QVD 아키텍처를 Qlik Cloud로 마이그레이션할 때의 모범 사례
마지막 업데이트: 2026. 10. 14.Qlik Cloud 대용량 파일을 지원하며, 네이티브 DataFiles 스토리지는 대용량 QVD 파일을 처리할 수 있습니다.하지만, Qlik Cloud에서 대용량 파일을 사용하는 경우와 Qlik Sense Enterprise on Windows를 비교할 때 건축적 고려 사항이 다릅니다.
QVD 로드 성능은 Qlik Sense Enterprise on Windows과 Qlik Cloud 간에 다릅니다.
-
Qlik Sense Enterprise on Windows에서, Qlik 엔진은 로컬 디스크 스토리지에서 QVD를 직접 읽습니다.파일이 로컬 서버에 저장되면, 데이터 로드 시 지연 시간도 최소화됩니다.
-
Qlik Cloud에서 Qlik 엔진은 웹 파일 스토리지에서 파일 내용을 읽기 위해 네트워크 호출을 수행합니다.이것은 두 가지 방식으로 로드 시간을 늘립니다.첫째, 네트워크를 통해 웹 파일 저장소에서 읽는 것은 로컬 디스크 읽기에서는 피할 수 있는 전송 지연을 추가합니다.둘째, SOC 2/3 및 HIPAA와 같은 규정 준수 인증에 필요한 암호화는 처리 오버헤드를 추가합니다.
정보 메모보안 및 규정 준수에 대한 자세한 내용은 Qlik의 신뢰 및 보안을 참조하십시오.
QVD 파일을 Qlik Cloud에 저장할 때, 파일 읽기 및 쓰기 시간을 다시 로드 전략에 포함하세요.QVD 아키텍처를 Qlik Cloud에서 계획할 때 다음 접근 방식을 고려하십시오.
-
최적의 QVD 크기 유지
-
QVD 로드 작업 최적화
QVD 파일 작업에 대한 자세한 내용은 다음을 참조하십시오:
최적의 QVD 크기 유지
Qlik Cloud이(가) 대용량 파일을 처리할 수 있지만, 성능 요구 사항을 충족할 수 있도록 QVD 파일을 충분히 작게 유지하십시오.고정된 목표 크기는 없으므로, 데이터 설계의 일부로 성능을 검증하고 필요에 도달하도록 추가로 최적화하십시오.다음 접근 방식은 QVD 파일을 적시에 로드할 수 있도록 최적의 크기 범위 내에서 유지하는 데 도움이 될 수 있습니다.
대용량 데이터로 애플리케이션 성능을 최적화하는 방법에 대한 자세한 내용은 다음을 참조하십시오.
데이터를 세분화하세요
개별 파일 크기를 줄이려면 데이터를 다음과 같은 자연스러운 차원별로 분할하세요.
-
시간 범위: 연도 또는 월과 같은 시간 범위별로 데이터를 분류합니다.예를 들어, 모든 데이터를 포함하는 QVD를 두 개의 QVD로 분할할 수 있습니다.
-
가장 최근 2년간의 데이터를 포함하는 QVD.
-
2년 이상 된 과거 데이터를 포함하는 QVD.
-
-
카테고리: 논리적 카테고리(예: )로 데이터를 분류합니다.
-
국가 또는 지역.
-
제품 그룹.
-
부서.
예를 들어, 모든 데이터를 포함하는 QVD를 국가별로 또는 주나 지방과 같은 2차 행정 구역별로 분할할 수 있습니다.
-
-
집계 수준: 더 작은 데이터 세트를 생성하도록 데이터를 더 높은 수준으로 집계합니다.예:
-
일별 데이터를 월별 요약으로 집계합니다.
-
개별 고객 데이터를 지역별 요약으로 집계합니다.
-
데이터 카디널리티를 줄입니다.
