Data-Science-For-Beginners/translations/ko/2-Working-With-Data/06-non-relational/README.md

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "c182e87f9f80be7e7cdffc7b40bbfccf",
  "translation_date": "2025-09-05T12:58:19+00:00",
  "source_file": "2-Working-With-Data/06-non-relational/README.md",
  "language_code": "ko"
}
-->
# 데이터 작업: 비관계형 데이터

|![ Sketchnote by [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/06-NoSQL.png)|
|:---:|
|NoSQL 데이터 작업 - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |

## [강의 전 퀴즈](https://ff-quizzes.netlify.app/en/ds/quiz/10)

데이터는 관계형 데이터베이스에만 국한되지 않습니다. 이번 강의에서는 비관계형 데이터에 대해 배우며 스프레드시트와 NoSQL의 기본을 다룹니다.

## 스프레드시트

스프레드시트는 설정과 시작이 비교적 간단하기 때문에 데이터를 저장하고 탐색하는 데 널리 사용됩니다. 이번 강의에서는 스프레드시트의 기본 구성 요소, 공식 및 함수에 대해 배웁니다. 예제는 Microsoft Excel을 사용하여 설명되지만, 대부분의 구성 요소와 주제는 다른 스프레드시트 소프트웨어와 유사한 이름과 단계를 가집니다.

![빈 Microsoft Excel 워크북과 두 개의 워크시트](../../../../2-Working-With-Data/06-non-relational/images/parts-of-spreadsheet.png)

스프레드시트는 파일로 저장되며 컴퓨터, 장치 또는 클라우드 기반 파일 시스템에서 접근할 수 있습니다. 소프트웨어 자체는 브라우저 기반일 수도 있고 컴퓨터에 설치하거나 앱으로 다운로드해야 하는 애플리케이션일 수도 있습니다. Excel에서는 이러한 파일을 **워크북**이라고 정의하며, 이번 강의에서는 이 용어를 사용합니다.

워크북은 하나 이상의 **워크시트**를 포함하며, 각 워크시트는 탭으로 표시됩니다. 워크시트 내에는 **셀**이라고 불리는 직사각형이 있으며, 실제 데이터가 포함됩니다. 셀은 행과 열의 교차점으로, 열은 알파벳 문자로, 행은 숫자로 표시됩니다. 일부 스프레드시트는 셀의 데이터를 설명하기 위해 첫 몇 행에 헤더를 포함하기도 합니다.

Excel 워크북의 기본 요소를 이해한 후, [Microsoft Templates](https://templates.office.com/)에서 제공하는 인벤토리 예제를 사용하여 스프레드시트의 추가 구성 요소를 살펴보겠습니다.

### 인벤토리 관리

"InventoryExample"이라는 이름의 스프레드시트 파일은 인벤토리 내 항목을 정리한 형식의 스프레드시트로, "Inventory List", "Inventory Pick List", "Bin Lookup"이라는 세 개의 워크시트를 포함합니다. Inventory List 워크시트의 4행은 헤더로, 헤더 열의 각 셀 값을 설명합니다.

![Microsoft Excel의 인벤토리 리스트 예제에서 강조된 공식](../../../../2-Working-With-Data/06-non-relational/images/formula-excel.png)

셀의 값이 다른 셀의 값에 의존하여 생성되는 경우가 있습니다. Inventory List 스프레드시트는 인벤토리 내 각 항목의 비용을 추적하지만, 인벤토리 전체의 가치를 알고 싶다면 어떻게 해야 할까요? [**공식**](https://support.microsoft.com/en-us/office/overview-of-formulas-34519a4e-1e8d-4f4b-84d4-d642c4f63263)은 셀 데이터를 기반으로 작업을 수행하며, 이번 예제에서는 인벤토리의 가치를 계산하는 데 사용됩니다. 이 스프레드시트는 QTY 헤더 아래의 수량과 COST 헤더 아래의 비용을 곱하여 Inventory Value 열에 있는 각 항목의 가치를 계산하는 공식을 사용합니다. 셀을 더블 클릭하거나 강조 표시하면 공식을 확인할 수 있습니다. 공식은 등호(=)로 시작하며, 뒤에 계산 또는 작업이 이어집니다.

