이 게시물은 smava의 수석 데이터 설계자인 Alex Naumov가 공동 작성한 게스트 게시물입니다.
스마바 GmbH 독일 최고의 금융 서비스 회사 중 하나로서 소비자에게 개인 대출을 투명하고 공정하며 저렴한 가격으로 제공합니다. smava는 디지털 프로세스를 기반으로 20개가 넘는 은행의 대출 제안을 비교합니다. 이러한 방식으로 차용인은 빠르고 디지털화되었으며 효율적인 방식으로 자신에게 가장 유리한 거래를 선택할 수 있습니다.
smava는 시장 리더가 되기 위해 데이터 중심 의사결정을 믿고 활용합니다. 데이터 플랫폼 팀은 회사의 모든 부서와 지점에 데이터 제품을 제공하여 smava에서 데이터 기반 의사 결정을 지원하는 일을 담당합니다. 부서에는 엔지니어링부터 영업, 마케팅까지의 팀이 포함됩니다. 지점은 B2C 대출, B2B 대출, 이전에는 B2C 모기지 등 상품별로 다양합니다. 회사 내부에서 사용되는 데이터 제품에는 사용자 여정, 운영 보고서, 마케팅 캠페인 결과 등에서 얻은 통찰력이 포함됩니다. 데이터 플랫폼은 하루 평균 60만 건의 쿼리를 처리합니다. 데이터 볼륨은 비즈니스와 데이터 소스가 발전함에 따라 꾸준히 증가하면서 두 자릿수 TB에 달합니다.
smava의 데이터 플랫폼 팀은 다양한 SLA를 통해 이해관계자에게 데이터를 제공하는 동시에 비용 효율성을 유지하면서 확장 및 축소할 수 있는 유연성을 유지해야 하는 과제에 직면했습니다. 일일 보고를 생성하는 데 최대 3시간이 걸렸으며, 이는 하루 동안 재계산이 필요할 때 비즈니스 의사 결정에 영향을 미쳤습니다. 셀프 서비스 분석 속도를 높이고 데이터 기반 혁신을 촉진하려면 모든 팀이 분산된 방식으로 자체적으로 데이터 제품을 생성할 수 있는 방법을 제공하는 솔루션이 필요했습니다. 데이터 제품을 생성하고 관리하기 위해 smava는 다음을 사용합니다. 아마존 레드 시프트, 클라우드 데이터 웨어하우스.
이 게시물에서는 smava가 다음을 사용하여 데이터 플랫폼을 최적화한 방법을 보여줍니다. Amazon Redshift 서버리스 및 Amazon Redshift 데이터 공유 예측할 수 없는 워크로드에 대한 적절한 크기 조정 문제를 극복하고 가격 대비 성능을 더욱 향상시킵니다. 최적화를 통해 smava는 이전 분석 인프라에 비해 최대 50%의 비용 절감과 최대 XNUMX배 빠른 보고서 생성을 달성했습니다.
솔루션 개요
데이터 중심 회사인 smava는 AWS 클라우드를 사용하여 분석 사용 사례를 강화합니다. 고객에게 최고의 거래와 사용자 경험을 제공하기 위해 smava는 다음을 따릅니다. 현대 데이터 아키텍처 확장 가능하고 내구성이 뛰어난 데이터 저장소인 데이터 레이크와 분석 처리 및 데이터 소비를 위해 특별히 구축된 데이터 저장소라는 원칙을 따릅니다.
smava는 다양한 외부 및 내부 데이터 소스의 데이터를 데이터 레이크의 랜딩 단계로 수집합니다. 아마존 단순 스토리지 서비스 (아마존 S3). 데이터를 수집하기 위해 smava는 사용자 정의 스크립트로 보완된 인기 있는 타사 고객 데이터 플랫폼 세트를 사용합니다.
데이터가 Amazon S3에 도착한 후 smava는 AWS 접착제 데이터 카탈로그 및 크롤러 사용 가능한 데이터를 자동으로 카탈로그화하고, 메타데이터를 캡처하고, 모든 데이터 자산을 쿼리할 수 있는 인터페이스를 제공합니다.
