TigerCow.Door




안녕하세요. 문범우입니다.

이번에는 Data Base에서 데이터 모델링(Data Modeling)에 대해서 알아보도록 하겠습니다.

데이터 모델링을 보다 잘 이해하려면 앞에서 학습한 엔터티, 속성, 관계, 식별자에 대한 이해가 필요하므로 각 개념에 대해 이해가 가지 않는 부분이 있다면 아래 링크를 통해서 다시 한번 확인하면 좋습니다.




1. 모델링


1-1. 모델링이란?


모델링이라는 것은 우리 주변에 있는 사람, 사물, 개념 등 다양한 현상을 발생시키는 것들을 일정한 표기법에 의해 나타내는 것을 이야기 한다.

모델링에 대한 사전적 정의로는 아래와 같이 다양하게 존재한다.


- 가설적 또는 일정 양식에 맞춘 표현

- 어떤 것에 대한 예비표현으로 그로부터 최종대상이 구축되도록 하는 계획으로서 기여하는 것

- 복잡한 '현실세계'를 단순화시켜 표현하는 것



1-2. 모델링의 특징


모델링의 특징으로는 다음과 같이 대표적으로 3가지, 추상화, 단순화, 명확화 3가지로 요약할 수 있다.


1-2-1. 추상화(모형화, 가설적)

추상화는 현실세계를 일정한 형식에 맞추어 표현을 한다는 의미이다. 다양한 현상을 일정한 양식인 표기법에 의해 표현한다는 것이다.


1-2-2. 단순화

단순화는 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 현실세계를 보다 쉽게 이해할 수 있도록 하는 개념을 의미한다.


1-2-3. 명확화

명확화란 누구나 이해하기 쉽도록 대상에 대한 애매모호함을 제거하고 보다 정확하게 현상을 기술하는 것을 의미한다.



1-3. 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, 데이터관점, 프로세스관점, 데이터와 프로세스의 상관관점으로 구분할 수 있다.


1-3-1. 데이터 관점(What)

업무가 어떤 데이터와 관련이 있는지 또는 데이터간의 관계는 무엇인지에 대해서 모델링하는 방법


1-3-2. 프로세스 관점(How)

업무가 실제하고 있는 일은 무엇인지 또는 무엇을 해야 하는지를 모델링하는 방법


1-3-3. 데이터와 프로세스의 상관관점

업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법



2. 데이터 모델링


2-1. 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 구축하기 윟나 데이터관점의 업무 분석 기법

- 현실세계의 데이터(What)에 대해 약속된 표기법으로 표현하는 과정

- 데이터베이스를 구축하기 위한 분석/설계 과정



2-2. 데이터 모델이 제공하는 기능


업무를 분석하는 관점에 있어서 데이터 모델은 다음과 같은 기능을 제공한다.


- 시스템을 현재 또는 원하는 모습으로 가시화하도록 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.



2-3. 데이터 모델링의 중요성과 유의점


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 제대로 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.


- 데이터 품질(Data Quality)

데이터베이스에 담겨 있는 데이터는 기업/단체의 중요한 자산이다. 특정 데이터에 대해서는 그 기간이 늘어날 수록 활용가치가 더 높아지기도 한다. 헌데, 그러한 데이터의 정확성이 떨어지는 등 데이터 품질이 낮아진다면 어떨까? 이는 해당 데이터로 얻을 수 있었던 비즈니스 기회를 상실할 수도 있는 문제가 된다.

데이터 품질에 대한 고찰은 데이터가 쌓이는 초기에는 쉽게 인지를 못하는 경우가 대부분이기에 초기 부터 오랜 기간 숙성된 데이터를 전략적으로 활용하기 위해 데이터 품질에 대한 중요성을 기억해야 한다.



또한 위와 같은 중요성을 지키기에 앞서, 데이터 모델링을 할때 유의해야 할 점은 다음과 같다.


- 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. 예를 들어 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 것이다. 개발자가 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 있기 때문이다. 데이터 모델링을 할 때 데이터와 데이터간 상호 연관 관계에 대한 명확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해준다.



2-4. 데이터 모델링의 3단계


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





2-4-1. 개념적 데이터 모델링

추상화 수준이 높으며 업무 중심적이고 포괄적인 수준의 모델링을 진행한다. 전사적 데이터 모델링으로도 사용되며 EA 수립시에도 많이 이용한다.

어떠한 자료가 중요하고, 어떠한 자료가 유지되어야 하는지를 결정하는 내용도 포함된다. 이 단계에 있어서 주요한 활동은 핵심 엔터티와 그들 간의 관계를 발견하고, 그것을 표현하기 위해 엔터티-관계 다이어그램을 생성하는 것이다. 


개념적 데이터 모델링을 통해 조직의 데이터 요구를 공식화 하는 것은 두 가지의 중요한 기능을 지원한다.

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.



