--- title: "Table" slug: "datacatalog-table-vpc" tags: ["Data Catalog"] updated: 2026-09-17T09:07:26Z published: 2026-09-17T09:07:26Z canonical: "guide.ncloud-docs.com/datacatalog-table-vpc" --- > ## Documentation Index > Fetch the complete documentation index at: https://guide.ncloud-docs.com/llms.txt > Use this file to discover all available pages before exploring further. # Table VPC 환경에서 이용 가능합니다. 테이블(Table)은 데이터의 상세 정보와 스키마를 가진 메타데이터 정의입니다. 스캐너를 통해 테이블을 생성하거나 사용자가 직접 스키마를 정의하여 테이블을 생성할 수 있습니다. **Table** 메뉴에서는 테이블을 생성 및 관리하고 수집한 메타데이터를 확인할 수 있습니다. ## Table 목록 화면 Data Catalog 이용을 위한 **Table** 메뉴의 기본적인 설명은 다음과 같습니다. ![data_catalog_table_ko_iceberg.png](https://cdn.document360.io/6998976f-9d95-4df8-b847-d375892b92c2/Images/Documentation/datacatalog-table_screen_ko_250805.png?sv=2026-02-06&spr=https&st=2026-11-07T02%3A00%3A15Z&se=2026-11-07T03%3A00%3A15Z&sr=c&sp=r&sig=hJ4jXXj4pdSIJ4KlCfRVjYRHWp4CAdbGj3SdOgFzVzg%3D) | 영역 | 설명 | | --- | --- | | ① 메뉴명 | 현재 확인 중인 메뉴명, 조회 중인 테이블 수 | | ② 기본 기능 | **Table** 메뉴 최초 진입 시 표시되는 기능 - **[테이블 생성]** 버튼: 클릭하여 테이블 생성([테이블 생성](/docs/datacatalog-table-vpc#%ED%85%8C%EC%9D%B4%EB%B8%94%EC%83%9D%EC%84%B1) 참조) - **[상품 더 알아보기]** 버튼: 클릭하여 Data Catalog 소개 페이지로 이동 - **[새로 고침]** 버튼: 클릭하여 테이블 목록 새로 고침 | | ③ 검색창 | 데이터베이스 명, 테이블 명, 위치, 테이블 유형, 데이터 형식, 태그로 검색할 수 있으며 순서 정렬 가능 | | ④ 테이블 목록 | 조회 중인 테이블 목록 표기 | | ⑤ 테이블 이름 | 클릭하여 [테이블 상세](/docs/datacatalog-table-vpc#Table%EC%83%81%EC%84%B8%ED%99%94%EB%A9%B4) 화면으로 이동 | | ⑥ 데이터베이스 이름 | 클릭하여 [데이터베이스 상세](/docs/datacatalog-database-vpc#Database%EC%83%81%EC%84%B8%ED%99%94%EB%A9%B4) 화면으로 이동 | | ⑦ 위치 | 클릭하여 Object Storage 서비스의 해당 파일 위치로 이동 | ## Table 상세 화면 **Table 상세** 화면의 기본적인 설명은 다음과 같습니다. ![data_catalog_table_ko_iceberg.png](https://cdn.document360.io/6998976f-9d95-4df8-b847-d375892b92c2/Images/Documentation/datacatalog-table-detail_screen_ko_250805.png?sv=2026-02-06&spr=https&st=2026-11-07T02%3A00%3A15Z&se=2026-11-07T03%3A00%3A15Z&sr=c&sp=r&sig=hJ4jXXj4pdSIJ4KlCfRVjYRHWp4CAdbGj3SdOgFzVzg%3D) | 영역 | 설명 | | --- | --- | | ① 테이블 이름 | 선택한 테이블 이름 | | ② 기본 정보 영역 | 테이블이 속한 데이터베이스 이름, 테이블 설명, 테이블 위치, 업데이트 일시, 생성한 스캐너 이름, 생성 일시, 테이블 유형, 데이터 형식 정보 표기 | | ③ 상세 정보 탭 영역 | - **[스키마]**, **[스키마 버전]**, **[파티션]**, **[태그]**, **[속성 정보]**, **[통계]** 탭 메뉴로 구성 - 각 항목의 상세 정보 확인([테이블 검색 및 정보 확인](/docs/datacatalog-table-vpc#%ED%85%8C%EC%9D%B4%EB%B8%94%EA%B2%80%EC%83%89%EB%B0%8F%EC%A0%95%EB%B3%B4%ED%99%95%EC%9D%B8) 참조) | | ④ 삭제 버튼 | 클릭하여 테이블 삭제 | | ⑤ 기본 정보 수정 버튼 | 클릭하여 테이블 기본 정보 수정 | | ⑥ 스키마 수정 버튼 | 클릭하여 스키마 정보 수정 (**[태그]** 탭 메뉴에서는 태그 정보 수정) | | ⑦ 데이터 보기 버튼 | 클릭하여 Data Query 서비스로 이동, 테이블 데이터 바로 조회 | ## 테이블 생성 원하는 방식으로 테이블을 생성할 수 있습니다. 생성 방법은 다음과 같습니다. - [스키마 수동 정의 테이블 생성](/docs/datacatalog-table-vpc#%EC%8A%A4%ED%82%A4%EB%A7%88%EC%88%98%EB%8F%99%EC%A0%95%EC%9D%98%ED%85%8C%EC%9D%B4%EB%B8%94%EC%83%9D%EC%84%B1): 데이터베이스 및 스키마를 직접 설정하여 테이블 생성 - [스캐너를 통한 테이블 생성](/docs/datacatalog-table-vpc#%EC%8A%A4%EC%BA%90%EB%84%88%EB%A5%BC%ED%86%B5%ED%95%9C%ED%85%8C%EC%9D%B4%EB%B8%94%EC%83%9D%EC%84%B1): 스캐너를 통해 스키마를 자동으로 정의하여 테이블 생성 ### 스키마 수동 정의 테이블 생성 데이터베이스 및 스키마를 직접 설정하여 테이블을 생성할 수 있습니다. 스키마 수동 정의 테이블을 생성하는 방법은 다음과 같습니다. 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. **[테이블 생성]** 버튼을 클릭해 주십시오. 4. **스키마 수동 정의 테이블 생성**을 클릭해 선택한 후 **[다음]** 버튼을 클릭해 주십시오. 5. 기본 정보를 입력해 주십시오. - **데이터베이스**: 드롭다운 메뉴를 클릭하여 테이블을 연결할 데이터베이스를 선택 - **[데이터베이스 생성]** 버튼을 클릭하여 데이터베이스를 생성할 수 있습니다. - 자세한 사항은 [**데이터베이스 생성**](/docs/datacatalog-database-vpc#%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4%EC%83%9D%EC%84%B1)을 참조해 주십시오. - **테이블 이름**: 테이블 이름 입력 - **위치**: 테이블의 데이터가 존재하는 위치 - **설명**: 테이블 설명 입력 - **테이블 유형** - Catalog Default: Data Catalog에서 제공하는 기본 Hive Table 유형입니다. - [Apache Iceberg](https://iceberg.apache.org/): 방대한 분석 데이터 세트를 위한 개방형 테이블 형식으로서, ACID 트랜잭션, 스키마 진화, Time Travel 쿼리 등을 지원하며 Spark, Trino, Hive에서 동시에 안전하게 작업 가능합니다. 6. **데이터 형식**을 선택해 주십시오. - Apache Iceberg 테이블 유형을 선택한 경우는 선택하지 않습니다. - csv 선택 시, 구분 기호, 데이터 인식 기호, 제거 문자를 선택 또는 입력할 수 있습니다. 또한 제외할 헤더 라인 수를 입력할 수 있습니다. - xml 선택 시, Row Tag를 입력할 수 있습니다. 7. **[추가]** 버튼을 클릭한 후 스키마 정보를 입력하여 사용자 정의 스키마를 추가해 주십시오. - **데이터 유형**에 대한 자세한 내용은 [스키마 데이터 유형](/docs/datacatalog-table-vpc#%EC%8A%A4%ED%82%A4%EB%A7%88%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%9C%A0%ED%98%95)을 참조해 주십시오. - 스키마의 체크 박스를 클릭한 후 **[삭제]** 버튼을 클릭하여 추가한 스키마를 삭제할 수 있습니다. - 사용자 정의 스키마를 추가하지 않으면 필드 이름이 'default'인 스키마가 자동으로 추가됩니다. - 필드명에는 빈칸을 허용합니다. 