국내도서

>

전공도서/대학교재

>

공학계열

>

컴퓨터공학

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 전공도서/대학교재  > 공학계열  > 컴퓨터공학

• 

	에이콘 클라우드 컴퓨팅 시리즈(총16건) AWS 쿡북 : 개념과 예제를 다루는 실용 안내서     31,500원 (10%↓) 카프카 스트림즈와 ksqlDB 정복 : 실시간 데이터 처리     36,000원 (10%↓) 데이터 플랫폼 설계와 구축 : 클라우드 데이터 플랫폼 구축 시 고려사항     36,000원 (10%↓) 클라우드 네이티브 트랜스포메이션 : 클라우드를 도입하기 위한 치밀한 준비     36,000원 (10%↓) 멀티 클라우드로의 전환 : 알맞은 멀티 클라우드 솔루션 찾아보기     31,500원 (10%↓) AWS 전환 모범 사례와 엔터프라이즈 IT의 미래     22,500원 (10%↓) 클라우드 컴퓨팅 솔루션 아키텍팅 : 클라우드 도입에 필요한 설계 고려사항     27,000원 (10%↓) 지능형 클라우드 애플리케이션 구축 : Azure 서버리스 아키텍처를 활용한 확장성 있는 AI 모형 개발하기     18,000원 (10%↓) 쿠버네티스 오퍼레이터 : 쿠버네티스에서 애플리케이션 추상화를 위한 도구     18,000원 (10%↓) gRPC 시작에서 운영까지 : 도커와 쿠버네티스를 위한 클라우드 네이티브 애플리케이션 구축     22,500원 (10%↓) AWS를 통한 효과적인 데브옵스 구축 : 테라폼, 앤서블, 깃허브 등 다양한 AWS 도구 사용하기     31,500원 (10%↓) 이스티오 첫걸음 : 서비스 메시를 통한 연결, 보안, 제어 그리고 관찰     27,000원 (10%↓) 한눈에 보는 실전 클라우드 프로젝트 : 클라우드 기본과 프로세스 아키텍처 설계와 구현 보안 데브옵스까지 실증     22,500원 (10%↓) 빅데이터 시대의 필수 분석 도구 R과 다양한 시각화 기법을 마스터한다 세트     53,100원 (10%↓) 빅데이터 분석 도구 R 프로그래밍 : 데이터 고급 분석과 통계 프로그래밍을 위한     31,500원 (10%↓) 비주얼라이즈 디스 : 빅데이터 시대의 데이터 시각화 인포그래픽 기법     27,000원 (10%↓)