2-4-2. 논리적 데이터 모델링

시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현하는 단계의 모델링이다. 재사용성이 높은 특징을 갖는다.

이러한 논리적 데이터 모델링은 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. 정규화는 논리적 데이터 모델 상세화 과정의 대표적인 활동으로, 논리적 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔터티에 배치되도록 함으로써 보다 신뢰성있는 데이터 구조를 얻는데 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.



2-4-3. 물리적 데이터 모델링

실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계하는 단계의 모델링이다.

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.



2-5. 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.



2-5-1. 데이터 독립성의 필요성


데이터 독립성은, 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간에 서로 독립성을 유지하기 위한 목적으로 개념이 출현했다고 할 수 있다. 즉, 구조화 된 시스템이 시간이 지날수록 유지보수 비용이 증가하고, 데이터복잡도가 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 가능한다.

- 단계별 스키마에 따라 데이터 정의어와 데이터 조작어가 다름을 제공한다.



2-5-2. 데이터베이스의 3단계 구조


데이터 독립성을 가지는 모델은 다음과 같이 외부단계, 개념적단계, 내부적 단계로 서로 간섭되지 않는 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)

개념단계 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 실제적으로 저장되는 방법을 표현한다.



2-6. 데이터 모델링의 3가지 요소


데이터 모델링을 구성하는 중요한 개념 3가지가 있는데 이것은 데이터 모델에 대한 이해의 근간이 되므로 반드시 기억할 필요가 있다.


1. 업무가 관여하는 어떤 것(Things)

2. 어떤 것이 가지는 성격(Attributes)

3. 업무가 관여하는 어떤 것 간의 관계(Relationship)


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



2-7. 좋은 데이터 모델의 요소


그럼, 데이터 모델링을 통해 도출된 데이터 모델에 대한 객관적 평가는 어떠한 것을 중심으로 진행될까? 일반적으로 좋은 데이터 모델을 평가하기 위해서는 다음과 같은 요소들을 고려한다.


2-7-1. 완전성(Completeness)

업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있는지를 확인하는 요소이다. 사실상 데이터 모델을 검증하기 위해 제일 먼저 확인이 이루어져야 하는 요소이다. 


2-7-2. 중복배제(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.


2-7-3. 업무규칙(Business Rules)

데이터 모델링 과정을 통해 도출되고 규명되는 수많은 업무규칙은 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.


2-7-4. 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.


2-7-5. 의사소통(Communication)

데이터 모델은 대상으로 하는 업무를 데이터 관점에서 분석하고 이를 설계하여 나오는 최종 산출물이다. 그리고 그 과정에서는 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.


2-7-6. 통합성(Integration)

물론 성능 등의 부가적인 목적때문에 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 과정에 있어 동일한 성격의 데이터를 한 번만 정의함으로써 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하도록 해야 한다.



Q. 데이터 모델링 관련 문제


1. 다음 설명 중 데이터 모델링이 필요한 주요 이유로 가장 부적절한 것은?


⑴ 업무정보를 구성하는 기초가 되는 정보들에 대해 일정한 표기법에 의해 표현한다.

⑵ 분석된 모델을 가지고 데이터베이스를 생성하여 개발 및 데이터관리에 사용하기 위한 것이다.

⑶ 데이터베이스를 구축하기 위한 용도를 위해 데이터모델링을 수행하고 업무에 대한 설명은 별도의 표기법을 이용한다.

 데이터모델링 자체로서 업무의 흐름을 설명하고 분석하는 부분에 의미를 가지고 있다.




2. 다음 중 ANSI-SPARC에서 정의한 3단계구조(three-level architecture)에서 아래 내용이 설명하는 스키마구조로 가장 적절한 것은?


- 모든 사용자 관점을 통합한 조직 전체 관점의 통합적 표현

- 모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들간의 관계를 표현하는 스키마


⑴ 외부스키마(External Schema)

⑵ 개념스키마(Conceptual Schema)

⑶ 내부스키마(Internal Schema)

⑷ 논리스키마(Logical Schema)




추가적으로 궁금한 사항이나 잘 이해가 되지 않는 부분들은 이메일 또는 카카오톡으로 연락주시면 답변드리겠습니다.

블로그 이미지

Tigercow.Door

Web Programming / Back-end / Database / AI / Algorithm / DeepLearning / etc

댓글을 달아 주세요



안녕하세요. 문범우입니다.

이번 포스팅에서는 DataBase에서 데이터 모델 개념에 속하는 관계(Relationship)와 식별자(Identifiers)에 대해서 알아보도록 하겠습니다.




1. 관계(Relationship)


1-1. 관계(Relationship)란?


사전적으로 정의했을 때, 관계란 상호 연관성이 있는 상태라고 할 수 있다. 이를 우리가 학습하고자 하는 데이터 모델의 개념에서 생각하면, 엔터티의 인스턴스 간 논리적인 연관성이라고 생각할 수 있고 보다 구체적으로는, 존재의 형태로서나 행위로서 서로에게 연관성이 부여된 상태라고 할 수 있다. 

