및 대용량 보관 5억 건/1일 CDR IRIS : 5대 - CPU : 40 core - Mem : 80 Gbyte - Disk : 80Tbyte 대용량 Smart Archiver 국책과제 단말독립형 클라우드 개인휴대단말용 클라우드 IRIS : 20대 - CPU : 320 core - Mem : 320 Gbyte - Disk : 160 Tbyte IRIS MDFS 이글루 시큐리티 클라우드기반 보 안솔루션 클라우드기반 보안솔루션 공동개발 50억 건/1일 패킷프루브 데이터 IRIS : 10대 - CPU : 80 core - Mem : 160 Gbyte - Disk : 80 Tbyte 이글루 시큐리티와 공동연구개발 및 라이센스
  • 7. Experience & Reference  2012년 대형 금융사 솔루션 납품 실적 확보 7 연도 프로젝트 주요기능 처리용량 시스템용량 비고 2012 통합로그 분석시스템 (삼성화재) 삼성화재 전사트래픽 패킷단위 분석 보안관리 및 시스템별 사용량 분석 300억 건/1년 0.5 PB/1년 보관 및 검색/집계 IRIS : 20대 - CPU : 160 core - Mem : 640 GB - Disk : 0.5 PB 메이저 금융권 진출 대기업 HP 솔루션과 1달간의 BMT 결과 우수성적 최초 DeLL OEM H/W 금융결재원 보안솔루션 IRIS 라이센스 매출 (이글루 시큐리티) 이글루 보안솔루션 코어엔진에 IRIS 적용 IRIS : 5대 - CPU : 40Core - Mem : 160 GB - Disk : 60 TB SKT ANIMP 전국확대적용 클라우드 아키텍처기반 교환장비 관 리시스템 IRIS 적용 IRIS : 60대 IRIS/MCE/MDFS 기능적용 신규 솔루션 SKT WICCS 고도화 데이터트래픽 분석시스템 IRIS : 7대 SKT CSS 고도화 과금통계 시스템 50억 건/1일 IRIS : 16대 SKT BigQuery 플렛폼개발 구글 BigQuery 유사서비스를 위한 플렛폼 개발 IRIS : 7대 삼성전자 VD 사업부 빅데이터 플렛 폼 구축 스마트TV 로그 분석 미정 아마존 EC2/S3 빅데이터처리 오픈소스 (Hadoop/Flume 등)
  • 8. Experience & Reference  2013년 일일 650억건 처리, 90일 5조건 검색수준 국내최대규모 상용적용 8 연도 프로젝트 주요기능 처리용량 시스템용량 비고 2013 SKT - 과금통계 시스템 구축 전사 과금 전수 데이터 실시간 저 장, 통계, 검색 650억 건/1일 5조 건/90일 1.5 PB/90일 보관, 검색, 통계 IRIS Premium: 25대 - CPU : 300 core - Mem : 3.2 TB - Disk : 800 TB 최번시 초당 100만건 이상 저장 및 색인 생성과 동시 통계생성 단일시스템 세계적 규모 처리속도 삼성전자 VD 사업부 빅데이터 플 렛폼 구축 스마트TV 로그 분석 - 아마존 EC2/S3 빅데이터처리 오픈소스 (Hadoop/Flume 등) 삼성전자 MSC 사업부 빅데이터 플 렛폼 구축 삼성전자 휴대폰 로그 분석 플렛 폼 - 아마존 EC2 빅데이터처리 오픈소스 (Hadoop/Flume 등) 한국정보화진흥원(NIA) 빅데이터 분석활용 센터 구축·운영사업 수 주 빅데이터 공공 교육플랫폼 및 연 구플랫폼 구축 - 리눅스서버 49식 빅데이터처리 오픈소스 (Hadoop/Flume 등) 한국인터넷징흥원(KISA) 사이버 위 협 및 침해사고 정보 종합분석-공 유 시스템 구축 보안로그 분석 및 정보공유 - IRIS Premium: 18대 - CPU : 216 core - Mem : 2.3 TB - Disk : 648 TB IRIS 빅데이터 통합플랫폼 Hadoop Cluster 별도 구성
  • 9. Experience & Reference  2014년 B2C 상용 서비스 적용 및 시스템 안정화 확보로 지속적 증설 9 연도 프로젝트 주요기능 처리용량 시스템용량 비고 2014 SKT - 과금통계 시스템 증설 전사 과금 전수 데이터 실시간 저장, 통계, 검색 800억 건/1일 7조 건/90일 1.8 Peta/90일 보관, 검색, 통계 IRIS Premium 9대 - CPU : 108 Core - Mem : 1.2TB - Disk : 324TB IRIS Extractor 5대 (전용 수집기) - CPU : 80Core - Mem : 640GB - Disk : 18TB 2013년 구축 후 추가 증설 기존 운영되던 Oracle ExaData 시스템 대체 데이터 증가에 따른 용량 증설 실시간 전송 수집을 위한 IRIS Extractor Cluster 적용 SKT - 음성스팸 분석 차단 시스 템 음성 대한 스팸성 음성호 실시간 분석 및 차단 IRIS Premium 10대 - CPU : 120 Core - Mem : 1.3TB - Disk : 120TB IRIS B2C 상용 서비스 적용 액세스망 빅데이터 기반 분석 시 스템 (SK Telecom) 빅데이터 기반 억세스망 데이터 분석 공유 IRIS Premium 5대 - CPU : 60 Core - Mem : 640GB - Disk : 60TB 통합로그 분석시스템 (삼성화재) 삼성화재 전사트래픽 패킷단위 분석 보안관리 및 시스템별 사용량 분석 500억 건/1년 약 1 PB/1년 보관, 검색/집계 IRIS : 10대 - CPU : 80 core - Mem : 320 GB - Disk : 240 TB 2011년 구축 운용중인 시스템 Scale-out 의 용량 증설 예정