Ga0's

◆ 데이터 모델링을 할때 유의할 사항 중복(Duplication) : 데이터베이스가 여러 장소에 같은 정보를 저장하지 않도록 해야함. 비유연성(Inflexbility) : 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 데이터간의 상호 연관 관계에 대해 명확하게 정의해야한다. (만약, 사용자가 처리하는 프로세스 혹은 이와 관련된 프로그램과 테이블의 연계성을 높이는 것은 데이터 모델이 업무 변경에 대해 취약하게 만드는 단점에 속함!) ◆ 데이터 모델링 3단계 개념적 데이터 모델링 : 추상화 수준이 높고 ..

분산 데이터 베이스 1. 개요 ▪ 빠른 네트워크 환경을 이용하여 데이터베이스를 여러 지역에서 노드로 위치시켜 사용성을 극대화 시킨 데이터베이스 ▪ 분산되어 있는 데이터베이스를 하나의 가상 시스템으로 사용할 수 있도록 한 데이터베이스 ▪ 논리적으로 동일한 시스템, 네트워크를 통해 물리적으로 분산되어 있는 데이터들의 모임 ▪ 물리적 사이트 분산, 논리적으로 사용자 통합 및 공유 2. 투명성 6가지 분할 투명성(단편화) ▪ 하나의 논리적 릴레이션을 여러 단편으로 분할하여 그 사본을 여러 사이트에 저장 위치 투명성 ▪ 사용하려는 데이터의 저장 장소를 명시 불필요 위치 정보가 시스템 카탈로그에 유지 지역사상 투명성 ▪ 지역 DBMS, 물리적인 DB 사이의 매핑을 보장하며 각 지역 시스템 이름과 무관한 이름 사용 ..

데이터베이스 구조와 성능 슈퍼/서브 타입 데이터 모델 1. 개요 ▪ Extended ER 모델(= 슈퍼/서브타입 데이터 모델)은 최근 데이터 모델링에서 자주 쓰이는 모델링 방법으로 업무를 구성하는 데이터를 공통/차이점 특징을 고려하여 효과적으로 표현이 가능하다. ▪ 공통 부분은 슈퍼 타입으로 모델링하고, 공통으로부터 상속받아 다른 엔터티와 차이가 있는 속성은 서브타입으로 모델링한다. (서브엔터티로 구분하고, 정확하게 표현이 가능하다. 물리적인 데이터 모델로 변환할 때 선택의 폭을 넓힐 수 있는 장점이 있다.) ▪ 논리적인 데이터 모델에서 이용하는 형태로, 주로 분석단계에서 많이 쓰인다. ▪ 물리적 데이터 모델로 설계시 문제점이 발생하는데 이는 변환하는 방법의 노하우가 없어 1:1 or All in one..

대량 데이터에 따른 성능 1. 대량 데이터 발생에 따른 테이블 분할 ▪ 대량의 데이터가 하나의 테이블과 하나의 하드웨어 공간에 집약/저장 되어 있으면, 성능 저하를 피할 수 X. ▪ 처리 하는 일의 양이 한군데에 몰리는 현상 → 중요한 업무에 해당하는 데이터가 특정 테이블에 있는 경우! → 이러한 경우, 트랜잭션이 분산 처리될 수 있도록 테이블단위에서 분할의 방법을 적용할 필요! ▪ 수직 분할 : 컬럼 단위로 분할하여 I/O 경감 ▪ 수평 분할 : 로우 단위로 분할하여 I/O 경감 2. 성능 저하의 원인 ▪ 하나의 테이블에 데이터 대량 집중 : 테이블의 구조가 너무 큼 → 효율성 감소 → 데이터 처리(입력, 수정, 삭제, 조회)시 디스크 I/O 많이 유발, 인덱스(테이블에서 데이터를 찾는 용도)를 생성할..