• SQL 데이터베이스

  뛰어난 성능을 보유한 SQL 기반 데이터베이스

  

  MPP 프로세싱을 보유한 Columnar 엔진

  Software-only 제품으로, Cloud / On-premise 어떤 환경에서도 구성 지원

  기존 데이터 웨어하우스 대비 10-50배의 성능 보유

• 고급 분석과 머신 러닝

  새로운 업무 활용을 위한 고급 분석 기능 제공

  

  대용량에 대한 End-to-End 머신러닝 제공

  병렬 프로세싱으로 수행되는 시계열, 회귀분석, 지리 분석, 클러스터링 등 제공 SQL 기반으로 활용 가능

  R, Python, Java, C++ 코드를 데이터베이스 내에 활용가능

• 버티카 쿼리 엔진

  모든 데이터를 꼭 데이터베이스에 적재하지 않아도 수행 가능한 쿼리 엔진

  

  쿼리 엔진을 하둡과 연계하여 데이터 레이크의 분석 플랫폼으로 활용

  HDFS나 S3에 존재하는 Parquet 또는 ORC 를 External Table로 선언 가능

  DW와 Data Lake 간 JOIN 구문을 이용한 연계 분석 수행 제공

버티카 아키텍처의 근간 구조

• 

  MPP 구조

  빠른 쿼리 수행을 위한
  병렬 프로세싱 수행
  모든 노드가 동등 역할을
  수행하여 확장성 보장

• 

  컬럼 기반 스토리지

  컬럼 기반 구조의 저장으로
  연산 수행을 효과적으로 수행

• 

  고급 압축 및 인코딩 기능

  약 10개의 압축 및 인코딩 기능으로
  디스크 사용률 및 I/O 양 감소

• 

  최적화된 프로젝션

  고급 분석을 수행하기에 최적화 된
  구조로 물리 데이터 저장

분석 중심의 업무 설계를 위한 아키텍처

버티카 아키텍처의 근간 구조

Vertica Portfolio

• 

  Vertica Enterprise On-Premise

  컬럼 처리 및 선진 압축 기법

  최대 성능 및 확장성

  다양한 선진 기법 제공
  (Machine Learning, Pattern matching, Flex Tables 등)

• 

  Vertica Enterprise in the Clouds

  클라우드 플랫폼으로의 빠른 전개

  AWS, Azure, Google, Vmware 지원

  유연한 클라우드 기반 옵션 제공

• 

  Vertica Eon in the Clouds & On-Premise

  Computing Node 와 Storage 분리

  Object Storage 기반의 무한한 확장성

  Workload에 따른 유연한 증설 및 Multi-Cluster 구성 지원

Vertica 5대 기술 요소

• 

  Native
  Columnar Storage

  필요한 컬럼만을 조회하여
  빠른 쿼리 성능 보장

• 

  Compression
  /Encoding

  I/O 비용을 최소화하는
  동시에 성능을 가속화

• 

  MPP Scale-out

  Name node와 같은 single
  point of failure를 제거한
  순수 MPP 아키텍처
  Exabyte 수준의 확장성 제공

• 

  Distributed Query

  특정 노드에 대한 종속성이 없는
  분산 쿼리 수행

• 

  Projections

  노드 장애 대처와 쿼리 성능을
  담보하기 위한 최적화 방안 제공

버티카 고급 분석 기능 목록

Turing Award 수상자인 Michael Stonebraker 박사의 C-Store 프로젝트의 결과로 2006년 시장에 출시되었습니다
Michael Stonebraker 박사는 Greenplum, Netezza등의 기초인 Postgres DB를 개발한 세계적인 석학입니다.