컴퓨터에 저장된 것은 0과 1의 줄일 뿐이고, 그 줄만 봐서는 몸무게인지 글자인지 알 수 없다. 암호문과 해독표처럼, 0과 1의 줄에 “이건 킬로그램 단위의 몸무게다”라는 설명이 붙어야 뜻을 가진 값이 된다. 그 값들이 어떤 모양으로 퍼져 있다고 볼지까지 정하면 “평균은 얼마”라는 요약이 나온다. 설명이 틀리거나 없으면 같은 0과 1에서 전혀 다른 값이 나온다.
예시로 보기
파일을 열었더니 이런 줄이 나온다.
0000 0000 0100 0011
0000 0000 0101 0000
0000 0000 0010 0110
0000 0000 0100 1011
0000 0000 0101 0010
⋮
이것만으로는 아무것도 할 수 없다. 16칸을 한 덩어리로 읽는지, 8칸씩 읽는지, 수인지 글자인지 모른다.
“16비트씩 끊어 읽는 정수이고, 단위는 kg인 몸무게다”라는 설명이 붙으면 달라진다. 줄마다 2진수로 읽어 67, 80, 38, 75, 82 kg이 된다1. 이제야 “두 번째 사람이 가장 무겁다”는 말을 할 수 있다.
여기서 한 걸음 더 간다. 이 몸무게들이 가운데가 볼록한 종 모양(정규분포)으로 퍼져 있다고 가정하면, 수백 줄의 자료를 평균과 분산 두 숫자로 줄일 수 있다. 아래 그림이 이 흐름이다.
flowchart LR
D["데이터: 0과 1의 줄"] --> I["정보: 67, 80, 38, ... kg"]
M["메타데이터: 16비트 정수, 무게, kg"] --> I
I --> R["요약: 평균 67, 분산 3"]
K["모델: 정규분포"] --> R
메타데이터는 데이터를 값으로 바꾸는 데 쓰이고, 모델은 값들을 요약으로 바꾸는 데 쓰인다. 그림의 평균 67, 분산 3은 요약이 어떤 모양인지 보이는 예시 값이다. 위의 다섯 줄만으로 계산한 값은 아니다. 다섯 줄만 평균 내면 68.4다1.
해독표를 바꾸면 같은 줄이 다른 것이 된다. 16비트 1010110000000000을 수로 읽으면 44032이고, 글자 번호로 읽으면 한글 ‘가’다.
네 가지 말
그림에 나온 네 낱말을 표로 정리하면 이렇다.
| 말 | 무엇인가 | 위 예에서 |
|---|---|---|
| 데이터 | 저장되거나 오간 0과 1의 줄 그 자체 | 0000 0000 0100 0011 … |
| 메타데이터 | 데이터를 어떻게 읽을지 알려 주는, 데이터에 대한 데이터 | 16비트 정수, 무게, kg |
| 정보 | 데이터를 메타데이터대로 읽어 뜻을 갖게 된 것 | 67 kg, 80 kg, … |
| 모델 | 값들이 어떤 모양으로 생겼다고 보는 가정 | 정규분포 → 평균 67, 분산 3 |
‘메타(meta)’는 ‘~에 대한’이라는 뜻이다. 메타데이터는 데이터에 대한 데이터다.
같은 구도는 글자에도 그대로 통한다. 1010110000000000이 데이터, “코드 변환기로 읽을지 수치 변환기로 읽을지”가 메타데이터, 그 결과인 ‘가’나 44032가 정보다. 0과 1의 줄을 글자로 바꾸는 약속은 부호와 부호화에서, 정수로 바꾸는 약속은 정수의 2진 표현과 2의 보수에서 다룬다.
활용
- 파일 확장자와 헤더.
