🍀 데이터 모델과 성능

---

☘️ 성능 데이터 모델링의 개요

성능 데이터 모델링 : DB 성능 향상을 위한 사항이 데이터 모델링에 반영되도록 하는 것

수행 시점 : 분석/설계 단계, 성능 데이터 모델링 시점이 늦어질수록 재업무 비용이 증가함

고려 사항 : 정규화 수행, DB 용량 산정과 트랜잭션 유형 파악을 위한 반정규화 수행, 정규화는 무조건 해야된다

---

☘️ 정규화

정규화(Normalization) : 데이터 분해 과정, 이상현상(anomaly) 제거

• 정규형 : 정규화로 도출된 데이터 모델이 갖춰야 할 특성

함수적 종속성(Functional Dependency) : 결정자와 종속자의 관계, 결정자의 값으로 종속자의 값을 알 수 있음

• 다치 종속 : 여러 컬럼이 동일한 결정자의 종속자일 때

정규화 이론 :

• 1차, 2차, 3차, 보이스코드 정규화는 함수적 종속성에 근거

• 4차 정규화는 다치 종속을 제거

• 5차 정규화는 조인에 의한 이상현상을 제거하여 정규화를 수행함

ㅤ✓ 1차 정규화 : 속성의 원자성 확보, 다중값 속성을 분리함

ㅤ✓ 2차 정규화 : 부분 함수 종속성 제거, 일부 기본키에만 종속된 속성을 분리함, 기본키가 하나의 칼럼일 때 생략 가능

ㅤ✓ 3차 정규화 : 이행 삼수 종속성 제거, 서로 종속관계가 있는 일반속성을 분리함, 주식별자와 관련성이 가장 낮음

ㅤ✓ 보이스코드 정규화 : 후보키가 기본키 속성 중 일부에 함수적 종속일 때 다수의 주식별자를 분리함
ㅤ✓ 4차 정규화, 5차정규화 : 다치 종속 분리, 결합 종속 분리

---

☘️ 정규화와 성능

정규화는 입출력 데이터의 양을 줄여 성능을 향상시킴

정규화로 인한 성능 향상 :

• 입력, 수정, 삭제 시 성능은 항상 향상됨
• 유연성 증가 : High Cohesion & Loose Coupling 원칙에 충실해짐
• 재활용 가능성 증가 : 개념이 세분화 됨
• 데이터 중복 최소화

정규화로 인한 성능 저하 :

• 조회 시 처리 조건에 따라 성능 저하가 발생할 수도 있음
• 반정규화로 해결 가능하다
• 조인이 발생하더라도 인덱스를 사용하여 조인 연산을 수행하면 성능상 단점이 거의 없고, 정규화를 통해 필요한 인덱스의 수를 줄일 수 있다
• 정규화를 통해 소량의 테이블이 생성된다면 성능상 유리할 수 있다

☘️ 반정규화와 성능

데이터 중복을 허용하여 조인을 줄이는 DB 성능 향상 방법, 데이터의 무결성을 희생하고 조회 성능 향상

절차 :
ㅤ1. 반정규화 대상 조사 : 데이터 처리 범위 및 통계성 등 조사
ㅤ2. 다른 방법 검토 : 뷰, 클러스터링, 인덱스, 애플리케이션
ㅤ3. 반정규화 적용 : 정규화 수행 후 반정규화 수행

기법 :

• 테이블 반정규화

  1. 테이블 병합 :

     • 1:1 관계 테이블 병합
     • 1:N 관계 테이블 병합 : 많은 데이터 중복 발생
     • 슈퍼타입/서브타입 테이블 병합

  2. 테이블 분할 :

     • 수직분할
     • 수평분할

  3. 테이블 추가 :

     • 중복테이블 : 업무나 서버가 다를 때 중복 테이블 생성
     • 통계테이블
     • 이력 테이블
     • 부분 테이블 : 자주 이용하는 칼럼으로 구성된 테이블 생성

• 칼럼 반정규화

  1. 중복 칼럼 추가
  2. 파생칼럼 추가 : 필요한 값 미리 계산한 칼럼 추가
  3. 이력 테이블 칼럼 추가
  4. PK에 의한 칼럼 추가 : PK의 종속자를 일반속성으로 생성
  5. 응용 시스템의 오작동을 위한 칼럼 추가

