mjieun
로그인
mjieun
로그인
[ SQLD : I. 데이터 모델링의 이해] 1-1. 데이터 모델의 이해
문지은
·
2023년 5월 31일
팔로우
0
Database
SQLD
db
0
SQLD
목록 보기
1/30
데이터 모델의 이해
모델링의 이해
모델링의 정의
복잡한 현실세계를 추상화, 단순화, 명확화하기 위해 일정한 표기법에 의해 표현하는 기법
모델이란 현실 세계의 추상화된 반영
모델링의 특징 3가지
추상화(모형화, 가설적)
: 현실세계를 일정한 형식에 맞추어 표현, 다양한 현상을 일정한 양식인 표기법에 의해 표현
단순화
: 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 쉽게 이해할 수 있도록 함
명확화
: 누구나 이해하기 쉽게 하기 위해 대상에 대해 애매모호함을 제거하고 정확하게 현상을 기술하는 것
모델링의 3가지 관점
데이터 관점 : 업무가 어떤 데이터와 관련이 있는지 또는 데이터간의 관계는 무엇인지에 대해서 모델링하는 방법(What, Data)
프로세스 관점 : 업무가 실제하고 있는 일은 무엇인지 또는 무엇을 해야하는지를 모델리하는 방법(How, Process)
데이터와 프로세스의 상관 관점 : 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법(Interaction)
데이터 모델의 기본 개념의 이해
데이터 모델링의 정의
정보시스템을 구축하기 위해, 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지를 분석하는 방법
업무에서 필요로 하는 데이터를 시스템 구축 방법론에 의해 분석하고 설계하여 정보시스템을 구축하는 과정
데이터 모델이 제공하는 기능
시스템을 현재 또는 원하는 모습으로 가시화하도록 도와준다.
시스템의 구조와 행동을 명세화 할 수 있게 한다.
시스템을 구축하는 구조화된 틀을 제공한다.
시스템을 구축하는 과정에서 결정한 것을 문서화한다.
다양한 영역에 집중하기 위해 다른 영역의 세부사항은 숨기는 다양한 관점을 제공한다.
특정 목표에 따라 구체화된 상세 수준의 표현 방법을 제공한다.
데이터 모델링의 중요성 및 유의점
데이터 모델링의 중요성
파급효과(Leverage)
시스템 구축이 완성되어가는 시점에 이행되는 수많은 단위 테스트에서 데이터 모델의 변경이 불가피한 데이터 모델 구조의 변경으로 인한 일련의 변경 작업은 시스템 구축 프로젝트에서 큰 위험 요소
복잡한 정보 요구사항의 간결한 표현(Conciseness)
데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구
데이터 품질(Data Quality)
데이터베이스에 담겨있는 데이터는 기업의 중요한 자산
데이터는 기간이 오래될수록 활용가치가 높아지므로 저장된 데이터의 품질은 매우 중요
데이터 모델링을 할 때 유의점
중복
: 데이터베이스가 여러 장소에 같은 정보를 저장하지 않도록 함 (중복성 최소화)
비유연성
: 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄임 (유연성 높임)
비일관성
: 데이터와 데이터간 상호 연관관계를 명확하게 하여 일관성있게 데이터를 유지하도록 함.
