긍정적 사고, 음식의 절제, 규칙적인 운동

LAG 함수란?

LAG 함수는 SQL 윈도우 함수의 한 종류로, 현재 행을 기준으로 이전 행의 값을 가져오는 역할을 합니다. 주로 시계열 데이터나 순서가 중요한 데이터에서 이전 행의 값과 현재 행의 값을 비교하거나 계산할 때 사용됩니다.

LAG (scalar_expression [, offset] [, default]) OVER (
[PARTITION BY partition_expression, ... ]
ORDER BY sort_expression [ASC | DESC], ...
)

• scalar_expression: 이전 행에서 가져오고 싶은 컬럼의 이름.
• offset: 현재 행으로부터 몇 칸 이전의 행을 참조할지 지정합니다. 기본값은 1입니다.
• default: offset만큼 떨어진 이전 행이 없을 때(보통 첫 번째 행), 반환할 기본값입니다. 기본값은 NULL입니다.
• PARTITION BY: 데이터를 특정 그룹으로 나눕니다. 그룹이 바뀌면 LAG 연산도 다시 시작됩니다.
• ORDER BY: 행의 순서를 결정합니다. LAG 함수는 이 순서에 따라 이전 행을 식별합니다.

• LAG(Amount, 1, 0): Amount 컬럼의 값을 가져오되, 1칸 이전 행의 값을 가져오고, 이전 행이 없을 경우 0을 반환합니다.
• OVER (ORDER BY SaleDate): 데이터를 SaleDate 오름차순으로 정렬하여 LAG 함수가 순서를 인식하도록 합니다.

LAG 함수는 이처럼 이전 값과의 비교, 이전 대비 변화량 계산, 누적 합계 재계산 등 다양한 분석 작업에 매우 유용합니다.

[SQL] 여러 개의 UPDATE 문을 실행한 후, 최종적으로 영향을 받은 전체 행의 개수를 세고 싶다

@@ROWCOUNT는 직전에 실행된 SQL 문이 영향을 준 행의 개수를 반환하는 전역 변수예요. 여러 개의 UPDATE 문을 실행할 경우, 각 UPDATE 문 직후에 이 값을 변수에 누적해서 더하면 최종 결과를 얻을 수 있어요.

-- 총 업데이트된 행 수를 저장할 변수 선언
DECLARE @TotalRowCount INT = 0;

-- 첫 번째 UPDATE 문 실행
UPDATE dbo.Customers
SET CustomerStatus = 'VIP'
WHERE TotalPurchases >= 100000;

-- 첫 번째 UPDATE의 영향을 받은 행 수를 변수에 더하기
SET @TotalRowCount = @TotalRowCount + @@ROWCOUNT;

-- 두 번째 UPDATE 문 실행
UPDATE dbo.Customers
SET CustomerStatus = 'Gold'
WHERE TotalPurchases >= 50000 AND TotalPurchases < 100000;

-- 두 번째 UPDATE의 영향을 받은 행 수를 변수에 더하기
SET @TotalRowCount = @TotalRowCount + @@ROWCOUNT;

-- 최종적으로 업데이트된 총 행 수 출력
PRINT '총 ' + CAST(@TotalRowCount AS NVARCHAR(10)) + '개의 행이 업데이트되었습니다.';

MSSQL(마이크로소프트 SQL Server)에서 ERD(Entity Relationship Diagram) 생성을 지원하는 오픈소스 프로그램 중에서 추천할 수 있는 도구들은 다음과 같습니다:

✅ 1. DBeaver 

• 라이선스: Apache License 2.0 (Community Edition 기준)
• 특징:
  • 다양한 DB(MSSQL 포함) 지원
  • ERD 자동 생성 및 편집 가능
  • SQL 스크립트와 구조 동시 확인
  • 플러그인 확장 가능
• 장점:
  • 사용 편리
  • 오픈소스이지만 기능이 풍부
• 웹사이트: https://dbeaver.io

✅ 2. DBDiagram.io (ERD 모델링 지원 웹 도구)

• 라이선스: 무료 온라인 도구 (오픈소스는 아니지만, 무료이고 간단하게 사용 가능)
• 특징:
  • 간단한 마크다운 형식으로 ERD 작성
  • SQL에서 가져오기/내보내기 가능
  • 협업 지원
• 장점:
  • 웹 기반으로 설치 없이 사용
• 웹사이트: https://dbdiagram.io

