SQLD 시험 문제: 그룹 함수와 다차원 데이터 집계 (ROLLUP, CUBE)

SQLD 시험의 핵심 그룹 함수와 다차원 데이터 집계 이해하기

데이터베이스 자격증인 SQLD를 준비하다 보면 가장 처음 맞닥뜨리는 벽 중 하나가 바로 그룹 함수입니다. 단순히 데이터를 합치고 평균을 내는 수준을 넘어, 데이터를 다각도로 분석할 수 있게 해주는 ROLLUP과 CUBE는 실무 데이터 분석에서도 매우 강력한 도구입니다. 이 글에서는 복잡한 이론보다는 시험 합격과 실무 적용을 위한 핵심 원리를 중심으로 상세히 설명해 드리겠습니다.

그룹 함수가 왜 중요한가

우리가 흔히 사용하는 GROUP BY 절은 데이터를 특정 기준에 따라 묶어 집계합니다. 하지만 실무에서는 단순히 ‘부서별 합계’만 궁금한 것이 아니라 ‘부서별 합계와 전체 합계’, 혹은 ‘부서와 직급별 합계와 각각의 소계’를 한 번에 보고 싶을 때가 많습니다. 이를 해결하기 위해 매번 여러 개의 쿼리를 작성하고 UNION ALL로 합치는 것은 매우 비효율적입니다. 그룹 함수인 ROLLUP과 CUBE는 단 하나의 쿼리로 이러한 다차원 집계를 수행할 수 있게 해주어 쿼리의 복잡도를 획기적으로 낮추고 성능을 최적화합니다.

ROLLUP의 특징과 활용법

ROLLUP은 계층적인 구조를 가진 집계를 수행할 때 사용합니다. 예를 들어 ‘부서’와 ‘직급’이라는 두 개의 컬럼으로 ROLLUP을 수행하면, (부서, 직급)별 합계, (부서)별 합계, 그리고 전체 합계를 순차적으로 생성합니다. 이때 중요한 것은 컬럼의 순서입니다. ROLLUP(A, B)라고 쓰면 A를 기준으로 대분류, B를 기준으로 소분류를 나누어 계층적으로 집계합니다.

• ROLLUP(A, B)의 결과 구성: (A, B) 그룹핑, (A) 그룹핑, 전체 그룹핑

• 계층적 데이터 분석에 유리함
• 마지막 컬럼부터 순차적으로 제외하며 소계를 생성하는 방식

CUBE의 특징과 활용법

CUBE는 ROLLUP보다 훨씬 포괄적인 데이터를 제공합니다. CUBE(A, B)를 사용하면 가능한 모든 조합의 경우의 수를 계산합니다. 즉, (A, B)별 합계는 물론이고, A별 합계, B별 합계, 그리고 전체 합계까지 모두 출력합니다. 데이터의 다차원적인 분석이 필요할 때 매우 유용하지만, 컬럼이 많아질수록 생성되는 조합의 수가 기하급수적으로 늘어나므로 주의해서 사용해야 합니다.

• CUBE(A, B)의 결과 구성: (A, B), (A), (B), 전체 그룹핑

• 조합 가능한 모든 경우의 수를 계산
• 데이터의 상관관계를 다각도에서 파악할 때 필수적

GROUPING 함수를 활용한 가독성 높이기

다차원 집계를 수행하면 집계된 행과 실제 데이터를 구분하기 위해 결과값에 NULL이 포함됩니다. 이때 어떤 행이 소계인지, 어떤 행이 전체 합계인지 구분하기가 매우 어렵습니다. 이를 해결하는 것이 GROUPING 함수입니다. 해당 컬럼이 그룹핑에 참여했으면 0을, 그렇지 않으면(즉, 소계나 합계 행이라면) 1을 반환합니다. 이를 CASE 문과 조합하면 보고서 형태의 깔끔한 결과물을 얻을 수 있습니다.

