{"product_id":"139507","title":"빅데이터를 지탱하는 기술","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPBvfsZhfROTM72HQV3L7S7pu7Tr.png?v=1765075179\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\n\u003cdiv style=\"width:95%\"\u003e\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e빅데이터를 지탱하는 기술\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/66277191\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eDescription\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e책소개\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e현대 비즈니스의 성패는 데이터 수집과 통합, 그리고 처리 방법에 달렸다!\u003cbr\u003e데이터 처리 전문가가 알려주는 빅데이터와 관련 기술의 모든 것!\u003cbr\u003e'데이터 처리를 어떻게 시스템화할 것인가?' \u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e『빅데이터를 지탱하는 기술』에서는 엔지니어링 문제를 중심으로 일련의 데이터 처리에 필요한 요소와 기술을 정리하고, 데이터를 효율적으로 처리하기 위한 토대를 만들고, 그 위에서 시스템의 자동화를 지원하는 다양한 기술을 다룬다.\u003cbr\u003e컴퓨터의 성능이 향상됨에 따라 머신러닝을 필두로 데이터를 활용하는 시스템 개발에 관한 기대가 더욱더 커지고 있다.\u003cbr\u003e따라서 앞으로는 시스템 규모에 상관없이 '데이터 처리 그 자체를 시스템의 일부로 하는 기술'에 대한 수요가 점차 많아질 것이다.\u003cbr\u003e이 책에서 소개하는 다양한 시각 자료와 체계적인 관련 기술 소개는 독자들의 빅데이터 입문에 많은 도움이 될 것이다.\u003cbr\u003e\n\u003c\/div\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cul\u003e \u003cli\u003e 책의 일부 내용을 미리 읽어보실 수 있습니다.\u003cbr\u003e\u003cspan\u003e미리보기\u003c\/span\u003e\n\u003c\/li\u003e \u003c\/ul\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e목차\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  CHAPTER 1 빅데이터의 기초 지식 _ 1\u003cbr\u003e1-1 [배경] 빅데이터의 정착 3\u003cbr\u003e 분산 시스템에 의한 데이터 처리의 고속화 ― 빅데이터의 취급하기 어려운 점을 극복한 두 가지 대표 기술 3\u003cbr\u003e 분산 시스템의 비즈니스 이용 개척 ― 데이터 웨어하우스와의 공존 7\u003cbr\u003e 직접 할 수 있는 데이터 분석 폭 확대 ― 클라우드 서비스와 데이터 디스커버리로 가속하는 빅데이터의 활용 8\u003cbr\u003e1-2 빅데이터 시대의 데이터 분석 기반 11\u003cbr\u003e [재입문] 빅데이터의 기술 ― 분산 시스템을 활용해서 데이터를 가공해 나가는 구조 11\u003cbr\u003e 데이터 웨어하우스와 데이터 마트 ― 데이터 파이프라인 기본형 16\u003cbr\u003e 데이터 레이크 ― 데이터를 그대로 축적 17\u003cbr\u003e 데이터 분석 기반을 단계적으로 발전시키기 ― 팀과 역할 분담, 스몰 스타트와 확장 19\u003cbr\u003e 데이터를 수집하는 목적 ― ‘검색’, ‘가공’, ‘시각화’의 세 가지 예 22\u003cbr\u003e 확증적 데이터 분석과 탐색적 데이터 분석 25\u003cbr\u003e1-3 [속성 학습] 스크립트 언어에 의한 특별 분석과 데이터 프레임 26\u003cbr\u003e 데이터 처리와 스크립트 언어 ― 인기 언어인 파이썬과 데이터 프레임 26\u003cbr\u003e 데이터 프레임, 기초 중의 기초 ― ‘배열 안의 배열’로부터 작성 27\u003cbr\u003e 웹 서버의 액세스 로그의 예 ― pandas의 데이터 프레임으로 간단히 처리 28\u003cbr\u003e 시계열 데이터를 대화식으로 집계하기 ― 데이터 프레임을 그대로 사용한 데이터 집계 30\u003cbr\u003e SQL의 결과를 데이터 프레임으로 활용하기 31\u003cbr\u003e1-4 BI 도구와 모니터링 33\u003cbr\u003e 