이 게시물은 redBus의 Girish Kumar Chidananda와 공동으로 작성되었습니다.
레드버스 인도에서 AWS를 가장 먼저 채택한 기업 중 하나이며 대부분의 서비스와 애플리케이션이 AWS 클라우드에서 호스팅됩니다. AWS는 비용을 매우 낮게 유지하면서 인프라를 빠르게 확장할 수 있는 유연성을 redBus에 제공했습니다. AWS는 redBus가 보장할 수 있는 고객 지원 제공을 포함하여 대부분의 요구 사항을 충족하는 포괄적인 서비스 제품군을 보유하고 있습니다.
이 게시물에서는 redBus의 데이터 플랫폼 아키텍처와 다양한 구성 요소가 연결되어 데이터 고속도로를 형성하는 방법을 공유합니다. 또한 실시간 비즈니스 인텔리전스(BI) 사용 사례를 위한 대시보드를 구축할 때 redBus가 직면한 문제와 사용 방법에 대해 논의합니다. 아마존 퀵 사이트, 빠르고 사용하기 쉬운 클라우드 기반 비즈니스 분석 서비스로 redBus 내의 모든 직원이 시각화를 구축하고 임시 분석을 수행하여 언제 어디서나 모든 장치에서 데이터로부터 비즈니스 통찰력을 얻을 수 있습니다.
레드버스 소개
레드버스 인도에서 구축된 세계 최대의 온라인 버스 티켓팅 플랫폼으로 전 세계 36만 명 이상의 행복한 고객에게 서비스를 제공합니다. redBus는 버스 발권 수직선과 함께 다음과 같은 철도 발권 서비스도 운영합니다. 레드레일 버스 및 자동차 렌탈 서비스 라이드. MakeMyTrip 및 Goibibo와 같은 다른 유명한 온라인 여행 브랜드를 포함하는 광범위한 브랜드 포트폴리오를 보유한 인도 최고의 온라인 여행 회사인 GO-MMT 그룹의 일부입니다.
redBus의 데이터 고속도로 1.0
redBus는 여행자 여정 추적, 교통량이 많은 동안의 수요 예측, 버스 운영자 가입 프로세스의 병목 현상 식별 및 해결 등 모든 수준에서 데이터 기반 의사 결정에 크게 의존합니다. redBus의 비즈니스가 사업을 운영하는 도시 및 국가의 수와 각 도시에서 서비스를 사용하는 버스 운영자 및 여행자의 수 측면에서 성장하기 시작하면서 들어오는 데이터의 양도 증가했습니다. 한 곳에서 데이터에 액세스하고 분석해야 하기 때문에 다음 다이어그램과 같이 자체 데이터 플랫폼을 구축해야 했습니다.
다음 섹션에서는 각 구성 요소를 자세히 살펴봅니다.
데이터 수집 소스
데이터 플랫폼 1.0에서는 데이터가 다양한 소스에서 수집됩니다.
- 실시간 – redBus 모바일 앱, 백엔드 마이크로 서비스, 그리고 승객, 버스 운영자 또는 애플리케이션이 버스 티켓 예약, 버스 인벤토리 검색, KYC 문서 업로드 등과 같은 작업을 수행할 때 실시간 데이터 흐름
- 배치 모드 – 예약된 작업은 다음과 같은 여러 영구 데이터 저장소에서 데이터를 가져옵니다. Amazon 관계형 데이터베이스 서비스 모든 애플리케이션의 OLTP 데이터가 저장되는 (Amazon RDS), 다양한 운영자의 버스 인벤토리가 저장되는 Apache Cassandra 클러스터, 사용자 ID 그래프가 저장되는 Arango DB 등
데이터 카탈로그
실시간 데이터는 데이터를 목적지로 보내기 전에 라우팅 기능으로 데이터를 정리, 분석 및 분류하는 데 사용되는 오픈 소스 데이터 플랫폼인 자체 관리형 Apache Nifi 클러스터로 수집됩니다.
스토리지 및 분석
redBus는 스토리지 및 분석 요구 사항을 위해 다음 서비스를 사용합니다.