예시 코드 흐름:

• CASE WHEN GROUPING(부서) = 1 THEN ‘전체’ ELSE 부서 END AS 부서명
• CASE WHEN GROUPING(직급) = 1 THEN ‘소계’ ELSE 직급 END AS 직급명

자주 묻는 질문과 오해 바로잡기

ROLLUP과 CUBE의 성능 차이는 무엇인가요

데이터의 양이 많아질수록 CUBE는 ROLLUP보다 훨씬 많은 연산을 수행합니다. 2개의 컬럼만 사용해도 4개의 조합이 나오지만, 5개 컬럼을 사용하면 32개의 조합이 나옵니다. 따라서 성능이 중요한 실무 환경에서는 필요한 조합만을 생성하는 ROLLUP이나 GROUPING SETS를 우선 고려하는 것이 비용 효율적입니다.

GROUPING SETS는 무엇인가요

ROLLUP과 CUBE가 모든 계층이나 조합을 자동으로 생성한다면, GROUPING SETS는 사용자가 원하는 조합만 골라서 집계할 수 있게 해줍니다. 예를 들어 (부서별 합계)와 (직급별 합계)만 필요하다면 굳이 전체 합계나 두 조합을 섞은 결과를 볼 필요가 없습니다. 이때 GROUPING SETS(부서, 직급)을 사용하면 불필요한 연산을 줄여 쿼리 속도를 높일 수 있습니다.

SQLD 시험을 위한 전문가의 조언

시험 문제에서는 주로 ROLLUP이나 CUBE를 사용했을 때 출력되는 행의 개수를 묻거나, 어떤 결과가 나오는지 예측하는 문제가 자주 출제됩니다. 다음의 팁을 꼭 기억하세요.

시험 문제 풀이 팁

• ROLLUP(A, B)의 결과 행 수: (A의 유니크한 값의 개수) + (A, B의 조합 개수) + 1(전체 합계)
• CUBE(A, B)의 결과 행 수: (A의 유니크한 값의 개수 + 1) * (B의 유니크한 값의 개수 + 1)
• NULL 값이 결과에 포함되는 이유를 이해하고, 이를 GROUPING 함수가 어떻게 처리하는지 예시를 직접 손으로 써보며 익히세요.
• ROLLUP과 CUBE는 GROUP BY 절 뒤에 위치한다는 점을 잊지 마세요.

실무에서의 데이터 분석 효율화 방법

실무에서 데이터를 다룰 때는 쿼리의 결과값이 어떻게 시각화될지를 먼저 고민해야 합니다. 다차원 집계 함수를 사용하면 별도의 엑셀 가공 없이도 데이터베이스 수준에서 즉시 보고서용 데이터를 생성할 수 있습니다. 특히 대용량 데이터베이스에서는 수백만 건의 데이터를 엑셀로 내려받아 피벗 테이블을 만드는 것보다, 서버 측에서 ROLLUP을 사용하여 필요한 요약 정보만 가져오는 것이 네트워크 비용과 메모리 사용량 측면에서 훨씬 효율적입니다.

또한, 개발자나 데이터 분석가는 항상 ‘최소한의 연산으로 원하는 결과를 얻는 방법’을 고민해야 합니다. 모든 데이터를 다 뽑아내는 CUBE보다는, 분석 목적에 맞는 조합을 GROUPING SETS로 정의하는 습관을 들이는 것이 좋습니다. 이는 시스템 부하를 줄이고, 복잡한 쿼리 로직을 단순화하여 유지보수성을 높이는 가장 좋은 방법입니다.

데이터 분석 관점에서의 제언

데이터 분석은 단순히 값을 뽑아내는 것이 아니라, 데이터 속에 숨겨진 의미를 찾아내는 과정입니다. ROLLUP과 CUBE는 그 과정을 돕는 강력한 도구입니다. 예를 들어, 시간별 매출 데이터를 ROLLUP으로 분석하면 ‘시간별’, ‘일별’, ‘월별’, ‘전체’ 매출을 한 번에 파악할 수 있어 매출 추이의 패턴을 찾는 데 매우 효과적입니다. 이러한 함수들을 자유자재로 다루게 되면, 데이터에 대한 시야가 넓어지고 비즈니스 인사이트를 도출하는 속도 또한 비약적으로 빨라질 것입니다. 처음에는 복잡해 보일 수 있지만, 직접 쿼리를 작성하고 결과를 눈으로 확인해보는 과정을 반복한다면 SQLD 자격증 취득은 물론, 실무에서도 인정받는 데이터 전문가로 성장할 수 있을 것입니다.