8. 파티션 키 입력이 필요한 경우 **파티션** 영역을 클릭한 후 파티션 키를 추가해 주십시오. - **[추가]** 버튼을 클릭한 후, 입력란에 파티션 키 명을 입력하면 파티션 키가 추가됩니다. - 파티션의 체크 박스를 클릭하여 선택한 후 **[삭제]** 버튼을 클릭해 파티션 키를 삭제할 수 있습니다. - 파티션 키 명에 빈칸을 허용합니다. - Apache Iceberg 테이블 유형은 파티션을 입력하지 않습니다. 9. 태그가 필요한 경우, **태그 설정** 영역을 클릭한 후 태그를 추가해 주십시오. - **[추가]** 버튼을 클릭한 후, 입력란에 태그 정보를 입력하면 태그가 추가됩니다. - **데이터 유형**에 대한 자세한 내용은 [태그 데이터 유형](/docs/datacatalog-tagtemplate-vpc#%ED%83%9C%EA%B7%B8%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%9C%A0%ED%98%95)을 참조해 주십시오. - 태그의 체크 박스를 클릭하여 선택한 후 **[삭제]** 버튼을 클릭해 태그를 삭제할 수 있습니다. - **[태그 템플릿 불러오기]** 버튼을 클릭하면 태그 템플릿 불러오기 팝업 창이 나타납니다. - 태그 템플릿을 클릭하여 선택한 후 **[추가]** 버튼을 클릭하면 해당 태그 템플릿의 태그를 추가할 수 있습니다. - 태그 템플릿에 대한 자세한 내용은 [Tag Template](/docs/datacatalog-tagtemplate-vpc)을 참조해 주십시오. 10. **[생성]** 버튼을 클릭해 주십시오. #### 스키마 데이터 유형 수동으로 정의할 수 있는 스키마의 데이터 유형과 유형별 설명은 다음과 같습니다. | 데이터 유형 | 설명 | Catalog Default 지원 여부 | Apache Iceberg 지원 여부 | | --- | --- | --- | --- | | tinyint | 정수형 데이터(1 Byte) | Y | N | | smallint | 정수형 데이터(2 Byte) | Y | N | | int | 정수형 데이터(4 Byte) | Y | Y | | bigint | 정수형 데이터(8 Byte) | Y | N | | long | 정수형 데이터(8 Byte) | N | Y | | float | 부동 소수형 데이터(4 Byte) | Y | Y | | double | 부동 소수형 데이터(8 Byte) | Y | Y | | decimal | 고정 소수형 데이터 - 입력란에 길이(1~38 Byte) 입력 | Y | Y | | string | 문자열 데이터 | Y | Y | | char | 고정 길이 문자형 데이터 - 입력란에 길이(1~255 Byte) 입력 | Y | N | | varchar | 가변 길이 문자형 데이터 - 입력란에 길이(1~65,535 Byte) 입력 | Y | N | | boolean | true 또는 false 값을 갖는 데이터 | Y | Y | | binary | char 형태의 이진 데이터 | Y | Y | | timestamp | 날짜와 시간 표현 데이터, 타임스탬프 | Y | Y | | time | 시간 표현 데이터 | N | Y | | datetime | 날짜, 시간 표현 데이터(YYYY-MM-DD HH:MM:SS) | Y | N | | date | 날짜 표현 데이터(YYYY-MM-DD) | Y | Y | | fixed | 고정된 길이의 byte array | N | Y | | uuid | 고유성이 보장되는 ID(Universally Unique IDentifier) | N | Y | | list | 동일한 유형의 데이터 집합체 - **[상세]** 버튼을 클릭한 후 상세 설정 입력 | N | Y | | array | 동일한 유형의 데이터 집합체 - **[상세]** 버튼을 클릭한 후 상세 설정 입력 | Y | N | | map | 키와 값의 쌍으로 이루어진 데이터 - **[상세]** 버튼을 클릭한 후 상세 설정 입력 | Y | Y | | struct | 다양한 유형의 데이터와 연관 스키마를 포함한 데이터 - **[상세]** 버튼을 클릭한 후 상세 설정 입력 | Y | Y | | uniontype | 여러 구조체 데이터 타입을 저장할 수 있는 타입 - **[상세]** 버튼을 클릭한 후 상세 