스프레드시트에 의한 모니터링 ― 프로젝트의 현재 상황 파악하기 33\u003cbr\u003e 데이터에 근거한 의사 결정 ― KPI 모니터링 35\u003cbr\u003e 변화를 파악하고 세부 사항을 이해하기 ― BI 도구의 활용 37\u003cbr\u003e 수작업과 자동화해야 할 것의 경계를 판별하기 39\u003cbr\u003e1-5 요약 42\u003cbr\u003e\u003cbr\u003eCHAPTER 2 빅데이터의 탐색 _ 43\u003cbr\u003e2-1 크로스 집계의 기본 45\u003cbr\u003e 트랜잭션 테이블, 크로스 테이블, 피벗 테이블 ― ‘크로스 집계’의 개념 45\u003cbr\u003e 룩업 테이블 ― 테이블을 결합하여 속성 늘리기 47\u003cbr\u003e SQL에 의한 테이블의 집계 ― 대량 데이터의 크로스 집계 사전 준비 50\u003cbr\u003e 데이터 집계 ? 데이터 마트 ? 시각화 ― 시스템 구성은 데이터 마트의 크기에 따라 결정된다 55\u003cbr\u003e2-2 열 지향 스토리지에 의한 고속화 56\u003cbr\u003e 데이터베이스의 지연을 줄이기 56\u003cbr\u003e 열 지향 데이터베이스 접근 ― 칼럼을 압축하여 디스크 I\/O를 줄이기 58\u003cbr\u003e MPP 데이터베이스의 접근 방식 ― 병렬화에 의해 멀티 코어 활용하기 61\u003cbr\u003e2-3 애드 혹 분석과 시각화 도구 64\u003cbr\u003e Jupyter Notebook에 의한 애드 혹 분석 ― 노트북에 분석 과정 기록하기 64\u003cbr\u003e 대시보드 도구 ― 정기적으로 집계 결과를 시각화하기 68\u003cbr\u003e BI 도구 ― 대화적인 대시보드 75\u003cbr\u003e2-4 데이터 마트의 기본 구조 77\u003cbr\u003e 시각화에 적합한 데이터 마트 만들기 ― OLAP 77\u003cbr\u003e 테이블을 비정규화하기 79\u003cbr\u003e 다차원 모델 시각화에 대비하여 테이블을 추상화하기 82\u003cbr\u003e2-5 요약 86\u003cbr\u003e\u003cbr\u003eCHAPTER 3 빅데이터의 분산 처리 _ 87\u003cbr\u003e3-1 대규모 분산 처리의 프레임워크 89\u003cbr\u003e 구조화 데이터와 비구조화 데이터 89\u003cbr\u003e Hadoop ― 분산 데이터 처리의 공통 플랫폼 92\u003cbr\u003e Spark ― 인 메모리 형의 고속 데이터 처리 99\u003cbr\u003e3-2 쿼리 엔진 101\u003cbr\u003e 데이터 마트 구축의 파이프라인 101\u003cbr\u003e Hive에 의한 구조화 데이터 작성 102\u003cbr\u003e 대화형 쿼리 엔진 Presto의 구조 ― Presto로 구조화 데이터 집계하기 109\u003cbr\u003e 데이터 분석의 프레임워크 선택하기 ― MPP 데이터베이스, Hive, Presto, Spark 115\u003cbr\u003e3-3 데이터 마트의 구축 119\u003cbr\u003e 팩트 테이블 ― 시계열 데이터 축적하기 119\u003cbr\u003e 집계 테이블 ― 레코드 수 줄이기 122\u003cbr\u003e 스냅샷 테이블 ― 마스터의 상태를 기록하기 123\u003cbr\u003e 이력 테이블 ― 마스터 변화 기록하기 127\u003cbr\u003e [마지막 단계] 디멘전을 추가하여 비정규화 테이블 완성시키기 127\u003cbr\u003e3-4 요약 130\u003cbr\u003e\u003cbr\u003eCHAPTER 4 빅데이터의 축적 _ 131\u003cbr\u003e4-1 벌크 형과 스트리밍 형의 데이터 수집 133\u003cbr\u003e 객체 스토리지와 데이터 수집 ― 분산 스토리지에 데이터 읽어들이기 133\u003cbr\u003e 벌크 형의 데이터 전송 ― ETL 서버의 설치 필요성 135\u003cbr\u003e 스트리밍 형의 데이터 전송 ― 계속해서 전송되어 오는 작은 데이터를 취급하기 위한 데이터 전송 137\u003cbr\u003e4-2 [성능×신뢰성] 메시지 배송의 트레이드 오프 143\u003cbr\u003e 메시지 브로커 ― 스토리지의 성능 문제를 해결하는 중간층의 설치 143\u003cbr\u003e 메시지 배송을 확실하게 실시하는 것은 어렵다 ― 신뢰성 문제와 세 가지 설계 방식 146\u003cbr\u003e 중복 제거는 높은 비용의 오퍼레이션 149\u003cbr\u003e 데이터 수집의 파이프라인 ― 장기적인 데이터 분석에 적합한 스토리지 152\u003cbr\u003e4-3 시계열 데이터의 최적화 154\u003cbr\u003e 프로세스 시간와 이벤트 시간 ― 데이터 분석의 대상은 주로 이벤트 시간 154\u003cbr\u003e 프로세스 시간에 의한 분할과 문제점 ― 