데이터베이스(DataBase)

Jaeuk Oh·2021년 8월 9일

Database

DataBase

목록 보기

1/4

데이터베이스?

데이터베이스는 개인이나 조직이 조작이 가능한 저장된 데이터의 모임 또는 집합을 의미한다
일반적으로 영구적인 데이터의 모임을 말한다

데이터베이스가 왜 필요한가

모든 IT 서비스는 데이터를 만들어내고, 이를 저장하는 시스템이 필요하다
- 예를 들어, 로그인 경우에 데이터의 저장, 조회 등의 기능이 없다면 IT 서비스를 구현할 수 없다
어디에 저장할 것인가
- 프로덕션 관계형 데이터베이스(RDBMS, OLTP, OnLine Transaction Processing)
  - IT 서비스의 운영에 필요한 데이터를 저장하는 곳
  - 빠른 처리속도가 중요하다
  - 데이터를 구조화된 테이블의 집합으로 구성하여 저장하고 관리하는 시스템이다
  - 백엔드/프론트 개발자 모두 잘 알아야하는 기본기다
    - 관계형 데이터베이스의 프로그래밍 언어 SQL이라고 한다
- 데이터 웨어하우스 관계형 데이터베이스(OLAP, OnLine Analytical Processing)
  - 주로 회사 관련 데이터를 저장하고 분석함으로써 의사결정과 서비스 최적화에 사용한다
    - BigQuery, Sparks ....
  - 처리속도보다 구조화된 큰 데이터를 처리할 수 있는가
    - Scalability에 초점을 맞춘다
    - 데이터 분석 or 모델 빌딩 등을 위한 데이터 저장
  - 데이터 직군이라면 SQL을 반드시 알아야함
  - 보통 RDBMS를 복사해서 데이터 웨어하우스에 저장
- 데이터 순환구조
  - 사이트 방문 트랙픽과 외부 데이터(이메일, 마케팅 등)가 생성된다
  - 기업에서 데이터를 이용해서 비즈니스 인사이트를 도출하거나 개인화 등을 통한 제품 서비스 개선에 노력한다
- 비관계형 데이터베이스
  - 구조화 되지 않은 데이터도 다룬다
  - 흔히 NoSQL 데이터베이스 라고 함
  - 주로 프로덕션 관계형 데이터베이스(RDBMS)를 보완하기 위한 목적으로 많이 사용함
  - 예시
    - MongoDB, Redis, HBase, ElasticSearch, Cassandra 등

백엔드 시스템 구성도 예제보기

프론트엔드와 백엔드
- 초기에는 웹/앱 서비스를 프론트엔드와 백엔드로 구성했다
  - 프론트엔드
    - 사용자와 상호작용하는 부분으로 보통 웹 브라우저 또는 모바일 폰에 사용자에게 노출되는 서비스
  - 백엔드
    - 사용자에게 보이지는 않지만 실제 데이터를 저장/추가하고 사용자가 요구한 일을 수행하는 서비스(여기에 다양한 DB가 사용됨)
다른 직군의 등장
- 데브옵스(DevOps)
  - 주로 백엔드에 집중하고, 서비스 운영을 책임지는 팀으로 회사가 작을 때는 백엔드 팀이 담당
- 풀스택(FullStack)
  - 프론트엔드와 백엔드분야 모두 할 수 있는 직군으로 주로 작은 회사에서 선호
- 데이터 직군
  - 데이터 엔지니어
  - 데이터분석가
  - 데이터과학자
시스템 구성의 변화 (2 tier)
- 클라이언트와 서버, 두 개의 티어로 구성
  - 비즈니스 로직은 주로 클라이언트에 위치한다(front-end)
  - 서버단이 데이터베이스가 됨(back-end)
- 주로 데스크탑 응용프로그램에서 사용하는 아키텍쳐
시스템 구성의 변화 (3 tier)
- 웹 서비스에서 자주 사용되는 아키텍쳐
  - 프리젠테이션 티어(Presentation Tier) : 프론트엔드
  - 애플리케이션 티어(Application Tier) : 백엔드
  - 데이터 티어(Data Tier) : 백엔드
  - Spring Boot도 3 tier의 한 종류이다(사진 수정하자)
관계형 데이터베이스(RDBMS)의 중요성
- 어떤 구조든 DB는 꼭 필요한 컴포넌트이다
- DB를 잘 다루는 것(SQL)이 좋은 개발자가 되기위해 필요함
- 백엔드 개발자로서 중요한 부분
  - 데이터 모델을 잘 만들고 그걸 프론트개발자와 공유 및 협업
  - 속도 개선을 위한 쿼리 성능을 모니터링하고 필요하다면 성능 개선 작업을 수행
    - 이를 전담하는 사람이 존재하기도 함(DBA)

