데이터베이스

YSL·2022년 8월 8일

2022 데이터청년캠퍼스

목록 보기

4/6

데이터 베이스

데이터 베이스(Database)란 ?

여러 가지 업무에 공동으로 필요한 데이터를 유기적으로 결합하여 저장한 집합체
=> 데이터를 효율적, 효과적으로 처리하기 위하여 개발 & 데이터의 중복성, 종속성 문제 해결
데이터 / 정보 / 지식
- 데이터 : 관찰의 결과로 나타난 정량적 혹은 정성적인 실제 값
- 정보 : 데이터에 의미를 부여한 것
- 지식 : 사물이나 현상에 대한 이해

cf> 데이터베이스가 없던 시절에는 응용 프로그램마다 필요한 데이터를 별도의 파일 시스템(File System)으로 관리하였다.

=> 데이터가 해당 프로그램에서만 사용 가능하다는 '종속성' 문제
=> 일관성, 보안성, 경제성, 무결성 등 '중복성' 문제

일관성 : 중복된 데이터 간 내용이 일치하지 않는 상황

보안성 : 중복되어 있는 모든 데이터에 동등한 보안 수준 유지의 어려움

경제성 : 저장공간의 낭비, 동일한 데이터의 반복 작업으로 인한 비용 증가

무결성 : 제어의 분산으로 인한 데이터의 정확성 유지가 어려움

데이터베이스 관리 시스템(DBMS)이란?

컴퓨터에 저장되는 데이터베이스를 관리해주는 소프트웨어 시스템
응용 프로그램들과 물리적 데이터 파일들 간의 인터페이스 제공
장점
- 독립성 : 응용 프로그램과 데이터 간의 독립성 확보
- 데이터의 중복 제거 : 일관성, 보안성, 경제성, 데이터 무결성 확보
주요 기능

데이터 정의 기능(Data Definition)
: 데이터의 내용과 구조, 즉 데이터베이스 스키마 정의
스키마(Schema)
= 데이터 구조체
- 데이터베이스의 구조와 제약 조건에 관한 전반적인 명세를 기술
- 데이터베이스를 구성하는 데이터 개체(Entity), 속성(Attribute), 관계(Relationship) 및 데이터 조작 시 데이터 값들이 갖는 제약 조건 등에 관해 전반적으로 정의

데이터 조작 기능(Data Manipulation)
: 데이터베이스 내의 데이터 항목들에 대한 갱신, 대체, 추출, 삽입, 삭제 분류 등과 같은 데이터 조작에 사용
데이터 제어 기능(Data Control)
: 정당한 사용자가 허가된 데이터만 접근할 수 있도록 보안을 유지하고 권한을 검사하는데 사용
SQL(Structured Query Language)
= 데이터베이스를 구축하고 활용하기 위하여 사용하는 언어
(보통 관계형 데이터베이스를 조작하기 위한 표준 언어)
- DDL(Data Definition Language, 데이터 정의 언어) : 관계 생성, 관게 삭제, 관계 변경 등에 사용
- DML(Data Manipulation Language, 데이터 조작 언어) : 검색, 삽입, 삭제, 갱신 등에 사용

데이터 구성의 기초

데이터베이스 모델링(설계)

step 1. 요구사항 분석

step 2. 개념적 설계

개체 - 관계(Entity-Relationship) 모델(ERD)
= 개념적 데이터 모델 중 가장 대표적인 모델
- 개체 타입(Entity Type)과 이들간의 관계 타입(Relationship Type)을 이용해 현실 세계를 개념적으로 표현함
- 데이터를 개체(Entity), 관계(Relationship), 속성(Attribute)으로 묘사함
  - 개체(Entity)
    : 자료 집합 또는 구체적이고 의미 있는 실체
    : 데이터베이스에 표현하려는 것으로, 사람이 생각하는 개념이나 정보 단위 같은 현실 세계의 대상체
    : 유형 / 무형의 정보로서 서로 연관된 몇 개의 속성으로 구성됨
  - 속성(Attribute)
    : 개체의 구성요소
    (특정 개체를 다른 개체들과 구분하기 위한 고유한 특성 또는 성질)
    : 데이터의 가장 작은 논리적 단위, 파일 구조의 데이터 항목 또는 필드에 해당
  - 관계(Relationship)
    : 개체와 개체 사이의 관계

