본문 바로가기

전체 글122

토이프로젝트 / 바디로그 / 운동어플 / 개발일지 / 20210519 휴...오늘도 어김없이..시간을 마구 날려 버렸다. 오라클 클라우드에 서버를 구축하기 위해 가입을 하였는데, 계속 인증코드에 오류가 있어서 상당히 애를 먹었다. 내가 잘못 입력한건 아니었는데 ㅠㅠ 어찌어찌 생성은 하였고 그 다음에는 VM 인스턴스를 생성해서 뭘 해야한다고 하는데..... 구글링을 해보며 궁금증을 풀려고 해보았지만 생각보다 이해가 확 되지는 않았다. 다만, 클라우드 서버에 디비를 구축하는 것은 배포하기 전에 해도 충분하다고 판단하여 추후 진행하려고 마음먹었다. (선생님한테 좀 자세히 물어보려고한다.) 그리고 오늘은 약 1시간 30분정도 코딩을 했는데 Controller -> Biz -> Mapper -> Biz -> Controller -> view 로 이어지는 전형적인 MVC패턴의 형태로.. 2021. 5. 25.
토이프로젝트 / 바디로그 / 운동어플 / 개발일지 / 20210520 생각지도 못한 난관에 봉착했다. 이미 서블릿을 통한 프로젝트로 Ajax를 너무 많이 코딩해본터라, 크게 문제가 없을 거라고 생각했고 이번에는 Ajax라이브러리 중 하나인 fetch를 사용하여 비동기통신을 해보리라 다짐하였다. 헌데,,,thymeleaf 템플릿을 내가 너무 얕본탓일까... 처음부터 통신에 에러가 나서...사실 오늘 하루는 이거 테스트 하느라고 시간을 다 보냈다 ㅠㅠ 이러다가 한달은 더 연장되게 생겼다. 여튼 fetch로 해보려고 초기에 몇가지 테스트를 진행하였으나, 진척이 없어 구글링을 해보았더니 보통 ajax + thymeleaf관련 글이 다수 존재했다. 이유가 있을 것이라는 생각에 나도 ajax로 하기로 마음먹고 구글링의 블로그들을 참조하고 있었는데... 이게 뭐야... 단순히 Stri.. 2021. 5. 24.
토이프로젝트 / 바디로그 / 운동어플 / 개발일지 / 20210518 본격적으로 코딩을 시작한다. 는 무슨 코딩 제대로 못했다... 전문가분들이랑 순식간에 해치울 일들이었으나... 의존성 추가와 프로퍼티스에 기본적으로 설정하는 부분 등에서 상당히 애를 먹었다. 역시... 공부를 좀 더 깊게 한 후에 프로젝트에 사용했어야 했나 ㅠㅠ 하지만 시간이 없다. 계속 뚫고 나아가는 수밖에 학원수업과 자격증 공부, 알고리즘 공부 등을 제외하면 하루에 3시간정도 프로젝트에 집중할 수 있는데 설정만 거의 2시간30분 가까이 잡아먹었다. 그래도 이 정도 수준은 예상하고 있었다. 애자일 개발방법론을 생각하며 그때그때 계획을 수정 변경해나가면 되는 것 아니겠나! 그리고 마지막으로 깃허브 리포지토리를 생성하여 각자 작업한 것을 커밋규칙에 따라 푸시 -> 머지 -> 풀하는 과정에 30분을 소요하였.. 2021. 5. 23.
SQLD 정리 / 과목 1 데이터 모델링의 이해 / 제2장 데이터 모델과 성능 / 제6절 분산 데이터베이스와 성능 제6절 분산 데이터베이스와 성능 1. 분산 데이터베이스의 개요 여러 곳으로 분산되어있는 데이터베이스를 하나의 가상 시스템으로 사용할 수 있도록 한 데이터베이스 논리적으로 동일한 시스템에 속하지만, 컴퓨터 네트워크를 통해 물리적으로 분산 되어 있는 데이터들의 모임 2. 분산 데이터베이스의 투명성(Transparency) 분할 투명성 : 하나의 논리적 릴레이션이 여러 단편으로 분할되어 각 단편의 가본이 여러 사이트에 저장 위치 투명성 : 사용하려는 데이터의 저장 장소 명시 불필요. 위치정보가 시스템 카탈로그에 유지되어야 함 지역사상 투명성 : 지역 DBMS와 물리적 DB사이의 Mapping보장, 각 지역시스템 이름과 무관한 이름 사용 가능 중복 투명성 : DB 객체가 여러 site에 중복 되어 있는지 알 필.. 2021. 5. 22.
SQLD 정리 / 과목 1 데이터 모델링의 이해 / 제2장 데이터 모델과 성능 / 제5절 데이터베이스 구조와 성능 제5절 데이터베이스 구조와 성능 1. 슈퍼타입/서브타입 모델의 성능고려 방법 (1) 슈퍼/서브타입 데이터모델의 개요 : Extended ER모델이라고 부른다. 업무를 구성하는 데이터의 특징을 공통점과 차이점을 고려하여 효과적으로 표현할 수 있기 때문에 자주 쓰인다. (2) 슈퍼/서브타입 데이터 모델의 변환 데이터의 양은 데이터량이 소량일 경우 성능에 영향을 미치지 않기 때문에 데이터처리의 유연성을 고려하여 가급적 1:1 관계를 유지하는 것이 바람직하다. 그러나 데이터용량이 많아지는 경우 그리고 해당 업무적인 특징이 성능에 민감한 경우는 트랜잭션이 해당 테이블에 어떻게 발생되는지에 따라 3가지 변환방법을 참조하여 상황에 맞게 변환하도록 해야 한다. (3) 슈퍼/서브타입 데이터 모델의 변환 기술 개별로 발생.. 2021. 5. 22.
