AWS 글루 스튜디오 이제 AWS 글루 데이터브루. AWS Glue Studio는 ETL(추출, 변환 및 로드) 작업을 쉽게 생성, 실행 및 모니터링할 수 있는 그래픽 인터페이스입니다. AWS 접착제. DataBrew는 코드를 작성하지 않고도 데이터를 정리하고 정규화할 수 있는 시각적 데이터 준비 도구입니다. 이제 AWS Glue Studio 시각적 작업에서 사용할 수 있는 200개 이상의 변환이 제공됩니다.
DataBrew에서 조리법 직관적인 시각적 인터페이스에서 대화형으로 작성할 수 있는 일련의 데이터 변환 단계입니다. 이 게시물에서는 DataBrew에서 레시피 빌드를 사용한 다음 AWS Glue Studio 시각적 ETL 작업의 일부로 적용하는 방법을 살펴봅니다.
기존 DataBrew 사용자도 이 통합의 이점을 누릴 수 있습니다. 이제 고급 작업 구성 및 최신 AWS Glue 엔진 버전을 사용할 수 있을 뿐만 아니라 AWS Glue Studio가 제공하는 다른 모든 구성 요소와 함께 더 큰 시각적 워크플로의 일부로 레시피를 실행할 수 있습니다. .
이 통합은 두 도구의 기존 사용자에게 뚜렷한 이점을 제공합니다.
- 종단 간 전체 ETL 다이어그램의 AWS Glue Studio 중앙 집중식 보기가 있습니다.
- 대화식으로 레시피를 정의하고 DataBrew 콘솔에서 값, 통계 및 분포를 확인한 다음 AWS Glue Studio 시각적 작업에서 테스트되고 버전이 지정된 처리 논리를 재사용할 수 있습니다.
- AWS Glue ETL 작업 또는 AWS Glue 워크플로를 사용하여 여러 작업에서 여러 DataBrew 레시피를 오케스트레이션할 수 있습니다.
- DataBrew 레시피는 이제 증분 데이터 처리를 위한 책갈피, 자동 재시도, 자동 크기 조정 또는 효율성 향상을 위한 작은 파일 그룹화와 같은 AWS Glue 작업 기능을 사용할 수 있습니다.
솔루션 개요
가상의 사용 사례에서 요구 사항은 데이터 준비에 대한 DataBrew 기능을 시연하기 위해 일부 데이터 품질 문제가 도입된 이 게시물을 위해 생성된 합성 의료 청구 데이터 세트를 정리하는 것입니다. 그런 다음 청구 데이터는 별도의 소스에서 제공되는 해당 의료 제공자에 대한 몇 가지 관련 세부 정보로 카탈로그를 보강한 후 카탈로그에 수집됩니다(분석가에게 표시됨).
이 솔루션은 각각 클레임 및 공급자가 포함된 두 개의 CSV 파일을 읽는 AWS Glue Studio 시각적 작업으로 구성됩니다. 이 작업은 품질 문제를 해결하기 위해 첫 번째 레시피를 적용하고, 두 번째 레시피에서 열을 선택하고, 두 데이터 세트를 조인하고, 마지막으로 결과를 저장합니다. 아마존 단순 스토리지 서비스 (Amazon S3), 다음과 같은 다른 도구에서 출력 데이터를 사용할 수 있도록 카탈로그에 테이블 생성 아마존 아테나.
DataBrew 레시피 만들기
클레임 파일에 대한 데이터 저장소를 등록하여 시작합니다. 이렇게 하면 실제 데이터를 사용하여 대화형 편집기에서 레시피를 빌드할 수 있으므로 변환을 정의할 때 변환 결과를 평가할 수 있습니다.
- 다음 링크를 사용하여 클레임 CSV 파일을 다운로드합니다. alabama_claims_data_Jun2023.csv.
- DataBrew 콘솔에서 데이터 세트 탐색 창에서 다음을 선택합니다. 새 데이터 세트 연결.
- 옵션을 선택하십시오 파일 업로드.
- 럭셔리 데이터 세트 이름, 입력
Alabama claims
. - 럭셔리 업로드할 파일 선택, 방금 컴퓨터에 다운로드한 파일을 선택합니다.
