SlideShare a Scribd company logo
1 of 10
© 2009 CUBRID Co, Ltd. All rights reserved.
Chapter 1. 개발환경구성 3주차
기술본부
2013.03.29
1
© 2009 CUBRID Co, Ltd. All rights reserved.
목차
1.현실적 시스템 성능저하 주요 원인
2.시스템 성능관리
3.오라클 성능 분석 체크리스트
별첨. 금주 세미나자료
© 2009 CUBRID Co, Ltd. All rights reserved.
0. W 차장은 이렇게 일한다.(큐브리드는 어떻게 일하는가?)
요새 고민은 어떻게 피드백을 빨리 할까 입니다. 빠른 피드백의 장단점이 있겠지만 단점은 어떻게 보완 할 것인지 고민입니다.
그래도 피드백이 늦어져서 하지 말아야 할 일을 반복 하는 것 보다는 낳으니까요.
1 2
피드백(feedback, 되먹임, 되알
림, 환류, 송환)은 어떤 일로 인
해 일어난 결과가 다시 원인에
영향을 미치는 자동 제어 원리이
다.
증가된 출력을 더 증가시키는 양
성 피드백(positive feedback)과
증가된 출력을 감소시켜 다시 안
정한 상태로 되돌리는 음성 피드
백(negative feedback)으로 나눌
수 있다.
[출처] 위키페디아 -
http://ko.wikipedia.org/wiki/%ED%94%BC%EB%93%9C%EB%B0%B1
© 2009 CUBRID Co, Ltd. All rights reserved.
1. 현실적 시스템 성능저하 주요 원인
일반적인 소프트웨어 프로젝트 중 전체 시스템의 성능저하의 주요 원인은 다음과 같으며 대부분의 경우 DB와 관련된 이슈가 대다수임.
DB근간 시스템에서의 성능저하 주요 원인
• 대부분의 성능저하 주요인은 DB관련 비효율
• 성능저하의 핵심은 CPU/Memory 부하가 아닌 비 효율적인 I/O
• 당사의 수많은 성능개선 컨설팅 경험에 비추어 90% 이상이 DB처리 효율화가 핵심
– RDB에 적합한 최적화 DB Design과 Optimizer가 최고의 효율을 낼 수 있는 옵티마이징 전략과 집합개념의 고성능 SQL이 성공의
열쇠
20%
DB Config. Design
15%
5%
Applications &
DB Design
70%
CPU 부하 15%
Memory 부하
10%
기타
5%
I/O 비효율
70%
시스템 성능저하의 요인
DB설계의 문제와 응용프로그램 문제로
인한 성능저하 요인
System Design
H/W Resources
※ 별첨4. 튜닝워크샵교재v1_20040712.ppt 참고
© 2009 CUBRID Co, Ltd. All rights reserved.
2. 시스템 성능관리
구축 및 운영 System이 최적의 자원으로 최적의 성능(시간/응답속도)을 발휘할 수 있도록 설계와 구현 응용시스템을 조화롭게 유지 개
선하는 기술
• Key factor base on Performance
• H/W Related Issues
– CPU , Memory , N/W , Disk … System config resources 부족
• S/W Related Issues
– DBMS
• DB Design , Index Design , Optimizing Strategy , SQL 효율 …
– Application Architecture
• 2-Tire , 3-Tier , EJB …
• OLTP , OLAP(adhoc) , Batch …
