[SQLD] SQLD 요약정리

MJ·2023년 6월 9일

1장 데이터 모델링의 이해

데이터 모델링의 중요성 및 유의점

중복: 같은 시간 같은 데이터 제공
비유연성: 사소한 업무 변화에 데이터 모델이 수시로 변경되면 안됨. 데이터 정의를 사용 프로세스와 분리한다.
비일관성: 데이터 간 상호 연관 관계에 대해 명확히 정의해야 한다.

데이터 모델링

개념적 논리적 물리적 데이터 모델링

데이터 독립성 요소

외부 스키마: 개개 사용자가 보는 개인적 DB 스키마
개념 스키마: 모든 사용자 관점을 통합한 전체 DB
내부 스키마: 물리적 장치에서 데이터가 실제적 저장

데이터 독립성

논리적 독립성: 개념스키마 변경, 외부스키마에 영향 안준다
물리적 독립성: 내부스키마 변경, 외부/개념 스키마에 영향 안준다

Mapping(사상)

상호 독립적인 개념을 연결시켜주는 다리
논리적 사상: 외부 스키마 - 개념 스키마
물리적 사상: 개념 스키마 - 내부 스키마

데이터 모델링의 3요소

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

모델링의 특징

(현실세계) -> 추상화, 단순화, 정확화 -> (모델)

데이터 모델 표기법

1796년 피터첸이 Entity Relationship Model 개발

IE, Baker 기법이 많이쓰임
엔티티, 관계, 속성으로 이뤄짐

ERD 작업순서

엔티티 그리기
엔티티 배치
엔티티 관계설정
관계명 기술
관계의 참여도 기술
관계필수여부

좋은 데이터 모델의 요소

완전성: 업무에 필요한 모든 데이터가 모델에 정의
중복 배제: 하나의 DB내에 동일한 사실은 한번만
업무규칙: 많은 규칙을 사용자가 공유하도록 제공
데이터 재사용: 데이터가 독립적으로 설계되어야 함.
의사소통: 업무규칙은 엔티티, 서브타입, 속성, 관계등의 형태로 최대한 자세히 표현
통합성: 동일한 데이터는 한번만 정의, 참조 활용

엔티티

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

엔티티의 특징

반드시 해당 업무에서 필요하고 관리하고자 함
유일한 식별자에 의해 식별 가능
두 개 이상의 인스턴스의 집합
업무 프로세스에 의해 이용되어야 함
반드시 속성이 있어야 함
다른 엔티티와 최소 1개 이상의 관계가 있어야 함 -> 통계성/코드성 엔티티는 관계 생략 가능

엔티티의 분류

유무형에 따른 분류

유형, 개념, 사건 엔티티

유형: 물리적 형태 ex) 사원, 물품, 강사
개념: 개념적 정보 ex) 조직, 보험상품
사건: 업무수행시 발생 ex) 주문 , 청구, 미납

발생시점에 따른 분류

기본/키, 중심, 행위 엔티티

기본: 그 업무에 원래 존재하는 정보, 타 엔티티의 부모역할, 자신의 고유한 주식별자 가짐 ex)사원, 부서
중심: 기본 엔티티로부터 발생, 다른 엔티티와의 관계로 많은 행위 엔티티 생성 ex) 계약, 사고, 주문
행위: 2개 이상의 부모 엔티티로부터 발생, 자주 바뀌거나 양이 증가 ex) 주문목록, 사원변경이력

엔티티의 명명

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

속성

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

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

구성 방식의 분류

PK, FK, 일반 속성

속성의 분류

기본, 설계, 파생 속성

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

도메인

속성에 대한 데이터 타입, 크기, 제약사랑 지정

속성의 명명

해당업무에서 사용하는 이름 부여
서술식 속성명을 사용 금지
약어 사용 금지
구체적으로 명명하여 데이터 모델에서 유일성 확보

관계

엔티티의 인스턴스 사이의 논리적인 연관성으로서 존재의 형태로서나 행위로서 서로에게 연관성이 부여된 상태, 관계 페어링의 집합
ex) 강사 - 가르친다(관계) - 수강생

페어링

엔티티 안에 인스턴스가 개별적으로 관계를 가지는 것

UML(통합모델링 언어)에서의 관계

연관관계 (실선): 항상 이용하는 관계 ex) 소속된다.
의존관계 (점선): 상대 행위에 의해 발생하는 관계 ex) 주문한다.

