데이터베이스론

질의 처리기

트랜잭션 관리자

저장 데이터 관리자

런타임 데이터베이스 처리기

SELECT 사번, 월급

FROM 직원

ORDER BY 월급;

SELECT *

FROM 직원

WHERE 이름 LIKE '김%';

SELECT AVG(월급)

FROM 직원

WHERE 부서 = '인사팀';

SELECT SUM(부서, 월급)

FROM 직원

GROUP BY 부서;

ㄱ, ㄴ

ㄴ, ㄷ

ㄷ, ㄹ

ㄱ, ㄴ, ㄷ

비공유(shared nothing) 모델

공유 디스크(shared disk) 모델

공유 메모리(shared memory) 모델

공유 프로세서(shared processor) 모델

ㄱ, ㄴ

ㄱ, ㄷ

ㄴ, ㄷ

ㄱ, ㄴ, ㄷ

속성의 데이터 타입

테이블에 저장된 레코드 값

데이터에 대한 다양한 제약 조건

테이블 이름, 인덱스(index) 이름, 뷰(view) 이름

맵리듀스(MapReduce) 기법을 사용하는 파일 시스템은 병렬 처리를 지원하지 않는다.

맵리듀스 기법에서 reduce() 함수의 입력 키 타입은 map() 함수의 출력 키 타입과 다르다.

맵리듀스 기법의 map() 함수는 각 입력 레코드에 대해 출력이 없거나, 한 개 이상의 (키, 값) 쌍들을 출력한다.

하둡 분산 파일 시스템(HDFS)에서 각 파일의 블록을 식별하기 위한 메타데이터를 저장하는 서버는 데이터노드(DataNode)이다.

T₁의 read(B)와 T₂의 read(B)

T₁의 write(B)와 T₂의 write(B)

T₂의 read(B)와 T₁의 write(B)

T₂의 write(A)와 T₃의 read(A)

ㄱ, ㄴ

ㄱ, ㄹ

ㄴ, ㄷ

ㄷ, ㄹ

T₅

T₁, T₅

T₄, T₅

T₁, T₃, T₅

GROUP BY 팀번호;

GROUP BY 선수번호;

GROUP BY 팀번호 HAVING AVG(점수) >= 15;

GROUP BY 팀번호 HAVING MAX(점수) >= 20;

오손 읽기(dirty read)

갱신 손실(lost update)

팬텀 문제(phantom problem)

부정확한 요약(incorrect summary)

‘회원’, ‘도서’, ‘대출’, ‘반납’이 주요 릴레이션이다.

‘도서’와 ‘반납’ 릴레이션 간의 관계는 일대다(1 : n) 관계이다.

‘대출’과 ‘반납’ 릴레이션 간의 관계는 다대다(m : n) 관계이다.

‘대출’ 릴레이션의 회원번호는 ‘회원’ 릴레이션의 회원번호를 참조하는 외래키이다.

데이터를 디스크에 분산 저장하고 오류 검출 및 정정이 가능한 해밍코드를 사용한다.

미러링(mirroring) 기법을 활용하여 한 디스크 장애 시 미러 디스크에서 읽을 수 있다.

데이터를 디스크에 교차 배치하여 읽기와 쓰기 성능이 향상되나, 장애 복구 기능은 제공되지 않는다.

블록 단위로 데이터를 분할하여 여러 디스크에 분산 저장하고, 장애 시 패리티 비트를 통해 복구한다.

ㄱ, ㄴ

ㄱ, ㄹ

ㄴ, ㄷ

ㄷ, ㄹ

E1(A1, A2, RA2)

E2(A3, A4, RA1)

E1(A1, A2, RA1, RA2)

E2(A3, A4)

E1(A1, A2, RA1, RA2)

E2(A1, A3, A4)

E1(A1, A2, RA2)

E2(A1, A3, A4, RA1)

SELECT e.이름, s.이름 AS 추천인이름

FROM 회원 e LEFT OUTER JOIN 회원 s

ON e.추천인아이디 = s.아이디;

SELECT e.이름, s.이름 AS 추천인이름

FROM 회원 e, 회원 s

WHERE e.추천인아이디 = s.아이디;

SELECT 이름, 추천인이름

FROM 회원 e

WHERE EXISTS

(SELECT 이름 AS 추천인이름 FROM 회원 WHERE e.아이디 = 추천인아이디);

SELECT e.이름, s.이름 AS 추천인이름

FROM 회원 e, 회원 s

WHERE e.추천인아이디 = s.아이디

AND e.추천인아이디 IS NOT NULL;

$\mathrm{R}1\cup \mathrm{R}2$ 연산은 수행될 수 없다.

