# PostgreSQL에서 두 스키마 간 데이터 이동

# 1. PostgreSQL에서 데이터 이동 및 권한 설정

1.1 predict 스키마 삭제

predict 스키마를 삭제하여 초기화하고 모든 데이터를 새롭게 복사할 준비를 함.

DROP SCHEMA IF EXISTS predict CASCADE;

1.2 predict 스키마 생성

predict라는 새 스키마 생성

CREATE SCHEMA predict;

1.3 public 테이블을 predict로 복사

public.ready_to_predict 테이블의 모든 데이터를 predict.ready_to_predict 테이블로 복사

CREATE TABLE predict.ready_to_predict AS
SELECT * FROM public.ready_to_predict;

1.4 aiserver 사용자에게 predict 스키마 권한 부여

aiserver 사용자에게 predict 스키마에 대한 접근 및 테이블 권한 부여

GRANT USAGE ON SCHEMA predict TO aiserver;
GRANT ALL ON ALL TABLES IN SCHEMA predict TO aiserver;

1.5 앞으로 생성되는 테이블 권한 자동 부여 설정

새로 생성되는 테이블에도 자동으로 권한 부여되는 설정임

ALTER DEFAULT PRIVILEGES IN SCHEMA predict
GRANT ALL ON TABLES TO aiserver;

# 2. 데이터 비교 및 검증

2.1 EXCEPT를 통한 데이터 차이 비교

public에만 존재하는 데이터:

SELECT *
FROM public.ready_to_predict
EXCEPT
SELECT *
FROM predict.ready_to_predict;

predict에만 존재하는 데이터:

SELECT *
FROM predict.ready_to_predict
EXCEPT
SELECT *
FROM public.ready_to_predict;

2.2 행 수 확인

SELECT COUNT(*) AS row_count
FROM predict.ready_to_predict;

# 3. 서버 코드 수정 사항

3.1 데이터베이스 적재 시 predict 스키마 지정

pandas.DataFrame.to_sql 메서드에서 schema='predict'를 지정하여 데이터가 predict 스키마에 저장되도록 변경

df_DB.to_sql(
    'ready_to_predict',  # 테이블 이름
    engine,              # 데이터베이스 엔진
    schema='predict',    # 스키마 지정
    if_exists='append',  # 데이터가 존재하면 추가
    index=False          # 인덱스 제외
)

3.2 데이터베이스 연결 테스트 엔드포인트 추가

서버에서 데이터베이스 연결 및 predict.ready_to_predict 테이블 조회를 테스트하기 위한 엔드포인트 추가

from sqlalchemy import text

@app.get("/test-db-connection/")
def test_db_connection():
    """
    데이터베이스 연결 테스트 및 predict.ready_to_predict에서 데이터 확인
    """
    try:
        with engine.connect() as conn:
            query = text("SELECT * FROM predict.ready_to_predict LIMIT 1")
            result = conn.execute(query)
            df = pd.DataFrame(result.fetchall(), columns=result.keys())
            
            if df.empty:
                return {"status": "success", "message": "Table is accessible but contains no data."}
            
            return {
                "status": "success",
                "message": "Database connection successful and data retrieved.",
                "data": df.to_dict(orient="records")
            }
    except Exception as e:
        raise HTTPException(status_code=500, detail=f"An error occurred: {str(e)}")