SQLD 정리 / 과목 1 데이터 모델링의 이해 / 제2장 데이터 모델과 성능 / 제4절 대량 데이터에 따른 성능 제4절 대량 데이터에 따른 성능 1. 대량 데이터발생에 따른 테이블 분할 개요 대량의 데이터가 존재하는 테이블에 많은 트랜잭션이 발생하여 성능이 저하되는 테이블 구조에 대해 수평/수직 분할 설계를 통해 성능저하를 예방할 수 있다. 로우체이닝 : 로우 길이가 너무 길어서 데이터 블록 하나에 데이터가 모두 저장되지 않고 두 개 이상의 블록에 걸쳐 하나의 로우가 저장되어 있는 형태 로우마이그레이션 : 데이터 블록에서 수정이 발생하면 수정된 데이터를 해당 데이터 블록에서 저장하지 못하고 다른 블록의 빈 공간을 찾아 저장하는 방식 2. 한 테이블에 많은 수의 칼럼을 가지고 있는 경우 트랜잭션을 분석하여 적절하게 1:1관계로 분리하여 성능향상을 기대하도록 해야한다. 3. 대량 데이터 저장 및 처리로 인한 성능 파티.. 2021. 5. 22.
SQLD 정리 / 과목 1 데이터 모델링의 이해 / 제2장 데이터 모델과 성능 / 제3절 반정규화와 성능 제3절 반정규화와 성능 1. 반정규화를 통한 성능향상 전략 반정규화 : 정규화된 엔터티, 속성, 관계에 대해 시스템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링 기법이다. 중복성의 원리를 활용하여 데이터 조회시 성능을 향상시키는 역할을 할 수 있다. 정규화만을 수행하면 엔터티의 갯수가 증가하여 여러 개의 조인이 걸려야한 하는 경우가 있는데, 이때 처리성능이 중요하다고 판단될때 부분적으로 반정규화를 고려 할 수 있다. 정규화만을 강조하다 보면 성능의 이슈가 발생될 수 있고 반정규화를 과도하게 적용하다 보면 데이터 무결성이 깨질 수 있는 위험이 증가 반정규화 적용 방법 반정규화 대상 조사 : 범위처리빈도수, 대량의 범위 처리, 통계성 프로세스, 테이블 조인 개수 .. 2021. 5. 22.
SQLD 정리 / 과목 1 데이터 모델링의 이해 / 제2장 데이터 모델과 성능 / 제2절 정규화와 성능 제2절 정규화와 성능 1. 정규화를 통한 성능 향상 전략 정규화 : 데이터에 대한 중복성을 제거하여 이상현상을 방지하여 성능 향상을 기대한다. 일반적으로 정규화를 하면 입력/수정/삭제의 성능이 향상된다. 조회 성능은 상황에 따라 향상될 수도 저하될 수도 있다. 그리하여 상황에 따라 반정규화를 할지 정규화를 할지 잘 구분해야한다. 2. 함수적 종속성(Functional Dependency) 에 근거한 정규화 수행 필요 함수적 종속성이란 데이터들이 어떤 기준값에 의해 종속되는 현상을 지칭하는 것이다. 이 때 기준값을 결정자, 종속되는 값을 종속자라고 한다. ex) 결정자 : 주민등록번호, 종속자 : 이름, 출생지 등 2021. 5. 22.
SQLD 정리 / 과목 1 데이터 모델링의 이해 / 제2장 데이터 모델과 성능 / 제1절 성능 데이터 모델링의 개요 제1절 성능 데이터 모델링의 개요 1. 성능 데이터 모델링의 정의 데이터베이스 성능향상을 목적으로 설계단계의 데이터 모델링때부터 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것이다. 2. 성능 데이터 모델링 수행 시점 분석/설계 단계에서 데이터베이스 처리 성능을 향상 시킬 수 있는 방법을 고민해야한다. 그래야 비용을 최소화 할 수 있다. 3. 성능 데이터 모델링 고려사항 ① 데이터 모델링을 할 때 정규화를 정확하게 수행한다. ② 데이터베이스 용량산정을 수행한다. ③ 데이터베이스에 발생되는 트랜잭션의 유형을 파악한다. ④ 용량과 트랜잭션의 유형에 따라 반정규화를 수행한다. ⑤ 이력모델의 조정, PK/FK 조정, 슈퍼타입/서브타입 조정 등을 수행한다. ⑥ 성능관점에서 데이터 모델을 검증한다. 2021. 5. 22.

티스토리툴바