• 
• 
• 엔터프라이즈 데이터 플랫폼 설계 유용한 개념과 사례를 알아보자! 잘 설계된 데이터 플랫폼의 파이프라인, 스토리지 시스템과 API는 온프레미스 데이터 센터에서 발생하는 복잡한 유지보수 문제와 무분별한 증설, 확장작업을 없애 준다. 클라우드 데이터 플랫폼 설계 패턴을 배우면 어떤 클라우드 공급업체를 사용하더라도 성능을 극대화할 수 있다. 데이터 플랫폼의 유연성을 높이고 비용을 절감하는 6계층 접근 방식을 소개한다. 다양한 소스에서 데이터를 수집하기 위한 패턴을 찾고, 클라우드 공급업체에서 제공하는 서비스를 활용하는 방법을 배울 수 있다.
• 
• ◈ 이 책에서 다루는 내용 ◈ ◆ 정형 및 비정형 데이터 세트에 대한 모범 사례 ◆ 클라우드 기반 머신러닝 툴 ◆ 메타데이터와 실시간 분석 ◆ 디펜시브 아키텍처, 액세스, 보안 ◈ 이 책의 대상 독자 ◈ 데이터 플랫폼이 무엇인지, 클라우드의 장점을 활용한 데이터 플랫폼 설계란 무엇인지 궁금한 독자들을 위한 책이다. 데이터 플랫폼 솔루션을 설계할 때 참고할 수 있는 내용을 상세히 다루고 있으며 기술과 비즈니스 간의 연관성을 기반으로 설명했기에 데이터 분석가, 비즈니스 분석가, 프로덕트 오너와 같이 아키텍처, 솔루션 설계를 직접 수행하지 않더라도 솔루션 개념과 원리를 이해할 수 있다. 스트리밍 방식과 배치 방식, 스키마 관리, 기타 주요 디자인 요소 등과 같은 주제를 설계 관점에서 주로 서술한다. ◈ 이 책의 구성 ◈ 1장, '데이터 플랫폼 소개'에서는 클라우드 데이터 플랫폼의 개념부터 시작해 데이터 플랫폼이 필요하게 된 배경과 동향을 간단히 설명한다. 클라우드 데이터 플랫폼 설계 시 필요한 핵심 구성 요소를 설명한다. 2장, '데이터 웨어하우스만이 아닌 데이터 플랫폼인 이유'에서는 클라우드 데이터 플랫폼과 클라우드 데이터 웨어하우스의 차이점을 비교한다. 3장, '빅 3의 활용과 확대: 아마존, 마이크로소프트 애저, 구글'에서는 개념적 플랫폼 아키텍처를 좀 더 설명한 후, AWS, 애저, 구글 클라우드 플랫폼에서 제공하는 서비스와 툴이 이 아키텍처의 각 레이어와 어떻게 매핑되는지 설명한다. 4장, '플랫폼으로 데이터 가져오기'에서는 데이터 플랫폼으로 데이터를 수집하는 방식을 집중해서 다룬다. 관계형 데이터베이스, 파일, 스트리밍, SaaS 시스템의 API 활용 등을 설명한다. 5장, '데이터의 구성과 처리'에서는 데이터 플랫폼에서 데이터를 가장 잘 구조화해서 처리하는 방법을 설명하고, 설정 방식 파이프라인과 데이터 처리 단계의 일반적인 개념을 소개한다. 6장, '실시간 데이터 처리 및 분석'에서는 실시간 데이터 처리와 분석, 실시간 수집과 실시간 처리의 차이, 실시간 데이터의 구성 방법과 변환 방법을 설명한다. 7장, '메타데이터 계층 아키텍처'에서는 메타데이터 계층의 기술적 개념과 이것이 필요한 이유를 설명하고, 기술 메타 데이터 모델의 옵션, 구축 옵션, 현재 시장에 출시된 몇 가지 상용 솔루션과 오픈소스 솔루션을 간단히 소개한다. 8장, '스키마 관리'에서는 스키마 관리 관련 개선 필요 사항들을 알아보고, 접근해볼 수 있는 개선 방식을 몇 가지 알려준다. 그리고 스키마 진화를 모던 데이터 플랫폼에서는 어떻게 대응해야 하는지를 설명한다. 9장, '데이터 액세스 방법과 보안'에서는 데이터 소비자의 다양한 유형과 데이터 액세스 포인트를 설명한다. 데이터 웨어하우스, 애플리케이션 액세스, 머신러닝 사용자, BI와 리포팅 툴 등이다. 10장, '비즈니스 가치 제고를 위한 데이터 플랫폼 활용'에서는 비즈니스 가치를 창출하기 위한 데이터 플랫폼 활용 방법을 설명하고 데이터 플랫폼 프로젝트의 성공을 위해 다뤄야 할 문제점을 논의한다. ** ◈ 옮긴이의 말 ◈ 이 책의 저자들은 업계 실무 경험과 사업 경험을 겸비하고 있어 이론적 내용보다 실무적인 경험을 기반으로 한 지식 위주로 알려준다. 