관계의 표기법

관계명: 관계의 이름
관계차수: 1;1, 1;M, M;N
관계선택성(관계선택사양): 필수관계, 선택관계

관계 체크사항

2개의 엔티티 사이에 관심있는 연관 규칙이 있나?
2개의 엔티티 사이에 정보의 조합이 발생하나?
업무 기술서, 장표에 관계연결에 대한 규칙이 서술되어 있나?
업무기술서, 장표에 관계 연결을 가능케 하는 동사가 있나?

식별자

엔티티 내에서 인스턴스를 구분하는 구분자
식별자는 논리적, Key는 물리적 데이터 모델링 단계에 사용

식별자의 특징

유일성, 최소성, 불변성, 존재성

유일성: 주식별자에 의해 모든 인스턴스들이 유일하게 구분
최소성: 주식별자를 구성하는 속서으이 수는 유일성을 만족하는 최소의 수가 되어야 함
불변성: 지정된 주식별자의 값은 자주 변하지 않아야 함. 변하면 이전 기록 말소됨
존재성: 주식별자가 지정되면 반드시 값이 들어와야 함

식별자 분류

대표성여부

주식별자, 보조식별자

주식별자: 엔티티 내에서 각 occurance를 구분할 수 있는 구분자, 타 엔티티와 참조관계를 연결한다.
보조연결자: 구분자이지만 대표성과 참조관계 연결이 없다

스스로 생성 여부

내부식별자, 외부식별자

내부식별자: 스스로 생성되는 식별자
외부식별자: 타 엔티티로부터 받아오는 식별자

속성의 수

단일식별자, 복합식별자

단일식별자: 하나의 속성으로 구성
복합식별자: 2개 이상의 속성으로 구성

대체 여부

본질식별자, 인조 식별자

본질식별자: 하나의 속성으로 구성
인조식별자: 인위적으로 만든 식별자

주식별자 도출기준

해당 업무에서 자주 이용되는 속성임

명칭, 내역등과 같이 이름으로 기술되는 것들은 안된다.
복합적으로 주식별자로 구성할 경우 너무 많은 속성 X
-> 너무 많으면 인조식별자 생성한다.

식별자 관계

주식별자

자신의 주식별자로 부모의 주식별자 상송

부모로부터 받은 식별자를 자식엔티티의 주식별자로 이용하는 경우
강한 연결관계 표현, 실선 표기
식별자 관계로만 설정 시 주식별자 증가로 오류 유발

비식별자

부모 속성을 자식의 일반 속성으로 사용
1. 부모 없는 자식이 생성될수 있는 경우
2. 부모롸 자식의 생명주기가 다른경우 (별도로 소명)
3. 여러개의 엔터티가 하나의 엔터티로 통합되어 표현되었는데 각각의 엔티티가 별도의 관계를 가진 경우
4. 자식 엔티티에 별도의 주식별자를 생성하는 것이 더 유리한 경우
5. SQL 문장이 길어져 복잡성이 증가되는 것 방지
- 약한 연결관계 표현, 점선 표기
- 비식별자 관계로만 설정 시 부모 엔티티와 조인하여 성능 저하

2장. 데이터 모델과 성능

성능 데이터 모델링

DB 성능 향상을 목적으로 설계단계의 데이터 모델링 때부터 정규화, 반정규화, 테이블통합, 테이블분할, 조인구조, PK, FK 등 여러가지 성능과 관련된 상항이 데이터 모델링에 반영될 수 있도록 하는 것

분석/설계 단계에서 데이터 모델에 성능을 고려한 데이터 모델링을 수행할 경우 성능 저하에 따른 재업무 비용을 최소화 할 수 있음

데이터의 증가가 빠를수록 성능 저하에 따른 성능 개선 비용은 기하급수적으로 증가하게 된다.

