8-1 클라이언트 소프트웨어
- 소프트웨어를 사용하여 데이터베이스에 접속
1. 직감적인 조작이 가능하게 되다
-
개발자가 아니라면, 명령어를 사용하는 조작을 쉽게 할 수 없어
-
보다 간단하게 데이터베이스를 조작하는 방법으로
클라이언트 소프트웨어를 사용하는 방법이 있다. -
데이터를 보기 쉽게 정리하여 표시
-
표 계산 소프트웨어와 같이 필요한 작업을 메뉴에서 선택하여 직관적으로 조작
-
소프트웨어에서 제공하는 기능에 없는 조작은 할 수 없음
8-3 라이브러리, 드라이버
- 프로그램에서 데이터베이스를 사용하다
1. 라이브러리 및 드라이버를 사용한 데이터베이스 연계
-
프로그램을 사용해 업무를 효율화하거나 데이터를 분석하기 위한 데이터 저장 장소로서 데이터베이스를 이용
-
프로그램에서 데이터베이스를 조작할 필요가 있는데, 프로그램과 데이터베이스를 중개하는 역할을 함
8-4 O/R 매핑, O/R 매퍼
- 프로그램 언어에 맞는 형식으로 데이터베이스를 취급한다
1. 프로그램 언어 같은 형태로 데이터베이스를 취급하다
- SQL을 의식하지 않고 프로그램 언어 특유의 기술 형식이나 데이터 구조로 데이터베이스를 다루는 구조를 O/R 매핑이라고 한다.
-
프로그램 언어 특유의 기술 형식과 데이터 구조로 데이터베이스를 취급하기 위한 구조가 O/R 매핑(Mapping)이라고 한다.
-
이 역할을 담당하는 것을 O/R 매퍼(mapper)라고 한다.
-
O/R 매퍼 : 프레임워크(애플리케이션 개발을 보다 빠르고 간단하게 하기 위한 모형이 되는 도구) 등에 도입되어 있다.
8-5 Amazon RDS, Cloud SQL, Heroku Postgres
- 클라우드 서비스 활용
1. 외부 사업자의 서비스를 이용한다.
-
외부 사업자가 미리 보유하고 있는 기기나 소프트웨어를 네트워크를 통해 이용할 수 있기 때문에
자체적으로 필요한 것을 조달할 필요 없이 Web에서 24시간 언제든지 데이터베이스를 구축할 수 있다. -
사용한 만큼만 비용이 부과되는 요금 체계를 가지고 있다.
2. 클라우드 서비스를 사용하는 절차
1) 데이터베이스를 제공하는 사업자의 사이트에 접속하여 계정을 등록한다.
2) 새로운 데이터베이스를 생성한다.
3) 데이터베이스의 호스트 이름과 사용자 이름, 패스워드가 발행된다.
4) 3)에서 발행된 정보로 데이터베이스에 접속하여 이용한다.
- 👍: 데이터베이스 관련 설비에 대한 관리를 외부 업체가 수행해주기 때문에 이용자는 애플리케이션 개발에 집중할 수 있다는 장점이 있다.
8-6 캐시(Cache)
- 데이터를 고속으로 조회한다
1. 데이터 조회 성능을 올리는 캐시
-
한 번 이용한 데이터를 읽기 속도가 빠른 디스크 영역에 일시적으로 보존해 두고, 다시 동일한 데이터를 이용할 경우에 고속으로 읽을 수 있게 하는 구조
-
ex) 인터넷 브라우저
- 브라우저로 페이지를 표시할 때 한 번 읽었던 이미지 등의 파일을 수중에 보관해두고,
- 2번째 이후부터 동일한 페이지를 읽을 때 이용하는 것으로 페이지를 고속으로 표시하고 있다.
