Submit Search
Log design
2 likes
•
1,313 views
Soo-Kyung Choi
로그 설계 시 고려할 사항에 대하여 정리해보았습니다.
Data & Analytics
Read more
1 of 11
Download now
Download to read offline
1
2
3
4
5
6
Most read
7
Most read
8
9
10
11
Most read
More Related Content
PDF
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
Dylan Ko
PPTX
로그 기깔나게 잘 디자인하는 법
Jeongsang Baek
PDF
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
Dylan Ko
PDF
인공지능추천시스템 airs개발기_모델링과시스템
NAVER D2
PDF
Spark + S3 + R3를 이용한 데이터 분석 시스템 만들기
AWSKRUG - AWS한국사용자모임
PDF
[236] 카카오의데이터파이프라인 윤도영
NAVER D2
PDF
Massive service basic
DaeMyung Kang
PDF
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
Hyojun Jeon
[우리가 데이터를 쓰는 법] 모바일 게임 로그 데이터 분석 이야기 - 엔터메이트 공신배 팀장
Dylan Ko
로그 기깔나게 잘 디자인하는 법
Jeongsang Baek
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)
Dylan Ko
인공지능추천시스템 airs개발기_모델링과시스템
NAVER D2
Spark + S3 + R3를 이용한 데이터 분석 시스템 만들기
AWSKRUG - AWS한국사용자모임
[236] 카카오의데이터파이프라인 윤도영
NAVER D2
Massive service basic
DaeMyung Kang
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유
Hyojun Jeon
What's hot
(20)
PDF
webservice scaling for newbie
DaeMyung Kang
PDF
How to build massive service for advance
DaeMyung Kang
PDF
TF에서 팀 빌딩까지 9개월의 기록 : 성장하는 조직을 만드는 여정
Seongyun Byeon
PDF
Data Engineering 101
DaeMyung Kang
PDF
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
Minwoo Kim
PDF
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유 (2부)
Hyojun Jeon
PPTX
4. 대용량 아키텍쳐 설계 패턴
Terry Cho
PDF
데이터가 흐르는 조직 만들기 - 마이리얼트립
승화 양
PDF
Amazon Redshift로 데이터웨어하우스(DW) 구축하기
Amazon Web Services Korea
PDF
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
Dylan Ko
PDF
글쓰는 개발자 모임, 글또
Seongyun Byeon
PDF
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
Seongyun Byeon
PDF
개발자를 위한 (블로그) 글쓰기 intro
Seongyun Byeon
PPTX
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
승화 양
PDF
스타트업 사례로 본 로그 데이터 분석 : Tajo on AWS
Matthew (정재화)
PDF
서비스 기획자를 위한 데이터분석 시작하기
승화 양
PDF
데이터는 차트가 아니라 돈이 되어야 한다.
Yongho Ha
PPTX
글로벌 기업들의 효과적인 데이터 분석을 위한 Data Lake 구축 및 분석 사례 - 김준형 (AWS 솔루션즈 아키텍트)
Amazon Web Services Korea
PDF
쿠키런 1년, 서버개발 분투기
Brian Hong
PDF
데이터 분석 프로젝트 관리 방법론
Dennis Lee
webservice scaling for newbie
DaeMyung Kang
How to build massive service for advance
DaeMyung Kang
TF에서 팀 빌딩까지 9개월의 기록 : 성장하는 조직을 만드는 여정
Seongyun Byeon
Data Engineering 101
DaeMyung Kang
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)
Minwoo Kim
[NDC18] 야생의 땅 듀랑고의 데이터 엔지니어링 이야기: 로그 시스템 구축 경험 공유 (2부)
Hyojun Jeon
4. 대용량 아키텍쳐 설계 패턴
Terry Cho
데이터가 흐르는 조직 만들기 - 마이리얼트립
승화 양
Amazon Redshift로 데이터웨어하우스(DW) 구축하기
Amazon Web Services Korea
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표
Dylan Ko
글쓰는 개발자 모임, 글또
Seongyun Byeon
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편
Seongyun Byeon
개발자를 위한 (블로그) 글쓰기 intro
Seongyun Byeon
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
승화 양
스타트업 사례로 본 로그 데이터 분석 : Tajo on AWS
Matthew (정재화)
서비스 기획자를 위한 데이터분석 시작하기
승화 양
데이터는 차트가 아니라 돈이 되어야 한다.
