데이터 구조란 무엇인가요?

데이터 구조는 숫자, 문자, 부울, 정수와 같은 기본 데이터 유형을 일관된 형식으로 결합합니다. 이러한 각 기본 데이터 유형은 단 하나의 값만 지닙니다. 데이터 구조에 결합되면 정렬, 검색, 삽입, 삭제와 같은 더 높은 수준의 데이터 작업이 가능합니다.

예를 들어 일일 판매량을 추적하려는 영업팀이 있다고 가정해 보겠습니다. 각 데이터 포인트를 개별적으로 로깅하는 대신 팀은 이 데이터를 '배열'이라는 데이터 구조에 저장할 수 있습니다. (자세한 내용은 '데이터 구조 유형'을 참조하세요.)

Python에서 배열은 다음과 같습니다.

daily_sales = [500, 800, 600, 1200, 950]

배열을 사용하면 팀이 이 모든 데이터를 함께 보관하고, 필요할 때 데이터 포인트를 쉽게 검색하고, 개별 요소와 전체 배열 모두에서 기능을 수행할 수 있습니다.

컴퓨터 프로그래머는 효과적인 애플리케이션을 구축하기 위해 데이터 구조를 이용합니다. 컴퓨터 과학 및 데이터 과학 분야에서 데이터 구조는 운영 체제, 데이터베이스, 웹사이트, 그래픽, 분석, 블록체인, 머신 러닝(ML) 애플리케이션 등에 필수적인 요소입니다.

데이터 구조는 효과적인 코드를 작성하는 데 기본이 되기 때문에 프로그래밍 초보자에게 가장 먼저 가르치는 수업인 경우가 많습니다. 또한 컴퓨터 프로그래밍 지원자에게는 면접 질문의 일반적인 주제이기도 합니다.

데이터 구조는 컴퓨터가 크고 복잡한 정보 세트를 더 쉽게 처리할 수 있도록 하기 때문에 중요합니다. 데이터 구조는 데이터 요소를 논리적으로 구성함으로써, 컴퓨터 코드의 효율성을 높이고 코드를 더 쉽게 이해할 수 있도록 합니다.

프로그래머는 데이터 구조를 사용하여 컴퓨팅 작업을 완료하기 위한 일련의 지침인 알고리즘의 속도와 강도를 향상시킵니다. 컴퓨터 프로그래밍에서 이 조합은 '데이터 구조 및 알고리즘'을 의미하는 'DSA'로 알려져 있습니다. DSA는 프로그래머가 시간 복잡도와 공간 복잡도라는 두 가지 문제를 해결하는 데 도움이 됩니다.

시간 복잡도는 입력량을 기준으로 알고리즘이 작업을 완료하는 데 걸리는 시간을 측정한 것입니다. 공간 복잡도는 입력량을 기반으로 알고리즘이 사용하는 메모리의 양을 측정한 것입니다.

프로그래머는 수학적 지표인 Big O 표기법을 사용하여 공간 및 시간 복잡도를 측정할 수 있습니다. 그런 다음 특정 작업에 대해 가장 빠른 런타임과 가장 많은 공간 효율성을 제공하는 데이터 구조 및 알고리즘을 결정할 수 있습니다.

데이터 구조는 복잡한 문제를 신속하게 해결하는 기술인 동적 프로그래밍에서도 중요한 역할을 합니다.

동적 프로그래밍은 재귀를 사용하여 문제를 더 작은 구성 요소로 분리합니다. 그런 다음 프로그램은 해당 구성 요소에 대한 솔루션을 찾고 하위 솔루션을 원래 문제에 대한 완전한 솔루션으로 재조합합니다.

데이터 구조는 프로그램에 각 하위 솔루션을 저장하고 검색할 수 있는 방법을 제공하고 프로세스 중에 데이터 요소를 논리적으로 구성하여 동적 프로그래밍을 가능하게 합니다.

예를 들어 계산된 값을 배열에 보관할 수 있습니다. 완전한 해를 공식화할 때 프로그램은 이러한 값을 다시 계산하는 대신, 배열에서 값을 검색할 수 있습니다.

이러한 기능을 통해 프로그래머는 시간을 절약하고 문제를 보다 능력 있게 해결할 수 있습니다.

