한빛미디어

## 1장

 모든 이들이 저자와 같이 그래프를 처음 접했을 무렵의 경험을 상기 시키며 시작한다. 데이터베이스 기술이 계층형 > 관계형 > NoSQL > 그래프 싱킹으로 변화되고 있음을 단계적으로 설명하고 있으며, 복잡한 문제와 복잡한 시스템에서 그래프 기술을 사용해 문제 해결이 가능함을 설명한다.

## 2장

 관계형 데이터베이스를 사용하던 팀에서 그래프 씽킹으로의 전환을 돕는다.

 1) 관계형 개념을 그래표 용어로 변환

 2) 관계형과 그래프의 차이 설명

 3) 관계형 데이터 모델링

 4) 그래프 데이터의 개념

 5) 그래프 스키마 언어

 위의 순서로 설명하고 있다.

## 3장

 여전히 관계형이냐 그래프 기술이냐를 놓고 고민하는 팀에게 유용한 사용 사례를 설명한다.

 C360 이라는 애플리케이션을 그래프로 구현하면서 여기저기에 산재한 데이터에 접근해야 하는 요구사항을 만족시키기 위해서 그래프 기술이 필요함을 단계적으로 설명하고 이해시킨다.

## 4장

 3장의 C360 애플리케이션을 더 완벽한 시나리오에 대응할 수 있도록 확장한다. 이 과정에서 사용 편의성과 출시 속도 측면에서 그래프 기술과 관계형을 비교해 주고 있다.

## 5장

 앞서의 C360을 더욱더 확장한다. 자칫 그래프 데이터 사고 방법을 적용하면서 범할 수 있는 함정을 배치하고 어떠어떠한 함정이 숨어 있었고 이를 어떻게 해결하는지 설명해 준다.

## 6장

 그래프 씽킹을 데이터로 확장하는 방법을 살펴본다. 센서들의 통신 네트워크에서 간선 계산과 계층 그래프 데이터가 교차하는 지점에서 발생하는 복잡한 문제를 제시하고 이를 해결하는 방법을 설명한다.

## 7장

 트리 사용 제품화를 중심으로 이전장에서 다소 미흡했던 리프(타워)에서 모든 루프로(센서)로 탐색할 때 그래프 기술을 이용하면 이를 쉽게 구현할 수 있음을 알려주며, 분산 시스템에서 가장 인기 있는 두 가지 그래프 모델인 이웃과 계층을 살펴보고 질의를 살펴본다.

## 8장

 7장에서는 이웃과 계층을 살펴보았고, 분산 그래프 애플리케이션에서 3번째로 인기 있는 네트워크 경로 데이터 모델과 질의를 사용한다.

## 9장

 기존에서 사고 전환을 통해 복잡한 문제(그래프 데이터의 최단 가중치 경로)를 해결한 방법에 대해서 살펴본다.

## 10장

 10장부터는 실제 사례에 대해 소개한다. 사용자 평가 기반으로 영화를 추천하는 방법을 살펴본다.

## 11장

 무비렌즈와 캐글 데이터를 합쳐서 모델과 질의를 만드는 방법을 설명한다. 데이터 정리, 병합 작업을 수행함으로 단순한 데이터라도 더욱 유용한 정보를 얻을 수 있음을 알려준다.

## 12장

 그래프 데이터에서 항목 기반 협업 필터링의 제품 버전을 설명한다. 여기에서는 항목 기반 협업 필터링의 추천을 제공하는 방법을 알려준다.

## 13장

 마무리. 복잡한 문제를 해결하는 새로운 방식과 사고를 위해 새로운 기술과 기법을 배웠다. 그러나, 관계형으로 표현되는 데이터가 문제가 있거나 그래프 씽킹이 마냥 좋다는 것이 아님을 다시한번 강조한다. 각각의 장단점을 상기하고 복잡한 문제를 작은 단위로 나누어서 두 기법을 모두 이해하고 적용하길 권한다.

마지막으로 책 표지를 보며 리뷰를 마무리 하고자 한다.

'그래프를 그리면 세상이 보인다,

그래프 씽킹으로 시작하는 그래프 데이터베이스 사용 안내서'

(원서 : Applying Graph Thinking and Graph Technologies to Solve Complex Problems)

현대의 다량의 데이터를 갖는 복잡한 문제를 해결하기 위해서 그래프 씽킹과 그래프 기술은 필수 요소가 아닐까 생각한다. 그래프를 통해 세상의 다양한 데이터에서 유형의 가치를 뽑아 내기 위해 그래프를 통한 사고에 도전에 보자.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."