[SQLD] 1과목. 데이터 모델링의 이해 요약

 

 

 

과목 1. 데이터 모델링의 이해

1장. 데이터 모델링의 이해

 

1절. 데이터 모델의 이해

● 데이터 모델링 유의점

중복 : 데이터베이스가 여러 장소에 같은 정보를 저장

비유연성 : 사소한 업무변화에 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움 가중

비일관성 : 중복 없어도 비일관성 발생

 

● 데이터 모델링

개념적 : 높은 추상화 수준, 업무중심적, 포괄적 수준, EA수립

논리적 : key, 속성, 관계 등 표현, 재사용성 높음

물리적 : 실제 데이터베이스 이식, 물리적 성격 고려, 구체적

 

● 데이터 독립성 요소

외부 스키마 : 사용자가 보는 개인적 데이터베이스 스키마

개념 스키마 : 조직 전체 관점의 통합적 표현

내부 스키마 : 물리적 장치에 데이터가 실제적 저장

 

● 데이터 모델링의 3가지 요소

어떤 것(Things), 성격(Attributes), 관계(Relationships)

 

● 모델링의 특징

추상화, 단순화, 정확화

 

● 데이터 모델 표기법

IE , Barker, UML 각 표기법 알아두기 (생략)

 

● ERD 작성 순서

1. 엔터티 그림

2. 엔터티 배치

3. 엔터티 관계설정

4. 관계명 기술

5. 관계의 참여도 기술

6. 관계 필수여부 기술

(중요 엔터티는 왼쪽 상단에 배치한다.)

 

● 좋은 데이터 모델의 요소

완전성 : 업무에 필요한 모든 데이터가 데이터 모델에 정의

중복배제 : 하나의 데이터베이스 내에 동일한 사실은 한번만 기록

업무규칙 : 업무규칙을 모든 사용자가 공유하도록 제공

데이터 재사용 : 데이터의 통합성과 독립성에 대해 고려

의사소통 : 업무규칙은 데이터 모델에 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세히 표현

통합성 : 동일한 데이터는 한 번만 정의되고 이를 참조, 활용

 

 

 

2절. 엔터티

● 엔터티의 특징

1) 반드시 해당 업무에서 필요하고 관리하고자 하는 정보

2) 유일한 식별자에 의해 식별 가능해야 함

3) 영속적으로 존재하는 인스턴스 집합 (2개 이상 인스턴스)

4) 업무 프로세스에 의해 이용되어야 함

5) 반드시 속성이 있어야 함

6) 다른 엔터티와 최소 1개 이상의 관계가 있어야 함

 

● 엔터티의 분류

1) 유무형에 따른 분류

유형 : 물리적 형태 (사원, 물품, 강사 등)

개념 : 개념적 정보 (조직, 보험상품 등)

사건 : 업무 수행시 발생 (주문, 청구, 미납 등)

 

2) 발생시점에 따른 분류

기본 : 그 업무에 원래 존재하는 정보 (사원, 부서 등)

중심 : 기본 엔터티로부터 발생 (계약, 사고, 주문 등)

행위 : 2개 이상의 부모엔터티로부터 발생, 자주 바뀌거나 양이 증가 (주문목록, 사원변경이력 등)

 

● 엔터티의 명명 규칙

1) 현업업무에서 사용하는 용어 사용

2) 약어 사용 금지

3) 단수명사 사용

4) 고유한 이름 사용

5) 생성의미대로 부여

 

 

 

3절. 속성

● 속성

업무에서 필요로 하는 인스턴스로 관리하고자 하는 의미상 분리되지 않는 최소의 데이터 단위

 

● 엔터티, 인스턴스, 속성값의 관계

1개의 엔터티는 2개 이상의 인스턴스 집합

1개의 엔터티는 2개 이상의 속성을 가짐

1개의 속성은 1개의 속성값을 가짐

 

● 속성의 분류

기본: 업무로부터 추출한 모든 일반적인 속성

설계: 업무를 규칙화하기 위해 새로 만들거나 변형하여 정의

파생: 1) 다른 속성에 영향을 받아 발생하는 속성, 빠른 성능을 낼 수 있도록 원래 속성의 값을 계산

       2) 유추되어 재산정이 가능

       (이 속성이 없어도 다른 속성을 이용해 결과도출 가능)

 