이러한 관계는 엔터티와 엔터티 간 연관성을 표현하기 때문에 특정 엔터티의 정의에 따라 영향을 받기도 하고, 속성 정의 및 관계 정의에 따라서도 다양하게 변경될 수 있다.



1-2. 관계의 패어링(Relationship Paring)


관계에 대해서 생각할 때 유의해야할 점이 있다.

위에서 설명한 관계의 정의를 통해 고려해볼 때, 엔터티 안의 인스턴스가 보두 동일한 관계를 가지고 있다고 생각할 수 있지만, 엔터티 안의 인스턴스는 개별적으로 관계를 가지게 되고 이것의 집합을 관계로 표현한다.

그리고 이때, 각각의 엔터티의 인스턴스들이 자신과 관련된 인스턴스들과의 관계를 어커런스로 참여하는 형태를 관계 패어링(Relationship Paring)이라고 한다.



즉, 위의 그림과 같이 학생 엔터티와 수업 엔터티가 있다고 생각해보자. 이때 학생 엔터티의 인스턴스인 김철수와 김길동은 각각 수업 엔터티의 인스턴스인 수학과 영어에 대해 서로 다른 관계를 가지고 있다. 김철수 인스턴스는 수학과 영어 인스턴스 모두와 관계를 가지고 있으며 김길동 인스턴스는 영어 인스턴스와 관계를 가지고 있다. 이렇게 각 인스턴스간 관계가 설정되어 있는 어커런스를 관계 패어링이라고 하며, 이러한 관계 패어링의 집합을 관계라고 한다.



1-3. 관계의 분류


1-3-1. 연결 목적에 따른 분류


아래와 같이 '존재에 의한 관계', '행위에 의한 관계' 두개로 나뉘어지는데 이는 어떠한 목적으로 관계가 연결되었느냐를 기준으로 한다.


- 존재에 의한 관계

예를 들어, '학부/과' 라는 엔터티와 '학생'이라는 엔터티가 존재한다고 가정하자. 이때 '학생' 엔터티의 특정 인스턴스는 언제든지 '학부/과' 엔터티의 특정 인스턴스에 속해있을 것이다. 이는 어떠한 이벤트나 액션, 행위에 의한 것이 아니라 단순히 소속되어 있기 때문에 나타나는 관계이다. 이러한 경우를 존재에 의한 관계라고 한다.


- 행위에 의한 관계

예를 들어, '손님'이라는 엔터티와 '주문'이라는 엔터티가 있다고 가정해보자. 각 엔터티의 특정 인스턴스 끼리는 관계가 발생하기 위해 '손님'이라는 엔터티의 인스턴스가 특정 행위를 해야한다. 이러한 관계를 행위에 의한 관계라고 이야기를 한다.



1-4. 관계의 표기법


관계를 표기할 때에는 아래와 같이 3가지 개념에 대해서 함께 표현해준다.



1-4-1. 관계명(Membership)


관계명은 엔터티가 관계에 참여하는 형태를 지칭한다. 관계는 2개의 엔터티에 의해 발생되므로, 하나의 관계는 2개의 관계명을 가지게 되며, 각각의 관게명에 따라서 하나의 관계가 두가지 관점으로 표현될 수 있다.

이때, 엔터티에서 관계가 시작되는 쪽을 관계시작점이라고 부르고 관계가 끝나는 쪽을 관계끝점이라고 한다. 관계명을 지을 때는 아래와 같은 명명규칙을 따른다.


- 애매한 동사를 피한다. 예를 들어 '관련이 있다', '관계된다' 등은 구체적이지 않아 두 엔터티간에 어떤 행위/상태가 존재하는지 파악하기 어렵다.


- 현재형으로 표현한다. 예를 들어, '주문을 했다', '신청할 것이다'라는 식의 표현은 사용하지 않는다. 대신 '주문 한다', '신청 한다' 와 같이 표현한다.



1-4-2. 관계차수(Cardinality)


관계차수란, 관계에 참여하는 두 엔터티의 참여자수를 이야기한다. 일반적으로 1:1, 1:M, M:N으로 나타낸다. 즉 관계에 하나만 참여하는지, 아니면 그 이상(2개 이상)이 관계에 참여하는지를 파악하는 것이 중요하다.

각각의 관계에 대한 IE 표기법은 다음과 같다.


1-4-3. 관계선택사양(Optionality)


관계선택사양이라는 것은 엔터티가 항상 관계에 참여하는지, 아니면 선택적으로 관계에 참여할 수 있는 것인지를 의미한다. 이때 항상 관계에 참여하는 것을 필수 참여(Mandatory Membership)이고 선택적으로 관계에 참여하는 것을 선택 참여(Optional Membership)이라고 한다.



