[SQL] 데이터 모델의 이해

모델링

우리 주변에 있는 사람, 사물, 개념 등 다양한 현상을 발생시키는 것들을 일정한 표기법에 의해 나타내는 것

모델링에 대한 사전적 정의로는 아래와 같이 다양하게 존재한다.

• 가설적 또는 일정 양식에 맞춘 표현
• 어떤 것에 대한 예비 표현으로 그로부터 최종대상이 구축되도록 하는 계획으로서 기여하는 것
• 복잡한 현실세계를 단순화 시켜서 표현하는 것

모델링의 특징

모델링은 추상화, 단순화, 명확화 3가지로 요약할 수 있다.

• 추상화 (모형화, 가설적)
  • 추상화는 현실세계를 일정한 형식에 맞추어 표현을 한다는 의미이다. 다양한 현실을 일정한 양식인 표기법에 의해 표현한다는 것이다.
• 단순화
  • 단순화는 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 현실세계를 보다 쉽게 이해할 수 있도록 하는 개념을 의미한다.
• 명확화
  • 명확화란 누구나 이해하기 쉽도록 대상에 대한 애매모호함을 제거하고 보다 정확하게 현상을 기술하는 것을 의미한다.

모델링의 3가지 관점

시스템의 대상이 되는 업무를 분석하여 정보시스템으로 구성하는 과정에서 업무의 내용과 정보시스템의 모습을 적절한 표기법으로 표현하는 것을 모델링이라고 한다면, 이러한 모델링은 크게 3가지 관점, 데이터 관점, 프로세스 관점, 데이터와 프로세스의 상관관점으로 구분할 수 있다.

• 데이터 관점(What)
  • 업무가 어떤 데이터와 관련이 있는지 또는 데이터간의 관계는 무엇인지에 대해서 모델링하는 방법
• 프로세스 관점(How)
  • 업무가 실제하고 있는 일은 무엇인지 또는 무엇을 해야 하는지 모델링하는 방법
• 데이터와 프로세스의 상관관점
  • 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법

 

데이터 모델링

1. 데이터 모델링이란
   • 우선, 데이터 모델링의 기반이 되는 데이터 모델은 데이터베이스의 골격을 이해하고 그 이해를 바탕으로 SQL문장을 기능과 성능적인 측면에서 효율적으로 작성하기 위해 꼭 알아야 하는 핵심요소이다. 이러한 데이터 모델을 만드는 데이터 모델링은 다음과 같이 정의 될 수 있다.
     • 정보시스템을 구축하거나 데이터관점의 업무 분석 기법
     • 현실세계의 데이터(What)에 대한 약속된 표기법으로 표현하는 과정
     • 데이터베이스를 구축하기 위한 분석/설계 과정
2. 데이터 모델이 제공하는 기능
   • 업무를 분석하는 관점에 있어서 데이터 모델은 다음과 같은 기능을 제공한다.
     • 시스템을 현재 또는 원하는 모습으로 가시화되도록 도와준다.
     • 시스템의 구조와 행동을 명세화 할 수 있게 한다.
     • 시스템을 구축하는 구조화된 틀을 제공한다.
     • 시스템을 구축하는 과정에서 결정한 것을 문서화한다.
     • 다양한 영역에 집중하기 위해 다른 영역의 세부 사항은 숨기는 다양한 관점을 제공한다.
     • 특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공한다.
3. 데이터 모델의 중요성
   • 데이터 모델링이 중요한 이유는 파급효과(Leverage), 복잡한 정보 요구사항의 간결한 표현(Conciseness), 데이터 품질(Data Quality)로 정리할 수 있다.
     • 파급효과(Leverage)
       • 데이터 모델링이 초기에 이루어지지 않는다면, 시스템이 구현되고 테스트 하는 과정 중 그 문제점이 나타날 수 있다.
       • 일반적으로 단위테스트, 통합테스트 등 다양한 단계의 테스트를 진행하는데 데이터 모델링의 문제가 발생해 데이터 모델을 변경해야 하는 상황이 온다면 데이터 모델, 구조 변경에 따른 표준 영향 분석, 응용 변경 영향 분석 등 다양한 분석이 필요해진다. 또한 그 이후의 실질적 구조 변경 작업이 진행되어야 한다.
     • 복잡한 정보 요구사항의 간결한 표현(Conciseness)
       • 데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다.
       • 정보 요구사항이 정확하고 간결하게 표현되어야 해당 데이터 모델과 관련된 시스템을 구축하는 많은 사람들이 설계자의 생각대로 정보 요구사항을 이해할 수 있을 것이고, 이를 운용할 수 있는 서비스/어플리케이션을 개발하며 데이터 정합성을 유지할 수 있다.
         • 정합성: 하나의 데이터베이스 또는 연계된 다중 데이터베이스 내의 데이터 중복으로 인한 정확성을 보장할 수 없습니다. 이런 의미에서 전사차원의 데이터 정합성 보장이 되어야 합니다.
     • 데이터 품질(Data Quality)
       • 데이터베이스에 담겨 있는 데이터는 기업/단체의 중요한 자산이다.
       • 특정 데이터에 대해서는 그 기간이 늘어날수록 활용가치가 더 높아지기도 한다.
       • 그러한 데이터의 정확성이 떨어지는 등 데이터 품질이 낮아진다면 해당 데이터로 얻을 수 있었던 비즈니스 기회를 상실할 수도 있는 문제가 된다.
4. 데이터 모델의 유의성
   • 중복(Duplication)
     • 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 그리고 장소를 파악하는데 도움을 준다.
     • 이러한 자식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.
   • 비유연성(Inflexibility)
     • 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무변화에도 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움을 가중시킬 수 있다.
     • 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다.
   • 비일관성(Inconsistency)
     • 데이터의 중복이 없더라도 비일관성은 발생할 수 있다.
     • 예) 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 것이다. 개발자가 다른 데이터와 모순된다는 고려 없이 일런의 데이터를 수정할 수 있기 때문이다.
     • 데이터 모델링을 할 때 데이터와 데이터간 상호 연관 관계에 대한 명확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해준다.

