SQL 로드맵

1 SQL 기초 — JOIN, 집합 연산, NULL과 키 Basic SQL & Joins, Q1-10 · Q19-20 (pp.2-6, 9-10) 2 SQL 중급 — 집계, 윈도우 함수, CTE Intermediate SQL & Aggregations, Q11-18 (pp.7-9) + FAQ 3 인덱스, 파티셔닝, 뷰, ACID Advanced Data Engineering SQL, Q21-27 (pp.10-13) 4 쿼리 최적화와 실전 시나리오 Scenario-Based & Optimization, Q31-39 (pp.14-17) 5 SQL 심화 기술 — Upsert, PIVOT, 샤딩, Sargability Technical Deep Dive, Q41-50 (pp.17-20)

6 데이터 모델링 기초 — 개념/논리/물리 모델, 정규화와 역정규화 Core Concepts & Fundamentals, Q1-5 (pp.1-3) + SQL doc Q28-29 7 키 설계와 카디널리티 Core Concepts & Fundamentals, Q6-10 (pp.3-4) 8 스타 스키마와 차원 모델링 기초 Star Schema & Dimensional Modeling, Q11-14, 17-18 (pp.4-7) + SQL doc Q30 9 Kimball 방법론, 컨포밍 디멘션, 브릿지 테이블 Star Schema & Dimensional Modeling, Q15-16, 19-20 (pp.6-7) 10 SCD와 이력 관리 SCDs & History Tracking, Q21-28 (pp.7-10) 11 고급 모델링 패턴 — 스노우플레이크, Data Vault, OBT Advanced Patterns, Q29-33 (pp.10-12) 12 현대적 모델링 패턴 — 역할연기 차원, 액티비티 스키마, 반정형 데이터 Advanced Patterns, Q34-38 (pp.12-14) 13 웨어하우스 설계 실전 — 파티셔닝, 클러스터링, 레이크하우스 Warehouse Design & Real-World Scenarios, Q39-43 (pp.13-16) + SQL doc Q40 14 웨어하우스 실전 이슈와 흔한 모델링 실수 Warehouse Design & Real-World Scenarios, Q44-50 (pp.16-18)

15 실전 데이터 품질 체크 — 행 단위 검증(볼륨·유일성·완전성·참조무결성·유효성) Check 1-5 (pp.5-11) 16 실전 데이터 품질 체크 — 집계 단위 검증과 파이프라인 게이팅 Check 6-7 + Wiring all seven checks (pp.11-18)

17 데이터 거버넌스와 데이터 품질의 관계 — 소유권이 먼저다 Data Governance vs Data Quality; Ownership sections (pp.1-5) 18 레이크하우스 시대의 거버넌스 — 유연성과 통제, 옵저버빌리티 Lakehouse/Modern Architectures; Observability; Tooling sections (pp.5-10)

19 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) 20 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) 21 데이터 레이크 vs 웨어하우스 — 실무를 가르는 5가지 트레이드오프 Data Lake vs Data Warehouse Differences, 1-5 (pp.6-9) 22 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)

23 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) 24 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) 25 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) 26 ETL vs ELT vs Zero ETL — 비즈니스 로직의 위치와 재처리 용이성 ETL vs ELT vs Zero ETL Differences 1-5 (pp.9-13); The Real Difference — Showdown table (pp.6-8) 27 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)

29 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) 30 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)

28 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) 31 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) 32 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)