QVD 파일에서 데이터의 카디널리티를 줄이면 압축률이 향상되고 QVD 파일 크기가 줄어듭니다.다음 접근 방식을 고려하십시오:
-
반올림: 분석적으로 의미가 있을 경우, 카디널리티가 높은 숫자 값은 반올림합니다.이는 고유 값 수를 줄여 더 작은 데이터 세트와 더 빠른 심볼 테이블 처리를 가능하게 합니다.
-
타임스탬프 분할: 타임스탬프 필드를 별도의 날짜 및 시간 필드로 분할합니다.이는 카디널리티를 크게 낮추고 압축률을 향상시킵니다.
-
텍스트 필드 최적화: 텍스트 필드는 카디널리티가 높을 수 있으며, 특히 긴 설명을 포함하는 필드는 더욱 그렇습니다.QVD 파일을 최적화하려면, 이러한 텍스트 필드를 여러 QVD 파일에 포함하지 마십시오.그것들을 전용 QVD 파일로 옮겨서 기본 데이터 QVD 파일을 간결하게 유지하세요.단일 텍스트 QVD의 성능이 여전히 좋지 않다면, 더 세분화하십시오.
QVD 레이어 전략 검토
QVD 파일은 시간이 지남에 따라 증가할 수 있으며, 원래의 사용 사례에 맞게 더 이상 최적화되지 않을 수 있습니다.레이어 전략을 검토하고 더 세분화된 구조를 채택할 수 있는지 결정하십시오.더 작고 많은 파일을 사용하면 파일 로딩의 영향을 제한할 수 있습니다.
예를 들어, 연도별로 판매 데이터를 QVD로 분할하면 다시 로드 시간을 단축하고, 가장 최근 연도의 데이터 포인트만 필요한 경우 애플리케이션이 더 적은 데이터를 읽을 수 있도록 할 수 있습니다.
QVD 레이어 구축 및 저장에 대한 자세한 내용은 다음을 참조하십시오:
QVD 로드 작업 최적화
QVD 파일에서 데이터를 로드할 때 Qlik Cloud 로드 작업을 최적화하세요.QVD 파일을 읽을 때 로드 시간을 줄이는 데 도움이 되는 접근 방식은 다음과 같습니다.
스토리지 읽기 최소화
단일 로드 스크립트 내에서 동일한 QVD 파일을 여러 번 로드하지 마십시오.오버헤드를 줄이기 위해, 데이터를 임시 테이블에 한 번 로드하고 RESIDENT 로드를 통해 재활용하십시오.
데이터 로드 및 상주 테이블에 대한 자세한 내용은 다음을 참조하십시오.
최적화된 부하 활용
최적화되지 않은 시나리오(예: 복잡한 WHERE 절이 있는 로드 또는 데이터 변환)의 경우, 먼저 QVD를 최적화된 형식으로 임시 테이블에 로드하는 것을 고려하십시오.그런 다음 RESIDENT 로드를 통해 최종 대상 테이블로 필요한 조작 및 필터링을 수행하여, QVD 로드에서 엔진 메모리로 처리 부담을 전환할 수 있습니다.
최적화 및 표준 QVD 로드 모드에 대한 자세한 내용은 다음을 참조하십시오.
대체 파일 저장 솔루션
Qlik Cloud에 QVD를 저장하는 데 따른 거버넌스 오버헤드가 읽기 및 쓰기 성능 문제를 유발하는 경우, 구성 가능한 보안 수준 옵션이 있는 다른 파일 스토리지 솔루션을 테스트하는 것을 고려해 보세요.
Qlik Cloud에서 지원하는 파일 스토리지 솔루션은 Qlik 웹 스토리지 공급자 커넥터 (영어로만 제공)를 참조하십시오.대기 시간 문제를 최소화하려면 대체 파일 스토리지 솔루션이 Qlik Cloud 지역의 테넌트에 최대한 가깝게 배포되었는지 확인하십시오.
데이터 파일 관리에 대한 자세한 내용은 다음을 참조하십시오.