 

데이터 모델링의 3단계

데이터 모델링을 하는데에 있어서 시간에 따라 진행되는 3가지 과정이 있다. 이는 추상화 수준에 따라 달라지며 개념적 데이터 모델링, 논리적 데이터 모델링, 물리적 데이터 모델링으로 정리된다.

• 개념적 데이터 모델링
  • 추상화 수준이 높으며 업무 중심적이고 포괄적인 수준의 모델링을 진행한다.
  • 전사적 데이터 모델링으로도 사용되며 EA 수립시에도 많이 이용한다.
    • EA (Enterprise Architecture)
      • 기업의 목표와 요구를 잘 지원하기 위해 IT 인프라의 각 부분들이 어떻게 구성되고 작동되어야 하는가를 체계적으로 기술하는 것이다.
      • 전사 아키텍쳐는 복잡한 기업의 모습을 다양한 측면(비즈니스, 데이터, 애플리케이션, 기술 등)에서 분석하고 표현하여 이해하기 쉽도록 정보체계를 구축하고 이를 활용하는 것이다.
  • 어떠한 자료가 중요하고, 어떠한 자료가 유지되어야 하는지를 결정하는 내용도 포함된다. 이 단계에 있어서 주요한 활동은 핵심 엔티티와 그들 간의 관계를 발전하고, 그것을 표현하기 위해 엔티티-관계 다이어그램을 생성하는 것이다.
    • 엔티티-관계 다이어 그램
      • 데이터 모델링 단계에서 개념적 설계 과정에서 주로 사용하는 모델로, 데이터베이스를 구성하는 엔티티(Entity) 타입과 관계(Relationship) 타입 간의 구조 또는 엔티티를 구성하는 속성(Attribute) 등을 약속된 기호를 이용하여 표현함으로써 데이터베이스 전반적인 구조를 이해하기 쉽도록 표현한 모델입니다.
  • 개념적 데이터 모델링을 통해 조직의 데이터 요구를 공식화 하는 것은 두가지 중요한 기능을 한다.
    1. 개념적 데이터 모델은 사용자와 시스템 개발자가 데이터 요구 사항을 발견할 수 있도록 지원한다.
    2. 개념 데이터 모델은 현 시스템이 어떻게 변형되어야 하는가를 이해하는데 유용하다.
• 논리적 데이터 모델링
  • 시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현하는 단계의 모델링이다.
  • 재사용성이 높은 특징을 갖는다.
  • 이러한 논리적 데이터 모델리은 데이터베이스 설계 프로세스의 Input으로써 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 과정이다. 데이터 모델링 과정에서 가장 핵심이 되는 부분이기도 하다.
  • 논리적 데이터 모델링에서 진행되는 중요한 과정 중에 하나는 정규화이다.
    • 정규화:
      • 논리적 데이터 모델 상세화 과정의 대표적인 활동으로, 논리적 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔티티에 배치되도록 함으로써 보다 신뢰성이 있는 데이터 구조를 얻는 데 목적이 있다. 
  • 논리적 데이터 모델의 상세화는 식별자 확정, 정규화, M: M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있으며, 추가적으로 이력 관리에 대한 전략을 정의한다.
    • 식별자 확정 절차
      • 하향식 방식, 즉 상위 엔티티부터 시작해서 하위 엔티티로 순차적으로 결정해 가는 것이 좋다. 식별자 상속이 상위에서 하위로 이루어지기 때문이다.
      • 키 엔터티 식별자 확정: 최상위 엔터티는 엔터티 간 서로 독립적으로 식별자를 확정할 수 있다. 보통 인조 식별자를 사용한다.
        • 인조 식별자
          • 사용 조건
            • 후보 식별자 중 주 식별자로 선정할 만 한 게 없을 때
            • 후보 식별자 속성 조합이 지나치게 복잡할 때
            • 실체/ 자립 엔터티에서 사용