데이터 구조는 선형과 비선형의 두 가지 주요 카테고리로 나뉩니다.

선형 데이터 구조에서 데이터는 한 줄로 배열되며, 각 데이터 요소가 순서대로 차례차례 배치됩니다. 이 배열을 사용하면 요소를 순서대로 쉽게 탐색하고 액세스할 수 있습니다.

선형 데이터 구조는 간단하고 구현하기 쉬운 것으로 간주됩니다. 이 범주의 일반적인 데이터 구조에는 배열, 연결 리스트, 큐 등이 포함됩니다.

비선형 데이터 구조에서 조직 논리는 선형적이고 순차적인 배열이 아닌 다른 것입니다. 예를 들어, 데이터 포인트는 계층적으로 정렬되거나 네트워크에 연결될 수 있습니다.

비선형 구조의 요소는 서로 단일 라인에서서 연결되지 않기 때문에, 선형 데이터 구조에서와 같이 단일 실행에서 모두 통과 및 액세스할 수 없습니다. 비선형 데이터 구조의 예로는 트리와 그래프가 있습니다.

프로그래머가 구축하는 시스템과 데이터로 수행해야 하는 작업에 따라 사용할 수 있는 데이터 구조에는 여러 가지 유형이 있습니다. 일반적인 데이터 구조는 다음과 같습니다.

• 배열
• 큐
• 스택
  
• 연결 리스트
• 트리
• 그래프
• 해시 

배열은 가장 기본적이고 널리 사용되는 데이터 구조 유형 중 하나로, 인접한 메모리 위치에 유사한 유형의 데이터 항목을 저장합니다. 이 구조를 사용하면 동일한 유형의 항목을 쉽게 찾고 액세스할 수 있습니다.

용도: 배열의 일반적인 용도에는 데이터 정렬, 저장, 검색, 액세스가 포함됩니다. 배열은 큐, 스택 등의 다른 데이터 구조를 구현하기 위한 기반으로 사용할 수도 있습니다.

예: 콜센터의 일일 평균 고객 만족도 점수의 배열은 다음과 같습니다.

average_customer_score = [4, 3.5, 3.7, 4.1, 3.4, 4.9]

대기열 데이터 구조는 '선입선출'을 의미하는 '선입선출(FIFO)'이라는 미리 결정된 순서로 데이터 작업을 수행합니다. 즉, 추가할 첫 번째 데이터 항목이 가장 먼저 제거됩니다. 프로그래머는 종종 이 데이터 구조를 사용하여 대기자 명단과 유사한 우선순위 대기열을 생성합니다.

용도: 큐 데이터 구조를 사용하여 재생 목록의 다음 노래, 공유 프린터에 액세스할 수 있는 다음 사용자, 콜 센터에서 응답할 다음 전화 등을 결정할 수 있습니다.

예: 콜센터 담당자와 통화하기 위해 대기 중인 고객은 다음과 같은 큐에 배치될 수 있습니다.

queue = [customer 1, customer 2, customer 3]

상담원이 통화할 수 있는 경우 대기열의 첫 번째 고객과 자동으로 연결한 다음, 해당 고객이 목록에서 제거됩니다. 이제 대기열은 다음과 같습니다.

queue = [customer 2, customer 3]

대기열과 마찬가지로 스택 데이터 구조는 미리 결정된 순서로 데이터 작업을 수행합니다. 그러나 스택은 FIFO 대신 '후입선출'을 의미하는 "LIFO" 형식을 사용합니다. 마지막으로 추가한 데이터 항목이 가장 먼저 제거됩니다.

용도: 스택은 컴퓨터 코드에서 대괄호나 태그를 올바르게 열고 닫거나, 최근 브라우저 기록을 추적하거나, 애플리케이션에서 최근 작업을 취소하는 데 사용할 수 있습니다.

