리닝's reframe

반정규화(De-Normalization)란? 

- 정규화된 엔터티, 속성, 관계에대해 시스템 성능 향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링 기법

- 조회시 디스크 I/O거 많거나 경로가 멀어 조인에 의한 성능 저하를 막기 위해 수행 

* 디스크 I/O  : 데이터를 작성 하고 변경 할적에 디스크 즉 하드디스크에 그것이 저장되는 것

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

반 정규화 절차

1) 반정규화 대상 조사 

(범위처리빈도수, 범위, 통계성) 

- 자주 사용되는 테이블 에 접근하는 프로세서의 수가 많고 항상 일정한 범위만을 조회하는 경우 

- 테이블에 대량의 데어터가 있고 대량의 데이터 범위를 자주 처리하는 경우에 처리범위를 일정하게 줄이지 않으면 성능을 보장할 수 없는 경우 

- 통계성 프로세스에 의해 통계 정보를 필요로 할때 별도의 통계테이블을 생성

- 테이블에 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우 

2) 다른 방법 유도 검토

(뷰, 클러스터링, 인덱스 조정) 

- VIEW 사용 : 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우 VIEW 사용

(다만, VIEW 가 직접적으로 성능을 향상 시키지는 않는다.) 

- * 클러스터링 : 대량의 데이터처리나 부분처리에 의해 성능이 저하되는 경우, 클러스터링을 적용하거나 인덱스를 조정함

(조회가 대부분 일때 클러스터링 적용) 

3) 파티셔닝

: 대량의 데이터는 PK의 성격에 따라 부분적인 테이블로 분리할 수 있다. 파티셔닝 키에 의해 물리적 저장공간 분리

4) 캐시

: 응용 애플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상시킬 수 있음 

반정규화 기법 

<테이블 반 정규화>

* 수평/수직 분할의 절차

1. 데이터 모델링을 완성한다. 

2. DB용량을 산정한다. 

3. 대량 데이터가 처리되는 테이블에 대해 트랜잭션 터리 패턴을 분석한다. 

4. 칼럼 단위로 집중화된 처리가 발생하는지 로우단위로 집중화된 처리가 발생하는지 분석하여 

집중화된 단위로 테이블 분리하는 것을 검토한다. 

  - 컬럼 많음 → 1:1 분리

  - 데이터 많음 → 파티셔닝

* 슈퍼/서브 타입 모델

슈퍼타입 : 공통 부분

서브타입 : 공통으로부터 상속받아 다른 엔터티와 차이가 있는 속성

<슈퍼/서브타입 데이터 모델의 변환타입 비교>

<칼럼 반정규화> 

<관계 반정규화>

: 무결성 유지

* 클러스터

:   디스크로부터 데이터를 읽어오는 시간을 줄이기 위해서 조인이나 자주 사용되는 테이블의 데이터를 디스크의 같은 위치에 저장시키는 방법

클러스터된 테이블과 클러스터 되지 않은 테이블의 차이

- 테이블이 처음 생성될 때 행은 일반적으로 세그먼트의 첫 익스텐트의 첫 블록부터 삽입됩니다

- 정규 테이블로 저장될 경우 EMP와 DEPT은 서로 다른 세그먼트에 위치하게 됩니다. 이 말은 테이블이 자신들 고유의 블록을 사용한다는 뜻입니다.

- 테이블이 클러스터로 저장되면 클러스터는 물리적 저장 단위가 되고 테이블은 논리적 엔티티 즉, 클러스터의 일부분이 됩니다.

클러스터의 장점

  - 그룹된 컬럼 데이터 행들이 같은 데이터 Block에 저장되기 때문에 디스크 I/O를 줄여 줍니다.

  - 클러스터된 테이블 사이에 조인이 발생할 경우 그 처리 시간이 단축 됩니다.

  - 클러스터키 열을 공유하여 한번만 저장하므로 저장 영역의 사용을 줄입니다.

테이블 클러스터링의 특징

  클러스터는 데이터 조회 성능을 향상 시키지만 데이터 저장, 수정, 삭제 또는 한 테이블 전체 Scan의 성능을 감소 시킵니다

클러스터 하기 좋은 테이블

• 주로 조회가 자주 발생하고 수정이 거의 발생하지 않는 테이블
•  컬럼안의 많은 중복 데이터를 가지는 테이블
•  자주 Join되는 테이블

클러스터 Key가 되기 좋은 컬럼

•  데이터 값의 범위가 큰 컬럼
•  테이블 간의 조인에 사용되는 컬럼

클러스터 key가 되기 나쁜 컬럼

•  특정 데이터 값이 적은 컬럼
•  자주 데이터 수정이 발생하는 컬럼
•  LONG, LONG RAW 컬럼은 포함할 수 없습니다.
  