성능 데이터 모델링 고려사항 순서

데이터 모델링을 할 때 정규화를 정확하게 수행
DB 용량산정을 수행한다.
DB에 발생되는 트랜잭션의 유형을 파악하낟.
용량과 트랜잭션의 유형에 따라 반정규화를 수행
이력모델의 조정, PK/FK조정, 슈퍼/서브타입 조정,
성능 관점에서 데이터 모델을 검증한다.

함수적 종속성

데이터들이 어떤 기준 값에 의해 종속되는 현상

(-) 정규화

반복적인 데이터를 분리하고 각 데이터가 종속된 테이블에 적절하게 배치되도록 하는 것

1차 정규화: 같은 성격, 내용 컬럼이 연속될 때 칼럼 제거, 테이블 생성
2차 정규화: PK 복합키 구성일 때 부분적 함수 종속 관계 데이터 분리
3차 정규화: PK가 아닌 일반 칼럼에 의존하는 칼럼 분리

(+) 반정규화

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

조회 시 디스크 I/O가 많거나 경로가 멀어 조인에 의한 성능 저하를 막기 위해 수행

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

반정규화 절차

반정규화 대상조사 (범위처리 빈도수, 범위, 통계성)
- 자주 사용되는 테이블에 접근하는 프로세스 수가 많고 항상 일정한 범위만을 조회하는 경우
- 테이블에 대량의 데이터가 있고 대량의 데이터 범위를 자주 처리하는 겨웅에 처리범위를 일정하게 줄이지 않으면 성능을 보장할 수 없는 경우
- 통계성 프로세스에 의해 통계 정보를 필요로 할 때 별도의 통계테이블을 생성한다.
- 테이블에 지나치게 많은 조인이 거렬 데이터를 조회하느 ㄴ작업이 기술적으로 어려울 경우
다른 방법유도 검토 (뷰, 클러스터링, 인덱스 조정)
- VIEW 사용: 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우 뷰를 사용한다. 뷰가 성능향상을 시키는것은 아니다.
- 클러스터링: 대량의 데이터처리나 부분처리에 의해 성능이 저하되는 경우 클러스터링을 적용하거나 인덱스를 조정함 (조회가 대부분일 때 클러스터링 적용)
- 파티셔닝: 대향의 데이터는 PK의 성격에 따라 부분적인 테이블로 분리할 수 있다. 파티셔닝 키에 의해 물리적 저장공간 분리
- 캐시: 응용 어플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상시킬 수 있다.

3. 반정규화 적용

테이블 반정규화

테이블 병합 (1:1 관계, 1:M 관계, 슈퍼/서브타입)
1. 1:1관계를 통합하여 성능향상
2. 1:M관계를 통합하여 성능향상
3. 슈퍼 서브 관계를 통합하여 성능향상

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

테이블 추가
1. 중복: 다른 업무이거나 서버가 다른 경우 동일한 테이블구조를 중복하여 원격 조인을 제거하여 성늘 향상
2. 통계: SUM, AVG 등을 미리 수행하여 계산해 줌으로써 조회시 성능을 향상
3. 이력: 이력테이블 중에서 마스터 테이블에 존재하는 리코드를 중복하여 이력테이블에 존재시켜 성능 향상
4. 부분: 하나의 테이블의 전체 칼럼 중 자주 이용하는 집중화된 칼럼들이 있을 때 디스크 I/O를 줄이기 위해 해당 칼럼들을 모아놓은 별도의 반정규화된 테이블을 생성
칼럼 반정규화
1. 중복칼럼 추가: 조인에 의해 처리할 때 성능저하를 예발하기 위해 중복된 칼럼을 위치시킴
2. 파생칼럼 추가: 트랜잭션이 처리되는 시점에 계산에 의해 발생되는 성능 저하를 예방하기 위해 미리 값을 계산하여 칼럼에 보관
3. 이력테이블 칼럼추가: 대량의 이력데이터를 처리할 때 불특정 날 조회나 최근 값을 조회할 때 나타날 수 있는 성능저하를 예벙허가 위해 이력테이블에 기능성칼럼 (최근값여부, 시작과 종료일자 등)을 추가함
4. 응용시스템 오작동을 위한 칼럼 추가: 업무적으로는 의미가 없지만 사용자의 실수로 원래 값으로 복구하기 원하느 경우 이전 데이터를 임시적으로 중복하여 보관하는 기법
5. PK에 의한 컬럼 추가: 단일 PK안에서 특정 값을 별도로 조회하는 경우 성능 저하 발생할 수 있어 일반 속성으로 추가함
관계 반정규화: 무결성 유지
- 중복관계 추가: 데이터를 처리하기 위한 여러 경로를 거쳐 조인이 가능하지만 이 때 발생할 수 있는 성능저하를 예방하기 위해 추가적인 관계를 맺는 방법