예: 많은 앱이 스택을 사용하여 사용자 작업을 추적하여 쉽게 실행 취소할 수 있도록 합니다. 예를 들어 텍스트 편집기는 다음과 같은 스택을 유지할 수 있습니다.

recent_actions = [typing ‘.’, space, typing ‘T’]

사용자가 '실행 취소' 버튼을 누르면 스택에서 가장 최근 작업인 'T' 입력이 실행 취소됩니다. 이제 스택은 다음과 같습니다.

recent_actions = [typing ‘.’, space]

연결 리스트는 데이터 항목을 선형 순서로 저장하며, 각 항목은 목록의 다음 항목에 연결됩니다. 이 구조를 사용하면 전체 데이터 컬렉션을 이동할 필요 없이 새 항목을 쉽게 삽입하거나 기존 항목을 삭제할 수 있습니다.

용도: 연결 리스트는 웹 브라우저 기록, 미디어 플레이어 재생 목록, 애플리케이션에서의 실행 취소 또는 다시 실행 작업과 같이 빈번한 삽입 및 삭제가 발생하는 시나리오에 자주 사용됩니다.

예: 미디어 플레이어에 있는 연결된 동영상의 단순화된 연결 리스트 버전은 다음과 같을 수 있습니다.

Video 1 – Video 2 – Video 3

리스트의 각 개체는 다음 객체를 가리키므로, 동영상 1이 끝나면 미디어 플레이어가 동영상 2를 시작하도록 지시합니다. 

접두사 트리라고도 하는 트리 데이터 구조는 데이터 요소 간의 계층적 관계를 설정하는 데 유용합니다. 단일 부모 노드는 트리 구조의 맨 위에 위치하며, 자식 노드는 그 아래의 후속 수준에서 분기됩니다.

이진 검색 트리, AVL 트리, b-트리와 같은 다양한 트리 클래스는 서로 다른 속성을 가지며 서로 다른 기능을 지원합니다. 예를 들어, 이진 검색 트리에서 각 노드에는 최대 2개의 자식이 있습니다. 이 구조는 데이터 세트를 빠르게 검색하는 데 도움이 됩니다. 

용도: 트리는 조직도, 파일 시스템, 도메인 이름 시스템, 데이터베이스 인덱싱, 머신 러닝 애플리케이션의 의사결정트리에서 계층 구조를 표현하는 데 자주 사용됩니다.

예시:

그래프 데이터 구조는 정점과 모서리를 사용하여 서로 다른 개체 간의 관계를 구성합니다. 정점은 점으로 '표시'되는 데이터 포인트이고 모서리는 정점을 연결하는 선입니다.

예를 들어, 지도에서 도시는 꼭짓점이고 도시를 연결하는 도로는 모서리가 됩니다. 페이스북에서 사용자는 정점이 되고, 사용자들을 연결하는 우정은 모서리가 됩니다.

용도: 그래프 데이터 구조는 복잡한 관계망 내에서 데이터를 찾는 검색 알고리즘에 자주 사용됩니다. 일반적인 예로는 데이터 수준을 수준별로 검색하는 폭 우선 검색과 여러 수준의 데이터를 드릴다운하여 정보를 찾는 깊이 우선 검색이 있습니다.

예시:

'해시 테이블' 또는 '해시 맵'이라고도 하는 해시 데이터 구조는 해시 함수를 사용하여 데이터 값을 저장합니다. 해시 함수는 메모리의 특정 데이터 값 위치에 해당하는 고유한 디지털 키인 해시를 생성합니다.

해시 테이블에는 모든 해시 및 데이터 값 쌍의 검색 가능한 인덱스가 포함되어 있어 테이블에서 데이터에 빠르고 쉽게 액세스, 추가, 제거할 수 있습니다.

용도: 해시 데이터 구조는 전화번호부, 사전, 인사 디렉토리에서 데이터를 빠르게 검색하는 데 도움이 될 수 있습니다. 또한 데이터베이스를 인덱싱하고, 비밀번호를 저장하고, IT 시스템의 부하를 분산하는 데에도 사용할 수 있습니다.

예: 스마트폰의 연락처 목록을 구성하는 해시 테이블의 단순화된 버전은 다음과 같습니다.

해시 함수는 각 키를 적절한 인덱스에 매핑합니다. 따라서 사용자가 키(연락처 이름)를 입력하면 해시 테이블은 동일한 인덱스(연락처 번호)에서 연결된 값을 반환합니다.

