데이터 모델링의 이해
데이터 모델의 이해 1 - 1
[ 모델링의 이해 ]
모델링의 정의
- 표기법에 의해 규칙을 가지고 표기하는 것
- 복잡한 현실세계를 일정한 표기법에 의해 표현하는 일
- Webste 사전에서의 정의
- 가설적 또는 일정 양식에 맞추 표현
- 어떤 것에 대한 예비 표현으로 그로부터 최종대상이 구축되도록 하는 계획으로서 기여하는 것
- 복잡한 '현실세계'를 단순화시켜 표현하는 것
- 모델이란 사물 또는 사건에 관한 양상이나 관점을 연관된 사람이나 그룹을 위하여 명확하게 하는 것
- 모델이란 현실세계의 추상화된 반영
모델링의 특징
- 추상화, 단순화, 명확화 - 3대 특징
- 추상화(모형화 | 가설적)
- 현실세계를 일정한 형식에 맞추어 표현한다는 의미
- 다양한 현상을 일정한 양식인 표기법에 의해 표현하는 것
- 단순화
- 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 쉽게 이해할 수 있도록 하는 개념
- 명확화
- 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것
모델링 세 가지 관점
- 데이터 관점
- 업무가 어떤 데이터와 관련니 있는지 또는 데이너 간의 관계는 무엇인지에 대해서 모델링하는 방법(What, Data)
- 프로세스 관점
- 업무가 실제하고 있는 일은 무엇인지 또는 무엇을 해야 하는지를 모델링하는 방법(How, Process)
- 데이터와 프로세스 상관관점
- 엄무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고있는지 모델링하는 방법
[ 데이터 모델의 기본 개념의 이해 ]
데이터 모델링 정의
- 정보시스템을 구축하기 위해, 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보가 무엇인지를 분석
- 기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무 규칙에 대하여 '참' 또는 '거짓'을 판별할 수 있는 사실을 데이터에 접근하는 방법, 사람, 전산화와는 별개의 관점에서 이를 명확하게 표현하는 추상화 기법
- 업무에서 필요로 하는 데이터를 시스템 구축 방법론에 의해 분석하고 설계하여 정보시스템을 구축하는 과정
- 주목적
- 업무정보를 구성하는 기초가 되는 정보들을 일정한 표기법에 의해 표현함으로써 정보시스템 구축의 대항이 업무 내용을 정확하게 분석하는 것
- 분석된 모델을 가지고 실제 데이터베이스를 생성하여 개발 및 데이터관리에 사용하기 위한 것
- 데이터 모델링은 단순 데이터베이스만을 구축하기 위한 용도로만 쓰이는 것이 아닌 데이터 모델링 자체로서 업무를 설명하고 분석하느 부분에서도 메우 중요한 의미를 가지고 있다
- 정보시스템을 구축하기 위한 데이터관점의 업무 분석 기법
- 현실세계의 데이터에 대해 약속된 표기법에 의해 표현하는 과정
- 데이터베이스를 구축하기 위한 분석/설계 과정
데이터 모델이 제공하는 기능
- 시스템을 현재 또는 원하는 모습으로 가시화하도록 도와준다.
- 시스템의 구조와 행동을 명세화 할 수 있게 한다. (명세화: 초기 분석/설계 단계, '이 시스템이 무엇을 해야 하는가?' 를 정의)
- 시스템을 구축하는 구조화된 틀을 제공한다.
- 시스템을 구축하는 과정에서 결정하는 것을 문서화한다. (문서화: 설계 이후 ~ 운영, '우리가 무엇을 왜 어떻게 만들었는가?' 를 기록)
- 다양한 영역에 집중하기 위해 다른 영역의 세부사항은 숨기는 다양한 관점을 제공
- 특정 목표에 따라 구체화된 상세 수준의 표현 방법
[ 데이터 모델링의 중요성 ]
파급효과(Leverage)
- 시스템이 완성되어 갈수록 많은 테스트가 반복되며 통합된다. 이 시점에서 데이터 모델 변경은 큰 영향을 미치므로 매우 신중해야 한다.