✅ 3. SQLPad

• 라이선스: MIT License
• 특징:
  • 쿼리 실행 + 시각화 + ERD 기능 지원 (약간 제한적)
  • MSSQL 포함 다양한 DB 연동
  • 웹 기반 SQL 편집기
• 웹사이트: https://github.com/sqlpad/sqlpad

✅ 4. PgModeler (PostgreSQL 전용이나 일부 호환 시도 가능)

• MSSQL 직접 지원은 아니나, ERD 기능 강력
• 오픈소스 구조 파악, 커스텀 DB 작업용으로 참고 가능
• https://pgmodeler.io/

💡 기타 유료이지만 강력한 대안 (참고용)

• dbForge Studio for SQL Server (유료, ERD 생성 좋음)
• DataGrip (JetBrains, 유료 IDE, 강력한 ERD 지원)

추천 정리:

🔧 추천 조합:

• 정식 업무 및 ERD 필요: DBeaver
• 간단한 ERD 또는 공유 목적: DBDiagram.io
• 웹 기반 쿼리툴 + 시각화: SQLPad

[MSSQL] update 구문 여러개를 실행하고 그 결과 row의 총 개수를 구하라

DECLARE @TotalAffectedRows INT = 0; -- 총 영향을 받은 행을 저장할 변수

-- 첫 번째 UPDATE 구문
UPDATE your_table
SET column1 = 'value1'
WHERE condition1;

SET @TotalAffectedRows = @TotalAffectedRows + @@ROWCOUNT; -- 영향을 받은 행 수 누적

-- 두 번째 UPDATE 구문
UPDATE your_table
SET column2 = 'value2'
WHERE condition2;

SET @TotalAffectedRows = @TotalAffectedRows + @@ROWCOUNT; -- 영향을 받은 행 수 누적

-- 세 번째 UPDATE 구문
UPDATE your_table
SET column3 = 'value3'
WHERE condition3;

SET @TotalAffectedRows = @TotalAffectedRows + @@ROWCOUNT; -- 영향을 받은 행 수 누적

-- 최종 결과 출력
SELECT @TotalAffectedRows AS TotalAffectedRows;

2025년을 위한 7개의 데이터베이스

https://news.hada.io/topic?id=18153

Table of Contents

1. PostgreSQL
2. SQLite
3. DuckDB
4. ClickHouse
5. FoundationDB
6. TigerBeetle
7. CockroachDB

• 다양한 문제를 해결하기 위해 주목할 가치가 있는 DB 7개를 소개
• 이는 "최고의 DB" 목록이 아닌, 새롭고 유용한 관점을 제공하는 도구들
• 2025년엔 이들 각 DB에 대해 일주일씩 투자해보길 바람(7 DBs in 7 Weeks)

1. PostgreSQL: 기본 데이터베이스

• PostgreSQL은 기본적으로 사용되는 안정적인 기술
  • "Just use Postgres"라는 문구는 널리 알려진 밈이자 신뢰성을 상징하는 표현임
  • ACID를 준수하며 물리적 및 논리적 복제를 포함한 강력한 기능을 제공함
  • 주요 벤더들 간에 광범위한 지원을 받고 있는 안정적 데이터베이스임
• PostgreSQL의 가장 큰 매력: 확장성
  • 확장 기능(Extensions)을 통해 독창적인 기능을 추가 가능함
  • 주요 확장 기능 예시:
    • AGE: 그래프 데이터 구조와 Cypher 쿼리 언어 지원
    • TimescaleDB: 시계열 데이터 작업 지원
    • Hydra Columnar: 열 기반 스토리지 엔진 제공
  • 확장 기능은 PostgreSQL을 타 데이터베이스와 차별화시키는 핵심 요소임
• PostgreSQL의 유용성과 확장성
  • 다양한 생태계를 갖추고 있으며, 기본 설정이 합리적이고 사용자 친화적임
  • 비 PostgreSQL 서비스에서도 Postgres 와이어 프로토콜을 사용해 클라이언트 호환성을 제공함
  • WebAssembly(Wasm) 환경에서도 설치 가능할 정도로 가벼움
• PostgreSQL 학습 권장
  • PostgreSQL의 가능성과 한계를 이해하기 위해 시간을 투자할 가치가 있음
  • 예: MVCC(Multi-Version Concurrency Control)의 복잡성 이해
  • 간단한 CRUD 애플리케이션 개발, PostgreSQL 확장 기능 작성 등을 추천함