최대한 피하고 싶은 풀 스캔 154\u003cbr\u003e 시계열 인덱스 ― 이벤트 시간에 의한 집계의 효율화 ① 156\u003cbr\u003e 조건절 푸쉬다운 ― 이벤트 시간에 의한 집계의 효율화 ② 157\u003cbr\u003e 이벤트 시간에 의한 분할 ― 테이블 파티셔닝, 시계열 테이블 158\u003cbr\u003e4-4 비구조화 데이터의 분산 스토리지 161\u003cbr\u003e [기본 전략] NoSQL 데이터베이스에 의한 데이터 활용 161\u003cbr\u003e 분산 KVS ― 디스크로의 쓰기 성능을 높이기 162\u003cbr\u003e 와이드 칼럼 스토어 ― 구조화 데이터를 분석해서 저장하기 166\u003cbr\u003e 도큐먼트 스토어 ― 스키마리스 데이터 관리하기 169\u003cbr\u003e 검색 엔진 ― 키워드 검색으로 데이터 검색 171\u003cbr\u003e4-5 정리 175\u003cbr\u003e\u003cbr\u003eCHAPTER 5 빅데이터의 파이프라인 _ 177\u003cbr\u003e5-1 워크플로 관리 179\u003cbr\u003e [기초 지식] 워크플로 관리 ― 데이터의 흐름을 일원 관리하기 179\u003cbr\u003e 오류로부터의 복구 방법 먼저 생각하기 183\u003cbr\u003e 멱등한 조작으로 태스크를 기술하기 ― 동일 태스크를 여러 번 실행해도 동일한 결과가 된다 188\u003cbr\u003e 워크플로 전체를 멱등으로 하기 194\u003cbr\u003e 태스크 큐 ― 자원의 소비량 컨트롤하기 195\u003cbr\u003e5-2 배치 형의 데이터 플로우 199\u003cbr\u003e MapReduce의 시대는 끝났다 ― 데이터 플로우와 워크플로 199\u003cbr\u003e MapReduce를 대신할 새로운 프레임워크 ― DAG에 의한 내부 표현 201\u003cbr\u003e 데이터 플로우와 워크플로를 조합하기 204\u003cbr\u003e 데이터 플로우와 SQL을 나누어 사용하기 ― 데이터 웨어하우스의 파이프라인과 데이터 마트의 파이프라인 207\u003cbr\u003e5-3 스트리밍 형의 데이터 플로우 209\u003cbr\u003e 배치 처리와 스트림 처리로 경로 나누기 209\u003cbr\u003e 배치 처리와 스트림 처리 통합하기 211\u003cbr\u003e 스트림 처리의 결과를 배치 처리로 치환하기 ― 스트림 처리의 두 가지 문제에 대한 대처 214\u003cbr\u003e 아웃 오브 오더의 데이터 처리 217\u003cbr\u003e5-4 정리 220\u003cbr\u003e\u003cbr\u003eCHAPTER 6 빅데이터 분석 기반의 구축 _ 223\u003cbr\u003e6-1 스키마리스 데이터의 애드 혹 분석 225\u003cbr\u003e 스키마리스 데이터 수집하기 225\u003cbr\u003e 대화식 실행 환경의 준비 228\u003cbr\u003e Spark에 의한 분산 환경 ― 데이터양이 늘어도 대응 가능하게 하기 232\u003cbr\u003e 데이터를 집계해서 데이터 마트 구축하기 237\u003cbr\u003e BI 도구로 데이터 시각화하기 241\u003cbr\u003e6-2 Hadoop에 의한 데이터 파이프라인 245\u003cbr\u003e 일일 배치 처리를 태스크화하기 245\u003cbr\u003e [태스크 1] Embulk에 의한 데이터 추출 246\u003cbr\u003e [태스크 2] Hive에 의한 데이터 구조화 248\u003cbr\u003e [태스크 3] Presto에 의한 데이터 집계 250\u003cbr\u003e6-3 워크플로 관리 도구에 의한 자동화 253\u003cbr\u003e Airflow ― 스크립트 형의 워크플로 관리 253\u003cbr\u003e 워크플로를 터미널로부터 실행하기 257\u003cbr\u003e 스케줄러를 기동하여 DAG를 정기 실행하기 260\u003cbr\u003e 태스크가 소비하는 자원 제어하기 265\u003cbr\u003e Hadoop의 데이터 파이프라인을 실행하기 266\u003cbr\u003e6-4 클라우드 서비스에 의한 데이터 파이프라인 268\u003cbr\u003e 데이터 분석과 클라우드 서비스의 관계 268\u003cbr\u003e 아마존 웹 서비스 270\u003cbr\u003e 구글 클라우드 플랫폼 272\u003cbr\u003e 트레주어 데이터 274\u003cbr\u003e6-5 정리 279 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e상세 이미지\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate2060\/MidCate004\/205935141.jpg\" border=\"0\" alt=\"상세 이미지 1\"\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e책 속으로\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cdiv\u003e  ‘빅데이터(big data)’라는 단어를 대중 매체를 통해 자주 접하게 된 것은 2011년 후반에서 2012년에 걸쳐 많은 기업들이 데이터 처리에 분산 시스템을 도입하기 시작했을 무렵일 것이다.