1. 성능 데이터 모델링과 정규화
1.1 성능 데이터 모델링
- 데이터베이스는 우리가 생각하는 것보다 훨씬 더 많은 요청을 처리함. 매우 빠른 템포로 자주 발생하는 쿼리문이 비효율적이면 DB 전체 성능에 영향을 줄 수 있음
- 테이블 설계 자체가 잘못되는 경우, 테이블 내 원하는 정보가 없어 다른 테이블에서 정보 가져와야 하는 경우 등 다양한 성능 향상 저해 요소 존재
- 이러한 성능 저해를 막고 처음부터 성능 향상을 목적으로 진행하는 것이 성능 데이터 모델링
- 데이터 모델링 때부터 정규화, 반정규화, 테이블 통합/분할, 조인, PK/FK 등 여러 사항이 반영되도록 정의
1.2 성능 데이터 모델링 수행시점
- 프로젝트 수행 중보다는 사전에 철저하게 설계한 후 도입할수록 비용 적게 듦
- 분석/설계 단계에서 진행할 경우 성능 저하로 인해 발생하는 재업무 비용 최소화할 수 있음
1.3 성능 데이터 모델링의 고려사항
- 정규화를 정확하게 수행하여 중복 데이터 쌓이는 것 방지하기
- 데이터베이스 용량 산정 수행을 통한 데이터 집중되는 테이블 파악하기
- 데이터베이스에서 발생되는 트랜잭션 유형 파악하여 데이터 조회에 필요한 조인 관계 파악하기
- 데이터베이스의 용량과 트랜잭션 유형에 따라 반정규화 수행하기
- 이력 모델, PK/FK, 슈퍼 타입/ 서브 타입 조정을 통해 성능 우수한 순서대로 컬럼 순서 조정하기
- 성능 관점에서 데이터 모델 검증하기
2. 정규화
- 데이터의 일관성을 유지하고 데이터의 중복을 방지하며 데이터의 유연성을 유지하기 위해 데이터를 분해하는 과정
- 데이터를 삽입/수정/제거를 통해 중복된 요소를 줄일 경우 성능 향상
- 데이터를 조회할 경우 테이블 간 조인 작업 등이 일어나 오히려 성능이 하락할 수 있음
2.1 정규화 용어
| 용어 | 설명 |
|---|---|
| 정규화(Normalization) | DBMS 테이블의 삽입/삭제/수정 과정에서의 이상(Anomaly) 현상의 발생 최소화하기 위해 작은 단위의 테이블로 나누는 과정 |
| 정규형(NF: Normal Form) | 데이터 모델이 갖춰야 할 특성을 만족하는 정규화된 결과물 |
| 함수적 종속성(FD: Functional Dependency) | 테이블의 특정한 칼럼 값(A)을 알고 있으면 다른 칼럼 값(B)을 알 수 있다고 가정할 때, 칼럼 B는 칼럼 A에 함수 종속성을 갖는다고 표현 |
| 결정자(Determinant) | 함수적 종속성에서 학번은 학생 이름을 결정짓는 요소기 때문에 '결정자'라고 표현 |
| 다치 종속(MVD: MultiValued Dependency) | 결정자 칼럼 A에 의해 칼럼 B의 값을 다수 알 수 있을 때, 칼럼 B는 칼럼 A에 다치종속 되었다고 표현 |
2.2 정규화의 이점
- 데이터의 유연성 : 종속성 강한 데이터를 독립된 개념으로 분리하여 정의하므로 높은 응집도와 낮은 결합도 원칙에 충실해짐
- 데이터의 재활용성 : 정규화를 통해 데이터의 개념을 조금 더 세분화 가능하고 그 결과로 개념 재활용 가능성 증가
- 데이터의 중복 최소화 : 정규화는 식별자가 아닌 속성이 한번만 포함되므로 데이터 중복 최소화
2.3 정규화 단계(제 1,2,3 정규화)
제1정규화
- 한 속성에 여러 개의 속성이 포함되어 있거나 같은 유형의 속성이 여러 개로 나뉘어 있는 경우 함수 종속성을 근거로 해당 속성 분리
예시)
- 이름, 출생지, 주소는 주민등록번호에 대해 함수 종속성을 가짐
=> 이름,출생지,주소 : 종속자 / 주민등록번호 : 결정자
제1정규화 위반 예시
- 연락처 컬럼에 핸드폰 번호, 이메일 주소의 두개의 속성이 포함되어 있음 => 따로 분리
- 기존의 연락처 속성을 제거한 후 연락처 유형을 구분하는 연락처 구분(핸드폰/이메일) 컬럼을 생성한 후 그에 따른 연락처 컬럼을 새로 생성
- 이를 통해 하나의 컬럼이 하나의 속성값을 가지므로 제1정규형 만족
제2정규화
제1정규화 + PK가 아닌 모든 칼럼은 PK 전체에 종속
제2정규화 위반 예시
- 이수민의 고객 등급이 "다이아몬드"로 변경된다면 기존 세 주문 일자의 고객 등급을 모두 다이아몬드로 변경해주어야 함(갱신 이상 발생 가능) => 분리
- 테이블을 분리하여 고객 정보를 위한 식별자를 추가하여 문제 해결
- 테이블 2개로 분리한 후 고객 정보는 고객 아이디 식별자에 종속될 수 있도록 구성하여 복합 식별자의 일부 칼럼에만 종속되는 문제 해결하여 제2정규형 만족
제3정규화
제2정규화 + 일반 속성 간 함수 종속 관계 존재하지 않아야 함
- 위 테이블의 경우 직업 코드에 직업 이름 속성이 종속되는 관계
- 기본키인 고객 아이디를 제외한 일반 속성 간 함수 종속 관계 존재 => 제3정규화 위반 => 분리
2.4 정규화 유형
3. 반정규화
- '반'의 의미는 '절반'이 아닌 '반대'의 의미
- 정규화와 동일하게 '성능 향상'이라는 목적을 가지나, 데이터의 중복을 통해 목적 달성에서 정규화와 다름
3.1 반정규화를 적용해야 하는 상황
- 데이터 조회 시 디스크 I/O량이 많아 성능 저하되는 경우
- 테이블 간 경로가 멀어 조인으로 인한 성능 저하 예상되는 경우
- 컬럼 계산하여 읽을 때 성능 저하될 것으로 예상하는 경우
3.2 반정규화 절차
- 반정규화는 반드시 적용해야 하는 요소는 아님
- 반전규화 수행시 중복이 많이 발생해 영향을 받는 요소들이 많으므로 반정규화 대상을 먼저 조사 후 다른 방법 먼저 찾아보고 적용
3.3 반정규화 기법
- 테이블의 반정규화 -> 테이블 병합, 테이블 분할, 테이블 추가
- 테이블 병합
- 테이블 분할
- 테이블 추가
-
컬럼 반정규화 -> 중복/파생/이력 테이블 컬럼 추가, PK에 의한 컬럼 추가, 응용 시스템 오작동 위한 컬럼 추가
-
관계 반정규화 -> 중복 관계 추가
1=850