위와 같이 학생 엔터티와 수업 엔터티가 있을 때, 학생 엔터티는 수업 엔터티와 관계가 있을수도 있고 없을수도 있기때문에 학생 엔터티를 기준으로 학생-수업 관계는 선택참여가 된다. 따라서 위와 같이 동그라미표시를 한다. 반대로 수업 엔터티는 학생 엔터티가 관계가 필수적이기 때문에 수업 엔터티를 기준으로 수업-학생 관계는 필수 참여가 되고 이때에는 아무런 표시를 하지 않는다.

(학생이 듣지 않는 수업에 대해서는 고려하지 않았다.)



1-5. 관계 체크사항


두개의 엔터티 사이에서 관계를 정의할 때에는 다음과 같은 사항들을 체크해 보아야 한다.


- 두 개의 엔터티 사이에 관심있는 연관규칙이 존재하는가?

- 두 개의 엔터티 사이에 정보의 조합이 발생되는가?

- 업무기술서, 장표에 관계연결에 대한 규칙이 서술되어 있는가?

- 업무기술서, 장표에 관계연결을 가능하게 하는 동사(Verb)가 있는가?



Q. 관계 관련 문제


1. 다음 중 관계에 대한 설명으로 가장 부적절한 것은?


⑴ 관계는 존재적 관계와 행위에 의한 관계로 나누어볼 수 있다.

⑵ 관계의 표기법은 관계명, 관계차수, 식별성의 3가지 개념을 사용한다.

⑶ 부서와 사원 엔터티 간의 '소속' 관계는 존재적 관계의 사례이다.

⑷ 주문과 배송 엔터티 간의 '배송근거' 관계는 행위에 의한 관계의 사례이다.




2. 다음 중 두 개의 엔터티 사이에 정의한 관계를 체크하는 사항으로 가장 부적절한 것은?


⑴ 두 개의 엔터티 사이에 관심 있는 연관규칙이 존재하는가?

⑵ 두 개의 엔터티 사이에 정보의 조합이 발생되는가?

⑶ 업무기술서, 장표에 관계연결에 대한 규칙이 서술되어 있는가?

⑷ 업무기술서, 장표에 관계연결을 가능하게 하는 명사가 있는가?





2. 식별자(Identifiers)


2-1. 식별자(Identifiers)란?


우리는 앞에서 인스턴스들의 집합(조합)이 엔터티라고 했다. 그럼, 엔터티내에서 특정 인스턴스를 구별하는 방법은 무엇일까? 이를 위해서 식별자가 존재한다. 즉, 여러 개의 인스턴스를 담고 있는 엔터티에서 인스턴스를 구별하기 위한, 즉 엔터티를 대표하는 속성을 의미하며 하나의 엔터티에서는 반드시 하나의 유일한 식별자가 존재해야 한다. 

데이터베이스 공부를 했던 사람이라면 키(Key)와 식별자를 동일하게 생각할 수 있는데, 식별자는 업무적으로 구분이 되는 정보이므로 논리 데이터 모델링 단계에서 사용하는 용어이며, 키(Key)는 데이터베이스에서 테이블에 접근을 하기 위한 것으로 물리 데이터 모델링 단계에서 사용하는 것으로 약간의 차이가 존재한다.



2-2. 식별자의 특징


여기서 알아보는 식별자의 특징에서는 사실상 주 식별자를 기준으로 한다. 이후에 알아볼 내용이지만 주 식별자 이외에 외부식별자라는 개념도 존재하는데, 외부식별자의 경우 주식별자의 특징과 일치하지 않으며 참조무결성 제약조건에 따른 특징을 갖는다.

그럼 주 식별자가 가지는 특징은 다음과 같다.


- 유일성

주식별자에 의해 엔터티내에 모든 인스턴스들을 유일하게 구분할 수 있어야 함


- 최소성

주식별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 함


- 불변성

주식별자가 한 번 특정 엔터티에 지정되면 그 식별자의 값은 변하지 않아야 함


- 존재성

주식별자가 지정되면 반드시 데이터 값이 존재 해야함(Null값 안됨)



2-3. 식별자의 분류


2-3-1. 대표성 유무에 따른 분류


- 주식별자(Primary Identifier)

엔터니 내에서 각 어커런스를 구분할 수 있는 구분자이며, 타 엔터티와 참조관계를 연결할 수 있는 식별자


- 보조식별자(Alternate Identifier)

엔터티 내에서 칵 어커런스를 구분할 수 있는 구분자이지만 대표성을 가지지 못해 참조관계 연결을 못함



2-3-2. 스스로 생성되었는지에 따른 분류


- 내부식별자

엔터티 내부에서 스스로 만들어지는 식별자


- 외부식별자(Foreign Identifier)

타 엔터티와의 관계를 통해 타 엔터티로부터 받아오는 식별자



2-3-3. 단일 속성인지에 따른 분류


- 단일식별자(Single Identifier)

하나의 속성으로 구성된 식별자


- 복합식별자(Composit Identifier)

둘 이상의 속성으로 구성된 식별자



2-3-4. 업무적 의미가 있는가에 따른 분류


- 본질식별자

업무에 의해 만들어지는 식별자


- 인조식별자

업무적으로 만들어지지는 않지만 원조식별자가 복잡한 구성을 가지고 있기 때문에 인위적으로 만든 식별자



2-4. 주식별자 도출기준


데이터 모델링에 있어서 주식별자를 도출하는 것은 중요한 작업이다. 주식별자를 도출하기 위한 기준은 아래와 같다.


