← SQL 모듈로

Learn · Glossary

SQL 용어 사전

총 73개 용어

로드맵 보기

ACID

Atomicity, Consistency, Isolation, Durability — 트랜잭션 신뢰성을 보장하는 4대 속성.
인덱스, 파티셔닝, 뷰, ACID · Advanced Data Engineering SQL, Q21-27 (pp.10-13)

Bronze/Silver/Gold

메달리온 아키텍처의 3계층. Bronze=원본 append-only 데이터, Silver=정제·중복제거·정합화된 데이터, Gold=특정 소비자를 위한 비즈니스 수준 집계.
레이크하우스와 메달리온 아키텍처 — Bronze/Silver/Gold 경계 설계 · Why Lakehouse Has Become the Default Conversation / Lake vs DW vs Lakehouse Comparison 1-6 (pp.9-14); 100+ Interview Q4 Medallion Architecture (p.3); 40 System Design Q8 Medallion boundary, Q16 e-commerce warehouse design (pp.5-6, 9-10)

CDC(Change Data Capture)

소스 데이터베이스의 삽입·수정·삭제를 추출해 다운스트림에 전달하는 기법. 쿼리 기반(폴링)과 로그 기반(트랜잭션 로그 직접 읽기)으로 나뉜다.
CDC 패턴 — 로그 기반 vs 쿼리 기반 변경 데이터 캡처 · Q9. What are CDC patterns... (pp.5-6); Q18. Design a CDC pipeline... (p.10-11); 100+ Interview Q59 CDC, FAQ 'What is CDC?' (p.19, 30-31)

CROSS JOIN

두 테이블의 모든 행 조합(카티션 곱)을 생성하는 조인. 조건 없이 곱셈만큼 행이 늘어난다.
SQL 기초 — JOIN, 집합 연산, NULL과 키 · Basic SQL & Joins, Q1-10 · Q19-20 (pp.2-6, 9-10)

CTE(공통 테이블 표현식)

WITH 절로 정의하는, 쿼리 실행 동안만 존재하는 이름 붙은 임시 결과 집합.
SQL 중급 — 집계, 윈도우 함수, CTE · Intermediate SQL & Aggregations, Q11-18 (pp.7-9) + FAQ

ELT(Extract-Load-Transform)

소스에서 추출한 원본 데이터를 먼저 웨어하우스에 적재하고, 웨어하우스 자체 컴퓨트(SQL/dbt)로 필요할 때 변환하는 데이터 통합 방식.
ELT란 무엇인가 — 클라우드 웨어하우스가 바꾼 변환의 위치 · What Is ELT and Why It Became Popular? / Benefits / Challenges (pp.4-5); ETL vs ELT: The Real Difference — What is ELT? (pp.3-5)

ETL(Extract-Transform-Load)

소스에서 데이터를 추출한 뒤, 웨어하우스에 적재하기 전에 별도 처리 서버에서 정제·변환을 마치는 데이터 통합 방식.
ETL이란 무엇인가 — Extract-Transform-Load의 원칙과 한계 · What Is ETL in Data Engineering? / When ETL Works Best / Limitations (pp.2-4); ETL vs ELT: The Real Difference — What is ETL? (pp.2-3)

Event Sourcing

현재 상태 대신 상태를 변화시킨 모든 이벤트를 저장하고, 현재 상태는 이벤트를 재생해 도출하는 데이터 저장 패턴. 완전한 감사 추적과 임의 시점 재구성을 제공하는 대신 읽기·스토리지·스키마 진화에서 복잡성 비용이 크다.
서빙 레이어 설계 — Materialized View, 사전 집계 테이블, Event Sourcing · Q13. Materialized view vs pre-computed aggregate table (pp.7-8); Q10. Event Sourcing vs state-based storage (pp.6-7)

Kappa 아키텍처

배치 계층 없이 모든 데이터를 하나의 스트리밍 파이프라인으로 처리하는 패턴. 재처리는 이벤트 로그 재생으로 수행하며, 코드 발산 문제는 없지만 극단적 규모에서 재생 비용이 커질 수 있다.
데이터 아키텍처 패턴 — Lambda, Kappa, Data Mesh · Q6. Lambda Architecture (pp.4-5); Q7. Kappa Architecture (p.5); Q11. Data Mesh (pp.6-7); FAQ 'Lambda vs Kappa' (p.20)