- 럭셔리 S3 목적지 입력, 계정 및 리전에서 버킷을 입력하거나 찾습니다.
- 나머지 옵션은 기본적으로 그대로 두고(쉼표와 헤더로 구분된 CSV) 데이터세트 생성을 완료합니다.
- 왼쪽 메뉴에서 프로젝트 탐색 창에서 다음을 선택합니다. 프로젝트 만들기.
- 럭셔리 프로젝트 이름, 이름을 붙이다
ClaimsCleanup
. - $XNUMX Million 미만 레시피 세부정보에 대한 첨부 레시피선택한다.
새 레시피 만들기, 이름을 붙이다
ClaimsCleanup-recipe
을 선택하고Alabama claims
방금 만든 데이터 세트입니다. - 를 선택 DataBrew에 적합한 역할 또는 새로 생성하고 프로젝트 생성을 완료합니다.
이렇게 하면 구성 가능한 데이터 하위 집합을 사용하여 세션이 생성됩니다. 세션을 초기화한 후 일부 셀에 유효하지 않거나 누락된 값이 있음을 알 수 있습니다.
열의 누락된 값 외에도 진단 코드, 청구 금액및 청구 날짜, 데이터의 일부 값에는 몇 가지 추가 문자가 있습니다. 진단 코드 값은 때때로 "code "(공백 포함) 접두사가 붙습니다. 절차 코드 값 뒤에 작은따옴표가 오는 경우도 있습니다.
청구 금액 값은 일부 계산에 사용될 수 있으므로 숫자로 변환하고 청구 데이터 날짜 형식으로 변환해야 합니다.
해결해야 할 데이터 품질 문제를 식별했으므로 이제 각 사례를 처리하는 방법을 결정해야 합니다.
열 상황에 맞는 메뉴, 상단의 도구 모음 또는 레시피 요약을 사용하는 등 여러 가지 방법으로 레시피 단계를 추가할 수 있습니다. 마지막 방법을 사용하면 표시된 단계 유형을 검색하여 이 게시물에서 만든 레시피를 복제할 수 있습니다.
청구 금액 이 사용 사례에 필수적이며 결정은 이러한 행을 제거하는 것입니다.
- 단계 추가 누락된 값 제거.
- 럭셔리 소스 열선택한다. 청구 금액.
- 기본 작업 그대로 두기 누락된 값이 있는 행 삭제 선택하고 신청 그것을 저장하십시오.
이제 단계 적용을 반영하도록 보기가 업데이트되고 누락된 금액이 있는 행은 더 이상 존재하지 않습니다.
진단 코드 비어있을 수 있으므로 허용되지만 청구 날짜, 우리는 합리적인 추정을 원합니다. 데이터의 행은 연대순으로 정렬되므로 이전 행의 유효한 값 미리 보기를 사용하여 누락된 날짜를 대체할 수 있습니다. 매일 클레임이 있다고 가정할 때 가장 큰 오류는 해당 날짜가 누락된 첫 번째 클레임인 경우 미리 보기 날짜에 할당하는 것입니다. 설명을 위해 허용 가능한 잠재적 오류를 고려하십시오.
먼저 열을 문자열에서 날짜 유형으로 변환합니다.
- 단계 추가 유형 변경.
- 왼쪽 메뉴에서 청구 날짜 열과 데이터 유형으로 선택한 다음 신청.
- 이제 누락된 날짜를 대치하려면 다음 단계를 추가하십시오. 누락된 값 채우기 또는 대치.
- 작업으로 마지막 유효한 값으로 채우기를 선택하고 다음을 선택합니다. 청구 날짜 소스로.
- 왼쪽 메뉴에서 변경 사항 미리보기 확인하려면 다음을 선택하십시오. 신청 단계를 저장합니다.
지금까지 레시피에는 다음 스크린샷과 같이 세 단계가 있어야 합니다.
- 다음으로 단계를 추가합니다. 따옴표 제거.
- 선택 절차 코드 열과 선택 선행 및 후행 따옴표.
- 미리보기를 통해 원하는 효과가 있는지 확인하고 새 단계를 적용합니다.
- 단계 추가 특수 문자 제거.