데이터 레이크의 원시 자산에 액세스해야 하는 데이터 분석가는 아마존 아테나, 임시 쿼리를 사용한 탐색을 위한 서버리스 대화형 분석 서비스입니다. 조직 전체의 모든 부서에서 다운스트림 소비를 위해 smava의 데이터 플랫폼 팀은 다음과 같은 선별된 데이터 제품을 준비합니다. 추출, 로드 및 변환 (ELT) 패턴. smava는 Amazon Redshift를 클라우드 데이터 웨어하우스로 사용하여 데이터를 변환, 저장 및 분석하고 아마존 레드시프트 스펙트럼 SQL을 사용하여 데이터 레이크에서 정형 및 반정형 데이터를 효율적으로 쿼리하고 검색합니다.
스마바는 다음을 따른다 데이터 저장소 모델링 최종 소비자를 위한 데이터 제품을 준비하기 위해 Raw Vault, Business Vault 및 Data Mart 단계를 갖춘 방법론을 제공합니다. Raw Vault는 데이터 소스에서 직접 로드된 개체를 설명하고 데이터 레이크의 랜딩 단계 복사본을 나타냅니다. Business Vault는 Raw Vault에서 가져온 데이터로 채워지며 비즈니스 규칙에 따라 변환됩니다. 마지막으로 데이터는 특정 비즈니스 라인을 지향하는 특정 데이터 제품으로 집계됩니다. 이것이 데이터 마트 단계. 이제 Business Vault 및 Data Mart 단계의 데이터 제품을 소비자가 사용할 수 있습니다. smava는 비즈니스 인텔리전스, 데이터 시각화 및 추가 분석을 위해 Tableau를 사용하기로 결정했습니다. 데이터 변환은 다음을 통해 관리됩니다. DBT 워크플로우 거버넌스와 팀 협업을 단순화합니다.
다음 다이어그램은 최적화 전의 상위 수준 데이터 플랫폼 아키텍처를 보여줍니다.
데이터 플랫폼 요구사항의 진화
smava는 세 가지 데이터 단계를 모두 호스팅하기 위해 단일 Redshift 클러스터로 시작되었습니다. 그들은 프로비저닝된 클러스터 노드를 선택했습니다. RA3형 과 예약 인스턴스(RI) 비용 최적화를 위해. 데이터 볼륨이 전년 대비 53% 증가함에 따라 다양한 분석 워크로드의 복잡성과 요구 사항도 증가했습니다.
smava는 클러스터 크기를 적절하게 조정하고 다음을 사용하여 증가하는 데이터 볼륨을 신속하게 처리했습니다. Amazon Redshift 동시성 확장 최대 작업 부하를 위해. 또한 smava는 모든 팀에게 셀프 서비스 방식으로 자체 데이터 제품을 생성하여 혁신 속도를 높일 수 있는 옵션을 제공하고자 했습니다. 중앙에서 관리되는 데이터 제품에 대한 간섭을 방지하려면 분산형 제품 개발 환경을 엄격하게 격리해야 했습니다. 데이터 플랫폼 팀이 선별한 다양한 제품 단계를 격리하는 데에도 동일한 요구 사항이 적용되었습니다.
데이터 공유 및 Redshift Serverless를 통한 아키텍처 최적화
진화된 요구 사항을 충족하기 위해 smava는 프로비저닝된 단일 Redshift 클러스터를 여러 데이터 웨어하우스로 분할하여 워크로드를 분리하기로 결정했습니다. 각 웨어하우스는 서로 다른 단계를 담당합니다. 또한 smava는 기존 제품 파이프라인을 방해할 위험 없이 새로운 데이터 제품을 개발하기 위해 Business Vault에 새로운 스테이징 환경을 추가했습니다. 데이터 플랫폼 팀의 중앙 관리 데이터 제품에 대한 간섭을 피하기 위해 smava는 추가 Redshift 클러스터를 도입하여 분산형 워크로드를 격리했습니다.
smava는 복잡한 데이터 복제 파이프라인을 관리하지 않고도 워크로드 격리를 달성할 수 있는 즉시 사용 가능한 솔루션을 찾고 있었습니다.
