[SQLD 자격증 대비반] 챕터 4. 성능 데이터 모델링과 정규화

성능 데이터 모델링

• 처음부터 데이터베이스 성능 향상을 목적으로 하는 작업
• 프로젝트 수행 중보단 사전에 철저하게 설계된 상태로 도입할수록 비용이 적게 듦
• 분석/설계 단계에서 성능 데이터 모델링을 수행할 경우 성능 저하로 인해 발생하는 재업무 비용 최소화

 

성능 데이터 모델링 고려사항

1. 정규화를 정확하게 수행
   • 데이터를 주요 관심사별로 분산
   • 정규화를 통해 중복된 데이터가 쌓이는 것 막을 수 있음
2. 데이터베이스 용량 산정 수행
   • 어떤 테이블(엔터티)에 데이터 집중되는지 파악 가능
   • 필요한 경우 테이블 분리와 조인을 통한 데이터 수집 필요
3. 데이터베이스에서 발생되는 트랜잭션 유형 파악
   • CRUD 매트릭스 혹은 시퀸스 다이어그램을 보면 파악하기 용이
   • 데이터 조회에 필요한 조인 관계 등 파악 가능
4. 데이터베이스의 용량과 트랜잭션 유형에 따라 반정규화 수행
   • 테이블, 속성, 관계 등에 대해 포괄적인 반정규화를 통해 성능 조정
5. 이력 모델, PK/FK, 슈퍼 타입/서브 타입의 조정
   • 성능 우수한 순서대로 칼럼 순서 조정
6. 성능 관점에서 데이터 모델 검증
   • 항상 성능 최적화를 위해서 데이터 모델 검증
   • 데이터 모델이 괜찮은 형태로 구조화 되어있어도 성능 최적화를 위한 선택을 위해 끊임없이 고민

 

정규화

• 데이터에 대한 중복성을 제거하여 성능을 향상시키는 것
• 특정 칼럼으로 분산되어 있는 데이터의 의미를 하나로 집약 ➡️ 테이블 칼럼 수 줄어들어 데이터 용량 줄일 수 있음

• 데이터의 일관성을 유지하고 데이터의 중복을 방지하며 데이터의 유연성을 유지하기 위해 데이터를 분해하는 과정

 

정규화 용어

정규화	이상 현상의 발생을 최소화하기 위해 작은 단위의 테이블로 나눠가는 과정
정규형	정규화된 결과물
함수적 종속성	테이블의 특정 칼럼 값(A)을 알고 있으면 다른 칼럼 값(B)을 알 수 있다고 가정할 때, B는 A에 함수적 종속성을 갖는다고 표현
결정자	함수적 종속성에서 A는 B를 결정짓는 요소기 때문에 '결정자'라고 표현
다치 종속	결정자 A에 의해 B의 값 다수를 알 수 있을 때, B는 A에 다치종속되었다고 표현

 

정규화 이점

• 데이터 유연성
  • 종속성 강한 데이터를 분리하여 독립된 개념으로 정의 ➡️ 높은 응집도와 낮은 결합도 원칙에 충실
    - 응집도 : 요소들이 서로 관련되어 있는 정도 (높을수록 품질 좋음)
    - 결합도 : 요소들 간의 상호 의존하는 정도 (높으면 시스템 구현 및 유지보수 어려움)
• 데이터 재활용성
  • 정규화를 통해 데이터 개념이 조금 더 세분화 ➡️ 개념에 대한 재활용 가능성 증가
• 데이터 중복 최소화
  • 식별자가 아닌 속성이 한 번만 포함 ➡️ 데이터 중복 최소화

 

정규화 유형

• 정규화는 함수적 종속성을 근거로 함
  
  
• 제1정규화
  • 한 속성에 여러 개의 속성이 포함되어 있거나 같은 유형의 속성이 여러 개로 나눠져있는 경우 해당 속성 분리
    ➡️ 하나의 칼럼에는 하나의 속성만 포함
  • 원자 값이 아닌 도메인 분해

제1정규형 위반 ⬇️

제1정규형 만족

 

• 제2정규화
  • 제1정규화를 만족시키고 PK가 아닌 모든 칼럼은 PK 전체에 종속
  • PK에 종속되지 않거나 PK 일부 칼럼에만 종속되는 칼럼이 있다면 분리
  • 부분적 함수 종속 제거
  • 제2정규형 위반시 갱신 이상 현상이 발생할 가능성이 큼
    - 갱신 이상 : 반복되는 데이터 중 일부를 갱신할 때 데이터가 일치하지 않는 문제

고객 이름과 등급은 PK 전체에 종속 X  ⬇️

고객 정보를 위한 식별자 추가

 

• 제3정규화
  • 제2정규화를 만족시키고 일반 속성 간에도 함수 종속 관계 존재 X
  • 이행적 함수 종속 제거

직업 코드와 직업 이름에 종속성 존재 ⬇️

 

