IT › 데이터 › 데이터 분석 › 데이터 웨어하우스

OLAP온라인 분석 처리 · Online Analytical Processing

측정값을 시간 · 장소 · 상품 같은 차원과 그 계층에 따라 여러 수준으로 묶고 펼쳐 보는 분석 처리 방식이다. 롤업 · 드릴다운 · 슬라이스 · 다이스 · 피벗을 이어 가며 질의한다.

1요약

  1. OLAP 은 측정값을 차원 계층에 따라 묶고 펼치는 분석 처리로, 1993년 Codd · Codd · Salley 백서가 이름을 붙였고, 데이터 웨어하우스나 컬럼 저장 DB 위에서 돌며 그 위에서 피벗 보고서 · BI 대시보드가 돈다.
  2. 차원이 3개면 소계 묶음이 2³ = 8가지라 GROUP BY 8개를 UNION 으로 이어야 했고 차원 6개면 64개가 된다(Gray 외 1997 2절) — CUBE 연산자 한 번과 미리 계산한 큐브가 이 일을 대신한다.
  3. 「소계가 상세 합과 다르다」는 집계 함수가 다시 합쳐지는가(SUM 은 그대로 · AVG 는 합과 개수가 있어야 · 중앙값은 상세 행으로만)와 소계의 NULL 을 원래 NULL 과 섞었는가로 가른다.

2등장 배경

1980년대 말 운영 DB 와 보고서 도구는 정해진 2차원 보고서를 뽑는 데 맞춰져 있었다. 분석가가 「지역별」을 보다가 「상품별 · 월별」로 시각을 바꾸려면 질의를 새로 짜서 다시 추출해야 했고, 백서는 이런 동적 분석이 트랜잭션용 환경에서 가장 어렵다고 적었다(Codd 외 1993 「The Evolution of OLAP」).

1993년 E. F. Codd 등은 이 처리 범주를 OLAP 이라 부르고 제품 평가 규칙 12개를 냈다 — 규칙 1 다차원 개념 보기 · 규칙 7 희소 행렬 처리 · 규칙 12 차원 «15개 이상, 가능하면 20개»(Codd 외 1993). 이 백서는 Arbor Software 가 의뢰했고 마지막 장이 그 회사 제품 평가여서 규칙 몇 개는 업체가 만든 것으로 보인다는 비판을 받았으며, Pendse 는 대신 FASMI(Fast Analysis of Shared Multidimensional Information) 다섯 낱말 정의를 1995년에 내놓았다(Pendse 2001).

1995년 Microsoft · IBM 연구자 Gray 등은 GROUP BY 를 N 차원으로 넓힌 CUBE · ROLLUP 연산자를 제안했고, SQL Server 6.5 가 먼저 구현한 뒤 SQL 표준 위원회가 그 문법을 받아들였다(Gray 외 1997 3절 주석 6). 2008년 Abadi 등은 컬럼 저장이 분석 질의에서 한 자릿수 배 이상 빠른 이유를 저장 계층과 실행기 양쪽에서 가려냈고(Abadi 외 2008), 지금은 큐브를 미리 만들지 않고 컬럼 저장 DB 에서 그때그때 집계하는 방식도 함께 쓴다.

3쉽게 이해하기 — 도서관 대출 서랍장

동네 도서관 사서는 대출 카드를 달 · 분야 · 나이대 세 기준으로 나눈 서랍장에 넣어 둔다. 관장이 「9월 과학책은 몇 권 나갔나」 물으면 사서는 9월 줄과 과학 열이 만나는 서랍을 열어 숫자를 읽고, 「3분기 전체는?」이면 7 · 8 · 9월 서랍을 합쳐 요약판에 적는다. 「그 9월을 날짜별로」라고 하면 서랍 안 작은 상자를 열고, 서랍장을 돌려 세우면 분야가 줄 · 달이 열인 표가 된다.