출시 직후 Redshift 데이터 공유 2021년에 기능을 갖추게 되면서 데이터 플랫폼팀은 이것이 그들이 찾고 있던 솔루션임을 인식했습니다. smava는 생산자 클러스터의 데이터를 서로 다른 소비자 클러스터에서 읽기 액세스에 사용할 수 있도록 데이터 공유 기능을 채택했으며, 각 소비자 클러스터는 서로 다른 단계를 제공합니다.
Redshift 데이터 공유를 사용하면 데이터를 복사할 필요 없이 Redshift 클러스터 전체에서 즉각적이고 세부적이며 빠른 데이터 액세스가 가능합니다. 데이터 웨어하우스에 업데이트되는 대로 사용자가 항상 최신의 일관된 정보를 볼 수 있도록 데이터에 대한 실시간 액세스를 제공합니다. 데이터 공유를 사용하면 동일하거나 다른 AWS 계정 및 지역 전체에 있는 Redshift 클러스터와 라이브 데이터를 안전하게 공유할 수 있습니다.
Redshift 데이터 공유를 통해 smava는 데이터를 복제할 필요 없이 데이터 워크로드를 개별 소비자 클러스터로 분리하여 데이터 아키텍처를 최적화할 수 있었습니다. 다음 다이어그램은 단일 Redshift 클러스터를 여러 클러스터로 분할한 후의 상위 수준 데이터 플랫폼 아키텍처를 보여줍니다.
셀프 서비스 데이터 마트를 제공함으로써 smava는 사용자에게 데이터의 모든 측면에 대한 액세스를 제공함으로써 데이터 민주화를 높였습니다. 또한 데이터 검색, 임시 분석, 프로토타입 제작 및 성숙한 데이터 제품의 전체 수명주기 운영을 위한 일련의 맞춤형 도구를 팀에 제공했습니다.
개별 클러스터에서 운영 데이터를 수집한 후 데이터 플랫폼 팀은 추가적인 잠재적 최적화를 식별했습니다. Raw Vault 클러스터는 연중무휴 24시간 안정적인 로드를 받았지만 Business Vault 클러스터는 밤에만 업데이트되었습니다. 비용을 최적화하기 위해 smava는 다음을 사용했습니다. 일시 중지 및 재개 기능 Redshift 프로비저닝된 클러스터의 수입니다. 이러한 기능은 특정 시간에 사용 가능해야 하는 클러스터에 유용합니다. 클러스터가 일시 중지되는 동안 주문형 청구가 일시 중지됩니다. 클러스터의 스토리지에만 요금이 부과됩니다.
일시 중지 및 재개 기능은 smava가 비용을 최적화하는 데 도움이 되었지만 클러스터 작업을 트리거하려면 추가 운영 오버헤드가 필요했습니다. 또한 개발 클러스터는 근무 시간 동안 유휴 시간을 유지했습니다. 이러한 문제는 2022년 Redshift Serverless를 채택함으로써 마침내 해결되었습니다. Data Platform 팀은 Business Data Vault 단계 클러스터를 Redshift Serverless로 이전하기로 결정했습니다. 이를 통해 데이터 웨어하우스는 사용 중일 때만 안정적이고 효율적으로 비용을 지불할 수 있습니다.
Redshift Serverless는 가변적인 워크로드, 유휴 시간이 있는 주기적인 워크로드, 급증하는 안정적인 상태의 워크로드 등 컴퓨팅 요구 사항을 예측하기 어려운 경우에 이상적입니다. 또한 새로운 워크로드와 더 많은 동시 사용자로 인해 사용량 수요가 증가함에 따라 Redshift Serverless는 적절한 컴퓨팅 리소스를 자동으로 프로비저닝하고 데이터 웨어하우스는 수동 개입 없이 원활하고 자동으로 확장됩니다. Redshift Serverless와 RA3 노드가 있는 프로비저닝된 Redshift 클러스터 간에 양방향으로 데이터 공유가 지원되므로 smava 아키텍처를 변경할 필요가 없습니다. 다음 다이어그램은 Redshift Serverless로 이동한 후의 개략적인 아키텍처 설정을 보여줍니다.
