SQL 자격검정 실전문제 # 문제집 요점정리_과목 1

 

과목 1 데이터 모델링의 이해

제1장 데이터 모델링의 의해

 

모델링의 목적

1. 일정한 표기법에 의해 표현함으로써 업무 내용을 정확히 분석할 수 있다.
2. 분석한 내용을 바탕으로 실제 데이터베이스를 생성하여 개발 및 데이터 관리에 사용한다.

즉, 데이터베이스를 생성 및 구축하기 위함 뿐만 아니라 업무를 설명하고 분석하는 부분에서도 큰 의미를 가진다.

 

데이터 모델링 유의점

• 중복
• 비유연성
  ☞ 해결법 : 데이터 정의를 프로세스와 분리함으로써 유연성을 높여줄 수 있다.
• 비일관성
  ☞ 해결법 : 데이터 간의 상호 연간 관계에 명확히 정의한다면 사전에 예방 가능.

 

데이터 모델링의 3단계

시간에 따라 진행되는 과정으로서 추상화 수준에 따라 다음과 같이 나뉜다.

• 개념적 데이터 모델링
  추상화 수준이 높고 업무중심적이고 포괄적인 수준의 모델링 진행. 전사적 데이터 모델링, EA 수립 시 많이 이용.
• 논리적 데이터 모델링
  시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현, 재사용성 높음.
• 물리적 데이터 모델링
  실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적 성격을 고려하여 설계.
  
  

데이터베이스 스키마 구조 3단계(ANSI-SPARC에서 정의한 3단계 구조)

• 외부 스키마
• 개념 스키마
  통합 관점의 스키마 구조를 표현.
• 내부 스키마

 

 

ERD 작성 순서

1. 엔터티를 그린다.
2. 엔터티를 적절하게 배치한다.
3. 엔터티 간 관계를 설정한다.
4. 관계명을 기술한다.
5. 관계의 참여도를 기술한다.
6. 관계의 필수 여부를 기술한다.

※ 엔터티 도출 → 엔터티 배치 → 관계 설정 → 관계명 기술 → 관계 참여도 기술 → 관계 필수 여부 기술

 

엔터티의 특징

• 반드시 해당 업무에서 필요하고 관리하고자 하는 정보여야 한다.
• 유일한 식별자에 의해 식별이 가능해야 한다.
• 영속적으로 존재하는 인스턴스의 집합이어야 한다. (즉, 두 개 이상의 인스턴스를 가지고 있어야 한다.)
• 엔터티는 업무 프로세스에 의해 이용되어야 한다.
• 엔터티는 반드시 속성이 있어야 한다.
• 엔터티는 다른 엔터티와 최소 한 개 이상의 관계가 있어야 한다.
  단, 통계성이나 코드성 엔터티일 경우 생략할 수 있다.

 

엔터티의 종류(발생 시점에 따름)

• 기본 엔터티(키 엔터티)
  - 다른 엔터티로부터 주식 별자를 상속받지 않고 자신의 고유한 주식별자를 가진다.
  - 사원, 부서, 고객, 상품, 자재 등이 예가 될 수 있는 엔터티.
• 중심 엔터티(메인 엔터티)
• 행위 엔터티
• 개념 엔터티

 

엔터티 명명 규칙

1. 가능하면 현업 업무에서 사용하는 용어를 사용하자.
2. 가능하면 약어를 사용하지 말자.
3. 단수 명사를 사용하자.
4. 모든 엔터티를 통틀어 유일하게 이름이 부여되도록 하자.
5. 엔터티 생성 의미대로 이름을 부여하자.

 

속성 명명 규칙

1. 해당 업무에서 사용하는 이름을 부여하자.
2. 서술식 속성명은 사용하지 않는다.
3. 약어 사용은 가급적 제한한다.
4. 전체 데이터 모델에서 유일성 확보하는 것이 좋다.

 

관계

• 존재에 의한 관계
  예) 부서와 사원 엔티티 간의 소속 관계
• 행위에 의한 관계
  예) 주문과 배송 엔티티 간의 배송 근거 관계

 

관계의 표기법

• 관계명
  - 관계의 이름
• 관계 차수
  - 1:1, 1:M, M:N
• 선택성(선택사양)
  - 필수 관계, 선택 관계

 

엔티티 사이 관계를 도출할 때 체크사항

• 두 개의 엔터티 사이에 관심 있는 연관 규칙이 존재하는가?
• 두 개의 엔터티 사이에 정보의 조합이 발생되는가?
• 업무 기술서, 장표에 관계 연결에 대한 규칙이 서술되어 있는가?
• 업무 기술서, 장표에 관계 연결을 가능하게 하는 동사(Verb)가 있는가?