이 책은 우리 사회와 기업의 화두인 디지털 전환이라는 말을 한 번도 사용하지 않는다. 그런데 이 책을 디지털 전환의 실행력 확보 관점에서 읽으면 클라우드, 애자일, 데이터 영역에서의 기술과 구축 역량과 사례들을 보여주고 있다는 것을 알게 된다. 즉 클라우드의 적극적인 활용, 다양한 데이터 분석 기술 활용, 새로운 필요 역할 식별과 수행, ...이를 통한 혁신 프로젝트 추진 내용 사례 등을 담고 있다. 제목을 통해 짐작할 수 있듯이, 클라우드 기반의 데이터 플랫폼 구축 현안을 조금 구체적으로 다루고 있기 때문에 클라우드, 데이터, 분석, 기술, 아키텍처, 구축/운영 프로젝트에 조금이라도 관심이 있는 분들에게 일독을 권한다. 박종하 우리는 IT 기술을 익히기 위해 인터넷에서 많은 정보를 다양한 형태로 얻을 수 있습니다. 그런데도 왜 책이라는 매개체로 IT 기술을 이해하려 할까요? 아마도 대부분의 IT 서적에는 현대의 특정 기술을 중심으로 저자의 경험과 생각이 체계적으로 정리돼 있으며, 이를 통해 단편적 기술이나 지식이 아닌 저자의 통찰력과 경험적 내용을 참고하고 싶기 때문일 것입니다. 이 책은 현대의 데이터 플랫폼의 구조를 저자의 경험 관점에서 다루고 있습니다. 데이터에 대한 기본적 지식을 필요로 하거나 기초를 다지기 위한 용도라면 적합하지 않습니다. 또한 실습 과정도 담고 있지 않습니다. 대신 논리적인 사고를 통해, 책을 읽으며 의식의 흐름대로 플랫폼을 상상하면서 이해하는 과정을 요구합니다. 실무에서 데이터를 다루고 있거나 과거에 데이터를 충분히 다뤄본 사람이라면 현대의 데이터 플랫폼이 어떤 기능과 구조를 갖는지, 그리고 자신의 경험과 현재 다루고 있는 데이터 플랫폼이 책에서 제시하는 아키텍처와 비교해 어떤 수준을 가지며 어떤 차이점이 있는지 참고하며 바람직한 방향으로 발전하기를 고민할 때 본 책이 의미가 있겠습니다. 또한 데이터 플랫폼을 설계할 계획이 있는 아키텍트라면 한 번은 꼭 읽기를 권합니다. 선진 사례를 참고해 반드시 고민해야 할 문제를 놓치지 않고 설계에 반영할 수 있기 때문입니다. 클라우드 환경이 보편화되고 기술이 발전하면서 데이터의 수집과 처리, 분석, 리포트 등 대량의 데이터를 처리하는 방식이 비약적으로 발전해오고 있습니다. 클라우드 서비스의 여러 사례는 현재도 계속 업데이트되기 때문에 출간 시의 시점과는 다를 수 있겠지만 기본적인 방향과 특성은 지속적으로 참조할 만합니다. 다시 말씀드리면 이 책은 중급 이상의 내용을 다루고 있으며 충분한 기술적 경험이 없다면 이해하기 어려운 부분도 있을 것입니다. 이런 부분은 실질적으로 데이터를 다루면서 경험해봐야 이해할 수 있을 것입니다. 이 책이 독자들이 식견, 견해를 넓히고 새로운 아이디어를 창출하는 기반이 되기를 바랍니다. 최철원, 구본아
• 
• 1장. 데이터 플랫폼 소개 1.1 데이터 웨어하우스에서 데이터 플랫폼으로의 이동과 관련된 동향들 1.2 데이터의 속도, 규모, 다양성이 증가하는 상황에서 데이터 웨어하우스의 한계 1.2.1 데이터의 다양성 1.2.2 데이터 규모 1.2.3 데이터 속도 1.2.4 세 가지 V 1.3 데이터 레이크가 대안이 될 수 있을까? 1.4 퍼블릭 클라우드 활용 1.5 클라우드, 데이터 레이크, 데이터 웨어하우스: 클라우드 데이터 플랫폼의 등장 1.6 클라우드 데이터 플랫폼의 빌딩 블록(building block) 1.6.1 수집 계층 1.6.2 스토리지 계층 1.6.3 처리 계층 1.6.4 서비스 계층 1.7 클라우드 데이터 플랫폼이 세 가지 V를 다루는 방법 1.7.1 데이터의 다양성 1.7.2 데이터 규모 1.7.3 데이터 속도 1.7.4 추가 V 두 가지 1.8 공통 유스 케이스 요약 2장. 