• C , COBOL , PL/SQL , JSQL , SP …
• Business Process Requirement
– 업무 처리 방식의 문제 등
– Load Balancing 정책 등
※ 별첨4. 튜닝워크샵교재v1_20040712.ppt 참고
별첨2. 퍼포먼스 강의 자료
_(Unix Performane
Management)
© 2009 CUBRID Co, Ltd. All rights reserved.
• 오라클 성능 분석 체크리스트
3. 오라클 성능 분석 체크리스트
순서 구분 체크리스트 검토 사항 및 권고 사항
1
설계
DB 설정이 최적화 되어 있는지 검토 OLTP,DSS에 맞게 셋팅 되어 있는지
2 테이블스페이스 설계가 I/O분산이 적절히 되도록 검토 TABLE과 INDEX는 테이블스페이스 분리 할것
3 오라클 메모리 설정이 최적화 되어 있는지 검토 가용메모리의 70~80% 셋팅 현재 1.2G -> 4G로 올릴것
4 물리 설계가 최적화 되어있는지 ( 파티셔닝, IOT) 검토 응용과 Data Access Path 에 의해 결정
5 인덱스 설계가 최적화 되어 있는지 검토 응용과 Data Access Path 에 의해 결정
6
서버튜닝
메모리 구조 튜팅( Buffer Cache, Large-Pool, Log Buffer , PGA ) Buffer Cache 4G , Large 20M, PGA 1G
7 CBO Opitmizer일 경우 통계 데이터 Analyze는 충분히 샘플링 되는지 검토 잘됨
8 Disk I/O를 분산하도록 설정이 되어 있는지 SAME으로 구성할 것을 권장함
9
SQL
Access Path가 최적화 되어 있는지 검토 대부분은 잘되어 있음
10
Join Method는 옵티마이저가 업무 성격에
맞게 생성 되는지 검토( Nested Loop, Sort Merge , Hash Join)
11 NL 조인시 선행 테이블을 잘 선정하여 Access Path가 최적화 되는지 검토
12
응용
소프트 파싱을 하기 위한 데이터 바인딩을 하고 있는지 검토 prepareStatement 를 사용하여 바인딩 할것
13 부하를 줄이기 위한 응용 설정이 최적화 되어 있는지 검토
타 DBMS의 경우 다음과 같은 분석 체크리스트가 존재하며 CUBRID 분석 체크리스트도 만들 필요가 있음.
© 2009 CUBRID Co, Ltd. All rights reserved.
4. CUBRID 지식 분류체계 案
CUBRID 지식 분류체계 案
© 2009 CUBRID Co, Ltd. All rights reserved.
5. 역할별 튜닝 접근 Approach
시스템 성능 문제 발생시 역할별 튜닝 접근 방법은 다음과 같을 수 있습니다. 물론 쉬운 방법도 어려운 방법도 있습니다. 개발 단계별 접
근 방법도 분류해 볼 수 있는 방법이라고 생각합니다.
1.OS자원의
튜닝
2.인스턴스 튜닝
3.어플리케이션의 튜닝
4.오브젝트의 튜닝
5.SQL 튜닝
6.DB 설계 변경(튜닝)
7.Architecture 변경
SE
DBA
개발자, SE
DBA, 개발자
DBA
DBA, 개발자
개발자, DBA, SE
© 2009 CUBRID Co, Ltd. All rights reserved.
6. 지식공유(Top down Approach) 1/2
퇴근시간
TV드라마 시청시간
개인시간
취침시간 출근시간
출근시간
© 2009 CUBRID Co, Ltd. All rights reserved.
6. 지식공유(Top down Approach) 2/2
쉬는날 평일평일

