[SQLD] (2) 데이터 모델과 성능

성능 데이터 모델링

---

DB 성능 향상을 목적으로 설계 단계의 데이터 모델링 때부터 정규화, 반정규화, 테이블 통합, 테이블 분할, 조인 구조, PK, FK 등 여러 가지 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것

PK: Primary Key, 기본키로 해당 테이블에서 가장 기본적이 값을 가짐, NULL이 될 수 없음
FK: Foreign Key, 테이블간 링크가 무너지는 액션을 방지, 두 개의 테이블을 연결해주는 다리 역할

성능 데이터 모델링 고려사항

---

정규화 -> 용량산정 -> 트랜잭션 유형 파악 -> 반정규화 -> 이력 모델 조정, PK/FK 조정, 슈퍼/서브타입 조정 -> 성능 관점 데이터 모델 검증 (분석/설계 단계에서 성능 데이터 모델링하기)

함수적 종속성

---

데이터들이 어떤 기준값에 의해 종속되는 현상 (기준값을 결정자, 종속되는 값을 종속자)
ex) 주민등록번호 - (이름, 출생지, 주소)

정규화

---

반복적인 데이터를 분리하고 각 데이터가 종속된 테이블에 적절하게 배치되도록 하는 것

1. 제1 정규형 (1NF)
- 모든 속성은 반드시 하나의 값을 가져야한다.
- 도메인이 원자 값

2. 제2 정규형 (2NF)
- 모든 속성은 반드시 기본키 전부에 종속되어야 한다.
- 부분적 함수 종속 제거
(기본키에 의해 함수적 종속성을 가지고 있지 않는 것들을 분리)

3. 제3 정규형 (3NF)
- 모든 속성들이 기본키에 이행적 함수 종속이 아니다.

4. 보이스 코드 정규형 (BCNF)
- 모든 결정자가 후보 키이다 (후보 키가 아닌 것들을 제외 및 분리)

반정규화

---

정규화된 엔터티 속성 관계에 대해 시스템의 성능 향상과 개발과 운영의 단순화를 위해 중복 통합 분리 등을 수행하는 데이터 모델링의 기법

반정규화 장점

---

일반적으로 정규화 시 입력 수정 삭제 성능이 향상되며 반정규화시 조인 성능이 향상된다.

반정규화 절차

---

반정규화 대상 조사 -> 다른방법 검토 (뷰, 클러스터링, 인덱스 조정) -> 반정규화 적용

반정규화 기법

---

- 테이블 반정규화
  - 테이블 병합 (1:1, 1:M, 슈퍼/서브타입)
  - 테이블 분할 (수직_칼럼 단위, 수평_로우 단위)
  - 테이블 추가 (중복, 통계, 이력, 부분)

- 칼럼 반정규화
  - 중복칼럼 추가, 파생칼럼추가, 이력테이블 칼럼 추가, PK에 의한 칼럼추가, 응용시스템 오작동 위한 칼럼추가

- 관계 반정규화
  - 중복 관계 추가, 테이블, 칼럼 반정규화와 달리 데이터 무결성 영향 없음

로우체이닝

---

로우 길이가 너무 길어서 데이터 블록 하나에 데이터가 모두 저장되지 않고 두 개 이상의 블록에 걸쳐 하나의 로우가 저장되어 있는 형태

로우 마이그레이션

---

데이터 블록에서 수정이 발생하면 수정된 데이터를 해당 데이터 블록에서 저장하지 못하고 다른 블록의 빈 공간을 찾아 저장하는 방식

파티셔닝

---

PK에 의해 테이블을 분할하는 방법
1 RANGE PARTITION: 대상 테이블이 날짜 또는 숫자 값으로 분리가 가능하고 각 영역별로 트랜잭션이 분리되는 경우
ex) _0401 요금
2 LIST PARTITION : 지점, 사업소 등 핵심적인 코드값으로 PK가 구성되어 있고 대량의 데이터가 있는 테이블의 경우
ex)_ 고객 서울
3 HASH PARTITION : HASH 지정된 조건에 따라 해시 알고리즘이 적용되어 테이블이 분리

슈퍼 / 서브 타입 모델

---

슈퍼 타입 : 공통부분
서브 엔터티 : 공통부분 상속받아 다른 엔터티와 차이가 있는 속성에 대해 별도로 구분
변환 기준: 데이터 양 & 트랜잭션 유형

슈퍼 서브 / 타입 데이터 모델의 변환 기술

---

▶ One to One : 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성 (확장성 우수, 조인 성능이 나쁨, I/O 좋음, 관리 안 좋음)
▶ Plus Type : 슈퍼 타입 서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼 서브타입 + 테이블로 구성 (확장성 보통, 조인 성능 나쁨, I/O 좋음, 관리 안 좋음)
▶ Single Type : 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성 (확장성 나쁨, 조인 성능 우수, I/O 나쁨, 관리 좋음)

인덱스 특성을 고려한 PK/FK 데이터베이스 성능 향상 이해

---

인덱스의 특징은 여러 개의 속성이 하나의 인덱스로 구성되어 있을 때 앞쪽에 위치한 속성의 값으로 비교해야 좋은 효율을 나타낸다.
앞쪽에 위치한 속성의 값이 가급적 아니면 최소한 '=' 범위 'BETWEEN' '<>'가 들어와야 효율적이다.

분산 데이터베이스

---

여러 곳으로 분산되어있는 DB를 하나의 가상 시스템으로 사용할 수 있도록 한 데이터베이스

분산 데이터베이스 투명성

---

분할(단편화), 위치, 지역 사상, 중복, 장애, 병행 투명성

분산 데이터베이스의 장단점

---

- 장점 : 지역 자치성, 점증적 시스템 용량 확장, 신뢰성, 가용성, 효용성, 융통성, 빠른 응답, 통신비용 절감, 데이터 가용성, 신뢰성, 시스템 규모 조절, 요구 수용 증대

- 단점 : 비용, 오류 잠재성 증대, 처리비용, 설계관리 복잡성, 불규칙한 응답속도, 통제 어려움, 데이터 무결성 위협

분산 DB 6을 만족하기 위한 가지 투명성

---

분할 투명성(단편화), 위치 투명성, 지역 사상 투명성, 중복 투명성, 장애 투명성, 병행 투명성

분산 데이터베이스의 적용 기법

---

테이블 위치 분산 - 설계된 테이블을 본사와 지사 단위로 분산
테이블 분할 분산 - 각각의 테이블을 쪼개어 분산
    -> 수평 분할 - 로우 단위, 수직 분할 - 칼럼 단위
테이블 복제 분산 - 동일한 테이블 다른 지역이나 서버에서 동시에 생성하여 관리
    -> 부분 복제 - 통합된 건 본사, 각 지사별로 해당 로우
    -> 광역 복제 - 본사, 지사 모두 동일한 데이터 가지고 있음
테이블 요약 분산 - 지역 간에 또는 서버 간에 데이터가 비슷하지만 서로 다른 유형으로 존재하는 경우
    -> 분석 요약 - 각 지사별로 요약, 본사에 통합
    -> 통합 요약 - 각 지사별로 존재하는 다른 내용이 정보 요약, 본사에 통합