Chapter 03. 데이터 베이스 기초 활용하기

1. 데이터 베이스 정의

• 통합된 데이터 (Integrated Data) : 자료의 중복을 재베한 데이터의 모임
• 저장된 데이터 (Stored Data) : 저장 매체에 저장된 데이터
• 운영 데이터 (Operational Data) : 조직의 업무를 수행하는데 필요한 데이터
• 공용 데이터 (Shared Data) : 여러 애플리케이션, 시스템들이 공동으로 사용하는 데이터

2. 데이터 베이스 특성

• 실시간 접근성 (Real-Time Accessibility)
  • 쿼리에 대하여 실시간 응답이 가능해야 함
• 계속적인 변화 (Continuous Evolution)
  • 새로운 데이터의 삽입, 삭제, 갱신으로 항상 최신 데이터를 유지함
• 동시 공용 (Concurrent Sharing)
  • 다수의 사용자가동시에 같은 내용의 데이터를 이요할 수 있어야 함
• 내용 참조 (Content Reference)
  • 데이터베이스에 있는 데이터를 참조할 때 데이터 레코드의 주소나 위치에 의해서가 아니라, 사용자가 요구하는 데이터 내용으로 데이터를 찾음

3. 관계형 데이터베이스 관리 시스템 (RDBMS; Relational Database Management System)

• 관계형 모델을 기반으로 하는 가장 보편화된 데이터베이스 관리 시스템
• 테이블의 일부를 다른 테이블과 상하 관계로 표시하여 상관관계를 정리
• Oracle, SQL Server, MySQL, Maria DB

4. 계층형 데이터베이스 관리 시스템 (HDBMS; Hierarchical Database Management System)

• 데이터를 상하 종속적인 관계로 계층화하여 관리하는 데이터 베이스
• IMS(Information Management System), System2000

5. 네트워크 데이터베이스 관리 시스템

• 데이터의 구조를 네트워크상의 망상 형태로 표현한 데이터 모델
• IDS(Integrated Data Store), IDMS(Integrated Database Management System)

6. DBMS 유형 (키컬도그)

• 키-값(Key-Value) DBMS
  • 키 기반 Get / Put / Delete 제공, 메모리 기반에서 성능 우선 시스템 및 빅데이터 처리 기능 DBMS
  • Unique 한 키에 하나의 값을 가지고 있는 형태
• 컬럼 기반 데이터 저장 (Column Family Data Store) DBMS
  • Key 안에 (Column, Value) 조함으로 된 여러 개의 필드를 갖는 DBMS
• 문서 저장 (Document Store) DBMS
  • 값의 데이터 타입이 문서라는 타입을 사용하는 DBMS
  • 문서 타입은 XML, JSON과 같은 구조화된 데이터 타입으로 복잡한 계층 구조 표현 가능
• 그래프(Graph) DBMS
  • 시맨틱 웹고 ㅏ온톨로지 분야에서 활용되는 그래프로 데이터를 표현하는 DBMS

7. BMS 특징

• 데이터 무결성
  • 부적절한 자료가 입력되어 동일한 내용에 대하여 서로 다른 데이터가 저장되는 것을 허용하지 않는 성질
• 데이터 일관성
  • 삽입, 삭제, 갱신, 생성 후에도 저자오딘 데이터가 변함없이 일정
• 데이터 회복성
  • 장애가 발생하였을 시 특정 상태로 복구되어야 하는 성질
• 데이터 보안성
  • 불법적인노출, 변경, 손실로부터 보호되어야 하는 성질
• 데이터 효율성
  • 응답 시간, 저장 공간 활용 등이 최적화되어 사용자, 소프트웨어, 시스템 등의 요구 조건을 만족시켜야하는 성질

8. 빅데이터의 특성

• 데이터의 양 (Volume)
  • 디지털 정보량이 기하급수적으로 폭증하는 것을 의미
• 데이터의 다양성 (Variety)
  • 로그, 소셜, 위치 등 데이터 유형이 다양해지는 것을 의미
• 데이터의 속도 (Velocity)
  • 가치 있는 정보 활용을 위해실시간 분석이 중요해지는 것을 의미

9. NoSQL의 유형 (키컬도그)

• Key-Value Store
• Column Family Data Store
• Document Store
• Graph Store

10. 데이터 마이닝

• 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아내는 기술

11. 데이터 마이닝 주요 기법 (분연 연데)

• 분류 규칙 (Classification)
  • 과거 데이터로부터 특성을 찾아내어 분류 모형을 만들어 이를 토대로 새로운 레코드의 결과 값을 예측하는 기법
• 연관 규칙 (Association)
  • 데이터 안에 존재하는 항목들 간의 종속 관계를 찾아내는 기법
• 연속 규칙 (Sequence)
  • 연관 규칙에 시간 관련 정보가 포함된 형태의 기법
• 데이터의 군집화 (Clustering)
  • 대상 레코드들을 유사한 특성을 지닌 몇 개의 소그룹으로 분할하는 작업으로 작업 특성이 분류규칙과 유사