- 해당 업무에서 자주 이용되는 속성을 주식별자로 정의한다.

- 명칭, 내역 등과 같이 이름으로 기술되는 것들은 가능하면 주식별자로 지정하지 않는다.

- 복합으로 주식별자를 구성할 경우 너무 많은 속성이 포함되지 않도록 한다.



2-5. 비식별자 관계(Non-Identifying Relationship)


부모 엔터티로부터 속성을 받았지만 이를 자식 엔터티의 주 식별자로 사용하지 않고 일반적인 속성으로 사용하게 되는 경우가 있는데 이러한 경우를 비식별자 관계(Non-Identifying Relationship)라고 한다. 다음의 네가지 경우에 대해서 비식별자 관계에 의한 외부속성을 생성한다.


1) 자식엔터티가 부모엔터티로부터 받은 속성이 반드시 필수 값이 아니기 때문에 부모 없는 자식이 생성될 수 있는 경우


2) 엔터티별로 데이터의 생명주기(Life Cycle)를 다르게 관리할 경우. 예를 들어, 부모 엔터티가 자식 엔터티보다 먼저 소멸되는 경우 등을 말한다.


3) 여러개의 엔터티가 하나의 엔터티로 통합되어 표현되었는데 각각의 엔터티가 별도의 관계를 가질 때


4) 자식엔터티에 주식별자로 사용하여도 되지만, 자식엔터티에서 별도의 주식별자를 생성하는 것이 더 유리하다고 판단될 때



2-6. 식별자관계와 비식별자관계 모델링


2-6-1. 비식별자관계 선택 프로세스


식별자 관계를 파악하는데에 있어서 중요한 한가지는 비식별자관계를 파악하는 것이다. 비식별자관계를 파악할때에 있어서 다음과 같은 흐름에 따라 선정한다면 합리적으로 비식별자관계를 설정할 수 있다.




2-6-2. 식별자관계와 비식별자관계 비교


항목

식별자관계

비식별자관계

목적

강한 연결관계 표현

약한 연결관계 표현

자식 주식별자

영향

자식 주식별자의 구성에 포함됨

자식 일반 속성에 포함됨

표기법

실선 표현

점선 표현

연결

고려사

- 반드시 부모엔터티 종속

- 자식 주식별자구성에 부모 주식별자포함 필요

- 상속받은 주식별자속성을 타 엔터티에 이전 필요

- 약한 종속관계

- 자식 주식별자구성을 독립적으로 구성

- 자식 주식별자구성에 부모 주식별자 부분 필요

- 상속받은 주식별자속성을 타 엔터티에 차단 필요

- 부모쪽의 관계참여가 선택관계




Q. 식별자 관련 문제


1. 다음 중 아래에서 엔터티 내에 주식별자를 도출하는 기준을 묶은 것으로 가장 적절한 것은?


가. 해당 업무에서 자주 이용되는 속성을 주식별자로 지정한다.

나. 명칭, 내역 등과 같이 이름으로 기술되는 것들을 주식별자로 지정한다.

다. 복합으로 주식별자를 구성할 경우 너무 많은 속성을 포함하지 않도록 한다.

라. 자주 수정되는 속성을 주식별자로 지정한다.


⑴ 가, 나

⑵ 가, 다

⑶ 다, 라

⑷ 나, 라




2. 다음 중 비식별자 관계로 연결하는 것을 고려해야 하는 경우로 가장 부적절한 것은?


⑴ 부모엔터티에 참조값이 없어도 자식엔터티의 인스턴스가 생성될 수 있는 경우

⑵ 자식쪽 엔터티의 주식별자를 부모엔터티와는 별도로 생성하는 것이 더 유리하다고 판단되는 경우

⑶ 여러 개의 엔터티를 하나로 통합하면서 각각의 엔터티가 갖고 있던 여러 개의 개별 관계가 통합되는 경우

⑷ 부모엔터티의 인스턴스가 자식 엔터티와 같이 소멸되는 경우




추가적으로 궁금한 사항이나 이해가 되지 않는 점은 언제든지 이메일 또는 카카오톡으로 연락주시면 답변드리도록 하겠습니다.

블로그 이미지

Tigercow.Door

Web Programming / Back-end / Database / AI / Algorithm / DeepLearning / etc

댓글을 달아 주세요



안녕하세요. 문범우입니다.