데이터 모델링의 3단계 진행
데이터 모델링은 추상화 수준에 따라 개념적 데이터 모델, 논리적 데이터 모델, 물리적 데이터 모델로 정리
개념적 데이터 모델링
: 추상화 수준이 높고 업무중심적이고 포괄된 수준의 모델링 진행, 전사적 데이터 모델링, EA 수립시 많이 이용
논리적 데이터 모델링
: 시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현. 재사용성이 높음
물리적 데이터 모델링
: 실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계
개념적 데이터 모델링
개념적 데이터 모델링은 조직, 사용자의 데이터 요구사항을 찾고 분석하는데서 시작
이 단계에서 주요한 활동은 핵심 엔터티와 그들 간의 관계를 발견하고, 그것을 표현하기 위해서 엔터티-관계 다이어그램을 생성하는 것
개념 데이터 모델을 통해 조직의 데이터를 요구를 공식화하는 것은 두 가지 중요한 기능을 지원
사용자와 시스템 개발자가 데이터 요구사항을 발견하고 시스템 기능에 대해 논의할 수 있는 기반 형성
현 시스템이 어떻게 변형되어야 하는가를 이해하는데 유용
논리적 데이터 모델링
데이터베이스 설계 프로세스의 Input으로써 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정
논리 데이터 모델링의 핵심은 누가(Who), 어떻게(How) 데이터에 액세스하는지, 비즈니스 데이터에 존재하는 사실들을 인식하여 기록하는 것
이 단계에서 수행하는 중요한 활동은 정규화
논리 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔터티에 배치되도록 함으로써 보다 신뢰성있는 데이터 구조를 얻도록 함
논리 데이터 모델의 상세화는 식별자 확정, 정규화, M:M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있음
물리적 데이터 모델링
논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룸
이 단계에서 결정되는 것은 테이블, 칼럼 등으로 표현되는 물리적인 저장구조와 사용될 저장장치, 자료를 추출하기 위해 사용될 접근 방법 등이 있음
프로젝트 생명주기(Life Cycle)에서 데이터 모델링
계획 → 분석 → 설계 → 개발 → 테스트 → 전환/이행 → 정보시스템 구축
일반적으로는 계획 또는 분석단계에서 개념적 데이터 모델링이, 분석 단계에서는 논리적 데이터 모델링이, 설계단계에서는 물리적 데이터 모델링이 수행된다.
현실 프로젝트에서는 개념적 데이터 모델링이 생략된 개념/논리 데이터모델링이 분석단계때 대부분 수행된다.
데이터 모델링에서 데이터 독립성의 이해
데이터 독립성의 필요성
지속적으로 증가하는 유지보수 비용 절감
데이터 복잡도를 낮추고 중복된 데이터를 줄임
끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스간에 서로 독립성을 유지
데이터 독립성을 확보하게 되면 다음과 같은 효과를 얻을 수 있음
각 View의 독립성을 유지하고 계층별 View에 영향을 주지 않고 변경 가능
단계별 Schema에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 다름을 제공
데이터베이스 3단계 구조
데이터 독립성 확보를 목표로 함
외부 단계 : 사용자와 가까운 단계로 사용자 개개인이 보는 자료에 대한 관점과 관련이 있는 스키마 구조. 사용자가 처리하고자 하는 데이터 유형, 관점, 방법에 따라 다른 스키마 구조를 가짐
개념적 단계 : 데이터 유형의 공통적인 사항을 처리하는 통합된 뷰를 스키마 구조로 디자인한 형태
내부적 단계 : 데이터가 물리적으로 저장된 방법에 대한 스키마 구조
데이터 독립성 요소
외부스키마(External Schema) - View 단계
여러 개의
사용자의 관점
으로 구성, 즉 개개 사용자 단계로서 각 사용자가 보는 개인적 DB 스키마
DB의 개개 사용자나 응용프로그래머가 접근하는 DB 정의
개념스키마(Conceptual Schema) - 개념 단계
하나의 개념적 스키마로 구성,
모든 사용자 관점을 통합
한 조직 전체의 DB를 기술하는 것
모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들간의 관계를 표현하는 스키마
내부스키마(Internal Schema) - 내부 단계
DB가 물리적으로 저장된 형식
물리적 장치
에서 데이터가 실제적으로 저장되는 방법을 표현하는 스키마
두 영역의 데이터 독립성
논리적 독립성
개념 스키마가 변경되어도 외부 스키마에는 영향을 미치지 않도록 지원하는 것
논리적 구조가 변경되어도 응용 프로그램에 영향 없음
사용자 특성에 맞는 변경 가능
통합 구조 변경 가능
물리적 독립성
내부스키마가 변경되어도 외부/개념 스키마는 영향을 받지 않도록 지원하는 것
저장장치의 구조 변경은 응용프로그램과 개념스키마에 영향 없음
물리적 구조 영향 없이 개념구조 변경 가능
개념구조 영향 없이 물리적인 구조 변경 가능
사상(Mapping)
상호 독립적인 개념을 연결시켜주는 다리
외부적/개념적 사상(논리적 사상)
외부 화면이나 사용자에게 인터페이스하기 위한 스키마 구조는 전체가 통합된 개념적 스키마와 연결됨
외부적 뷰와 개념적 뷰의 상호관련성을 정의함
사용자가 접근하는 형식에 따라 다른 타입의 필드를 가질 수 있음
개념적/내부적 사상(물리적 사상)
통합된 개념적 스키마 구조와 물리적 으로 저장된 구조의 물리적인 테이블스페이스와 연결되는 구조
개념적 뷰와 저장된 데이터베이스의 상호관련성 정의
만약 저장된 데이터베이스 구조가 바뀐다면 개념적/내부적 사상이 바뀌어야 함
데이터 모델링의 중요한 세가지 개념
데이터 모델링의 세가지 요소
업무가 관여하는 어떤 것(Things)
어떤 것이 가지는 성격(Attributes)
업무과 관여하는 어떤 것 간의 관계(Relationships)
단수와 집합(복수)의 명명
데이터 모델링의 이해 관계자
정보시스템 구축 프로젝트에 참여하는 모든 IT 기술자들은 데이터 모델리에 대해 정확하게 알고 있어야 한다.