- 아마존 단순 스토리지 서비스 (Amazon S3), 사실상 무제한의 확장성과 높은 내구성으로 인해 데이터 레이크의 기반을 제공하는 개체 스토리지 서비스입니다. Apache Druid의 실시간 데이터 흐름과 데이터 저장소의 데이터는 일정에 따라 일정한 간격으로 흐릅니다.
- OLAP 스타일 데이터 저장소(Kafka Druid 데이터 로더를 통한 데이터 흐름)인 Apache Druid는 데이터 로드 프로세스 중에 다양한 차원에 대한 팩트 및 지표를 계산합니다.
- 아마존 레드 시프트, 엑사바이트 규모의 데이터를 분석하고 복잡한 분석 쿼리를 실행하는 데 도움이 되는 클라우드 데이터 웨어하우스 서비스입니다. redBus는 Amazon Redshift를 사용하여 Amazon S3에서 처리된 데이터와 Apache Druid에서 집계된 데이터를 저장합니다.
쿼리 및 시각화
redBus를 가능한 한 데이터 중심으로 만들기 위해 SRE 엔지니어, 데이터 엔지니어 및 비즈니스 분석가가 시각화 계층을 통해 데이터에 액세스할 수 있도록 했습니다. 이 계층은 오픈 소스 데이터 시각화 애플리케이션인 Apache SuperSet을 사용하여 제공되는 대시보드를 특징으로 합니다. 아마존 아테나, 임시 쿼리 요구 사항에 대해 표준 SQL을 사용하여 Amazon S3의 데이터를 분석하는 대화형 쿼리 서비스입니다.
도전
초기에 redBus는 하루에 10만 건의 이벤트 비율로 수집되는 데이터를 처리했습니다. 시간이 지남에 따라 비즈니스가 성장하기 시작하면서 데이터 볼륨(기가바이트에서 테라바이트, 페타바이트로), 일일 데이터 수집(10천만에서 320억 XNUMX천만 이벤트) 및 비즈니스 인텔리전스 대시보드 요구 사항도 증가했습니다. 얼마 지나지 않아 그들은 자체 관리 Superset의 BI 기능과 증가된 운영 복잡성으로 인해 문제에 직면하기 시작했습니다.
제한된 BI 기능
redBus는 다음과 같은 BI 제한에 직면했습니다.
- 여러 데이터 소스에서 시각화를 생성할 수 없음 – Superset은 데이터 탐색 계층 내의 여러 테이블에서 시각화를 생성할 수 없습니다. redBus 데이터 엔지니어는 데이터 소스 수준 자체에서 사전에 테이블을 조인해야 했습니다. redBus의 비즈니스 이해관계자를 위한 360도 보기를 생성하기 위해 데이터 엔지니어가 시각화 계층을 지원하는 여러 테이블을 유지 관리하는 것이 불편해졌습니다.
- 대시보드의 시각적 개체에 대한 전역 필터 없음 – 대시보드의 시각적 개체에 대한 전역 또는 기본 필터는 Superset에서 지원되지 않습니다. 예를 들어 대시보드에 지역별 판매 성공, 지역별 YTD 수익 실현, 지역별 판매 파이프라인 등과 같은 시각적 개체가 있고 EMEA, APAC 및 US와 같은 값을 사용하여 지역 필터가 대시보드에 추가되었다고 가정합니다. 필터 영역은 전체 대시보드가 아닌 시각적 개체 중 하나에만 적용됩니다. 그러나 대시보드 사용자는 대시보드 전체에서 필터링을 기대했습니다.
- 비즈니스 사용자 친화적인 도구가 아님 – Superset은 커스터마이제이션과 관련하여 고도로 개발자 중심적입니다. 예를 들어, redBus 비즈니스 분석가가 미리 설정된 값에 따라 대시보드의 모든 조각을 자동으로 다시 쿼리하는 시간 제한 새로 고침을 사용자 지정해야 하는 경우 분석가는 대시보드의 JSON 메타데이터 필드를 업데이트해야 합니다. 따라서 시각적 개체 또는 대시보드에서 사용자 지정을 수행하려면 JSON 및 해당 구문에 대한 지식이 있어야 합니다.