smava는 트렁크 기반 개발 방법론을 채택하여 원활한 CI/CD 파이프라인을 통해 Redshift Serverless와 dbt의 이점을 결합했습니다. Git 리포지토리의 변경 사항은 자동으로 테스트 단계에 배포되고 자동화된 통합 테스트를 통해 검증됩니다. 이 접근 방식은 개발자의 효율성을 높이고 평균 생산 시간을 며칠에서 몇 분으로 단축했습니다.
smava는 워크로드를 격리하기 위한 데이터 공유 기능과 함께 프로비저닝된 Redshift 데이터 웨어하우스와 서버리스 Redshift 데이터 웨어하우스를 모두 활용하는 아키텍처를 채택했습니다. 필요에 맞는 올바른 아키텍처 패턴을 선택함으로써 smava는 다음을 달성할 수 있었습니다.
- 데이터 파이프라인을 단순화하고 운영 오버헤드를 줄입니다.
- 기능 출시 시간을 며칠에서 몇 분으로 단축
- 유휴 시간을 줄이고 워크로드 크기를 적절하게 조정하여 가격 대비 성능을 높입니다.
- 원래 설정 비용의 50%로 최대 XNUMX배 더 빠른 보고서 생성(더 빠른 계산 및 더 높은 병렬화)을 달성합니다.
- 데이터에 대한 액세스를 민주화하여 모든 부서의 민첩성을 높이고 데이터 중심 의사결정을 지원합니다.
- 모든 부서의 팀에 셀프 서비스 데이터 기능을 공개하고 전체 고객 여정을 포괄하는 A/B 테스트 기능을 강화하여 혁신 속도를 높입니다.
이제 smava의 모든 부서는 사용 가능한 데이터 제품을 사용하여 데이터 기반의 정확하고 민첩한 결정을 내리고 있습니다.
미래 비전
앞으로도 smava는 운영 지표를 기반으로 데이터 플랫폼을 지속적으로 최적화할 계획입니다. 그들은 셀프 서비스 데이터 마트 클러스터와 같이 더 많이 프로비저닝된 클러스터를 서버리스로 전환하는 것을 고려하고 있습니다. 또한 smava는 실행할 병렬 데이터 파이프라인 수를 늘리기 위해 ELT 오케스트레이션 도구 체인을 최적화하고 있습니다. 이를 통해 프로비저닝된 Redshift 리소스의 활용도가 높아지고 비용이 절감됩니다.
데이터 제품 생성을 위한 분산형 셀프 서비스의 도입으로 smava는 데이터 메쉬 아키텍처. 앞으로 데이터 플랫폼 팀은 서비스 사용자의 요구 사항을 추가로 평가하고 연합 데이터 거버넌스와 같은 추가 데이터 메시 원칙을 확립할 계획입니다.
결론
이 게시물에서는 smava가 Redshift Serverless 및 데이터 공유 기능을 사용하여 환경과 워크로드를 격리하여 데이터 플랫폼을 최적화하는 방법을 보여주었습니다. 이러한 Redshift 환경은 인프라와 잘 통합되어 있고 필요에 따라 유연하게 확장할 수 있으며 가용성이 높으며 최소한의 관리 노력이 필요합니다. 전반적으로 smava는 성능을 50배 향상시키는 동시에 총 플랫폼 비용을 XNUMX% 줄였습니다. 또한 보고서 생성 시간에 대한 기존 SLA를 유지하면서 운영 오버헤드를 최소한으로 줄였습니다. 또한 smava는 셀프 서비스 데이터 제품 기능을 제공하여 출시 기간을 단축함으로써 혁신 문화를 강화했습니다.
Amazon Redshift 기능에 대해 자세히 알아보고 싶다면 최신 동영상을 시청하는 것이 좋습니다. AWS 이벤트 채널의 Amazon Redshift 세션에 대한 새로운 소식 최근 서비스에 추가된 기능에 대한 개요를 확인하세요. 다음을 탐색할 수도 있습니다. 셀프 서비스 실습 Amazon Redshift 랩 안내에 따라 주요 Amazon Redshift 기능을 실험합니다.
