SQLD_데이터 모델링
데이터 모델링의 이해
1. 모델링
1) 정의
▪ 우리 주변에 있는 사람, 사물, 개념 등 다양한 현상들을 일정한 표기법에 의해 규칙을 가지고 표기하는 것을 말함
▪ 복잡한 현실세계를 단순화하여 표기한 것.
2) 특징 3가지
▪ 추상화(모형화, 가설적) : 현실세계를 일정한 형식(양식)에 맞추어 표현
▪ 단순화 : 복잡한 현실세계에 약속된 규약에 의해 제한된 표기법/언어로 표현하여 현실세계를 쉽게 이해할 수있도록 함
▪ 명확화 : 누구나 이해하기 쉽게 대상의 애매모호함을 제거하여 정확하게 현상을 기술하는 것을 말함
3) 관점 3가지
▪ 데이터 관점 (Data, What) : 업무가 어떤 데이터와 관련이 있는지 or 데이터간의 관계는 무엇인지에 대해 모델링하는 방법
▪ 프로세스 관점(process, How) : 업무가 실제로 하고 있는 일은 무엇인지 or 실제로 무엇을 해야하는지에 대해 모델링하는 방법
▪ 상관 관점(Interaction) : 업무가 처리하는 일의 방법에 따라 데이터가 받는 영향은 어떠한지에 대해 모델링 하는 방법
2. 데이터 모델링
1) 정의
▪ 데이터 모델링의 기반이 되는 데이터 모델은 데이터베이스의 골격(뼈대)를 이해하고, 이를 바탕으로 SQL문을 기능과 성증적인 측면에서 효율적으로 작성하기 위해 꼭 알아 한다.
▪ 정보시스템을 구축하기 위한 데이터 관점의 업무 분석/설명 기법
▪ 현실 세계의 데이터(What, 어떤)에 대한 약속된 표기법/양식으로 표현하는 과정
▪ 데이터 베이스를 구축하기 위한 분석 및 설계 과정
2) 기능
▪ 시스템 가시화(현재 or 원하는 형태로 드러나게 하는것)에 도움을 줌
▪ 시스템 구조와 행동에 대한 명세화를 가능하게 해줌
▪ 시스템을 구축하는 구조화된 틀을 제공해줌
▪ 시스템을 구축하는 과정에서 결정한 것을 문서화함
▪ 다양한 영역 집중을 위한 다른 영역의 세부 사항은 숨기는 다양한 관점을 제공함
▪ 특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공함
3) 중요성
▪ 파급 효과(Leverage)가 크다
- 데이터 모델링을 초기부터 수행을 제대로 하지 않았다면, 시스템을 구현 후 테스트하는 과정에서 많은 문제점이 발생할 수 있다. 각 단계의 테스트를 진행하는데 데이터 모델링의 문제가 발생해 데이터 모델/구조를 변경해야하는 상황이 온다면 이로 인한 일련의 변경작업 위험 요소를 해결해야한다.
▪ 복잡한 정보 요구 사항의 간결한 표현(Consiseness)
- 데이터 모델은 구축할 시스템의 정보 요구사항과 그 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다. 정보 요구 사항이 정확하고 간결하게 표현되어야 해당 데이터 모델과 관련된 시스템을 구축하는 많은 사람들이 설계자의 생각대로 정보 요구사항을 이해할 수 있을 것이며 이를 운용하는 서비스/애플리케이션을 개발하며 데이터 정합성(일관성)을 유자할 수 있다.
▪ 데이터의 품질을 유지(Data Quality)
- 데이터 베이스에 담겨 있는 데이터는 기업/단체의 중요한 자산이다. 특정 데이터는 시간이 갈 수록 활용 가치가 높아지고 하는데 만약 데이터의 정확성이 떨어지는 등에 대한 데이터 품질 낮음 현상이 발생하면 어떻게 될까? 이것은 바로 해당 데이터로 얻을 수 있던 기업/단체의 비즈니스 기회(이익)을 상실할 수 있는 문제로 이어진다. 따라서, 오래된 데이터라도 데이터의 정확성, 신뢰성을 유지하며 해결할 수 있어야 한다.