More Related Content

Similar to Chap1. 개발환경구성 3주차 20130329

[PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System [PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System Kwangseob Kim
 
[PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System [PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System Kwangseob Kim
 
Pg day seoul 2016 session_02_v1.0_ff
Pg day seoul 2016 session_02_v1.0_ffPg day seoul 2016 session_02_v1.0_ff
Pg day seoul 2016 session_02_v1.0_ffPgDay.Seoul
 
Sua 정보보호관리체계 cissp_bcp&drp_강의교안
Sua 정보보호관리체계 cissp_bcp&drp_강의교안Sua 정보보호관리체계 cissp_bcp&drp_강의교안
Sua 정보보호관리체계 cissp_bcp&drp_강의교안Lee Chanwoo
 
클라우드 환경에서 알아야할 성능 이야기
클라우드 환경에서 알아야할 성능 이야기클라우드 환경에서 알아야할 성능 이야기
클라우드 환경에서 알아야할 성능 이야기YoungSu Son
 
[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance Tuning[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance TuningJi-Woong Choi
 
모니터링 영역의 변천사_클라우드, 디지털 경험까지)
모니터링 영역의 변천사_클라우드, 디지털 경험까지)모니터링 영역의 변천사_클라우드, 디지털 경험까지)
모니터링 영역의 변천사_클라우드, 디지털 경험까지)IMQA
 
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기YoungSu Son
 
[오픈소스컨설팅]Performance Tuning How To
[오픈소스컨설팅]Performance Tuning How To[오픈소스컨설팅]Performance Tuning How To
[오픈소스컨설팅]Performance Tuning How ToJi-Woong Choi
 
MySQL_SQL_Tunning_v0.1.3.docx
MySQL_SQL_Tunning_v0.1.3.docxMySQL_SQL_Tunning_v0.1.3.docx
MySQL_SQL_Tunning_v0.1.3.docxNeoClova
 
4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)
4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)
4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)JMP Korea
 
산동네 게임 DBA 이야기
산동네 게임 DBA 이야기산동네 게임 DBA 이야기
산동네 게임 DBA 이야기병기 홍
 
Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720Cana Ko
 
서버학개론(백엔드 서버 개발자를 위한)
서버학개론(백엔드 서버 개발자를 위한)서버학개론(백엔드 서버 개발자를 위한)
서버학개론(백엔드 서버 개발자를 위한)수보 김
 
3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc
3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc
3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arcNAVER D2
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020Jinwoong Kim
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWSKRUG - AWS한국사용자모임
 
MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...
MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...
MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...문기 박
 

Similar to Chap1. 개발환경구성 3주차 20130329 (20)

[PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System [PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System
 
[PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System [PYCON Korea 2018] Python Application Server for Recommender System
[PYCON Korea 2018] Python Application Server for Recommender System
 
Pg day seoul 2016 session_02_v1.0_ff
Pg day seoul 2016 session_02_v1.0_ffPg day seoul 2016 session_02_v1.0_ff
Pg day seoul 2016 session_02_v1.0_ff
 
Sua 정보보호관리체계 cissp_bcp&drp_강의교안
Sua 정보보호관리체계 cissp_bcp&drp_강의교안Sua 정보보호관리체계 cissp_bcp&drp_강의교안
Sua 정보보호관리체계 cissp_bcp&drp_강의교안
 
클라우드 환경에서 알아야할 성능 이야기
클라우드 환경에서 알아야할 성능 이야기클라우드 환경에서 알아야할 성능 이야기
클라우드 환경에서 알아야할 성능 이야기
 
[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance Tuning[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance Tuning
 
모니터링 영역의 변천사_클라우드, 디지털 경험까지)
모니터링 영역의 변천사_클라우드, 디지털 경험까지)모니터링 영역의 변천사_클라우드, 디지털 경험까지)
모니터링 영역의 변천사_클라우드, 디지털 경험까지)
 
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
클라우드 & 모바일 환경에서 알아야 할 성능 품질 이야기
 
[오픈소스컨설팅]Performance Tuning How To
[오픈소스컨설팅]Performance Tuning How To[오픈소스컨설팅]Performance Tuning How To
[오픈소스컨설팅]Performance Tuning How To
 
MySQL_SQL_Tunning_v0.1.3.docx
MySQL_SQL_Tunning_v0.1.3.docxMySQL_SQL_Tunning_v0.1.3.docx
MySQL_SQL_Tunning_v0.1.3.docx
 
steeleye Replication
steeleye Replication steeleye Replication
steeleye Replication
 
4-1: JMP/Python 에코시스템 성공 사례
4-1: JMP/Python 에코시스템 성공 사례4-1: JMP/Python 에코시스템 성공 사례
4-1: JMP/Python 에코시스템 성공 사례
 
4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)
4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)
4-1: JMP/Python 에코시스템 성공 사례 (한얼솔루션 이광기 상무)
 
