데이터 모델링

데이터 모델링이란?

• 현실에서 일어나는 사건들을 데이터화는 과정
• 하지만 너무 복잡하여 개념화(추상화)하여 단순하게 표현

→ 모델링을 하기 위해서는

• 고객과의 의사소통을 통해 고객의 업무 프로세스를 이해
• 업무 프로세스를 추상화하고, 분석/설계하면서 점점 상세하게 설계한다
• 업무 프로세스를 이해하고, 규칙을 정해서 데이터 모델로 표현

데이터 모델링 단계

1. 개념적 모델링
   1. 현실에서 일어나는 사건들을 데이터 관점으로 표현
   2. 개념적 ERD를 산출물로 만드는 과정
   3. 복잡하지 않고, 중요한 부분 위주로 모델링
   4. 엔티티(개체)와 속성 도출
2. 논리적 모델링
   1. 개념적 → 논리적 모델링으로 변환
   2. 식별자 도출, 필요한 릴레이션 정의
   3. 정규화 수행
3. 물리적 모델링

엔티티 (Entity)

• 업무에서 관리해야하는 데이터 집합의 의미
• 저장되고 관리되어야 하는 데이터
• 엔티티는 개념, 사건, 장소 등의 명사
• 테이블
• 예) 부서, 사원

속성 (Attribute)

• 데이터의 가장 작은 논리적 단위
• 하나의 엔티티는 한개 이상의 속성으로 구성
• 엔티티의 특성, 상태 등을 기술
• 칼럼
  예) 부서 엔티티의 속성: 부서번호, 부서명, …
  예) 사원 엔티티의 속성: 사원번호, 사원명, …
  

고객, 계좌 - 엔티티
테이블 안에 있는 - 속성

Entity 특징

• 식별자
  • 엔티티는 유일한 식별자가 있어야 함
  • 예) 회원ID, 계좌번호
• 인스턴스 집합
  • 2개 이상의 인스턴스 필요
  • 예) 2명 이상의 고객 정보
• 속성
  • 엔티티는 반드시 속성을 갖고 있어야 함
  • 예) 계좌 안에 계좌번호, 계좌명, 예금, 개설지점, 계좌 담당자
• 관계
  • 엔티티는 다른 엔티티와 최소 한개 이상의 관계
  • 예) 고객은 계좌를 개설
• 업무
  • 엔티티는 업무에서 관리되어야 하는 집합
  • 예) 고객, 계좌

속성의 종류

• 분해여부에 따른 속성의 종류
  • 단일 속성
    • 하나의 의미로 구성 된 것 : ID, 이름 등
  • 복합 속성
  • 다중값 속성
• 특성에 따른 속성의 종류
  • 기본 속성
    • 원래 필드
  • 설계 속성
    • 데이터 모델링 과정에서 발생되는 속성
    • 예) 상품코드, 지점코드
  • 파생 속성
    • 다른 속성에 의해 만들어지는 속성

관계 (Relationship)

엔티티간의 관련성을 의미, 존재관계와 행위관계로 분류

• 존재 관계 - 엔티티간의 상태를 의미
  • 예) 고객이 은행에 회원가입 → 관리점 할당 → 할당점으로 관리점에서 고객을 관리
• 행위 관계 - 엔티티 간의 어떤 행위가 있는 것
  • 예) 보험회사에서 보험상품 만듦, 가입

관계 차수 (Relationship Cardinality)

• 두개의 엔티티 간의 관계에 참여하는 수
• 예) 한명의 고객은 여러 계좌 개설 가능 (1:N 관계)
  

필수적 관계와 선택적 관계

식별관계 (Identification Relationship)

• 고객 엔티티의 PK인 회원ID를 계좌 엔티티의 PK의 하나로 공유하는 것
• 고객과 계좌 엔티티에서 고객은 독립적으로 존재할 수 있는 강한 개체 (Strong Entity)
  - Strong Entity - 다른 엔티티에게 의존하지 않고 독립적으로 존재 가능, 다른 엔티티와 관계를 가질 때 다른 엔티티에게 PK 공유
  

비식별관계 (Non-Identification Relationship)

• 강한 개체의 기본키를 다른 엔티티의 기본키가 아닌 일반 칼럼으로 관계를 가짐
• Weak Entitiy - 비식별, 의존적
  

식별자 (Identifier)

• 엔티티 내에서 인스턴스들을 구분할 수 있는 구분자
• 엔티티를 대표할 수 있는 유일성을 만족하는 속성
• 예) 회원ID, 계좌번호, 직원번호 등

Primary Key (주식별자, 기본키)

• 엔티티를 대표할 수 있어야 함
• 엔티티의 인스턴스를 유일하게 식별
• NOT NULL + UNIQUE 속성 기본 부여

Foreign Key (외래키)

• 관계가 있는 두 엔티티를 부모, 자식 엔티티로 구분
• 부모 엔티티의 주식별자 속성을 자식 엔티티의 속성으로 추가
  

정규화 (Normalization)

• 일관성, 중복 제거, 유연성을 위한 방법이며 데이터를 분해하는 과정
• 비즈니스에 변화가 발생하여도 데이터 모델의 변경을 최소화 할 수 있음
• 한마디로 테이블 쪼개기
  - 쪼갠 테이블은 나중에 join으로 다시 합집합으로 조회 가능
  

정규화의 성능

• 테이블을 분해, 중복 제거하기 때문에 모델의 유연성 높임
• 데이터 조회 시 join을 유발하기 때문에 리소스(CPU, 메모리) 사용이 높아짐
• 테이블간의 조인 시 건수*건수의 비교 필요 (데이터 양 증가시 효율 떨어짐)
• 비효율 문제 해결 방안으로 인덱스(Index)와 옵티마이저(Optimizer)를 통해 해결 (하지만 완벽하지 않음)

반정규화 (De-Normalization)

디비 성능 향상 됨 - 조인 줄이고 데이터 중복 허용, 하지만 유연성이 낮아짐

반정규화를 수행하는 경우

• 수행속도가 느려지는 경우
• 다량의 범위를 자주 처리해야하는 경우
• 특정 범위의 데이터만 자주 처리하는 경우
• 요약/집계 정보가 자주 요구되는 경우

반정규화 기법

• 미리 결과를 계산하여 그 값을 특정 컬럼에 추가
• 테이블 수직분할 - 하나의 테이블을 컬럼 기준으로 두개 이상 테이블로 분할
• 테이블 수평분할 - 하나의 테이블에 있는 값을 기준으로 분할
• 테이블 병합 - 1대1, 1대다 관계의 테이블을 병합하여 성능 향상 (데이터 중복 발생)