#1. 데이터 모델링의 이해

[] 발생시점에 따른 엔티티 분류

• 기본/키 엔티티
• 중심 엔티티
• 행위 엔티티

 

[] 데이터 모델링이란

• 정보시스템을 구축하기 위한 데이터 관점의 업무 분석 기법
• 현실세계의 데이터에 대해 약속된 표기법에 의해 표현하는 과정
• 데이터베이스를 구축하기 위한 분석/설계의 과정

 

[] 데이터 모델링 유의점

• 중복
• 비유연성
• 비일관성

[] 개념적 데이터 모델링

추상화 수준이 높고 업무중심적이고 포괄적인 수준의 모델링 진행. 

전사적 데이터 모델링

EA 수립시 많이 이용

 

[] 논리적 데이터 모델링

시스템으로 구축하고자 하는 업무에 대해 key, 속성, 관계 등을 정확하게 표현, 재사용성이 높음

 

[] 물리적 데이터 모델링

실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계

 

[] 데이터베이스 스키마 구조 3단계

• 외부 스키마
• 개념 스키마
• 내부 스키마

[] ERD 작성 순서

1. 엔티티를 그린다
2. 엔티티를 적절하게 배치한다
3. 엔티티간 관계를 설정한다
4. 관계명을 기술한다
5. 관계의 참여도를 기술한다
6. 관계의 필수여부를 기술한다

[] 엔티티의 특징

반드시 해당 업무에서 필요하고 관리하고자 하는 정보이어야 한다.

유일한 식별자에 의해 식별이 가능해야 한다.

영속적으로 존재하는 인스턴스의 집합이어야 한다.

엔티티는 업무 프로세스에 의해 이용되어야 한다.

엔티티는 반드시 속성이 있어야 한다.

엔티티는 다른 엔티티와 최소 한 개 이상의 관계가 있어야 한다.

 

[] 엔티티, 인스턴스, 속성, 속성 값의 관계

한 개의 엔티티는 두 개 이상의 인스턴스의 집합이어야 한다.

한 개의 엔티티는 두 개 이상의 속성을 갖는다.

한 개의 속성은 한 개의 속성 값을 갖는다.

 

[]속성의 특성에 따른 분류

기본 속성

설계 속성

파생 속성

 

[] 도메인

각 속성은 가질 수 있는 값의 범위가 있는데 이를 그 속성의 도메인이라하며, 엔티티 내에서 속성에 대한 데이터타입과 크기 그리고 제약사항을 지정하는 것이다.

 

[] 속성의 명칭 부여

해당 업무에서 사용하는 이름을 부여한다

서술식 속성명은 사용하지 않는다

약어 사용은 가급적 제한한다

전체 데이터모델에서 유일성 확보하는 것이 좋다

 

ERD에서는 존재적 관계와 행위에 의한 관계를 구분하지 않지만 클래스 다이어그램에서는 이것을 구분하여 연관관계와 의존관계로 표현한다.

 

[] 관계의 표기법

관계명: 관계의 이름

관계차수: 1:1, 1:M, M:N

관계선택사양: 필수관계, 선택관계

 

[] 관계 읽기

기준 엔티티를 한 개 또는 각(each)으로 읽는다.

대상 엔티티의 관계참여도 즉 개수를 읽는다.

관계선택사양과 관계명을 읽는다.

 

[] 식별자의 종류

엔티티 내에서 대표성을 가지는가에따라 주식별자와 보조 식별자로 구분

엔티티 내에서 스스로 생성되었는지 여부에 따라 내부식별자와 외부식별자로 구분

단일 속성으로 식별이 되는가에 따라 단일 식별자와 복합 식별자로 구분

원래 업무적으로 의미가 있던 식별자 속성을 대체하여 일련번호와 같이 새롭게 만든 식별자를 구분하기 위해 본질 식별자와 인조 식별자로 구분

 

[] 주식별자의 특징

유일성: 주식별자에 의해 엔티티내에 모든 인스턴스들을 유일하게 구분함

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

불변성: 주식별자가 한 번 특정 엔티티에 지정되면 그 식별자의 값은 변하지 않아야 함

존재성: 주식별자가 지정되면 반드시 데이터 값이 존재

 

[] 성능데이터모델링이란

데이터베이스 성능 향상을 목적으로 설계단계의 데이터 모델링 때부터 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것이다.