- 선택 청구 금액 열을 선택하고 더 구체적으로 맞춤 특수 문자 들어가서
$
for 맞춤 특수 문자를 입력하세요.. - 추가 할 유형 변경 기둥을 밟다 청구 금액 선택하고 더블 유형으로.
- 마지막 단계로 불필요한 “code ” 접두사를 제거하려면 다음을 추가합니다. 값 또는 패턴 바꾸기 단계.
- 열을 선택하십시오 진단 코드등에 대한 맞춤 값 입력, 입력
code
(끝에 공백 포함).
이제 샘플에서 식별된 모든 데이터 품질 문제를 해결했으므로 프로젝트를 레시피로 게시합니다.
- 왼쪽 메뉴에서 게시이다. FBI 증오 범죄 보고서 조리법 창에서 선택적 설명을 입력하고 게시를 완료합니다.
게시할 때마다 다른 버전의 레시피가 생성됩니다. 나중에 사용할 레시피 버전을 선택할 수 있습니다.
AWS Glue Studio에서 시각적 ETL 작업 생성
다음으로 레시피를 사용하는 작업을 생성합니다. 다음 단계를 완료하십시오.
- AWS Glue Studio 콘솔에서 다음을 선택합니다. 비주얼 ETL 탐색 창에서
- 왼쪽 메뉴에서 빈 캔버스가 있는 시각적 개체 시각적 작업을 만듭니다.
- 작업 상단에서 "제목 없는 작업"을 원하는 이름으로 바꿉니다.
- 에 작업 세부 정보 탭에서 작업이 사용할 역할을 지정합니다.
이것은 AWS 자격 증명 및 액세스 관리 (나는) AWS Glue에 적합한 역할 Amazon S3 및 AWS Glue 데이터 카탈로그에 대한 권한이 있습니다. 이전에 DataBrew에 사용된 역할은 작업 실행에 사용할 수 없으므로 목록에 나열되지 않습니다. IAM 역할 여기에서 드롭다운 메뉴.
이전에 DataBrew 작업만 사용한 경우 AWS Glue Studio에서 작업자 크기, Auto Scaling, 유연한 실행, 뿐만 아니라 최신 AWS Glue 4.0 런타임을 사용하고 상당한 성능 향상의 이점을 누릴 수 있습니다. 이 작업의 경우 기본 설정을 사용할 수 있지만 절약을 위해 요청된 작업자 수를 줄입니다. 이 예에서는 두 명의 작업자가 수행합니다. - 에 시각 탭에서 S3 소스를 추가하고 이름을 지정합니다.
Providers
. - 럭셔리 S3 URL, 입력
s3://awsglue-datasets/examples/medicare/Medicare_Hospital_Provider.csv
.
- 형식을 다음과 같이 선택합니다. CSV 선택하고 스키마 추론.
이제 스키마가 출력 스키마 파일 헤더를 사용하여 탭합니다.
이 사용 사례에서는 공급자 데이터 세트의 모든 열이 필요한 것은 아니므로 나머지 열을 버릴 수 있다고 결정합니다.
- 와 더불어 공급 업체 선택한 노드, 추가 드롭 필드 변환합니다(상위 노드를 선택하지 않은 경우 노드가 없습니다. 이 경우 수동으로 노드 상위를 할당합니다).
- 다음 필드를 모두 선택하십시오. 제공자 우편번호.
나중에 이 데이터는 공급자를 사용하여 Alabama 주에 대한 청구와 결합됩니다. 그러나 두 번째 데이터 세트에는 지정된 상태가 없습니다. 데이터에 대한 지식을 사용하여 실제로 필요한 데이터를 필터링하여 조인을 최적화할 수 있습니다.
- 추가 할 필터 의 자식으로 변신 드롭 필드.
- 이름을 붙이다
Alabama providers
상태가 일치해야 하는 조건을 추가합니다.AL
. - 두 번째 소스(새 S3 소스)를 추가하고 이름을 지정합니다.
Alabama claims
. - 입력하려면 S3 URL, 별도의 브라우저 탭에서 DataBrew를 열고 탐색 창에서 Datasets를 선택한 다음 표에 표시된 위치를 표에 복사합니다. 앨라배마 주장 (연결된 http 링크가 아닌 s3://로 시작하는 텍스트 복사). 그런 다음 시각적 작업으로 돌아가 다음과 같이 붙여넣습니다. S3 URL; 그것이 맞다면, 당신은 출력 스키마 나열된 데이터 필드를 탭합니다.