 

ERD

• 관계 연결할 때 존재와 행위를 구분하지 않고 단일화된 표기법을 사용한다.

 

UML

• 클래스 다이어그램의 관계 중 연관관계와 의존관계에 대해 다른 표기법을 가지고 표현하게 되어있다.
• 이는 실선과 점선의 표기법으로 다르게 표현이 된다.

 

 

속성

인스턴스에서 관리하고자 하는 의미상 더 이상 분리되지 않는 최소의 데이터 단위.

 

속성의 특성에 따른 분류

• 기본 속성
  원래 가지고 있어야 하는 속성.
• 설계 속성
• 파생 속성
  데이터를 조회할 때 빠른 성능을 낼 수 있도록 하기 위해 원래 속성의 값을 계산하여 저장할 수 있도록 만든 속성.
  일반적으로 계산에 의해 도출된 값.

 

도메인

각 엔터티의 속성에 대해 어떤 유형의 데이터가 어떤 범위로 들어가는지를 정의하는 개념.

 

 

인터 티, 인스턴스, 속성, 속성 값의 관계

• 한 개의 엔터티는 둘 이상의 인스턴스와 속성을 가진다.
• 한 개의 속성은 한 개의 속성 값을 가진다.

 

식별자의 종류

• 주식별자 : 대표성 O
  보조식별자 : 대표성 X
• 내부식별자 : 엔터티 내에서 스스로 생성됨.
  외부식별자 
• 단일식별자 : 단일 속성으로 식별되는 것.
  복합식별자
• 본질식별자: 원래 업무적으로 의미가 있던 식별자.
  인조식별자: 일련번호와 같이 새롭게 만든 식별자.

 

주식별자의 특징

• 유일성
  주식별자에 의해 엔터티 내에 모든 인스턴스들을 유일하게 구분.
• 최소성
  주식별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 한다.
• 불변성
  주식별자가 한 번 특정 엔터티에 지정되면 그 식별자의 값은 변하지 않아야 한다.
• 존재성
  주식별자가 지정되면 반드시 데이터 값이 존재.(Null 불가능)

 

주식별자 지정 시 고려해야 할 사항

• 주식 별자에 의해 엔터티 내 모든 인스턴스들이 유일하게 구분되어야 한다.
• 주식 별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 한다.
  (너무 많은 속성이 포함되지 않도록 한다.)
• 지정된 주식 별자의 값은 자주 변하지 않는 것이어야 한다.
• 주식 별자가 지정이 되면 반드시 값이 들어와야 한다.
• 부모 엔터티의 인스턴스가 자식 엔터티와 같이 소멸되야하는 경우 주식별자로 지정해야 한다.

 

비식별자 지정 시 고려해야 할 사항

• 관계의 강약을 분석하여 상호 간에 연관성이 약할 경우 고려.
• 자식 테이블에서 독립적인 PK의 구조를 가지기 원할 때 비식별자 관계를 고려한다.
• 부모 엔터티의 주식별자를 자식 엔터티에서 받아 손자 엔터티까지 계속 흘려보내기 위해 비식별자 관계를 고려한다.
• 부모 엔터티에 참조값이 없어도 자식 엔터티의 인스턴스가 생성될 수 있는 경우 비식별자로 지정해야 한다.
• 여러 개의 엔터티를 하나로 통합하며 각 엔터티가 갖고 있던 여러 개의 개별 관계가 통합되는 경우 비식별자로 지정해야 한다.

 

 

---

 

제2장 데이터 모델과 성능

 

성능 데이터 모델링

데이터베이스 성능 향상을 목적으로 설계단계의 데이터 모델링 때부터 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것.

• 데이터의 증가가 빠를수록 성능 저하에 따른 성능개선비용은 증가한다.
• 데이터 모델은 성능을 튜닝하면서 변경이 될 수 있는 특징이 있다.
• 분석/설계 단계에서 성능을 고려한 데이터 모델링을 수행할 경우 성능 저하에 따른 Rework비용을 최소화할 수 있는 기회를 가지게 된다.
• 이력 데이터는 시간에 따라 반복적으로 발생되기 때문에 대량 데이터일 가능성이 높아 특별히 성능을 고려하여 칼럼 등을 추가하도록 설계해야 한다.