2. 데이터베이스에서 캐시를 사용한다
-
ex) 쇼핑 사이트의 전날 인기 상품 랭킹 페이지
-
데이터베이스에서 랭킹 순으로 데이터를 조회하는 프로세스의 처리가 무거우면 데이터베이스에 부하가 걸리며,
-
전날 랭킹은 변동되는 일이 없는데도 페이지에 접속이 발생할 때마다 무거운 처리를 매번 실행하는 것은 효율이 좋지 않다.
데이터베이스로부터 조회한 결과를 다른 영역에 보존해 두고
- 2번째부터는 다른 영역에 보존해 두었떤 데이터를 참조함으로써, 데이터베이스에 대한 접속을 줄일 수 있어
- 결과적으로 고속으로 데이터를 조회할 수 있게 된다.
이러한 캐시의 구조는 스스로 준비할 수도 있지만, 데이터베이스와 연계한 프레임워크나 소프트웨어에 미리 도입되어 있는 경우도 있다.
8-7 빅데이터(Big Data)
- 대용량의 데이터를 모아서 분석한다
1. 빅데이터 활용
- 빅데이터는 거대한 데이터의 덩어리로 비즈니스 현장의 다양한 상황에서 유용하게 활용된다.
ex) 생선 가게를 운영하고 있는 경우
- 계절이나 생선의 종류, 산지, 가격, 맛 등의 데이터를 고려하여 생선을 구입
- 구입한 생선을 가게에 진열할 때 어떤 생선이 얼마에 어느 정도 팔렸는지
- 구매자의 연령층, 시간대 등 정보 분석
- 어디에 두고 어떤 방법으로 하면 잘 팔리는지 데이터로 축적
- 실제로 소매점에서 매출 향상, 고객의 요구에 맞는 상품 제조, 쇼핑 사이트에서의 추천 기능 등 다양하게 활용 가능
2. 빅데이터에 요구되는 데이터베이스
-
테라 바이트(Tera Byte), 페타 바이트(Peta Byte) 등 아주 큰 단위의 데이터를 이용
-
문자 외 이미지, 음성, 동영상 등 다양한 형태의 데이터
-
행동이나 결제 등 끊임없이 발생하는 데이터를 위해 빠른 처리속도가 요구됨
8-8 AI, 인공지능, 기계학습
1. AI에서의 활용
-
AI(인공지능) : 인간이 하는 예측과 판단을 대신해줌
-
이미지 인식, 음성 인식, 자율주행, 스팸 메일 필터, EC(electronic commercial,전자상거래)의 상품 추천, 얼굴인식, 챗봇 등
-
기계학습 : 프로그램에게 대량의 데이터를 학습시켜 예측이나 판단을 하는 모델을 이끌어내는 기술
- ex) 메일에서 스팸 필터를 도와주는 방법 중 하나로 기계학습이 들어가 있다.
- 방대한 스팸 메일과, 그렇지 않은 메일 데이터가 수집된 데이터베이스를 프로그램에서 학습시켜 스팸 메일 여부를 판정
2. 챗봇(Chatbot) 구조
-
AI, 기계학습이라고 하는 기술이 응용되고 있어서
음성을 수신하면 어떠한 의도인지 인식 -
대화용 데이터베이스로부터 학습한 방대한 데이터를 이용해서 목적에 맞는 응답이나 조작을 실시하고 있다.
8-9 AI 데이터베이스
1. 더욱 편리해지는 데이터베이스
-
데이터베이스 자체에 AI(인공지능)의 기능을 도입
-
데이터의 관리나 분석이 편리해지는 것 외에도 전문가가 아닌 담당자도 데이터베이스에 접속할 수 있게 되었다.
2. 데이터베이스 이제부터는
- 데이터베이스에는 데이터를 편리하게 다루기 위해 등록, 정리, 검색 같은 기능이 있지만,
- 그 기능들을 만든 목적은
데이터를 효율적으로 저장해서 웹 페이지에 표시하거나 분석 결과를 통해 비즈니스에 도움이 되는 것
