본문 바로가기

CS ﹒ Algorithm/Database

강대명님의 우아한 Redis 정리
CS ﹒ Algorithm/Database 2023. 1. 18. 강대명님의 우아한 Redis 정리 Redis의 Collection에 대해 알아보던 중 배달의 민족에서 운영하는 우아한 Tech 채널에서 강대명님께서 강연하신 캐시의 모든 것 영상을 시청하고 학습을 위해 정리한 글입니다. 1. 왜? 언제? 어디서? 1-1. Cache - 왜 캐시를 사용하는가? (1) 나중에 요청될 데이터를 미리 저장해놨다가 빠르게 반환하기 위함. (Like DP) (2) 저장 매체별 접근 속도가 다르기 때문. (L1 -> L2 -> L3 -> Memory -> Disk) (3) 파레토 법칙에 의해 전체 요청의 80%는 20% 지점에서 일어난다. 따라서 해당 부분을 캐싱하는 것이 효율적이다. - 어떤 형태로 주로 사용하는가? (1) Look aside Cache : 캐시에서 데이터를 먼저 조회하고, 만약 캐시에 해당 데이터..
카디널리티와 선택도의 관계와 차이.. 대체 뭐가 다른 걸까요
CS ﹒ Algorithm/Database 2023. 1. 16. 카디널리티와 선택도의 관계와 차이.. 대체 뭐가 다른 걸까요 이전에 리뷰했던 "업무에 바로 쓰는 SQL 튜닝"이라는 책을 읽으며 카디널리티와 선택도 개념을 처음 접했었다. 개발 도서 리뷰 (10) 업무에 바로 쓰는 SQL 튜닝 4.0/5.0 업무에 바로 쓰는 SQL 튜닝 나의 평점 4.0/5.0 추천합니다. SQL 성능 최적화에 관심이 있어서 관련 서적을 펼쳐봤다가 하나도 이해하지 못하고 좌절해본 경험이 있다면. 충동구매하고 읽지도 못하는 7357.tistory.com 원래도 기억이라는 건 시간이 지나면 흐려지는 것이기도 하고, 해당 책이 이론에 대해 깊게 설명하는 책은 아니였기 때문에 슬슬 헷갈리기 시작해서 다시 한 번 정리해보기로 했다. 1. 카디널리티 카디널리티(cardinality)는 집합의 크기라는 뜻으로 해당 column에 유일값이 얼마나 많은지를 나타..
토비님과 강대명님의 캐시의 모든 것 정리
CS ﹒ Algorithm/Database 2022. 12. 26. 토비님과 강대명님의 캐시의 모든 것 정리 EhCache와 Redis를 언제 사용하는 것이 적절한지에 대해 알아보던 중 토비님이 본인의 유튜브 채널에서 레디스 커미터인 강대명님과 함께 촬영한 캐시의 모든 것 영상을 시청하고 저를 위해 정리한 글입니다. 1. 용어 정리 Buffer : 저장 시 일정 공간을 채울 때까지 대기하고 한 번에 저장함으로써 효율을 높이기 위한 목적 Cache : 복잡한 연산이 필요한 데이터 등을 미리 저장해놓고 바로 불러와 사용하기 위한 목적 2. 흔히 볼 수 있는 캐시의 종류 Eh Cache Redis Application 내부의 Variable Web Cache (brower cache, proxy cache, gateway cache..) 3. 캐시 적용 판단 기준 (1) 데이터 변경이 자주 일어나는지? (2) 데이터..
데이터베이스 (9) 설계 5 - 정규화와 역정규화의 이론과 예시
CS ﹒ Algorithm/Database 2022. 9. 8. 데이터베이스 (9) 설계 5 - 정규화와 역정규화의 이론과 예시 정규화란 무엇인가? 정규화는 Anomaly가 발생할 우려가 있는 테이블의 Relation을 분해하여 Anomaly를 제거하거나 미연에 방지하는 과정이다. 이는 단계별로 구별되어 있으며 정규화가 진행될수록 이상 Anomaly(이상 현상)은 줄어든다. 또한 정규화는 테이블을 세분화하여 확장성과 유지보수에 용이한 데이터베이스를 설계할 수 있도록 돕는다. 다만 정규화는 장점만 존재하는 것이 아니다. 만약 데이터베이스에 저장되는 데이터가 엄청나게 많다면 세분화된 관계 설정으로 인해 데이터 질의 응답 속도가 느려질 수 있다. 특히나 JOIN의 경우. (이것은 정말 데이터가 잘 설계되었음에도 불구하고 데이터가 너무너무너무 많은 경우를 가정한 것이다. 일반적인 경우에서 데이터베이스가 느리다면 정규화가 아니라 다른 문제..
