물리 데이터 모델 설계

(1) 물리 데이터 모델링 개념

- 물리 데이터 모델링은 논리모델을 적용하고자 하는 기술에 맞도록 상세화해 가는 과정이다.

 

(2) 물리 데이터 모델링 변환 절차

- 논리 데이터 저장소에서 물리 데이터 저장소 모델로 변환하는 절차는 다음과 같다. 

 

1. 개체를 테이블로 변환 : 일반적으로 테이블과 개체 명칭을 동일하게 하는 것을 권고, 개체는 한글명을 사용, 테이블은 소스 코드의 가독성을 위해 영문명을 사용
2. 속성을 컬럼으로 변환 : 개발자와 사용자 간 의사소통을 위해 표준화된 약어를 사용하도록 권고, SQL 예약어 사용은 피해야 함, SQL 문장 가독성을 높이기 위해 컬럼 명칭은 되도록 짧은 것을 권고, 컬럼명으로 복합단어를 사용할 경우 미리 정의된 표준에 의해 명명해야 함
3. UID를 기본키로 변환 : 개체의 UID에 해당하는 모든 속성에 대해 기본키로 선언, 관계에 의한 외래키가 기본키에 포함될 수 있음
4. 관계를 외래키로 변환 : 외래키명은 기본키 이름을 그대로 사용하나 다른 의미를 가질 경우 변경가능
5. 컬럼 유형과 길이 정의 : 적절한 유형을 정의하고, 데이터의 최대 길이를 파악하여 길이를 설정
6. 반 정규화 수행 : 시스템 성능 향상과 개발 및 운영의 단순화를 위해 데이터 모델을 통합하는 반 정규화를 수행
   1. 중복 테이블 추가 : 집계 테이블 추가, 특정 부분만 포함하는 테이블 추가
   2. 테이블 조합 : 1:1 관계 테이블 조합, 1:M 관계 테이블 조합, 슈퍼타입/서브타입 테이블 조합
   3. 테이블 분할 : 수직 분할/ 수평 분할
   4. 테이블 제거 : 테이블 재정의, 접근하지 않는 테이블 제거
   5. 컬럼 중복화 : 조인 성능 향상을 위한 중복 허용

 

(3) 테이블 제약 조건 설계

1. 참조무결성 제약 조건

- 릴레이션과 릴레이션 사이에 대해 참조의 일관성을 보장하기 위한 조건이다.

- 두 개의 릴레이션이 기본키, 외래키를 통해 참조 관계를 형성할 경우, 참조하는 외래키의 값은 항상 참조되는 릴레이션에 기본키로 존재해야 한다.

 

ⓐ제한(Restricted)

- 참조무결성 원칙을 위배하는 연산을 거절하는 옵션이다. 

 

ⓑ연쇄(Cascade)

- 참조되는 릴레이션에서 튜플을 삭제하고, 참조되는 릴레이션에서 이 튜플을 참조하는 튜플들도 함께 삭제하는 옵션이다.

 

ⓒ널 값(Nullify)

- 참조되는 릴레이션에서 튜플을 삭제하고, 참조하는 릴레이션에서 해당 튜플을 참조하는 튜플들의 외래 키에 NULL값을 넣는 옵션이다.

- 만일 릴레이션을 정의할 때 참조하는 릴레이션에서 NULL 값이 들어갈 애트리뷰트에 'NOT NULL'이라고 명시되어 있다면 삭제 연산을 거절한다. 

 

(4) 인덱스 설계

- 인덱스 적용 기준, 컬럼 선정 등을 고려하여 설계한다.

 

1. 인덱스 개념

- 검색 연산의 최적화를 위해 데이터베이스 내 열에 대한 정보를 구성한 데이터구조이다. 

- 인덱스를 통해 전체 데이터의 검색 없이 필요한 정보에 대해 신속한 조회가 가능하다.

 

2. 인덱스 적용 기준

- 인덱스 분포도가 10~15% 이내인 경우 아래 수식을 참고한다.

 

분포도 = (1/(컬럼 값의 종류)) * 100

분포도 = (컬럼 값의 평균 Row 수) / (테이블의 총 Row 수) * 100

 

- 분포도가 범위 이상이더라도 부분처리를 목적으로 하는 경우 적용한다.

- 조회 및 출력 조건으로 사용되는 컬럼인 경우 적용한다.

- 인덱스 자동생성 기본키와 Unique 키의 제약 조건을 사용할 경우 적용한다.

 

3. 인덱스 컬럼 선정

- 분포도가 좋은 컬럼은 단독적으로 생성한다.

- 자주 조합되어 사용되는 컬럼은 결합 인덱스로 생성한다.