![Microsoft Excel의 인벤토리 리스트 예제에서 강조된 함수](../../../../2-Working-With-Data/06-non-relational/images/function-excel.png)

Inventory Value의 모든 값을 더해 총 가치를 계산할 수도 있습니다. 각 셀을 더해 합계를 구할 수도 있지만, 이는 번거로운 작업이 될 수 있습니다. Excel에는 [**함수**](https://support.microsoft.com/en-us/office/sum-function-043e1c7d-7726-4e80-8f32-07b23e057f89)라는 미리 정의된 공식이 있어 셀 값을 계산할 수 있습니다. 함수는 계산에 필요한 값을 **인수**로 요구하며, 인수가 여러 개일 경우 특정 순서로 나열해야 올바른 값을 계산할 수 있습니다. 이번 예제에서는 SUM 함수를 사용하며, Inventory Value의 값을 인수로 사용하여 B3(3행, B열)에 총합을 표시합니다.

## NoSQL

NoSQL은 비관계형 데이터를 저장하는 다양한 방법을 포괄하는 용어로, "non-SQL", "non-relational", 또는 "not only SQL"로 해석될 수 있습니다. 이러한 데이터베이스 시스템은 4가지 유형으로 분류됩니다.

![4개의 고유한 숫자 키와 다양한 값이 연결된 키-값 데이터 저장소의 그래픽 표현](../../../../2-Working-With-Data/06-non-relational/images/kv-db.png)
> 출처: [Michał Białecki Blog](https://www.michalbialecki.com/2018/03/18/azure-cosmos-db-key-value-database-cloud/)

[키-값](https://docs.microsoft.com/en-us/azure/architecture/data-guide/big-data/non-relational-data#keyvalue-data-stores) 데이터베이스는 고유한 키와 값의 쌍을 연결합니다. 이러한 쌍은 적절한 해싱 함수가 포함된 [해시 테이블](https://www.hackerearth.com/practice/data-structures/hash-tables/basics-of-hash-tables/tutorial/)을 사용하여 저장됩니다.

![사람, 관심사, 위치 간의 관계를 보여주는 그래프 데이터 저장소의 그래픽 표현](../../../../2-Working-With-Data/06-non-relational/images/graph-db.png)
> 출처: [Microsoft](https://docs.microsoft.com/en-us/azure/cosmos-db/graph/graph-introduction#graph-database-by-example)

[그래프](https://docs.microsoft.com/en-us/azure/architecture/data-guide/big-data/non-relational-data#graph-data-stores) 데이터베이스는 데이터 간의 관계를 설명하며, 노드와 엣지의 집합으로 표현됩니다. 노드는 학생이나 은행 명세서와 같은 실제 세계의 엔티티를 나타내며, 엣지는 두 엔티티 간의 관계를 나타냅니다. 각 노드와 엣지는 추가 정보를 제공하는 속성을 가집니다.

![Identity와 Contact Info라는 두 개의 컬럼 패밀리를 가진 고객 데이터베이스를 보여주는 컬럼형 데이터 저장소의 그래픽 표현](../../../../2-Working-With-Data/06-non-relational/images/columnar-db.png)

[컬럼형](https://docs.microsoft.com/en-us/azure/architecture/data-guide/big-data/non-relational-data#columnar-data-stores) 데이터 저장소는 데이터를 열과 행으로 구성하며, 관계형 데이터 구조와 유사하지만 각 열은 컬럼 패밀리로 나뉘며, 하나의 열 아래의 모든 데이터는 관련되어 있으며 하나의 단위로 검색 및 변경될 수 있습니다.

