저널 파일(Journal File)은 컴퓨터 시스템에서 변경 사항을 기록하는 로그 파일의 일종으로, 주로 데이터베이스, 파일 시스템, 애플리케이션에서 사용됩니다.

1. 주요 역할

  • 데이터 무결성 유지: 시스템 충돌, 전원 장애 등의 상황에서도 데이터가 손실되지 않도록 변경 사항을 기록함.
  • 복구 기능 제공: 장애 발생 시 저널 파일을 이용해 데이터베이스나 파일 시스템을 일관된 상태로 복구 가능.
  • 추적 및 감사 로그: 변경 내역을 기록하여 시스템 운영 및 문제 해결에 활용.

2. 주요 용도

  • 데이터베이스: SQLite, MySQL, PostgreSQL 등에서는 트랜잭션 로그 또는 저널 파일을 활용해 데이터 일관성을 유지.
  • 파일 시스템: NTFS, ext4 등 저널링 파일 시스템에서는 파일 변경 사항을 기록하여 갑작스러운 오류 발생 시 복구를 지원.
  • 응용 프로그램: 일부 소프트웨어는 실행 중 변경 내용을 기록하여 예기치 않은 종료 후 복원 기능 제공.

3. 데이터베이스에서의 저널 파일 예시 (SQLite)

SQLite에서는 WAL (Write-Ahead Logging) 또는 Rollback Journal 방식의 저널 파일을 사용하여 데이터 변경 사항을 저장함.

  • 파일명-journal: 롤백 저널 방식 사용 시 생성됨.
  • 파일명-wal: WAL 모드 사용 시 생성됨.

✅ 요약

저널 파일은 시스템의 변경 사항을 기록하여 장애 발생 시 데이터를 보호하고 복구하는 중요한 역할을 합니다. 특히 데이터베이스와 파일 시스템에서 널리 사용됩니다.

 

REQUEST)
isam 파일과 Journal File 은 어떤 차이가 있나요?

 

ChatGPT의 말:

ISAM(Indexed Sequential Access Method) 파일과 Journal File은 각각 다른 목적과 방식으로 데이터 저장 및 관리에 사용됩니다.

1. ISAM 파일 vs. Journal File 개요

구분ISAM 파일Journal 파일
주요 목적 데이터 저장 및 검색 (빠른 인덱스 기반 조회) 변경 사항을 기록하여 데이터 복구 및 무결성 유지
사용처 데이터베이스, 파일 시스템 데이터베이스, 파일 시스템, 애플리케이션
주요 기능 - 인덱스를 활용한 빠른 데이터 조회
- 순차 및 랜덤 접근 지원		 - 변경된 데이터를 기록
- 장애 발생 시 복구 및 롤백 지원
데이터 저장 방식 정적인 데이터 저장 및 인덱싱 트랜잭션의 변경 사항을 로그 형태로 기록
파일 생성 방식 데이터 파일(.ISD), 인덱스 파일(.ISM) 트랜잭션 발생 시 자동 생성 (예: db.journal, db-wal)

2. ISAM 파일이란?

**ISAM(Indexed Sequential Access Method)**은 데이터베이스 및 파일 시스템에서 인덱스 기반으로 데이터를 검색하고 저장하는 방법입니다.
주로 빠른 조회 성능이 중요한 경우 사용됩니다.

ISAM 파일의 특징

  • 데이터 파일(.ISD)과 인덱스 파일(.ISM)로 구성됨.
  • 인덱스를 활용하여 빠른 검색과 정렬된 데이터 조회 가능.
  • 순차 검색(Sequential Access)과 랜덤 검색(Random Access) 모두 지원.
  • MySQL의 MyISAM 스토리지 엔진이 대표적인 예.

ISAM 파일 사용 예

  • MySQL MyISAM 엔진: *.MYD(데이터), *.MYI(인덱스) 파일 사용.
  • IBM DB2, VSAM 등에서도 유사한 방식 사용.