관장 분석가 「9월 과학책은?」 1 사서 OLAP 서버 맞는 서랍을 고름 2 서랍장 큐브 문학 과학 역사 아동 7월 8월 9월 128권 앞면 = 성인 · 뒷면 = 어린이 차원 = 달 · 분야 · 나이대 서랍 속 숫자 = 측정값 3 요약판 소계 · 합계 서랍끼리 더해 적음 답 = 128권 4 사람 · 질문 처리 규칙 차원(축) 측정값 집계 결과 번호 = 순서

그림 1 · 관장의 질문은 사서를 거쳐 달 · 분야 · 나이대로 나눈 서랍장의 서랍 하나에 이르고, 여러 서랍을 더한 요약판이 답이 된다.

질문관장이 9월 과학을 물음
서랍 찾기9월 줄과 과학 열이 만나는 서랍
한 면만성인 면만 꺼내 봄
묶어 보기세 달을 분기로 합침
펼쳐 보기서랍 속 작은 상자를 엶
돌려 보기줄과 열을 바꿔 세움
평균만 적은 카드 합과 권수를 적은 카드 성인 서랍 · 9월 과학 평균 대출 기간 10일 셀 값 어린이 서랍 · 9월 과학 평균 대출 기간 20일 셀 값 두 카드를 합침 (10 + 20) ÷ 2 = 15일 몇 권씩인지 몰라 못 고침 틀림 성인 서랍 · 9월 과학 합 900일 · 90권 셀 값 어린이 서랍 · 9월 과학 합 200일 · 10권 셀 값 두 카드를 합침 1,100일 ÷ 100권 = 11일 몇 서랍을 더 합쳐도 맞음 맞음 실제 = 평균(AVG)은 합(SUM) · 개수(COUNT)를 함께 저장해야 상위 수준으로 롤업된다

그림 2 · 요약 카드에 평균만 적으면 두 서랍을 합칠 수 없고, 합과 권수를 함께 적어야 몇 서랍을 더 합쳐도 맞는 평균이 나온다.

비유 속 역할실제 이름실제로 하는 일
서랍장큐브(Cube)차원 값 조합마다 셀을 둔 다차원 구조
달 · 분야 · 나이대 기준차원 · 계층측정값을 묶고 거르는 축 · 일 → 월 → 분기 같은 수준을 가짐
서랍 속 대출 권수측정값 · 셀차원 값 조합 하나에 붙은 숫자
사서OLAP 서버(ROLAP · MOLAP · HOLAP)질의를 받아 미리 계산한 집계나 원천 표에서 셀을 찾는다
세 달 서랍 합치기롤업계층을 올라가며 다시 집계한다
작은 상자 열기드릴다운계층을 내려가 더 잘게 나눈 값을 본다
성인 면만 꺼내기슬라이스 · 다이스한 차원 값을 고정하거나 여러 차원의 범위를 고른다
서랍장 돌려 세우기피벗보고서의 행 · 열 축을 바꾼다

⚠ 비유가 맞지 않는 곳: 서랍장은 서랍이 모두 차 있지만 실제 큐브는 값이 없는 셀이 대부분인 희소 구조라서 Codd 외 1993 규칙 7 이 희소 처리를 따로 요구했다. 또 사서가 물을 때마다 카드를 세는 것과 달리 MOLAP 은 합계를 미리 계산해 두고 읽기만 한다.

4구조 — 측정값 · 차원 · 계층으로 짠 큐브

큐브는 측정값(대여 건수 같은 숫자)을 차원 값 조합 하나마다 담는 다차원 모델이고, 차원마다 일 → 월 → 분기 같은 계층이 롤업 · 드릴다운의 길을 정한다(Chaudhuri · Dayal 1997 4절). Gray 외 1997 은 소계 셀을 차원 값 대신 ALL 을 넣은 셀로 보아, 큐브 전체를 관계형 표 하나로 다룰 수 있게 했다(Gray 외 1997 3.3절).