Yongho Ha
글로벌 기업들의 효과적인 데이터 분석을 위한 Data Lake 구축 및 분석 사례 - 김준형 (AWS 솔루션즈 아키텍트)
Amazon Web Services Korea
쿠키런 1년, 서버개발 분투기
Brian Hong
데이터 분석 프로젝트 관리 방법론
Dennis Lee
Ad
Similar to Log design
(20)
PDF
WzDat과 Pandas를 통한 로그 데이터 분석
정주 김
PDF
주니어 개발자의 서버 로그 관리 개선기
Yeonhee Kim
PDF
기술6기 3조
Kangwook Lee
PPTX
Log Design Case Study
Dataya Nolja
PDF
Log parser&webshell detection
Ilsun Choi
PDF
[NDC2014]쉽게 따라 할 수있는 "꽤" 훌륭한 유저 동향 분석 시스템
Hoyeon Kim
PDF
웹 애플리케이션 로그 분석 - REAL-TIME INSIGHT SOLUTION
KOPENS .Inc
PDF
RealDisplay Platform 으로 구현하는 REAL-TIME 로그 분석 및 관리 솔루션 소개
Lee Sangboo
PDF
NDC 2016, [슈판워] 맨땅에서 데이터 분석 시스템 만들어나가기
Wonha Ryu
PDF
[H3 2012] 로그속 사용자 발자국 들여다보기
KTH, 케이티하이텔
PDF
Security Intelligence by log analysis, A3-SMS 2012
Korea University
PDF
빅데이터와 보안
Myounghun Kang
PDF
김현섭 Portfolio [Web Developer Beginner]
KIM HYUNSUP
PDF
Intro KaKao ADT (Almighty Data Transmitter)
I Goo Lee
PDF
InterfaceDesign_6th.Lecture.InformationArchitecture_1.pdf 자료
Judy Kwon
PDF
[오픈소스컨설팅]Day #3 MySQL Monitoring, Trouble Shooting
Ji-Woong Choi
PPTX
넥슨레드 RF실과 함께할 개발자를 찾습니다
NEXON RED
PDF
5th.Lecture.Purpose.of.Project.pdf
Judy Kwon
PDF
My sql특징 정리
parktaesoon
PDF
AtoM 튜토리얼
Daejin An
WzDat과 Pandas를 통한 로그 데이터 분석
정주 김
주니어 개발자의 서버 로그 관리 개선기
Yeonhee Kim
기술6기 3조
Kangwook Lee
Log Design Case Study
Dataya Nolja
Log parser&webshell detection
Ilsun Choi
[NDC2014]쉽게 따라 할 수있는 "꽤" 훌륭한 유저 동향 분석 시스템
Hoyeon Kim
웹 애플리케이션 로그 분석 - REAL-TIME INSIGHT SOLUTION
KOPENS .Inc
RealDisplay Platform 으로 구현하는 REAL-TIME 로그 분석 및 관리 솔루션 소개
Lee Sangboo
NDC 2016, [슈판워] 맨땅에서 데이터 분석 시스템 만들어나가기
Wonha Ryu
[H3 2012] 로그속 사용자 발자국 들여다보기
KTH, 케이티하이텔
Security Intelligence by log analysis, A3-SMS 2012
Korea University
빅데이터와 보안
Myounghun Kang
김현섭 Portfolio [Web Developer Beginner]
KIM HYUNSUP
Intro KaKao ADT (Almighty Data Transmitter)
I Goo Lee
InterfaceDesign_6th.Lecture.InformationArchitecture_1.pdf 자료
Judy Kwon
[오픈소스컨설팅]Day #3 MySQL Monitoring, Trouble Shooting
Ji-Woong Choi
넥슨레드 RF실과 함께할 개발자를 찾습니다
NEXON RED
5th.Lecture.Purpose.of.Project.pdf
Judy Kwon
My sql특징 정리
parktaesoon
AtoM 튜토리얼
Daejin An
Ad
Log design
1.