  

로우 체이닝 : 로우의 길이가 너무 길어서 데이터 블록 하나에 데이터가 모두 저장되지 않고 두개 이상의 블록에 걸쳐 하나의 로우가 저장되어 있는 형태

로우 마이그레이션 : 테이블 블록에서 수정이 발생하면 수정된 데이털ㄹ 해당 데이터 블록에서 저장하지 못하고 다른 블록의 빈 공간을 찾아 저장하는 방식

***로우 체이닝과 로우 마이그레이션이 발생하여 많은 블록에 데이터가 저장되면 DB 메모리에 디스크 I/O가 발생할때   I/O가 발생하여 성능저하 발생 트랜잭션을 분석하여 적절하게 1:1 관계로 분리함으로써 성능향상이 가능하도록 해야한다.

식별자(Identifiers) 란? 

하나의 엔터티에 구성되어 있는 여러개의 속성중에서 엔터티를 대표할 수 있는 속성을 의미하며 하나의 엔터티는 반드시 하나의 유일한 식별자가 존재해야한다. 

식별자의 특징 

식별자 분류

주식별자 도출 기준 

- 해당 업무에서 자주 이용되는 속성이여야한다. 

- 명칭, 내역 등고 ㅏ같은 이름으로 기술되는 것들은 주식별자로 지정하지 않느다. 

- 복합으로 주식별자를 구성할 경우 너무 많은 속성이 포함되지 않도록 한다. '

   →너무 많으면 인조식별자를 생성한다. 

식별자관계와 비식별자 관계에 따른 식별자

주식별자

: 자식의 주식별자로 부모의 주식별자 상속

- 부모로부터 받은 식별자를 자식 엔터티의 주식별자로 이용하는 경우

- 강한 연결관계 표현, 실선 표기 

- 식별자 관계로만 설정 시 주식별자 증가로 오류 유발

비식별자

: 부모 속성을 자식의 일반 속성으로 사용 

- 부모없는 자식이 생설 될 수 있는 경우 

- 부모와 자식의 생명주기가 다른 경우 (별도로 소멸) 

- 여러개의 엔터티가 하나의 엔터티로 통합되어 표현되었는데 각각의 엔터티가 별도의 관계를 가진 경우

- 자식엔터티에 별도의 주식별자를 생성하는 것이 더 유리한 경우 

- SQL문장이 길어져 복잡성 증가되는 것 방지 

- 비식별자 관계로만 설정시 부모 엔터티와 조인하여 성능 저하 

정규화(Normalization)란? 

- 다양한 유형의 검사를 통해서 데이터 모델을 좀 더 구조화하고 개선시켜 나가는 절차

- 관계형 스키마를 더 좋은 구조로 정제해 나가는 과성

- 함수적 종속성(속성 간의 관계 분석)을 기반으로 해서 일정한 조건을 만족하는 형태로 엔터티를 분해하는 과정

   * 함수적 종속성 : 속성들 간의 관련성, 이를 이용하여 이상 현상이 일어나지 않는 테이블(릴레이션)로 설계하는 과정이 정규화이다. 

정규화가 되지 않았을 때 문제점

- 중복된 정보로 인한 문제

- 특정 정보의 표현 불가

- Null값 보유 

이상현상 

: 불필요한 데이터 중복으로 인해 릴레이션에 대한 데이터 삽입, 수정, 삭제 연산을 할떄 발생할 수 있는 부작용 

- 삽입 이상 : 데이터를 삽입하기 위해 불필요한 데이터도 함께 삽입해야 하는 문제ㅐ

- 갱신 이상 : 중복 튜플 중 일부만 변경하여 데이터가 불일치 하게 되는 문제

- 삭제 이상 : 튜플을 삭제하면 꼭 필요한 데이터까지 같이 삭제되는 데이터 손실 문제 

함수종속

: X→ Y  일때 

'X가 Y를 함수적으로 결정한다. ' = 'Y가 X에 함수적으로 종속되어 있다.'

릴레이션내의 모든 행을 대상으로 하나의 X값에 대한 Y값이 항상 하나인 경우를 의미한다.

함수 종속 관계를 판한할 때 현재의 속성 값을 기준으로 판단하면 안되고 속성에 들어올 수 있는 값들을 고려하여 판단해야한다. 

일반적으로 기본키와 후보키는 릴레이션의 다른 모든 속성을 함수적으로 결정한다. 

성능 데이터 모델링 

데이터베이스 성능향상을 목적으로 설계단계의 데이터모델링 때 부터 정규화, 반정규와, 테이블통합, 테이블분할, 조인구조, PK, FK 등 여러가지 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것

성능 데이터 모델링 수행시점

- 사전에 할 수록 비용이 들지 않는다. 