### Azure Cosmos DB를 활용한 문서 데이터 저장소

[문서](https://docs.microsoft.com/en-us/azure/architecture/data-guide/big-data/non-relational-data#document-data-stores) 데이터 저장소는 키-값 데이터 저장소의 개념을 기반으로 하며, 필드와 객체로 구성된 시리즈로 이루어져 있습니다. 이 섹션에서는 Cosmos DB 에뮬레이터를 사용하여 문서 데이터베이스를 탐구합니다.

Cosmos DB 데이터베이스는 "Not Only SQL"의 정의에 부합하며, Cosmos DB의 문서 데이터베이스는 SQL을 사용하여 데이터를 쿼리합니다. [이전 강의](../05-relational-databases/README.md)에서 SQL의 기본을 다뤘으며, 여기서 문서 데이터베이스에 동일한 쿼리를 적용할 수 있습니다. Cosmos DB 에뮬레이터를 사용하여 로컬 컴퓨터에서 문서 데이터베이스를 생성하고 탐색할 수 있습니다. 에뮬레이터에 대한 자세한 내용은 [여기](https://docs.microsoft.com/en-us/azure/cosmos-db/local-emulator?tabs=ssl-netstd21)를 참조하세요.

문서는 필드와 객체 값의 집합으로 구성되며, 필드는 객체 값이 무엇을 나타내는지 설명합니다. 아래는 문서의 예제입니다.

```json
{
    "firstname": "Eva",
    "age": 44,
    "id": "8c74a315-aebf-4a16-bb38-2430a9896ce5",
    "_rid": "bHwDAPQz8s0BAAAAAAAAAA==",
    "_self": "dbs/bHwDAA==/colls/bHwDAPQz8s0=/docs/bHwDAPQz8s0BAAAAAAAAAA==/",
    "_etag": "\"00000000-0000-0000-9f95-010a691e01d7\"",
    "_attachments": "attachments/",
    "_ts": 1630544034
}
```

이 문서에서 관심 있는 필드는 `firstname`, `id`, 그리고 `age`입니다. 나머지 필드는 Cosmos DB에 의해 생성되었습니다.

#### Cosmos DB 에뮬레이터를 사용한 데이터 탐색

Windows용 에뮬레이터를 [여기서 다운로드](https://aka.ms/cosmosdb-emulator)하여 설치할 수 있습니다. macOS와 Linux에서 에뮬레이터를 실행하는 방법은 [이 문서](https://docs.microsoft.com/en-us/azure/cosmos-db/local-emulator?tabs=ssl-netstd21#run-on-linux-macos)를 참조하세요.

에뮬레이터는 브라우저 창을 열며, Explorer 뷰를 통해 문서를 탐색할 수 있습니다.

![Cosmos DB 에뮬레이터의 Explorer 뷰](../../../../2-Working-With-Data/06-non-relational/images/cosmosdb-emulator-explorer.png)

따라서 "Start with Sample"을 클릭하여 SampleDB라는 샘플 데이터베이스를 생성합니다. SampleDB를 확장하면 `Persons`라는 컨테이너를 찾을 수 있습니다. 컨테이너는 항목의 컬렉션을 포함하며, 이는 컨테이너 내의 문서입니다. `Items` 아래에서 네 개의 개별 문서를 탐색할 수 있습니다.

![Cosmos DB 에뮬레이터에서 샘플 데이터를 탐색하는 모습](../../../../2-Working-With-Data/06-non-relational/images/cosmosdb-emulator-persons.png)

#### Cosmos DB 에뮬레이터를 사용한 문서 데이터 쿼리

새 SQL Query 버튼(왼쪽에서 두 번째 버튼)을 클릭하여 샘플 데이터를 쿼리할 수 있습니다.

`SELECT * FROM c`는 컨테이너 내의 모든 문서를 반환합니다. 이제 where 절을 추가하여 나이가 40 미만인 사람을 찾아봅시다.

`SELECT * FROM c where c.age < 40`

![Cosmos DB 에뮬레이터에서 샘플 데이터에 대해 SELECT 쿼리를 실행하여 age 필드 값이 40 미만인 문서를 찾는 모습](../../../../2-Working-With-Data/06-non-relational/images/cosmosdb-emulator-persons-query.png)

쿼리는 두 개의 문서를 반환하며, 각 문서의 age 값이 40 미만임을 확인할 수 있습니다.

