[과목 1] 데이터 모델링의 이해 - 2. 데이터 모델과 성능

2. 데이터 모델과 성능

 

• 성능 데이터 모델링의 개요
• 정규화와 성능
• 반정규화와 성능
• 대량 데이터에 따른 성능
• 데이터베이스 구조와 성능
• 분산 데이터베이스와 성능

 

 

 

 

 

# 성능데이터모델링

 

• 데이터베이스 성능 향상을 목적으로 설계단계의 데이터모델링 때부터 성능과 관련된 사항이 데이터모델링에 반영될 수 있도록 하는 것

 

 

 

# 중복속성에 대한 분리가 1차 정규화의 대상이 되며, 로우단위의 중복도 1차 정규화의 대상이 되지만 칼럼 단위로 중복이 되는 경우도 1차 정규화의 대상이다.

 

 

 

# 반정규화

 

• 정규화된 엔티티, 속성, 관계에 대해 시스템의 성능향상과 개발(Development) 과 운영(Managemence) 의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법
• 데이터를 중복하여 성능을 향상시키기 위한 기법
• 넓은 의미의 반정규화 : 성능을 향상시키기 위해 정규화된 데이터 모델이서 중복, 통합, 분리 등을 수행하는 모든 과정
• 데이터 무결성이 깨질 수 있는 위험을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유 : 데이터를 조회할 때 디스크 I/O 량이 많아서 성능이 저하되거나 경로가 너무 멀어 조인으로 인한 성능저하가 예상되거나 칼럼을 계산하여 읽을 때 성능이 저하될 것이 예상되는 경우 반정규화 수행

 

 

 

# 반정규화 절차

 

1. 반정규화 대상조사

• 범위처리빈도수 조사
• 대량의 범위 처리 조사
• 통계성 프로세스 조사
• 테이블 조인 개수

 

2. 다른 방법유도 검토

• 뷰(VIEW) 테이블
• 클러스터링 적용
• 인덱스의 조정
• 응용애플리케이션

 

3. 반정규화 적용

• 테이블 반정규화
• 속성의 반정규화
• 관계의 반정규화

 

 

 

# 반정규화의 대상에 대해 다른 방법으로 처리

 

• 지나치게 많은 조인(JOIN) 이 걸려 데이터를 조화하는 작업이 기술적으로 어려울 경우 뷰(VIEW) 를 사용하면 이를 해결할 수도 있다.
• 대량의 데이터처리나 부분처리에 의해 성능이 저하되는 경우에 클러스터링을 적용하거나 인덱스를 조정함으로써 성능을 향상시킬 수 있다.
• 대량의 데이터는 Primary Key 의 성격에 따라 부분적인 테이블로 분리할 수 있다. 즉 파티셔닝 기법(Partitioning) 이 적용되어 성능저하를 방지할 수 있다.
• 응용 애플리케이션에서 로직을 구사하는 방법을 구사하는 방법을 변경함으로써 성능을 향상시킬 수 있다.

 

 

# 슈퍼 / 서브 타입 데이터 모델의 변환기술

 

• 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성
• 슈퍼타입 + 서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼타입 + 서브타입 테이블로 구성
• 전체를 하나로 묶어 트랜잭션이 발생할 때는 하나의 테이블로 구성

 

 

 

# 

 

PK 순서를 결정하는 기준은 인덱스 정렬구조를 이해한 상태에서 인덱스를 효율적으로 이용할 수 있도록 PK 순서를 지정해야 한다. 즉 인덱스의 특징은 여러 개의 속성이 하나의 인덱스로 구성되어 있을 때 앞쪽에 위치한 속성의 값이 비교자로 있어야 인덱스가 좋은 효율을 나타낼 수 있다. 앞쪽에 위치한 속성 값이 가급적 '=' 아니면 최소한 범위 'BETWEEN' '< >' 가 들어와야 인덱스를 이용할 수 있는 것이다.

 

 

 

# 분산 데이터베이스 장점

 

• 지역 자치성, 점증적 시스템 용량 확장
• 신뢰성과 가용성
• 효용성과 융퉁성
• 빠른 응답 속도와 통신용 절감
• 데이터의 가용성과 신뢰성 증가
• 시스템 규모의 적절한 조절
• 각 지역 사용자의 요구 수용 증대

 

 

 

# 분산 데이터베이스 단점

 

• 소프트웨어 개발 비용
• 오류의 잠재성 증대
• 처리 비용의 증대
• 설계, 관리의 복집성과 비용
• 불규칙한 응답 속도
• 통제의 어려움
• 데이터 무결성에 대한 위협