로우 체이닝

로우의 길이가 너무 길어서 데이터 블록 하나에 데이터가 모두 저장되지 않고 두 개 이상의 블록에 걸쳐 하나의 로우가 저장되어 있는 형태

로우 마이그레이션:

데이터 블록에서 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 DB 메모리에서 디스크 I/O가 발생할때 많은 I/O가 발생하여 성능저하 발생 트랜잭션을 분석하여 적절하게 1:1 관계로 분리함으로써 성능 향상이 가능하도록 해야 한다.

PK에 의해 테이블을 분할하는 방법 (파티셔닝)

RANGE PARTITION: 대상 테이블이 날짜 또는 숫자값으로 분리가 가능하고 각 영역별로 트랜잭션이 분리되는 경우 ex)요금_0401
LIST PARTITION: 지점, 사업소등 핵심적인 코드값으로 PK가 구성되어 있고 대량의 데이터가 있는 테이블의 경우 ex) 고객_서울
HASH PARITION: 지정된 해쉬 조건에 따라 해시 알고리즘이 적용되어 테이블이 분리

테이블에 대한 수평/수직분할의 절차

데이터 모델링을 완성한다.
DB 용량산정을 한다.
대량 데이터가 처리되는 테이블에 대해 트랜잭션 처리 패턴을 분석한다.
칼럼 단위로 집중화된 처리가 발생하는지, 로우 단위로 집중화된 처리가 발생하는지 분석하여 집중화된 단위로 테이블을 분리하는것을 검토한다.
- 칼럼 많음 -> 1:1 분리
- 데이터 많음 -> 파티셔닝

슈퍼/서브 타입 모델

업무를 구성하는 데이터를 공통과 차이점의 특징을 고려하여 효과적 표현. 논리적 모델이다

슈퍼타입: 공통부분
서브타입: 공통으로부터 상속받아 다른 엔티티와 차이가 있는 속성

슈퍼/서브 타입 데이터 모델의 변환 기술

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

인덱스 특성을 고려한 PK/FK DB 성능 향상

인넥스의 특징은 여러 개의 속성이 하나의 인덱스로 구성되어 있을 떄 앞쪽에 위치한 속성의 값이 비교자로 있어야 좋은 효율을 나타낸다.
앞쪽에 위치한 속성의 값이 가급석 '=' 아니면 최소한 범위 'BETWEEN' '<>' 가 들어와야 효율적이다.

분산 DB

여러 곳으로 분산되어 있는 DB를 하나의 가상 시스템으로 사용할 수 있도록 한 DB
논리적으로 동일한 시스템에 속하지만, 컴퓨터 네트워크를 통해 물리적으로 분산되어 있는 데이터 집합

분산 DB를 만족하기 위한 가지 투명성

분할 투명성 (단편화)
하나의 논리적 Relaion이 여러 단편으로 분할되어 각 사본이 여러 site에 저장.
위치 투명성
사용하려는 데이터의 저장 장소 명시 불필요. 위치정보가 시스템 카탈로그에 유지
지역사상 투명성
지역 DBMS와 물리적 DB 사이의 매핑 보장
중복 투명성
DB 객체가 여러 site에 중복 되어 있는지 알 필요가 없는 성질
장애 투명성
구성요소의 장애에 무관한 트랜잭션의 원자성 유지
병행 투명성
다수 트랜잭션 동시 수행 시 결과의 일관성 유지, Timestamp, 분산 2단계 Locking 이용

2023-07-05

총 점 72점으로 합격이닷!