더 자세히 알아볼 수도 있습니다. Redshift 서버리스 사용 사례 및 데이터 공유 사용 사례. 추가적으로, 데이터 공유 모범 사례 그리고 방법을 발견 Redshift 데이터 공유를 통해 비용 및 성능에 최적화된 다른 고객 자신의 작업 부하에 대한 영감을 얻으세요.
책을 선호한다면 확인해 보세요. Amazon Redshift: O'Reilly의 최종 가이드에서 저자는 Amazon Redshift의 기능을 자세히 설명하고 해당 패턴과 기술에 대한 통찰력을 제공합니다.
저자에 관하여
알렉스 나우모프 smava GmbH의 수석 데이터 설계자이며 데이터 부서에서 변환 프로젝트를 이끌고 있습니다. Alex는 이전에 다양한 국가에서 다양한 기술 스택을 사용하여 통신, 은행, 에너지, 금융 등 다양한 도메인에서 컨설턴트 및 데이터/솔루션 설계자로 10년 동안 근무했습니다. 그는 데이터에 대한 큰 열정을 갖고 있으며, 조직을 데이터 기반으로 전환하고 업무에서 최고가 되도록 변화시키고 있습니다.
정 링리 AWS 전 세계 전문 조직에서 비즈니스 개발 관리자로 일하며 DACH 지역 고객이 Amazon 분석 서비스를 최대한 활용할 수 있도록 지원합니다. 데이터 분석, AI, ML을 중심으로 에너지, 자동화, 소프트웨어 산업 분야에서 12년 이상의 경험을 보유한 그녀는 고객이 디지털 혁신을 통해 실질적인 비즈니스 성과를 달성할 수 있도록 돕는 데 전념하고 있습니다.
알렉산더 스피박 AWS의 수석 스타트업 솔루션 아키텍트로서 EMEA North 전역의 B2B ISV 고객을 담당하고 있습니다. AWS 이전에 Alexander는 소프트웨어 개발 및 아키텍처의 다양한 역할을 포함하여 금융 서비스 계약에서 컨설턴트로 일했습니다. 그는 데이터 분석, 서버리스 아키텍처 및 효율적인 조직 구축에 열정을 갖고 있습니다.
이 게시물은 수석 분석 솔루션 설계자인 David Greenshtein이 기술적 정확성을 검토했습니다.
- 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. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/big-data/how-smava-makes-loans-transparent-and-affordable-using-amazon-redshift-serverless/
- :있다
- :이다
- :어디
- $UP
- 10
- 100
- 12
- 125
- 20
- 2021
- 2022
- 60
- a
- 할 수 있는
- 소개
- ACCESS
- 데이터에 액세스
- 달성
- 에 따르면
- 계정
- 정확한
- 달성
- 달성
- 가로질러
- Ad
- 추가
- 또한
- 추가
- 또한
- 해결 된
- 관리
- 채택
- 채택
- 이점
- 저렴한
- 후
- 기민한
- AI
- 알렉스
- 알렉산더
- All
- 수
- 수
- 또한
- 항상
- 아마존
- Amazon Web Services
- 중
- an
- 분석
- 애널리스트
- 분석
- 분석
- 분석
- 분석하다
- 및
- 어떤
- 적용된
- 접근
- 건축
- 아키텍처
- 있군요
- AS
- 측면
- 자산
- At
- 저자
- 작성자
- 자동화
- 자동적으로
- 자동화
- 가능
- 평균
- 피하기
- AWS
- B2B
- B2C
- 은행
- 은행
- 기반으로
- BE
- 가
- 된
- 전에
- 생각
- 혜택