로그(log)
2.
설계를
3.
위한
4.
고민 최수경
5.
1.
6.
로그
7.
설계
8.
작업
9.
단계
10.
2.
11.
로그
12.
항목
13.
(attribute)
14.
15.
-
16.
Who
17.
-
18.
when
19.
-
20.
where
21.
-
22.
what
23.
-
24.
how
25.
26.
why
27.
3.
28.
고민
29.
사항
30.
덧.
31.
GA
32.
vs
33.
자체로그
34.
1.
35.
로그
36.
설계
37.
작업
38.
단계
39.
•Timing
40.
:
41.
기능
42.
개발
43.
할때
44.
로깅도
45.
함께
46.
47.
•Purpose
48.
:
49.
기능의
50.
목표에
51.
맞추어
52.
•가설의
53.
확인
54.
•지표의
55.
측정
56.
•Attribute
57.
:
58.
59.
필요한
60.
항목을
61.
정해서
62.
•Sample
63.
:
64.
원하는
65.
output을
66.
시나리오별로
67.
작성
68.
•목적을
69.
만족
70.
하는지
71.
설계자의
72.
paper
73.
검토
74.
•개발자에게
75.
test
76.
case로
77.
제공
78.
79.
2.
80.
로그
81.
항목
82.
(attribute)
83.
-
84.
Who •개인
85.
(
86.
or
87.
특정
88.
기기)
89.
을
90.
식별할
91.
수
92.
있는
93.
정보
94.
95.
•가입전-후
96.
/
97.
로그인
98.
전-후
99.
100.
•GA
101.
user_ID,
102.
우리
103.
서비스의
104.
user_ID
105.
•정책
106.
변경에
107.
따라
108.
개인
109.
식별
110.
정보가
111.
바뀔
112.
수
113.
있음에
114.
대비
115.
•ISMS
116.
인증을
117.
위한
118.
개인
119.
정보보호
120.
적용
121.
•탈퇴자
122.
처리
123.
정책
124.
변경
125.
126.
•식별
127.
목적
128.
외에도
129.
segmentation
130.
성격의
131.
정보가
132.
추가로
133.
필요할
134.
수
135.
있음
136.
•(분석)
137.
편의를
138.
위한
139.
경우
140.
:
141.
연령,성별과
142.
같은
143.
개인의
144.
추가
145.
정보
146.
147.
•(분석)
148.
필요에
149.
의한
150.
경우
151.
:
152.
utm_tag의
153.
source와
154.
같은
155.
정보
156.
2.
157.
로그
158.
항목
159.
(attribute)
160.
-
161.
When •다양한
162.
날짜
163.
포맷이
164.
존재
165.
166.
•string
167.
type
168.
형태
169.
:
170.
yyyyMMDDHHMMSS
171.
•timestamp
172.
형태
173.
:
174.
1536752982
175.
•date
176.
type
177.
형태
178.
:
179.
2018-09-13
180.
23:59:59.0
181.
•시계의
182.
기준을
183.
반드시
184.
확인
185.
:
186.
서버?
187.
유저?
188.
189.
•무엇을
190.
한
191.
시간인지
192.
명시
193.
194.
•reg_date
195.
는?
196.
로그
197.
기록
198.
시간?
199.
유저
200.
가입
201.
시간?
202.
203.
•다양한
204.
용어가
205.
혼용
206.
돼
207.
혼란스럽다면
208.
meta_data
209.
관리가
210.
필요해지는
211.
시점
212.
2.
213.
로그
214.
항목
215.
(attribute)
216.
-
217.
Where •페이지
218.
영역별
219.
naming
220.
•이전
221.
영역
222.
정보가
223.
필요할
224.
수
225.
