SKAI Worldwide Tech Blog

글로벌 그래프 DB 시장에는 수많은 그래프 DB 공급 업체들이 존재하지만, 실제 활용을 위한 그래프 DB를 선택하는 것은 쉽지 않습니다. 요구사항에 따라 여러 DB 제품들이 있기에 충분히 검토해보고 결정해야 할 것입니다. 본 글은 그래프 DB를 선택할 때 기본적으로 고려해야 할 10가지 사항들에 대해 소개하고자 합니다. 후보군을 놓고 아래 사항들에 대해 고려해 본다면, 가장 최선의 선택을 할 수 있을 것입니다. 1. Native Graph Storage 네이티브 그래프 스토리지는 그래프 데이터베이스의 무결성과 성능을 상징하는 근본적인 요소입니다. 네이티브 그래프 스토리지는 그래프 노드를 연결하는 실제 관계가 기본 영구 데이터 요소로 저장되도록 합니다. 네이티브 그래프 스토리지가 아닌 그래프 기능을 모방한..

비트나인이 새로운 관계형 DBMS인 ‘AgensSQL’을 출시했습니다. 데이터의 형태, 기업 데이터 운영 환경 및 활용 목적에 따라 적절한 솔루션을 적재적소에 공급할 수 있게 된 것입니다. 데이터베이스 기업으로서는 최초로 코스닥 상장을 이루며 공식적으로 기술력과 미래 가치를 인정받은 비트나인은 이로써 SQL(관계형 DB) 및 NoSQL(그래프 DB)의 양대 DB 진영을 모두 아우르는 제품 라인업을 갖추게 되었습니다. AgensSQL, why now? 최근 데이터베이스 시장에서 발생하고 있는 이슈들은 다음과 같습니다. 1) 상용 DBMS의 구축 및 유지보수 비용 증가 2) 특정 외산 벤더의 상용 DBMS를 대체할 수 있는 국산 오픈소스 DBMS의 수요 증가 3) 빠르게 변화하는 외부 환경에 대한 대응 요구..

본 글에서는 예측분석에 사용할 수 있는 알고리즘을 설명합니다. 수많은 예측분석 알고리즘을 소개하기엔 현실적으로 무리가 있다고 판단하여, Regression과 Classification에 대해 간략한 소개를 하고 이후에 Brazilian E-Commerce 사례에서 사용하였던 알고리즘을 기술했습니다. 회귀(Regression)와 분류(Classification)로 범주화하는 지도 학습 머신러닝 알고리즘은 작동방법에 따라 몇 가지 기준으로 분류할 수 있는데, 가장 큰 기준은 바로 비지도 학습(Unsupervised Learning)과 지도 학습(Supervised Learning)이 있습니다. 비지도 학습은 출력 변수(Y)가 존재하지 않고, 입력 변수(X) 간의 관계에 대해 모델링하는 것입니다. 주로 Clu..

그래프 데이터 모델은 현실 모형에 가까운 직관적인 형태의 “데이터 모형”을 제공합니다. 현실과 가까운 모습의 데이터 모델로 데이터가 운용되고 데이터 모델의 변형이 자유롭기 때문에 기존 관계형 데이터보다 더 효율적이며 직관적입니다. 최근 빠른 시장 변화에 따라, 데이터의 보유 규모뿐만 아니라 데이터의 숨은 가치를 바로 알고 이를 유용하게 활용하는 것이 점점 더 중요해지고 있습니다. 이러한 점에서 그래프 데이터베이스(이하 그래프 DB)의 직관적인 데이터 모델링은 실제 조직의 데이터 모델과 흡사한 데이터 모델링이 가능하며, 이를 통해 조직 전체의 데이터 흐름을 쉽게 이해하고 활용하는 데 많은 도움을 줄 수 있습니다. 본 백서는 그래프 DB의 활용 방법을 소개하기 위해 제작되었으며, 1부는 그래프 모델링, 2부..

본 글은 비트나인에서 출시한 솔루션 중 하나인 그래프 데이터베이스를 활용한 예측분석 시스템(G-PAS)에 대한 내용을 다루고 있습니다. G-PAS란? G-PAS, 빅데이터 예측분석 시스템 그래프 예측분석 시스템 소개 G-PAS(Graph Predictive Analysis System)는 프로퍼티 그래프 데이터 모델(Property Graph Data Model)을 사용하며, 빅데이터를 관리할 수 있는 최적의 구조를 가졌습니다. 프로퍼티.. bitnine.tistory.com 비트나인의 그래프 사이언스 R&D팀이 이에 대해 보다 쉽게 이해할 수 있도록 작성했으며, 이론편을 시작으로 ‘그래프를 활용한 예측분석 시스템에 대한 기본적인 개념’과 ‘데이터 모델링을 통해 분석하는 과정’을 설명하는데 초점이 맞추어..