- BEST
- 사이에
- 청구
- 블로그
- 도서
- 차용자
- 두
- 가지
- 가져
- 사업
- 사업 개발
- 비즈니스 인텔리전스
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 운동
- CAN
- 기능
- 능력
- 포착
- 가지 경우
- 목록
- 도전
- 과제
- 변경
- 요금
- 검사
- 왼쪽 메뉴에서
- 선택
- 선택
- 클라우드
- 클러스터
- 협동
- 수집
- 결합 된
- 기업
- 회사
- 비교
- 완전한
- 복잡한
- 복잡성
- 계산
- 병발 사정
- 치고는
- 일관된
- 컨설턴트
- 소비자
- 소비자
- 소비
- 계속
- 동
- 비용
- 비용 절감
- 비용
- 국가
- 엄호
- 만들
- 만들기
- 창조
- 문화
- 기획
- 관습
- 고객
- 고객 데이터
- 고객
- 매일
- 데이터
- 데이터 액세스
- 데이터 분석
- 데이터 레이크
- 데이터 플랫폼
- 데이터 공유
- 데이터 시각화
- 데이터웨어 하우스
- 데이터웨어 하우스
- 데이터 중심
- 데이비드
- 일
- 일
- 패키지 딜
- 분산 된
- 결정된
- 의사 결정
- 결정
- 감소한
- 전용
- 깊이
- 결정적인
- 배달하다
- 수요
- 민주화
- 민주화
- 학과
- 부서
- 배포
- 세부 묘사
- 개발
- 개발자
- 개발
- DID
- 다른
- 어려운
- 디지털
- 디지털 전환
- 사용법
- 직접
- 발견
- 발견
- 잠수
- do
- 도메인
- 아래 (down)
- ...동안
- 마다
- 효율성
- 효율적인
- 효율적으로
- 노력
- EMEA
- 수
- end
- 에너지
- 계약
- 엔지니어링
- 환경
- 세우다
- 에테르 (ETH)
- 평가
- 이벤트
- 진화시키다
- 진화
- 진화하다
- 현존하는
- 경험
- 실험
- 탐구
- 탐험
- 외부
- 직면
- 공정한
- FAST
- 빠른
- 유리한
- 특색
- 특징
- 최종적으로
- 재원
- 금융
- 금융 서비스
- 유연성
- 융통성있는
- 초점
- 초점
- 수행원
- 다음
- 럭셔리
- 소비자 용
- 전에
- 앞으로
- 기르다
- 에
- 가득 찬
- 기능성
- 추가
- 게다가
- 미래
- 생성
- 세대
- 독일
- 얻을
- 힘내
- 주기
- GMBH
- 통치
- 큰
- 성장
- 성장하는
- 성장
- 손님
- 고객 포스트
- 안내
- 안내를받은
- 했다
- 손 -에
- 발생
- 있다
- 데
- he
- 도움
- 도움이
- 고수준
- 더 높은
- 고도로
- 주인
- 진료 시간
- 방법
- HTML
- HTTPS
- 이상
- 확인
- 유휴
- 설명하다
- 영향
- 개선
- in
- 포함
- 포함
- 증가
- 증가
- 개인
- 산업
- 정보
- 인프라
- 혁신
- 내부
- 통찰력
- 영감
- 인스턴스
- 즉시
- 통합 된
- 완성
- 인텔리전스
- 대화형
- 관심있는
- 인터페이스
- 간섭
- 간섭
- 내부의
- 개입
- 으로
- 소개
- 소개
- 개요
- 외딴
- 격리
- isv
- IT
- Journeys
- 키
- 소금물
- 상륙
- 토지
- 시작
- 리더
- 지도
- 오퍼
- 배우기
- wifecycwe
- 처럼
- 라인
- 살고있다
- 라이브 데이터
- 하중
- 차관
- 융자
- 찾고
- 만든
- 유지
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 매니저
- 관리
- 태도
- 조작
- .