운영 비용 증가
Superset은 오픈 소스이므로 라이선스 비용이 없지만 엔터프라이즈급 BI 도구로 작동하는 데 필요한 모든 구성 요소를 유지 관리하는 데 더 많은 노력이 필요합니다. redBus는 전면에 웹 서버(Nginx)를 배포하고 유지 관리했습니다. 애플리케이션로드 밸런서 로드 밸런싱을 하기 위해; Superset이 사용자, 슬라이스 및 대시보드 정의와 같은 내부 정보를 저장하는 메타데이터 데이터베이스 서버(MySQL) 장기 실행 쿼리를 지원하기 위한 비동기 작업 대기열(Celery) 메시지 브로커(RabbitMQ); 결과 캐싱, 데이터 차트 작성 등을 위한 분산 캐싱 서버(Redis) 아마존 엘라스틱 컴퓨트 클라우드 (Amazon EC2) 인스턴스. 다음 다이어그램은 이 아키텍처를 보여줍니다.
redBus의 DevOps 팀은 인프라 프로비저닝, 백업, 필요에 따라 구성 요소 수동 확장, 구성 요소 개별 업그레이드 등의 힘든 작업을 수행해야 했습니다. 또한 모든 구성 요소가 원활하게 함께 작동하도록 구성을 변경하기 위해 Python 웹 개발자가 있어야 했습니다. 이러한 모든 수작업으로 인해 redBus의 총소유비용이 증가했습니다.
QuickSight를 향한 여정
redBus는 주로 몇 가지 대시보드 요구 사항을 중심으로 BI 솔루션을 탐색하기 시작했습니다.
- 데이터가 Amazon S3 및 Amazon Redshift를 통해 소싱되는 비즈니스 이해 관계자 및 분석가를 위한 BI 대시보드.
- 실시간 애플리케이션 성능 모니터링(APM) 대시보드는 SRE 엔지니어와 개발자가 마이크로서비스 배포 문제의 근본 원인을 식별하여 고객 경험에 영향을 미치기 전에 문제를 해결할 수 있도록 도와줍니다. 이 경우 데이터는 Druid를 통해 소싱됩니다.
QuickSight는 대부분의 redBus의 BI 대시보드 요구 사항에 적합하며 데이터 플랫폼 팀은 즉시 몇 가지 복잡한 대시보드에 대한 개념 증명(POC)을 시작했습니다. 한 달 동안 진행된 POC가 끝날 무렵 팀은 결과를 공유했습니다.
첫째, QuickSight는 다음을 포함하여 풍부한 BI 기능을 제공합니다.
- redBus 분석가가 코딩 작업 없이 편안하게 사용할 수 있도록 도와주는 끌어서 놓기 기능이 있는 셀프 서비스 BI 솔루션입니다.
- 단일 대시보드에 있는 여러 데이터 소스의 시각화를 통해 redBus 비즈니스 이해 관계자는 단일 창에서 판매, 예측 및 인사이트를 360도로 볼 수 있습니다.
- 시각적 개체와 대시보드의 시트 전체에 걸친 계단식 필터는 redBus의 BI 요구 사항에 꼭 필요한 기능입니다.
- QuickSight는 Excel과 유사한 시각 자료를 제공합니다. 계산이 포함된 테이블, 셀 그룹이 포함된 피벗 테이블 및 스타일이 보는 사람에게 매력적입니다.
- QuickSight의 초고속 병렬 인메모리 계산 엔진(SPICE)은 redBus가 다양한 AWS 데이터 소스에서 빠른 대화형 분석을 동시에 수행할 수 있는 수십만 명의 사용자로 확장하는 데 도움이 될 수 있습니다.
- 추가 비용 없이 기성 ML 통찰력 및 예측을 통해 redBus의 데이터 과학 팀은 판매 예측 및 유사 모델 외에 ML 모델에 집중할 수 있습니다.