\u003cbr\u003e그 이전에도 컴퓨터에 의한 데이터 처리는 이뤄졌지만, 언제부턴가 ‘빅데이터’라고 불리는 단어가 여기저기서 사용되어 데이터를 비즈니스에 활용하자는 움직임이 활발해졌다.\u003cbr\u003e--- p.3\u003cbr\u003e\u003cbr\u003e대시보드 도구와 BI 도구의 차이는 그다지 엄밀하지는 않다.\u003cbr\u003e전자는 새로운 그래프를 쉽게 추가할 수 있는 것이 중시된다면, 후자는 보다 대화형 데이터 탐색이 중요시된다.\u003cbr\u003e예를 들어, 그래프를 클릭하여 상세한 표시로 전환하거나 집계에 기반이 되는 로우 데이터(원시 데이터)를 표시하는 등 시간을 들여 차분히 데이터를 보고 싶은 경우에는 BI 도구가 적합하다.\u003cbr\u003e--- p.68\u003cbr\u003e\u003cbr\u003e현재는 빅데이터를 대표하는 시스템으로 알려진 Hadoop이지만, 역사적으로는 오픈 소스의 웹 크롤러인 ‘Nutch’를 위한 분산 파일 시스템으로 2003년경부터 개발이 시작되었다.\u003cbr\u003e그 이후 2006년에는 단일 프로젝트로 독립해서, Apache Hadoop(아파치 하둡)으로 배포되었다.\u003cbr\u003e--- p.92\u003cbr\u003e\u003cbr\u003e먼저 객체 스토리지 상의 파일은 교체하기 어렵다.\u003cbr\u003e일단 파일을 써넣으면 그것을 통째로 교체하는 방법밖에 없다.\u003cbr\u003e로그 파일처럼 나중에 변경할 일이 없는 것은 그래도 상관없지만, 데이터베이스처럼 수시로 변경하는 용도로는 적합하지 않다.\u003cbr\u003e쓰기 빈도가 높은 데이터는 별도 RDB에 저장하고 정기적으로 스냅샷을 하거나 다른 ‘분산 데이터베이스(distributed database)’에 저장하도록 한다.\u003cbr\u003e--- p.161\u003cbr\u003e\u003cbr\u003e한편, 이 책에서 생각하는 이벤트 데이터, 예를 들어 수백만 대 이상의 스마트 폰에서 보내오는 메시지를 처리하려고 하면 그대로는 바로 사용할 수 없다.\u003cbr\u003e앞 장에서 실시간 메시지 전달 방식으로 메시지 플로우를 중심으로 하는 데이터의 흐름을 다루었다.\u003cbr\u003e그렇게 받은 데이터를 분산 스토리지에 보관하는 부분부터 시작하는 것이 배치 처리라고 한다면, 분산 스토리지를 거치지 않고 처리를 계속하는 것이 스트림 처리(streaming processing)다.\u003cbr\u003e \u003c\/div\u003e \u003cdiv\u003e--- p.210\u003c\/div\u003e \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eGOODS SPECIFICS\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e발행일 : \u003c\/strong\u003e2018년 11월 05일\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e쪽수, 무게, 크기 : \u003c\/strong\u003e312쪽 | 170*225*21mm\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN13 : \u003c\/strong\u003e9791188621439\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN10 : \u003c\/strong\u003e1188621432\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cspan\u003e\u003c\/span\u003e\n\u003c\/center\u003e\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893362098218,"sku":"139507","price":37.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/dfed5421a9513b3bf2df3efee0bbbd8a.jpg?v=1765398407","url":"https:\/\/librairie.coreenne.fr\/ko\/products\/139507","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}