Lambda 아키텍처

배치 계층(정확성, 전체 재처리)과 스피드 계층(저지연, 최근 데이터)을 병렬로 운영하고 서빙 계층에서 병합하는 데이터 아키텍처 패턴. 두 코드베이스 간 로직 불일치(코드 발산)가 대표적 실패 모드다.
데이터 아키텍처 패턴 — Lambda, Kappa, Data Mesh · Q6. Lambda Architecture (pp.4-5); Q7. Kappa Architecture (p.5); Q11. Data Mesh (pp.6-7); FAQ 'Lambda vs Kappa' (p.20)

MPP(대규모 병렬 처리)

쿼리 워크로드를 여러 노드에 분산해 동시에 처리하는 아키텍처. Snowflake, BigQuery 등이 채택한다.
쿼리 최적화와 실전 시나리오 · Scenario-Based & Optimization, Q31-39 (pp.14-17)

N+1 문제

목록 조회 쿼리 1번 후 각 항목의 상세를 개별 쿼리 N번으로 가져오는 비효율적 패턴.
쿼리 최적화와 실전 시나리오 · Scenario-Based & Optimization, Q31-39 (pp.14-17)

Reverse ETL

웨어하우스에서 변환이 끝난 데이터를 다시 운영 SaaS 툴(CRM, 마케팅 자동화 등)로 동기화하는 패턴. Gold 계층 이후의 서빙 경계에 위치하며, 동기화 빈도와 충돌 해결, 증분 변경 감지가 핵심 설계 요소다.
ETL/ELT 선택 기준, 툴 지형, 그리고 Reverse ETL · How to Choose (pp.12-13); The Real Difference — Real-World Guide & Tools You Will See (pp.8-9); 40 System Design Q12 Reverse ETL (pp.7-8)

SCD (Slowly Changing Dimension)

시간에 따라 변하는 차원 테이블 속성값을 다루는 설계 패턴. Type 0~6까지 여러 유형이 있다.
SCD와 이력 관리 · SCDs & History Tracking, Q21-28 (pp.7-10)

SELF JOIN

같은 테이블을 서로 다른 별칭으로 두 번 참조해 조인하는 기법. 재귀적 관계 표현에 쓰인다.
SQL 기초 — JOIN, 집합 연산, NULL과 키 · Basic SQL & Joins, Q1-10 · Q19-20 (pp.2-6, 9-10)

Zero ETL

별도의 변환 파이프라인을 구축하지 않고, 데이터가 있는 곳에서 직접 쿼리하거나 지속적으로 복제/스트리밍해 접근하는 데이터 통합 접근 방식. 데이터 전략이 아니라 접근 패턴으로 이해해야 한다.
Zero ETL — 접근 패턴이지 전략이 아니다 · What Is Zero ETL and Why It Feels So Appealing? / Where It Can Quietly Cause Problems / How Beginners Should Think About It (pp.5-7)

갱신 폭풍(Refresh Storm)

동일한 기반 테이블에 의존하는 다수의 Materialized View가, 그 테이블의 데이터 변경 한 번으로 동시에 재구축되며 웨어하우스 컴퓨트를 포화시키는 현상.
서빙 레이어 설계 — Materialized View, 사전 집계 테이블, Event Sourcing · Q13. Materialized view vs pre-computed aggregate table (pp.7-8); Q10. Event Sourcing vs state-based storage (pp.6-7)

구체화된 뷰(Materialized View)

쿼리 결과를 물리적으로 저장해 두고 필요 시 갱신하는 뷰. 일반 뷰보다 읽기 성능이 좋다.
인덱스, 파티셔닝, 뷰, ACID · Advanced Data Engineering SQL, Q21-27 (pp.10-13)

그레인(Grain)

팩트 테이블의 한 행이 나타내는 세부 수준. 차원 모델링에서 가장 먼저, 명확히 정해야 하는 결정이다.
스타 스키마와 차원 모델링 기초 · Star Schema & Dimensional Modeling, Q11-14, 17-18 (pp.4-7) + SQL doc Q30

