새 질문 104
사례 연구 1 - 플로우로지스틱
회사 개요
플로우로지스틱은 선도적인 물류 및 공급망 제공업체입니다. 전 세계 기업이 자원을 관리하고 최종 목적지까지 운송할 수 있도록 지원합니다. 이 회사는 빠르게 성장하여 철도, 트럭, 항공기, 해상 운송으로 서비스를 확장하고 있습니다.
회사 배경
이 회사는 지역 트럭 운송 회사로 시작한 후 다른 물류 시장으로 사업을 확장했습니다.
인프라를 업데이트하지 않았기 때문에 주문과 배송을 관리하고 추적하는 것이 병목 현상이 발생했습니다. 플로우로지스틱은 운영을 개선하기 위해 소포 수준에서 실시간으로 배송을 추적하는 독자적인 기술을 개발했습니다. 하지만 아파치 카프카 기반의 기술 스택이 처리량을 감당할 수 없어 이를 배포할 수 없었습니다. 또한 플로우로지스틱은 주문과 배송을 추가로 분석하여 리소스를 가장 잘 배치하는 방법을 결정하고자 합니다.
솔루션 개념
플로우로지스틱은 클라우드를 사용하여 두 가지 개념을 구현하고자 합니다:
* 실시간 재고 추적 시스템에서 독점 기술을 사용하여 적재 위치를 표시합니다.
* 정형 및 비정형 데이터가 모두 포함된 모든 주문 및 배송 로그에 대한 분석을 수행하여 리소스를 가장 잘 배치하는 방법과 정보를 확장할 시장을 결정합니다. 또한 예측 분석을 사용하여 배송이 지연되는 시기를 더 일찍 파악하고자 합니다.
기존 기술 환경
플로우로지스틱 아키텍처는 단일 데이터 센터에 상주합니다:
* 데이터베이스
2개의 클러스터에 8개의 물리적 서버
- SQL Server - 사용자 데이터, 인벤토리, 정적 데이터
물리적 서버 3개
- 카산드라 - 메타데이터, 메시지 추적
10개의 Kafka 서버 - 추적 메시지 집계 및 배치 삽입
* 애플리케이션 서버 - 고객 프런트엔드, 주문/통관용 미들웨어
20개의 물리적 서버에서 60개의 가상 머신
- Tomcat - Java 서비스
- Nginx - 정적 콘텐츠
- 배치 서버
* 스토리지 어플라이언스
- 가상 머신(VM) 호스트용 iSCSI
- 파이버 채널 스토리지 영역 네트워크(FC SAN) - SQL 서버 스토리지
- NAS(네트워크 연결 스토리지) 이미지 스토리지, 로그, 백업
* 10개의 Apache Hadoop/Spark 서버
- 핵심 데이터 레이크
- 데이터 분석 워크로드
* 기타 서버 20개
- 젠킨스, 모니터링, 바스티온 호스트,
비즈니스 요구 사항
* 확장된 생산 팬티로 안정적이고 재현 가능한 환경을 구축하세요.
* 분석을 위해 중앙 집중식 데이터 레이크에서 데이터 집계
* 과거 데이터를 사용하여 향후 배송에 대한 예측 분석 수행
* 독점 기술을 사용하여 전 세계 모든 배송을 정확하게 추적합니다.
* 새로운 리소스의 신속한 프로비저닝을 통한 비즈니스 민첩성 및 혁신 속도 향상
* 클라우드에서 성능을 위한 아키텍처 분석 및 최적화
* 다른 모든 요구 사항이 충족되는 경우 클라우드로 완전히 마이그레이션하세요.
기술 요구 사항
* 스트리밍 및 배치 데이터 모두 처리
* 기존 Hadoop 워크로드 마이그레이션
* 변화하는 회사의 요구 사항을 충족할 수 있도록 아키텍처의 확장성과 탄력성을 보장합니다.
* 가능하면 관리형 서비스 사용
* 비행 중 및 미사용 데이터 암호화
* 프로덕션 데이터 센터와 클라우드 환경 사이에 VPN 연결 SEO 선언문 우리는 너무 빠르게 성장하여 인프라를 업그레이드할 수 없어 더 큰 성장과 효율성을 저해하고 있습니다. 전 세계로 배송물을 이동하는 데는 효율적이지만 데이터를 이동하는 데는 비효율적입니다.
고객이 어디에 있고 무엇을 배송하는지 더 쉽게 파악할 수 있도록 정보를 체계적으로 정리해야 합니다.
CTO 성명서
IT는 우리에게 우선순위가 아니었기 때문에 데이터가 증가함에 따라 기술에 충분히 투자하지 못했습니다. IT를 관리하는 훌륭한 직원이 있지만 인프라 관리에 너무 바빠서 데이터 정리, 분석 구축, CFO의 추적 기술 구현 방법 파악 등 정말 중요한 업무에 집중할 수 없었습니다.
CFO 성명서
우리의 경쟁 우위 중 하나는 배송 및 배송 지연에 대한 불이익을 감수한다는 점입니다. 배송이 항상 어디에 있는지 파악하는 것은 수익과 수익성에 직접적인 상관관계가 있습니다. 또한 서버 환경을 구축하는 데 자본을 투입하고 싶지 않습니다.
Flowlogistic의 CEO는 영업팀이 현장에서 더 나은 정보를 제공할 수 있도록 고객 기반에 대한 신속한 인사이트를 얻고자 합니다. 이 팀은 기술에 능숙하지 않기 때문에 BigQuery 보고서 작성을 간소화하기 위해 시각화 도구를 구입했습니다. 그러나 테이블에 있는 모든 데이터에 압도되어 필요한 데이터를 찾기 위해 쿼리에 많은 시간을 소비하고 있습니다. 가장 비용 효율적인 방법으로 문제를 해결하고 싶습니다. 어떻게 해야 할까요?
