Update 2.5.9.RealtimeIngestToServingWithKbInTwoEngines.md

manual1903/2.5.9.RealtimeIngestToServingWithKbInTwoEngines.md

@@ -24,10 +24,12 @@ export_on_save:
 워크플로우 편집화면에서 워크플로우를 작성합니다. 본 예제에서는 두 개의 엔진을 생성합니다.
 
 ### 첫 번째 엔진 생성하기
-####엔진 선택
+#### 엔진 선택
 스트림형태로 제공되는 온도 데이터를 입력받아 실시간 온도 예측을 하는 서빙 엔진으로 전달하기 위해 Streamtostream 엔진을 선택합니다.
-#####Reader
+
+##### Reader
 HTTP 서버로부터 전달되어 오는 센서데이터를 입력 받기 위해 HttpServerReader를 선택하고 아래표와 같은 속성을 지정합니다.
+
 field  |value   | 설명
 --|---|--
 ip  |  0.0.0.0 |  HTTP 서버의 IP 주소
@@ -35,8 +37,9 @@ path  |  /  |  HTTP 서버의 URL
 port  |  53002 |  HTTP 서버의 포트 번호
 
 
-#####Writer
+##### Writer
 StreamToStream엔진에서 처리된 결과를 다음 엔진에게 Stream 형태로 전달해야 하므로 KafkaWriter를 선택합니다.
+
 field  |value   | 설명
 --|---|--
 topic  | test3 | 온도 예측 결과를 받아 올때 사용할 Kafka 큐의 이름  
@@ -45,8 +48,9 @@ groupId  | group3  | Kafka writer topic 그룹 아이디
 bootStrapServer  | csle1:9092  | Kafka 접속 주소(IP, 포트번호)   
 
 
-#####Controller
+##### Controller
 Controller 로는 WindowedSparkSessionOrStreamController 를 선택합니다. WindowedSparkSessionOrStreamController 는 스트림으로 입력되는 데이터를 큐에 저장하고, 일정 주기 마다 정해진 윈도우 크기로 잘라서 operator 에게 전달합니다.
+
 field  |value   | 설명
 --|---|--
 operationPeriod  |  2 | Reader로 부터 데이터를 읽어올 주기   |  53002 |  HTTP 서버의 포트번호를 입력합니다.
@@ -56,6 +60,7 @@ windowSize  |  10 | 큐에서 사용할 윈도우의 크기  |   |
 
 #####Runner
 SimpleSparkRunner 를 선택합니다.
+
 field  |value   | 설명
 --|---|--
 inJason  | false | false로 설정하는 경우 json 형태의 파라메타를 커맨드 라인 파라미터 형태로 변환하여 호출되는 외부 시스템에 전달. True 이면 json 형태의 파라메타 형태 그대로 외부시스템에 전달.
@@ -72,7 +77,7 @@ driverMemory | 1g | Spark 드라이버 메모리
 
 
 
-#####Operator
+##### Operator
 첫번째 엔진에서는 센서로부터 입력되는 온도 데이터를 여섯가지 전처리 기법을 적용하여 정제합니다. 본 예제에서 사용한 전처리 기법은 ColumnSelectOperator, MinMaxScalingOperator, TransposeOperator, SparkMLPredictOperator, MinMaxScalingOperator, ColumnSelectOperator 입니다.
 
 - ColumnSelectOperator
@@ -126,11 +131,12 @@ field  |value   | 설명
 selectedColumnId  | 13 |  선택할 칼럼 ID
 
 ### 두 번째 엔진 생성하기
-####엔진 선택
+#### 엔진 선택
 스트림 형태로 전달되는 온도 예측값을 온디맨드 서빙을 하기 위해 OnDemandStreamServing 엔진을 선택합니다. (KSB프레임워크에서는 도커 컨테이너 내부의 지식베이스(KB)가 실행되고 있습니다.)
 
-#####Reader
+##### Reader
 첫번째 엔진에서 입력되는 실시간 온도 예측값을 입력 받기 위해 KafkaOnDemandReader 를 선택합니다.
+
 field  |value   | 설명
 --|---|--
 topic  | test3 | 실시간 온도 예측값을 받아올때 사용할 Kafka 큐의 이름  
@@ -139,18 +145,19 @@ groupId  | group3  | Kafka writer topic 그룹 아이디
 bootStrapServer  | csle1:9092  | Kafka 접속 주소(IP, 포트번호)
 
 
-#####Writer
+##### Writer
 이 엔진에서는 Writer를 사용하지 않습니다.
 
 
 
-#####Controller
+##### Controller
 Controller 로는 servingWithkbController를 선택합니다. servingWithkbController는 추가적인 속성을 설정하지 않습니다.
 
 
 
-#####Runner
+##### Runner
 REST 방식으로 엔진을 실행 하기위해서는 ServingRunner를 선택합니다.
+
 field  |value   | 설명
 --|---|--  |  
 port  | 18080  | 최적의 제어값을 서빙할 포트번호 |  
@@ -158,7 +165,7 @@ host  | 0.0.0.0  | 최적의 제어값을 서빙할 IP  |
 
 
 
-#####Operator
+##### Operator
 두 번째 엔진에서는 ControlContextQueryOperator를 사용합니다.
 
 field  |value   | 설명
@@ -184,7 +191,7 @@ values(name)  | temperature | 질의 속성 |
 
 ksbuser@etri.re.kr 계정으로 접속하면 예제 워크플로우가 만들어져있습니다. 불러오기해서도 돌려볼 수 있습니다.
 
-##워크플로우 실행 및 모니터링하기
+## 워크플로우 실행 및 모니터링하기
 ### 워크플로우 실행하기
 위에서 작성한 워크플로우를 실행하기 위해서는 워크플로우 편집기 상단의 실행 버튼을 누릅니다. 이 때, StreamToStream 엔진과 OnDemandStreamServing 엔진은 배치형태로 실행되지 않는 엔진들이므로 Batch 체크 박스는 해제하고 워크플로우를 제출해야합니다.
 
@@ -213,7 +220,7 @@ WorkFlow History 탭을 선택하면, KSB프레임워크에서 워크플로우
 
 ![워크플로우 동작 로그](./images/2.5.9_06.png)
 
-##결과 확인하기
+## 결과 확인하기
 #### 온도 스트림데이터 생성하기
 워크플로우 실행 결과를 확인하기 위해서는 온도데이터를 스트림 형태로 발생시켜야 합니다. 이를 위해 위에서 설명한 Jmeter 도구를 활용합니다.