 

성능을 고려한 데이터 모델링의 순서

1. 데이터 모델링을 할 때 정규화를 정확히 수행한다.
2. 데이터베이스 용량 산정을 수행한다.
   (용량 산정은 전체적인 데이터베이스에 발생되는 트랜잭션의 유형과 양을 본 석하는 자료가 되므로 성능 데이터 모델링을 할 때 중요한 작업이 될 수 있다.)
3. 데이터베이스에 발생되는 트랜잭션의 유형을 파악한다.
4. 용량과 트랜잭션의 유형에 따라 반정 규화를 수행한다.
5. 이력 모델의 조정, PK/FK조정, 슈퍼 타입/서브타입 조정 등을 수행한다.
   (물리적인 데이터 모델링을 할 때 위 과정은 성능 향상을 위한 데이터 모델링 작업에 중요한 요소가 된다.)
6. 성능 관점에서 데이터 모델을 검증한다.

 

※ 정규화에 대한 추가 자료

데이터베이스 정규화 1NF, 2NF, 3NF, BCNF

 

1차 정규형

• 반복되는 그룹이 존재하지 않아야 1차 정규형에 속한다.
• 만약 중복되는 속성이(로우 혹은 칼럼 단위) 존재한다면 이에 대한 분리가 1차 정규화의 대상이 된다.

 

한 테이블에 많은 칼럼이 존재할 때

• 데이터가 물리적으로 저장되는 디스크 상에 넓게 분포될 수 있어 디스크 I/O가 대량으로 발생할 수 있다.
  이로 인해 성능이 저하될 수 있다.
• 따라서 트랜잭션이 접근하는 칼럼 유형을 분석해서 자주 접근하는 칼럼들과 상대적으로 접근 빈도가 낮은 칼럼들을 구분하여 1:1로 테이블을 분리하면 디스크 I/O가 줄어들어 성능을 향상할 수 있다.

 

 

25p 37번

해당 문제와 같이 동일한 유형의 속성이 칼럼 단위로 반복되는 경우에는 속성의 원자성을 위배한 1차 정규화의 대상이 된다.

만약 모든 반복되는 속성에 인덱스를 생성하게 되면 검색 속도는 좋아지지만 입력, 수정, 삭제의 성능이 저하되므로 1차 정규화를 통해 자연스럽게 문제를 해결해야 한다.

 

 

 

2차 정규형

• 반복되는 그룹이 존재하지 않고(1차 정규형 만족)
• 특정 속성이 특정 주식별자에게만 종속되지 않을 때 2차 정규형을 만족한다고 말할 수 있다.

 

24p 36번

특정 속성이 특정 주식별자에게만 종속될 때 2차 정규화의 대상이 된다.

 

반정규화

성능을 향상하기 위해 정규화된 데이터 모델에서 중복, 통합, 분리 등을 수행하는 모든 과정.

• 데이터를 중복하여 성능을 향상시키는 기법이라고 정의할 수 있다.
• 데이터 무결성이 깨질 수 있는 위험을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유?
  ☞ 디스크 I/O량이 많거나, 경로가 너무 멀어 조인이 커지거나, 칼럼을 계산하여 읽을 경우 성능 향상을 위해.

 

정규화와 반정규화

 

반정규화 고려 시

• 반정규화 정보에 대한 재현의 적시성으로 판단한다.
• 다수 테이블에 대한 다량의 조인이 불가피하다면 데이터 제공의 적시성 확보를 위한 필수 반정규화 대상 정보이다.
• 다량 데이터 탐색의 경우 인덱스가 아닌 파티션 및 데이터 클러스터링 등의 다양한 물리 저장 기법을 활용하여 성능 개선을 유도할 수 있다.
• 이전 또는 이후 위치의 레코드에 대한 탐색은 window function으로 접근이 가능하다.
• 집계 테이블 이외에도 다양한 유형에 대해 반정규화 테이블 적용이 필요할 수 있다.