데이터 웨어하우스만이 아닌 데이터 플랫폼인 이유 2.1 클라우드 데이터 플랫폼과 클라우드 데이터 웨어하우스: 실용적 측면 2.1.1 데이터 소스 자세히 살펴보기 2.1.2 클라우드 데이터 웨어하우스만 활용한 사례 2.1.3 클라우드 데이터 플랫폼 아키텍처 사례 2.2 데이터 수집 2.2.1 애저 시냅스로 직접 데이터 수집 2.2.2 애저 데이터 플랫폼...으로 데이터 수집 2.2.3 업스트림 데이터 소스의 변경 관리 2.3 데이터 처리 2.3.1 웨어하우스에서 데이터 처리 2.3.2 데이터 플랫폼에서 데이터 처리 2.4 데이터 액세스 2.5 클라우드 비용 고려사항 요약 2.6 연습문제 정답 3장. 빅 3의 활용과 확대: 아마존, 마이크로소프트 애저, 구글 3.1 클라우드 데이터 플랫폼 계층 아키텍처 3.1.1 데이터 수집 계층 3.1.2 고속 스토리지와 저속 스토리지 3.1.3 처리 계층 3.1.4 기술 메타데이터 계층(Technical metadata layer) 3.1.5 서비스 계층과 데이터 소비자 3.1.6 오케스트레이션 오버레이와 ETL 오버레이 계층 3.2 데이터 플랫폼 아키텍처에서 계층의 중요성 3.3 클라우드 데이터 플랫폼 계층에 활용할 수 있는 툴 매핑 3.3.1 AWS 3.3.2 구글 클라우드 3.3.3 애저 3.4 상용 소프트웨어 및 오픈소스 대안 3.4.1 배치 데이터 수집 3.4.2 스트리밍 데이터 수집 및 실시간 분석 3.4.3 오케스트레이션 계층 요약 3.5 연습문제 답안 4장. 플랫폼으로 데이터 가져오기 4.1 데이터베이스, 파일, API, 스트림 4.1.1 관계형 데이터베이스(Relational databases) 4.1.2 파일 4.1.3 SaaS API 4.1.4 스트림 4.2 관계형 데이터베이스에서 데이터 수집 4.2.1 SQL 인터페이스를 사용해 RDBMS에서 데이터 수집 4.2.2 테이블 전체 데이터 수집 4.2.3 증분 데이터 수집 4.2.4 변경 데이터 캡처 4.2.5 CDC 공급 업체 개요 4.2.6 데이터 타입 변환(Data type conversion) 4.2.7 NoSQL 데이터베이스에서 데이터 수집 4.2.8 RDBMS 또는 NoSQL 수집 파이프라인용 메타데이터 캡처 4.3 파일에서 데이터 수집 4.3.1 수집된 파일 추적 4.3.2 파일 수집 메타데이터 캡처 4.4 스트림 방식의 데이터 수집 4.4.1 배치와 스트리밍 수집의 차이점 4.4.2 스트리밍 파이프라인의 메타데이터 캡처 4.5 SaaS 애플리케이션들로부터 데이터 수집 4.5.1 API 설계 표준의 부재 4.5.2 전체 데이터나 증분 데이터 내보내기(export) 처리 방법의 표준 부재 4.5.3 일반적으로 결과 데이터는 중첩된 JSON 도큐먼트다 4.6 클라우드 데이터 수집에서 네트워크 및 보안 고려 사항 4.6.1 클라우드 데이터 플랫폼과 타 네트워크 간 연결 요약 4.7 연습문제 답안 5장. 데이터의 구성과 처리 5.1 데이터 플랫폼에서 처리(Processing) 계층을 별도로 분리한다는 것 5.2 데이터 처리 스테이지 5.3 클라우드 스토리지 구성 5.3.1 클라우드 스토리지 컨테이너와 폴더 5.4 공통 데이터 처리 단계 5.4.1 파일 포맷 변환 5.4.2 데이터 중복 제거 5.4.3 데이터 품질 검사 5.5 설정 가능한 파이프라인 요약 5.6 연습문제 정답 6장. 실시간 데이터 처리 및 분석 6.1 실시간 수집 계층과 실시간 처리 계층 비교 6.2 실시간 데이터 처리 유스케이스 6.2.1 소매점(Retail) 유스케이스: 실시간 수집 6.2.2 온라인 게임 유스케이스: 실시간 수집과 실시간 처리 6.2.3 실시간 수집과 실시간 처리의 비교 요약 6.3 실시간 수집과 실시간 처리의 활용 시점 6.4 실시간 사용을 위한 데이터 구조화 6.4.1 고속 스토리지의 구조 6.4.2 고속 스토리지 스케일링 방법 6.4.3 실시간 스토리지에서 데이터 구조화 6.5 실시간 시스템에서 공통 데이터 변환 6.5.1 실시간 시스템에서 데이터 중복의 원인 6.5.2 실시간 시스템에서 데이터 중복 제거 6.5.3 실시간 파이프 라인에서 메시지 포맷 변환 6.5.4 실시간 데이터 품질 체크 6.5.5 배치 데이터와 실시간 데이터 결합하기 6.6 실시간 데이터 처리용 클라우드 서비스의 종류 6.6.1 AWS 실시간 처리 서비스 6.6.2 GCP 실시간 처리 서비스 6.6.3 애저 실시간 처리 서비스 요약 6.7 연습문제 해답 7장. 