데이터 구조는 추상 데이터 유형의 구체적인 형태를 구현하기 때문에 소프트웨어 애플리케이션을 설계하는 데 중요합니다.

추상 데이터 유형은 데이터 유형의 작동 방식과 데이터 유형에 대해 수행할 수 있는 작업을 분류하는 수학적 모델입니다. 예를 들어, 큐의 추상 데이터 유형은 대기열의 동작을 정의합니다(FIFO의 원칙을 따름). 큐 데이터 구조는 컴퓨터 프로그램이 해당 데이터에 FIFO 원칙을 적용하도록 데이터를 큐로 형식화하는 방법을 제공합니다.

Python, Java 및 JavaScript와 같은 많은 프로그래밍 언어에는 개발자가 보다 효율적으로 작업할 수 있도록 지원하는 내장 데이터 구조가 포함되어 있습니다.

컴퓨터 프로그램의 데이터 구조에 대한 일반적인 사용 사례는 다음과 같습니다.

• 데이터 스토리지 및 조직
• 인덱싱
• 데이터 교환
• 검색
• 확장성

데이터 구조는 높은 수준의 데이터 지속성으로 데이터를 논리적이고 효율적으로 저장할 수 있으므로 데이터베이스 및 애플리케이션에서 데이터에 쉽게 액세스할 수 있습니다. 데이터 구조는 대량의 데이터를 논리적으로 조직하여, 보다 쉽게 정렬, 정렬, 처리할 수 있도록 해줍니다.

예를 들어 웹 사이트는 연결 리스트를 사용하여 사용자 활동 로그를 저장할 수 있습니다. 리스트는 이벤트를 시간순으로 기록할 수 있으며 이벤트 간의 연결은 각 세션에서 사용자가 수행하는 작업의 전체 상황을 파악하는 데 도움이 될 수 있습니다.  

데이터 구조는 데이터 값을 데이터베이스의 해당 데이터 항목에 매핑하여 정보를 인덱싱할 수 있으므로 해당 데이터 레코드를 더 쉽게 찾고 액세스할 수 있습니다.

예를 들어, 전자 상거래 웹사이트는 해시 테이블을 사용하여 카테고리의 제품을 인덱싱할 수 있습니다. 사용자가 한 카테고리만 보려는 경우, 웹사이트는 모든 단일 제품의 데이터베이스를 검색하는 대신 해시 값을 사용하여 관련 제품을 모두 빠르게 검색할 수 있습니다.

데이터 구조는 애플리케이션 간에 쉽게 공유할 수 있도록 데이터를 구성합니다. 예를 들어 많은 앱은 큐를 사용하여 TCP/IP와 같은 프로토콜을 통해 패킷을 관리하고 보냅니다. 큐는 패킷이 생성된 순서대로 전송 및 수신되도록 하는 데 도움이 됩니다. 

데이터 구조는 애플리케이션과 최종 사용자가 더 쉽게 이해할 수 있도록 데이터를 구성함으로써, 데이터를 더 쉽게 검색하고 찾을 수 있도록 합니다.

예를 들어, 그래프 데이터 구조를 사용하면 사용자가 소셜 미디어 사이트에서 아는 사람을 더 쉽게 찾을 수 있습니다. 그래프 데이터 구조는 정점 또는 노드 간의 관계를 기록합니다. 검색 알고리즘은 노드에서 노드로 연결을 추적하여 관련 사용자를 효율적으로 찾을 수 있습니다.

데이터 구조는 컴퓨터 프로그램이 대규모 데이터 세트를 처리하고, 복잡한 문제를 해결하고, 리소스를 보다 효율적으로 사용할 수 있도록 하여 시스템 확장성을 지원합니다.

예를 들어, 해시 테이블과 트리 구조 모두 대규모 데이터 세트에서 관련 정보를 더 쉽게 찾을 수 있습니다. 시스템은 모든 요소를 검사하는 대신, 올바른 키를 사용하거나 트리를 통해 올바른 경로를 따르기만 하면 됩니다. 이렇게 하면 시스템이 방대한 양의 데이터를 검색하기 위해 많은 리소스를 사용할 필요가 없기 때문에 높은 성능을 유지하는 데 도움이 됩니다.