SQL 자격검정 실전문제: 과목 1 데이터 모델링의 이해

SQLD 복습

과목1. 데이터 모델링의 이해

제1장. 데이터 모델링의 이해

• 1절. 데이터 모델의 이해
• 2절. 엔터티
• 3절. 속성
• 4절. 관계
• 5절. 식별자

---

📝사용자가 처리하는 프로세스 혹은 이와 관련된 프로그램과 테이블의 연계성을 높이는 것은 데이터모델이 업무변경에 대해 취약하게 만드는 단점

 

📇비유연성(Inflexibility)

: 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무 변화에도 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움을 가중시킬 수 있음

데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄임

 

📇개념 스키마(Conceptual Schema)

: 통합 관점의 스키마를 표현한 것

-데이터 모델링: 통합 관점의 뷰를 가지고 있는 개념 스키마를 만들어 가는 과정

 

📇ERD 작성하는 방법

엔터티  도출->엔터티 배치->관계 설정->관계명 기술

 

📇엔터티의 특징

1. 속성이 없는 엔터티는 있을 수 없음. 엔터티는 반드시 속성을 가져야 함.
2. 엔터티는 다른 엔터티와 관계가 있을 수밖에 없음. 단, 통계성 엔터티나 코드성 엔터티의 겨웅 관계 생략 가능
3. 데이터로서 존재하지만 업무에서 필요로 하지 않으면 해당 업무의 엔터티로 성립될 수 없음

---

엔터티(Entity) = 테이블=릴레이션

엔터티는 업무에서 필요하고 유용한 정보를 저장하고 관리하기 위한 집합적인 것이다. 개념, 사건, 장소 등의 명사(Things)이다.

 

 

속성(Attribute) = 컬럼=차수(디그리: 속성의 수)

속성은 업무에서 필요로 하는 인스턴스로 의미상 더 이상 분리되지 않는 최소의 데이터 단위이다.

 

 

인스턴스(Instance) = 행=튜플 (카디널리티: 튜플의 수)

인스턴스는 데이터베이스에 저장된 데이터 내용의 전체 집합을 의미한다.

 

https://m.blog.naver.com/clsrnclsrn95/222069240916

---

📇개념 엔터티

: 자신의 고유한 주식별자 가짐

ex) 사원, 부서, 고객 ...

 

📇엔터티 이름을 부여하는 방법

-엔터티가 생성되는 의미대로 자연스럽게 부여하도록 한다.

 

📇속성(Attribute)

: 업무에서 필요로 하는 인스턴스에서 관리하고자 하는 의미상 더이상 분리되지 않는 최소의 단위

-하나의 인스턴스에서 각각의 속성은 한 개의 속성값을 가져야 한다.

 

📝이자는 계산된 값으로 파생속성이 맞지만, 이자율은 원래 가지고 있어야 하는 속성이므로 기본속성에 해당

 

📇파생속성

: 데이터를 조회할 때 빠른 성능을 낼 수 있도록 하기 위해 원래 속성의 값을 계산하여 저장할 수 있도록 만든 속성

 

📇데이터 모델링의 관계

• 데이터 모델링에서는 존재적 관계와 행위에 의한 관계를 구분하는 표기법이 없으며, UML에서는 연간관계와 의존관계에 대해 다른 표기법을 가지고 표현하게 되어 있음
• 관계는 존제에 의한 관계와 행위에 의한 관계로 구분될 수 있으나 ERD에서는 관계를 연결할 때, 존재와 행위를 구분하지 않고 단일화된 표기법 사용
• UML에는 클래스 다이어그램의 관계 중 연관관계(Associate)와 의존관계(dependency)가 있고, 이것은 실선과 점선의 표기법으로 다르게 표현됨
• (존재+행위)     연관/의존

📇식별자 관계

- 엔터티가 같이 소멸되는 경우는 식별자 관계로 정의하는 것이 바람직

 

📇두 개의 엔터티 사이에서 관계를 도출할 때 체크할 사항

1. 연관규칙 존재?
2. 정보 조합 발생?
3. 업무 기술서, 장표에 관계 연결에 대한 규칙 서술
4. 동사(Verb)가 있는가

📇식별자의 종류

• 대표성; 주식별자(Primary Identifier) / 보조 식별자(Alternate Identifier)
• 스스로 생성: 내부 식별자 / 외부 식별자(Foreign Identifier)
• 단일속성 식별 여부: 단일 식별자(Simple Identifier) / 복합 식별자(Composit Identifier)
• 새로움: 본질 식별자 / 인조 식별자

📇데이터 모델링 단계 (수행절차)

1. 데이터 모델링을 할 때 정규화를 정확하게 수행
2. 데이터베이스 용량산정 수행
3. 데이터베이스에 발생되는 트랜잭션의 유형 파악
4. 용량과 트랜잭션의 유형에 따라 반정규화를 수행
5. 이력 모델의 조정, PK/FK 조정, 슈퍼타입/서브타입 조정 등을 수행
6. 성능 관점에서 데이터모델 검증

   -> 성능을 고려한 데이터 모델링은 정규화를 수행한 이후에 용량산정과 트랜잭션 유형을 파악하여 반정규화를 수행.

