SQLD 1과목 핵심 요점 정리 (이걸로 합격하자!)

1장 데이터 모델링의 이해

데이터 모델링의 중요성 및 유의점

• 중복: 같은 시간 같은 데이터 제공
• 비유연성: 사소한 업무 변화에 데이터 모델이 수시로 변경되면 안됨
• 비일관성: 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보 갱신 안됨

데이터 모델링

개념적, 논리적, 물리적 데이터 모델링 (개논물)

데이터 독립성 요소

외부 스키마: 개개 사용자가 보는 개인적 데이터베이스 스키마
개념 스키마: 모든 사용자 관점을 통합한 전체 데이터베이스
내부 스키마: 물리적 장치에서 데이터가 실제적 저장
(외개내)

데이터 독립성

논리적 독립성: 개념 스키마가 변경되어도 외부 스키마에 영향이 가지 않는다.
물리적 독립성: 내부 스키마가 변경되어도 외부/개념 스키마는 영향이 가지 않는다.

Mapping 사상

상호 독립적인 개념을 연결시켜주는 다리

데이터 모델링의 3요소

Things, Attributes, Relationships
어떤 것, 성격, 관계

데이터 모델링은 프로젝트에 참여한 모두가 알아야한다.

엔터티: 집합
인스턴스: 단수

데이터 모델 표기법

1976년 피터첸이 Entity Relationship Model 개발

모델링 특징

추상화, 단순화, 명확화 (추단명)

Entity Relationship Diagram 작업 순서

1. 엔터티 그림

2. 엔터티 배치

3. 엔터티 관계 설정

4. 관계명 기술

5. 관계의 참여도 기술

6. 관계 필수 여부

   좋은 데이터 모델의 요소

7. 완전성: 업무에 필요한 모든 데이터가 모델에 정의

8. 중복배제: 하나의 DB내에 동일한 사실은 한번만.

9. 업무규칙: 많은 규칙을 사용자가 공유하도록 제공

10. 데이터 재사용: 데이터가 독립적으로 설계되어야 함

11. 의사소통: 업무 규칙은 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세히 표현

12. 통합성: 동일한 데이터는 한 번만 정의, 참조 활용

    
    

    엔터티

    업무에 필요하고 유용한 정보를 저장하고 관리하기 위한 집합적인 것, 보이지 않는 개념 포함

    엔터티 특징

13. 반드시 해당 업무에서 필요하고 관리하고자 함

14. 유일한 식별자에 의해 식별 가능

15. 두 개 이상의 인스턴스 집합

16. 업무 프로세스에 의해 이용되어야 함

17. 반드시 속성이 있어야 함

18. 다른 엔터티와 최소 1개 이상의 관계가 있어야 함.

엔터티 분류

유무형에 따른 분류: 유형, 개념, 사건 엔터티 (유개사)

• 유형: 물리적 형태 예) 사원, 물품, 강사
• 개념: 개념적 정보 예) 조직, 보험 상품
• 사건: 업무 수행시 발생 예) 주문, 청구, 미납

발생 시점에 따른 분류: 기본/키, 중심, 행위 엔터티 (기중행)

• 기본: 그 업무에 원래 존재하는 정보, 타 엔터티의 부모 역할, 자신의 고유한 주식별자를 가짐 예) 사원, 부서
• 중심: 기본 엔터티로부터 발생, 다른 엔터티와의 관계로 많은 행위 엔터티 생성 예) 계약, 사고, 주문
• 행위: 2개 이상의 부모엔터티로부터 발생, 자주 바뀌거나 양이 증가 예) 주문 목록, 사원 변경 이력

엔터티의 명명

현업 업무에서 사용하는 용어 사용, 약어 사용 금지, 단수명사 사용, 고유한 이름 사용, 생성의미대로 부여

속성

업무에서 필요로 하는 인스턴스로 관리하고자하는 의미상 분리되지 않는 최소의 데이터 단위

한 개의 엔터티는 2개 이상의 인스턴스 집합
한 개의 엔터티는 2개 이상의 속성을 가짐
한 개의 속성은 1개의 속성값을 가짐

속성의 분류: 기본, 설계, 파생 속성 (기설파)