- 데이터 구조의 변경은 전체 시스템에 걸쳐 광범위한 변경 작업을 유발할 수 있다
- 초기에 신중한 데이터 모델링이 프로젝트 리스크를 줄이는 핵심 요소
복잡한 정보 요구사항의 간결한 표현(Conciseness)
- 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구
- 간결하게 그려져 있는 데이터 모델을 리뷰하면서 파악하는 것으로 빠른 처리 가능
- 정보 요구사항이 정확하고 간결하게 표현되어야 한다 (모델이 갖추어야 할 사장 중요한 점)
데이터 품질(Data Qulity)
- 오래 저장된 데이터가 그저 그런 데이터, 정확성이 떨어지는 데이터로 남았을 때, 필요시 도움이 되지 못함
- 데이터 품질 문제 원인
- 중복 데이터의 미정의
- 데이터 구조의 비즈니스 정의의 불충분
- 동일한 성격의 데이터 미통합으로 인한 데이터 불일치
[ 데이터 모델링의 유의점 ]
중복(Duplication)
- 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 그리고 장소를 파악하는데 도움을 준다.
- 이러한 지식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하면 안된다.
비유연성(Infrexibililty)
- 데이터 정의를 데이터의 사용 프로세스와 분리함으로써 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다. (프로세스 과정에서 데이터 정의가 이뤄져서는 안된다!)
비일관성(Inconsistency)
- 데이터의 중복이 없더라도 비일관성은 발생한다.
- ex) 신용 상태에 대한 갱신없이 고객의 납부 이력 정보를 갱신하는 행위
- 신용상태가 미납 | 연체 상황에서 고객이 납부 했을 때, 신용상태를 수정치 않고 납부 이력만 갱신하면 고객은 납부 했음에도 불구하고 신용상태가 미납 | 연체 로 계속 남아있는 불상사
- 개발자가 다른 데이터와 모순된다는 고려없이 일련의 데이터를 수정할 수 있기 때문
- 데이터 모델링시 데이터와 데이터간 상호 연관 관계에 대한 명확한 정의를 통해 비일관성 문제를 예방할 수 있다.
[ 데이터 모델링 3단계 ]
개념적 데이터 모델링(Conceptual Data Modeling)
- 개념적 데이터베이스 설계(개념 데이터 모델링)는 조직, 사용자의 데이터 요구사항을 찾고 분석하는데서 시작
- 어떤 자료가 중요하고 어떤 자료가 유지되어야 하는지를 결정하는 것을 포함함
- 핵심 엔티티와 그들 간의 관계를 발견, 그것을 표현하기 위해 엔티티-관계 다이어그램을 생성
- 엔티티-관계 다이어그램은 조직과 다양한 데이터베이스 사용자에게 어떠한 데이터가 중요한지 나타내기 위해 사용
- 개념적 데이터 모델링이 부서나 시스템 단위가 아닌, 조직 전체를 대상으로 수행되는 경우를 전사적 데이터 모델(Enterprise Data Model)이라 한다
- 개념 데이터 모델을 통해 조직의 데이터 요구를 공식화 하는 것의 기능
- 사용자와 시스템 개발자가 데이터 요구사항을 발경하는 것을 지원
- 개념 데이터 모델은 추상적으로 해당 모델은 상위의 문제에 대한 구조화를 쉽게 하며, 개발자가 시스템 기능에 대해 논의할 수 있는 기반을 형성
- 개념 데이터 모델은 현 시스템이 어떻게 변형되어야 하는가를 이해하는뎅 유용, 일반적으로 매우 간단하게 고립된 시스템도 추상적 모델링을 통해서 보다 쉽게 표현되고 설명된다.
논리적 데이터 모델링(Logical Data Modeling)
- 논리 데이터 모델링은 데이터베이스 설계 프로세스의 input 으로써 비즈니스 정보의 논리적안 구조와 규칙을 명확하게 표현하는 기법 또는 과정
- 데이터 모델링 과정에서 가장 핵심이 되는 부분
- 논리 데이터 모델링의 핵심은 누가(Who), 어떻게(How: Process) 그리고 전산화와는 별개로 비즈니스 데이터에 존재하는 사실들을 인식하여 기록하는 것
- 정규화
- 정규화는 논리 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔티티에 배치되도록 함으로써 보다 신뢰성 있는 데이터 구조는 얻는 것이 목적
- 식별자 확정
- M:M 관계 해소
- 참조 무결성 규칙 정의
- 이력 관리에 대한 전략 정의
물리적 데이터 모델링(Physical Data Modling)
- 물리 데이터 모델링은 논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다.