3. Journal 파일이란?

Journal 파일은 시스템에서 변경된 데이터를 기록하여 장애 발생 시 복구 및 무결성 유지에 초점을 맞춘 파일입니다.

Journal 파일의 특징

  • 트랜잭션 로그 형식으로 데이터 변경 사항 기록.
  • 장애 발생 시, Redo (복구) 또는 Undo (롤백) 가능.
  • 파일 시스템(NTFS, ext4) 및 데이터베이스(SQLite, PostgreSQL)에서 사용됨.

Journal 파일 사용 예

  • 데이터베이스
    • SQLite: *.journal, *-wal 파일 사용.
    • PostgreSQL: pg_wal(Write-Ahead Logging).
  • 파일 시스템
    • NTFS, ext4 파일 시스템의 저널링 기능.

4. 주요 차이점 정리

구분ISAM 파일Journal 파일
기능 인덱스를 활용한 빠른 데이터 조회 트랜잭션 변경 사항을 기록하여 복구 가능
목적 검색 성능 최적화 데이터 일관성 및 복구
파일 구성 데이터 파일 + 인덱스 파일 변경 사항을 기록하는 로그 파일
장애 복구 데이터 손실 시 별도 복구 필요 장애 발생 시 복구 가능

✅ 결론

  • ISAM 파일은 데이터 조회 성능을 높이기 위한 구조이며,
  • Journal 파일은 데이터 변경 사항을 기록하여 복구를 지원하는 역할을 합니다.

즉, ISAM은 "빠른 검색"에 초점, Journal 파일은 "데이터 보호 및 복구"에 초점을 맞춘 개념입니다.

저작자표시

'데이타베이스 > CHAT.GPT' 카테고리의 다른 글

(x1...) 표시는 SQLite가 인덱스를 생성하는 과정에서 발생하는 출력일 가능성이 높음.  (1) 2025.02.20
SQLite Update - 전체/SQLite Update - 단일건  (0) 2025.02.12
2020.01 - 2025.01 까지 국토교통부 실거래자료 입력후에 분석해본 통계결과  (1) 2025.01.28

 

국토교통부실거래가 + 네이버매매호가를 조합한 통계

지역별 아파트 매매호가대비 실거래가 비율
>Ratio of Actual Transaction Price to Asking Price for Apartment Sales by Region(2019~2024)

현재 네이버매매호가 대비, 과거 실거래가(최대매매가격)을 비교했을때의 비율을 알고싶어서 작성해보았습니다.

 

app.js
0.01MB
index.html
0.02MB

 

저작자표시

'java 언어 > Node.Server' 카테고리의 다른 글

부동산.크롤링.국토교통부.실거래가.통계.조회조건추가(금액대별)  (0) 2025.03.05
테이블의 데이타를 메모리에 올려서 실행하는것이 파일기반으로 실행하는것보다 5배정도 빠르다.(feat SQLite)  (0) 2025.02.27
국토교통부 실거래가 매매가격 통계조회(조건추가)  (0) 2025.02.20
카카오 API를 이용해서 지번을 추가입력(지역별 랭킹 매매금액차이)  (0) 2025.02.18
국토교통부 실거래가 JOIN With 지번(feat. Naver 아파트 기본 정보 크롤링)  (0) 2025.02.13