2. SQLite: 로컬-우선 데이터베이스

• SQLite는 "로컬 우선" 데이터베이스로 독립적으로 실행 가능
  • 클라이언트-서버 모델을 벗어나 애플리케이션과 같은 환경에서 실행됨
  • 예시: WhatsApp과 Signal은 기기 내부에 SQLite를 사용하여 채팅 데이터를 저장함
• SQLite의 발전된 활용 사례
  • 기본 ACID 준수 데이터베이스 이상의 창의적인 사용 가능
  • 새로운 도구와 확장 기능:
    • Litestream: SQLite의 스트리밍 백업 제공
    • LiteFS: 분산 액세스를 지원하여 더욱 유연한 토폴로지 구현
    • CR-SQLite: CRDT(Conflict-free Replicated Data Types)를 사용해 변경 세트를 병합할 때 충돌 해결 필요성을 제거
• SQLite의 인기 재조명
  • Ruby on Rails 8.0 덕분에 다시 주목받고 있음
  • 37signals: SQLite를 기반으로 Rails 모듈(Solid Queue 등)을 개발
    • Rails의 다중 SQLite 데이터베이스 관리 지원 (database.yml)
  • Bluesky: 개인 데이터 서버(Personal Data Servers)로 사용자마다 개별 SQLite 데이터베이스 사용
• SQLite 활용 학습 권장
  • SQLite를 이용한 로컬 중심 아키텍처 실험
  • 기존의 PostgreSQL 기반 클라이언트-서버 모델을 SQLite로 대체할 수 있는지 시도

3. DuckDB: 모든 것을 질의할 수 있는 데이터베이스

• DuckDB는 OLAP에 특화된 임베디드 데이터베이스
  • SQLite처럼 애플리케이션과 함께 작동하지만 OLTP 대신 OLAP 작업에 중점
  • 데이터 분석 및 쿼리 중심으로 설계된 시스템
• DuckDB의 "쿼리-애니씽(Query-Anything)" 특성
  • 다양한 데이터 소스를 직접 SQL로 쿼리 가능:
    • CSV, TSV, JSON 등 일반 파일 형식
    • Parquet 등 고급 파일 형식 지원
  • 이 기능은 유연성을 제공하며, 예: Bluesky의 데이터 스트림 분석
• 확장성 및 생태계
  • DuckDB에도 확장 기능이 존재하나, Postgres만큼 풍부하지 않음 (상대적으로 젊은 프로젝트)
  • 커뮤니티 기여 확장이 많이 있으며, gsheets(Google Sheets 연동)가 주목할 만함
• DuckDB 활용 학습 권장
  • Python 노트북이나 Evidence를 통해 데이터 분석 및 처리 실험
  • SQLite와 결합: SQLite 데이터베이스의 분석 쿼리를 DuckDB로 위임해 성능 향상

4. ClickHouse: 컬럼형 데이터베이스

• ClickHouse는 OLAP 작업에 특화된 데이터베이스
  • OLTP는 PostgreSQL, OLAP는 ClickHouse라는 조합이 이상적임
  • 대규모 분석 워크로드를 처리하며, 수평 확장과 샤딩을 통해 높은 데이터 삽입 속도를 지원함
• ClickHouse의 주요 특징
  • 계층형 스토리지 지원:
    • "핫 데이터"와 "콜드 데이터"를 분리해 저장 가능
    • 예: GitLab 문서에서 이를 활용한 사례를 자세히 다룸
  • 대규모 데이터셋 처리 및 실시간 분석:
    • DuckDB로는 처리하기 어려운 크기의 데이터셋에 적합
    • 실시간 분석이 필요한 상황에서 강력한 성능 제공
• 운영의 편리함
  • 배포, 확장, 백업 등 운영 관련 문서가 체계적이며 상세함
  • 예: 적절한 CPU 설정 방법까지 다룬 문서 제공
• ClickHouse 학습 권장
  • 대규모 분석 데이터셋 실험 또는 DuckDB로 작업한 분석을 ClickHouse로 변환
  • ClickHouse의 임베디드 버전인 chDB를 활용해 SQLite와 더 직접적으로 비교 가능