- 내장 행 수준 보안(RLS)을 통해 redBus는 뷰어에 대해 필터링된 액세스 권한을 부여할 수 있습니다. 예를 들어 redBus에는 여러 국가를 관리하는 많은 비즈니스 분석가가 있습니다. RLS를 사용하면 각 비즈니스 분석가는 단일 대시보드 내에서 할당된 국가와 관련된 데이터만 볼 수 있습니다.
- redBus는 SAML 2.0(Security Assertion Markup Language 2.0)을 지원하는 ID 공급자로 OneLogin을 사용합니다. QuickSight의 ID 연합 및 싱글 사인온 지원 덕분에 redBus는 QuickSight 사용자에게 간단한 온보딩 흐름을 제공할 수 있었습니다.
- QuickSight는 내장 경고 및 이메일 알림 기능을 제공합니다.
둘째, QuickSight는 AWS에서 제공하는 완전 관리형 클라우드 네이티브 서버리스 BI 서비스로 다음과 같은 기능을 제공합니다.
- redBus 엔지니어는 EC2 인스턴스에서 BI 솔루션을 프로비저닝, 확장 및 유지 관리하는 힘든 작업에 집중할 필요가 없습니다.
- QuickSight는 Amazon Redshift, Amazon S3, Athena와 같은 AWS 서비스 및 Presto, Snowflake, Teradata 등과 같은 기타 인기 있는 프레임워크와의 기본 통합을 제공합니다. QuickSight는 2022년 XNUMX월 현재 Druid와의 기본 통합을 사용할 수 없었기 때문에 Apache Druid를 제외하고 redBus가 이미 가지고 있는 대부분의 데이터 소스에 연결됩니다. 지원되는 데이터 소스의 전체 목록은 다음을 참조하세요. 지원되는 데이터 소스.
결과
모든 풍부한 기능과 낮은 총소유비용을 고려하여 redBus는 BI 대시보드 요구 사항으로 QuickSight를 선택했습니다. QuickSight를 사용하여 redBus의 데이터 엔지니어는 비즈니스 이해 관계자 및 분석가에게 페타바이트 데이터의 통찰력을 제공하기 위해 많은 대시보드를 즉시 구축했습니다. redBus 데이터 고속도로는 더 나은 성능과 더 빠른 가치 창출 시간으로 조직의 훨씬 더 많은 청중에게 비즈니스 인텔리전스를 제공하도록 발전했습니다. 2022년 XNUMX월부터 다음 다이어그램과 같이 비즈니스 사용자용 QuickSight와 실시간 APM 대시보드용 Superset(작성 당시 QuickSight는 Druid에 대한 기본 커넥터를 제공하지 않음)을 결합합니다.
판매 이상 감지 대시보드
redBus가 프로덕션에 배포한 대시보드가 많지만 판매 이상 감지는 redBus가 구축한 흥미로운 대시보드 중 하나입니다. 이는 다음 그림과 같이 Amazon Redshift 테이블의 과거 판매 데이터와 Druid 테이블의 실시간 판매 데이터를 기반으로 하는 redBus의 독점 판매 예측 모델을 사용합니다.
일정 간격으로 예약된 작업은 redBus 예측 모델에 실시간 및 과거 판매 데이터를 제공한 다음 예측 데이터를 Amazon Redshift 테이블로 푸시합니다. QuickSight의 판매 이상 탐지 대시보드는 결과 Amazon Redshift 테이블에서 제공됩니다.
다음은 판매 이상 감지 대시보드의 시각적 개체 중 하나입니다. 시간당 실제 판매, 예상 판매 및 redBus의 특정 비즈니스 코호트에 대한 시계열에 대한 경고 임계값을 나타내는 선형 차트를 사용하여 작성되었습니다.
이 시각적 개체에서 각 막대는 시계열의 특정 지점에서 트리거된 판매 이상 수를 나타냅니다.
redBus의 분석가는 다음 다이어그램과 같이 판매 세부 정보 및 이상 현상을 분 단위로 자세히 드릴다운할 수 있습니다. 이 드릴다운 기능은 QuickSight와 함께 기본 제공됩니다.
