마지막 영상에서, 분석 쿼리에서는 컬럼 스토어가 로우 스토어보다 대체로 더 빠르다는 점을 배웠습니다.
이 이유를 설명하는 올바른 문장을 고르세요.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
데이터 웨어하우스를 학습하기 전에 기본 개념으로 기초를 다져 보세요. 이 강의의 시작에서는 데이터 웨어하우스가 무엇인지, 그리고 이름이 비슷한 기술인 데이터 마트와 데이터 레이크와 어떻게 같고 다른지를 배웁니다. 또한 다양한 역할이 데이터 웨어하우스 프로젝트의 여러 단계를 어떻게 지원하는지도 알아봐요.
이제 데이터 웨어하우스의 전형적인 계층과, 프레젠테이션 계층이 분석가를 어떻게 지원하는지를 배우며 아키텍처를 더 잘 이해하게 됩니다. 추가로, Bill Inmon의 상향식 접근 방식과 Ralph Kimball의 하향식 접근 방식을 비교해 배웁니다. 마지막으로, OLAP와 OLTP 시스템의 차이도 이해하게 될 거예요.
이번에는 훌륭한 데이터 모델로 데이터 웨어하우스의 데이터를 어떻게 구성할지 배웁니다. 먼저 사실(fact) 테이블과 차원(dimension) 테이블이 무엇인지, 그리고 이를 스타와 스노우플레이크 스키마에서 어떻게 활용하는지를 다룹니다. 그다음 Kimball의 4단계 프로세스를 사용해 데이터 모델을 만드는 방법과, 서서히 변하는 차원(Slowly Changing Dimensions)을 처리하는 방법을 살펴봅니다.
현재 연습
마지막으로 ETL과 ELT 프로세스의 장단점, 온프레미스와 클라우드 내 구현의 차이를 학습하며 강의를 마무리합니다. 이후 예시 시나리오를 따라가며 웨어하우스 설계와 구현에 관한 핵심 결정을 내려 봅니다.