IT 기술에 종사하거나 전공하지 않았더라도 해당 업무에서 정보화를 추진하는 위치에 있는 사람도 데이터 모델링에 대한 개념 및 세부사항에 대해 어느정도 지식을 가지고 있어야 한다.
데이터 모델의 표기법인 ERD의 이해
데이터 모델 표기법
1976년 피터첸(Peter Chen)이 Entity-relationship model(E-R Model)이라는 표기법을 만듦
엔터티를 사각형으로, 관계를 마름모, 속성을 타원형으로 표현
ERD(Entity Relationship Diagram) 작성 순서
엔터티를 그린다.
엔터티를 적절하게 배치한다.
가장 중요한 엔터티를 왼쪽 상단에 배치하고 이것을 중심으로 다른 엔터티를 나열하면서 전개
엔터티간 관계를 설정한다.
초기에는 모두 Primary Key로 속성이 상속되는 식별자 관계를 설정하도록 함
중복되는 관계가 발생되지 않도록 하고 Circle 관계도 발생하지 않도록 유의하여 작성
관계명을 기술한다.
관계 설정이 완료되면 연결된 관계에 관계 이름 부여
관계 이름은 현재형을 사용하고 지나치게 포괄적인 용어(ex. 이다, 가진다 등)는 사용하지 않음
대부분의 관계는 엔터티의 성질과 주식별자를 보고 유츄 가능
관계의 참여도(관계차수(Cardinality))를 기술한다.
IE표기법으로는 하나(1, One)의 관계는 실선으로 표기하고 Barker 표기법으로는 점선과 실선을 혼합하여 표기
다수참여(Many)의 관계는 까마귀발과 같은 모양으로 그려줌
관계의 필수여부를 기술한다.
관계의 필수/선택표시는 관계선에 원을 표현
좋은 데이터 모델의 요소
완전성(Completeness)
: 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있어야 함
중복배제(Non-Redundancy)
: 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록하여야 함
업무규칙(Business Rules)
: 데이터 모델링 과정에서 도출되고 규명되는 수많은 업무규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공해야 함
데이터 재사용(Data Reusability)
: 합리적으로 잘 정돈된 방법으로 데이터를 통합하여 데이터의 집합을 정의하고 이를 데이터 모델로 잘 표현하여 활용한다면 웬만한 업무 변화에도 데이터 모델이 영향을 받지 않고 운용할 수 있게 됨.
의사소통(Communication)
: 데이터 모델에 표현되는 업무 규칙들을 해당 정보시스템을 운용, 관리하는 많은 관련자들이 설계자가 정의한 업무 규칙들을 동일한 의미로 받아들이고 정보 시스템을 활용할 수 있게 하면서 데이터 모델이 의사소통의 도구로서의 역할을 함
통합성(Integration)
: 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직의 전체에서 한번 만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것
문지은
코드로 꿈을 펼치는 개발자의 이야기, 노력과 열정이 가득한 곳 🌈
팔로우
다음 포스트
[ SQLD : I. 데이터 모델링의 이해] 1-2. 엔터티(Entity)
0개의 댓글
댓글 작성