정규화/비정규화

정규화 정의 및 목적

정규화란?

업무 요건에 필요한 속성을 묶어서 엔터티를 설계하는 것

그렇다면 유사한 속성을 묶는 방법은? -> 함수종속

함수 종속의 결정자와 종속자

• 결정자(식별자) : 속성 간의 종속성을 분석할 때 기준이 되는 값
• 종속자(비식별자) : 결정자의 값에 의해 정해질 수 있는 값
  -> 함수 종속의 결정자가 키가 되도록 릴레이션을 분해하고 키가 아닌 속성은 키에 직접 종속되도록 분해한다.

그렇다면 릴레이션의 속성 중 키를 구하는 방법은? -> 폐포

Ex) X 폐포 : X에 종속됐다고 추론할 수 있는 모든 속성의 집합

식별자가 명확하지 않다면 폐포로 설계할 수 있고, 식별자가 있다면 정확한지 검증하는 도구로 활용할 수 있다.

정규화 목적

: 데이터 정체성 분명해진다. 엔터티간 관계가 명확해진다.

1. 완전성
   : 중복 데이터를 제거 -> 아노말리 발생x -> 데이터 무결성이 높아진다. -> 데이터와 DB의 안정성과 신뢰성 높아진다.

2. 확장성
   : 함수 종속을 기반으로 결정자와 종속자를 구분해 모델 구조를 정의하기 때문에 모델을 이해하고 식별하기 쉽다 -> 확장해서 사용하기도 쉽다.
   Ex) 이카운트 고객이 품목 입, 출고단가 말고도 세트여부를 추가적으로 입력해 관리하고 싶을 때

정규화 안하면 당장 문제될게 뭔데!!!

A. 아노말리 현상 발생
: 중복 데이터 때문에 데이터가 서로 맞지 않는 이상현상

정규화 하지 않은 테이블 예시)

정규형의 종류

제 1 정규형

모든 속성은 반드시 하나의 값을 가져야한다.

• 다가속성 : 같은 종류 값 여러 개
• 복합속성 : 하나 속성이 여러 개 속성으로 분리
  업무와 유관하되, 의미가 존재하도록 쪼개기 + 반복형태의 속성이 있어선 안된다. 전사적으로 동일한 성격의 속성은 한 번만 존재하는 것

제 1정규화의 대상

• 다가 속성이 사용된 릴레이션
• 복합 속성이 사용된 릴레이션 : 업무와 관련되고, 의미가 존재하도록 쪼개기
• 유사한 속성이 반복된 릴레이션
• 중첩 릴레이션
• 동일 속성이 여러 릴레이션에 사용된 경우

제 1정규화 순서

1. 제거해야 하는 속성을 엔터티에서 제거한다.

2. 제거한 속성이 포함된 새로운 엔터티를 만든다.

3. 기존 엔터티에서 새로운 엔터티로 관계를 상속한다

다가속성 예시)

유사속성 반복 예시)

제 2정규형

주 식별자가 두개 이상인 릴레이션에서 수행할 수 있다.
릴레이션의 모든 속성이 후보 식별자 전체에 종속적이면 2정규형이다. (완전 함수 종속=부분종속 제거)

제 2정규화 순서

1. 제거해야 하는 속성을 엔터티에서 제거한다.

2. 그 속성의 결정자를 주 식별자로 하는 새로운 엔터티를 생성한다.

3. 새로 만든 엔터티에서 기존 엔터티로 관계를 상속한다(식별관계)

제 3정규형

제 1정규형, 제 2정규형을 만족하고, 이행적함수종속관계를 갖지 않는 것
이행종속이란? A->C / C ->D => A -> D

제 3정규화 순서

1. 제거해야 하는 속성을 엔터티에서 제거한다.

2. 제거한 속성이 포함된 새로운 엔터티를 만든다.

3. 새로 만든 엔터티에서 기존 엔터티로 관계를 상속한다(비식별관계)

정규형의 장, 단점

성능측면

1. 조회성능

((조인 작업이 많다면))
엔터티를 분해해서 엔터티 개수가 증가했기에 작업이 많아지고 그만큼 조회가 느려질 수 있다.

((여러 건 or 특정 속성 조회할 때))
정규화를 통해 중복 데이터가 최소화되고 인스턴스의 크기가 작아진다. 따라서 한 블록에 저장하는 인스턴스는 많아져 조회 성능이 좋아질 수 있다.
데이터 유사성 측면에서 종속성, 의존성이 같은 데이터는 업무에서 같이 조회될 가능성도 켜져서 최소의 블록을 사용하는 효과가 있다. -> 조회 성능 높인다.

2. 쓰기성능

중복 속성이 없어서 여러 군데 동시에 입력하지 않아도 된다. -> 시간 오래 안걸린다.
-> 정규화를 수행한 데이터 모델이 성능을 개선하기도 수월하다. 데이터 간의 관계가 명확하지 않으면 데이터 접근, 갱신 등의 작업이 더 어렵다.

** 주의
정규형 위반한 모델인 것처럼 보여도, 단순히 조인을 피하기 위해 하나의 속성을 중복시킨 비정규형 모델일 수 있다.

-> 다른 엔터티가 존재하고 관계 연결되어 있으니 중복 속성을 사용한 모델인지 판별할 수 있다.

비정규화 정의 및 목적

비정규화란?

개념 : 조회 성능을 향상시키기 위해 중복 데이터를 허용하는 것

방법

1. 정규화를 거꾸로 적용

2. 정규형 모델에 중복 속성을 채택
   (중복 데이터는 원천 데이터와 정합성을 맞춰야 해서 사용하기 편하지 않다.)

비정규화 원칙

• 최우선적으로 고려할 요소는 데이터 무결성.

• 정규형은 필수이며, 조회 성능에 중대한 문제가 발생하는 특별한 요건이 있을 때만 비정규형을 고려한다.

• 중복 속성은 가능한 사용하지 않으며, 추출 속성은 일부 사용할 수 있다.

-> 비정규형 : 정규화 과정을 통해 생성된 정규형에 성능 요구 사항에 의해서 중복을 허용하는 것

-> 비정규형도 함수 종속을 적용해야 한다.

비정규화 과정

비정규형 장/ 단점

장점
조회 성능 문제가 발생했을 때 (예를 들어 조인 작업이 많다면) 조회 성능이 향상될 수 있다

단점

• 정합성 : 중복된 데이터는 일치하지 않을 수 있다.

• 쓰기 성능 저하 : 중복된 값을 일치시켜야 하므로

• 데이터 성격이 불명확 : 중복 속성 때문에 엔터티 성격이 명확하지 않다 -> 엔터티 간 관계도 모호해진다 -> 담당자 바뀌면 엔터티 오용될 가능성 커진다 -> 이해하기 어려운 모델은 사용할수록 결국 조잡한 모델이 된다.

• 모델 확장성 저하, 개발 어려움 : 어디를 수정해야 할지 정확히 모르기에 유지, 보수가 어렵다

• 공간차지

• 일부 조회 성능 저하 : 한 엔터티에 많은 중복 속성이 존재 -> 인스턴스의 길이가 늘어난다 -> 여러 블록에 존재한다 -> 조회 속도가 느려진다