QuickSight 대시보드 시각적 개체에 드릴다운을 추가하는 방법에 대한 자세한 내용은 다음을 참조하십시오. Amazon QuickSight의 시각적 데이터에 드릴다운 추가.
비주얼 외에도 다음과 같은 주목할만한 기능으로 인해 redBus에서 시청자가 가장 좋아하는 대시보드 중 하나가 되었습니다.
- 시각적 개체에 대한 필터링은 QuickSight의 기본 기능이므로 타임스탬프 기반 필터가 대시보드에 추가됩니다. 이것은 한 번의 클릭으로 대시보드의 여러 시각적 개체를 필터링하는 데 도움이 됩니다.
- 시각적 개체에 구성된 URL 동작은 뷰어가 상황에 맞는 사내 애플리케이션을 탐색하는 데 도움이 됩니다.
- KPI 및 게이지 시각적 개체에 구성된 이메일 알림은 뷰어가 제 시간에 알림을 받는 데 도움이 됩니다.
다음 단계
BI 대시보드 요구사항에 맞는 새로운 대시보드를 구축하는 것 외에도 redBus는 다음 단계를 진행하고 있습니다.
- 탐색 QuickSight 임베디드 분석 상황에 맞는 데이터 시각적 개체, 대화형 대시보드 등을 통해 사용자가 인사이트를 얻는 시간을 단축하기 위한 몇 가지 애플리케이션 요구 사항에 대해 애플리케이션 내에서 더 직접적으로
- 탐색 퀵사이트 Q, 비즈니스 이해관계자가 자연어로 질문하고 데이터에서 인사이트를 얻는 데 도움이 되는 관련 시각화를 통해 정확한 답변을 받을 수 있습니다.
- 통합이 가능해짐에 따라 모든 데이터 소스를 다루는 QuickSight를 사용하여 통합 대시보드 솔루션 구축
결론
이 게시물에서는 redBus가 다양한 AWS 서비스와 Apache 프레임워크를 사용하여 데이터 플랫폼을 구축한 방법, 플랫폼이 겪었던 문제(특히 BI 대시보드 요구 사항 및 확장 중 문제), QuickSight를 사용하여 총 비용을 절감한 방법을 보여주었습니다. 소유권.
redBus의 엔지니어링에 대해 자세히 알아보려면 RedBus를 확인하십시오. 중간 블로그 게시물. QuickSight에서 일어나는 일에 대해 자세히 알아보거나 질문이 있는 경우 다음으로 문의하십시오. QuickSight 커뮤니티, 매우 활동적이며 여러 리소스를 제공합니다.
저자에 관하여
기리시 쿠마르 치다난다 redBus에서 선임 엔지니어링 관리자 – 데이터 엔지니어링으로 근무하며 지난 5년 동안 redBus용 다양한 데이터 엔지니어링 애플리케이션 및 구성 요소를 구축했습니다. IT 업계에서 경력을 시작하기 전에는 다양한 조직에서 기계 및 제어 시스템 엔지니어로 근무했으며 University of Bath에서 유체 동력 공학 석사 학위를 받았습니다.