설정 입력 | Y | N | | interval_year_month | 연, 월 간격 - '1-2'는 '1년 2개월'의 간격을 의미 | Y | N | | interval_day_time | 일, 시간 간격 - '1 2:30:00'은 1일 2시간 30분을 의미 | Y | N | 데이터 유형별 상세 설정 입력 예시는 다음과 같습니다. - <예시> array 유형의 상세 설정 ``` ARRAY < STRUCT < place: STRING, start_year: INT > > ``` - <예시> map 유형의 상세 설정 ``` MAP < STRING, ARRAY > ``` - <예시> struct 유형의 상세 설정 ``` STRUCT < place: STRING, start_year: INT > ``` - <예시> uniontype 유형의 상세 설정 ``` UNIONTYPE < INT, DOUBLE, ARRAY, STRUCT > ``` - <예시> list 유형의 상세 설정 ``` LIST < STRUCT < place: STRING, start_year: INT > > ``` 참고 - Data Catalog 콘솔에서 Iceberg 테이블 생성 시 Object Storage에 사용자가 선택한 필드 타입으로 저장되지만, 콘솔에서 테이블 조회 시 Metastore에 저장된 정보를 조회하기 때문에 Hive에서 지원하지 않는 데이터 타입은 변환된 타입으로 조회됩니다. - 변환 타입: list → array, long → bigint, time → string, fixed → binary, uuid → string - 파티션 최신화 - 파티션 키를 가진 테이블을 생성했을 경우, 파티션 값이 없기 때문에 파티션 최신화 정보 작업을 해야 합니다. 해당 작업은 다음과 같이 수행할 수 있습니다. - Data Query: `call data_catalog.system.sync_partition_metadata('{데이터베이스명}', '{테이블명}', 'ADD')` 구문 수행 - Cloud Hadoop Hive: `msck repair table {table name}` ### 스캐너를 통한 테이블 생성 스캐너를 통해 스키마를 자동으로 정의하여 테이블 생성하는 방법은 다음과 같습니다. 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. **[테이블 생성]** 버튼을 클릭해 주십시오. 4. **스캐너를 통한 테이블 생성**을 체크 박스를 클릭해 선택한 후 **[다음]** 버튼을 클릭해 주십시오. - 스캐너 생성 화면으로 이동합니다. 5. 스캐너를 생성하고 실행하면 자동으로 테이블이 생성됩니다. - 테이블 이름은 소스 데이터의 이름을 바탕으로 자동 설정됩니다. - 스캐너 생성 및 실행에 대한 자세한 내용은 [Scanner](/docs/datacatalog-scanner-vpc)를 참조해 주십시오. 주의 - 데이터 파일은 UTF-8 인코딩 형식만 지원합니다. - 다른 인코딩 사용 시 데이터 스캔 및 데이터 쿼리가 정상 작동하지 않을 수 있습니다. ## 테이블 검색 및 정보 확인 생성한 테이블을 검색하고 정보를 확인하는 방법은 다음과 같습니다. 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. 원하는 검색 조건을 입력한 후 ![i-datacatalog-search](https://cdn.document360.io/6998976f-9d95-4df8-b847-d375892b92c2/Images/Documentation/i-datacatalog-search.png?sv=2026-02-06&spr=https&st=2026-11-07T02%3A00%3A15Z&se=2026-11-07T03%3A00%3A15Z&sr=c&sp=r&sig=hJ4jXXj4pdSIJ4KlCfRVjYRHWp4CAdbGj3SdOgFzVzg%3D)을 클릭하여 테이블을 검색해 주십시오. 4. 