y-log

#1 성능 데이터 모델링의 개요

1. 성능 데이터 모델링의 정의 

성능 저하 데이터 모델의 경우 

1. 데이터 모델 구조에 의해
2. 데이터가 대용량이 됨으로 인해
3. 인덱스 특성을 충분히 고려하지 않고 인덱스로 생성함으로 인해

성능 = 데이터 조회의 성능

2. 성능 데이터 모델링의 수행 시점

사전에 할수록 비용이 들지 않는다.

특히 분석/설계 단계에서 데이터 모델에 성능을 고려힌 데이터 모델링을 수행할 경우 비용 최소화의 기회를 갖는다.

데이터 증가가 빠를 수록 성능저하에 따른 성능개선비용은 기하급수적으로 증가하게 된다.

3. 성능 데이터 모델링 고려사항

1. 정규화를 정확하게 수행한다.
2. 용량 산정을 수행한다.
3. 데이터베이스에 발생되는 트랜잭션의 유형을 파악한다.
4. 용량과 트랜잭션의 유형에 따라 반정규화를 수행한다.
5. 이력모델의 조정, pk/fk 조정, 슈퍼타입/서브타입 조정 등을 수행한다.
6. 성능관점에서 데이터 모델을 검증한다. 

* 대량 데이터 처리가 되는 이력 모델에 대해 성능 고려를 하고 PK/FK의 순서가 인덱스 특성에 따라 성능 영향을 미치는 영향도가 크기 때문에 반드시 PK/FK를 성능이 우수한 순서대로 칼럼의 순서를 조정해야한다.

#2 정규화와 기능 

1. 정규화를 통한 성능 향상 전략

정규화 하는 것 - 중복성 제거, 관심사별로 처리가 되기 때문에 성능 향상의 특징을 갖는다.

입력, 수정. 삭제의 성능은 일반적인 반정규화된 테이블에 비해 처리 성능이 향상된다. 

조회 성능은 향상될 수도, 저하될 수도 있다.

* 데이터의 중복 속성을 제거하고 결정자에 의해 동일한 의미의 일반 속성이 하나의 테이블로 집약되므로 한 테이블의 데이터 용량이 최소화되는 효과가 있기 때문

정규화하여 조인이 발생하면 성능이 심각하게 저하되는가??? 아니다! case by case

반정규화 :

정규화된 엔터티, 속성, 관계에 대해 시스 템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법 일반적으로 정규화시 입력/수정/삭제 성능이 향상되 며 반정규화시 조인 성능이 향상된다.

반정규화 절차

1. 반정규화 대상조사(범위처리빈도수, 범위, 통계성)

2. 다른 방법유도 검토(뷰, 클러스터링, 인덱스 조정)

3. 반정규화 적용(테이블, 속성, 관계 반정규화)

반정규화 대상조사

1. 자주 사용되는 테이블에 접근하는 프로세스의 수가 많고 항상 일정한 범위만을 조회하는 경우

2. 테이블에 대량의 데이터가 있고 대량의 데이터 범 위를 자주 처리하는 경우에 처리범위를 일정하게 줄 이지 않으면 성능을 보장할 수 없는 경우

3. 통계성 프로세스에 의해 통계 정보를 필요로 할 때 별도의 통계테이블을 생성한다.

4. 테이블에 지나치게 많은 조인이 걸려 데이터를 조 회하는 작업이 기술적으로 어려울 경우

식별자 관계

주식별자 : 자식의 주식별자로 부모의 주식별자 상속

1. 부모로부터 받은 식별자를 자식엔터티의 주식별자 로 이용하는 경우 강한 연결관계 표현, 실선 표기

비식별자 : 부모 속성을 자식의 일반 속성으로 사용

1. 부모 없는 자식이 생성될 수 있는 경우

2. 부모와 자식의 생명주기가 다른 경우

3. 여러개의 엔터티가 하나의 엔터티로 통합되어 표현 되었는데 각각의 엔터티가 별도의 관계를 가진 경우

4. 자식엔터티에 별도의 주식별자를 생성하는 것이 더 유리한 경우

5. SQL 문장이 길어져 복잡성 증가되는 것 방지 약한 연결관계 표현, 점선 표

모델링의 정의

사전적 뜻 
가설적 또는 일정 양식에 맞춘 표현
어떤 것에 대한 예비 표현으로 그로부터 최종 대상이 구축되도록 하는 계획으로서 기여하는 것 

• 복잡한 '현실세계'를 단순화시켜 표현하는 것
• 사물이나 사건에 관한 양상이나 관점을 연관된 사람이나 그룹을 위하여 명확하게 하는 것
• 현실세계의 추상화된 반영

모델링의 특징 

추상화  단순화  명확화

모델링의 세가지 관점 

데이터 관점

업무가 어떤 데이터와 관련이 있는지, 혹은 데이터간의 관계는 무엇인지에 대해서 모델링하는 방법 

What, Data

프로세스 관점

업무가 실제하고 있는 일은 무엇인지, 혹은 무엇을 해야 하는지 모델링하는 방법

How, Process

데이터와 프로세스의 상관관점

업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법

데이터 모델링

• 정보 시스템을 구축하기 위한 데이터 관점의 업무 분석 기법
• 현실 세계의 데이터에 대해 약속된 표기법에 의해 표현하는 과정
• 데이터베이스를 구축하기 위한 분석/설계의 과정

데이터 모델이 제공하는 기능
- 시스템을 현재 또는 원하는 모습으로 가시화
- 시스템의 구조와 행동을 명세화
- 시스템을 구축하는 구조화된 틀 제공
- 시스템을 구축하는 과정에서 결정한 것을 문서화
- 다양한 영역에 집중하기 위해, 다른 영역의 세부 사항은 숨기는 다양한 관점 제공
- 특정 목표에 따라 구체화된 상세 수준의 표현 방법을 제공

데이터 모델링의 중요성 및 유의점

1. 파급효과

많은 애플리케이션들이 테스트를 수행하고 대규모의 데이터 이행을 성공적으로 수행하기 위한 많은 단위 테스트들이 수행되고 반복된다. 이런 시점에 데이터 모델의 변경이 불가피한 상황이 발생한다면...? 