이번 포스팅에서는 Data Base에서  엔터티와 속성에 대해서 알아보도록 하겠습니다.

특히 각 개념마다 SQL 전문가 또는 SQL 개발자를 준비하시는 분들을 위한 문제를 함께 두었으니 공부를 하시며 문제들을 확인하면 보다 좋은 학습이 될 것 입니다.



1. 엔터티(Entity)


1-1. 엔터티(Entity)란?


데이터 베이스의 개념 중에서도 데이터 모델에 대해 공부를 시작할 때 제일 먼저 나오는 개념이 '엔터티(Entity)' 이다.

엔터티는 쉽게 말해 실체, 객체라고 생각할 수 있다.

일반적으로 엔터티를 정의하는 개념들을 정리하여 나타내면 다음과 같이 볼 수 있다.


- 엔터티는 사람, 장소, 물건, 사건, 개념 등과 같은 명사에 해당된다.

- 엔터티는 업무상 관리가 필요한 것에 해당된다.

- 엔터티는 저장 되기 위한 어떤 것(Thing)에 해당된다.


예를 들어 학교라는 곳에선 과목이라는 엔터티가 존재할 수 있다.

그리고 엔터티는 인스턴스의 집합으로 나타나게 됩니다. 즉 과목이라는 엔터티가 있다면, 수학, 영어, 국어와 같은 인스턴스가 과목이라는 엔터티에 포함되는 것이다.

이때 엔터티는 자신이 가지고 있는 인스턴스를 설명할 수 있는, 나타낼 수 있는 속성(Attribute)를 가지게 된다. 앞에서 이야기한 수학, 영어, 국어와 같은 인스턴스가 존재한다면 이들은 과목이라는 엔터티에서 이름이라는 속성을 가지고 있는 것이죠. 속성에 대해서는 엔터티를 알아본 후에 보다 자세히 알아보자.



1-2. 엔터티의 특징


엔터티는 일반적으로 다음과 같은 특징을 가지고 있다. 물론 아래와 같은 특징을 지니지 않은 경우도 있을 수 있지만 일반적으로 아래의 특징을 지니지 않으면 적절하지 않은 엔터티일 확률이 높다.


- 반드시 엔터티가 사용되는 곳의 업무에서 필요하며 관리하고자 하는 정보

- 엔터티가 포함하는 인스턴스에 대해 유일한 식별자로 식별이 가능해야 함

- 엔터티는 지속적으로 존재하는 두개 이상의 인스턴스들의 조합이어야 함

- 엔터티는 반드시 속성을 지녀야 함

- 엔터티는 업무 프로세스에 의해서 이용되어야 함

- 엔터티는 다른 엔터티와 최소 한 개 이상의 관계가 있어야 함



1-3. 엔터티의 분류


엔터티는 각각의 성격에 의해, 실체유형(유무형)에 따라 구분하거나, 엔터티의 발생시점에 의해 분류될 수 있다.


1-3-1. 실체유형(유무형)에 따른 분류


- 유형 엔터티(Tangible Entity)

물리적인 형태가 존재하는 엔터티이며 안정적이고 지속적으로 활용되는 엔터티이다.


- 개념 엔터티(Conceptual Entity)

물리적인 형태는 존재하지 않고 관리해야 할 개념적인 정보로 구분이 되는 엔터티이다.


- 사건 엔터티(Event Entity)

업무를 수행함에 따라 발생되는 엔터티이다.



1-3-2. 발생시점에 따른 분류.


- 기본/키 엔터티(Fundamental/Key Entity)

해당 업무에 원래 존재하는 정보로 다른 엔터티와의 관계에 의해 발생 또는 생성되지 않고 독립적으로 존재하는 엔터티이다. 이는 독립적으로 생성이 가능하며 다른 엔터티의 부모역할을 한다.


- 중심 엔터티(Main Entity)

기본 엔터티로 부터 발생되며 업무에 있어서 중심적인 역할을 한다. 일반적으로 데이터 양이 많으며 다른 엔터티와의 관계를 통해 행위 엔터티를 생성한다.


- 행위 엔터티(Active Entity)

두 개이상의 부모엔터티로 부터 주로 발생되고, 자주 엔터티의 내용이 바뀌거나 데이터양이 증감한다. 분석초기 단계보다는 상세 설계단계나 프로세스와 상관모델링을 진행하면서 도출될 수 있다.



1-4. 엔터티의 명명(Naming)


엔터티의 이름을 정하는 데에 있어서는 다음과 같은 원칙을 지켜야 한다.


- 가능하면 현업업무에서 사용하는 용어를 사용한다.

- 가능하면 약어를 사용하지 않는다.

- 단수 명사를 사용한다.

- 모든 엔터티를 통틀어서 유일한 이름을 가져야 한다.

- 엔터티의 생성의미대로 이름을 부여한다.