테이블을 클릭하여 정보를 확인해 주십시오. - **데이터베이스**: 테이블이 속한 데이터베이스 이름 - **테이블**: 테이블 이름 - **위치**: 테이블의 데이터가 존재하는 Object Storage 위치 - **테이블 유형**: 테이블 유형 (Catalog Default, Apache Iceberg) - **데이터 형식**: 스캔한 데이터의 형식 (csv, xml, json, parquet, orc, avro, mysql, mongodb, mssql, postgresql) - **생성 일시**: 테이블을 처음 생성한 일시 - **업데이트 일시**: 가장 최근에 테이블 정보를 변경한 일시 - **[스키마]** 탭 메뉴: 클릭하여 테이블에 등록된 스키마 확인 - **데이터 유형**에 대한 자세한 내용은 [스키마 데이터 유형](/docs/datacatalog-table-vpc#%EC%8A%A4%ED%82%A4%EB%A7%88%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%9C%A0%ED%98%95)을 참조해 주십시오. - 수정 버튼을 클릭하여 스키마를 수정할 수 있습니다. view table이나, Apache Iceberg 테이블은 스키마를 수정할 수 없습니다. - **[스키마 버전]** 탭 메뉴: 클릭하여 스키마 버전 목록 확인, 버전을 클릭하여 해당 버전의 스키마 확인 - **[파티션]** 탭 메뉴: 클릭하여 테이블에 등록된 파티션 키와 값을 확인 - 파티션 갱신 기능 - 데이터 형식이 csv, xml, json, parquet, avro, orc인 테이블에 대해서 파티션 값 갱신 기능을 제공합니다. - Hive 파티션 타입만 갱신이 가능하며 **Directory 파티션 타입은 갱신이 되지 않으며 '전체 동기화', '삭제만 동기화'를 진행할 경우 파티션 값이 삭제될 수 있습니다.** - 파티션 값만 갱신되며, 파티션 키는 추가되지 않습니다. 파티션 키 추가를 원하는 경우 테이블을 다시 스캔해야 합니다. - 옵션: 전체 동기화(추가/삭제된 파티션 값 모두 갱신), 추가만 동기화 (추가된 파티션 값만 갱신), 삭제만 동기화 (삭제된 파티션 값만 갱신) - **[태그]** 탭 메뉴: 클릭하여 테이블에 등록된 태그 확인 - 설정 버튼을 클릭하여 태그를 추가/삭제할 수 있습니다. - **[속성 정보]** 탭 메뉴: 클릭하여 테이블 및 소스 데이터의 속성 정보 확인 - **속성 키**에 대한 자세한 내용은 [속성 정보](/docs/datacatalog-table-vpc#%EC%86%8D%EC%84%B1%EC%A0%95%EB%B3%B4)를 참조해 주십시오. - **[통계]** 탭 메뉴: 클릭하여 필드/파티션 단위의 통계 정보를 확인 - Data Catalog 서비스 구독 시 통계 기능을 수행하고 조회할 수 있으며, 필드 단위 최솟값, 최댓값, 평균 등 통계 데이터를 추출합니다. - 지원하는 데이터 타입: parquet, avro, orc, csv, json - 조회되는 데이터는 마지막으로 성공으로 수행된 정보가 표기됩니다. - 전체 통계 추출 실행 후 일부 컬럼만 통계 추출을 실행하면, 일부 컬럼은 업데이트되지만 나머지 컬럼은 기존에 수행된 내역으로 남아 있습니다. 주의 - 고유값은 평균 5%의 오차 범위 내에서 데이터의 대략적인 수를 추정합니다. - CSV 파일은 null 개수, true/false 개수를 추정할 수 없습니다. - **[최적화]** 탭 메뉴: Iceberg 파일 최적화 기능 수행 (Iceberg 테이블 형식만 노출됨) - 파일 병합: 여러 파일로 나누어져 있는 데이터 파일을 병합하여 파일 관리 효율성을 높이고 성능을 높여주는 기능. 병합 기준보다 크기가 작은 파일들만 병합 기준에 선정됩니다 (병합 기준 크기의 기본값은 100MB이며, 단위는 MB입니다.) 주의 - 병합 기준의 크기를 너무 크게 잡을 경우 병합 실행할 때마다 파일 병합을 진행하므로 파일 변경이 없더라도 스냅샷이 생성됩니다. - 병합 기준의 크기를 데이터 파일 크기와 비례하여 적당한 크기로 설정하는 것을 권장합니다. - 스냅샷 관리: 사용하지 않아도 되는 스냅샷을 삭제합니다. 최대 보존 기간 내 스냅샷은 유지되며 보존 기간이 지난 스냅샷들은 삭제합니다. (최대 보존 기간의 최솟값은 7일입니다.) - 고아 파일 정리: 파일 병합, 잘못 쓰인 파일 등 사용하지 않는 파일들을 정리합니다. 최대 보존 기간 내 고아 파일들은 유지되며 보존 기간이 지난 고아 파일들은 삭제합니다. (최대 보존 기간의 최솟값은 7일입니다.) ### 속성 정보 테이블 상세 정보 영역에서 **[속성 정보]** 탭 메뉴를 클릭하면 테이블 및 소스 데이터의 속성 정보를 확인할 수 있습니다. 