있음
226.
•예를들어
227.
구매
228.
페이지
229.
도달시
230.
이전
231.
페이지가
232.
제품상세인지,
233.
위시리스트
234.
인지
235.
등
236.
•유저별로
237.
시간순으로
238.
정렬해서
239.
직전
240.
페이지
241.
확인은
242.
가능
243.
-
244.
처리
245.
시간이
246.
매우
247.
오래걸 리는
248.
유형의
249.
작업
250.
2.
251.
로그
252.
항목
253.
(attribute)
254.
-
255.
What •기능
256.
내
257.
이벤트를
258.
계층
259.
구조화
260.
후
261.
의미있는
262.
이벤트를
263.
뽑아
264.
로깅
265.
대상으로
266.
선정
267.
•거쳐온
268.
이벤트
269.
흐름
270.
정보가
271.
필요하다면?
272.
•유저별로
273.
시간순으로
274.
정렬해서
275.
이벤트만
276.
뽑는
277.
전처리
278.
필요
279.
• 만약
280.
마지막
281.
C이벤트의
282.
일시만
283.
중요하다면
284.
이전
285.
이벤트와
286.
묶어서
287.
로깅하는
288.
방식도
289.
검토 가능
290.
•이외
291.
추가
292.
정보도
293.
분석
294.
편의를
295.
위해
296.
종종
297.
기록
298.
:
299.
구매시
300.
구매번호,
301.
제품번호,
302.
수량
303.
등
304.
2.
305.
로그
306.
항목
307.
(attribute)
308.
-
309.
기타 •How
310.
:
311.
312.
•어떻게
313.
사용하였는가?
314.
•분석으로
315.
패턴화,
316.
가시화
317.
시켜야
318.
하는
319.
정보
320.
•Why
321.
:
322.
•왜
323.
사용하였는가?
324.
•분석
325.
결과로
326.
유추하여
327.
실험을
328.
통해
329.
확인해야
330.
하는
331.
정보
332.
3.
333.
고민
334.
사항 •얼마나
335.
자주
336.
남길
337.
것인가?
338.
•대상
339.
이벤트의
340.
수준을
341.
잘
342.
정의해야
343.
•많이
344.
남기는
345.
것이
346.
능사는
347.
아님
348.
•로그가
349.
너무
350.
많이
351.
쌓이면,
352.
분석을
353.
위한
354.
전처리가
355.
추가되고,
356.
자주
357.
분석하지
358.
않게되는
359.
결과를
360.
가져오기도
361.
;;
362.
363.
•얼마나
364.
자세히
365.
남길
366.
것인가?
367.
•로그의
368.
When,
369.
What,
370.
Where
371.
이외의
372.
Who관련
373.
정보의
374.
경우
375.
로그
376.
행마다
377.
반복되어
378.
나 타나게
379.
되므로
380.
분석시
381.
빈번하게
382.
쓰이는
383.
정보만
384.
포함하도록
385.
정리
386.
•DB의
387.
정보를
388.
통해
389.
join으로
390.
확인할
391.
수
392.
있는
393.
정보는
394.
가급적
395.
제외
396.
•But,
397.
DB에서
398.
history
399.
관리가
400.
되지
401.
않거나,
402.
특정시점리의
403.
값을
404.
알아내기에
405.
복잡한
406.
구 조인
407.
경우는
408.
로그에
409.
해당
410.
정보를
411.
포함해야
412.
함
413.
414.
415.
덧.
416.
자체
417.
로그
418.
vs.
419.
Google
420.
Analytics •Google
421.
Analysis
422.
•기본적인
423.
분석
424.
가능
425.
•개발
426.
분량이
427.
상대적으로
428.
적음
429.
•메뉴
430.
클릭으로
431.
손쉽게
432.
사용
433.
가능 •자체
434.
로그
435.
•다양한
436.
분석
437.
가능
438.
•개발
439.
및
440.
관리가
441.
필요
442.
•수치
443.
검증
444.
및
445.
테스트
446.
용이
447.
QA
Download