호가 대비 실거래가 비율

        string sql = $@"
SELECT A.ComplexName, 
       A.AreaSquareMeters,  -- 전용면적(㎡)
       MAX(A.TransactionAmount) AS MaxTransactionAmount,  -- 실거래가 최대값
       MAX(CAST(B.MAXPRICE AS REAL)) AS MaxMarketPrice,  -- 최대 호가 값
       MAX(A.TransactionAmount) / MAX(CAST(B.MAXPRICE AS REAL)) * 100 AS RealToMarketRatio,  -- 실거래가 대비 호가 비율
       B.COMPLEXNAME, 
       B.LNBRMNNM, 
       B.LNBRSLNO
FROM REALESTATEAPTALL A
JOIN (
    SELECT COMPLEXNAME, LNBRMNNM, LNBRSLNO, MAX(MAXPRICE) AS MAXPRICE
    FROM ESTATENAVERALLINFOATTACH
    WHERE CORTARADDRESS LIKE '{cityCountryText}%' AND REALESTATETYPECODE <> 'OPST'
    GROUP BY COMPLEXNAME, LNBRMNNM, LNBRSLNO
) B
ON A.ComplexName = B.COMPLEXNAME 
AND A.MainNumber = B.LNBRMNNM 
AND A.SubNumber = B.LNBRSLNO
WHERE A.CityCounty LIKE '{cityCountryNM}%'
AND B.MAXPRICE IS NOT NULL AND B.MAXPRICE != ''  -- 빈 값 및 NULL 처리
GROUP BY A.ComplexName, A.AreaSquareMeters, B.COMPLEXNAME, B.LNBRMNNM, B.LNBRSLNO
ORDER BY RealToMarketRatio DESC, A.AreaSquareMeters DESC  -- 실거래가 최대값 기준으로 정렬

 

 

Program.cs
0.02MB

저작자표시

'기획 > 기획및 컨텐츠' 카테고리의 다른 글

가격 변동 및 트렌드 분석(SQLite.SQL)  (0) 2025.03.06
부동산통계(특이사항 및 추가 분석)  (1) 2025.03.06

1. 가격 변동 및 트렌드 분석

1.1. 매매가 변동률 (연도별 평균 매매가 변화율)

 
SELECT strftime('%Y', ContractYearMonth) AS Year, AVG(TransactionAmount) AS AvgPrice FROM REALESTATEAPTALL GROUP BY Year ORDER BY Year;

1.2. 호가 대비 실거래가 비율

 
SELECT A.ComplexName, AVG(A.TransactionAmount) / AVG(CAST(B.MAXPRICE AS REAL)) * 100 AS RealToMarketRatio FROM REALESTATEAPTALL A JOIN ESTATENAVERALLINFOATTACH B ON A.CityCounty = B.CORTARADDRESS AND A.MainNumber = B.LNBRMNNM AND A.SubNumber = B.LNBRSLNO GROUP BY A.ComplexName;

1.3. 최대-최소 가격 범위 (단지별로)

 
SELECT A.ComplexName, MAX(A.TransactionAmount) - MIN(A.TransactionAmount) AS PriceRange FROM REALESTATEAPTALL A GROUP BY A.ComplexName;

🏢 2. 아파트별 상세 분석

2.1. 단지별 거래량

 
SELECT ComplexName, COUNT(*) AS TransactionCount FROM REALESTATEAPTALL GROUP BY ComplexName ORDER BY TransactionCount DESC;

2.2. 평형대별 평균가

 
SELECT ROUND(AreaSquareMeters / 3.3) AS Pyeong, AVG(TransactionAmount) AS AvgPrice FROM REALESTATEAPTALL GROUP BY Pyeong ORDER BY Pyeong;

2.3. 신축 vs 구축 가격 차이

 
SELECT CASE WHEN ConstructionYear >= 2015 THEN '신축' ELSE '구축' END AS BuildingAge, AVG(TransactionAmount) AS AvgPrice FROM REALESTATEAPTALL GROUP BY BuildingAge;

📈 3. 투자 가치 및 수익률 분석

3.1. 매매-전세 갭

 
SELECT A.ComplexName, AVG(A.TransactionAmount) - AVG(CAST(B.MAXLEASEPRICE AS REAL)) AS GapPrice FROM REALESTATEAPTALL A JOIN ESTATENAVERALLINFOATTACH B ON A.CityCounty = B.CORTARADDRESS AND A.MainNumber = B.LNBRMNNM AND A.SubNumber = B.LNBRSLNO GROUP BY A.ComplexName;