정보 항목과 항목별 설명은 다음과 같습니다. | 속성 키 | 설명 | | --- | --- | | EXTERNAL | 외부 저장 | | clusterNo | 스캔된 Cloud Data Base 상품의 클러스터 번호 | | connectionId | 테이블을 생성한 스캐너의 커넥션 ID | | connectionName | 데이터 스캔을 위해 이용한 커넥션 이름 | | created_time | 테이블 생성 일시의 유닉스 시간 표기 | | dataFormat | 데이터 소스의 형식 | | dataType | 데이터 소스의 유형 | | delimiter | 소스 데이터가 CSV 파일인 경우 구분 기호 | | inputFormat | File을 Object로 읽기 위한 Format 형식 | | isDirectory | 스캔 대상이 디렉터리인 경우 TRUE 표시 | | last_modified_time | 테이블 업데이트 일시의 유닉스 시간 표기 | | numFiles | 스캔 대상이 디렉터리인 경우 스캔한 총 파일 수 | | objectstorageContentLength | 스캔된 Object Storage Content 디렉터리 내 파일들의 ContentLength 합 | | objectstorageContentType | 스캔된 Object Storage 디렉터리의 공통된 ContentType | | objectstorageLastModified | 스캔된 Object Storage 디렉터리 내 가장 최근 수정 파일의 수정 시간 | | outputFormat | Object를 File로 쓰기 위한 Format 형식 | | rowTag | 행을 정의하는 XML 태그 | | scannerId | 테이블을 생성한 스캐너 ID | | scannerName | 테이블을 생성한 스캐너 이름 | | serializationLib | Serializer and Deserializer Library | | serde.separatorChar | 데이터의 스키마를 결정하기 위한 구분 기호 | | serde.quoteChar | 문자열을 데이터로 인식할 기호 | | serde.escapeChar | 데이터로 인식된 문자열 값 안에 포함된 문자를 제거하기 위한 문자 | | skip.header.line.count | 제외할 헤더 라인 수 | | totalSize | 스캔 대상이 디렉터리인 경우 스캔한 총 데이터 용량 | | transient_lastDdlTime | 테이블 DDL 마지막 변경 일시의 유닉스 시간 표기 | | mysqlCollation | MySQL 테이블의 문자열 정렬 설정 | | mysqlDataSize | MySQL 테이블의 데이터 크기 | | mysqlIndexSize | MySQL 테이블의 인덱스 크기 | | mysqlIndexes | MySQL 테이블의 인덱스 수 | | mysqlRows | MySQL 테이블의 저장된 행(레코드) 수 | | mysqlTableSize | MySQL 테이블의 총 크기 | | mssqlCollation | MSSQL 테이블의 문자열 정렬 설정 | | mssqlDataSize | MSSQL 테이블의 데이터 크기 | | mssqlIndexSize | MSSQL 테이블의 인덱스 크기 | | mssqlIndexes | MSSQL 테이블의 인덱스 수 | | mssqlRows | MSSQL 테이블의 저장된 행(레코드) 수 | | mssqlTableSize | MSSQL 테이블의 총 크기 | | postgresqlCollation | PostgreSQL 테이블의 문자열 정렬 설정 | | postgresqlDataSize | PostgreSQL 테이블의 데이터 크기 | | postgresqlIndexSize | PostgreSQL 테이블의 인덱스 크기 | | postgresqlIndexes | PostgreSQL 테이블의 인덱스 수 | | postgresqlRows | PostgreSQL 테이블의 저장된 행(레코드) 수 | | postgresqlTableSize | PostgreSQL 테이블의 총 크기 | | mongodbAvgObjSize | MongoDB 컬렉션의 평균 문서 크기 | | mongodbFreeStorageSize | MongoDB 데이터베이스에서 사용 가능한 여유 저장 공간 크기 | | mongodbIndexSize | MongoDB 컬렉션의 인덱스 크기 | | mongodbIndexes | MongoDB 컬렉션에 있는 인덱스의 