관계형 데이터베이스 소개

RDBMS(1)
- 구조화된 데이터를 저장하고 질의할 수 있도록 해주는 스토리지
  - 엑셀 스프레드 시트 형태의 테이블로 데이터를 정의 및 저장함
    - 테이블에는 컬럼(column)과 레코드(row)가 존재
RDBMS(2)
- RDBMS를 조작하는 프로그래밍 언어가 SQL
  - DDL(Data Definition Language)
    - 테이블 정의를 위해 테이블의 형식(포맷)을 정의해주는 언어
  - DML(Data Manipulation Language)
    - 테이블 안의 데이터 조작/질의를 위한 언어
    - 테이블에 레코드를 추가, 수정, 삭제, 조회 등을 위해 사용하는 언어
RDBMS의 구조
- RDBMS는 2단계로 구성
  - 가장 밑단에는 테이블들이 존재
  - 테이블들은 데이터베이스(혹은 스키마)라는 폴더 밑으로 구성
- 테이블의 구조
  - 테이블은 레코드(행)들로 구성
  - 레코드는 하나 이상의 필드(컬럼)으로 구성
  - 필드(컬럼)는 이름과 타입과 속성(primary key)으로 구성

SQL 소개

Structured Query Language
- RDBMS에서 데이터/테이블을 질의하거나 조작해주는 언어
- 1970년대 초반에 IBM에서 개발
SQL 단점
- 구조화된 데이터를 다루는데 최적화 되어있어서 비구조화 데이터에 대해 한계가 있음
  - 정규표현식을 통해 비구조화 데이터를 다룰 수 있지만 제약이 있음
  - 대부분의 RDBMS들은 플랫한 구조만 지원
    - 하지만 구글 빅쿼리는 nested structure 지원함
  - 비구조화 데이터를 다루는데 Spark, Hadoop같은 분산컴퓨팅 환경이 필요해짐
- RDBMS마다 SQL문법이 조금씩 다름
Star schema
- 프로덕션 관계형 데이터베이스에서 보통 스타 스키마를 사용해서 데이터를 저장한다
- 데이터를 논리적 단위로 나눠 저장하고, 필요할 때 조인
- 스토리지 낭비가 덜하고, 업데이트가 쉽다
Denormalized schema
- NoSQL이나 데이터 웨어하우스에서 사용하는 방식
  - 단위 테이블로 저장하지 않고, 별도의 조인이 필요없는 형태
- 스토리지 낭비가 좀 있지만, 조인이 없기에 빠른 계산이 가능하다

DDL

CREATE TABLE을 통해 primary key 속성을 지정할 수 있음

성능 향상을 위해 인덱스를 지정할 수 있음

CREATE TABLE raw_data.user_session_channel(
	user_id int,
    session_id varchar(32) primary key,
    channel varchar(32)
);

DROP TABLE과 DELETE * FROM의 차이는 명령이후에 테이블이 존재하지 않느냐 있느냐 차이다

DROP TABLE 테이블이름; /*테이블은 존재X*/
DROP TABLE IF EXISTS 테이블이름;
DELETE * FROM 테이블이름; /*테이블은 존재*/

ALTER TABLE

/*새로운 컬럼 추가*/
ALTER TABLE 테이블이름 ADD COLUMN 필드이름 필드 타입;

/*기존 컬럼 이름 변경*/
ALTER TABLE 테이블이름 RENAME 현재 필드이름 TO 새 필드 이름;

/*기존 컬럼 삭제*/
ALTER TABLE 테이블이름 DROP COLUMN 필드이름;

/*테이블 이름 변경*/
ALTER TABLE 테이블이름 RENAME TO 새 테이블 이름;

DML(향후 추가)
- SELECT
  - 보통 다수의 테이블에서 조회할 때는 'JOIN'을 이용함
- UPDATE FROM
- DELETE FROM은
  - 조건기반으로 삭제가능
  - TRUNCATE은 조건 제시 없이 삭제하는 명령어
  - 둘다 테이블을 삭제하지 않음
- INSERT INTO

Jaeuk Oh

다음 포스트

데이터베이스(DataBase)

DataBase

MySQL과 Docker 실습

0개의 댓글