240213 데이터베이스(데이터 모델링/품질/유의점/3단계/독립성, 엔터티/특징/분류/명명법, 속성/고려사항/분류/도메인)

데이터 모델의 이해

 

추상화, 단순화, 명확화

• 모델링이란 복잡한 현실 세계를 단순화시켜 표현하는 것
• 추상화는 현실 세계를 일정한 형식에 맞추어 표현을 한다는 의미이다.
• 단순화는 복잡한 현실 세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하는 것이다.
• 명확화는 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것이다.

 

데이터 모델링의 정의

• 정보 시스템을 구축하기 위한 데이터 관점의 업무 분석 기법
• 현실세계의 데이터에 대해 약속된 표기법에 의해 표현되는 과정
• 데이터베이스를 구축하기 위한 분석/설계의 과정

 

 

데이터 모델링의 중요성 및 유의점

 

파급효과(Leverage)

• 시스템 구축 작업 중에서 다른 어떤 설계보다 데이터 설계가 가장 중요하다.
• 데이터 모델링을 잘못했을 경우 그 어떤 설계보다 위험성에 대한 파급효과가 뚜렷하다.

 

복잡한 정보 요구사항의 간결한 표현(Conciseness)

• 데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다.

 

데이터 품질 (Data Quality)

• 데이터 품질의 문제가 야기되는 중대한 이유 중 하나가 데이터 구조의 문제이다.
• 모델링을 잘못하면 데이터 품질이 저하될 수 있다.

 

※ 데이터 모델링의 유의점

중복(Duplication)

• 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 장소를 파악하는데 도움을 준다.
• 이러한 지식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.
• 올바른 지점을 참조하지 못할 위험이 있기 때문에 중복에 유의해야 한다.

 

비유연성(Inflexibility)

• 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다.

 

비일관성(Inconsistency)

• 데이터 모델링을 할 때 데이터와 데이터 간 상호 연관 관계에 대한 명확한 정의(데이터의 무결성)는 이러한 위험을 사전에 예방한다.

 

 

 

※ 데이터 모델링의 3단계

개념 -> 논리 -> 물리

 

개념적 데이터 모델링

• 추상화 수준이 높고 업무 중심적이며 포괄적인 수준의 모델링
• 전사적 데이터 모델
• 핵심 엔터티와 그들 간의 관계를 발견하고, 그것을 표현하기 위해서 엔터티-관계 다이어그램을 생성하는 것

 

논리적 데이터 모델링

• 시스템으로 구축하고자 하는 업무에 대해 key, 속성, 관계 등을 정확하게 표현
• 재사용성이 높다
• 이 단계에서 하는 중요한 활동은 정규화

 

물리적 데이터 모델링

• 실제 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계
• 테이블, 칼럼 등으로 표현되는 물리적인 저장구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등

 

 

데이터 독립성

데이터 독립성의 필요성

• 유지보수 비용 증가
• 데이터 중복성 증가
• 데이터 복잡도 증가
• 요구사항 대응 저하

 

※  데이터베이스 3단계 구조

항목	내용	항목
외부스키마 (External Schema)	- View 단계 여러 개의 사용자 관점으로 구성, 즉 개개 사용자 단계로서 개개 사용자가 보는 개인적 DB 스키마 - DB의 개개 사용자나 응용프로그래머가 접근하는 DB 정의	사용자 관점 접근하는 특성에 따른 스키마 구성
개념스키마 (Conceptual Schema)	- 개념단계 하나의 개념적 스키마로 구성 모든 사용자 관점을 통합한 조직 전체의 DB를 기술하는 것 - 모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들간의 관계를 표현하는 스키마	통합관점
내부스키마 (Internal Schema)	- 내부단계, 내부 스키마로 구성, DB가 물리적으로 저장된 형식 - 물리적 장치에서 데이터가 실제적으로 저장되는 방법을 표현하는 스키마	물리적 저장구조

 

 

두 영역의 데이터 독립성

독립성	내용	특징
논리적 독립성	-개념 스키마가 변경되어도 외부 스키마에는 영향을 미치지 않도록 지원하는 것 -논리적 구조가 변경되어도 응용 프로그램에 영향 없음	-사용자 특성에 맞는 변경가능 -통합 구조 변경가능
물리적 독립성	-내부스키마가 변경되어도 외부/개념 스키마는 영향을 받지 않도록 지원하는 것 -저장장치의 구조변경은 응용프로그램과 개념스키마에 영향 없음	-물리적 구조 영향 없이 개념구조 변경가능 -개념구조 영향 없이 물리적인 구조 변경가능

 

사상(Mapping)