3.2. 전세가율

 
SELECT A.ComplexName, AVG(CAST(B.MAXLEASEPRICE AS REAL)) / AVG(CAST(B.MAXPRICE AS REAL)) * 100 AS LeaseRatio FROM ESTATENAVERALLINFOATTACH B JOIN REALESTATEAPTALL A ON A.CityCounty = B.CORTARADDRESS AND A.MainNumber = B.LNBRMNNM AND A.SubNumber = B.LNBRSLNO GROUP BY A.ComplexName;

📌 4. 지역별 비교 분석

4.1. 지역별 시세 격차

 
SELECT CityCounty, AVG(TransactionAmount) AS AvgPrice FROM REALESTATEAPTALL GROUP BY CityCounty ORDER BY AvgPrice DESC;

4.2. 인기 지역 분석 (거래량 많은 순)

 
SELECT CityCounty, COUNT(*) AS TransactionCount FROM REALESTATEAPTALL GROUP BY CityCounty ORDER BY TransactionCount DESC;

📊 5. 특이사항 및 추가 분석

5.1. 급매 vs 일반 매물 (평균 이하 가격 비율)

 
WITH AvgPrice AS ( SELECT ComplexName, AVG(TransactionAmount) AS AvgTransPrice FROM REALESTATEAPTALL GROUP BY ComplexName ) SELECT A.ComplexName, SUM(CASE WHEN A.TransactionAmount < B.AvgTransPrice THEN 1 ELSE 0 END) * 100.0 / COUNT(*) AS BelowAvgRatio FROM REALESTATEAPTALL A JOIN AvgPrice B ON A.ComplexName = B.ComplexName GROUP BY A.ComplexName;

5.2. 공시지가 대비 매매가
공시지가 테이블이 없다면 가정하고 작성한 쿼리입니다.

 
SELECT A.ComplexName, AVG(A.TransactionAmount) / AVG(B.OfficialPrice) * 100 AS PriceToOfficialRatio FROM REALESTATEAPTALL A JOIN OFFICIALPRICES B ON A.CityCounty = B.CityCounty AND A.MainNumber = B.MainNumber AND A.SubNumber = B.SubNumber GROUP BY A.ComplexName;
저작자표시

'기획 > 기획및 컨텐츠' 카테고리의 다른 글

호가 대비 실거래가 비율  (0) 2025.03.06
부동산통계(특이사항 및 추가 분석)  (1) 2025.03.06

국토교통부의 실거래가 매매현황(2019~2024) 데이터와 네이버부동산의 아파트 리스트 및 호가 데이터를 주소와 지번을 기준으로 매칭해 사용할 수 있는 통계 항목들은 다음과 같습니다.

📊 1. 가격 변동 및 트렌드 분석

  1. 매매가 변동률:
    • 연도별, 분기별 매매가 상승 또는 하락 비율.
  2. 호가 대비 실거래가 비율:
    • 실거래가 / 매매호가 평균 비율 분석.
  3. 최대-최소 가격 범위:
    • 동일 단지 내 연도별 최대-최소 매매가 및 호가 차이.
  4. 평균 매매가 및 호가 추이:
    • 연도별 평균 매매가, 매매호가, 전세호가 변화 추이.
  5. 시세 대비 실거래가 차이:
    • 특정 시점의 호가와 실거래가 비교.

🏢 2. 아파트별 상세 분석

  1. 단지별 거래량:
    • 연도별, 월별 매매 거래 횟수.
  2. 평형대별 평균가:
    • 전용면적별 평균 매매가, 매매호가, 전세호가.
  3. 신축 vs 구축 가격 차이:
    • 준공 연도 기준으로 구분한 매매가 차이.

📈 3. 투자 가치 및 수익률 분석

  1. 연평균 상승률:
    • 매매가의 연평균 상승률 및 호가 상승률.
  2. 매매-전세 갭:
    • 매매가와 전세가의 차이를 통해 갭 투자 가능성 분석.
  3. 전세가율:
    • (전세호가 / 매매호가) × 100% 비율.
  4. 투자 회수 기간:
    • 매매가 대비 연간 임대 수익을 통한 투자 회수 기간.