● 도메인

각 속성이 가질 수 있는 값의 범위

엔터티 내에서 속성에 대한 데이터 타입, 크기, 제약사항 지정

 

● 속성의 명명 규칙

1) 업무에서 사용하는 이름 부여

2) 서술식 속성명 사용 금지

3) 약어 사용 금지

4) 전체 데이터모델에서 유일성 확보

 

 

 

4절. 관계

● 관계

엔터티의 인스턴스 사이의 논리적인 연관성으로서 존재의 형태로서나 행위로서 서로에게 연관성이 부여된 상태

 

● 관계의 표기법

관계명 : 관계의 이름

관계차수 : 1:1, 1:M, M:N

관계선택성(관계선택사양) : 필수관계, 선택관계

 

● 관계 체크사항

1) 2개의 엔터티 사이에 관심있는 연관 규칙 존재함?

2) 2개의 엔터티 사이에 정보의 조합 발생됨?

3) 업무기술서, 장표에 관계연결에 대한 규칙 서술됨?

4) 업무기술서, 장표에 관계연결을 가능케 하는 동사 있음?

 

 

 

5절. 식별자

● 식별자

엔터티내에서 인스턴스를 구분할 수 있는 구분자

 

● 식별자의 특징

유일성 : 주식별자에 의해 모든 인스턴스들이 유일하게 구분

최소성 : 주식별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 함

불변성 : 지정된 주식별자의 값은 변하지 않아야 함

존재성 : 주식별자가 지정되면 반드시 값이 존재 (NULL X)

 

● 식별자 분류

1) 대표성여부

주식별자 : 엔터티 내에서 각 어커런스를 구분할 수 있는 구분자, 타 엔터티와 참조관계를 연결할 수 있음

보조식별자 : 어커런스를 구분할 수 있는 구분자이나, 대표성을 가지지 못해 참조관계 연결 불가

 

2) 스스로생성여부

내부식별자 : 엔터티 내부에서 스스로 만들어지는 식별자

외부식별자 : 타 엔터티로부터 받아오는 식별자

 

3) 속성의 수

단일식별자 : 하나의 속성으로 구성

복합식별자 : 둘 이상의 속성으로 구성

 

4) 대체 여부

본질식별자 : 업무에 의해 만들어지는 식별자

인조식별자 : 인위적으로 만든 식별자

 

● 주식별자 도출 기준

1) 해당 업무에서 자주 이용되는 속성

2) 명칭, 내역 등과 같이 이름으로 기술되는 것들은 피함

3) 속성의 수가 많아지지 않도록 함

 

● 식별자 관계

1) 주식별자

자식의 주식별자로 부모의 주식별자 상속

강한 연결관계 표현, 실선 표기

2) 비식별자

부모 속성을 자식의 일반 속성으로 사용

약한 연결관계 표현, 점선 표기

1. 부모 없는 자식이 생성될 수 있는 경우

2. 부모와 자식의 생명주기가 다른 경우

3. 여러개의 엔터티가 하나의 엔터티로 통합되어 표현되었는데 각각의 엔터티가 별도의 관계를 가진 경우

4. 자식엔터티에 별도 주식별자를 생성하는게 더 유리한 경우

5. SQL 문장이 길어져 복잡성 증가되는 것 방지

 

 

 

2장. 데이터 모델과 성능

1절. 성능 데이터 모델링의 개요

● 성능 데이터 모델링

1) 데이터베이스 성능 향상 목적으로 데이터모델링 때부터 성능과 관련된 사항이 데이터모델링에 반영되도록 함

2) 분석/설계 단계에서 성능을 고려한 데이터모델링을 수행할 경우 재업무 비용을 최소화 할 수 있는 기회 얻음

3) 데이터의 증가가 빠를수록 성능개선비용 증가

 

● 성능 데이터 모델링 고려사항 순서

1. 데이터 모델링을 할 때 정규화를 정확하게 수행

2. 데이터베이스 용량산정을 수행

3. 데이터베이스에 발생되는 트랜잭션의 유형을 파악

4. 용량과 트랜잭션의 유형에 따라 반정규화를 수행

5. 이력모델의 조정, PK/FK조정, 슈퍼/서브타입 조정

6. 성능관점에서 데이터 모델을 검증

 

 

 

2절. 정규화와 성능

● 정규화

반복적인 데이터를 분리하고 각 데이터가 종속된 테이블에 적절하게 배치되도록 하는 것

 

