이제는 그래프 데이터베이스 시대!
새로운 패러다임 그래프 씽킹을 만나다

데이터 관리 회사 ‘데이터스택스(Datastax)’에서 근무하는 CDO, CTO가 함께 집필한 그래프 데이터베이스 사용 안내서! 그들이 여러 팀에게 조언하며 얻은 지식과 노하우를 이 책에 모두 담았다. 방대하고 복잡한 데이터에서 가치를 추출하는 혜안으로 ‘그래프 씽킹’ 개념을 제시하며 여러분의 사고방식을 그래프 씽킹으로 전환할 수 있도록 친절히 안내한다. 개념 이해를 돕는 풍부한 그림과 실무에 유용한 예제를 통해 그래프 데이터베이스 시대를 마주하게 될 여러분에게 세상을 이해할 수 있는 비밀스런 열쇠를 쥐여준다. 그래프 씽킹으로 데이터를 효율적으로 구축하는 방법을 배워 한 걸음 더 성장한 데이터 엔지니어가 되어보자.

대상 독자
●\t그래프 데이터를 효과적으로 사용하고 싶은 데이터 엔지니어, 데이터 아키텍트
●\t그래프 씽킹을 터득하고 싶은 데이터 과학자, 데이터 분석가
●\t그래프 씽킹이 궁금한 누구나(기초 데이터베이스 지식이 있다면 개념을 더 쉽게 이해할 수 있다)

주요 내용
●\t관계형, 그래프 데이터베이스로 아키텍처 구축하기
●\t유명한 그래프 데이터 패턴 Customer 360 애플리케이션 구현하기
●\t계층형 데이터에서 그래프 데이터로 작업할 때 발생하는 문제 해결하기
●\t경로를 찾는 다양한 방법과 경로가 선호도에 미치는 영향 살펴보기
●\t협업 필터링으로 넷플릭스와 비슷한 영화 추천 시스템 설계하기


<추천사>
개발자의 서재에 반드시 추가해야 할 참고서. 두 저자 모두 그래프 이론, 아키텍처, 원칙의 모범이라 할 수 있다.
시어도어 C. 태너 주니어, Watson Health 글로벌 CTO 겸 최고 아키텍트

이 책은 데이터베이스의 수준을 한층 끌어올렸다. 그래프 데이터를 처음 접하는 사람에게 유용할 뿐 아니라 이미 경험했던 사람도 새로운 내용을 배울 수 있다.
매슈 러셀, Strongest AI CEO, 『소셜 웹 마이닝(2판)』(비제이퍼블릭, 2015) 저자

단단하고 꼼꼼하게 그래프 데이터베이스에 입문할 수 있는 책. 그래프 데이터베이스에 대한 개념이 약한 초보자를 위해 관계형 데이터베이스와 꼼꼼하게 비교해주는 점이 좋았다. 심지어 예제까지 관계형으로 먼저 만든 뒤 그래프 형태로 바꿔보는 접근 방식 덕분에 개념을 더 쉽게 이해할 수 있었다.
이요셉, 지나가던 IT인

RDBMS, NoSQL 다음은 그래프 데이터 베이스 차례라고 생각한다. 온톨로지와 지식 그래프는 그래프 데이터베이스와 관련이 깊다. 이 분야는 2000년대에 와서 활발히 발전하고 있고, 최근에 관련된 오픈 소스 또는 이를 솔루션으로 내세우는 기업들도 볼 수 있다. 트렌드에 맞춰 그래프 데이터베이스에 대한 기초 이론과 오픈 소스 도구를 익혀보고 싶다면 이 책이 큰 도움이 될 것이다.
장대혁, 휴넷 인공지능교육연구소

CHAPTER 1 그래프 씽킹
1.1 떠오르는 그래프 기술
1.2 그래프 씽킹이란
1.3 복잡한 문제를 해결하는 기술 선택하기
1.4 그래프 씽킹 여정 시작하기

CHAPTER 2 관계형에서 그래프 씽킹으로
2.1 2장 미리 보기: 관계형 개념을 그래프 용어로 변환하기
2.2 관계형과 그래프의 차이
2.3 관계형 데이터 모델링
2.4 그래프 데이터의 개념
2.5 그래프 스키마 언어
2.6 관계형 vs 그래프: 결정 고려 사항
2.7 마치며