- CSV 형식을 선택하고 다른 소스와 마찬가지로 스키마를 유추합니다.
- 이 소스의 하위로 다음에서 검색하십시오. 노드 추가 메뉴
recipe
선택하고 데이터 준비 방법. - 이 새 노드의 속성에서 이름을 지정하십시오.
Claim cleanup recipe
이전에 게시한 레시피와 버전을 선택합니다. - 여기에서 레시피 단계를 검토하고 필요한 경우 DataBrew 링크를 사용하여 변경할 수 있습니다.
- 추가 할 가입하기 노드를 선택하고 둘 다 선택 앨라배마 공급자 및 클레임 정리 레시피 부모로.
- 두 소스의 공급자 ID와 동일한 조인 조건을 추가합니다.
- 마지막 단계로 S3 노드를 대상으로 추가합니다(검색할 때 나열된 첫 번째 노드는 소스이며 대상으로 나열된 버전을 선택해야 함).
- 노드 구성에서 기본 형식 JSON을 그대로 두고 작업 역할에 쓰기 권한이 있는 S3 URL을 입력합니다.
또한 데이터 출력을 카탈로그의 테이블로 사용할 수 있도록 합니다.
- . 데이터 카탈로그 업데이트 옵션 섹션에서 두 번째 옵션을 선택합니다. 데이터 카탈로그에 테이블 생성 및 후속 실행 시 스키마 업데이트 및 새 파티션 추가을 클릭한 다음 테이블 생성 권한이 있는 데이터베이스를 선택합니다.
- 양수인
alabama_claims
이름으로 선택 청구 날짜 파티션 키로 사용합니다(이는 설명을 위한 것입니다. 이와 같은 작은 테이블은 나중에 추가 데이터가 추가되지 않는 경우 실제로 파티션이 필요하지 않습니다). - 이제 작업을 저장하고 실행할 수 있습니다.
- 에 실행 탭에서 프로세스를 추적하고 작업 ID 링크를 사용하여 자세한 작업 지표를 볼 수 있습니다.
작업을 완료하는 데 몇 분 정도 걸립니다.
- 작업이 완료되면 Athena 콘솔로 이동합니다.
- 테이블 검색
alabama_claims
선택한 데이터베이스에서 상황에 맞는 메뉴를 사용하여 테이블 미리보기, 테이블에서 간단한 SELECT * SQL 문을 실행합니다.
작업 결과에서 데이터가 DataBrew 레시피에 의해 정리되고 AWS Glue Studio 조인에 의해 보강되었음을 확인할 수 있습니다.
Apache Spark는 AWS Glue Studio에서 생성된 작업을 실행하는 엔진입니다. 생성되는 이벤트 로그에서 Spark UI를 사용하여 작업 계획 및 실행에 대한 통찰력을 볼 수 있으므로 작업 수행 방식과 잠재적인 성능 병목 현상을 이해하는 데 도움이 될 수 있습니다. 예를 들어 대규모 데이터 세트에 대한 이 작업의 경우 이를 사용하여 조인을 수행하기 전에 공급자 상태를 명시적으로 필터링하는 효과를 비교하거나 병렬 처리를 개선하기 위해 자동 균형 변환을 추가하여 이점을 얻을 수 있는지 식별할 수 있습니다.
기본적으로 작업은 경로 아래에 Apache Spark 이벤트 로그를 저장합니다. s3://aws-glue-assets-<your account id>-<your region name>/sparkHistoryLogs/
. 작업을 보려면 다음을 사용하여 히스토리 서버를 설치해야 합니다. 가능한 방법 중 하나.
정리
이 솔루션이 더 이상 필요하지 않은 경우 Amazon S3에서 생성된 파일, 작업에서 생성된 테이블, DataBrew 레시피 및 AWS Glue 작업을 삭제할 수 있습니다.
결론
이 게시물에서는 AWS DataBrew를 사용하여 제공된 대화형 편집기를 사용하여 레시피를 빌드한 다음 게시된 레시피를 AWS Glue Studio 시각적 ETL 작업의 일부로 사용하는 방법을 보여주었습니다. 데이터 준비를 수행하고 데이터를 AWS Glue Catalog 테이블로 수집할 때 필요한 일반적인 작업의 몇 가지 예를 포함했습니다.