4) 유의점
▪ 중복(Duplication) : 데이터베이스가 여러 장소에 같은 정보를 저장하는 것을 주의해야 함
▪ 비유연성(Inflexibility) : 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무 변화에도 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움이 가중된다 → 데이터의 정의를 데이터 사용 프로세스와 분리하여 데이터 베이스의 불필요한 변화를 일으킬 수 있는 가능성을 줄인다.
▪ 비일관성(Inconsistency) : 데이터의 중복이 없더라도 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정하게 되면 비일관성이 발생할 수 있다. → 모델링을 할 때 데이터 간의 상호 연관관계를 명확히 정의한다면 이러한 위험을 사전에 예방할 수 있다.
5) 진행 과정
▪ 데이터 모델링을 하는데 있어서 시간에 따라 진행되는 3가지의 과정이 존재한다.
▪ 개념적 데이터 모델링(추상적↑ 구체적↓) → 논리적 데이터 모델링 → 물리적 데이터 모델링(구체적↑ 추상적↓)
1) 개념적 데이터 모델링 : 추상화 수준이 높고, 업무 중심적이며, 포괄적인 수준의 모델링을 진행, 전사적 모델링으로도 사용하며, EA(정보기술아키텍처)수립시에도 많이 이용된다.
→ 어떠한 자료가 중요하고, 유지되어야하는지 결정하는 내용도 포함되는데 이 단계에서 주요 활동은 핵심 엔티티(개체)와 각각의 관계를 발견하여 그것을 표현하기 위해 E-R 다이어그램(엔티티-관계 다이어그램)을 생성하는 것
2) 논리적 데이터 모델링 : 시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현하는 단계의 모델링으로써, 재사용성이 높은 특징을 가지고 있다. 그 중 가장 중요한 과정에 속하는 것은 정규화인데, 이는 논리적 데이터 모델 상세화 과정의 대표적인 활동으로 논리적 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔티티에 배치되도록함으로써 신뢰성있는 데이터 구조를 얻는데 목적이 있다.
→ 상세화는 식별자 확정, 정규화, M:M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있으며, 추가적으로 이력관리에 대한 저략을 정의
3) 물리적 데이터 모델링 : 실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계하는 단계의 모델링이다.
→ 데이터가 어떻게 컴퓨터에 물리적으로 저장될 것인지 정의를 진행하고, 테이블, 칼럼 등으로 표현되는 물리적인 저장구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등을 결정
+ 일반적으로 [계획/분석 : 개념] [분석 : 논리] [설계 : 물리] =>객체 지향 개념은 데이터/프로세스 모델링 구분X
3. 데이터 독립성
1) 정의
▪ 개별 형식이 가지는 고유의 기능을 유지시키고 그 기능을 극대화하기 위해 데이터 독립성을 중요시
2) 필요성
▪ 끊임없는 요구사항으로 화면과 데이터베이스 간에 서로 독립성을 유지하기 위한 목적
▪ 구조화된 시스템이 시간의 흐름에 따라 유지보수 비용은 증가하고, 데이터 중복성이 증가하며, 데이터 복잡성 또한 증가하고 있다. 이로 인해 요구 사항 대응이 저하됨에 따라 데이터 독립성이 필요하게 되었다.
3) 독립성 효과
▪ 독립성이 확보가 되면, 각 View의 독립성을 유지하고 계층별 View에 영향을 주지 않고도 변경이 가능하게 된다.
▪ 단계별 스키마에 따라 DDL(데이터 정의어)와 DML(데이터 조작어)가 다름을 제공한다.
+ 각각의 단계들은 서로 간섭하지 않는다.