       PK/FK 등을 조정하여 인덱스의 특징을 반영한 데이터 모델로 만들고 이후에 데이터모델을 검증하는 방법으로 전개

 

📇성능데이터 모델링 고려사항

- 이력데이터는 시간에 따라 반복적으로 발생이 되기 때문에 대량 데이터일 가능성이 높아 특별히 성능을 고려하여 칼럼 등을 추가하도록 설계해야 함

 

📇정규형

: 릴레이션이 정규화된 정도

 

📝컬럼 단위에서 중복된 경우도 1차 정규화의 대상이 된다. 이에 대한 분리는 1:M의 관계로 두 개의 엔터티로 분리됨

 

📇반정규화 고려할 때 판단 요소

• 반정규화 정보에 대한 재현의 적시성으로 판단

        ex) 빌링의 잔액(balance)은 다수 테이블에 대한 다량의 조인이 불가피하므로 데이터 제공의 적시성 확보를 위한 필수 반정규화 대상 정보

• 대량 데이터 탐색의 경우 인덱스가 아닌 파티션 및 데이터 클러스터링 등의 다양한 물리 저장 기법을 활용하여 성능 개선을 유도할 수 있음. 다만, 하나의 결과셋을 추출하기 위해 다량의 데이터를 탐색하는 처리가 반복적으로 발생한다면 이때는 반정규화를 고려하는 것이 좋음
• 이전 또는 이후 위치의 레코드에 대한 탐색은 window function으로 접근 가능
• 집계 테이블 이외에도 다양한 유형(다수 테이블의 키 연결 테이블 등)에 대하여 반정규화 테이블 적용이 필요할 수 있음

📇부분테이블 추가

: 하나의 테이블의 전체 칼럼 중 자주 이용하는 집중화된 칼럼들이 있을 때 디스크 I/O를 줄이기 위해 해당 칼럼들을 별도로 모아 놓는 반정규화 기법

 

📇반정규화 기법

• 중복 칼럼 추가
• 파생 칼럼 추가
• 이력 테이블에 기능 칼럼 추가

FK에 대한 속성 추가!= 반정규화 기법

-데이터 모델링에서 관계를 연결할 때 나타나는 자연스러운 현상

 

📝최근에 변경된 값만을 조회할 경우 과도한 조인으로 인해 성능이 저하되어 나타나게 된다.

 

📇칼럼 수가 많은 테이블

- 로우체이닝이 발생할 정도로 한 테이블에 많은 칼럼들이 존재할 경우 조회 성능 저하가 발생할 수 있다.

트랜잭션이 접근하는 칼럼 유형을 분석하여 1:1로 테이블을 분리하면 디스크 I/O가 줄어들어 조회 성능을 향상시킬 수 있다.

 

🍋로우체이닝: 한 로우의 데이터 크기가 블록의 데이터 저장 공간보다 클때 발생하는 현상이다. 데이터 크기가 블록의 데이터 저장공간보다 클때 한 로우를 여러개의 조각으로 분리하고 각 조각을 다른 블록에 저장한다.

 

한 로우의 데이터 크기가 블록의 데이터 저장 공간보다 클때 발생하는 현상이다. 데이터 크기가 블록의 데이터 저장공간보다 클때 한 로우를 여러개의 조각으로 분리하고 각 조각을 다른 블록에 저장한다.

 

📏47번 문제

개별 테이블을 모두 조회하는 트랜잭션이 대부분이라는 가정이 있으므로 UNION/UNION ALL 할 경우 개별조회에 따른 시간소요와 이것을 조합하는 성능저하 발생

따라서 하나의 테이블로 통합하도록 하고 대신 PK 체계나 일반속성에 각 사건을 구분할 수 있도록 구분자 부여

 

📇논리 데이터모델의 슈퍼타입과 서브타입 데이터모델을 물리적인 테이블 형식으로 변활할 때

• 트랜잭션은 항상 전체를 통합하여 분석 처리하는데 슈퍼-서브 타입이 하나의 테이블로 통합되어 있으면 하나의 테이블에 집적된 데이터만 읽어 처리할 수 있기 때문에 다른 형식에 비해 성능이 더 우수(조인 감소)
• 트랜잭션은 항상 전체를 대상으로 일괄처리하는데, 테이블은 서브타입별로 개별 유지하는 것으로 변환하면 UNION 연산에 의해 성능이 저하될 수 있음
• 트랜잭션은 항상 서브타입 개별로 처리하는데 테이블을 하나로 통합하여 변환하면 불필요하게 많은 양의 데이터가 집적되어 있어 성능이 저하될 수 있음
• 트랜잭션은 항상 슈퍼+서브 타입을 함께 처리하는데 개별로 유지하면 조인에 의해 성능이 저하될 수 있음

📇인덱스 액세스 범위를 좁히는 법

인덱스는 값의 범위에 따라 일정하게 정렬이 되어 있으므로 상수값으로 EQUAL 조건으로 조인되는 칼럼이 가장 앞으로 나오고, 범위 조회하는 유형의 칼럼이 그 다음에 오도록 부여하는 것이 인덱스 액세스 범위를 좁힐 수 있는 가장 좋은 방법이 됨

 

📇분산 데이터베이스

• Global Single Instance(GSI)는 통합된 한 개의 인스턴스, 통합된 데이터베이스 구조를 의미하므로, 분산데이터베이스와는 대치되는 개념
• 공통 코드, 기준 벙보 등 마스터데이터는 분산데이터베이스에 복제 분산 적용
• 거의 실시간(Near Rear Time) 업무적인 특성을 가지고 있을 때 분산 데이터 베이스 사용하여 구성
• 백업 사이트를 구성할 때 간단하게 분산 기능을 적용하여 구성 가능