Featured image of post 2. 데이터 모델과 성능

2. 데이터 모델과 성능

성능 데이터모델링, 정규화, 반정규화, 분산 데이터베이스

본 문서는 SQLD 시험 대비를 위한 것으로, 2. 데이터 모델과 성능 단원의 내용을 요약한 문서입니다.

 

성능 데이터 모델링

데이터베이스 성능 향상을 목적으로 설계단계에서부터 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것

성능 데이터 모델링 순서

  1. 정규화 수행
  2. 데이터베이스 용량 산정
  3. 트랜잭션의 유형 파악
  4. 용량, 트랜잭션의 유형에 따른 반정규화 수행
  5. 이력모델의 조정, PK/FK조정, 슈퍼타입/서브타입 조정 등 수행
  6. 성능관점 데이터 모델 검증

 

정규화

데이터 중복을 제거하고 데이터 모델의 독립성을 확보하기 위한 방법
데이터의 일관성, 최소한의 데이터 중복, 최대한의 데이터 유연성을 위한 방법 및 데이터를 분해하는 과정

정규화 절차

  1. 제1정규화
    • 속성의 원자성 확보
    • 기본키 설정
  2. 제2정규화
    • 기본키가 2개 이상의 속성인 경우
    • 부분 함수 종속성 제거
  3. 제3정규화
    • 기본키를 제외한 칼럼 간에 종속성 제거
    • 이행 함수 종속성 제거
  4. BCNF
    • 기본키를 제외하고 후보키가 있는 경우
    • 후보키가 기본키를 종속시키면 분해
  5. 제4정규화
    • 여러 칼럼들이 하나의 칼럼을 종속시키는 경우
    • 다중값 종속성 제거
  6. 제5정규화
    • 조인(JOIN)에 의한 종속성이 발생되는 경우

함수의 종속성

  • 정규화는 함수적 종속성을 근거로 한다.
  • X → Y이면 Y는 X에 함수적으로 종속(X가 변화하면 Y도 변화)

정규화의 문제점

  • 정규화는 데이터 조회(SELECT) 시에 조인(JOIN)을 유발하기 때문에 CPU와 메모리를 많이 사용한다.
    • 인덱스: RDBMS에서 검색 속도를 높이기 위한 기술, 테이블의 칼럼을 색인화
    • 옵티마이저: 가장 효율적인 방법으로 SQL을 수행할 최적의 처리 경로를 생성해주는 DBMS의 핵심 엔진
    • 반정규화: 하나의 테이블에 저장하여 조인을 통한 성능 저하를 해결, 데이터를 중복시키기 때문에 또 다른 문제점이 발생

 

반정규화

데이터 중복을 허용하고 조인을 줄이는 데이터베이스 성능 향상 방법
조회(SELECT) 속도는 향상되지만 데이터 모델의 유연성은 낮아짐.
테이블, 속성, 관계에 대해 수행할 수 있음.

반정규화를 수행하는 경우

  • 정규화를 수행했을 때 종속성과 활용성은 향상되지만 수행 속도가 느려지는 경우
  • 다량의 범위를 자주 처리해야 하는 경우
  • 특정 범위의 데이터만 자주 처리하는 경우
  • 요약/집계 정보가 자주 요구되는 경우

반정규화 과정

  1. 대상 조사 및 검토
    • 데이터 처리 범위, 통계성 등을 확인하여 반정규화 대상을 조사
  2. 다른 방법 검토
    • 클러스터링, 뷰, 인덱스 튜닝, 응용 프로그램, 파티션 등
  3. 반정규화 수행

💡 클러스터링 인덱스
인덱스 정보를 저장할 때, 물리적으로 정렬해서 저장하는 방법. 조회 시에 인접 블록을 연속적으로 읽기 때문에 성능이 향상된다.

💡 파티셔닝 기법
파티션을 사용하여 테이블을 분할. 논리적으로는 하나의 테이블이지만 여러 개의 데이터 파일에 분산되어 저장된다.

