모든 데이터 중심 미션 크리티컬 시스템에는 규모에 맞는 안정적인 성능이 가장 중요합니다. 기술 전문가로서 저희는 성공적인 시스템 배포에 도움이 되는 데이터 플랫폼을 제공하기 위해 많은 노력을 기울이고 있습니다. 아키텍처 토론, 개념 프레젠테이션, 제품 교육은 비전을 촉진하고 요구 사항을 정의하는 데 도움이 되는 좋은 출발점입니다. 그러나 신뢰할 수 있는 데이터 플랫폼을 더 잘 이해하고 설계하기 위해서는 직접 손을 더럽혀야 합니다. 비슷한 데이터 크기와 사용자 워크로드로 시스템이 실행될 환경과 유사한 환경에서 공식적인 개념 증명(POC)을 수행하는 것이 해결책인 경우가 많습니다.
POC 스타일의 참여 모델이 도움이 될 것입니다:
- 이해관계자는 구현이 조직에 어떤 영향을 미칠지 이해합니다.
- 새 시스템이 제공할 혜택을 정의합니다.
- 비즈니스에 미치는 영향에 대한 인사이트를 제공합니다.
- 개발자 경험을 정의하세요.
- 운영팀에게 시스템 지원에 대한 이해를 제공하세요.
많은 경우, Couchbase POC의 이러한 모든 목표를 달성하기 위해서는 데이터 비즈니스 소유자가 이해해야 하며, 이는 개념 증명을 시작하는 데 큰 장애물이 될 수 있습니다. Couchbase는 샘플 데이터 집합을 제공하지만, 고객에게 더 의미 있는 데이터 집합을 만드는 방법에 직면하는 경우가 많습니다.
데이터 생성 옵션 1
기존 시스템이 있는 경우 시간을 들여 데이터를 내보내고 기존 프로덕션 시스템에서 소싱한 JSON 구조를 만들 수 있습니다. 여기서는 샘플 데이터 세트인 stocks.json을 가져와서 Couchbase로 가져올 수 있었습니다. 파일의 각 줄에는 주식 정보를 나타내는 JSON 구조가 포함되어 있습니다.
- 이 코드는 줄 판독기 => =>를 활용합니다. https://github.com/nickewing/line-reader
- 재고 정보 데이터 파일 => http://jsonstudio.com/wp-content/uploads/2014/02/stocks.zip
- 샘플 가져오기 => https://github.com/justinmichaels006/datasample/blob/master/appOG2.js
데이터 생성 옵션 2
시간이 없거나 기존 데이터를 사용하기 위해 다른 팀의 도움을 받아야 하는 경우가 종종 있습니다. 샘플 데이터를 생성하는 데 사용할 수 있는 온라인 도구가 있습니다. 프로덕션 규모의 데이터 세트를 생성할 수 있는 기능을 제공하지 않는 경우가 많지만 매우 강력한 유틸리티를 사용할 수 있습니다. http://www.generatedata.com. 또는 원하는 구조를 만들고 반복하여 필요한 크기를 만들 수도 있습니다. 여기서는 프로덕션 환경에서 최종적으로 보유하게 될 데이터를 미러링하는 데이터 구조를 정의합니다.
Node.js는 루프에서 모든 것을 동시에 생성하기 때문에 주어진 시간에 생성되는 데이터 세트의 크기에 주의를 기울여야 합니다. 그럼에도 불구하고 성공적인 POC를 지원하는 데 유용한 데이터 집합을 생성할 수 있습니다. 접근 방식이 무엇이든 위의 옵션을 사용하면 익숙한 데이터를 저장하는 시스템과 프로덕션에서 예상되는 크기를 반영하는 시스템을 제공할 수 있습니다.
다음 시간에는 이러한 데이터 집합을 사용하여 뷰를 활용하는 Couchbase로 무엇을 할 수 있는지, 그리고 곧 출시될 쿼리 언어 니켈(N1QL)이 어떻게 개발 작업을 획기적으로 간소화할 수 있는지 알아보겠습니다.
