1장. 그래프 사고
이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: translation-feedback@oreilly.com
그래프 기술에 대해 처음 배웠던 때( )를 생각해 보세요.
이 장면은 아마도 디렉터, 아키텍트, 과학자, 엔지니어로 구성된 팀이 데이터 문제를 논의하는 화이트보드에서 시작되었을 것입니다. 결국, 누군가가 한 데이터에서 다른 데이터로 연결되는 그림을 그렸습니다. 한 걸음 물러나서, 누군가가 데이터의 연결이 그래프를 형성하고 있음을 발견했습니다.
이 깨달음은 팀의 그래프 여정의 시작에 Spark가 되었습니다. 이 그룹은 데이터 전반의 관계를 사용하여 비즈니스에 새롭고 강력한 인사이트를 제공할 수 있다는 것을 알게 되었습니다. 개인 또는 소규모 그룹이 그래프 형태의 데이터를 저장, 분석 및/또는 검색하는 데 사용할 수 있는 기술과 도구를 평가하는 임무를 맡았을 것입니다.
데이터를 그래프로 설명하는 것이 쉽다는 사실을 팀원들이 알게 된 다음 중요한 깨달음은 아마도 데이터를 그래프로 설명하는 것이 쉽다는 것이었을 것입니다. 하지만 데이터를 그래프로 사용하기는 어렵습니다.
익숙하게 들리시나요?
이 화이트보드 경험과 마찬가지로, 초기 팀들은 데이터 내에서 연관성을 발견하고 이를 우리가 매일 사용하는 가치 있는 애플리케이션으로 전환했습니다. Netflix, LinkedIn, GitHub와 같은 앱을 생각해 보세요. 이러한 제품들은 연결된 데이터를 전 세계 수백만 명의 사람들이 사용하는 필수 자산으로 전환합니다.
그 방법을 알려드리기 위해 이 책을 썼습니다.
도구 개발자와 도구 사용자로서 저희는 수백 번이나 화이트보드 대화의 양측에 앉을 기회를 가졌습니다. 이러한 경험을 바탕으로 그래프 기술 여정을 가속화하기 위한 핵심 선택 사항과 그에 따른 기술 결정 사항을 정리했습니다.
이 책은 데이터를 그래프로 이해하는 것과 그래프로 데이터를 사용하는 것 사이의 공간을 탐색하는 데 도움이 될 것입니다.
왜 지금일까요? 데이터베이스 기술을 상황에 맞게 활용하기
그래프는 수세기 동안 사용되어 왔습니다. 그렇다면 지금 그래프가 중요한 이유는 무엇일까요?
이 섹션을 건너뛰기 전에 저희의 이야기를 들어보시기 바랍니다. 이제 곧 역사 속으로 들어가려고 하는데, 길지도 않고 관련도 없습니다. 이렇게 해야 하는 이유는 최근의 성공과 실패를 통해 그래프 기술이 왜 다시 중요한지 설명할 수 있기 때문입니다.
그래프는 지난 수십 년 동안 기술 업계의 초점이 바뀌었기 때문에 지금과 관련이 있습니다. 이전에는 기술과 데이터베이스가 데이터를 가장 효율적으로 저장하는 방법에 초점을 맞추었습니다. 관계형 기술은 이러한 효율성을 달성하기 위한 선두 주자로 발전했습니다. 이제 우리는 데이터에서 최대한의 가치를 창출하는 방법을 알고 싶어합니다.
오늘날 데이터는 연결될 때 본질적으로 더 가치가 있다는 사실을 깨닫게 되었습니다.
데이터베이스 기술의 진화에 대한 약간의 역사적 맥락은 우리가 어떻게 여기까지 왔는지, 심지어 이 책을 집어든 이유에 대해서도 ...