step 3. 논리적 설계

: 개념적 모델링 과정에서 얻은 개념적 구조를 컴퓨터가 이해하고 처리할 수 있는 컴퓨터 세계의 환경에 맞도록 변환하는 과정

계층형 모델 : 트리 형태
네트워크형 모델 : 그래프형 형태
관계형 모델(Relational Model)
- 테이블 형식을 이용하여 데이터들을 정의하고 설명한 모델
- 각각의 테이블은 하나의 개체와 속성들의 데이터들로 구성됨
- 데이터 간의 관계를 기본키(Primary Key)와 이를 참조하는 외래키(Foreign Key)로 표현함

step 4. 물리적 설계

데이터 웨어하우스

데이터 웨어하우스(Data Warehouse)란?

; 데이터 도매상

기업 내에 있는 각종 데이터를 적절히 뽑아내고 조합해 다양한 사업 목적에 맞는 정보 또는 지식으로 바꾸어 주는 기술=> 주제 중심적, 통합적 & 시간성을 가지는 비휘발성 자료의 집합
기존의 데이터베이스처럼 거래처리를 위한 데이터가 아닌 의사결정 지원을 위한 데이터 베이스
데이터 웨어하우스 구성요소

+) DW에는 단순히 자료가 저장되어 있을 뿐만 아니라, 이러한 자료를 추출, 저장, 분류하는 일련의 과정을 포함하고 있음
- 메타 데이터 = 데이터의 데이터
  : 데이터 웨어하우스의 생성과 유지보수에 관련된 정보를 담고 있는 자료
- 데이터 마트
  : 데이터 웨어하우스에 저장된 자료 중에서 일정한 주제나 특정 부서의 자료를 별도의 장소에 중복하여 사용자들이 사용하도록 하게 한 것

데이터베이스 VS. 데이터 웨어하우스

데이터베이스 : 거래처리 중심 & 응용프로그램 지원
데이터 웨어하우스 : 지식분석 중심 & 의사결정지원시스템의 데이터베이스

데이터 웨어하우스의 특징

1. 주제 중심적

2. 통합적

3. 비휘발성
기존> 추가/삭제/변경과 같은 갱신 작업이 레코드 단위로 지속적으로 발생함
DW> 데이터 로드와 활용만 존재함 (기존 운영 시스템에서와 같은 갱신은 발생하지 않음)

3. 시간성
기존> 매 순간마다 발생되는 사건들을 즉시 처리하도록 되어 있어 데이터를 접근하는 순간에만 의미가 있음
DW> "시간이라는 관점"을 갖음. 데이터 포인트가 시간 상의 한 포인트와 연결되어 있어 데이터 포인트들을 시간 축에 따라 비교, 분석 가능함

데이터 마트(Mart)

; 데이터 소매상

데이터 웨어하우스와 사용자 사이의 중간층
하나의 주제 또는 하나의 부서 중심의 데이터 웨어하우스
데이터 마트의 데이터는 대부분 데이터 웨어하우스로부터 복제

OLAP (온라인 분석처리)

OLAP이란?

다차원 데이터 구조를 이용하여 다차원의 복잡한 질의를 고속으로 처리하는 데이터 분석 기술
차원(dimensions)과 측정 항목(measure)을 설정하여 관심주제에 대한 분석을 수행
ex) 지역별/분기별/상품별(= 차원들) 판매액(= 측정 항목)
일반적으로 최종 사용자가 필요한 정보를 자료원으로부터 직접 가공하여 분석
사용자가 분석 도중 대화식으로 여러 차원 또는 분석 기법간 심층분석(Drill-down) 또는 축약분석(Drill-up) 가능

- Drill-down
: 계층 구조상 가장 상위 수준에 해당하는 데이터부터 점점 세부 수준으로 들어가며 데이터를 분석하는 것
ex) 년도별 분석 -> 반기별 분석 -> 분기별 분석 -> 월별 분석

- Drill-up
: 상세 수준의 데이터로부터 차츰 분석의 범위를 넓혀가면서 상위 단계의 데이터를 분석해 가는 것
ex) 월별 분석 -> 분기별 분석 -> 반기별 분석 -> 년도별 분석

- Pivot
= 다양한 뷰를 만들기 위해 축과 축을 바꾸는 작업
: 임의의 다차원 뷰(view)를 만들고 검토 및 분석한 후, 차원들을 다양하게 변경하여 새로운 뷰를 만들어 데이터를 분석하는 것