- 물리적 스키마
- 데이터가 물리적으로 컴퓨터에 어떻게 저장될 것인가에대한 정의
- 테이블, 칼럼 등으로 표현되는 물리적인 저장구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법이 결정됨
실직적인 현실 프로젝느에서는 개념적 데이터 모델링, 논리적 데이터 모델링, 물리적 데이터 모델링으로 수행하는 경우는 드물며
개념적 데이터 모델과 논리적 데이터 모델을 한꺼번에 수행하여 논리적 데이터 모델링으로 수행하는 경우가 대부분
[ 프로젝트 생명주기(Life Cycle)에서 데이터 모델링 ]
Waterfall 기반
- 데이터 모델링의 위치가 분석과 설계단계로 구분되어 명확하게 정의가능
정보공학/구조적 방법론
- 보통 분석단계에서 업무중심의 논리적인 데이터 모델링을 수행하고 설계단계에서 하드웨어와 성능을 고려한 물리적인 데이터 모델링을 수행
나선형 모델
- RUP(Rational Unified Prodess 나 마르미) 에서는 업무 크기에 따라 논리적 데이터 모델과 물리적 데이터 모델이 분석, 설계 단계 양쪽에서 수행이 되며 비중은 분석단계에서 논리적인 데이터 모델이 더 많이 수행되는 형태
데이터 축과 애플리케이션 축으로 구분되어 프로젝트가 진행되면서 각각에 도출된 사항은 상호 검증을 지속적으로 수행하면서 단계별 완성도를 높이게 된다.
단, 객체지향 개념은 데이터와 프로세스를 한꺼번에 바라보면서 모델링을 전개하므로 데이터 모델링과 프로세스 모델링을 구분하지 않고 일체형으로 진행 (대표적인 예로 데이터(속성)와 프로세스(Method) 가 같이 있는 클래스(Class)) 하게 된다.
[ 데이터 모델링에서 데이터독립성의 이해 ]
데이터종속성
- 종속의 주체는 보통 응용(Application)
- 응용은 사용자 요구사항을 처리하는 사용자 접점의 인터페이스 오브젝트이다.
- 과거에 파일 방식으로 데이터를 구성할 때는 데이터가 있는 파일과 데이터에 접근하기 위한 인텍스를 별도로 구현하여 접근
- 사용자가 접근하는 방법(트랜잭션 유형)에 따라 파일의 정렬순서, 인덱스의 정렬순서, 파일 구성등을 제공하기 쉽게 별도로 구성. 즉, 사용자 접근하는 유형에 따라 데이터를 구성하는 방법이 영향을 받음
데이터독립성의 필요성
- 데이터 종속성의 반대
- 지속적으로 증가하는 유지보수 비용을 절감하고 데이터 복잡도를 낮추며 중복된 데이터를 줄이기 위한 목적
- 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간에 서로 독립성을 유지하기 위한 목적으로 출현
- 미국 표준 협회(ANSI) 산하의 X3 위원회(컴퓨터 및 정보처리)의 특별연구분과위원회에서 1978 년 DBMS 와 그 인터페이스를 위해 제안한 'three-schema architecture' 로 정의할 수 있다.
- 데이터독립성의 장점
- 각 View 의 독립성을 유지하고 계층별 View 에 영향을 주지 않고 변경이 가능
- 단계별 Schema 에 따라 데이터 정의어(DDL) 와 데이터 조작어(DML)가 다름을 제공
데이터베이스 3단계 구조
- ANSI/SPARC 의 3단계 구성의 데이터 독립성은 외부 단계와 개념적 단계, 내부적 단계로 구성된 서로 간섭되지 않는 모델을 제시
- 외부단계
- 사용자와 가까운 단계
- 사용자 개개인이 보는 뷰를 스키마 구조로 디자인한 형태
- 내부적 단계
- 데이터가 물리적으로 저장된 방법에 대한 스키마 구조
데이터 독립성 요소
- 데이터베이스 스키마 구조는 3단계로 구분되고, 각각은 상호 독립적인 의미를 가지고 고유한 기능을 가진다.
- 데이터 모델링은 통합관점의 뷰를 가지고 있는 개념 스키마를 만들어가는 과정으로 이해할 수 있다.
두 영역의 데이터독립성
사상(mapping)
- 논리적 사상
- 외부 화면이나 사용자에게 인터페이스하기 위한 스키마 구조는 전체가 통합된 개념적 스키마와 연결된다
- 물리적 사상
- 통합된 개념적 스키마 구조와 물리적으로 저장된 구조의 물리적인 테이블스페이스와 연결되는 구조
'SQLD > SQLD 개발자' 카테고리의 다른 글
| SQLD 개발자 chpt2. (3) | 2025.05.21 |
|---|