      • 메인 엔터티 식별자 확정: 업무의 근본이 되는 엔터티이므로, 하위에 있는 수많은 엔터티의 상황을 종합적으로 감안한 전략적인 결정을 해야 한다. 경우에 따라서는 인조 식별자를 생성하기도 한다.
      • 하위 엔터티 식별자 확정: 가능하면, 인조 식별자를 사용하지 않는 게 바람직하다. 인조식별자는 정보로서의 가치가 없기 때문에 상속이 필요 없는 하위 엔터티에는 사용할 이유가 없다.
    • M: M 관계 해소
      • 관계 엔터티타입은 프로젝트를 진행하는 도중 많이 발생되는 엔터티타입으로, 대부분 도출되지 않은 업무 규칙이 새롭게 발견되었거나 이력 관리와 같은 업무 규칙을 추가하는 작업에 의해 많이 도출된다.
      • 해소 방법
        • 관계 엔터티 타입 분리
        • 주식별자 통합
        • 부모 엔터티 타입에 속성 추가
    • 참조 무결성 규칙 정의
      • 참조 무결성
        • 기본 키와 참조 키 간의 관계가 항상 유지됨을 보장한다.
        • 참조되는 테이블의 행을 이를 참조하는 참조키가 존재하는 한 삭제될 수 없고, 기본 키도 변경될 수 없다.
      • 참조 무결성의 설정 조건
        • 기본 테이블에서 사용한 필드는 기본 키이거나 고유 인덱스가 설정되어 있어야 한다.
        • 기본 테이블과 관계 테이블 둘 다 엑세스 테이블이어야 한다.
        • 관계를 설정하는 테이블은 형식이 같아야 한다.
      • 참조 무결성의 강화 규칙
        • 기본 테이블과 관계가 설정된 테이블에 일치하는 레코드가 존재하면 기본 테이블에서 레코드를 삭제할 수 없다. 또한 기본 키를 수정할 수도 없다.
        • 기본 테이블의 기본키 필드에 없는 데이터는 관계가 설정된 테이블의 외래 키 필드 값으로 입력할 수 없다.
        • 기본 테이블의 기본 키 필드 값이 바뀌면 관계가 설정된 테이블의 필드값도 바뀌도록 설정할 수 있다.
        • 기본 테이블의 레코드를 삭제할 때, 관계가 설정된 테이블의 레코드가 자동삭제 되도록 설정할 수 있다.
• 물리적 데이터 모델링
  • 실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계하는 단계의 모델링
  • 데이터가 물리적으로 컴퓨터에 어떻게 저장될 것인가에 대한 정의를 진행하는 단계이며 이 단계에서 테이블, 칼럼 등으로 표현되는 물리적인 저장구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등을 결정한다.
  • (문제) 논리 모델링의 외래키는 물리 모델에서 반드시 구현되지 않는다. => 선택 사항임.

데이터 독립성

일체적 구성에서 기능화된 구성의 가장 큰 목적은 상호간 영향에서 벗어나 개별 형식이 가지는 고유의 기능을 유지시키며 그 기능을 극대화하는 것이다. 이를 위해 데이터 모델링 과정에서는 데이터 독립성을 중요시 한다.

• 데이터 독립성의 필요성
  • 데이터 독립성은 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간의 서로 독립성을 유지하기 위한 목적으로 개념이 출현했다고 할 수 있다.
  • 구조화 된 시스템이 시간이 지날수록 유지보수 비용이 증가하고, 데이터 복잡도가 증가하며, 데이터 중복성 또한 증가 함에 따라서 데이터 독립성의 필요성이 대두된 것이다.
  • 이러한 데이터 독립성이 확보되면 다음과 같은 효과를 얻을 수 있다.
    • 각 View의 독립성을 유지하고 계층별 View에 영향을 주지 않고 변경이 가능하다.
    • 단계별 스키마에 따라 데이터 정의어와 데이터 조작어가 다름을 제공한다.