CHAPTER 3 간단한 Customer 360
3.1 3장 미리 보기: 관계형 vs 그래프
3.2 그래프 데이터 기본 사용 사례: Customer 360(C360)
3.3 관계형 시스템으로 C360 애플리케이션 구현하기
3.4 그래프 시스템으로 C360 애플리케이션 구현하기
3.5 관계형 vs 그래프: 선택의 기로에 서 있다면
3.6 마치며

CHAPTER 4 이웃 탐색 개발
4.1 4장 미리 보기: 더 현실적인 C360 만들기
4.2 그래프 데이터 모델링 101
4.3 이웃 탐색 개발 세부 구현
4.4 기본적인 그렘린 탐색
4.5 고급 그렘린: 질의 결과 다듬기
4.6 개발 단계에서 제품 단계로 이동하기

CHAPTER 5 이웃 탐색 제품화
5.1 5장 미리 보기: 아파치 카산드라의 분산 그래프 데이터 이해하기
5.2 아파치 카산드라에서 그래프 데이터 사용하기
5.3 그래프 데이터 모델링 201
5.4 최종 제품 구현
5.5 더 복잡한, 분산 그래프 문제

CHAPTER 6 트리 사용 개발
6.1 6장 미리 보기: 트리 탐색, 계층 데이터, 순환
6.2 세 가지 예제로 살펴보는 계층, 중첩 데이터
6.3 용어의 숲에서 길 찾기
6.4 센서 데이터로 계층 구조 이해하기
6.5 개발 모드: 리프에서 루트로 질의하기
6.6 개발 모드: 루트에서 리프로 질의하기
6.7 시간 정보 확인

CHAPTER 7 트리 사용 제품화
7.1 7장 미리 보기: 분기 계수, 깊이, 간선의 시간 이해
7.2 센서 데이터의 시간 이해
7.3 분기 계수 이해
7.4 센서 데이터 제품 스키마
7.5 제품 모드: 리프에서 루트로 질의하기
7.6 제품 모드: 루트에서 리프로 질의하기
7.7 타워 장애 시나리오에 질의 적용하기
7.8 나무를 위해 숲 보기

CHAPTER 8 경로 찾기 개발
8.1 8장 미리 보기: 네트워크의 신뢰 수량화하기
8.2 세 가지 예제로 살펴보는 신뢰
8.3 경로 기초 개념
8.4 신뢰 네트워크에서 경로 찾기
8.5 비트코인 신뢰 네트워크로 탐색 이해하기
8.6 최단 경로 질의

CHAPTER 9 경로 찾기 제품화
9.1 9장 미리 보기: 가중치, 거리, 가지치기 이해하기
9.2 가중치 경로와 검색 알고리즘
9.3 최단 경로 문제에 알맞게 간선 가중치 정규화하기
9.4 최단 가중치 경로 질의
9.5 제품의 가중치 경로와 신뢰

CHAPTER 10 추천 개발
10.1 10장 미리 보기: 영화 추천 협업 필터링
10.2 추천 시스템 예
10.3 협업 필터링 소개
10.4 영화 데이터: 스키마, 로딩, 질의 검토
10.5 그렘린의 항목 기반 협업 필터링

CHAPTER 11 그래프의 간단한 개체 해석
11.1 11장 미리 보기: 여러 데이터셋을 하나의 그래프로 병합하기
11.2 다른 복잡한 문제 정의: 개체 해석
11.3 두 영화 데이터셋 분석하기
11.4 영화 데이터 매칭, 병합
11.5 거짓 긍정 해결

CHAPTER 12 추천 제품화
12.1 12장 미리 보기: 지름길 간선, 사전 계산, 고급 가지치기 기술 이해하기
12.2 실시간 추천용 지름길 간선
12.3 영화 데이터의 지름길 간선 계산하기
12.4 영화 추천 제품 스키마와 데이터 로딩
12.5 지름길 간선을 이용한 추천 질의

CHAPTER 13 마치며
13.1 이제 어디로 가야 할까
13.2 연락 주고받기