• 관계 반정규화 : 데이터 무결성 보장 가능

  1. 중복 관계 추가

---

☘️ 대용량 데이터에 따른 성능

테이블 반정규화 중 테이블 분할 관련

1. 블록: 테이블의 데이터 저장 단위
2. 대량 데이터 발생으로 인한 현상 : 블록 I/O 횟수 증가 -> 디스크 I/O 가능성 상승(디스크 I/O 시 성능 저하)
   • 로우 체이닝 : 행 길이가 너무 길어 여러 블록에 걸쳐 저장되는 현상
   • 로우 마이그레이션 : 수정된 데이터가 해당 블록이 아닌 다른 블록의 빈 공간에 저장되는 현상
3. 테이블 분할: 반정규화 기법
   • 수직분할 : 컬럼 단위로 테이블을 분할하여 I/O를 감소시킴, 너무 많은 수의 컬럼이 있는 경우 사용
   • 수평분할 : 행 단위로 테이블을 분할하여 I/O를 감소시킴
4. 파티셔닝 : 테이블 수평분할 기법, 논리적으로는 하나의 테이블이지만 물리적으로 여러 데이터 파일에 분산 저장, 데이터 조회 범위를 줄여 성능 향상
   • Range Partition : 데이터 값의 범위를 기준으로 분할
   • List Partition : 특정한 값을 기준으로 분할
   • Hash Partition : 해시 함수를 적용하여 분할, DBMS가 알아서 분할 관리, 데이터 위치를 알 수 없음
   • Composite Partition : 여러 파티션 기법을 복합적으로 사용하여 분할

※ 파티션 인덱스

• Global Index, Local Index : 여러 파티션에서 단일 인덱스 사용, 파티션 별로 각자 인덱스 사용
• Prefixed Index, Non-Prefixed Index : 파티션키와 인덱스키 동일, 파티션키와 인덱스키 구분

---

☘️ DB 구조와 성능

1. 슈퍼타입/서브타입 데이터 모델 변환을 통한 성능 향상

   • 슈퍼타입/서브타입 데이터 모델 : 속성을 할당하여 배치하는 수평 분할된 형태의 모델
     (공통 속성은 슈퍼타입으로 모델링하고 차이가 있는 속성은 서브타입으로 구분됨, 변환을 통하여 정확하게 업무를 표현할 수 있고 물리적 모델링 시 선택의 폭을 넓힐 수 있음)

   • 변환 기준 : 데이터양, 트랜잭션 유형

   • 변환 기술 :

     • 1:1 타입 : 개별로 처리하는 트랜잭션에 대해 개별 테이블 구성, 슈퍼타입과 서브타입 각각 필요한 속성과 유형에 적합한 데이터만 가지도록 분리하여 1:1 관계를 갖도록 함
     • 슈퍼/서브타입 : 슈퍼타입과 서브타입을 공통으로 처리하는 트랜잭션에 대해 슈퍼타입과 서브타입 각각의 테이블 구성

   • All in One 타입 : 일괄 처리하는 트랜잭션에 대해 단일 테이블 구성

2. PK/FK 컬럼 순서 조절을 통한 성능 향상

   등호 조건이나 BETWEEN 조건이 걸리는 컬럼을 앞으로 이동(여러 조건이 있을 경우 등호 조건이 걸리는 컬럼을 선두로 이동)

3. 인덱스 특성을 고려한 PK/FK DB 성능 향상

   물리적인 테이블에 FK 제약을 걸어 인덱스를 생성

---

☘️ 분산 DB 데이터에 따른 성능

1. 분산 DB

   분산된 DB를 하나의 가상 시스템으로 사용할 수 있도록 한 DB, 물리적 사이트는 분산되어 있으나 논리적으로 동일한 시스템, 과거에는 위치 중심이었으나 현재는 업무 필요에 따라 분산 설계

• 설계 방식
  • 상향식 : 지역 스키마 작성 후 전역 스키마 작성
  • 하향식 : 전역 스키마 작성 후 지역사상 스키마 작성
• 장단점
  • 신뢰성과 가용성 증가, 빠른 응답 속도와 통신비용 즐감, 용량 확장 용이
  • 관리 및 통제 어려움, 데이터 무결성 관리 어려움, S/W 개발 비용 및 처리 비용 증가, 불규칙한 응답 속도

2. 분산 DB의 투명성

• 분할 투명성 : 하나의 논리적 관계가 분할되어 각 단편의 사본이 여러 사이트에 저장됨
• 위치 투명성 : 사용하려는 데이터 저장 장소가 명시되지 않아도 됨
• 지역 사상 투명성 : 지역 DBMS와 물리적 DB사이의 사상이 보장됨
• 중복 투명성 : DB 객체 중복 여부를 몰라도 됨
• 장애 투명성 : 구성요소(DBMS)의 장애에 무관하게 트랜잭션의 원자성이 유지됨
• 병행 투명성 : 다수의 트랜잭션을 동시 수행했을 때 결과의 일관성이 유지됨
  

3. 분산 DB 적용 기법

• 테이블 위치 분산 : 설계된 테이블의 위치를 분산함
• 테이블 분할 분산 : 테이블을 쪼개서 분산함 (수평분할, 수직분할)
• 테이블 복제 분산 : 동일한 테이블을 다른 지역이나 서버에서 동시 생성함, 원격지 조인을 내부 조인으로 변경하여 성능 향상(부분복제, 광역복제)
• 테이블 요약 분산 : 분석요약(사이트 별 요약정보를 본사에서 통합하여 전체 요약정보 산출), 통합요약(사이트 별 정보를 본사에서 통합하여 전체 요약정보 산출)