[1과목] Part2. 성능 데이터 모델링

• 성능이 저하되는 데이터 모델
  • 데이터모델의 구조에 의해
  • 데이터가 대용량이 됨으로 인해 불가피하게
  • 인덱스 특정을 충분히 고려하지 않고 인덱스를 생성함으로 인해

1) 성능 데이터 모델링의 개요

1. 성능 데이터 모델링의 정의

💡 데이터베이스 성능향상을 목적으로 설계단계의 데이터 모델링 때부터 정규화, 반정규화, 테이블통합, 테이블분할, 조인구조, PK, FK 등 여러가지 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것이다.

2. 성능 데이터 모델링 수행 시점

💡 분석/설계 단계에서 데이터 모델 성능을 고려한 데이터 모델링을 수행할 경우 성능저하에 따른 재업무(Rework) 비용을 최소화 할 수 있다.

3. 성능 데이터 모델링 고려사항 (순서 중요) ⭐️⭐️⭐️

1. 데이터 모델링을 할 때 정규화를 정확하게 수행한다.
2. 데이터베이스 용량 산정을 수행한다.
3. 데이터베이스에 발생되는 트랜잭션 유형 파악
4. 용량, 트랜잭션 유형에 따라 반정규화를 수행한다.
5. 이력 모델 조정, PK/FK 조정, 슈퍼타입/서브타입 조정 등을 수행한다.
6. 성능 관점에서 데이터 모델을 검증한다.

2) 정규화와 성능

1. 정규화를 통한 성능 향상 전략

💡 정규화 : 입력/수정/삭제 성능 ⬆️ (조회 성능은 처리 조건에 따라 향상될 수도, 저하될 수도 있다.)

반정규화 : 조회 성능 ⬆️

• 정규화 수행의 의미

  • 데이터를 결정하는 결정자에 의해 함수적 종속을 가지고 있는 일반 속성을 의존자로하여 입력/수정/삭제 이상을 제거하는 것
  • 데이터의 중복속성을 제거, 결정자에 의해 동일한 의미의 일반속성이 하나의 테이블로 집약 ➡️ 한 테이블의 데이터 용량이 최소화 ➡️ 데이터 처리 시 속도가 빨라질 수도 느려질 수도있음

• 정규화 ⭐️⭐️⭐️

  • 1차 정규화 : 다중 속성값 제거

    💡 모든 속성이 반드시 하나의 데이터 값을 가져야 한다. (원자값) 로우 단위의 중복 뿐만 아니라 칼럼 단위로 중복이 되는 것도 1차 정규화 대상이다.

    • 다중값 (속성 값/데이터)

      예) 하나의 데이터에 ,(쉼표)를 기준으로 여러 개가 들어가는 경우

    • 중복 데이터를 속성으로 분리 (컬럼/1:M 관계 형성)

      예) 주문에 대한 상세 상품 내역들을 상품1, 상품2, 상품3으로 컬럼화하여 관리하는 경우

  • 2차 정규화 : 부분적 함수 종속 제거

    💡 기본 키 이외의 속성이 기본키에 완전 함수 종속되어야 한다. 기본키가 2개 이상의 칼럼으로 이루어진 경우, 테이블 분리를 통해 함수 종속성(FD)를 제거 X → Y (X: 결정자, Y: 종속 속성)

    함수 종속성(FD)

    • 완전 함수 종속

    • 부분 함수 종속

      기본 키가 2개 이상의 칼럼으로 이루어진 경우 발생 (새로운 테이블 도출)

  • 3차 정규화 : 이행 종속(이전 종속) 분리

    💡 기본 키를 제외하고 엔터티 일반 속성 간에는 서로 종속적이지 않는다.

    • 이행 종속

  📎 이후 정규화는 문제 출제 빈도는 낮지만, 알아두자.

  • BCNF

    기본 키를 제외하고 복수의 후보키가 있는 경우, 후보키가 기본키를 종속 시키면 분해

  • 4차 정규화

    여러 칼럼들이 하나의 칼럼을 종속시키는 경우 분해하여 다중 값 종속성을 제거

  • 5차 정규화

    조인에 의해서 종속성이 발생되는 경우 분해

• 정규형

  정규화(과정)을 통해 해당 단계의 조건을 만족한 상태 ⇒ 결과

  • 제 1 정규형

    다중 속성값 제거 ⇒ 원자 값(단일 값)으로 분리

    • 모든 속성의 값이 **원자 값(atomic value)**으로만 구성되어 있음

      즉, 모든 속성에 다중 속성값이 존재하지 않음

  • 제 2 정규형

    부분적 함수 종속 제거

    • 제 1 정규형에 속하고, 주식별자가 아닌 모든 속성이 주식별자 속성에 완전 함수 종속됨.

  • 제 3 정규형

    이행 종속(이전 종속) 분리

    • 제 2 정규형에 속하고, 일반 속성 간에 함수적 종속이 존재하지 않음.