큐브 = 월 3 × 구 4 × 이용권 2 = 셀 24 마포 영등포 송파 노원 뒷면 = 일일권 7월 8월 9월 20,500 앞면 = 정기권 셀 (9월, 송파, 정기권) 대여 20,500건 · 이용 615,000분 시간 장소 이용권 연 분기 월 일 시 구 대여소 전체 종류 위로 = 롤업 아래로 = 드릴다운 차원 수준 측정값(셀) 굵은 테두리 = 지금 큐브의 수준

그림 3 · 큐브는 월 · 구 · 이용권 세 차원의 값 조합마다 측정값 한 벌을 담고, 차원마다 계층이 있어 같은 큐브를 위아래 수준으로 다시 묶는다.

요소단위역할값 · 근거
측정값숫자 열집계 대상대여 건수 · 이용 시간 합(Chaudhuri · Dayal 1997 4절)
차원축 하나측정값을 묶고 거르는 기준시간 · 장소 · 이용권(같은 곳)
계층수준 목록롤업 · 드릴다운의 길일 → 월 → 분기 → 연 · 날짜가 주 · 월 · 연을 정함(Gray 외 1997 3절)
셀차원 값 조합 하나측정값 한 벌(9월, 송파, 정기권)
소계 셀한 차원 이상이 ALL상위 수준 집계(9월, ALL, 정기권)(Gray 외 1997 3.3절)
희소 처리값 있는 셀만 저장빈 셀로 인한 공간 낭비를 줄임2단계 저장 · 압축(Chaudhuri · Dayal 1997 6절)
OLAP 서버ROLAP · MOLAP · HOLAP질의를 집계 · 원천에 맞춰 푼다6절 비교표(Microsoft Learn 저장 모드)

ROLAP 은 큐브를 관계형 표(스타 스키마 → 데이터 웨어하우스)에 두고 SQL 로 풀며, MOLAP 은 배열 같은 다차원 구조에 셀을 담아 인덱스는 빠르지만 희소하면 공간을 많이 쓴다(Chaudhuri · Dayal 1997 6절). ROLAP 바닥을 컬럼 저장으로 두면 질의에 쓰는 열만 읽어, 분석 질의가 행 저장보다 한 자릿수 배 이상 빠르다는 결과가 거듭 보고됐다(Abadi 외 2008 1절).

5동작 — 정기권 대여 감소 원인을 큐브로 좁히기

아래 값은 설명용 가정 값이다 — 공유 자전거 운영사가 2026년 3분기(7 ~ 9월) 대여 기록(한 행 = 대여 1건)으로 「정기권 대여가 왜 줄었나」를 찾는다.

