[sqld] 2. 데이터 모델과 성능

• 성능 데이터 모델링이란?

• 데이터모델링을 할 때 어떤 작업 유형에 따라 성능향상을 도모해야하는지 목표를 분명하게 해야 정확한 성능 향상 모델링을 할 수 있다.

​

• 성능이 저하되는 데이터 모델

1. 잘못 설계된 데이터 모델 구조

2. 대용량 데이터를 가진 구조

3. 인덱스의 특성을 무시한 인덱스 생성

​

• 성능 데이터 모델링 고려사항 순서

1. 데이터 모델링을 할 때 정규화를 정확하게 수행

2. 데이터베이스 용량 산정을 수행 👉🏼 어떤 엔티티에 데이터가 집중되는지

3. 데이터베이스에 발생되는 트랜잭션의 유형을 파악

4. 용량과 트랜잭션의 유형에 따라 반정규화를 수행

5. 이력모델의 조정, PK/FK 조정, 슈퍼타입/서브타입 조정 등을 수행

6. 성능 관점에서 데이터 모델을 검증 👉🏼 충분하게 성능이 고려되었는지

​

​

• 정규화 (Normalization)

​

!정처산기 필기 공부할 때 외웠던 도부이결다조😂 이제는 완전히 이해하고 넘어가기!

​

mangkyu.tistory.com/110

정규화 단계 이해는 이 블로그 포스팅이 쉽게 잘 설명되어있어 이해가 쏙쏙!

​

​

• 1차 정규형 : 모든 속성의 도메인이 원자 값이 되어야 한다.

  (원자값이 아닌 도메인 분해해서 원자 값으로 만들어 준다.)

• 2차 정규형 : 1차 정규형 진행 + 부분 함수 종속성 제거

​

​

👇🏼 2차 정규화 - 정규화테이블{관서번호, 관리점번호, 관서명, 상태, 관서등록일자} 👇🏼

​

• 3차 정규화 : 제 2 정규화 진행 + PK에 의존하지 않고 일반컬럼에 의존하는 컬럼들을 분리 ( = 이행 함수 종속 제거)

​

​

• 반정규화(Denormalization)

​

정규화된 엔터티, 속성, 관계에 대해 시스템의 성능향상과 개발(Development)과 운영(Maintenance)의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법을 의미한다.

​

반정규화는 데이터를 중복하여 성능을 향상시키기 위한 기법이라고 정의할 수 있고, 좀 더 넓은 의미의 반정규화는 성능을 향상시키기 위해 정규화된 데이터 모델에서 중복, 통합, 분리 등을 수행하는 모든 과정을 의미한다.

​

데이터 무결성이 깨질 수 있는 위험을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유는 데이터를 조회할 때 디스크 I/O량이 많아서 성능이 저하되거나 경로가 너무 멀어 조인으로 인한 성능저하가 예상되거나 칼럼을 계산하여 읽을 때 성능이 저하될 것이 예상되는 경우 반정규화를 수행하게 된다.

​

​

• 반정규화 기법

​

테이블 반정규화

​

✔️테이블 병합 👉🏼 1:1 관계 병합, 1:M 관계 병합, 슈퍼/서브타입 병합

​

✔️테이블 분할 👉🏼 수직분할(컬럼단위, 테이블 1:1 분리), 수평분할(로우단위)

​

✔️테이블 추가

👉🏼 중복테이블 : 동일한 테이블 구조 중복 원격 조인 제거

👉🏼 통계테이블 : SUM, AVG 등 미리 계산 & 조회 시 성능 향상

👉🏼 이력테이블 : 마스터 테이블 레코드 중복하여 이력테이블에 존재

👉🏼 부분테이블 : 전체 컬럼 중 자주 이용하는 컬럼들을 모아놓은 별도 테이블

​

​

컬럼 반정규화

​

✔️중복컬럼 추가 👉🏼 조인을 감소시키기 위해 중복 컬럼 위치 시킴

​

✔️파생컬럼 추가👉🏼 계산에 의한 성능저하 예방 미리 계산하여 컬럼에 보관 (Derived 컬럼)