데이터베이스 (8) 설계 4 - Anomaly(이상 현상)
CS ﹒ Algorithm/Database 2022. 9. 4. 데이터베이스 (8) 설계 4 - Anomaly(이상 현상) 일단 Anomaly에 대해 설명하기 전에 KEY의 중요성에 대해 다시 한 번 이야기를 해야할 것이다. 왜냐면 결국 모든 Anomaly는 테이블, 키 설계의 잘못으로 인해 발생하는 것이기 때문이다. A라는 직원이 학년과 학생 테이블을 따로 만들기가 귀찮아서 학생 테이블에 학년은 하드코딩하듯이 일일히 수기로 작업했다. 이 때 어떤 문제가 생길까? 1. 만약 학년의 표기 명칭이 변경되었다면? 학년 테이블을 나눴을 경우 고작 단 세 글자의 수정으로 모든게 해결된다. 2. 오타가 발생한다면? 만약 테이블을 분리하지 않는다면 무결성을 내 손의 정확도에 맡겨야 한다. 내가 99.99%의 정확도를 가진 엄청난 능력자라고 가정해보자. 그리고 비록 확률이라는 것은 이런 개념은 아니지만 0.01%의 실패가 무조건 발생한다고..
데이터베이스 (7) 설계 3 - N : M 관계, 1:1 관계
CS ﹒ Algorithm/Database 2022. 8. 30. 데이터베이스 (7) 설계 3 - N : M 관계, 1:1 관계 1. N : M 관계? 한명의 학생이 여러 과목을 가질 수도 있고, 한 과목이 여러 학생에 의해 공유될 수도 있다. 이것이 N : M 관계(다대다 관계)이다. 아마 1 : N의 관계와 헷갈릴 수도 있지만, 쓸데 없이 어렵게 꼬아서 생각하지 않으면 헷갈릴 것도 없다는 것을 알게 될 것이다. 1 : N의 관계는 N에 해당하는 개체가 1에 종속되어 있어야 한다고 했다. 그러면 생각해보자 학생은 과목이 있어야만 존재하는가? 아니다. 과목은 학생이 있어야만 존재하는가? 아니다. 학생이 여러 명 있어야 과목도 여러 개 존재하는가? 아니다. 과목이 여러 개 있어야 학생도 여러 명 존재하는가? 아니다. 이렇듯 학생과 과목은 직접적인 관계가 없다. 이 둘은 명사로써 존재하는 테이블, 즉 "마스터 테이블"이다. 다만 수업..
데이터베이스 (6) 설계 2 - N : 1 관계, 재귀적 관계
CS ﹒ Algorithm/Database 2022. 8. 26. 데이터베이스 (6) 설계 2 - N : 1 관계, 재귀적 관계 1. N : 1 관계 ? (1) N : 1 관계는 한 쪽이 관계를 맺은 쪽의 여러 객체를 갖는 것을 의미한다. (2) 가장 흔하게 나타나는 매우 일반적인 관계이다. 예시) 부모와 자식 관계, 컴퓨터의 디렉토리 구조, 트리 구조, 반과 학생 2. ERD로 알아보는 N : 1 관계 * ERD : Entity Relational Diagrams 예시 1) 위 다이어그램에서 하나의 Customer가 여러 Order를 가질 수 있지만 Order는 Customer나 Car 없이는 존재할 수 없다. 이 때 Order는 Customer에게 종속되었다고 표현하며, 이러한 종속 관계로 무결성을 보장할 수 있다. (부모 없는 데이터는 존재하지 않으므로) 예시 2 ) 각 학년은 독립적으로 존재할 수 있으나 반은 학년에 종속된..
데이터베이스 (5) 설계 1 - Key 설계
CS ﹒ Algorithm/Database 2022. 8. 23. 데이터베이스 (5) 설계 1 - Key 설계 1. KEY의 중요성 데이터 베이스 설계 시 어떤 column을 Primary key로 지정할 지가 굉장히 중요하다. 1. 기본키가 없으면 일관성 없는 데이터가 반복적으로 쌓여 쿼리 속도가 느려지고 원치 않는 정보 조회 결과를 가져올 수 있다. 2. 관계형 데이터에서는 반드시 각 행이 고유하게 식별되어야 한다. 3. 기본적으로 Primary Key는 Cluster Index이기 때문에 필요한 데이터를 빠르게 탐색하는 것에 유리하다. ( 단, Database에 따라 PK와 Cluster Index가 동일하지 않을 수 있다. ) 4. Database의 실제 저장되는 정렬 순서를 보장할 수 있는 방법은 오직 PK 뿐이다. 2. KEY 설계시 고려사항 1. Primary Key 선택 방법 (1) 제공된 정보 중..

티스토리툴바