정규화 유형 정리

제1정규화	- 모든 속성은 반드시 하나의 값을 가져야 함 - 그렇지 않을 경우 해당 속성 분리 (속성의 원자성 확보)
제2정규화	주식별자에 완전하게 함수 종속되지 않은 속성을 분리하여 종속 관계 구성(부분 종속 속성 분리)
제3정규화	일반 속성간의 함수 종속성 발생하지 않도록 분리(이전종속 속성 분리)
BCNF	결정자 안에 함수 종속을 가진 주식별자 속성 분리
제4정규화	다치종속성 제거
제5정규화	조인 속성 제거

 

 

반정규화

• 정규화와 동일하게 '성능 향상'이라는 목적을 갖지만 데이터의 중복을 통해 목적을 달성
• 반정규화 적용하는 상황
  • 데이터 조회 시 디스크 I/O량이 많아서 성능 저하되는 경우
  • 테이블 간 경로가 너무 멀어 조인으로 인한 성능 저하 예상
  • 칼럼을 계산하여 읽을 때 성능 저하 예상

 

🌟 반정규화 절차

1. 반정규화 대상 조사
   • 범위 처리 빈도수 조사
   • 대량의 범위 처리 조사
   • 통계성 프로세스 조사
   • 테이블 조인 개수
2. 다른 방법 유도 검토
   • 뷰(View) 테이블
   • 클러스터링 적용
   • 인덱스 조정
   • 응용 어플리케이션
3. 반정규화 적용
   • 테이블 반정규화
   • 속성 반정규화
   • 관계 반정규화

 

테이블 반정규화

• 테이블 병합
  • 1:1 관계 테이블 병합 : 2개의 테이블을 하나의 테이블로 병합하여 조인 연산 제거
  • 1:M 관계 테이블 병합 : 2개의 테이블을 하나의 테이블로 병합하여 조인 연산 제거
  • 슈퍼/서브 타입 테이블 병합 : 슈퍼/서브 관계를 하나의 테이블로 병합하여 조인 연산 제거
• 테이블 분할
  • 수직 분할 : 디스크 입력/출력을 분산 처리하기 위해 칼럼 단위의 테이블을 1:1로 분리하여 처리
  • 수평 분할
    - 행 단위로 집중 발생하는 디스크 입/출력 및 데이터 접근 효율을 높여 성능 향상시키기 위해 테이블 분리
    - 하나의 테이블에 있는 특정 값을 기준으로 테이블 분할
    - ex) 요금 납부 테이블을 년/월/일 테이블로 분할
• 테이블 추가
  • 중복 테이블 추가 : 다른 업무이거나 서버가 다른 경우 동일한 테이블 구조를 중복하여 원격 조인 제거
  • 통계 테이블 추가 : SUM, AVG, COUNT 등을 미리 수행하고 계산
  • 이력 테이블 추가 : 이력 테이블 중에서 마스터 테이블에 존재하는 레코드를 중복하여 이력 테이블에 적용
  • 부분 테이블 추가 : 특정 테이블에서 자주 조회하는 칼럼을 모아놓은 별도의 반정규화된 테이블 생성

 

칼럼 반정규화

• 중복 칼럼 추가 : 조인 연산으로 인한 성능 저하 방지를 위해 중복 칼럼 추가하여 조인 연산 수행 X
• 파생 칼럼 추가 : 트랜잭션이 처리되는 시점에 계산하는 값을 미리 계산한 칼럼 따로 구성
• 이력 테이블 칼럼 추가 : 많은 데이터 처리할 때 불특정한 날에 대한 조회나 최근 값을 조회할 때 나타날 수 있는 성능 저하를 예방하기 위해 이력 테이블에 칼럼 추가
• PK에 의한 칼럼 추가
  - PK(복합키)를 단일 속성으로 구성한 경우 단일 PK 안에서 특정값을 별도로 조회하는 경우 성능 저하 나타날 수 있음
  - 이때 이미 PK 안에 데이터가 존재하지만 성능 향상을 위해 일반 속성으로 생성
  - ex) 주문번호(상품코드+주문일자) ➡️ 주문일자를 일반 속성으로 빼내고 주문일자 칼럼을 인덱스로 설정
• 응용 시스템의 오작동을 위한 칼럼 추가 : 비즈니스적으로 의미는 없지만 사용자 데이터를 처리하다가 잘못된 경우 원래 값으로 복구를 원할 때 이전 데이터를 임시적으로 중복하여 보관

 

관계 반정규화

• 중복 관계 추가
  - 데이터 처리하기 위한 여러 경로를 거쳐 조인 가능
  - 이때 발생할 수 있는 성능 저하 예방을 위해 추가적인 관계를 맺는 방법