데이터 구조의 변경에 따른 많은 영향 분석이 일어난다. 그 이후에 실제적 변경작업이 발생한다. 변경을 해야하는 데이터 모델의 형태에 따라서 그 영향 정도는 차이가 있겠지만 이 시기의 데이터 구조 변경으로 인한 작업은 전체 시스템 구축에 큰 위험 요소가 될 수 있다. 

이러한 이유로 인해 시스템 구축 작업 중 다른 어떤 설계 과정보다 데이터 설계가 중요하다 볼 수 있다.

2. 간결한 표현

데이터 모델은 구축할 시스템 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다.

간결하게 그려져 있는 데이터 모델을 리뷰하면서 파악하는 것이 요구사항을 파악하는데 빠른 방법이라고 볼 수 있다. (데이터 모델은 설계 도면에 해당)

3. 데이터 품질

데이터베이스에 담겨있는 데이터는 기업의 중요 자산이다. 데이터의 기간이 오래되면 될수록 활용가치는 더 높아진다. 이렇게 오래도록 저장된 데이터가 정확성이 떨어지는 데이터라고 하면 상당한 문제가 될 것이다.

따라서 데이터 품질의 문제가 중요한데 주로 데이터 품질 문제가 야기되는 중대한 이유 중 하나가 바로 데이터 구조의 문제이다. 중복 데이터를 미정의하거나 정의의 불충분, 동일한 성격의 데이터를 통합하지 않고 분리하는 행위로 나타나는 데이터 불일치 등의 경우가 있다. 

데이터 모델링을 할 때 유의 점은 다음과 같다.

1. 중복 
데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.

2. 비유연성
사소한 업무변화에도 데이터 모델이 수시로 변경되므로써 유지 보수의 어려움을 가중시킬 수 있다.
데이터 정의를 데이터의 사용 프로세스와 분리함으로써 중대한 변화를 일으킬 가능성을 줄인다.

3. 비일관성
예를 들어 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 듯한 상황.
개발자가 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 도 있다.
따라서 데이터 모델링시 데이터와 데이터 간의 상호 연관 관계에 대한 명확한 정의는 위험을 사전에 예방할 수 있다.

데이터 모델링의 3단계 진행

개념적 데이터 모델링

주요한 활동은 핵심 엔터티와 그들 간의 관계를 발견하고, 그것을 표현하기 위해서 엔터티-관계 다이어그램을 생성하는 것이다. 

* 엔터티-관계 다이어그램 : 조직과 다양한 데이터베이스 사용자에게 어떠한 데이터가 중요한지 나타내기 위해서 사용

* 데이터 모델링 과정이 전 조직에서 이루어진다 --> 전사적 데이터 모델

개념적 데이터 모델로 지원하는 중요한 기능 

1. 사용자와 시스템 개발자가 데이터 요구 사항을 발견하는 것을 지원

추상적이기 때문에 상위 문제에 대한 구조화를 쉽게 하여 사용자와 개발자가 시스템 기능에 대해 논의할 수 있는 기반을 생성한다.

2, 개념 데이터 모델은 현 시스템이 어떻게 변형 되어야 하는가를 이해하는데 유용

논리적 데이터 모델링

데이터 모델링 과정 중 가장 핵심이 되는, 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정

논리 데이터 모델은 데이터 모델링이 최종적으로 완료된 상태 -> 물리적 스키마 설계전 단계의 "데이터 모델" 상태

누가, 어떻게, 그리고 비즈니스 데이터에 존재하는 사실들을 인식하여 기록하는 것!

정규화

정규화는 논리 데이터 모델 상세화 과정의 대표적 활동으로, 일관성을 확보하고 중복을 제거해 적절한 엔티티에 속성을 배치함으로써 보다 신뢰성 있는 데이터 구조를 얻는데 목적이 있다.

물리적 데이터 모델링

논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다.

이 단계에선 테이블, 칼럼 등으로 표현되는 물리적인 저장 구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등이 있다.

프로젝트 생명 주기에서 모델링

waterfall 기반 : 데이터 모델링의 위치가 분석과 설계 단계로 구분되어 명확하게 정의 가능

정보공학이나 구조적 방법론 : 분석단계에서 업무 중심의 논리적인 데이터 모델링을 수행, 설계 단계에서 하드웨어와 성능을 고려한 물리적인 데이터 모델링 수행

일반적으로는 계획,분석 단계에 개념적 데이터 모델링 / 분석 단계에서 논리적 데이터 / 모델링 설계 단계에서 물리적 데이터 모델링
단, 현실 프로젝트에선 개념적 데이터 모델이 생략된 개념/ 논리 데이터 모델링이 분석 단계 때 대부분 수행