      즉, 이행적 함수 종속이 존재하지 않음

2. 반정규화된 테이블의 성능 저하 사례 1~4

💡 정규화를 수행하면 무조건 조회성능이 저하된다 ❌

1. 2차 정규화 + PK Unique Index

   2차 정규화를 적용한 테이블에 대해서 조인을 하더라도 PK Unique Index를 이용하면 조인 성능저하는 미미하게 발생한다.

2. 결정자와 의존자가 존재, 함수적 종속관계가 형성되는 관계

3. (사례)

4. 동일한 속성 형식을 두 개 이상의 속성으로 나열하여 반정규화한 경우

   💡 참고로, 한 테이블에 인덱스가 많아지면 조회 성능은 향상되지만 데이터 입력/수정/삭제 성능은 저하된다. 그래서 일반 업무처리(온라인성 업무)에서는 인덱스 수가 가급적 7~8개가 넘지 않도록 하는 것이 좋다.

3. 함수적 종속성(Functional Dependency)에 근거한 정규화 수행 필요

• 함수적 종속성

데이터들이 어떤 기준값에 의해 종속되는 현상을 지칭하는 것

이때 기준값을 결정자(Determinant)라 하고 종속되는 값을 종속자(Dependent)라고 한다.

3) 반정규화와 성능

1. 반정규화를 통한 성능향상 전략

• 반정규화(De-Normalization)의 정의

  💡 정규화된 엔터티, 속성, 관계에 대해 시스템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법 비정규화는 아예 정규화를 수행하지 않은 모델을 지칭할 때 사용한다.

  • 데이터 무결성이 깨질 수 있는 위협을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유는?
    • 데이터를 조회할 때 디스크 I/O량이 많아서 성능이 저하되거나
    • 경로가 너무 멀어 조인으로 인한 성능 저하가 예상되거나
    • 칼럼을 계산하여 읽을 때 성능이 저하될 것을 예상되는 경우 수행하게 된다.

• 반정규화의 적용방법

2. 반정규화의 기법 ⭐️⭐️⭐️

• 테이블 반정규화

• 칼럼 반정규화

• 관계 반정규화

  💡 테이블과 칼럼의 반정규화는 데이터 무결성에 영향을 미치게 되나 관계의 반정규화는 데이터 무결성을 깨트릴 위험을 갖지 않고서도 데이터처리의 성능을 향상시킬 수 있다.

3. 정규화가 잘 정의된 데이터 모델에서 성능이 저하될 수 있는 경우

4. 정규화가 잘 정의된 데이터 모델에서 성능이 저하된 경우

💡 업무의 영역이 커지고 다른 업무와 인터페이스가 많아짐에 따라 데이터베이스 서버가 여러대인 경우 (분산 데이터 베이스 구성)

1. 대량 데이터에 따른 성능

   1. 대량 데이터 발생에 따른 테이블 분할 개요
   2. 한 테이블에 많은 수의 칼럼을 가지고 있는 경우
   3. 대량 데이터 저장 및 처리로 인해 성능
   4. 테이블에 대한 수평분할/수직분할의 절차

2. 데이터베이스 구조와 성능

   • 슈퍼타입/서브타입 모델의 성능고려 방법

     • Extended ER모델

     • 공통의 부분을 슈퍼타입으로 모델링하고 공통으로부터 상속받아 다른 엔터티와 차이가 있는 속성에 대해서는 별도의 서브엔터티로 구분

       ⇒ 업무의 모습을 정확하게 표현하면서 물리적인 데이터 모델로 변환을 할 때 선택의 폭을 넓힐 수 있다.

   • 슈퍼/서브타입 데이터 모델의 변환타입 비교

4) 대량 데이터에 따른 성능

5) 데이터베이스 구조와 성능

1. 슈퍼타입/서브타입 모델의 성능고려 방법

6) 분산 데이터베이스와 성능

1. 분산 데이터베이스의 개요

• 분산 데이터베이스 정의

  💡 데이터베이스를 연결하는 빠른 네트워크 환경을 이용하여 데이터베이스를 여러 지역 여러 노드로 위치시켜 사용성/성능 등을 극대화 시킨 데이터베이스

  • 여러 곳으로 분산 되어있는 데이터베이스를 하나의 가상 시스템으로 사용할 수 있도록 한 데이터베이스
  • 논리적으로 동일한 시스템에 속하지만, 컴퓨터 네트워크를 통해 물리적으로 분산되어있는 데이터들의 모임
  • 물리적 Site 분산, 논리적으로 사용자 통합, 공유

2. 분산 데이터베이스의 투명성(Transparency)

1. 분할 투명성
2. 위치 투명성
3. 지역사상 투명성
4. 중복 투명성
5. 장애 투명성
6. 병행 투명성

3. 분산 데이터베이스의 적용 방법 및 장단점

• 분산 데이터베이스 장단점