메타데이터 계층 아키텍처 7.1 메타데이터의 의미 7.1.1 비즈니스 메타데이터 7.1.2 파이프라인 메타데이터(데이터 플랫폼 내부 메타데이터) 7.2 파이프라인 메타데이터의 장점 7.3 메타데이터 모델 7.3.1 메타데이터 도메인 7.4 메타데이터 계층 구현 옵션 7.4.1 설정 파일의 모음인 메타데이터 계층 7.4.2 메타데이터 데이터베이스 7.4.3 메타데이터 API 7.5 기존 솔루션 개요 7.5.1 클라우드 메타데이터 서비스 7.5.2 오픈소스 메타데이터 계층 요약 7.6 연습문제 답안 8장. 스키마 관리 8.1 스키마 관리가 필요한 이유 8.1.1 기존 데이터 웨어하우스 아키텍처의 스키마 변경 8.1.2 스키마 온 리드 방식 8.2 스키마 관리 방식 8.2.1 스키마를 계약으로 다루는 방식 8.2.2 데이터 플랫폼의 스키마 관리 8.2.3 스키마 변경 모니터링 8.3 스키마 레지스트리 구현 8.3.1 아파치 아브로 스키마 8.3.2 스키마 레지스트리 솔루션 8.3.3 메타데이터 계층의 스키마 레지스트리 8.4 스키마 진화 시나리오(Schema evolution scenarios) 8.4.1 스키마 호환성 규칙 8.4.2 스키마 진화와 데이터 변환 파이프라인 8.5 스키마 진화와 데이터 웨어하우스 8.5.1 클라우드 데이터 웨어하우스의 스키마 관리 기능 요약 8.6 연습문제 답 9장. 데이터 액세스 방법과 보안 9.1 데이터 소비자 유형 9.2 클라우드 데이터 웨어하우스 9.2.1 AWS 레드시프트 9.2.2 애저 시냅스 9.2.3 구글 빅쿼리(Google BigQuery) 9.2.4 적합한 데이터 웨어하우스 선정하기 9.3 애플리케이션 데이터 액세스 9.3.1 클라우드 관계형 데이터베이스 9.3.2 클라우드 키/밸류 데이터 저장소 9.3.3 전문 검색 서비스 9.3.4 인메모리 캐시 9.4 데이터 플랫폼에서의 머신러닝 9.4.1 클라우드 데이터 플랫폼에서의 머신러닝 모델 라이프사이클 9.4.2 ML 클라우드 협업 툴 9.5 비즈니스 인텔리전스와 리포팅 툴(reporting tool) 9.5.1 BI 툴(Business Intelligence tool)과 클라우드 데이터 플랫폼 통합 9.5.2 BI 툴로 엑셀(Excel) 사용하기 9.5.3 클라우드 공급 업체 서비스에 포함돼 있지 않은 BI 툴 9.6 데이터 보안 9.6.1 사용자, 그룹 및 역할 9.6.2 자격 증명 및 설정 관리 9.6.3 데이터 암호화 9.6.4 네트워크 바운더리(boundary) 요약 9.7 연습문제 정답 10장. 비즈니스 가치 제고를 위한 데이터 플랫폼 활용 10.1 데이터 전략이 필요한 이유 10.2 분석 역량 성숙을 위한 여정 10.2.1 SEE: 데이터로부터 인사이트를 얻는 단계 10.2.2 PREDICT: 데이터를 활용해서 예측하는 단계 10.2.3 DO: 분석 결과를 기반으로 액션을 진행하는 단계 10.2.4 CREATE: 분석을 넘어서 제품에 반영하는 단계 10.3 데이터 플랫폼: 분석 역량 성숙을 강화하는 엔진 10.4 플랫폼 프로젝트 장애물들 10.4.1 시간에 대한 인식 차 10.4.2 사용자 확산 10.4.3 사용자로부터의 신뢰성 확보와 데이터 거버넌스 10.4.4 플랫폼 사일로 10.4.5 달러 댄스 요약
• 
• 