• 기본: 업무로부터 추출한 모든 일반적인 속성
• 설계: 업무를 규칙화하기 위해 새로 만들거나 변형, 정의하는 속성 예) 일련 번호
• 파생: 다른 속성에 영향을 받아 발생하는 속성, 빠른 성능을 낼 수 있도록 원래 속성의 값을 계산 예) 합

도메인

각 속성이 가질 수 있는 값의 범위 예) 5글자

속성의 명명

1. 해당업무에서 사용하는 이름 부여
2. 서술식 속성명은 사용 금지
3. 약어 사용 금지
4. 전체 데이터 모델에서 유일성 확보

관계 (Relationship)

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

패어링

엔터티 안에 인스턴스가 개별적으로 관계를 가지는 것

UML에는 연관관계와 의존관계가 있는데, 연관관계는 항상 이용하는 관계이고 의존 관계는 상대방 행위에 의해 발생하는 관계이다.

ERD에서는 존재적 관계와 행위에 의한 관계를 구분하지 않고 표기했지만 UML에서는 실선, 의존 관계는 점선으로 표현한다.

관계의 표기법

관계명: 관계의 이름
관계 차수: 1:1, 1:N, N:M
관계 선택명: 필수 관계, 선택 관계

관계 체크 사항

1. 2개의 엔터티 사이에 관심있는 연관 규칙이 있는가?
2. 2개의 엔터티 사이에 정보의 조합이 발생하는가?
3. 업무기술서, 장표에 관계연결에 대한 규칙이 서술되어 있는가?
4. 업무기술서, 장표에 관계연결을 가능케하는 동사가 있는가?

식별자

엔터티내에서 인스턴스를 구분하는 구분자

식별자는 논리 데이터 모델링 단계에 사용

Key는 물리 데이터 모델링 단계에 사용

식별자 특징

유일성, 최소성, 불변성, 존재성

1. 주식별자에 의해 모든 인스턴스들이 유일하게 구분
2. 주식별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 함
3. 지정된 주식별자의 값은 자주 변하지 않아야 함
4. 주식별자가 지정이 되면 반드시 값이 들어와야 함

식별자 분류

대표성 여부: 주식별자, 보조식별자
주: 엔터티 내에서 각 어커런스를 구분할 수 있는 구분자, 타 엔터티와 참조관계를 연결할 수 있음
보조: 어커런스를 구분할 수 있는 구분자이나 대표성을 가지지 못해 참조관계 연결 불가

스스로 생성 여부: 내부 식별자, 외부 식별자
내부: 스스로 생성되는 식별자
외부: 타 엔터티로부터 받아오는 식별자

속성의 수: 단일 식별자, 복합 식별자
단일: 하나의 속성으로 구성
복합: 2개 이상의 속성으로 구성

대체 여부: 본질 식별자, 인조 식별자
본질: 업무에 의해 만들어지는 식별자
인조: 인위적으로 만든 식별자

주식별자 도출 기준

1. 해당 업무에서 자주 이용되는 속성임
2. 명칭, 내역 등과 같이 이름으로 기술되는 것들은 x
3. 복합으로 주식별자를 구성할 경우 너무 많은 속성은 x

식별자 관계

주식별자: 자식의 주식별자로 부모의 주식별자 상속
1. 부모로부터 받은 식별자를 자식 엔터티의 주식별자로 이용하는 경우
강한 연결관계 표현, 실선 표기

비식별자: 부모 속성을 자식의 일반 속성으로 사용.
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. 자식 엔터티에 별도의 주식별자를 생성하는 것이 더 유리한 경우
5. SQL 문장이 길어져 복잡성이 증가되는 것 방지 약한 연결관계 표현, 점선 표기

2장 데이터 모델과 성능

성능 데이터 모델링

DB 성능 향상을 목적으로 설계 단계의 데이터 모델링 때부터 정규화, 반정규화, 테이블 통합, 테이블 분할, 조인 구조, pk, fk 등 여러가지 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것.

분석/설계 단계에서 데이터 모델에 성능을 구려한 데이터 모델링을 수행할 경우 성능저하에 따른 재업무 비용을 최소화할 수 있는 기회를 가지게 된다.

데이터의 증가가 빠를수록 성능저하에 따른 성능개선 비용은 기하 급수적으로 증가하게 된다.