이 예에서는 시각적 작업에서 단일 레시피를 사용했지만 ETL 프로세스의 다른 부분에서 여러 레시피를 사용하고 여러 작업에서 동일한 레시피를 재사용할 수 있습니다.
이러한 AWS Glue 솔루션을 사용하면 코드를 작성하지 않고도 구축 및 유지 관리가 간편한 고급 ETL 파이프라인을 효과적으로 생성할 수 있습니다. 지금 바로 두 도구를 결합한 솔루션을 만들 수 있습니다.
저자 소개
미하일 스 미르 노프 AWS Glue 팀의 수석 소프트웨어 개발 엔지니어이자 AWS Glue DataBrew 개발 팀의 일원입니다. 일 외에는 기타를 배우고 가족과 함께 여행하는 것이 그의 관심사입니다.
곤잘로 헤레 로스 AWS Glue 팀의 선임 빅 데이터 아키텍트입니다. 아일랜드 더블린에 기반을 둔 그는 AWS Glue 기반의 빅 데이터 솔루션으로 고객의 성공을 돕습니다. 여가 시간에는 보드 게임과 자전거 타기를 즐깁니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/big-data/use-aws-glue-databrew-recipes-in-your-aws-glue-studio-visual-etl-jobs/
- :있다
- :이다
- :아니
- $UP
- 10
- 100
- 12
- 15%
- 20
- 200
- 22
- 26
- 28
- 500
- 7
- 8
- a
- 할 수 있는
- 소개
- 허용
- 접수
- ACCESS
- 계정
- 동작
- 실제
- 더하다
- 추가
- 첨가
- 또한
- 주소
- 많은
- 후
- 알라바마
- All
- 수
- 또한
- 아마존
- Amazon Web Services
- 금액
- an
- 애널리스트
- 및
- 어떤
- 아파치
- 아파치 스파크
- 어플리케이션
- 신청
- 있군요
- AS
- 관련
- At
- 저자
- 자동
- Automatic
- 가능
- AWS
- AWS 접착제
- 뒤로
- 기반으로
- BE
- 전에
- 존재
- 이익
- 혜택
- 큰
- 빅 데이터
- 공백
- 판
- 보드 게임
- 즐겨 찾기
- 두
- 돋보이게
- 브라우저
- 빌드
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- CAN
- 기능
- 케이스
- 목록
- 셀
- 중앙
- 이전 단계로 돌아가기
- 변경
- 문자
- 아이
- 선택
- 왼쪽 메뉴에서
- 청구
- 주장
- 암호
- 단
- 열
- 결합
- 오는
- 공통의
- 비교
- 완전한
- 구성 요소들
- 컴퓨터
- 조건
- 구성
- 고려
- 구성
- 콘솔에서
- 문맥
- 변하게 하다
- 변환
- 수정
- 동
- 비용
- 수
- 만들
- 만든
- 만들기
- 창조
- 관습
- 고객
- 데이터
- 데이터 준비
- 데이터 처리
- 데이터 품질
- 데이터베이스
- 데이터 세트
- 날짜
- 날짜
- 일
- 거래
- 결정하다
- 결정
- 태만
- 보여
- 설명
- 원하는
- 상세한
- 세부설명
- 데브
- 개발
- 개발팀
- DID
- 다른
- 뚜렷한
- 분포
- do
- 하지 않습니다
- 하기
- 달러
- 더블
- 드롭
- 더블린
- 마다
- 쉽게
- 편집자
- 효과
- 효과적으로
- 수
- end
- 엔진
- 기사
- 풍성한
- 우리의 영적인 행로를
- 엔터 버튼
- 오류
- 필수
- 에테르 (ETH)
- 평가
- 조차
- 이벤트
- 모든
- 매일
- 예
- 예
- 현존하는
- 여분의
- 추출물
- 가족
- 멀리
- 특징
- 를
- Fields
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- 채우기
- 필터링
- 필터링
- 최종적으로
- 먼저,
- 다음에
- 수행원
- 럭셔리
- 체재
- 에
- 추가
- Games
- 생성
- 주기
- 큰
- 있다
- he
- 도움
- 도움이
- 여기에서 지금 확인해 보세요.