Q. 엔터티 관련 문제


1. 다음 중 아래 시나리오에서 엔터티로 적합한 것은?


S병원은 여러 명의 환자가 존재하고 각 환자에 대한 이름, 주소 등을 관리해야 한다.

(단, 업무 범위와 데이터의 특성은 상기 시나리오에 기술되어 있는 사항만을 근거하여 판단해야 한다.)


⑴ 병원

⑵ 환자

⑶ 이름

⑷ 주소




2. 다음 중 엔터티의 특징으로 가장 부적절한 것은?


⑴ 속성이 없는 엔터티는 있을 수 없다. 엔터티는 반드시 속성을 가져야 한다.

⑵ 객체지향의 디자인 패턴에는 싱글턴패턴이 있어 하나의 인스턴스를 가지는 클래스가 존재하듯, 엔터티는 한 개의 인스턴스를 가지는 것만으로도 충분한 의미를 부여할 수 있다.

⑶ 엔터티는 다른 엔터티와 관계가 있을 수 밖에 없다. 단, 통계성 엔터티나, 코드성 엔터티의 경우 관계를 생략할 수 있다.

⑷ 데이터로서 존재하지만 업무에서 필요로 하지 않으면 해당 업무의 엔터티로 성립될 수 없다.




3. 다음 중 다른 엔터티로부터 주식별자를 상속받지 않고 자신의 고유한 주식별자를 가지며 사원, 부서, 고객, 상품, 자재 등이 예가 될 수 있는 엔터티로 가장 적절한 것은?


⑴ 기본 엔터티(키 엔터티)

⑵ 중심 엔터티(메인엔터티)

⑶ 행위 엔터티

⑷ 개념 엔터티




2. 속성(Attribute)


2-1. 속성(Attribute)란?


속성의 사전적 의미는, 어떤 사물의 성질이나 특징, 그것이 없다면 실체를 생각 또는 표현할 수 없는 것으로 정의할 수 있다.

데이터 모델의 관점에서 속성은, 인스턴스로 관리하고자 하는 의미상 더 이상 분리되지 않는 최소의 데이터 단위로 정의할 수 있다. 

즉, 속성이란 의미상 더 이상 분리되지 않으며, 엔터티를 설명하는 요소이며 인스턴스의 구성요소이다.



2-2. 속성의 특징


속성 또한 엔터티와 같이 다음과 같은 성질을 가지고 있으며, 이러한 성질을 지니지 않는다면 적절하지 못한 속성일 확률이 높다.


- 엔터티와 마찬가지로 반드시 해당 업무에서 필요하고 관리하고자 하는 정보이어야 한다.

- 정규화 이론에 근간하여 정해진 주 식별자에 함수적 종속성을 가져야 한다.

쉽게 말해, 다양하게 존재하는 인스턴스들에 대해 유일하게 구별할 수 있는 주식별자를 통해서 식별될 수 있어야 한다.

- 하나의 속성에는 단 한개의 값만을 가진다.



2-3. 엔터티, 인스턴스, 속성, 속성값의 관계


엔터티에는 두 개 이상의 인스턴스가 존재한다. 그리고 각각의 엔터티에는 고유의 성격을 표현하는 속성정보를 두 개 이상 갖는다. 

분석단계에서는 엔터티 내에 존재하는 여러 개의 인스턴스가 가지는 동일한 성격을 파악하여 이에 이름을 부여하여 엔터티의 속성으로 결정하는 작업이 필요하다. 또한 하나의 속성은 하나의 인스턴스에만 존재할 수 있으며, 속성은 스스로가 또 다른 속성을 가질 수 없고 속성에 대해 어떠한 관계로 기술할 수 없다. 그리고 각 인스턴스는 하나의 속성에 대해 하나의 속성 값만 가질 수 있다.

이를 정리하면 다음과 같다.


- 한 개의 엔터티는 두 개 이상의 인스턴스의 집합이다.

- 한 개의 엔터티는 두 개 이상의 속성을 가진다.

- 한 개의 속성은 한 개의 속성 값을 가진다.



2-4. 속성의 분류


2-4-1. 속성의 특성에 따른 분류


- 기본 속성(Basic Attribute)

업무 분석을 통해 바로 정의한 속성을 기본속성이라고 한다. 엔터티에 있어서 가장 일반적이고 많은 속성을 차지한다. 하지만 코드성 데이터, 엔터티를 식별하기 위해 부여된 일련번호, 그리고 다른 속성을 계산하거나 영향을 받아 생성된 속성등은 기본속성이 아니다.


- 설계 속성(Designed Attribute)

업무상 필요한 데이터 이외에 데이터 모델링을 위해, 업무를 규칙화하기 위해 새로 만들어지거나 변형된 속성을 설계 속성이라고 한다. 일반적으로 코드성 속성은 기존의 속성을 업무상 필요에 의해 변형하여 만든 설계 속성이다. 또한 일련번호와 같은 속성 또한 단일한 식별자를 부여하기 위해 모델 상에서 새롭게 정의하는 설계속성이다.