 

중복속성에 대한 분리가 1차 정규화의 대상이 되며, 로우단위의 중복도 1차 정규화의 대상이 되지만 칼럼 단위로 중복이 되는 경우도 1차 정규화의 대상이다.

 

[] 반정규화

정규화된 엔티티, 속성, 관계에 대해 시스템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법을 의미한다. 반정규화는 데이터를 중복하여 성능을 향상시키기 위한 기법이라고 정의할 수 있고, 좀 더 넓은 의미의 반 정규화는 성능을 향상시키기위해 정규화된 데이터 모델에서 중복, 통합, 분리 등을 수행하는 모든 과정을 의미한다. 데이터 무결성이 깨질 수 있는 위험을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유는 데이터를 조회할 때 디스크  I/O량이 많아서 성능이 저하되거나 경로가 너무 멀어 조인으로 인한 성능 저하가 예상되거나 칼럼을 계산하여 읽을 때 성능이 저하될 것이 예상되는 경우 반정규화를 수행하게 된다.

 

[] 반정규화 절차

1. 반 정규화 대상조사

• 범위처리빈도수 조사
• 대량의 범위 처리 조사
• 통계성 프로세스 조사
• 테이블 조인 개수

 

2. 다른 방법 유도 검토

• 뷰 테이블
• 클러스터링 적용
• 인덱스의 조정
• 응용애플리케이션

 

3. 반정규화 적용

• 테이블 반정규화
• 속성의 반정규화
• 관계의 반정규화

[] 반정규화의 대상에 대해 다른 방법으로 처리

• 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우 뷰를 사용하면 이를 해결할 수도 있다.
• 대량의 데이터처리나 부분처리에 의해 성능이 저하되는 경우에 클러스터링을 적용하거나 인덱스를 조정함으로써 성능을 향상시킬 수 있다.
• 대량의 데이터는 primary key의 성격에 따라 부분적인 테이블로 분리할 수 있다. 즉 파티셔닝 기법이 적용되어 성능 저하를 방지할 수 있다.
• 응용 애플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상시킬 수 있다.

 

[] 슈퍼/서브 타입 데이터 모델의 변환기술

• 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성
• 슈퍼타입+서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼타입+서브타입 테이블로 구성
• 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성

 

[] PK 순서

PK 순서를 결정하는 기준은 인덱스 정렬구조를 이해한 상태에서 인덱스를 효율적으로 이용할 수 있도록  PK 순서를 지정해야 한다. 즉 인덱스의 특징은 여러개의 속성이 하나의 인덱스로 구성되어 있을 때 앞쪽에 위치한 속성의 값이 비교자로 있어야 인덱스가 좋은 효율을 나타낼 수 있다. 앞쪽에 위치한 속성 값이 가급적 '=' 아니면 최소한 범위 'BETWEEN' '<>'가 들어와야 인덱스를 이용할 수 있는 것이다.

 

[] 분산 데이터베이스 장점

• 지역 자치성, 점증적 시스템 용량 확장
• 신뢰성과 가용성
• 효용성과 융통성
• 빠른 응답 속도와 통신비용 절감
• 데이터의 가용성과 신뢰성 증가
• 시스템 규모의 적절한 조절
• 각 지역 사용자의 요구 수용 증대

 

[] 분산 데이터베이스 단점

• 소프트웨어 개발 비용
• 오류의 잠재성 증대
• 처리 비용의 증대
• 설계, 관리의 복잡성과 비용
• 불규칙한 응답 속도
• 통제의 어려움
• 데이터 무결성에 대한 위협