  • Range Partition: 데이터 값의 범위를 기준으로 파티션 수행
  • List Partition: 특정한 값을 지정하여 파티션 수행
  • Hash Partition: 해시 함수를 적용하여 파티션 수행
  • Composite Partition: 범위화 해시를 복합적으로 사용하여 파티션 수행

💡 장점

  • 데이터 조회 시에 액세스 범위가 줄어들기 때문에 성능이 향상된다.
  • 데이터가 분할되어 있기 때문에 Input/Output 성능이 향상된다.
  • 각 파티션을 독립적으로 백업, 복구가 가능하다.

💡 해시 함수
임의의 길이를 갖는 메시지를 입력받아 고정된 길이의 해시 값을 출력하는 함수. 키를 사용하지 않으므로 같은 입력에는 같은 출력이 나오게 된다. 메시지의 오류나 변조를 탐지하여 무결성을 제공한다.

반정규화 기법

  • 칼럼 추가
    • 중복칼럼 추가: 조인에 의해 처리할 때 성능저하를 예방하기 위해 중복된 칼럼을 위치
    • 파생칼럼 추가: 배치 프로그램으로 미리 계산하고, 그 결과를 특정 칼럼에 추가

➕ 칼럼을 추가하는 경우

  • 이력테이블 칼럼 추가: 최신값을 처리하는 이력의 특성을 고려하여 기능성 칼럼을 추가
  • PK에 의한 칼럼 추가: 단일 PK 안에서 특정 값을 별도로 조회하는 경우 성능 저하가 발생할 수 있어 일반 속성으로 추가
  • 테이블 분할
    • 테이블 수직 분할: 하나의 테이블을 두 개 이상의 테이블로 분할 → 칼럼을 분할하여 새로운 테이블 생성
    • 테이블 수평 분할: 하나의 테이블에 있는 값을 기준으로 테이블을 분할
  • 테이블 병합: 1:1, 1:N, 슈퍼/서브타입
    • 슈퍼/서브타입의 변환 방법
      • OneToOne Type(1:1): 슈퍼타입과 서브타입을 각각 개별 테이블로 도출
        • 테이블이 많아지므로 조인이 많이 발생하며 관리가 어렵다
      • Plus Type(슈퍼타입 + 서브타입): 슈퍼타입 + 서브타입 테이블로 도출
        • 조인이 발생하고 관리가 어렵다
      • Single Type: 슈퍼타입과 서브타입을 하나의 테이블로 도출
        • 조인 성능이 좋고 관리가 편리하지만 입출력 성능이 나쁘다.

💡 테이블 추가

  • 중복 테이블: 다른 업무이거나 서버가 다른 경우 동일한 테이블 구조를 중복하여 원격 조인을 제거해 성능을 향상시킨다.
  • 통계 테이블: SUM, AVG 등을 미리 수행하여 계산해 둠으로써 조회 시 성능을 향상시킨다.
  • 이력 테이블: 마스터 테이블에 존재하는 레코드를 이력테이블에 중복 존재시켜 성능을 향상시킨다.
  • 부분 테이블: 디스크 I/O를 줄이기 위해 자주 이용하는 집중화된 칼럼들을 모아놓은 별도의 반정규화된 테이블을 생성하여 성능을 향상시킨다.
  • 중복 관계 추가: 여러 경로를 거쳐 조인이 가능하지만, 이 때 발생할 수 있는 성능 저하를 예방하기 위해 추가적인 관계를 맺음.

💡 로우 체이닝
로우의 길이가 너무 길어서 데이터 블록 하나에 데이터가 모두 저장되지 않고 두 개 이상의 블록에 걸쳐 하나의 로우가 저장되어 있는 형태

💡 로우 마이그레이션
데이터 블록에서 수정이 발생하면 수정된 데이터를 해당 데이터 블록에서 저장하지 못하고 다른 블록의 빈 공간을 찾아 저장하는 방식

💡 로우 체이닝과 로우 마이그레이션 대처방법
성능 저하 발생 트랜잭션을 분석하여 적절하게 1:1 테이블로 분리함으로써 성능 향상이 가능하도록 해야 한다.