성능 데이터 모델링 고려사항 순서

1. 데이터 모델링을 할 때 정규화를 정확하게 수행
2. 데이터베이스 용량 산정을 수행
3. 데이터베이스에서 발생되는 트랜잭션의 유형을 파악한다.
4. 용량과 트랜잭션의 유형에 따라 반정규화를 수행
5. 이력모델의 조정, PK/FK 조정, 슈퍼/서브타입 조정
6. 성능관점에서 데이터 모델을 검증

기본적으로 데이터는 속성간의 함수 종속성에 근거하여 정규화되어야 한다.
정규화는 선택이 아닌 필수사항이다.

함수적 종속성

데이터들이 어떤 기준 값에 의해 종속되는 현상

정규화

반복적인 데이터를 분리하고 각 데이터가 종속된 테이블에 적절하게 배치되도록 하는 것

칼럼에 의한 반복, 중복적인 속성 값을 갖는 형태는 1차 정규화의 대상

반정규화

정규화된 엔터티, 속성, 관계에 대해 시스템의 성능 향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링 기법

일반적으로 정규화시 입력/수정/삭제 성능이 향상되며 반정규화시 조인 성능이 향상된다.

반정규화 절차

1. 반정규화 대상 조사 (범위 처리 빈도 수, 범위, 통계성)
2. 다른 방법유도 검토 (뷰, 클러스터링, 인덱스 조정)
3. 반정규화 적용 (테이블, 속성, 관계 반정규화)

반정규화 대상조사

1. 자주 사용되는 테이블에 접근하는 프로세스의 수가 많고 항상 일정한 범위만을 조회하는 경우
2. 테이블에 대량의 데이터가 있고 대량의 데이터 범위를 자주 처리하는 경우에 처리 범위를 일정하게 줄이지 않으면 성능을 보장할 수 없는 경우
3. 통계성 프로세스에 의해 통계 정보를 필요로 할 때 별도의 통계 테이블을 생성한다.
4. 테이블에 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우

다른 방법유도 검토

1. 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우 뷰를 사용한다.
2. 대량의 데이터처리나 부분처리에 의해 성능이 저하되는 경우 클러스터링을 적용하거나 인덱스를 조정한다.
3. 대량의 데이터는 pk의 성격에 따라 부분적인 테이블로 분리할 수 있다. (파티셔닝 기법)
4. 응용 애플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상시킬 수 있다.

반정규화 기법 (테이블, 컬럼, 관계)

테이블 반정규화

테이블 병합 (1:1, 1:N, N:M , 슈퍼/서브타입)
1. 1:1 관계를 통합하여 성능 향상
2. 1:N 관계를 통합하여 성능 향상
3. 슈퍼/서브 관계를 통합하여 성능 향상

테이블 분할(수직분할, 수평분할)
1. 컬럼 단위로 테이블을 디스크 I/O를 분산처리하기 위해 테이블을 1:1로 분리하여 성능 향상
2. 로우 단위로 집중 발생되는 트랜잭션을 분석하여 디스크 I/O 및 데이터 접근의 효율성을 높여 성능을 향상하기 위해 로우 단위로 테이블을 쪼갬

테이블 추가(중복, 통계, 이력, 부분테이블 추가)
1. 다른 업무이거나 서버가 다른 경우 동일한 테이블 구조를 중복하거나 원격 조인을 제거하여 성능 향상
2. SUM, AVG 등을 미리 수행하여 계싼해 둠으로써 조회 시 성능을 향상.
3. 이력테이블 중에서 마스터 테이블이 존재하는 레코드를 중복하여 이력테이블에 존재시켜 성능 향상
4. 하나의 테이블의 전체 컬럼 중 자주 이용하는 집중화된 컬럼들이 있을 때 디스크 I/O를 줄이기 위해 해당 컬럼들을 모아놓은 별도의 반정규화된 테이블을 생성

컬럼 반정규화

1. 중복컬럼 추가: 조인에 의해 처리할 때 성능 저하를 예방하기 위해 중복된 컬럼을 위치시킴
2. 파생컬럼 추가: 트랜잭션이 처리되는 시점에 계산에 의해 발생되는 성능저하를 예방하기 위해 미리 값을 계산하여 컬럼에 보관.
3. 이력테이블 컬럼 추가: 대량의 이력데이터를 처리할 때 불특정 날 조회나 최근 값을 조회할 때 나타날 수 있는 성능저하를 예방하기 위해 이력테이블에 기능성 컬럼(최근값 여부, 시작과 종료일자 등)을 추가함
4. 응용시스템 오작동을 위한 컬럼 추가: 업무적으로는 의미가 없지만 사용자의 실수로 원래 값으로 복구하기 원하는 경우 이전 데이터를 임시적으로 중복하여 보관하는 기법.

