제3장. 데이터 워크로드이해
이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: translation-feedback@oreilly.com
클라우드 컴퓨팅으로의 전환은 데이터 저장 위치뿐만 아니라 처리 방식까지 변화시켰습니다. 조직이 데이터 운영을 Azure로 이전함에 따라 트랜잭션 및 분석 처리의 전통적인 접근 방식도 크게 발전했습니다. 트랜잭션 워크로드와 분석 워크로드의 차이점을 이해하고 각각을 효과적으로 지원하는 시스템을 설계하는 방법은 Azure 데이터 플랫폼을 다루는 모든 사람에게 중요하며, DP-900 시험에 필수적입니다.
트랜잭션 워크로드와 분석 워크로드의 구분은 단순한 학문적 개념을 넘어섭니다. 이는 데이터베이스 선택, 인프라 설계, 애플리케이션 아키텍처, 운영 절차에 대한 실제 의사결정을 좌우합니다. 예를 들어, Azure SQL Database는 트랜잭션 처리에 탁월한 반면, Azure Synapse Analytics는 분석 워크로드에 최적화되어 있습니다. 개별 고객 주문을 처리하도록 최적화된 시스템은 수백만 건의 트랜잭션에 걸친 판매 동향을 분석하도록 설계된 시스템과 다르게 작동합니다. 이 차이를 잘못 이해하면 성능 저하, 과도한 비용, 사용자의 불만, 비즈니스 기회 상실 등의 문제가 발생할 수 있습니다.
일상 용어로 보는 데이터 워크로드
그림 3-1은 일상적인 은행 거래를 통해 트랜잭션 워크로드와 분석 워크로드의 근본적인 차이를 설명합니다. 휴대폰으로 계좌 잔고를 확인하거나 계좌 간 송금을 하거나 온라인으로 구매할 때, 귀하는 요청을 즉시 정확하게 처리해야 하는 트랜잭션 워크로드와 상호작용하고 있습니다. 이러한 시스템은 개별 거래를 하나씩 처리하여 각 작업이 신속하고 정확하게 완료되도록 보장합니다. 은행의 컴퓨터 시스템은 계좌 잔액을 즉시 업데이트하고, 구매에 충분한 자금이 있는지 확인하며, 모든 거래를 영구적으로 기록해야 합니다.
그림 3-1. 일상적인 디지털 상호작용
은행이 월별 명세서를 생성하거나, 사기 탐지를 위해 지출 패턴을 분석하거나, 규제 준수를 위한 보고서를 작성할 때는 방대한 양의 과거 데이터를 검토하여 통찰력과 패턴을 추출하는 분석적 워크로드를 사용합니다. 이러한 시스템은 수천 또는 수백만 건의 거래를 동시에 분석하여 추세를 파악하고, 비정상적인 행동을 감지하며, 포괄적인 보고서를 생성합니다. 예를 들어, 은행은 모든 고객의 6개월간 신용카드 거래 내역을 분석하여 사기 행위를 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access