 

반정규화 절차

1. 반정규화 대상 조사
   - 범위 처리 빈도수 조사
   - 대량의 범위 처리 조사
     (☞ 해결 : 클러스터링을 적용하거나 인덱스를 조정, 혹은 파티셔닝 기법)
   - 통계성 프로세스 조사
   - 테이블 조인 개수가 많음
     (☞ 해결 : 뷰(VIEW)를 사용하면 해결할 수도 있다.)
2. 다른 방법 유도 검토
   - 뷰(VIEW) 테이블
   - 클러스터링 적용
   - 인덱스의 조정
   - 응용 애플리케이션
3. 반정규화 적용
   - 테이블 반정규화
   - 속성의 반정규화
   - 관계의 반정규화

 

반정규화의 대상에 대해 다른 방법으로 처리

• 많은 조인이 걸려 조회하는 작업이 기술적으로 어려울 경우 뷰(VIEW)를 사용하면 해결할 수도 있다.
• 대량의 데이터 처리나 부분 처리에 의해 성능이 저하되는 경우에 클러스터링을 적용하거나 인덱스를 조정함으로써 성능을 향상할 수 있다.
• 대량의 데이터는 PK의 성격에 따라 부분적인 테이블로 분리할 수 있다. 즉 파티셔닝 기법이 적용되어 성능 저하를 방지할 수 있다.
• 응용 애플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상할 수 있다.
• 칼럼에 대한 반정규화 기법
  이력 테이블에 기능 칼럼을 추가. 최신 값을 처리하는 이력의 특성을 고려하여 기능성 칼럼을 추가.

 

 

파티셔닝 기법

하나의 테이블에 많은 양의 데이터가 저장되면 인덱스를 추가하고 테이블을 쪼개도 성능이 저하되는 경우가 있다.

 

이때 논리적으로는 하나의 테이블이지만 물리적으로는 여러 개의 테이블로 분리하는 파티셔닝 기법을 사용할 수 있다.

 

즉, PK의 성격에 따라 부분적인 테이블로 분리하는 방법.

 

이는 데이터 액세스 성능 향상 및 데이터 관리방법도 개선할 수 있는 기법이다.

 

슈퍼타입과 서브타입 데이터 모델을 물리적인 테이블 형식으로 변환할 때

• 트랜잭션은 항상 전체를 대상으로 일괄 처리하는데
  테이블은 서브타입 별로 개별 유지하는 것으로 변환하면 Union연산에 의해 성능이 저하될 수 있다.
• 트랜잭션은 항상 전체를 통합하여 분석처리 하는데
  슈퍼-서브타입이 하나의 테이블로 통합되어있으면 하나의 테이블에 집적된 데이터만 읽어 처리할 수 있기 때문에 다른 형식에 비해 성능이 더 우수하다.
• 트랜잭션은 항상 서브타입 개별로 처리하는데
  테이블은 하나로 통합하여 변환하면 불필요하게 많은 양의 데이터가 집적되어 있어 성능이 저하될 수 있다.
• 트랜잭션은 항상 슈퍼+서브타입을 함께 처리하는데
  개별로 유지하면 조인에 의해 성능이 저하될 수 있다.

 

슈퍼/서브 타입 데이터 모델의 변환 기술

• 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성.
• 슈퍼 타입+서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼 타입+서브타입 테이블로 구성.
• 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성.

 

분산 데이터베이스 장단점

장점

• 지역 자치성, 점증적 시스템 용량 확장
• 신뢰성과 가용성
• 효용성과 융통성
• 빠른 응답 속도와 통신비용 절감
• 데이터의 가용성과 신뢰성 증가
• 시스템 규모의 적절한 조절
• 각 지역 사용자의 요구 수용 증대

 

단점

• 소프트웨어 개발 비용
• 오류의 잠재성 증대
• 처리 비용의 증대
• 설계, 관리의 복잡성과 비용
• 불규칙한 응답 속도
• 통제의 어려움
• 데이터 무결성에 대한 위협

 

분산 데이터베이스 환경

데이터가 여러 지역에 분산되어 있지만 하나의 데이터베이스처럼 사용할 수 있다.

 

※ GSI(Global Single Instance)

: 통합된 한 개의 인스턴스. 즉, 통합 데이터베이스 구조를 의미하므로 분산 데이터베이스와 대치되는 개념.

 

분산 데이터베이스 환경에서 분산 설계하여 효율성 증대시킬 수 있는 방법

• 공통 코드, 기준정보 등 마스터 데이터는 분산 데이터베이스에 복제 분산을 적용한다.
• 거의 실시간(Near Real Time) 업무적인 특성을 가지고 있을 때 분산 데이터베이스를 사용하여 구성할 수 있다.
• 백업 사이트를 구성할 때 간단하게 분산기능을 적용하여 구성할 수 있다.