카얄비지 칸다사미 디지털 네이티브 회사와 협력하여 혁신을 지원합니다. Amazon Web Services의 APAC(Senior Solutions Architect)로서 그녀는 자신의 경험을 활용하여 사람들이 아이디어를 실현하도록 돕고 주로 AWS 서비스를 사용하는 마이크로서비스 아키텍처 및 클라우드 네이티브 솔루션에 중점을 둡니다. 직장 밖에서 그녀는 체스를 좋아하고 FIDE 등급의 체스 선수입니다. 그녀는 또한 딸들에게 체스 기술을 지도하고 다양한 체스 토너먼트를 준비합니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/big-data/a-dive-into-redbuss-data-platform-and-how-they-used-amazon-quicksight-to-accelerate-business-insights/
- $ 10 만
- 1
- 10
- 100
- 2022
- 360 학위
- a
- 소개
- 가속
- ACCESS
- 얻기 쉬운
- 에 따르면
- 정확한
- 가로질러
- 행위
- 활동적인
- Ad
- 추가
- 추가
- 주소 지정
- 수용자
- 영향을
- 후
- 반대
- 경보
- All
- 이미
- 아마존
- Amazon EC2
- 아마존 퀵 사이트
- 아마존 RDS
- Amazon Web Services
- 양
- 분석
- 분석자
- 애널리스트
- 분석
- 분석
- 분석하다
- 와
- 이상 감지
- 답변
- APAC
- 아파치
- 어플리케이션
- 어플리케이션
- 신청
- 앱
- 아키텍처
- 약
- 미술
- 할당 된
- 매력적인
- 청중
- 저자
- 자동적으로
- 가능
- AWS
- 백엔드
- 백업
- 바
- 기반으로
- 때문에
- 가
- 전에
- 존재
- 더 나은
- 블로그
- 보물상자
- 상표
- 브랜드
- 가져
- 브로커
- 빌드
- 건물
- 내장
- 내장
- 버스
- 사업
- 비즈니스 인텔리전스
- 라는
- 기능
- 자동차
- 케이스
- 가지 경우
- 목록
- 원인
- 과제
- 변경
- 거래차트
- 차트 작성
- 검사
- 체스
- 선택
- 도시
- City
- 클라우드
- 코딩
- 보병대
- 결합
- 기업
- 회사
- 완전한
- 복잡한
- 복잡성
- 구성 요소
- 구성 요소들
- 포괄적 인
- 계산
- 개념
- 연결
- 커넥트
- 고려
- 제어
- 비용
- 비용
- 수
- 국가
- 국가
- 두
- 피복
- 만들
- 만들기
- 고객
- 고객센터
- 고객
- 사용자 정의
- 사용자 정의
- 계기반
- 데이터
- 데이터 레이크
- 데이터 플랫폼
- 데이터 과학
- 데이터 시각화
- 데이터웨어 하우스
- 데이터 중심
- 데이터베이스
- 일
- XNUMX월
- 결정
- 도
- 수요
- 배포
- 전개
- 목적지
- 세부 묘사
- 세부설명
- Detection System
- 개발자
- 개발자
- 장치
- 개발자
- DID
- 다른
- 치수
- 직접
- 토론
- 분산
- 문서
- 하지 않습니다
- 하기
- 말라
- 아래 (down)
- 드루이드
- 내구성
- ...동안
- 마다
- 사용하기 쉬운
- 노력
- 노력
- 이메일
- 임베디드
- EMEA
- 직원
- 가능
- 엔진
- 기사
- 엔지니어링
- 엔지니어
- 엔터프라이즈 급
- 전체의
- 특히
- 에테르 (ETH)
- 이벤트
- 진화
- 예
- 외
- 기대하는
- 경험
- 탐구
- 탐색
- 광대 한
- 매우
- 직면
- 마주보고
- FAST
- 빠른
- 즐겨찾기
- 특색
- 특징
- 연합
- 들
- 그림
- 필터링
- 필터링
- 필터
- 맞게
- 수정
- 유연성
- 흐름
- 흐름
- 초점
- 초점
- 수행원
- 형태
- Foundation
- 프레임 워크
- 친절한
- 에
- 정면
- 충분히
- 기능
- 추가
- 이득
- 얻을
- 주기
- 유리
- 글로벌
- 부여
- 그래프
- 그룹
- 성장하는
- 행복한
- 데
- 무겁게
- 도움
- 도움이
- 높은
- 더 높은
- 고도로
- 고속도로
- 역사적인
- 보유
- 호스팅
- 방법
- 그러나
- HTML
- HTTPS
- 수백
- 아이디어
- 확인
- 식별
- 통합 인증
- in
- 포함
- 포함
- 들어오는
- 증가
- 인도
- 개별적으로
- 산업
- 정보
- 인프라
- 혁신
- 통찰력
- 완성
- 통합
- 인텔리전스
- 대화형
- 흥미있는
- 내부의
- 목록
- 발행물
- 문제
- IT
- IT 산업
- 그 자체
- 작업
- 합류 한
- 여행
- JSON
- 카프카
- 유지
- 알아
- 지식
- KYC
- 소금물
- 언어
- 가장 큰
- 성
- 층
- 지도
- 배우다
- 레벨
- Licensing
- 생활
- 리프팅
- 한계
- 라인
- 명부
- 하중
- 짐을 싣는 사람
- 로드
- 보기
- 낮은
- 유지하다
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 매니저
- 필수
- 조작
- 수동으로
- .
