[D+18] SQLD 자격증(3) - 성능 데이터 모델링, 정규화 이론, 반정규화

 

✏️ STUDY INDEX 

1. 성능 데이터 모델링 
2. 정규화 이론 
3. 반정규화 개념  

 

1. 성능 데이터 모델링 

---

(1) 성능데이터 모델링 : DB 성능 향상을 목적으로 하는 작업 

• 빠른 템포로 자주 발생하는 쿼리가 비효율적일 경우, 전체 DB 성능에 영향을 끼침. 
• 정규화, 반정규화, 테이블 통합, 데이터 분할, 조인구조, PK, FK 등 
  성능 관련 사항이 데이터 모델링에 반영될 수 있도록 함. 
• 사전 설계 지향 : 분석 설계 단계에서 사전 성능 데이터 모델링을 수행하면 재업무 비용 최소화 가능

(2) 성능 데이터 모델링의 고려사항 

1. 정규화 수행 : 중복 데이터 저장 방지 
2. DB 용량 산정 수행 : 어떤 엔터티에 데이터가 집중되는지 파악하여, 필요시 테이블 분리/조인 
3. DB에서 발생되는 트랜잭션 유형 파악 : CRUD 매트릭스, 시퀀스 다이어그램 활용, 조인 관계 파악 용이
4. DB 용량 & 트랜잭션 유형에 따른 반정규화 수행 
5. 이력 모델, PK/FK, 슈퍼타입/서브타입 조정 : 성능이 우수한 순서대로 칼럼 순서 조정
6. 성능 관점에서 데이터 모델 검증  

(3) 정규화를 통한 성능 향상 전략 

• 정규화 수행이란 데이터 중복성을 제거하여 성능을 향상시키는 것.
• 데이터 입력, 수정, 삭제 등의 작업의 성능은 향상됨. 
• 다만, 조회 성능은 향상될 수도 아닐 수도 있음. 
  불필요한 조회 조건이 많아져 조인(JOIN)이 빈번하게 나타난다면 비효율적. 

(4) 정규화의 이점 

• 데이터의 유연성 : 종속성이 강한 데이터 분리 → 높은 응집도 낮은 결합도 원칙 충실 
  * 응집도 : 관련되어 있는 정도 (높을수록 품질 향상)
  * 결합도 : 상호 의존 정도 (높을수록 시스템 구현, 유지보수 어려움) 
• 데이터 재활용성 : 개념이 세분화되어 재활용 가능성이 증가
• 데이터 중복 최소화 : 식별자가 아닌 속성은 1번만 포함되기 때문에 중복 최소화됨.

 

2. 정규화 이론 

---

(1) 정규화 개념 

• 함수적 종속성을 기반으로, 성능 향상을 목적으로 중복된 데이터를 지우는 과정
• 함수적 종속성: 데이터들이 어떤 기준 값에 의해 종속되는 현상
  e.g. 주민등록번호(결정자) → 이름, 출생지, 주소(종속자) 함수적 종속 관계

(2) 정규화 유형

정규화 유형	설명
제1정규화	"하나의 속성에 여러개 넣지마!🧐" 속성의 원자성 확보 - 모든 속성은 반드시 하나의 값을 가져야 한다.  - 한 속성에 여러 속성값을 부여하거나, 같은 유형의 속성이 여러개인 경우 속성 분리 e.g. 만약 출생지에 지역과 출생연도가 같이 있다면 분리해야 함.
제2정규화	"PK에 종속되지 않은 간신 속성을 분리시키고, 의리 다지기!" 부분 종속 속성 분리 제 1정규화를 만족시키고, PK가 아닌 모든 칼럼은 PK 전체에 종속시키는 것!  - PK는 엔터티내 모든 속성과 종속성을 갖음. 일부만 PK에 종속되는 칼럼은 분리해야 함 - 갱신 이상 문제 방지 - 복합 식별자의 일부 칼럼에만 종속되는 문제 해결
제3정규화	"다른 속성이 우두머리가 될 수 없게, 속성간 종속성 없애기!" 이전 종속 속성 분리, 이행적 함수 종속 제거  제 2정규화를 만족시키고, 일반 속성 간에도 함수 종속 관계가 존재하지 않아야 함.
보이스 - 코드 정규화  (BCNF)	결정자 안에 함수 종속을 가진 주식별자 속성 분리
제4정규화	다치 종속성 제거
제5정규화	조인 속성 제거