- 분석/설계단계에서 성능을 고려한 데이터 모델링을 수행하면, 나중에 성능저하때문에 발생하는 재업무 비용을 최소화 할 수 있다. 

성능 데이터 모델링 고려사항

1) 데이터 모델링을 할때 정규화를 정확하게 수행

2) 데이터 베이스 용량산정을 수행

3) 데이터베이스에 발생되는 트랜잭션의 유형을 파악

4) 용량과 트랜잭션 유형에 따라 반정규화를 수행 

5) 이력모델의 조정, PK/FK조정, 슈퍼타입/서브타입 조정 등을 수행

6) 성능관점에서 데이터 모델을 검증

-> 데이터 모델을 검토할때는 일반적인 데이터 모델규칙만 검증하지 말고, 충분하게 성능이 고려되었는지도 체크리스트에 포함하여 검증하도록 한다. 

관계(Relationship)의 정의

- 엔터티의 인스턴스 사이의 논리적 연관성으로서 존재의 형태로서나 행위로서 서로에게 연관성이 부여된 상태, 관계의 페어링의 집합

예 ) 강사 - 가르친다(관계) - 수강생

관계(Relationship)의 페어링(Pairing)

- 인스턴스간의 개별적 관계 = 페어링   ---> '집합' 의 논리적 표현이 즉, '관계'

- 인스턴스간 관계가 설정되어있는 어커런스(Occurence)를 관계 페어링 이라고 하며, 이러한 관계 페어링의 집합을 관계! 

관계의 분류

- 존재에 의한 관계

이벤트나 액션, 행위에 의한 것이 아니라 단순히 소속되어 있기 때문에 나타나는 관계 

- 행위에 의한 관계

특정 행위에 의해 관계가 발생하는 관계

관계의 표기법

- 관계명(Membership): 관계의 이름, 엔터티가 관계에 참여하는 형태, 각 관계는 2개의 관계명 및 관점을 가짐

- 관계차수(Cardinality): 1:1, 1:M, M:N

*한명의 사원은 한 부서에 소속되고 한 부서는 여러 사원을 포함한다.

- 관계선택사양(Optionality): 필수관계, 선택관계

(예시) 선택 관계

- 하나의 주문목록에는 한 개의 목록을 항상 포함하고 한 목록은 여러 개의 주문 목록에 의해 포함될 수 있다.

선택참여하는 엔티티 쪽에 원을 표시한다.

관계 체크사항

두개의 엔터티 사이에서 관계를 정의할 때에는 다음과 같은 사항들을 체크해 보아야 한다.

- 두 개의 엔터티 사이에 관심있는 연관규칙이 존재하는가?

- 두 개의 엔터티 사이에 정보의 조합이 발생되는가?

- 업무기술서, 장표에 관계연결에 대한 규칙이 서술되어 있는가?

- 업무기술서, 장표에 관계연결을 가능하게 하는 동사(Verb)가 있는가?

[출처] Sql 전문가 가이드

속성(Attribute)이란? 

- 서물의 성질, 본질적인 성질

- 업무에서 필요로하는 정의

- 의미상 더이상 분리되지 않는 정의

- 엔터티를 설명하고 인스턴스를 구성하는 요소 

엔터티, 인스턴스와 속성, 속성값에 대한 내용과 표기법 

- 엔터티, 인스턴스, 속성, 속성값의 관계

- 하나의 엔터티는 여러개의 엔터티를 가지고 엔터티는 한개의 속성값만 가질 수 있음

- 하나의 엔터티는 2개 이상의 인스턴스 집합, 2개 이상의 속성

* 속성의 표기법

  Barker 표기법 중 * 입력시 입력값이 반드시 있어야 하고(NOT NULL), ㅇ은 있어도 되고 없어도 된다(NULL).

속성의 특징

- 반드시 해당 업무에서 필요하고 관리하고 하는 정보이어야 한다.(예: 강사의 교재 이름)

- 정규화 이론에 근간하여 정해진 주식별자에 함수적 종속성을 가져야 한다.

- 하나의 속성에는 한 개의 값만을 가진다. 다중값(하나의 속성에 여러 개의 값이 있음)일 경우 별도의 엔터티를 이용하여 분리한다.

속성의 분류 

도메인(Domain)

 - 각 속성의 값의 범위가 있는데 이를 그 속성의 도메인이라고 한다.

  --> 엔터티 내에서 속성에 대한 데이터타입과 크기 그리고 제약사항을 지정하는 것

  예: 학생이라는 엔터티가 있을 때 학점이라는 속성의 도메인은 0.0에서 4.5 사이의 실수 값

속성의 명명(Naming)

  - 해당 업무에서 사용하는 이름을 부여

  - 서술식 속성명은 사용하지 않음

  - 약어사용은 가급적 제한

  - 전체 데이터모델에서 유일성 확보하는 것이 좋음