• 다닐 즈부리브스키 [저]

• 전 세계 기업을 위한 대규모 데이터 인프라를 설계하고 지원하는 데 평생을 바쳤다. 10년 전에 IT 서비스 회사인 파티안(Pythian)에서 다양한 대규모 인터넷 회사의 오픈소스 데이터베이스 시스템을 관리하면서 경력을 쌓기 시작했다. 하둡의 초기 챔피언이었으며, 대규모 하둡 분석 인프라 구조를 설계하고 구현하는 팀을 관리하면서 하둡 클러스터 배포에 대한 책을 저술했다. 퍼블릭 클라우드가 데이터 인프라에 미칠 영향을 예상해 클라우드 데이터 서비스의 얼리 어답터였으며 전 세계 수십 개 기업을 위한 퍼블릭 클라우드 플랫폼 3사 모두에서 최신 클라우드 기반 데이터 플랫폼을 설계하고 구현했다. 서핑을 열렬히 즐겨서 노바스코샤 주 핼리팩스에 거주하며 일 년에 12개월 동안 파도를 타며 자유시간을 보낸다.

• 구본아 [저]

• SK주식회사 C&C에 입사해 클라우드 아키텍트, 특히 애저 서비스를 활용한 Landing Zone 구축, Cloud Migration 등 전통 온프레미스 환경에서 클라우드 환경으로 전환하고자 힘쓰고 있다. 클라우드를 접목한 마이크로서비스, AI 플랫폼 구축 등 새로운 서비스에 관심이 많고, 빅데이터 분야에도 관심이 많아 공모전에 참여해 수상한 이력이 있다. 데이터에서 유의미한 정보를 찾고 알맞게 데이터를 가공하거나 높은 예측력을 위해 모델링하는 등의 역할을 했다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.