누적 스냅샷 팩트

시작과 끝이 정해진 프로세스(주문 접수→배송→배달)를 단계마다 같은 행을 갱신하며 추적하는 팩트 테이블.
스타 스키마와 차원 모델링 기초 · Star Schema & Dimensional Modeling, Q11-14, 17-18 (pp.4-7) + SQL doc Q30

늦게 도착하는 차원

팩트 레코드가 관련 차원 레코드보다 먼저 도착하는 상황. 자리표시 행으로 처리한다.
SCD와 이력 관리 · SCDs & History Tracking, Q21-28 (pp.7-10)

데이터 메시(Data Mesh)

데이터 소유권을 중앙 팀에서 도메인 팀으로 분산시키고, 중앙 팀은 셀프서비스 인프라(컴퓨트/카탈로그/거버넌스)만 제공하는 분산형 데이터 아키텍처.
데이터 아키텍처 패턴 — Lambda, Kappa, Data Mesh · Q6. Lambda Architecture (pp.4-5); Q7. Kappa Architecture (p.5); Q11. Data Mesh (pp.6-7); FAQ 'Lambda vs Kappa' (p.20)

데이터베이스 브랜칭(Database Branching)

스토리지·컴퓨트 분리를 활용해 카피-온-라이트 스냅샷으로 프로덕션 데이터의 개발/실험용 복제 브랜치를 즉시 만들고 버릴 수 있는 서버리스 DB의 기능.
서버리스 SQL의 실전 이슈 — 콜드 스타트, 커넥션 풀링, 데이터베이스 브랜칭 · Understanding Cold Starts and Connection Limits / The Game-Changer: Database Branching / When Should You Use Serverless? / Popular Serverless Databases (pp.6-11)

디제너릿 차원

별도 차원 테이블 없이 팩트 테이블에 직접 존재하는 차원 키. 주문번호, 영수증 번호 등.
스타 스키마와 차원 모델링 기초 · Star Schema & Dimensional Modeling, Q11-14, 17-18 (pp.4-7) + SQL doc Q30

로그 기반 CDC

MySQL binlog, Postgres WAL 같은 데이터베이스 트랜잭션 로그를 직접 읽어 모든 변경(삭제 포함)을 낮은 지연시간·낮은 소스 부하로 포착하는 CDC 방식.
CDC 패턴 — 로그 기반 vs 쿼리 기반 변경 데이터 캡처 · Q9. What are CDC patterns... (pp.5-6); Q18. Design a CDC pipeline... (p.10-11); 100+ Interview Q59 CDC, FAQ 'What is CDC?' (p.19, 30-31)

메달리온 아키텍처(Medallion Architecture)

레이크하우스 데이터를 Bronze(원본)-Silver(정제)-Gold(비즈니스 집계) 3계층으로 조직화하는 설계 패턴. Databricks가 대중화했지만 지금은 벤더 중립적인 일반 용어로 쓰인다.
레이크하우스와 메달리온 아키텍처 — Bronze/Silver/Gold 경계 설계 · Why Lakehouse Has Become the Default Conversation / Lake vs DW vs Lakehouse Comparison 1-6 (pp.9-14); 100+ Interview Q4 Medallion Architecture (p.3); 40 System Design Q8 Medallion boundary, Q16 e-commerce warehouse design (pp.5-6, 9-10)

미니 차원

빠르게 변하는 속성만 큰 차원 테이블에서 분리한 작은 별도 차원 테이블.
SCD와 이력 관리 · SCDs & History Tracking, Q21-28 (pp.7-10)

복합 키

단일 컬럼으로는 유일성을 보장할 수 없을 때 두 개 이상의 컬럼을 조합한 키.
키 설계와 카디널리티 · Core Concepts & Fundamentals, Q6-10 (pp.3-4)

서로게이트 키

비즈니스적 의미 없이 시스템이 생성하는 식별자. 보통 자동 증가 정수나 UUID를 쓴다.
키 설계와 카디널리티 · Core Concepts & Fundamentals, Q6-10 (pp.3-4)

서버리스(Serverless)

서버가 존재하지 않는다는 뜻이 아니라, 클라우드 공급자가 서버 프로비저닝·운영·보안을 전담해 사용자가 서버를 신경 쓰지 않아도 되는 운영 모델.
서버리스 SQL 데이터베이스란 — 스토리지·컴퓨트 분리와 스케일-투-제로 · What Makes a Database Serverless / Decoupling Storage and Compute / Scaling to Zero / Instant Elasticity / comparison table (pp.2-6); 100+ Interview Q64 Snowflake architecture, Q66 Serverless, Q14 OLTP vs OLAP (pp.3, 20-21)