📌 4. 지역별 비교 분석

  1. 지역별 시세 격차:
    • 시군구 또는 행정동별 평균 매매가 및 호가 비교.
  2. 인기 지역 분석:
    • 거래량 및 호가가 높은 지역 순위.
  3. 주변 개발 호재 영향:
    • 특정 지역 개발 이슈 전후 매매가 비교.

📊 5. 특이사항 및 추가 분석

  1. 급매 vs 일반 매물:
    • 평균보다 낮은 호가로 나온 매물 비율 및 실거래가 비교.
  2. 거래 비수기 분석:
    • 거래량이 급감하는 시기 및 가격 변화 패턴.
  3. 공시지가 대비 매매가:
    • 공시지가 대비 매매가의 비율.
저작자표시

'기획 > 기획및 컨텐츠' 카테고리의 다른 글

호가 대비 실거래가 비율  (0) 2025.03.06
가격 변동 및 트렌드 분석(SQLite.SQL)  (0) 2025.03.06

부동산.크롤링.국토교통부.실거래가.통계.조회조건추가(금액대별)
부동산.크롤링.국토교통부.실거래가.통계.조회조건추가(금액대별)
부동산.크롤링.국토교통부.실거래가.통계.조회조건추가(금액대별)

조회조건추가)
1. 지역
2. 조회조건
3. 건수
4. 금액대별

 

 

index.html
0.03MB

 

저작자표시

'java 언어 > Node.Server' 카테고리의 다른 글

Ratio of Actual Transaction Price to Asking Price for Apartment Sales by Region(2019~2024)  (0) 2025.03.07
테이블의 데이타를 메모리에 올려서 실행하는것이 파일기반으로 실행하는것보다 5배정도 빠르다.(feat SQLite)  (0) 2025.02.27
국토교통부 실거래가 매매가격 통계조회(조건추가)  (0) 2025.02.20
카카오 API를 이용해서 지번을 추가입력(지역별 랭킹 매매금액차이)  (0) 2025.02.18
국토교통부 실거래가 JOIN With 지번(feat. Naver 아파트 기본 정보 크롤링)  (0) 2025.02.13

 



1) SQLite 테이블을 메모리기반으로 SQL을 실행할경우

void LoadDatabaseIntoMemory(string filePath, SQLiteConnection memoryConn)
{
    using (var fileConn = new SQLiteConnection($"Data Source={filePath};Version=3;"))
    {
fileConn.Open();
fileConn.BackupDatabase(memoryConn, "main", "main", -1, null, 0);
    }
}
        workingDirectory = Directory.GetCurrentDirectory();

        DESCENDING_DB = Path.Combine(workingDirectory, @"descending_in_base_all.db");
        ANESTATE_DB = Path.Combine(workingDirectory, @"database_all_total.db");
        ESTATENAVER_DB = Path.Combine(workingDirectory, @"naver_attach_estate_info_file.db");

        // 메모리 기반 SQLite 연결 생성
        memoryConn1 = new SQLiteConnection("Data Source=:memory:;Version=3;");
        memoryConn2 = new SQLiteConnection("Data Source=:memory:;Version=3;");
        memoryConn3 = new SQLiteConnection("Data Source=:memory:;Version=3;");

        memoryConn1.Open();
        memoryConn2.Open();
        memoryConn3.Open();

        try
        {
            // 파일 DB 데이터를 메모리 DB로 복사
            LoadDatabaseIntoMemory(DESCENDING_DB, memoryConn1);
            LoadDatabaseIntoMemory(ANESTATE_DB, memoryConn2);
            LoadDatabaseIntoMemory(ESTATENAVER_DB, memoryConn3);

