Part3. 파생 데이터 (Derived Data)

❐ 정리

---

• 1부와 2부에서는
  • 분산 데이터베이스로 가기 위해 고려해야 할 모든 주요 사항을 밑바닥 부터 다뤘음.
  • 하지만 1,2부에서는 애플리케이션이 단일 데이터베이스를 사용한다고 가정했음.
• 3부에서는
  • 다양한 특징을 가지는 여러 데이터 시스템을 일관성 있는 하나의 애플리케이션 아키텍처로
          통합하는 문제에 대해서 검토한다.

 

 

 

 

 

❐ 레코드 시스템과 파생 데이터 시스템

---

➔ 데이터를 저장하고 처리하는 시스템은 크게 두 분류로 나눌수 있음.

 

레코드 시스템

• 믿을 수 있는 데이터 버전을 저장한다.
• 진실의 근원(source of truth)라고도 한다.
  • 각 사실은 일반적으로 정규화를 거쳐 정확하게 한 번 표현된다.

 

파생 데이터 시스템

• 다른 시스템에 존재하는 데이터를 가져와 특정 방식으로 변환하고 처리한 결과
• 파생 데이터를 잃게 되더라도, 원천 데이터로부터 다시 생성할 수 있음.
• 대표적인 예로 캐시를 들 수 있음.
• 엄밀히 말하자면, 파생 데이터는 중복(rerdundant)라고 할 수 있음.
• 읽기 질의 성능을 높이는 데 종종 필수적 요소임.
• 대개 비정규화 과정을 통해 생성됨 (스테이킹 개발할 때 grossRewardAmount 같은거)

 

 

 

 

 

❐ 3부 개요

---

• 10장에서는
  • (mapReduce와 같은) 일괄 처리 방식(batch-oriented) 데이터플로 시스템을 살펴볼 예정 
  • 대규모 데이터 시스템을 구축하기 위한 원리가 무엇인지 알아볼 예정
• 11장에서는
  • 10장과 동일한 아이디어를 데이터 스트림에 적용해볼 예정
• 12장에서는
  • 이 책의 마지막 장
  • 미래에 신뢰할 수 있고 확장 가능하면 유지보수하기 쉬운 애플리케이션을 구축하기 위해서
          앞서 언급한 도구들을 어떻게 사용해야 하는지에 대한 아이디어를 모색할 예정