산동네 게임 DBA 이야기
산동네 게임 DBA 이야기산동네 게임 DBA 이야기
산동네 게임 DBA 이야기
 
Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720
 
서버학개론(백엔드 서버 개발자를 위한)
서버학개론(백엔드 서버 개발자를 위한)서버학개론(백엔드 서버 개발자를 위한)
서버학개론(백엔드 서버 개발자를 위한)
 
3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc
3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc
3.[d2 오픈세미나]분산시스템 개발 및 교훈 n base arc
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
 
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020 AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
AWS기반 서버리스 데이터레이크 구축하기 - 김진웅 (SK C&C) :: AWS Community Day 2020
 
MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...
MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...
MSA(Service Mesh), MDA(Data Mesh), MIA(Inference Mesh) 기술동향 소개-박문기@메ᄀ...
 

Chap1. 개발환경구성 3주차 20130329

  • 1. © 2009 CUBRID Co, Ltd. All rights reserved. Chapter 1. 개발환경구성 3주차 기술본부 2013.03.29 1
  • 2. © 2009 CUBRID Co, Ltd. All rights reserved. 목차 1.현실적 시스템 성능저하 주요 원인 2.시스템 성능관리 3.오라클 성능 분석 체크리스트 별첨. 금주 세미나자료
  • 3. © 2009 CUBRID Co, Ltd. All rights reserved. 0. W 차장은 이렇게 일한다.(큐브리드는 어떻게 일하는가?) 요새 고민은 어떻게 피드백을 빨리 할까 입니다. 빠른 피드백의 장단점이 있겠지만 단점은 어떻게 보완 할 것인지 고민입니다. 그래도 피드백이 늦어져서 하지 말아야 할 일을 반복 하는 것 보다는 낳으니까요. 1 2 피드백(feedback, 되먹임, 되알 림, 환류, 송환)은 어떤 일로 인 해 일어난 결과가 다시 원인에 영향을 미치는 자동 제어 원리이 다. 증가된 출력을 더 증가시키는 양 성 피드백(positive feedback)과 증가된 출력을 감소시켜 다시 안 정한 상태로 되돌리는 음성 피드 백(negative feedback)으로 나눌 수 있다. [출처] 위키페디아 - http://ko.wikipedia.org/wiki/%ED%94%BC%EB%93%9C%EB%B0%B1
  • 4. © 2009 CUBRID Co, Ltd. All rights reserved. 1. 현실적 시스템 성능저하 주요 원인 일반적인 소프트웨어 프로젝트 중 전체 시스템의 성능저하의 주요 원인은 다음과 같으며 대부분의 경우 DB와 관련된 이슈가 대다수임. DB근간 시스템에서의 성능저하 주요 원인 • 대부분의 성능저하 주요인은 DB관련 비효율 • 성능저하의 핵심은 CPU/Memory 부하가 아닌 비 효율적인 I/O • 당사의 수많은 성능개선 컨설팅 경험에 비추어 90% 이상이 DB처리 효율화가 핵심 – RDB에 적합한 최적화 DB Design과 Optimizer가 최고의 효율을 낼 수 있는 옵티마이징 전략과 집합개념의 고성능 SQL이 성공의 열쇠 20% DB Config. Design 15% 5% Applications & DB Design 70% CPU 부하 15% Memory 부하 10% 기타 5% I/O 비효율 70% 시스템 성능저하의 요인 DB설계의 문제와 응용프로그램 문제로 인한 성능저하 요인 System Design H/W Resources ※ 별첨4. 튜닝워크샵교재v1_20040712.ppt 참고