스케일-투-제로(Scale to Zero)

사용되지 않는 동안 컴퓨트 리소스를 완전히 종료해 컴퓨트 비용을 0으로 만들고, 스토리지 비용만 부담하는 서버리스 DB의 특성.
서버리스 SQL 데이터베이스란 — 스토리지·컴퓨트 분리와 스케일-투-제로 · What Makes a Database Serverless / Decoupling Storage and Compute / Scaling to Zero / Instant Elasticity / comparison table (pp.2-6); 100+ Interview Q64 Snowflake architecture, Q66 Serverless, Q14 OLTP vs OLAP (pp.3, 20-21)

스키마 온 라이트(Schema-on-Write)

데이터를 저장하기 전에 정제·검증·구조화를 마치는 방식. 데이터 웨어하우스의 핵심 특성으로, 일관성과 신뢰성을 우선하는 대신 수집 유연성은 낮아진다.
데이터 웨어하우스란 무엇인가 — 스키마 온 라이트와 신뢰의 계약 · What a Data Warehouse Is Designed For? / Where Data Warehouses Work Really Well / Struggle (pp.5-6)

스키마 온 리드(Schema-on-Read)

데이터를 저장할 때가 아니라 쿼리할 때 구조를 적용하는 방식. 데이터 레이크의 핵심 특성이며, 수집 속도와 유연성을 높이는 대신 데이터 정합성 보장은 소비 시점의 책임으로 미룬다.
데이터 레이크란 무엇인가 — 스키마 온 리드와 유연성의 대가 · What Is a Data Lake? / Where Data Lakes Work Really Well / Where Data Lakes Start to Break Down (pp.3-4)

스토리지·컴퓨트 분리(Decoupling)

데이터가 저장되는 스토리지 계층과 이를 처리하는 컴퓨트 계층을 분리하는 아키텍처. 서버리스 DB의 스케일-투-제로와 순간 탄력성의 기반이 된다.
서버리스 SQL 데이터베이스란 — 스토리지·컴퓨트 분리와 스케일-투-제로 · What Makes a Database Serverless / Decoupling Storage and Compute / Scaling to Zero / Instant Elasticity / comparison table (pp.2-6); 100+ Interview Q64 Snowflake architecture, Q66 Serverless, Q14 OLTP vs OLAP (pp.3, 20-21)

실행 계획(Execution Plan)

쿼리 옵티마이저가 쿼리를 처리하기 위해 밟을 단계를 인덱스·조인 방식·비용과 함께 보여주는 보고서.
쿼리 최적화와 실전 시나리오 · Scenario-Based & Optimization, Q31-39 (pp.14-17)

윈도우 함수

OVER() 절을 사용해 원본 행을 유지한 채 관련 행 집합에 대한 계산 결과를 덧붙이는 함수.
SQL 중급 — 집계, 윈도우 함수, CTE · Intermediate SQL & Aggregations, Q11-18 (pp.7-9) + FAQ

최적화 펜스

쿼리 옵티마이저가 그 경계를 넘어 계획을 재구성하지 못하게 막는 지점. 구버전 PostgreSQL의 CTE가 대표적 예다.
SQL 중급 — 집계, 윈도우 함수, CTE · Intermediate SQL & Aggregations, Q11-18 (pp.7-9) + FAQ

카디널리티

두 엔티티 간의 수치적 관계(1:1, 1:N, N:M).
키 설계와 카디널리티 · Core Concepts & Fundamentals, Q6-10 (pp.3-4)

클러스터드 인덱스

테이블의 물리적 저장 순서 자체를 결정하는 인덱스. 테이블당 하나만 가능하다.
인덱스, 파티셔닝, 뷰, ACID · Advanced Data Engineering SQL, Q21-27 (pp.10-13)

파티션 프루닝

쿼리 필터 조건과 일치하지 않는 파티션을 엔진이 스캔에서 아예 제외하는 최적화 기법.
인덱스, 파티셔닝, 뷰, ACID · Advanced Data Engineering SQL, Q21-27 (pp.10-13)