  1. 큐브 정의 — 측정값 = 대여 건수 · 이용 시간 합(분), 차원 = 월(7 · 8 · 9월) · 구(마포 · 영등포 · 송파 · 노원) · 이용권(정기 · 일일) → 기본 셀 3 × 4 × 2 = 24개.
  2. 롤업 — 월을 분기로, 구를 시 전체로 올리면 (3분기, 전체, 정기) = 332,000건 · (3분기, 전체, 일일) = 171,000건이다.
  3. 드릴다운 — 분기를 월로 내리면 정기권은 118,000 → 110,000 → 104,000건으로 14,000건 줄었고 일일권은 52,000 → 61,000 → 58,000건으로 줄지 않았다.
  4. 슬라이스 — 이용권 = 정기 로 고정해 구 × 월 2차원 표를 만든다. 송파만 31,000 → 20,500건으로 10,500건 줄어 감소분의 75% 다.
  5. 드릴다운 — 송파를 대여소로 내리면 101 은 11,000 → 10,500, 102 는 10,000 → 10,000, 103 은 10,000 → 4,300 → 0건이다.
  6. 다이스 — (월 ∈ 8 · 9월) × (대여소 ∈ 102 · 103) × 정기 부분 큐브 4셀만 떼어 운영팀에 넘긴다 — 103 이 8월 중에 멈췄다(가정 값: 공사로 닫음)는 판단 근거다.
  7. 피벗 · SQL — 보고서는 행 = 월 · 열 = 대여소로 돌려 붙이고, ROLAP 에서는 모든 소계를 GROUP BY CUBE (month, gu, pass) 한 문으로 받는다 — 결과 60행(PostgreSQL 18 7.2.4절).
2 롤업 분기 · 시 전체 (3분기, 전체, 정기) 332,000 (3분기, 전체, 일일) 171,000 3 드릴다운 분기 → 월 7월 8월 9월 정기 118,000110,000104,000 일일 52,00061,00058,000 4 슬라이스 이용권 = 정기 7월 8월 9월 마포 30,00029,00028,500 영등포 28,00027,50027,000 송파 31,00025,00020,500 노원 29,00028,50028,000 5 드릴다운 송파 → 대여소 7월 8월 9월 송파-101 11,00010,80010,500 송파-102 10,0009,90010,000 송파-103 10,0004,3000 6 다이스 점선 = 부분 큐브 차원 값 측정값 = 대여 건수 줄어든 값 다이스로 고른 부분

그림 4 · 롤업으로 정기권만 줄어든 것을 보고, 슬라이스 · 드릴다운으로 송파 → 대여소 103 까지 내려가 감소분 14,000건의 원인 셀을 찾는다.

🔑 롤업은 «얼마나» 달라졌는지 크기를 보여 주고, 드릴다운 · 슬라이스는 그 차이가 «어느 차원 값»에서 왔는지 좁힌다 — 분석은 합계에서 시작해 한 차원씩 내려간다.

7단계의 CUBE 는 차원 N 개의 모든 부분 집합 2^N 개를, ROLLUP 은 뒤에서부터 하나씩 뺀 N + 1 개만 묶는다(PostgreSQL 18 7.2.4절). 차원마다 ALL 이 값 하나로 더해지므로 결과 셀은 (C1 + 1) × … × (CN + 1) 개이고(Gray 외 1997 5절), 날짜 → 주 → 월처럼 한 열이 다른 열을 정하는 계층에 CUBE 를 쓰면 뜻 없는 묶음이 생겨 계층에는 ROLLUP 을 쓴다(같은 논문 3절).

차원 3 차원 2 차원 1 차원 0 (월, 구, 이용권) 셀 24 (월, 구) 셀 12 (월, 이용권) 셀 6 (구, 이용권) 셀 8 (월) 셀 3 (구) 셀 4 (이용권) 셀 2 ( ) 전체 셀 1 CUBE = 집합 8개(2³) · 셀 24 + 12 + 6 + 8 + 3 + 4 + 2 + 1 = 60 = 4 × 5 × 3 ROLLUP(월, 구, 이용권) = 집합 4개(N + 1) · 셀 24 + 12 + 3 + 1 = 40 ROLLUP 이 만드는 집합(CUBE 에도 들어감) CUBE 에만 있는 집합 뒤 차원을 하나 뺌

그림 5 · 차원 셋의 CUBE 는 그룹 집합 8개 · 셀 60개를 만들고, ROLLUP 은 그중 뒤 차원부터 하나씩 뺀 4개 · 셀 40개만 만든다.

미리 계산한 셀로 위 수준을 낼 수 있는지는 집계 함수가 정한다. Gray 외 1997 5절은 부분 결과를 그대로 다시 합치는 분배형(SUM · COUNT · MIN · MAX), 고정 크기 중간 값이 있으면 합칠 수 있는 대수형(AVG · 표준편차), 중간 값 크기에 상한이 없는 전체형(중앙값 · 최빈값 · 순위)으로 나눈다.