  • 5. © 2009 CUBRID Co, Ltd. All rights reserved. 2. 시스템 성능관리 구축 및 운영 System이 최적의 자원으로 최적의 성능(시간/응답속도)을 발휘할 수 있도록 설계와 구현 응용시스템을 조화롭게 유지 개 선하는 기술 • Key factor base on Performance • H/W Related Issues – CPU , Memory , N/W , Disk … System config resources 부족 • S/W Related Issues – DBMS • DB Design , Index Design , Optimizing Strategy , SQL 효율 … – Application Architecture • 2-Tire , 3-Tier , EJB … • OLTP , OLAP(adhoc) , Batch … • C , COBOL , PL/SQL , JSQL , SP … • Business Process Requirement – 업무 처리 방식의 문제 등 – Load Balancing 정책 등 ※ 별첨4. 튜닝워크샵교재v1_20040712.ppt 참고 별첨2. 퍼포먼스 강의 자료 _(Unix Performane Management)
  • 6. © 2009 CUBRID Co, Ltd. All rights reserved. • 오라클 성능 분석 체크리스트 3. 오라클 성능 분석 체크리스트 순서 구분 체크리스트 검토 사항 및 권고 사항 1 설계 DB 설정이 최적화 되어 있는지 검토 OLTP,DSS에 맞게 셋팅 되어 있는지 2 테이블스페이스 설계가 I/O분산이 적절히 되도록 검토 TABLE과 INDEX는 테이블스페이스 분리 할것 3 오라클 메모리 설정이 최적화 되어 있는지 검토 가용메모리의 70~80% 셋팅 현재 1.2G -> 4G로 올릴것 4 물리 설계가 최적화 되어있는지 ( 파티셔닝, IOT) 검토 응용과 Data Access Path 에 의해 결정 5 인덱스 설계가 최적화 되어 있는지 검토 응용과 Data Access Path 에 의해 결정 6 서버튜닝 메모리 구조 튜팅( Buffer Cache, Large-Pool, Log Buffer , PGA ) Buffer Cache 4G , Large 20M, PGA 1G 7 CBO Opitmizer일 경우 통계 데이터 Analyze는 충분히 샘플링 되는지 검토 잘됨 8 Disk I/O를 분산하도록 설정이 되어 있는지 SAME으로 구성할 것을 권장함 9 SQL Access Path가 최적화 되어 있는지 검토 대부분은 잘되어 있음 10 Join Method는 옵티마이저가 업무 성격에 맞게 생성 되는지 검토( Nested Loop, Sort Merge , Hash Join) 11 NL 조인시 선행 테이블을 잘 선정하여 Access Path가 최적화 되는지 검토 12 응용 소프트 파싱을 하기 위한 데이터 바인딩을 하고 있는지 검토 prepareStatement 를 사용하여 바인딩 할것 13 부하를 줄이기 위한 응용 설정이 최적화 되어 있는지 검토 타 DBMS의 경우 다음과 같은 분석 체크리스트가 존재하며 CUBRID 분석 체크리스트도 만들 필요가 있음.
  • 7. © 2009 CUBRID Co, Ltd. All rights reserved. 4. CUBRID 지식 분류체계 案 CUBRID 지식 분류체계 案
  • 8. © 2009 CUBRID Co, Ltd. All rights reserved. 5. 역할별 튜닝 접근 Approach 시스템 성능 문제 발생시 역할별 튜닝 접근 방법은 다음과 같을 수 있습니다. 물론 쉬운 방법도 어려운 방법도 있습니다. 개발 단계별 접 근 방법도 분류해 볼 수 있는 방법이라고 생각합니다. 1.OS자원의 튜닝 2.인스턴스 튜닝 3.어플리케이션의 튜닝 4.오브젝트의 튜닝 5.SQL 튜닝 6.DB 설계 변경(튜닝) 7.Architecture 변경 SE DBA 개발자, SE DBA, 개발자 DBA DBA, 개발자 개발자, DBA, SE
  • 9. © 2009 CUBRID Co, Ltd. All rights reserved. 6. 지식공유(Top down Approach) 1/2 퇴근시간 TV드라마 시청시간 개인시간 취침시간 출근시간 출근시간
  • 10. © 2009 CUBRID Co, Ltd. All rights reserved. 6. 지식공유(Top down Approach) 2/2 쉬는날 평일평일