Parquet 전환으로 쿼리 4배 단축 직접 체감
빅데이터 아키텍처를 이해하는 것이 데이터 엔지니어링에 도움이 되는 이유는 설계 판단의 근거가 되기 때문입니다. 수업에서 Lambda 아키텍처를 공부하면서 배치 레이어와 스피드 레이어를 나누는 이유를 이해했고, 이후 프로젝트에서 '이 데이터는 배치로도 충분한가, 실시간이 필요한가'를 먼저 판단하는 습관이 생겼습니다. 실무와 닿는 부분은 스토리지 선택입니다.
HDFS와 S3의 차이, 컬럼형 포맷(Parquet)이 집계 쿼리에 유리한 이유를 알고 나니 트레이드오프를 더 빠르게 가늠할 수 있었습니다. 구체적으로 손에 쥔 경험은 Spark를 써서 CSV 대신 Parquet로 바꿨을 때 쿼리 시간이 4배 줄어드는 것을 직접 확인한 것입니다. 한계는 실시간 스트리밍 아키텍처는 이론으로만 알고 있습니다.