- 시장
- 시장 리더
- 마케팅
- 성숙한
- 소개
- 조화
- 메타 데이터
- 방법론
- 통계
- 최저한의
- 분
- ML
- 배우기
- 또한
- 대출
- 가장
- 움직임
- 여러
- 즉
- 필요
- 필요
- 요구
- 신제품
- 아니
- 노드
- North
- 지금
- 번호
- 사물
- of
- 제공
- on
- 온디맨드
- ONE
- 만
- 운영
- 운영
- 행정부
- 최적화
- 최적화
- 최적화
- 최적화
- 선택권
- or
- 오케스트레이션
- 주문
- 조직
- 조직
- 실물
- 기타
- 기타
- 아웃
- 위에
- 전체
- 극복하다
- 개요
- 자신의
- 평화
- 평행
- 열정
- 열렬한
- 무늬
- 패턴
- 중지
- 일시 중지 된
- 지불
- 피크 (캐노피 지붕쪽)
- 용
- 성능
- 주기
- 확인
- 개인 융자
- 관로
- 계획
- 플랫폼
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 인기 문서
- 인구가 많은
- 게시하다
- 가능성
- 힘
- 예측
- 취하다
- Prepare
- 준비하다
- 너무 이른
- 이전에
- 교장
- 원칙
- 이전에
- 프로세스
- 처리
- 제작자
- 프로덕트
- 방열판 열 관리용
- 생산
- 제품
- 프로젝트
- 프로토 타입
- 제공
- 제공
- 제공
- 제공
- 쿼리
- 빨리
- 범위
- 살갗이 벗어 진
- 읽기
- 최근
- 최근에
- 인정
- 권하다
- 감소
- 감소
- 감소
- 감소
- 지방
- 지역
- 공개
- 남은
- 복제
- 신고
- 통계 보고서
- 보고서
- 저장소
- 대표
- 필요
- 필수
- 요구 사항
- 요구조건 니즈
- 제품 자료
- 책임
- 결과
- 이력서
- 검토
- 연락해주세요
- 위험
- 역할
- 규칙
- 달리기
- 판매
- 영업 및 마케팅
- 같은
- 저금
- 확장성
- 규모
- 저울
- 스케일링
- 스크립트
- 원활한
- 완벽하게
- 안전하게
- 참조
- 셀프 서비스
- 연장자
- 별도의
- 분리
- 서버리스
- 봉사하다
- 서비스
- 서비스
- 피복재
- 세션
- 세트
- 설치
- 공유
- 공유
- 그녀
- 표시
- 보여
- 쇼
- 단순, 간단, 편리
- 단순화
- 단일
- So
- 소프트웨어
- 소프트웨어 개발
- 해결책
- 솔루션
- 해결
- 소싱
- 지우면 좋을거같음 . SM
- 전문가
- 구체적인
- 속도
- 스파이크
- SQL
- 스택
- 단계
- 단계
- 각색
- 이해 관계자
- 시작
- 시작
- 숙박
- 침착 한
- 단계
- 저장
- 저장
- 상점
- 강화
- 강화
- 구조화
- 제목
- 이러한
- SUPPORT
- 지원
- 지원
- 정지
- Tableau
- 소요
- 명백한
- 팀
- 팀
- 기술
- 테크니컬
- 기법
- 통신
- test
- 테스트
- 보다
- 그
- XNUMXD덴탈의
- 미래
- 그들의
- 그들
- Bowman의
- 그들
- 타사
- 이
- 그
- 천
- 세
- 을 통하여
- 시간
- 시대
- 에
- 함께
- 했다
- 검색을
- 금액
- 에 대한
- 변환
- 변환
- 변환
- 변환
- 변화
- 투명한
- 트리거
- 아래에
- 예측할 수
- 최신의
- 업데이트
- 용법
- 사용
- 익숙한
- 사용자
- 사용자 경험
- 사용자
- 사용
- 사용
- 이용하다
- 검증 된
- 가치
- 변수
- 종류
- 여러
- 둥근 천장
- 심상
- 음량
- 볼륨
- 원
- 창고
- 였다
- 시청
- 방법..
- 방법
- we
- 웹
- 웹 서비스
- 잘
- 했다
- 뭐
- 언제
- 어느
- 동안
- 누구
- 넓은
- 위키 백과
- 의지
- 과
- 없이
- 일
- 워크플로우
- 일하는
- 근로 시간
- 일
- 워크숍
- 전세계적인
- year
- 년
- 당신
- 너의
- 유튜브
- 제퍼 넷