#### JSON과 문서

JavaScript Object Notation (JSON)에 익숙하다면 문서가 JSON과 유사하다는 것을 알 수 있습니다. 이 디렉토리에는 `PersonsData.json` 파일이 있으며, 이를 에뮬레이터의 Persons 컨테이너에 `Upload Item` 버튼을 사용하여 업로드할 수 있습니다.

대부분의 경우, JSON 데이터를 반환하는 API는 문서 데이터베이스에 직접 전송 및 저장될 수 있습니다. 아래는 또 다른 문서의 예제로, Microsoft Twitter 계정에서 Twitter API를 사용하여 가져온 트윗을 나타내며, Cosmos DB에 삽입되었습니다.

```json
{
    "created_at": "2021-08-31T19:03:01.000Z",
    "id": "1432780985872142341",
    "text": "Blank slate. Like this tweet if you’ve ever painted in Microsoft Paint before. https://t.co/cFeEs8eOPK",
    "_rid": "dhAmAIUsA4oHAAAAAAAAAA==",
    "_self": "dbs/dhAmAA==/colls/dhAmAIUsA4o=/docs/dhAmAIUsA4oHAAAAAAAAAA==/",
    "_etag": "\"00000000-0000-0000-9f84-a0958ad901d7\"",
    "_attachments": "attachments/",
    "_ts": 1630537000
```

이 문서에서 관심 있는 필드는 `created_at`, `id`, 그리고 `text`입니다.

## 🚀 도전 과제

`TwitterData.json` 파일을 SampleDB 데이터베이스에 업로드할 수 있습니다. 별도의 컨테이너에 추가하는 것이 좋습니다. 이를 수행하려면:

1. 오른쪽 상단의 새 컨테이너 버튼을 클릭합니다.
1. 기존 데이터베이스(SampleDB)를 선택하고 컨테이너 ID를 생성합니다.
1. 파티션 키를 `/id`로 설정합니다.
1. 확인을 클릭합니다(이 뷰의 나머지 정보는 무시해도 됩니다. 이는 로컬 머신에서 실행되는 작은 데이터셋입니다).
1. 새 컨테이너를 열고 `Upload Item` 버튼을 사용하여 Twitter Data 파일을 업로드합니다.

몇 가지 SELECT 쿼리를 실행하여 text 필드에 Microsoft가 포함된 문서를 찾아보세요. 힌트: [LIKE 키워드](https://docs.microsoft.com/en-us/azure/cosmos-db/sql/sql-query-keywords#using-like-with-the--wildcard-character)를 사용해보세요.

## [강의 후 퀴즈](https://ff-quizzes.netlify.app/en/ds/quiz/11)

## 복습 및 자기 학습

- 이번 강의에서 다루지 않은 추가적인 스프레드시트 형식 및 기능이 있습니다. Excel에 대해 더 배우고 싶다면 Microsoft의 [광범위한 문서 및 비디오 라이브러리](https://support.microsoft.com/excel)를 참조하세요.

- 비관계형 데이터의 다양한 유형의 특성을 설명하는 이 아키텍처 문서를 확인하세요: [비관계형 데이터와 NoSQL](https://docs.microsoft.com/en-us/azure/architecture/data-guide/big-data/non-relational-data)

- Cosmos DB는 이번 강의에서 언급된 다양한 NoSQL 유형을 저장할 수 있는 클라우드 기반 비관계형 데이터베이스입니다. 이 [Cosmos DB Microsoft Learn Module](https://docs.microsoft.com/en-us/learn/paths/work-with-nosql-data-in-azure-cosmos-db/)에서 이러한 유형에 대해 더 알아보세요.

## 과제

[Soda Profits](assignment.md)

---

**면책 조항**:  
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서를 해당 언어로 작성된 상태에서 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.