Google Cloud 실시간 인텔리전스 워크숍에 참여하여 스트리밍, AI, 빠른 배치를 실습해 보세요. 여기에서 등록하세요.
바로 이동
Pub/Sub

Pub/Sub

BigQuery, 데이터 레이크, 운영 데이터베이스로 스트리밍하기 위한 이벤트를 수집합니다.

신규 고객에게는 Pub/Sub에 사용할 수 있는 $300의 무료 크레딧이 제공됩니다. 모든 고객에게는 메시지를 수집 또는 전달할 수 있는 월 최대 10GB가 무료로 제공되며 크레딧이 차감되지 않습니다.

  • Dataflow로 분석 이벤트를 수집하여 BigQuery로 스트리밍

  • 노옵스(no-ops), 보안, 확장형 메시징 또는 큐 시스템

  • 가져오기 및 내보내기 모드를 통한 순서 및 순서에 관계없이 최소 1회 메시지 전송

  • 세분화된 액세스 제어 및 상시 사용 설정 암호화를 통한 데이터 보호

이점

고가용성을 통한 시스템 간소화

동기식 영역 간 메시지 복제 및 메시지당 수신 추적으로 규모에 상관없이 안정적인 전송을 보장합니다.

계획이 필요 없는 완전 자동

파티션이 없는 자동 확장 및 자동 프로비저닝은 계획이 필요 없으며 첫날부터 워크로드의 프로덕션이 가능합니다.

실시간 데이터 시스템을 위한 손쉬운 개방형 기반

BigQuery, 데이터 레이크, 운영 데이터베이스에 피드를 제공하는 실시간 및 일괄 파이프라인의 진입점으로 볼륨에 관계없이 신속하고 안정적으로 소규모 레코드를 연결합니다. Dataflow의 ETL/ELT 파이프라인에서 사용할 수 있습니다.    

주요 특징

주요 특징

스트림 분석 및 커넥터

기본 Dataflow 통합을 통해 자바, Python, SQL의 이벤트 스트림을 안정적이고 표현력 있게 단 한 번에 처리 및 통합할 수 있습니다.

순서에 따라 규모에 맞게 전송

선택사항인 키당 주문은 파티션을 필요로 하지 않으므로 수평적 확장을 그대로 유지하면서 스테이트풀(Stateful) 애플리케이션 로직을 간소화합니다.

Pub/Sub 라이트의 비용 최적화된 수집

Pub/Sub 라이트는 Pub/Sub를 보완하면서 가장 경제적인 비용으로 대용량 이벤트를 수집하는 것을 목표로 합니다. Pub/Sub 라이트는 리전 또는 영역별 스토리지를 제공하여 용량 관리가 가능합니다.

모든 특징 보기

문서

문서

Google Cloud 기본사항

Pub/Sub란 무엇인가요?

핵심 개념과 메시지 흐름에서 일반적인 사용 사례와 통합에 이르기까지 Pub/Sub의 포괄적인 개요를 확인해 보세요.
튜토리얼

Pub/Sub 소개

Google Cloud 프로젝트에서 Pub/Sub를 사용 설정하고, Pub/Sub 주제 및 구독을 만들고, 메시지를 게시하고 구독으로 가져오는 방법을 알아봅니다.
빠른 시작

빠른 시작: 클라이언트 라이브러리 사용

Pub/Sub 서비스를 통해 애플리케이션에서 안정적이고 신속하며 비동기식으로 메시지를 주고받을 수 있는 방법을 알아보세요.
튜토리얼

순서에 따른 메시지 전송

확장 가능한 메시지 순서의 작동 방식과 사용 시점에 대해 알아보세요.
튜토리얼

Pub/Sub 또는 Pub/Sub 라이트 중 선택

두 가지 옵션을 최대한 활용하는 방법을 알아보세요.
빠른 시작

빠른 시작: Dataflow를 사용한 스트림 처리

Dataflow를 사용하여 Pub/Sub 주제에 게시된 메시지를 읽고, 타임스탬프로 메시지의 기간을 설정하고, Cloud Storage에 메시지를 작성하는 방법을 알아보세요.
튜토리얼

가이드: 주제에 메시지 게시

데이터를 포함하는 메시지를 만들고 Pub/Sub 서버에 요청을 보내 원하는 주제에 메시지를 게시하는 방법을 알아봅니다.

원하는 내용을 찾을 수 없으신가요?

사용 사례

사용 사례

사용 사례
스트림 분석

Google의 스트림 분석을 사용하면 데이터를 체계적으로 정리하여 유용하게 사용할 수 있을 뿐만 아니라 데이터가 생성되는 즉시 활용할 수 있습니다. Dataflow, BigQuery, Pub/Sub를 기반으로 구축된 Google의 스트리밍 솔루션은 실시간 비즈니스 정보를 얻기 위해 볼륨 변동이 심한 실시간 데이터를 수집, 처리, 분석하는 데 필요한 리소스를 프로비저닝합니다. 이렇게 추상화된 프로비저닝 덕분에 복잡성이 줄어들고 데이터 분석가와 데이터 엔지니어가 모두 스트림 분석을 이용할 수 있습니다.