- 결합 인덱스는 구성되는 컬럼 순서 선정(사용빈도, 유일성, 정렬 등)에 유의한다.

- 가능한 한 수정이 빈번하지 않은 컬럼을 선정한다.

 

4. 설계 시 고려사항

- 지나치게 많은 인덱스는 오버헤드로 작용한다.

- 인덱스는 추가적인 저장 공간이 필요함을 고려해야 한다.

- 넓은 범위를 인덱스 처리 시 오히려 전체 처리보다 많은 오버헤드를 발생시킬 수 있음에 유의해야 한다.

- 인덱스와 테이블의 저장 공간을 적절히 분리될 수 있도록 설계해야 한다.

 

 

(5) 뷰 설계

- 뷰의 속성 및 고려 사항을 참고하여 설계한다.

 

▼뷰 속성

• REPLACE : 뷰가 이미 존재하는 경우 재생성
• FORCE : 본 테이블의 존재 여부에 관계없이 뷰 생성
• NOFORCE : 기본 테이블이 존재할 때 뷰 생성
• WITH CHECK OPTION : 서브 쿼리 내의 조건을 만족하는 행만 변경
• WITH READ ONLY : 데이터 조작어 작업 불가

1. 뷰 설계 시 고려사항

- 뷰 사용에 따라 수행속도에 문제가 발생할 수 있다.

- 뷰의 조건은 최적의 액세스 경로를 사용할 수 있어야 한다.

 

 

(6) 클러스터 설계

1. 적용 기준

- 인덱스의 단점을 해결한 기법으로, 분포도가 넓을수록 오히려 유리하다.

- 액세스 기법이 아니라 액세스 효율 향상을 위한 물리적 저장 방법이다.

- 분포도가 넓은 테이블의 클러스터링은 저장 공간의 절약이 가능하다.

- 대량의 범위를 자주 액세스하는 경우 적용한다.

- 인덱스를 사용한 처리 부담이 되는 넓은 분포도에 활용한다.

- 여러 개의 테이블이 빈번하게 조인을 일으킬 때 활용한다.

 

2. 클러스터 설계 시 고려사항

- 검색 효율은 높여주나 입력, 삭제, 수정 시는 부하가 증가함을 고려한다.

- UNION, DISTINCT, ORDER BY, GROUP BY가 빈번한 컬럼이면 검토 대상이다.

- 수정이 자주 발생하지 않는 컬럼은 검토 대상이다.

- 처리 범위가 넓어 문제가 발생하는 경우는 단일 테이블 클러스터링을 고려한다.

- 조인이 많아 문제가 발생되는 경우는 다중 테이블 클러스터링을 고려한다.

 

 

(7) 파티션 설계

 

1. 파티션의 종류

① 레인지 파티셔닝(Range Partitioning)

- 연속적인 숫자나 날짜를 기준으로 하는 파티셔닝 기법이다.

- 손쉬운 관리 기법을 제공하여 관리 시간의 단축이 가능하다.

- 예 : 우편번호, 일별, 월별, 분기별 등의 데이터에 적합

 

②  해시 파티셔닝(Hash Partitioning)

- 파티션 키의 해시 함수 값에 의한 파티셔닝 기법이다.

- 균등한 데이터 분할이 가능하고 질의 성능이 향상 가능하다.

 

③ 리스트 파티셔닝(List Partitioning)

- 특정 파티션에 저장될 데이터에 대한 명시적 제어가 가능한 파티셔닝 기법이다.

- 분포도가 비슷하고 데이터가 많은 SQL에서 컬럼의 조건이 많이 들어오는 경우 유용하다.

 

 

④ 컴포지트 파티셔닝(Composite Partitioning)

- 레인지 파티셔닝, 해시 파티셔닝, 리스트 파티셔닝 중 2개 이상의 파티셔닝을 결합하는 파티셔닝 기법이다.

- 큰 파티션에 대한 I/O 요청을 여러 파티션으로 분산할 수 있다.

 

 

⑤ 라운드로빈 파티셔닝(Round-Robin Partitioning)

- 라운드로빈 분할로 회전하면서 새로운 행이 파티션에 할당하는 방식이다.

- 파티션에 행의 고른 분포를 원할 때 사용한다. 

 

 

2. 파티션의 장점

• 성능 향상 : 데이터 액세스 범위를 줄여 성능 향상
• 가용성 향상 : 전체 데이터의 훼손 가능성이 감소 및 데이터 가용성 향상
• 백업 가능 : 분할 영역을 독립적으로 백업하고 복구가능
• 경합 감소 : 디스크 스트라이핑으로 입출력 성능을 향상, 디스크 컨트롤러에 대한 경합의 감소