            // 메모리 DB로 사용
            APMSQLite.GetInstance.FetchDescendingConn = memoryConn1;
            APMSQLite.GetInstance.FetchEstateConn = memoryConn2;
            APMSQLite.GetInstance.FetchNaverAttachConn = memoryConn3;

            // 메모리 DB에 테이블이 정상적으로 로드되었는지 확인
            Console.WriteLine("\n===== Memory DB Loaded Tables =====");
            PrintTables(memoryConn1, "Descending DB");
            PrintTables(memoryConn2, "Estate DB");
            PrintTables(memoryConn3, "Naver Attach DB");
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }

수행시간)

시작: 2025-02-27 10:03:55.089
종료: 2025-02-27 10:04:02.441
  1. 초 차이 계산
    • 10:04:02.441 - 10:03:55.089
    • 02.441초 - 55.089초 = 7.352초
따라서, 두 타임스탬프의 차이는 7.352초입니다.

 

2) SQLite 테이블을 파일기반으로 SQL을 실행할경우

string workingDirectory = Directory.GetCurrentDirectory();

        string DESCENDING_DB = Path.Combine(workingDirectory, @"descending_in_base_all.db");
        string ANESTATE_DB = Path.Combine(workingDirectory, @"database_all_total.db");
        string ESTATENAVER_DB = Path.Combine(workingDirectory, @"naver_attach_estate_info_file.db");
        
        APMSQLite.GetInstance.FetchDescendingConn = new SQLiteConnection($"Data Source={DESCENDING_DB};Version=3;");
        APMSQLite.GetInstance.FetchDescendingConn.Open();
        
        APMSQLite.GetInstance.FetchEstateConn = new SQLiteConnection($"Data Source={ANESTATE_DB};Version=3;");
        APMSQLite.GetInstance.FetchEstateConn.Open();
        
        APMSQLite.GetInstance.FetchNaverAttachConn = new SQLiteConnection($"Data Source={ESTATENAVER_DB};Version=3;");
        APMSQLite.GetInstance.FetchNaverAttachConn.Open();

수행시간

시작: 2025-02-27 10:04:54.994
종료: 2025-02-27 10:05:28.504
  1. 초 차이 계산
    • 10:05:28.504 - 10:04:54.994
    • 분 차이: 10:05 - 10:04 = 1분 (60초)
    • 초 차이: 28.504초 - 54.994초 = -26.490초
    • 1분(60초)을 고려하면, 60 - 26.490 = 33.510초
따라서, 두 타임스탬프의 차이는 33.510초입니다.


결론)
테이블의 데이타를 메모리에 올려서 실행하는것이 파일기반으로 실행하는것보다 5배정도 빠르다.
테이블의 데이타를 메모리에 올려서 실행하는것이 파일기반으로 실행하는것보다 5배정도 빠르다.

 



index.html
0.03MB

저작자표시

'java 언어 > Node.Server' 카테고리의 다른 글

Ratio of Actual Transaction Price to Asking Price for Apartment Sales by Region(2019~2024)  (0) 2025.03.07
부동산.크롤링.국토교통부.실거래가.통계.조회조건추가(금액대별)  (0) 2025.03.05
국토교통부 실거래가 매매가격 통계조회(조건추가)  (0) 2025.02.20
카카오 API를 이용해서 지번을 추가입력(지역별 랭킹 매매금액차이)  (0) 2025.02.18
국토교통부 실거래가 JOIN With 지번(feat. Naver 아파트 기본 정보 크롤링)  (0) 2025.02.13

 

index.html
0.03MB

 

저작자표시

'Web(HTML)' 카테고리의 다른 글

naver_attach_info + apt_real_info data  (0) 2025.02.21
해당 통계 column 에 색깔입히기  (0) 2025.02.21
Data NotFound,Comment,Element 추가  (0) 2025.02.17
Start Redis and WebSocket Server (server.js) First  (0) 2025.02.15
font-family: -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Segoe UI", Roboto, Arial, sans-serif;  (0) 2025.02.14

+ Recent posts

티스토리툴바