사상	내용	예
외부적/개념적 사상 (논리적 사상)	외부적 뷰와 개념적 뷰의 상호 관련성을 정의함	사용자가 접근하는 형식에 따라 다른 타입의 필드를 가질 수 있음. 개념적 뷰의 필드 타입은 변화가 없음
개념적/내부적 사상 (물리적 사상)	개념적 뷰와 저장된 데이터베이스의 상호관련성을 정의함	만약 저장된 데이터베이스 구조가 바뀐다면 개념적/내부적 사상이 바뀌어야 함. 그래야 개념적 스키마가 그대로 남아있게 됨

 

 

 

엔터티

엔터티

• 엔터티는 사람, 장소, 물건, 사건, 개념 등의 명사에 해당한다.
• 엔터티는 업무상 관리가 필요한 관심사에 해당한다.
• 엔터티는 저장이 되기 위한 어떤 것(Thing)이다.
• 엔터티는 도메인지식에 가깝다.

 

적절한 엔터티의 특징

1) 업무에서 필요로 하는 정보여야 한다.

• 엔터티는 반드시 시스템을 구축하고자 하는 업무에서 필요로 하고 관리하고자 하는 정보여야만 한다.
• 예를 들어 환자라는 엔터티는 병원에 있어 반드시 필요한 엔터티이지만 일반 회사에서는 전혀 필요가 없는 엔터티다.

 

2) 엔터티는 유일한 식별자가 있어야 한다.

• 어떤 엔터티에 업무적으로 의미를 가지는 인스턴스가 식별자에 의해 한 개씩만 존재하는지 검증해 보아야 한다.
• 일반적으로 회사의 직원들을 구분할 수 있는 방법은 이름이나 사원번호로 구분할 수 있다. 하지만 이름의 경우에는 동명이인이 될 수 있으므로 유일하게 식별될 수 없다. 즉. 사원번호는 회사에 입사한 사람에게 고유하게 부여된 번호이므로 유일한 식별자가 될 수 있다.
• 예) 회원 ID, 계좌번호

 

3) 두 개 이상의 인스턴스의 집합이어야 한다.

• 영속적으로 존재하는 인스턴스의 집합이 되어야 한다. 
• 집합은 한 개가 아니라 반드시 두 개 이상일 때 집합이라고 한다.
• 예) 고객정보는 2명 이상 있어야 한다.

 

4) 업무 프로세스에 의해 이용되어야 한다.

• 이 엔터티가 필요하다고 생각하여 만들었는데 업무 프로세스에 의해 전혀 사용되지 않는다면 업무 분석, 업무 프로세스 도출이 적절히 이루어지지 않았음을 뜻한다.
• 고립된 엔터티의 경우는 엔터티를 제거하거나 아니면 누락된 프로세스가 존재하는지 살펴보고 해당 프로세스를 추가해야 한다.
• 예) 은행 시스템에는 고객, 계좌 엔터티가 필요하고 학생이라는 엔터티는 필요하지 않음

 

5) 반드시 1개 이상의 속성을 포함해야 한다.

• 속성을 포함하지 않는 엔터티는 있어도 의미가 없다. 이런 엔티티는 관계가 생략되어 있거나 업무 분석이 미진하여 속성 정보가 누락되는 경우에 주로 발생한다. 마찬가지로 주식별자만 존재하고 일반속성은 전혀 없는 경우도 마찬가지로 적절한 엔터티라고 할 수 없다.
• 예외적으로 관계엔터티(Associative Entity)의 경우에만 주식별자 속성만 가지고 있어도 엔터티로 인정할 수 있다.
• 예) 고객 엔터티에는 회원 ID, 패스워드, 이름, 주소 전화번호의 속성이 존재한다.

 

6) 다른 엔터티와 관계를 가져야 한다.

• 엔터티는 다른 엔터티와 최소 한 개 이상의 관계가 존재해야 한다. 엔터티가 도출되었다는 것은 해당 업무 내에서 업무적인 연관성(존재적 연관성, 행위적 연관성)을 가지고 다른 엔터티와의 연관의 의미를 가지고 있음을 나타낸다.
• 예) 고객은 계좌를 개설한다.

 

 

엔터티의 분류

유무형에 따른 분류 - 물리적 형태가 존재하는가?

종류	설명
유형 엔터티	- 업무에서 도출되며 지속적으로 사용되는 엔터티다. - 예) 고객, 강사, 사원 등
개념 엔터티	- 유형 엔터티는 물리적 형태가 있지만 개념 엔터티는 없다. - 개념적으로 사용되는 엔터티 - 예) 거래소 종목, 코스닥 종목, 생명보험 상품
사건 엔터티	- 비즈니스 프로세스를 실행하면서 생성되는 엔터티 - 예) 주문, 체결, 취소주문, 수수료 청구 등

 

 

발생 시점에 따른 분류 - 언제 발생되는가?