1) 1차 정규화

대상 : 칼럼에 의한 반복, 중복적인 속성 값을 갖는 형태

하나의 셀에는 하나의 값만 저장

 

2) 2차 정규화

부분적 함수 종속 제거

기본키 열과 기본키가 아닌 열 간의 종속 관계가 있을 경우 다른 테이블로 분리

 

3) 3차 정규화

이행적 함수 종속 제거

기본키가 아닌 열끼리 종속관계가 있을 경우 별도 테이블로 분리

 

 

 

3절. 반정규화와 성능

● 반정규화

정규화된 엔터티, 속성, 관계에 대해 시스템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법

 

● 반정규화 대상조사

1) 범위처리빈도수 조사

2) 대량의 범위 처리 조사

3) 통계성 프로세스 처리

4) 테이블 조인 개수

 

● 다른 방법유도 검토

1) VIEW 사용 (많은 조인으로 데이터를 조회가 어려울 때)

2) 클러스터링, 인덱스 (대량의 데이터처리로 성능 저하 시)

3) 파티셔닝 (대량의 데이터 PK에 따라 부분 테이블로 분리)

4) 응용애플리케이션

 

● 반정규화의 기법

1) 테이블 반정규화

- 테이블 병합 (1:1관계, 1:M관계, 슈퍼/서브타입)

 

- 테이블분할

수직분할 : 칼럼단위 테이블을 디스크 I/O를 분산처리하기 위해 테이블을 1:1로 분리하여 성능향상

수평분할 : 로우단위로 집중 발생되는 트랜잭션을 분석하여 디스크 I/O 및 데이터 접근의 효율성을 높여, 성능을 향상하기 위해 로우단위로 테이블을 쪼갬

 

- 테이블추가

중복 : 다른 업무이거나 서버가 다른 경우 동일한 테이블 구조를 중복하여 원격조인을 제거하여 성능 향상

통계 : SUM, AVG 등을 미리 수행하여 계산해 둠으로써 조회 시 성능을 향상

이력 : 이력테이블 중에서 마스터 테이블에 존재하는 레코드를 중복하여 이력테이블에 존재시켜 성능 향상

부분 : 하나의 테이블 전체 칼럼 중 자주 이용하는 집중화된 칼럼들이 있을 때 디스크 I/O를 줄이기 위해 해당 칼럼들을 별도로 모아놓는 반정규화 기법

 

2) 칼럼 반정규화

중복칼럼 추가 : 조인에 의해 처리할 때 성능저하를 예방하기 위해 중복된 칼럼을 위치시킴

파생칼럼 추가 : 트랜잭션이 처리되는 시점에 계산에 의해 발생되는 성능저하를 예방하기 위해 미리 값을 계산하여 칼럼에 보관

이력테이블 칼럼추가 : 대량의 이력데이터를 처리할 때 불특정 날 조회나 최근 값을 조회할 때 나타날 수 있는 성능저하를 예방하기 위해 이력테이블에 기능성 칼럼(최근값 여부, 시작과 종료일자 등)을 추가함

PK에 의한 칼럼 추가 : PK안에 데이터가 존재하지만 성능 향상을 위해 일반속성으로 포함하는 방법

응용시스템 오작동을 위한 칼럼 추가 : 업무적으로는 의미가 없지만 사용자의 실수로 원래 값으로 복구하기 원하는 경우 이전 데이터를 임시적으로 중복하여 보관하는 기법

 

3) 관계 반정규화

중복관계 추가 : 데이터를 처리하기 위한 여러 경로를 거쳐 조인이 가능하지만 이 때 발생할 수 있는 성능저하를 예방하기 위해 추가적인 관계를 맺는 방법

 

 

 

4절. 대량 데이터에 따른 성능

● 로우 체이닝 : 두 개 이상의 블록에 걸쳐 하나의 로우가 저장되어 있는 형태

 

● 로우 마이그레이션 : 데이터블록에서 수정이 발생하면 수정된 데이터를 해당 데이터 블록에서 저장하지 못하고 다른 블록의 빈 공간을 찾아 저장하는 방식

 

=> 로우 체이닝과 로우 마이그레이션이 발생하여 많은 블록에 데이터가 저장되면 데이터베이스 메모리에서 디스크 I/O가 발생할 때 많은 I/O가 발생하여 성능저하 발생

 