.png,.csv같은 확장자와 파일 앞머리의 형식 정보가 메타데이터다. 같은 바이트를 그림으로 읽을지 글로 읽을지 정한다1. - 프로그래밍 언어의 타입. C의
int,float,char는 “이 메모리 칸을 이렇게 읽어라”라는 메타데이터다. 데이터의 기본형으로 흔히 int, long, float, double, char를 든다. - 표의 열 이름과 단위. 열 이름이 ‘무게’이고 단위가 kg인지 lb인지 적혀 있지 않으면 숫자를 쓸 수 없다1.
- 흔한 실수: 글자가 깨져 보이는 것. 데이터는 멀쩡한데 “어느 글자표로 읽을지”라는 메타데이터가 틀린 경우다1.
연결
- 선수: 진법과 자릿수(0과 1의 줄을 수로 읽기)
- 이어지는 개념: 정수의 2진 표현과 2의 보수, 부호와 부호화
- 모델의 예: 정규분포
과목별 관점
데이터베이스 설계 (2-2학기). 데이터베이스는 메타데이터를 프로그램 안이 아니라 데이터 곁에 따로 모아 둔다. 그 자리를 카탈로그(catalog)라 부른다. 대학 데이터베이스를 예로 들면, 카탈로그에는 표가 둘 있다. 하나는 표 이름과 칸의 수를 적는다(STUDENT 4, COURSE 4, SECTION 5, GRADE_REPORT 3, PREREQUISITE 2). 다른 하나는 칸마다 이름, 자료형, 어느 표의 칸인지를 적는다(Name은 Character (30)이고 STUDENT의 칸). 이 문서의 “16비트 정수, 무게, kg”과 같은 일을 하는 설명이다.
저장된 레코드를 끊어 읽는 데 쓰는 메타데이터도 나온다. 학생 레코드 하나에서 1번째부터 30글자가 이름, 31번째부터 4글자가 학번, 35번째 1글자가 학년, 36번째부터 4글자가 전공이다. 모두 더하면 39글자다. 이 자리표가 없으면 39글자가 어디서 끊기는지 알 수 없다2.
데이터베이스에서 더 따지는 것은 메타데이터를 어디에 두느냐다. 자리표를 프로그램마다 코드에 적어 두면 레코드의 모양이 바뀔 때 프로그램을 모두 고쳐야 한다. 카탈로그 한곳에 두고 프로그램이 그것을 거쳐 읽게 하면, 모양이 바뀌어도 프로그램은 그대로다2. 데이터베이스는 자기 구조의 설명을 함께 품고 있다. 그 덕분에 프로그램과 데이터가 서로 매이지 않는다. 레코드 끝에 생일 8글자를 붙이는 예는 데이터베이스 방식의 네 가지 특징에 있다.
확인 문제
C1 데이터, 메타데이터, 정보, 모델을 각각 한 문장으로 말하라.
답: 데이터는 0과 1의 줄 그 자체다. 메타데이터는 그 줄을 어떻게 읽을지 알려 주는 설명이다. 정보는 데이터를 메타데이터대로 읽어 뜻을 갖게 된 값이다. 모델은 그 값들이 어떤 모양으로 생겼는지에 대한 가정이고, 값들을 몇 개의 숫자로 요약하게 해 준다.
흔한 오답: 정보와 데이터를 같은 것으로 쓰는 것. 읽는 법이 붙기 전에는 정보가 아니다.
C2 0과 1의 줄만 받고 메타데이터를 받지 못하면 왜 쓸 수 없는가? 예를 하나 들어라.
답: 같은 줄을 읽는 방법이 여럿이고, 방법마다 값이 다르기 때문이다. 1010110000000000은 수로 읽으면 44032, 글자 번호로 읽으면 ‘가’다. 수로 읽더라도 단위가 kg인지 g인지 모르면 크기를 비교할 수 없다.
C3 8비트 0100 1011을 (a) 부호 없는 정수로 (b) ASCII 글자로 읽어라. 두 결과가 다른 까닭은?
답: (a) \(64 + 8 + 2 + 1 = 75\). (b) 글자 ‘K’. 데이터는 같고 메타데이터(정수로 읽기, 글자표로 읽기)만 다르다1.