수 | | mongodbRowCount | MongoDB 컬렉션에 저장된 문서(레코드)의 수 | | mongodbSize | MongoDB 데이터베이스의 크기 | | mongodbStorageSize | MongoDB 데이터베이스의 저장소 크기 | | mongodbTotalSize | MongoDB 데이터베이스의 총 크기 | | compressionType | 스캔한 파일이 압축파일인 경우 압축 파일 확장자 | | metadata_location | Iceberg 테이블 사용 시 추가되는 metadata 파일 경로 | 참고 위 안내된 목록 외 Iceberg 테이블의 속성 정보 내용은 [Iceberg document](https://iceberg.apache.org/spec/#table-metadata)를 참조해 주십시오. ## 테이블 수정 생성한 테이블의 정보를 수정하거나, 스키마의 버전을 선택하는 방법은 다음과 같습니다. 참고 테이블 이름과 테이블이 속한 데이터베이스는 수정할 수 없습니다. 주의 테이블 유형이 Apache Iceberg이거나, view table은 스키마를 수정할 수 없습니다. ### 기본 정보 수정 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. 테이블 이름을 클릭하여 테이블 상세 화면으로 이동해 주십시오. 4. 기본 정보 영역의 **[수정]** 버튼을 클릭해 주십시오. 5. 기본 정보 수정 팝업에서 테이블의 정보를 수정해 주십시오. - 소스 데이터의 위치, 테이블 설명, 소스 데이터 형식을 수정할 수 있습니다. 6. **[저장]** 버튼을 클릭해 주십시오. ### 스키마 정보 수정 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. 테이블 이름을 클릭하여 테이블 상세 화면으로 이동해 주십시오. 4. 스키마 탭의 **[수정]** 버튼을 클릭해 주십시오. 5. 스키마 수정 화면이 나타나면, 필드이름, 데이터 유형, 설명을 수정할 수 있으며, JSON 수정 버튼을 통해서 직접 수정할 수도 있습니다. ``` [ { "name": "col_name", "type": "decimal", "typeValue": "(10,2)", "description": "catalog decimal" } ] ``` - **스키마** 영역의 **버전** 드롭다운 메뉴를 클릭하면 수정할 스키마 버전을 선택할 수 있습니다. - JSON 수정 시 아래와 같이 name, type, typeValue, description 항목이 존재해야 합니다. 6. **[저장]** 버튼을 클릭해 주십시오. ### 속성 정보 수정 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. 테이블 이름을 클릭하여 테이블 상세 화면으로 이동해 주십시오. 4. **[속성 정보]** 탭 메뉴의 **[수정]** 버튼을 클릭해 주십시오. 5. 테이블에서 사용할 inputFormat, outputFormat, serializationLib를 수정할 수 있습니다. - 데이터 형식에 맞지 않는 라이브러리로 수정할 경우 Data Query, Hive, Spark 등에서 쿼리 수행할 수 없으니 주의해 주십시오. 6. **[저장]** 버튼을 클릭해 주십시오. ## 테이블 삭제 생성한 테이블을 삭제하는 방법은 다음과 같습니다. 주의 - 삭제를 누르면 테이블의 버전 정보, 태그, 속성 등 관련된 모든 메타 정보가 삭제됩니다. - 속성 정보에 EXTERNAL=true 값이 없는 경우(Managed table인 경우) Object Storage의 실제 데이터가 삭제될 수 있습니다. - 삭제한 테이블 및 데이터는 복구할 수 없습니다. 참고 Iceberg 유형의 테이블을 삭제해도 실제 Object Storage의 데이터는 지워지지 않습니다. 1. 네이버 클라우드 플랫폼 콘솔의 VPC 환경에서 **Menu** > **All Services** > **Big Data & Analytics** > **Data Catalog** 메뉴를 차례대로 클릭해 주십시오. 2. **Table** 메뉴를 클릭해 주십시오. 3. 삭제할 테이블 이름을 클릭하여 테이블 상세 화면으로 이동합니다. 4. **[삭제]** 버튼을 클릭해 주십시오. 5. 알림 팝업 창이 나타나면 주의 사항을 확인한 후 **[삭제]** 버튼을 클릭해 주십시오.