$\mathrm{R}2÷\mathrm{R}1$ 연산 결과의 차수는 2이고 카디널리티는 2이다.

${\mathrm{\sigma }}_{\mathrm{R}1}.\mathrm{B}=\mathrm{\prime }\mathrm{b}2\mathrm{\prime }(\mathrm{R}1\times {\mathrm{\Pi }}_{\mathrm{B},\mathrm{D}}(\mathrm{R}2))$ 연산 결과의 카디널리티는 3이다.

${\mathrm{\sigma }}_{\mathrm{A}=\mathrm{\prime }\mathrm{a}1\mathrm{\prime }}(\mathrm{R}1\times \mathrm{R}2)$와 ${\mathrm{\sigma }}_{\mathrm{A}=\mathrm{\prime }\mathrm{a}1\mathrm{\prime }}(\mathrm{R}1{\text{⋈}}_{\mathrm{R}1.\mathrm{B}=\mathrm{R}2.\mathrm{B}}\mathrm{R}2)$ 연산 결과의 차수는 동일하다.

${\mathrm{\Pi }}_{\mathrm{D}\mathrm{N}\mathrm{O}}(\mathrm{E}\mathrm{M}\mathrm{P})$

${\mathrm{\Pi }}_{\mathrm{D}\mathrm{N}\mathrm{U}\mathrm{M}}(\mathrm{D}\mathrm{E}\mathrm{P}\mathrm{T})$

${\mathrm{\Pi }}_{\mathrm{D}\mathrm{N}\mathrm{O},\mathrm{N}\mathrm{A}\mathrm{M}\mathrm{E}}(\mathrm{E}\mathrm{M}\mathrm{P})$

${\mathrm{\Pi }}_{\mathrm{D}\mathrm{N}\mathrm{U}\mathrm{M},\mathrm{D}\mathrm{N}\mathrm{A}\mathrm{M}\mathrm{E}}(\mathrm{D}\mathrm{E}\mathrm{P}\mathrm{T})$

SQL문에서 조인 연산에 자주 사용되는 속성은 인덱스로 적합하다.

클러스터링(clustering) 인덱스는 검색 효율을 위해 테이블당 2개 이상 활용된다.

밀집(dense) 인덱스는 데이터 파일의 레코드 그룹에 대해 생성되는 하나의 엔트리이다.

인덱스를 구성하기 위한 자료구조로는 이진 탐색 트리(binary search tree)가 가장 많이 활용된다.

로그 레코드가 상당 기간 메인 메모리에 있으면 시스템 장애 시 해당 로그 레코드가 손실될 수 있다.

트랜잭션의 원자성을 보장하기 위한 회복 기법으로 로그 우선 기록 규약(write-ahead log protocol)을 지원해야 한다.

시스템 장애 시 복구를 위해 변경 사항을 즉시 디스크에 기록하며, 이는 시스템의 성능을 최적화하는 데 중요한 역할을 한다.

트랜잭션이 수행되는 동안 발생하는 변경 사항을 일시적으로 메모리 버퍼에 저장하여, 디스크 출력 횟수를 줄이고 시스템 성능을 향상시킨다.

고객1

고객2

고객3

고객4

SELECT 이름, 제품번호, 개수

FROM 고객 OUTER JOIN 주문

ON 번호 = 고객번호

ORDER BY 이름, 제품번호;

SELECT 이름, 제품번호, 개수

FROM 고객 RIGHT OUTER JOIN 주문

ON 번호 = 고객번호

ORDER BY 이름, 제품번호;

SELECT 이름, 제품번호, 개수

FROM 고객 LEFT OUTER JOIN 주문

ON 번호 = 고객번호

ORDER BY 이름, 제품번호;

SELECT 이름, 제품번호, 개수

FROM 고객, 주문

WHERE 번호 IN (SELECT 고객번호 FROM 주문)

ORDER BY 이름, 제품번호;

{상태번호} → {재고위치} {부품번호, 수량} → {상태}

{부품번호} → {상태번호} {상태번호, 부품번호} → {상태}

{부품번호} → {수량} {상태번호, 상태} → {부품번호}

{상태번호} → {상태, 재고위치} {상태번호, 부품번호} → {수량}