5. FoundationDB: 레이어드 데이터베이스

• FoundationDB는 "데이터베이스의 기반" 역할을 하는 독특한 시스템
  • 키-값 저장소로 설계되었으나 단순한 데이터베이스라기보다는 데이터베이스를 구축하는 "기초"로 작동
  • 애플, Snowflake, Tigris Data와 같은 주요 기업에서 사용
• 주요 특징 및 한계
  • 제한사항:
    • 트랜잭션 데이터는 10MB를 초과할 수 없음
    • 트랜잭션은 첫 번째 읽기 이후 5초를 넘길 수 없음
  • 이러한 제한으로 인해 대규모 환경에서도 완전한 ACID 트랜잭션 지원 가능
    • 예: 100TiB 이상의 클러스터 운영 사례
• FoundationDB의 설계와 테스트
  • 특정 워크로드에 최적화되어 설계됨
  • 시뮬레이션 테스트를 통해 안정성과 확장성을 입증:
    • Antithesis 및 다른 데이터베이스에서도 동일한 테스트 방법론 사용
    • 관련 참고 자료: Tyler Neely와 Phil Eaton의 문서
• "레이어드" 데이터베이스로서의 FoundationDB
  • 스토리지 엔진과 데이터 모델 간 결합이 느슨함:
    • 다양한 레이어에서 스토리지 엔진을 재매핑 가능
    • 예: Record 레이어, Document 레이어 (FoundationDB 조직에서 제공)
  • Tigris Data에서 작성한 레이어 설계 사례가 참고할 만함
• FoundationDB 학습 권장
  • 튜토리얼을 진행하며 RocksDB 같은 시스템을 대체할 가능성 탐색
  • 설계 방법(Design Recipes)과 관련 논문 읽기
  • Anti-Features와 Features 문서를 통해 사용 제한과 해결 가능한 문제 이해

6. TigerBeetle: 철저하게 정확한 데이터베이스

• TigerBeetle는 금융 트랜잭션에 특화된 단일 목적 데이터베이스
  • 범용 데이터베이스와 달리 특정 목적, 특히 금융 거래에 초점
  • 오픈 소스로 제공되며, 높은 수준의 신뢰성과 정확성을 목표로 설계
• 철저한 정확성을 위한 설계 철학
  • NASA의 Power of Ten Rules 및 프로토콜 인지 복구(Protocol-Aware Recovery) 구현
  • 엄격한 직렬화(strict serialisability) 와 Direct I/O 사용으로 커널 페이지 캐시 관련 문제 회피
  • 안전성 문서(Safety doc)와 독특한 프로그래밍 방식 "Tiger Style"에서 철저함을 확인 가능
• Zig 언어로 구현된 혁신적 접근
  • Zig는 시스템 프로그래밍 언어로 비교적 신생이지만, TigerBeetle의 목표에 이상적으로 부합
  • 간결성과 성능을 극대화하는 데 Zig의 장점을 활용
• TigerBeetle 학습 및 활용 제안
  • 로컬 배포 환경에서 금융 계좌 모델링 실험:
    • Quick Start를 따라 설치 및 사용
  • 시스템 아키텍처 문서(System Architecture docs)를 참고하여 범용 데이터베이스와 결합 가능성 탐구
  • 예: PostgreSQL 또는 FoundationDB와 함께 통합해 사용 사례 확장