분배형 — SUM · COUNT 부분 결과를 그대로 다시 합침 마포 28,500건 + 송파 20,500건 = 49,000건 저장할 값 = 합 하나 롤업 · 증분 적재 쉬움 대수형 — AVG · 표준편차 고정 크기 중간 값으로 합침 평균 22분 · 30분 평균의 평균 26.0분(틀림) 1,242,000분 ÷ 49,000건 = 25.3분(맞음) 저장할 값 = 합 · 개수 둘 전체형 — 중앙값 · 순위 중간 값 크기에 상한 없음 중앙값 18분 · 25분 → 합친 중앙값을 못 구함 원천 49,000행을 다시 읽음 저장할 값 = 상세 행 전부 상세가 있는 MOLAP · 원천 두 구 = 9월 · 정기권 · 마포(28,500건 · 평균 22분) + 송파(20,500건 · 평균 30분) · 설명용 가정 값 그대로 롤업 중간 값을 두면 롤업 롤업 불가 · 상세 필요

그림 6 · 같은 두 구를 합칠 때 SUM 은 부분 합을 그대로 더하고, AVG 는 합 · 개수를 두어야 맞으며, 중앙값은 상세 행을 다시 읽어야 한다.

🔑 큐브에 미리 계산해 둔 값으로 롤업할 수 있는지는 저장 방식이 아니라 집계 함수가 정한다 — SUM 은 그대로, AVG 는 합 · 개수로, 중앙값은 상세 행으로만 올라간다.

6비교 — OLTP 와 ROLAP · MOLAP · HOLAP

기준OLTP(운영 처리)ROLAPMOLAPHOLAP
하는 일몇 행을 바꾸는 짧은 트랜잭션질의마다 SQL 로 집계미리 계산한 셀을 읽음요약 = 셀 읽기 · 상세 = SQL
상세 데이터운영 표관계형 표 그대로다차원 구조에 사본관계형 표(사본 없음)
집계 위치두지 않음관계형 DB 의 인덱스 뷰 · 요약표다차원 구조다차원 구조
신선도즉시원천을 바로 읽어 실시간마지막 처리 시점까지요약은 마지막 처리 시점까지
질의 응답키 조회가 빠름 · 집계는 느림대체로 가장 느림가장 빠름요약 = MOLAP 수준 · 상세 = 느림
저장 공간원천만원천만(사본 없음)가장 큼 · 희소하면 낭비MOLAP 보다 작음

분석원천이 크고 실시간 조회가 필요하면 ROLAP, 처리 주기만큼 늦어도 요약 응답이 가장 중요하면 MOLAP, 요약은 빨라야 하지만 상세 사본을 둘 공간이 없으면 HOLAP 을 고른다. 근거는 표의 「신선도」 · 「저장 공간」 행이며, 중앙값처럼 상세 행을 건드리는 질의가 많으면 MOLAP 이 낫다는 것이 같은 문서의 권고다(Microsoft Learn 저장 모드 HOLAP 절).

7실무 진단 — 틀린 소계와 느린 큐브의 원인 가르기

분석집계 함수 → 소계 표시 → 저장 방식 → 모델 순서로 본다. 숫자가 틀린 원인이 집계 함수이면 서버 · 큐브를 아무리 고쳐도 같은 값이 나오므로, 아래 표 1행의 재계산을 가장 먼저 한다.