- 방법
- 기계적인
- 메시지
- 메타 데이터
- 통계
- 마이크로 서비스
- 백만
- 분
- ML
- 모바일
- 모바일 앱
- 모델
- 모델
- 모니터링
- 배우기
- 가장
- MS
- 여러
- MySQL의
- 출신
- 자연의
- 자연어
- 이동
- 필요
- 필요
- 요구
- 신제품
- 다음 것
- NGINX
- 주목할 만한
- 공고
- 알림
- 십일월
- 번호
- 대상
- 객체 저장소
- 제공
- 제공
- 제공
- 온 보딩
- ONE
- 온라인
- 열 수
- 오픈 소스
- 운영
- 조작
- 운영
- 행정부
- 연산자
- 운영자
- 주문
- 조직
- 조직
- 기타
- 외부
- 자신의
- 소유권
- 빵
- 평행
- 부품
- 특별한
- 사람들
- 수행
- 성능
- 관로
- 피벗
- 장소
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 플레이어
- 연주
- PoC
- 포인트 적립
- 인기 문서
- 유가 증권
- 가능한
- 게시하다
- 힘
- 예측
- 준비하다
- 주로
- 일차
- 이전에
- 방법
- 생산
- 현저한
- 증명
- 개념 증명
- 소유권
- 제공
- 제공
- 공급자
- 제공
- 제공
- 밀
- Python
- 문의
- 레일
- 빠르게
- 율
- 도달
- 실시간
- 실시간 데이터
- 깨달은
- 받다
- 지방
- 정규병
- 관련
- 관련된
- 대표
- 대표
- 필수
- 요구조건 니즈
- 자료
- 결과
- 수익
- 풍부한
- 뿌리
- 달리기
- 판매
- 확장성
- 규모
- 스케일링
- 예약
- 예약된 작업
- 과학
- 완벽하게
- 수색
- 섹션
- 보안
- 보고
- 셀프 서비스
- 전송
- 연장자
- 연속
- 서버리스
- 서비스
- 서비스
- 피복재
- 몇몇의
- 공유
- 공유
- 표시
- 비슷한
- 단순, 간단, 편리
- 동시에
- 단일
- 일부분
- So
- 해결책
- 솔루션
- 예정입니다.
- 출처
- 지우면 좋을거같음 . SM
- 향신료
- SQL
- 이해 관계자
- 표준
- 시작
- 시작 중
- 단계
- 저장
- 저장
- 저장
- 상점
- 스위트
- SUPPORT
- 지원
- 지원
- 지원
- 구문
- 시스템은
- 테이블
- 복용
- 태스크
- 팀
- 조건
- XNUMXD덴탈의
- 세계
- 그들의
- 따라서
- 수천
- 임계값
- 을 통하여
- 발권
- 티켓
- 시간
- 시계열
- 시간 초과 된
- 에
- 함께
- 수단
- 금액
- 대회
- 에 대한
- 추적
- 교통
- 여행
- 여행자
- 여행자
- 방아쇠를 당긴
- 회전
- 통일
- 대학
- 무제한
- 업데이트
- 업로드
- us
- 사용
- 사용자
- 사용자
- 가치
- 마케팅은:
- 종류
- 여러
- 를 통해
- 관측
- 뷰어
- 사실상
- 심상
- 음량
- 창고
- 웹
- 웹 서버
- 웹 서비스
- 뭐
- 어느
- 동안
- 누구
- 넓은
- 넓은
- 의지
- 승리
- 이내
- 없이
- 작업
- 협력
- 일
- 일
- 세계
- 세계
- 겠지
- 쓰기
- 년
- 제퍼 넷