7. CockroachDB: 글로벌 데이터베이스

• CockroachDB는 글로벌 분산 데이터베이스
  • PostgreSQL 와이어 프로토콜과 호환되며, 수평 확장과 강한 일관성을 지원
  • Google Spanner에서 영감을 받은 설계로, 다중 지역에 걸친 데이터베이스 확장을 가능케 함
• CockroachDB의 주요 기술적 특징
  • 시간 동기화 기술:
    • Google Spanner는 원자 시계와 GPS 시계를 사용하지만, CockroachDB는 일반 하드웨어에서도 동작하도록 설계
    • NTP 기반 동기화 지연 보정, 노드 간 클록 드리프트 비교 및 최대 오프셋 초과 시 멤버 종료
  • 다중 지역 구성:
    • 테이블 로컬리티(Table Localities) 기능을 통해 읽기/쓰기 트레이드오프에 따른 최적화 가능
    • 데이터가 사용자 지리적 위치에 맞게 분산되어 성능과 지연 시간을 개선
• CockroachDB 활용 학습 제안
  • MovR 예제 재구현:
    • 원하는 언어와 프레임워크를 사용해 MovR(분산 애플리케이션 예제)을 구현
  • CockroachDB의 다중 지역 및 스케일링 전략을 활용하여 글로벌 애플리케이션 설계 실험
• CockroachDB 선택 이유
  • DynamoDB와 같은 다른 분산 데이터베이스와 달리 로컬 환경에서 무료로 실행 가능
  • 강한 일관성과 글로벌 분산 지원이라는 차별화된 특성 제공

Wrap Up

• 소개된 데이터베이스는 각기 다른 문제와 요구 사항을 해결하기 위해 설계됨
• 2025년엔 이 데이터베이스들을 학습하며 더 흥미롭고 창의적인 문제 해결 방법을 탐구해보세요!

SQL Server에서 A, B, 그리고 각각의 A 값에 대한 카운트를 하나의 행에 열로 표시하려면, 피벗(PIVOT) 기능을 사용할 수 있습니다. 피벗을 사용하면 각 A 값이 열로 변환되며, 각 열의 값은 해당 A 값의 카운트가 됩니다.

가정: 테이블 구조

• TableName 테이블에 A, B 열이 있다고 가정합니다.
• A 열에는 여러 종류의 값이 있으며, 이 값들을 기준으로 카운트를 집계합니다.

예제: 피벗을 사용하여 A 값의 카운트를 열로 표시

SELECT 
    B,
    [A1],
    [A2],
    [A3],
    [A4],
    [A5]
FROM (
    SELECT 
        B,
        A,
        COUNT(1) AS CountA
    FROM 
        TableName
    GROUP BY 
        B, A
) AS SourceTable
PIVOT (
    SUM(CountA)
    FOR A IN ([A1], [A2], [A3], [A4], [A5])
) AS PivotTable
ORDER BY B;​

설명:

1. 서브쿼리: 먼저 B, A, 그리고 각 A 값의 카운트를 집계합니다.
   • GROUP BY B, A: B와 A로 그룹화하여 각 A 값에 대한 카운트를 계산합니다.
2. 피벗:
   • PIVOT (SUM(CountA) FOR A IN ([A1], [A2], [A3], [A4], [A5])): 각 A 값이 열로 변환되며, 각 열의 값은 해당 A의 카운트입니다.
3. 결과: 최종적으로 B와 각 A 값의 카운트를 열로 표시합니다.

주의사항:

• IN 절에 지정된 A1, A2, A3, A4, A5는 실제로 A 컬럼에 있는 값으로 대체해야 합니다. 예를 들어, A 값이 'Type1', 'Type2', 'Type3' 등일 경우, 해당 값을 정확하게 열 이름으로 지정해야 합니다.
• 만약 A 값의 종류가 동적으로 변화한다면, 동적 SQL을 사용하여 피벗 쿼리를 작성해야 할 수 있습니다.

동적 피벗 예시

동적 피벗을 사용하면 테이블의 A 값이 변해도 자동으로 피벗을 적용할 수 있습니다.

DECLARE @cols AS NVARCHAR(MAX),
        @query AS NVARCHAR(MAX);

-- A 값 가져오기
SELECT @cols = STRING_AGG(QUOTENAME(A), ', ')
FROM (SELECT DISTINCT A FROM TableName) AS Temp;

-- 피벗 쿼리 생성
SET @query = 'SELECT B, ' + @cols + '
              FROM (
                  SELECT B, A, COUNT(1) AS CountA
                  FROM TableName
                  GROUP BY B, A
              ) AS SourceTable
              PIVOT (
                  SUM(CountA)
                  FOR A IN (' + @cols + ')
              ) AS PivotTable
              ORDER BY B;';

-- 실행
EXEC sp_executesql @query;​

이 동적 피벗 예시는 A 값의 종류에 따라 자동으로 피벗 쿼리를 생성하고 실행합니다.