#증상의심 원인단계확인 명령판정 기준(근거)
1시 전체 평균이 구별 평균과 안 맞는다평균을 다시 평균(대수형을 분배형처럼)집계 함수SELECT sum(minutes)::numeric / sum(cnt) FROM agg_gu_month WHERE month = '2026-09';저장된 avg 와 다르면 합 · 개수로 다시 계산(Gray 외 1997 5절)
2소계 행이 두 번 보이거나 「구 없음」이 소계로 읽힌다원래 NULL 과 소계 NULL 이 섞임질의SELECT gu, GROUPING(gu), sum(cnt) FROM rides GROUP BY ROLLUP (gu);GROUPING = 1 인 행만 소계(PostgreSQL 18 표 9.66 · 7.2.4절)
3오늘 대여가 큐브에 없다MOLAP 처리 주기 지연저장 방식마지막 파티션 처리 시각 ↔ 원천 SELECT max(rented_at) FROM rides;처리 시각 뒤에 들어온 행이면 정상 지연(Microsoft Learn MOLAP 절)
4요약은 빠른데 드릴다운만 느리다HOLAP 상세가 관계형 원천저장 방식상세 질의를 원천에서 EXPLAIN ANALYZE원천 스캔이 시간 대부분이면 HOLAP 정상 동작 → 상세 파티션 MOLAP 검토(Microsoft Learn HOLAP 절)
5큐브 처리 시간 · 크기가 갑자기 커졌다값이 많은 차원을 CUBE 에 더함모델SELECT count(DISTINCT station) FROM rides; 로 (Ci + 1) 곱 계산대여소 300곳을 더하면 60 → 60 × 301 = 18,060셀(Gray 외 1997 5절)

8시험 대비

출제 정보 정보관리(118회, 114회, 87회, 80회) · 컴퓨터시스템응용(105회, 72회, 68회)문제 원문 — 큐넷 자료실 「기출문제(기술사)」 www.q-net.or.kr

시험에서는 OLAP 의 다차원 모델 · 연산 · 저장 방식을 쓰게 하는 정의 · 특징형이 나올 수 있고, OLTP 나 ROLAP · MOLAP · HOLAP 을 견주는 비교형으로 이어지기도 한다. 정의형이면 그림 3 큐브와 연산 다섯을 한 사례 값으로 보이고, 비교형이면 상세 데이터 위치 · 신선도 · 공간 축의 표와 선택 기준을 쓴다.

다른 답안과 차이를 내는 한 가지는 그림 6 처럼 «평균은 합 · 개수가 있어야 롤업된다»를 숫자로 보이는 것이다.

답안 목차
  1. 개요 — 정의 · Codd 외 1993 의 이름과 12규칙(업체 의뢰 논쟁 · FASMI) · OLTP 와 목적 차이(갱신 ↔ 집계)
  2. 다차원 모델 — 그림 3 큐브(측정값 · 차원 · 계층 · 셀 · ALL 소계) + 요소 표
  3. OLAP 연산 — 롤업 · 드릴다운 · 슬라이스 · 다이스 · 피벗을 그림 4 사례 값으로
  4. SQL 구현 — 그림 5 CUBE 2^N ↔ ROLLUP N + 1 · 셀 수 (Ci + 1) 곱
  5. 저장 방식 — ROLAP · MOLAP · HOLAP 비교표 6행 · 선택 기준 · 컬럼 저장
  6. 유의점 — 그림 6 집계 함수 분배 · 대수 · 전체형 · 소계 NULL 과 GROUPING

꼭 쓸 키워드
다차원 모델큐브차원 계층롤업드릴다운슬라이스다이스피벗ROLAPMOLAP

9오해와 사실

  • 오해Codd 의 OLAP 12규칙은 학회 검토를 거친 OLAP 표준이다.
    사실12규칙은 Arbor Software 가 의뢰한 1993년 백서의 제품 평가 기준이고, 1995년 6규칙이 더해진 뒤 18가지 기능으로 다시 묶였다(Pendse 2001).
  • 오해MOLAP 큐브는 원천이 바뀌면 바로 따라 바뀐다.
    사실MOLAP 은 처리할 때 원천 사본과 집계를 다차원 구조에 담으므로 다음 처리 전까지 원천과 다를 수 있다(Microsoft Learn MOLAP 절).
  • 오해CUBE 는 소계를 만드는 만큼 결과가 원래 GROUP BY 의 몇 배로 커진다.
    사실결과 셀은 (Ci + 1) 의 곱이라 차원 값이 수십 ~ 수백 개면 조금만 커지고, 값이 넷인 차원 4개도 2.4배다(Gray 외 1997 5절).