▪ 논리적 독립성(외부 - 개념) 개념 스키마를 변경 → 외부스키마 영향X
▪ 물리적 독립성(개념 - 내부) 내부 스키마 변경 → 외부/개념 스키마 영향X
▪ 구조, 독립성, 사상(Mapping)
→ 데이터 모델링은 통합관점 View를 가지는 개념 스키마를 만드는 과정이라 볼 수 있다.
3-1) 사상(Mapping)
▪ 상호 독립적인 개념을 연결시켜주는다리
▪ 논리적 사상 : 외부 화면 및 사용자 인터페이스 스키마 구조(외부스키마)는 개념스키마와 연결됨
▪ 물리적 사상 : 개념 스키마 구조와 물리적 저장된 구조(DB, 내부 스키마)와 연결됨
4) 구조 3단계
(1) 외부 단계(외부 스키마, External Schema) : View 단계로써 여러 개의 사용자 관점을 구성한 것으로 각각의 사용자 단계라고 할 수 있다. 각각의 사용자가 보는 DB 스키마인데 이에 따라 DB의 각각의 사용자나 개발가 접근하는 DB를 정의
(2) 개념적 단계(개념 스키마, Conceptual Schema) : 개념 단계로써 하나의 개념적 스키마로 구성되는 모든 사용자 관점을 통합한 전체의 DB를 기술하는 것이다.모든 응용시스템들이나 사용자들이 필요로 하는 데이터들을 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들의 관계를 표현하는 스키마
(3) 내부적 단계(내부 스키마, Internal Schema) : DB가 물리적으로 저장된 형식을 나타내며, 믈리적 장치에서 데이터가 실제로 저장되는 방법을 표현
5) 좋은 데이터 모델을 만들기 위한 요소 6가지
▪ 완전성(Completeness) : 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있는지 확인 하는 요소(데이터 모델 검증을 위해 제일 먼저 확인해야하는 요소)
▪ 중복배제(Non-Redundancy) : 하나의 데이터베이스에 동일한 사실을 반드시 한번만 기록되어야 함
▪ 업무규칙(Business Rules) : 데이터 모델링 과정을 통해 도출되고 규명되는 많은 업무규칙들은 데이터 모델에 잘 표현되어야 하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공되어야 한다.
▪ 데이터 재사용(Data Reusability) : 데이터의 통합성과 독립성에 대해서 충분히 고려가 되었다면 데이터 재사용성을 향상시킬 수 있다(→ 유지보수 쉽고, 새로운 시스템 구축에 있어 자원(시간)을 아낄 수 있다.)
▪ 의사소통(Communication) : 데이터 모델을 대상으로 하는 업무를 데이터 관점에서 분석하고 이를 설계하여 나오는 최종 산출물, 그 과정에서 많은 업무 규칙들이 도출되는데 그러한 업무 규칙들에대해서정보시스템 운용, 관리하는 관련자들이 설계자가 정의한 업무 규칙들을 동일한 의미로 받아들이고 정보시스템을 활용할 수 있도록 의사소통 역할하는 것이 데이터 모델
▪ 통합성(Integration) : 성능 등의 부가적인 목적때문에 의도적으로 데이터를 중복시키는 경우가 존재할 수는 있는데, 이러한 경우가 아니면 동일한 데이터가 다양한 곳에 존재하는 것은 낭비이다. 즉, 데이터 모델링을 진행하는 과정에 있어 동일한 성격의 데이터를 한번만 정의함으로써 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하도록 해야한다.
6) 데이터 모델링 요소 3가지
▪ 업무가 관여하는 어떤 것(Thing) : 엔티티 타입, 엔티티 / 엔티티, 인스턴스, 어커런스(정의된 레코드의 구조에 따라 데이터베이스에 구체적이고 실제적인 정보를 저장하고 있는 데이터)
▪ 그것이 가지는 성격(Attributes) : 속성/속성값
▪ 그것들 간의 관계(Relationships) : 관계/페어링