종류	설명
기본 엔터티(Basic Entity)	- 키 엔터티 - 다른 엔터티로부터 영향 받지 않고 독립적으로 생성되는 엔터티 - 예) 고객, 상품, 부서 등
중심 엔터티(Main Entity)	- 기본 엔터티와 행위 엔터티 간의 중간에 있는 것 - 기본 엔터티로부터 발생되고 행위 엔터티를 생성하는 것 - 예) 계좌, 주문, 취소, 체결 등
행위 엔터티(Active Entity)	- 2개 이상의 엔터티로부터 발생 - 예) 주문 이력, 체결 이력 등

 

 

 

엔터티의 명명법

1. 가능하면 현업 업무에서 사용하는 용어를 사용한다.

2. 가능하면 약어를 사용하지 않는다.

3. 단수 명사를 사용한다.

4. 모든 엔터티에서 유일한 이름을 부여해야 한다.

5. 엔터티 생성 의미에 맞는 이름을 부여해야 한다.

 

 

 

속성

속성

1. 업무에서 필요로 한다.
2. 의미상 더 이상 분리되지 않는다.
3. 엔터티를 설명하고 인스턴스의 구성 요소가 된다.

 

엔터티, 인스턴스, 속성, 속성값의 관계

1. 한 개의 엔터티는 두 개 이상의 인스턴스의 집합이어야 한다.
2. 한 개의 엔터티는 두 개 이상의 속성을 갖는다.
3. 한 개의 속성은 한 개의 속성값을 갖는다.

 

속성 설계시 고려사항

1) 엔터티에 필요한 속성인가

• 엔터티에 꼭 필요한 속성만을 구성하도록 한다.
• 예를 들어 학생이라는 엔터티 안에 과목 번호라는 속성 값이 들어가 있으면 학생이라는 엔터티의 개념이 모호해진다. 학생이라는 속성에는 과목 번호가 아닌 학번이라는 속성이 들어가야 한다.

 

2) 속성이 하나의 값만을 가지고 있는가

• 엔티티 타입 내에서 하나의 속성은 한 시점에 한 개의 값만을 가져야 한다.
• 하지만  "방문 고객"이라는 테이블의 속성을 보시면 고객의 방문 횟수에 따라 방문시간, 방문 목적의 속성의 값에 여러 가지 값이 들어가고 있다. 이렇게 여러 개의 값이 들어가는 속성을 다중값 속성이라고 하며 이럴 경우에는 새로운 엔티티를 생성해서 다중 값을 없애야 한다.
• 예) 한 고객이 여러 번 방문한 방문일, 방문 내용을 관리해야 한다.

 

3) 속성이 하나의 의미만 가지고 있는가

• 속성은 단 하나의 독립적인 의미를 가지고 있어야 한다.
• 여러 개의 속성을 통합하여 하나의 의미를 가지는 것을 지양해야 한다.
• 예) 주민번호 = 주민번호 1 + 주민번호 2                                                                                                                          → 주민등록번호 전체만이 의미가 있으므로 분리해서는 안 된다.

 

4) 동일한 의미를 가지는 속성이 하나만 존재하는가

 

 

속성의 분류

특성에 따른 분류

• 기본속성: 업무분석을 통해 바로 정의한 속성
• 설계속성: 원래 업무상 존재하지는 않지만 설계를 하면서 도출해내는 속성
• 파생속성: 다른 속성으로부터 계산이나 변형이 되어 생성되는 속성

 

엔터티 구성방식에 따른 분류

• PK속성: 엔터티를 식별할 수 있는 속성
• FK속성: 다른 엔터티와의 관계에서 포함된 속성
• 일반속성: PK, FK에 포함되지 않은 속성

 

 

도메인 (Domain)

• 각 속성은 가질 수 있는 값의 범위를 말한다.
• 학생이라는 엔터티가 있을 때 학점이라는 속성의 도메인은 0.0에서 4.5사이의 실수 값이며 주소라는 속성의 도메인은 길이가 20자리 이내인 문자열로 정의할 수 있다.

 

 

속성의 명명

1. 해당 업무에서 사용하는 이름을 부여한다.
2. 서술식 속성명은 가급적 사용하지 않는다.
3. 약어 사용은 가급적 제한한다.
4. 전체 데이터모델에서 유일성을 확보하는 것이 좋다.