관계 반정규화

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

로우 체이닝

로우의 길이가 너무 길어서 데이터블록 하나에 데이터가 모두 저장되지 않고 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 마이그렝시녀이 발생하여 많은 블록에 데이터가 저장되면 데이터베이스 메모리에서 디스크 I/O가 발생할 때 많은 I/O가 발생하여 성능 저하 발생 트랜잭션을 분석하여 적절하게 1:1 관계로 분리함으로써 성능향상이 가능하도록 해야한다.

PK에 의한 테이블을 분할하는 방법 (파티셔닝)

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

테이블에 대한 수평/수직분할의 절차

1. 데이터 모델링을 완성
2. 데이터베이스 용량 산정
3. 대량 데이터가 처리되는 테이블에 대해 트랜잭션 처리 패턴을 분석
4. 컬럼 단위로 집중화된 처리가 발생하는지, 로우 단위로 집중화된 처리가 발생하는지 분석하여 집중화된 단위로 테이블을 분리하는 것을 검토한다.

슈퍼/서브 타입 모델

업무를 구성하는 데이터의 특징을 공통과 차이점의 특징을 고려하여 효과적으로 표현

슈퍼/서브 타입 데이터 모델의 변환 기술

1. 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성 OneToOne Typ
2. 슈퍼타입 + 서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼 + 서브타입 테이블로 구성 (Plus Type)
3. 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성 (Single Type, All in One Type)

인덱스 특성을 고려한 pk/fk db 성능 향상

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

앞쪽에 위치한 속성의 값이 가급적 = 아니면 최소한 범위 BETWEEN, <>가 들어와야 효율적이다.

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 데이터 집합

분산 DB를 만족하기 위한 6가지 투명성

1. 분할 투명성(단편화): 하나의 논리적 릴레이션이 여러 단편으로 분할되어 각 사본에 여러 site에 저장
2. 위치 투명성: 사용하려는 데이터의 저장 장소 명시 불필요, 위치정보가 시스템 카탈로그에 유지
3. 지역사상 투명성: 지역 DBMS와 물리적 DB사이의 Mapping 보장
4. 중복 투명성: DB 객체가 여러 site에 중복되어 있는지 알 필요가 없는 성질
5. 장애 투명성: 구성요소의 장애에 무관한 트랜잭션 원자성 유지
6. 병행 투명성: 다수 트랜잭션이 동시 수행시 결과의 일관성 유지, TimeStamp, 분산 2단계 Locking 이용

분산 데이터베이스의 장단점

장점: 지역 자치성, 신뢰성, 가용성, 효용성, 융통성, 빠른 응답속도, 비용절감, 각 지역 사용자 요구 수용

단점: 비용 증가, 오류의 잠재성 증대, 설계 관리의 복잡성, 불규칙한 응답 속도, 통제의 어려움, 데이터 무결성의 위협

분산 데이터베이스 적용 기법

1. 테이블 위치 분산: 설계된 테이블을 본사와 지사단 위로 분산
2. 테이블 분할 분산: 각각의 테이블을 쪼개어 분산

• 수평분할: 로우 단위 분리
• 수직 분할: 컬럼 단위로 분리

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

• 부분복제: 마스터 데이터베이스에서 테이블의 일부의 내용만 다른 지역이나 서버에 위치
• 광역복제: 마스터 데이터베이스의 내용을 각 지역이나 서버에 존재

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

• 분석요약: 동일한 테이블 구조를 가지고 있으면서 분산되어 있는 동일한 내용의 데이터를 이용하여 통합된 데이터를 산출하는 방식
• 통합요약: 분산되어 있는 다른 내용의 데이터를 이용하여 통합된 데이터를 산출하는 방식

분산 데이터베이스 설계를 고려해야 하는 경우

1. 성능이 중요한 사이트
2. 공통코드, 기준정보, 마스터 데이터의 성능 향상
3. 실시간 동기화가 요구되지 않을 경우, 거의 실시간의 업무적인 특징을 가지고 있는 경우
4. 특정 서버에 부하가 집중되어 부하를 분산
5. 백업 사이트를 구성하는 경우