● 파티셔닝 (PK에 의해 테이블을 분할하는 방법)

- 논리적으로는 하나의 테이블이지만 물리적으로는 여러 개의 테이블로 분리하여 데이터 액세스 성능도 향상시키고, 데이터 관리 방법도 개선할 수 있도록 테이블에 적용하는 기법

1) RANGE PARTITION : 대상 테이블이 날짜 또는 숫자값으로 분리가 가능하고 각 영역별로 트랜잭션이 분리되는 경우

2) LIST PARTITION : 지점, 사업소 등 핵심적인 코드값으로 PK가 구성되어 있고 대량의 데이터가 있는 테이블의 경우

3) HASH PARTITION : 지정된 HASH 조건에 따라 해시 알고리즘이 적용되어 테이블이 분리

 

 

 

5절. 데이터베이스의 구조와 성능

● 슈퍼/서브 타입 모델

업무를 구성하는 데이터의 특징을 공통과 차이점의 특징을 고려하여 효과적 표현

 

● 슈퍼/서브 타입 데이터 모델의 변환 타입

1) OneToOne Type : 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성

2) Plus Type : 슈퍼타입+서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼+서브타입 테이블로 구성

3) Single Type : 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성

 

● 인덱스 특성을 고려한 PK/FK 데이터베이스 성능향상

인덱스의 특징은 여러 개의 속성이 하나의 인덱스로 구성되어 있을 때 앞쪽에 위치한 속성의 값이 비교자로 있어야 좋은 효율을 나타낸다.

 

 

 

6절. 분산 데이터베이스와 성능

● 분산 데이터베이스

1) 여러 곳으로 분산되어있는 데이터베이스를 하나의 가상 시스템으로 사용할 수 있도록 한 데이터베이스

2) 논리적으로 동일한 시스템에 속하지만, 컴퓨터 네트워크를 통해 물리적으로 분산되어 있는 데이터들의 모임

 

● 분산 데이터베이스를 만족하기 위한 6가지 투명성

1) 분할 투명성(단편화) : 하나의 논리적 Relation이 여러 단편으로 분할되어 각 사본이 여러 site에 저장

2) 위치 투명성 : 사용하려는 데이터의 저장 장소 명시 불필요, 위치정보가 시스템 카탈로그에 유지

3) 지역사상 투명성 : 지역 DBMS와 물리적 데이터베이스 사이의 Mapping 보장

4) 중복 투명성 : 데이터베이스 객체가 여러 stie에 중복 되어 있는지 알 필요가 없는 성질

5) 장애 투명성 : 구성요소의 장애에 무관한 트랜잭션의 원자성 유지

6) 병행 투명성 : 다수 트랜잭션 동시 수행시 결과의 일관성 유지, TimeStamp, 분산 2단계 Locking 이용

 

● 분산 데이터베이스 장단점

장점 : 지역 자치성, 신뢰성, 가용성, 효용성, 융통성, 빠른 응답속도, 비용절감, 시스템 규모 조절, 지역 사용자 요구 수용

단점 : 비용증가, 오류의 잠재성 증대, 설계 관리의 복잡성, 불규칙한 응답 속도, 통제의 어려움, 데이터 무결성 위협

 

● 분산 데이터베이스 적용 기법 (상세 설명 생략)

1) 테이블 위치 분산 : 설계된 테이블을 다르게 위치

2) 테이블 분할 분산 : 각각의 테이블을 쪼개어 분산 (수평분할 : 로우 단위 분리, 수직분할 : 칼럼 단위 분리)

3) 테이블 복제 분산 : 동일한 테이블을 다른 지역이나 서버에서 동시에 생성하여 관리하는 유형

4) 테이블 요약 분산 : 지역 간에 또는 서버 간에 데이터가 비슷하지만 서로 다른 유형으로 존재하는 경우

 

 

● 분산 데이터베이스 설계를 고려해야 하는 경우 (적용 시 효과적)

1) 성능이 중요한 사이트

2) 공통코드, 기준정보, 마스터 데이터에 대해 분산환경 구성

3) 실시간 동기화가 요구되지 않는 경우

4) 실시간의 업무적인 특징을 가지고 있는 경우

5) 특정 서버에 부하가 집중되어 부하를 분산하는 경우

6) 백업 사이트 구성하는 경우

 

 

 

바르지 못한 내용 있으면 댓글 달아주세요 :)