 

3. 반정규화 개념

---

(1) 반정규화(혹은 역정규화) 

• 정규화의 반대 개념
• 성능 향상을 목적으로 데이터의 중복을 허용
• 테이블, 칼럼, 관계 중복 → 조회 성능 향상

(2) 반정규화를 적용하는 상황 

• 데이터 조회 시 I/O 량이 많이 성능이 저하되는 경우 
• 테이블 간 경로가 멀어 조인으로 인한 성능 저하 
• 칼럼 계산 시 성능이 저하될 것으로 예상하는 경우 

(3) 반정규화 절차 

1. 반정규화 대상 조사	2. 다른 방법 유도 검토	3. 반정규화 적용
범위 처리 빈도수	뷰(view) 테이블	테이블의 반정규화
대량의 범위 처리	클러스터링 적용	속성의 반정규화
통계성 프로세스	인덱스 조정	관계의 반정규화
테이블 조인 개수	응용 어플리케이션

 

(4) 테이블 반정규화 

유형	세부 기법
테이블 병합	여러 개의 테이블을 하나로 합치기 (중복 저장, 조회 성능 향상) 1:1 관계 테이블 병합  1:M 관계 테이블 병합 슈퍼/서브 타입 테이블 병합
테이블 분할	특정 테이블을 여러개의 테이블로 나누는 것 수직 분할(칼럼 단위) - 입출력 분산 처리  수평 분할(행 단위) - 입출력, 데이터 접근 효율 향상
테이블 추가	특정 테이블 추가 (중복 저장, 조회 성능 향상)  중복 테이블 추가  통계 테이블 추가  이력 테이블 추가  부분 테이블 추가

 

(5) 칼럼 반정규화 

• 중복 칼럼 추가 : 조인 연산으로 인한 성능 저하 방지를 위해 
• 파생 칼럼 추가 : 트랜잭션이 처리되는 시점에 계산하는 값을 미리 계산한 칼럼을 따로 구성하는 것 e.g. 총매출
• 이력 테이블 칼럼 추가 : 불특정날, 최근 값 조회 성능저하 방지를 위해 시작일, 종료일 칼럼 지정 
• PK에 의한 칼럼 추가 : 복합키 내에 속한 값을 일반 속성으로 생성하여 성능 저하 방지 
• 응용 시스템의 오작동을 위한 칼럼 추가 : 잘못된 경우 복구를 위해 이전 테이터를 임시적으로 중복 보관하는 것 

---

 

2024. 5. 16

정신없이 파이썬을 배우고 판다스, 맥프롯립을 배우는 동안 SQLD 시험이 일주일 밖에 남지 않았어요😣

정확히는 딱 9일 남았네요. 내일부터 팀 프로젝트 기간이지만, 지난달 저의 패기를 기억하며 빠르게 벼락치기를 시험 준비를 해보겠습니다! 원래 부트캠프에서 배운 순서대로 TIL을 작성하려고 했는데, 우선순위가 워낙 급하기도 하고, 새롭게 배우는 내용들이 방대해 정리가 많이 필요하다 보니 잠시동안은 포스팅을 뒤죽박죽 올리지 않을까 싶네요! 5월 SQLD 시험 준비하시는 분들 파이팅 하시길 바랍니다! 같이 한방에 통과해요🍀

 

Today I Learned check list 

✅ Pandas 데이터 전처리, 시각화 과제 풀이 및 제출 

✅ 과제 풀이 튜터링 세션 참여

✅ Matplotlib 데이터 시각화 복습 

✅ SQL 코드카타 3문제 풀이 (69~71문제) 

✅ SQLD 4일 차, 10~13일 차 복습 

✅ 5/16 TIL 작성