Part 2 - 02. 데이터 모델과 성능

□ 정규화

- 제1정규화: 기본키를 설정 / 식별자를 찾는 과정

- 제2정규화: 기본키가 2개 이상의 속성으로 이루어진 경우, 부분 함수 종속성을 제거(분해)

- 제3정규화: 기본키(주식별자)를 제외한 칼럼 간에 종속성 제거 / 이행 함수 종속성 제거

- BCNF: 일반 컬럼이 후보키를 결정하는 경우 만족하지 않음

- 제4정규화: 다중 값 종속성을 제거

- 제5정규화: 조인에 의해서 종속성이 발생되는 경우 분해

 

□ 정규화의 문제점

- 데이터 조회 시에 조인을 유발하기 때문에 CPU와 메모리를 많이 사용

- 중첩된 루프

 

□ 반정규화

- 데이터의 중복을 허용하여 성능을 향상 시키는 방법

- SELECT문의 실행 속도가 느려진 경우, 집계 정보가 요구되는 경우, 특정 범위를 자주 조회하는 경우에 사용

- 데이터 모델의 유연성은 낮아짐

 

□ 반정규화를 사용하는 경우

- 다량의 범위를 자주 처리하는 경우

- 특정 범위의 데이터만 처리하는 경우

- 요약/집계 정보가 자주 요구되는 경우

 

□ 반정규화 절차

1. 대상 조사 및 검토

2. 다른 방법 검토: 클러스터링, 뷰, 인덱스 튜닝, 응용 프로그램, 파티션 등을 검토

3. 반정규화 수행

 

□ 반정규화 기법

- 수직분할: 하나의 테이블에 있는 값을 기준으로 분할

- 수평분할: 칼럼을 분할하여 새로운 테이블 생성

- 테이블 병합: 테이블 병합을 통한 성능 향상 / 많은 양의 데이터 중복 발생

- 칼럼 추가: 이미 결과가 계산된 칼럼을 추가

 

□ 슈퍼 타입 및 서브 타입 변환 방법

- One To One Type: 슈퍼 타입과 서브 타입을 개별 테이블로 도출

- Plus Type: 슈퍼 타입과 서브 타입 테이블로 도출

- Single Type: 슈퍼 타입과 서브 타입을 하나의 테이블로 도출

 

□ 좋은 모델링의 요건

- 중복배제

- 완전성

- 업무규칙

- 데이터 재사용

- 의사소통

- 통합성

 

□ 카디널리티

- 하나의 릴레이션에서 튜플의 전체 갯수

 

□ 선택도

- 특정 조건에 의해서 선택될 것으로 예상되는 레코드의 비율

 

□ 도메인

- 컬럼의 제약조건

 

□ 데이터 모델링의 고려사항

- 데이터 중복

- 비유연성

- 비일관성

 

□ 분산 데이터베이스

- 한 대의 물리적 시스템에 여러 명의 사용자가 사용하는 구조는 집중형 데이터베이스

- 물리적으로 떨어진 데이터베이스에 네트워크로 연결하여 단일 데이터베이스 이미를 보여주고 분산된 작업처리를 수행하는 데이터베이스는 분산 데이터 베이스

- 고객은 시스템의 분산을 인지하지 못하고 자신만의 데이터 베이스를 사용하는 것 처럼 느끼도록 하여야 하는데 이를 위해 데이터베이스의 투명성 필요

 

□ 분산 데이터베이스의 투명성의 종류

- 분할 투명성

- 위치 투명성

- 지역 사상 투명성

- 중복 투명성

- 장애 투명성

- 병행 투명성

 

□ 분산 데이터베이스 설계 방식

- 상향식 설계 방식: 지역 스키마 작성 후 향후 전역 스키마 작성하여 분산 데이터베이스 구축

- 하향식 설계 방식: 전역 스키마 작성 후 해당 지역 스키마를 작성하여 분산 데이터베이스 구축

 

□ 분산 데이터베이스의 장점과 단점

- 장점: 신뢰성과 가용성이 높음 / 빠른 응답 / 용량 확장이 쉬움

- 단점: 관리와 통제가 어려움 / 무결성 관리가 어려움 / 설계가 복잡

 

---

Reference:

임호진 외 1명, 「SQL 개발자 이론서 + 문제집」, 영진닷컴(2020)