 

분산 데이터베이스

물리적으로 떨어진 데이터베이스를 네트워크로 연결하여 단일 데이터베이스 이미지를 보여주고 분산된 작업 처리를 수행하는 데이터베이스
고객은 시스템이 네트워크로 분산되어 있는지 모르기 때문에 자신만의 데이터베이스를 사용하는 것처럼 할 수 있다. → 투명성

💡 중앙 집중형 데이터베이스
한 대의 물리적 시스템에 데이터베이스 관리 시스템(DBMS)을 설치하고 여러 명의 사용자가 DBMS에 접속하여 데이터베이스를 사용하는 구조

분산 데이터베이스의 투명성

  • 분할 투명성: 고객은 하나의 논리적 릴레이션이 여러 단편으로 분할되어 각 단편의 사본이 여러 시스템에 저장되어 있음을 인식할 필요가 없다.
  • 위치 투명성: 고객이 사용할 데이터 저장 장소를 명시할 필요가 없다. → 어느 위치에 저장되어 있더라도 동일한 명령어로 접근이 가능해야 한다.
  • 지역 사상 투명성: 지역 DBMS와 물리적 DB 사이의 매핑이 보장되어야 한다. → 각 지역 시스템의 이름과 무관한 이름 사용이 가능
  • 중복 투명성: 데이터베이스 객체가 여러 시스템에 중복되어 존재함에도 고객과는 무관하게 데이터 일관성이 유지된다.
  • 장애 투명성: 각 지역 시스템이나 통신망에 이상이 발생해도 데이터 무결성은 보장된다.
  • 병행 투명성: 여러 고객의 응용프로그램이 동시에 분산 데이터베이스에 대한 트랜잭션을 수행하는 경우에도 결과에는 이상이 없다.

분산 데이터베이스 설계 방식

  • 상향식 설계 방식: 지역 스키마 작성 후 전역 스키마 작성
  • 하향식 설계 방식: 전역 스키마 작성 후 해당 지역 사상 스키마 작성

분산 데이터베이스 기법

  • 테이블 위치 분산: 설계된 테이블을 본사와 지사 단위로 분산, 위치별 DB 문서 필요
  • 테이블 분할 분산: 각각의 테이블을 쪼개어 분산
    • 수평분할: 로우 단위 분리
    • 수직분할: 칼럼 단위 분리, 각 테이블에 동일한 PK 필요
  • 테이블 복제 분산: 동일한 테이블을 다른 지역이나 서버에서 동시에 생셩하여 관리하는 유형
    • 부분 복제: 마스터 DB에서 테이블의 일부만 다른 지역이나 서버에 위치
    • 광역 복제: 마스터 DB 내용이 각 지역이나 서버에 존재
  • 테이블 요약 분산: 지역 간에 또는 서버 간에 데이터가 비슷하지만 서로 다른 유형으로 존재하는 경우
    • 분석 요약: 동일한 테이블 구조, 분산되어 있는 동일한 내용의 데이터를 이용하여 통합된 데이터를 산출
    • 통합 요약: 분산되어 있는 다른 내용의 데이터를 이용하여 통합된 데이터를 산출

분산 데이터베이스 설계를 고려해야 하는 경우

  • 성능이 중요한 사이트
  • 공통 코드, 기준 정보, 마스터 데이터의 성능 향상
  • 실시간 동기화가 요구되지 않는 경우(Near Real Time 특징을 갖는 경우)
  • 특정 서버에 부하가 집중되어 부하를 분산할 필요가 있는 경우
  • 백업 사이트를 구성하는 경우

분산 데이터베이스의 장단점

  • 장점: 신뢰성, 가용성, 데이터베이스 병렬 처리로 인한 빠른 응답, 용량 확장 용이
  • 단점: 여러 네트워크로 분리되어 있으므로 관리와 통제가 어려움, 보안 관리 어려움, 데이터 무결성 관리 어려움, 설계가 복잡함, 비용 증가
comments powered by Disqus