데이터베이스의 3단계 구조

• 데이터베이스의 3단계 구조
  • 데이터 독립성을 가지는 모델은 다음과 같이 외부단계, 개념적 단계, 내부적 단계로 서로 간섭되지 않은 모델을 제시한다.
  • 외부 단계(외부 스키마, External Schema)
    • View 단계 여러 개의 사용자 관점으로 구성한다.
    • 즉, 개개인의 사용자 단계로서 개개인의 사용자가 보는 개인적인 DB 스키마이다.
    • 이에 따라 DB의 개개인 사용자나 응용 프로그래머가 접근하는 DB를 정의한다.
  • 개념적 단계(개념 스키마, Conceptual Schema)
    • 개념 단계 하나의 개념적 스키마로 구성되는 모든 사용자 관점을 통합한 조직 전체의 DB를 기술하는 것이다.
    • 모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들간의 관계를 표현하는 스키마이다.
  • 내부적 단계(내부 스키마, Internal Schema)
    • DB가 물리적으로 저장된 형식을 나타낸다.
    • 물리적 장치에서 데이터가 실제로 저장되는 방법을 표현한다.

데이터 모델링의 3가지 요소

데이터 모델링을 구성하는 중요한 개념 3가지가 있다.

1. 업무가 관여하는 어떤 것(Things)
2. 어떤 것이 가지는 성격(Attributes)
3. 업무가 관여하는 어떤 것의 관계(Relationship)

위 3가지는 데이터 모델링을 완성해가는 개념이며 결국 우리가 앞에서 공부했던 엔터티, 속성, 관계를 나타낸다.

 

좋은 데이터 모델의 요소

일반적으로 좋은 데이터 모델을 평가하기 위해서는 다음과 같은 요소들을 고려한다.

• 완전성 (Completeness)
  • 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있는지를 확인하는 요소이다. 사실상 데이터 모델을 검증하기 위해 제일 먼저 확인이 이루어져야 하는 요소이다.
• 중복 배제 (Non-Redundancy)
  • 하나의 데이터베이스에 동일한 사실은 반드시 한번만 기록되어야 한다.
  • 데이터에 대한 중복이 있다면 필요하지 않은 데이터에 대한 관리가 필요하다. 즉 저장공간의 낭비, 데이터 유지를 위한 비용 지불, 데이터의 일관성을 유지하기 위한 추가적인 조치 등이 대표적으로 낭비되는 비용이다.
• 업무 규칙 (Business Rules)
  • 데이터 모델링 과정을 통해 도출되고 규명되는 수많은 업무 규칙은 데이터 모델에 잘 표현되어야 하고, 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공되어야 한다.
  • 특히, 데이터 아키텍처에서 언급되는 논리 데이터 모델에서 이러한 요소들이 포함되어야 하는 점은 매우 중요하다.
• 데이터 재사용 (Data Reusability)
  • 데이터의 통합성과 독립성에 대해서 충분히 고려가 된다면 데이터 재사용성을 향상시킬 수 있다.
  • 데이터 재사용성을 높임으로써 시스템 유지보수 뿐 아니라, 신규 시스템을 구축하는 데에 있어서도 매우 유리하게 작용될 수 있다.
• 의사 소통 (Communication)
  • 데이터 모델은 대상으로 하는 업무를 데이터 관점에서 분석하고 이를 설계하여 나오는 최종 산출물이다.
  • 그 과정에서 자연스럽게 많은 업무 규칙들이 도출된다. 그러한 업무 규칙들에 대해서 해당 정보시스템을 운용, 관리하는 많은 관련자들이 설계자가 정의한 업무 규칙들을 동일한 의미로 받아들이고 정보시스템을 활용할 수 있도록 의사소통 역할을 하는 것이 데이터 모델이다.
• 통합성 (Integration)
  • 물론 성능 등의 부가적인 목적 때문에 의도적으로 데이터를 중복시키는 경우는 존재할 수 있다.
  • 그러한 경우가 아니라면 동일한 데이터가 다양한 곳에 존재하는 것은 또 하나의 낭비일 수 있다.
  • 따라서 데이터 모델링을 진행하는 동안 동일한 성격의 데이터를 한번만 정의함으로써 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하도록 해야 한다.

 

[참조]

https://doorbw.tistory.com/229

https://m.blog.naver.com/PostView.nhn?blogId=qbxlvnf11&logNo=221227386956&proxyReferer=https:%2F%2Fwww.google.com%2F

엔티티-관계 모델(E-R Model) 1 - 엔티티와 속성