기본 콘텐츠로 건너뛰기

2018의 게시물 표시

DAP GUIDE

전사아키텍처 이해 1. 전사아키텍처 개요 전사아키텍처 정의 전사아키텍처 개념 전사아키텍처 추진 현황 전사아키텍처 관련 데이터아키텍처 전문가 역할 전사아키텍처 프레임워크 전사아키텍처 프레임워크 개념 전사아키텍처 프레임워크 구성 아키텍처 도메인 구성 전사아키텍처 프레임워크 사례 전사아키텍처 참조 모델 참조 모델 정의 참조 모델 사례 참조 모델 활용 전사아키텍처 프로세스 전사아키텍처 프로세스 개요 전사아키텍처 프로세스 구성 2. 전사아키텍처 구축 전사아키텍처 방향 수립 전사아키텍처 방향 수립 개요 전사아키텍처 환경 분석 전사아키텍처 구축 방향 정의 전사아키텍처 프레임워크 정의 전사아키텍처 정보 구성 정의 전사아키텍처 정보 구성 개요 아키텍처 매트릭스 정의 참조 모델 정의 전사아키텍처 원칙 수립 전사아키텍처 정보 구축 전사아키텍처 정보 구축 준비 현행 아키텍처 정보 구축 목표 아키텍처 정보 구축 3. 전사아키텍처 관리 및 활용 전사아키텍처 관리 체계 전사아키텍처 관리 체계 개요 전사아키텍처 관리 조직 체계 전사아키텍처 관리 프로세스 전사아키텍처 관리 인력 전사아키텍처 관리 시스템 전사아키텍처 관리 시스템 전사아키텍처 정보 정의 도구 전사아키텍처 정보 관리 시스템 전사아키텍처 활용 전사아키텍처 활용 개요 목표 아키텍처 이행 계획 전사아키텍처 정보 상시 활용 전사아키텍처 효과적 활용 방안 전사아키텍처와 데이터아키텍처 전문가 영역 데이터 요건 분석 1. 정보 요구 사항 개요 정보 요구 사항 정의 정보 요구 사항 생명주기 모형(Life Cycle) 정보 요구 사항 유형 정보 요구 사항 관리 정의 및 관리 목적 정보 요구 사항 관리 프로세스 2. 정보 요구 사항 조사 정보 요구 사항 수집 정보 요구 사항 수집 형태 관련 문서 수집 사용자 면담 워크숍 현행 업무조사서 현행 프...

SQLP GUIDE

데이터 모델링의 이해 데이터 모델링의 이해 1. 데이터 모델링의 이해 모델링의 이해 모델링의 정의 모델링의 특징 모델링의 세 가지 관점 데이터 모델의 기본 개념의 이해 모델링의 정의 데이터 모델이 제공하는 기능 데이터 모델링의 중요성 및 유의점 파급효과(Leverage) 복잡한 정보 요구사항의 간결한 표현(Conciseness) 데이터 품질(Data Quality) 데이터 모델링의 3단계 진행 개념적 데이터 모델링(Conceptual Data Modeling) 논리적 데이터 모델링(Logical Data Modeling) 물리적 데이터 모델링(Physical Data Modeling) 프로젝트 생명주기(Life Cycle)에서 데이터 모델링 데이터 모델링에서 데이터독립성의 이해 데이터독립성의 필요성 데이터베이스 3단계 구조 데이터독립성 요소 두 영역의 데이터독립성 사상(Mapping) 데이터 모델링의 중요한 세 가지 개념 데이터 모델링의 세 가지 요소 단수와 집합(복수)의 명명 데이터 모델링의 이해관계자 이해관계자의 데이터 모델링 중요성 인식 데이터 모델링의 이해관계자 데이터 모델의 표기법인 ERD의 이해 데이터 모델 표기법 ERD(Entity Relationship Diagram) 표기법을 이용하여 모델링하는 방법 좋은 데이터 모델의 요소 완전성(Completeness) 중복배제(Non-Redundancy) 업무규칙(Business Rules) 데이터 재사용(Data Reusability) 의사소통(Communication) 통합성(Integration) 2. 엔터티 엔터티의 개념 엔터티와 인스턴스에 대한 내용과 표기법 엔터티의 특징 업무에서 필요로 하는 정보 식별이 가능해야 함 인스턴스의 집합 업무프로세스에 의해 이용 속성을 포함 관계의 존재 엔터티의 분류 유무(有無)형에 따른 분류 발생시점(發生時點)에 따른 분류...

AWS re:Invent 2017 DBMS

AWS re:Invent 2017 DBMS Aurora Multi-Master   복수의 가용 영역에서 멀티 마스터를 운영하여 복수의 읽기/쓰기가 가능한 인스턴스를 지원. 어플리케이션은 마치 읽기 전용 복제본을 읽는 것처럼 클러스터에 있는 여러 데이터베이스 인스턴스에 데이터를 읽거나 쓸 수 있음.   Aurora 3개의 가용 영역에 15개의 읽기 복제본 확장 가능 읽기 복제본 자동 스케일링 빠른 읽기 복제본 페일 오버 Aurora Multi-Master 어떤 노드에도 애플리케이션 다운타임 없음 어떤 AZ에도 애플리케이션 다운타임 없음 빠른 읽기 성능 보장 멀티 리전 기능 제공(2018)   Aurora Serverless  가변성이 높고 급격한 변화가 발생할 수 있는 워크로드에 적합하도록 설계됨. 데이터베이스 리소스 비용을 사용한 만큼 초 단위로 지불    DynamoDB Global Tables  두 곳 이상의 AWS 리전에 걸쳐 자동으로 복제되는 테이블을 생성 가능. 멀티 마스터 쓰기를 구현하고 특정 항목에 대한 마지막 쓰기가 우선 적용하며, 업데이트는 DynamoDB Streams를 통해 다른 리전에 비동기식으로 전파되며 일반적으로 1초 이내에 완료됨   DynamoDB Backup & Restore 성능이나 가용성에 전혀 영향을 미치지 않으면서 DynamoDB 테이블의 전체 백업(애플리케이션은 온라인 상태를 유지하고 최고 속도로 실행)   Amazon Neptune  완전 관리형 그래프 데이터베이스 서비스 개방성 : Apache TinkerPop 및 w3crdf 그래프 모델 지원 빠른 속도 및 확장성 : 수십억개의 관계 저장 및 밀리초 단위 질의 결과 제공 신뢰성 : 3AZ에 6개 복제본을 저장 및  백업 쉬운관리 : Gremlin 및 SPAR...