1. 성능 데이터 모델링

1) 정의

• DB 성능 향상을 목적으로 설계단계의 데이터 모델링 때부터 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것.

2) 수행절차

• 정확한 정규화 수행
• DB 용량 산정
• DB에서 발생되는 트랜잭션 유형 파악
• 용량과 트랜잭션 유형에 따라 반정규화 수행
• 이력모델, PK/FK, 슈퍼/서브타입 조정 수행
• 성능관점에서 데이터 모델 검증

2. 정규화 (Normalization)

1) 정의

• 데이터 분해, 중복 제거 과정
• 독립성 확보, 변화에 따른 대응력(유연성) 향상
• 입출력 데이터 양 줄여서 성능 향상시킴

2) 절차

3) 문제점

• 데이터 조회 시 조인, 중첩루프(Nested Loop) 유발 (CPU, 메모리 많이 사용)
  해결 > 인덱스, 옵티마이저, 반정규화 실행

3. 반정규화 (De-Normalization)

1) 정의

• 데이터 중복 허용 (조인 줄여 성능 향상시킴)
• 조회 속도 향상 (but, 모델의 유연성 낮아짐)

2) 문제점

• 한 행의 크기가 블록의 크기(입출력 단위)를 넘어가면,
  디스크 입출력 증가하고 성능이 저하됨

3) 기법

4. 분산 데이터베이스

1) 정의

• 물리적으로 떨어진 DB에 네트워크로 연결 (단일DB)
• 분산된 작업 처리 수행
• 시스템의 네트워크 분산 여부 인식 X
• 자신만의 DB 사용하는 것처럼 사용 가능
  ** 중앙 집중형 DB : 물리적 시스템(1개)-사용자(여러명)

2) 투명성 종류

3) 설계방식

• 상향식 : 지역 > 전역
• 하향식 : 전역 > 지역 사상

4) 장점

• DB의 신뢰성, 가용성이 높다
• 병렬처리 수행 (빠른 응답)
• 시스템 용량 확장 쉬움

5) 단점

• 보안/무결성 관리, 통제 어려움 (네트워크로 분리되어 있음)
• 설계가 복잡함