- 그의
- history
- 방법
- How To
- 그러나
- HTML
- HTTP
- HTTPS
- IAM
- ID
- 확인
- 확인
- 통합 인증
- if
- 영향
- 개선
- 개량
- in
- 포함
- 포함
- 포함
- 표시된
- 입력
- 통찰력
- 설치
- 예
- 통합 된
- 완성
- 대화형
- 관심
- 이해
- 인터페이스
- 으로
- 소개
- 직관적인
- 아일랜드
- 문제
- IT
- 그
- 일
- 작업
- 어울리다
- 합류 한
- JPG
- JSON
- 다만
- 유지
- 키
- 지식
- 넓은
- 큰
- 가장 큰
- 성
- 후에
- 최근
- 배우기
- 휴가
- 처럼
- 아마도
- LINK
- 상장 된
- 하중
- 위치
- 논리
- 이상
- 유지하다
- 확인
- 제작
- 수동으로
- 경기
- 의료
- 메뉴
- 방법
- 방법
- 통계
- 분
- 누락
- 모니터
- 배우기
- 여러
- 절대로 필요한 것
- name
- 이동
- 카테고리
- 필요
- 필요
- 요구
- 신제품
- 아니
- 노드
- 알아채다..
- 지금
- 번호
- of
- on
- ONE
- 만
- 열 수
- 최적화
- 선택권
- 옵션
- or
- 주문
- 기타
- 우리의
- 출력
- 외부
- 위에
- 전체
- 빵
- 부품
- 부품
- 통로
- 성능
- 실행할 수 있는
- 허가
- 권한
- 계획
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연극
- 가능한
- 게시하다
- 가능성
- 준비
- 시사
- 미리
- 방법
- 처리
- 생산하다
- 프로젝트
- 속성
- 제공
- 공급자
- 제공
- 제공
- 출판기획 & 편집
- 게시
- 출판
- 목적
- 목적
- 품질
- 인용 부호
- 정말
- 합리적인
- 조리법
- 조리법
- 감소
- 반영
- 지방
- 등록
- 관련된
- 제거
- 교체
- 요청하신
- 필수
- 요구 사항
- 각기
- REST
- 결과
- 결과
- 재사용
- 리뷰
- 직위별
- 달리기
- 실행
- 같은
- 찜하기
- 규모
- 스케일링
- 검색
- 둘째
- 섹션
- 참조
- 보고
- 선택된
- 별도의
- 서비스
- 세션
- 세트
- 설정
- 영상을
- 보여
- 표시
- 기호
- 상당한
- 단순, 간단, 편리
- 단일
- 크기
- 작은
- So
- 지금까지
- 소프트웨어
- 해결책
- 솔루션
- 일부
- 출처
- 지우면 좋을거같음 . SM
- 스페이스 버튼
- 불꽃
- 특별한
- 구체적인
- 지정
- SQL
- 스타트
- 시작 중
- 주 정부
- 성명서
- 통계
- 단계
- 단계
- 저장
- 저장
- 똑 바른
- 끈
- 스튜디오
- 후속의
- 성공
- 이러한
- 적당한
- 개요
- 확인
- 인조
- 테이블
- 받아
- 목표
- 작업
- 팀
- 테스트
- 그
- XNUMXD덴탈의
- 소스
- 국가
- 그들
- 그때
- 그곳에.
- 이
- 세
- 시간
- 에
- 오늘
- 수단
- 검색을
- 상단
- 선로
- 변환
- 변환
- 변환
- 여행
- 두
- 유형
- ui
- 아래에
- 이해
- 업데이트
- 업데이트
- URL
- 쓸 수 있는
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용
- 사용
- 유효 기간
- 가치
- 마케팅은:
- 확인
- 버전
- 관측
- 눈에 보이는
- 필요
- 였다
- 방법
- we
- 웹
- 웹 서비스
- 잘
- 했다
- 언제
- 어느
- 의지
- 과
- 없이
- 작업
- 노동자
- 근로자
- 워크플로우
- 겠지
- 쓰다
- 쓰기
- 당신
- 너의
- 제퍼 넷
- 지퍼