​

✔️이력테이블 컬럼추가 👉🏼 기능성 컬럼 (최근 값 여부, 시작 및 종료일자 등) 추가

​

✔️PK에 의한 컬럼 추가 👉🏼 복합의미 PK 단일 속성 구성 시 발생. 일반 속성으로 PK 데이터 추가

​

✔️응용시스템 오작동 위한 컬럼추가 👉🏼 이전 데이터 임시적 중복 보관 (원래 값 복구 용도)

​

​

관계 반정규화

​

✔️중복관계 추가 👉🏼 여러 경로를 거친 조인을 방지하기 위해 추가적인 관계를 맺음.

​

​

• 반정규화 절차

​

1. 반정규화 대상조사

• 범위처리빈도수 조사

• 대량의 범위 처리 조사

• 통계성 프로세스 조사

• 테이블 조인 개수

​

2. 다른 방법 유도 검토

• 뷰(VIEW) 테이블

• 클러스터링 적용

• 인덱스의 조정

• 응용애플리케이션

​

3. 반정규화 적용

• 테이블 반정규화

• 속성의 반정규화

• 관계의 반정규화

​

​

• 슈퍼/서브타입 데이터 모델

• 업무를 구성하는 데이터를 공통/차이점 특징 고려하여 효과적으로 표현 가능하기 때문에 자주 쓰이고 있다.

• 부모의 속성 중에 더 작은 그룹으로 분리해서 관리할 필요가 있는 속성이 있을 때, 슈퍼타입 또는 서브 타입 단위로 모델링하는 것.

• Extended ER모델이라고도 부른다.

• 공통 부분 = 슈퍼타입으로 모델링 ( 전체를 하나의 테이블로 관리)

• 공통으로부터 상속받아 다른 엔티티와 차이가 있는 속성에 대해 별도의 서브 엔티티로 구분하여 표현 = 서브타입(엔티티)

​

​

• 슈퍼/서브타입 데이터 모델의 변환기술

• 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성 (One to One Type)

• 슈퍼타입+서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼타입+서브타입 테이블로 구성 (Plus Type)

• 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성 (Single Type)

​

​

• 분산 데이터베이스란?

​

데이터베이스 시스템 구축 시에 한 대의 물리적 시스템에 데이터베이스 관리 시스템을 설치하고 여러 명의 사용자가 데이터베이스 관리 시스템에 접속하여 데이터베이스를 사용하는 구조를 중앙 집중형 데이터베이스라고 한다.

​

그에 반해, 물리적으로 떨어진 데이터베이스에 네트워크로 연결하여 단일 데이터베이스 이미지를 보여주고 분산된 작업 처리를 수행하는 데이터베이스를 분산 데이터 베이스라고 한다.

​

데이터베이스 분산 설계는 다음과 같은 경우에 적용하면 효과적이다.

​

• 성능이 중요한 사이트에 적용해야 한다.

• 공통코드, 기준정보, 마스터 데이터 등에 대해 분산환경을 구성하면 성능이 좋아진다.

• 실시간 동기화가 요구되지 않을 때 좋다. 거의 실시간(Near Real Time)의 업무적인 특징을 가지고 있을 때도 분산 환경을 구성할 수 있다.

• 특정 서버에 부하가 집중이 될 때 부하를 분산할 때도 좋다.

• 백업 사이트(Disaster Recover Site)를 구성할 때 간단하게 분산기능을 적용하여 구성할 수 있다.

​

​

• 분산 데이터베이스 장단점

​

장점

1. 지역 자치성, 점증적 시스템 용량 확장

2. 신뢰성과 가용성

3. 효용성과 융통성

4. 빠른 응답 속도와 통신비용 절감

5. 데이터의 가용성과 신뢰성 증가

6. 시스템 규모의 적절한 조절

7. 각 지역 사용자의 요구 수용 증대

​

단점

1. 소프트웨어 개발 비용

2. 오류의 잠재성 증대

3. 처리 비용의 증대

4. 설계, 관리의 복잡성과 비용

5. 불규칙한 응답 속도

6. 통제의 어려움

7. 데이터 무결성에 대한 위협