10핵심 정리

구분하는 일바뀌는 것사례 값SQL · 저장
롤업계층을 올라가 묶음셀 수가 줄어듦월 → 분기ROLLUP
드릴다운계층을 내려가 나눔셀 수가 늘어남송파 → 대여소상세 행 · HOLAP 은 원천
슬라이스한 차원 값을 고정차원이 하나 줄어듦이용권 = 정기WHERE pass = '정기'
다이스여러 차원 범위를 고름부분 큐브8 · 9월 × 102 · 103WHERE … IN (…)
피벗행 · 열 축을 바꿈보이는 모양만행 = 월 · 열 = 대여소보고 도구
CUBE모든 부분 집합 집계집합 2^N셀 60GROUP BY CUBE
ROLAP관계형 표에서 집계사본 없음 · 실시간원천 그대로인덱스 뷰 · 컬럼 저장
MOLAP셀을 미리 계산처리 주기만큼 늦음가장 빠른 요약다차원 배열
HOLAP요약만 다차원 구조상세 = 원천공간 절약혼합

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate — OLAP 이라는 이름과 제품 평가 규칙 12개를 원문으로 볼 때
    E. F. Codd · S. B. Codd · C. T. Salley (E. F. Codd & Associates) · 1993-01 · staff.icar.cnr.it/manco/Teaching/2006/datamining/articoli/olapcoddwp.pdf · 확인 2026-11-04
  3. ★ Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals (Data Mining and Knowledge Discovery 1(1) 29-53) — CUBE · ROLLUP 의 뜻 · ALL 값 · 집계 함수 분배 · 대수 · 전체 분류를 볼 때
    Jim Gray · Surajit Chaudhuri · Adam Bosworth 외 · 1997-03 · arxiv.org/abs/cs/0701155 · 확인 2026-11-04
  4. ★ An Overview of Data Warehousing and OLAP Technology (ACM SIGMOD Record 26(1)) — OLAP 연산 정의와 ROLAP · MOLAP 서버의 장단점을 볼 때
    Surajit Chaudhuri · Umeshwar Dayal · 1997-03 · doi.org/10.1145/248603.248616 · 확인 2026-11-04
  5. ★ Partition Storage Modes and Processing (SQL Server Analysis Services) — MOLAP · ROLAP · HOLAP 이 상세 데이터와 집계를 어디에 두는지 볼 때
    Microsoft · 2018-05 · learn.microsoft.com/en-us/analysis-services/multidimensional-models-olap-logical-cube-objects/partitions-partition-storage-modes-and-processing · 확인 2026-11-04
  6. ★ PostgreSQL 18 Documentation 7.2.4 GROUPING SETS, CUBE, and ROLLUP — CUBE · ROLLUP 이 어떤 그룹 집합으로 펼쳐지는지 SQL 로 확인할 때
    PostgreSQL Global Development Group · 2026-11 · www.postgresql.org/docs/18/queries-table-expressions.html · 확인 2026-11-04
  7. 본문 근거
  8. PostgreSQL 18 Documentation 9.21 Aggregate Functions (Table 9.66 Grouping Operations) — PostgreSQL Global Development Group · 2026-11 · www.postgresql.org/docs/18/functions-aggregate.html · 확인 2026-11-04
  9. What is OLAP? (OLAP Report · DSSResources 재게시) — Nigel Pendse · 2001-09 · dssresources.com/papers/features/pendse04072002.htm · 확인 2026-11-04
  10. Column-Stores vs. Row-Stores: How Different Are They Really? (SIGMOD 2008 967-980) — Daniel J. Abadi · Samuel R. Madden · Nabil Hachem · 2008-06 · doi.org/10.1145/1376616.1376712 · 확인 2026-11-04