- 파생 속성(Derived Attribute)

다른 속성에 영향을 받아 발생하는 속성은 파생 속성이다. 일반적으로 계산된 값들이 이에 해당된다. 파생 속성은 가급적 적게 정의하는 것이 좋다.



2-4-2. 엔터티 구성방식에 따른 분류


- PK(Primary Key) 속성

엔터티를 유일하게 구분할 수 있는 속성을 PK 속성이라고 한다.


- FK(Foreign Key) 속성

다른 엔터티와의 관계에 있어서 포함된 속성을 FK 속성이라고 한다.


- 일반 속성

엔터티에 포함되어 있고, PK 또는 FK에 포함되지 않는 속성을 일반 속성이라고 한다.



2-4-3. 세부 의미 유무에 따른 분류


- 단순 속성(Simple Attibute)

나이, 성별과 같은 데이터는 더 이상 다른 속성들로 구성될 수 없는 단순한 속성이므로 단순 속성이라고 한다.


- 복합 속성(Composite Attribute)

주소 속성에 대해서는 시, 구, 동, 번지와 같이 여러 세부 속성들로 구성될 수 있는데 이때 주소 속성과 같은 것들을 복합 속성이라고 한다.



2-5. 도메인(Domain)


각 속성은 무한정적인 값을 갖는 것이 아니라 그 범위가 지정된다. 이 때 속성의 값이 가질 수 있는 범위를 그 속성의 도메인이라고 한다. 따라서 속성 값이 가질 수 있는 데이터 타입과 크기 그리고 추가적인 제약사항이라고 생각할 수 있다.



2-6. 속성의 명명(Naming)


속성에 대해 이름을 부여하는데에 있어서는 아래와 같은 원칙이 존재한다.


- 해당 업무에서 사용하는 이름을 부여한다.

- 서술식 속성명은 사용하지 않는다.

- 약어사용은 가급적 제한한다.

- 전체 데이터 모델에서 유일성을 확보하는 것이 좋다.



Q. 속성 관련 문제


1. 다음 중 속성에 대한 설명으로 가장 부적절한 것은?


⑴ 엔터티에 대한 자세하고 구체적인 정보를 나타낸다.

⑵ 하나의 엔터티는 두 개 이상의 속성을 갖는다.

⑶ 하나의 인스턴스에서 각각의 속성은 하나 이상의 속성값을 가질 수 있다.

⑷ 속성도 집합이다.




2. 다음 중 데이터를 조회할 때 빠른 성능을 낼 수 있도록 하기 위해 원래 속성의 값을 계산하여 저장할 수 있도록 만든 속성으로 가장 적절한 것은?


⑴ 파생속성(Derived Attribute)

⑵ 기본속성(Basic Attribute)

⑶ 설계속성(Designed Attribute)

⑷ PK속성(Primary Key Attribute)




3. 다음 중 아래 설명이 나타내는 데이터모델의 개념으로 가장 적절한 것은?


주문이라는 엔터티가 있을 때 단가라는 속성 값의 범위는 100에서 10,000 사이의 실수 값이며 제품명이라는 속성은 길이가 20자리 이내의 문자열로 정의할 수 있다.


⑴ 시스템카탈로그(System Catalog)

⑵ 용어사전(Word Dictionary)

⑶ 속성사전(Attribute Dictionary)

⑷ 도메인(Domain)




추가적으로 궁금한 사항이나, 이해가 되지 않는 점은 언제든지 이메일 또는 카톡으로 연락주시면 빠른 답변드릴 수 있도록 하겠습니다.

블로그 이미지

Tigercow.Door

Web Programming / Back-end / Database / AI / Algorithm / DeepLearning / etc

댓글을 달아 주세요


안녕하세요. 문범우입니다.

이번에는 MSSQL에서 특정한 문법을 사용하는 내용이 아니라 특정 칼럼 값만 다른 여러개의 행을 하나의 행으로 합쳐서 나타내는 실습을 진행해보도록 하겠습니다.



0. 데이터 세팅


먼저 실습을 위해 아래와 같이 데이터를 세팅합니다. 테이블 이름은 USER_ANSWER로 만들었습니다.




세팅된 테이블을 전체 SELECT를 하면 다음과 같습니다.



위의 데이터를 아래와 같은 상황으로 가정합니다.


현재 USER_ID 값이 0001, 0002, 0003 으로 총 3명이 존재하며, 각각은 모두 Q01 부터 Q05까지의 문제에 대해 답변을 선택하여 해당 데이터가 테이블에 존재하는 것입니다.

이때 각 문제들은 중복으로 답을 체크할 수 있습니다. 

USER_ID값이 0001인 데이터를 보면 모두 하나의 문제에 하나의 답이 존재합니다.

하지만 USER_ID값이 0002인 데이터를 보면 Q02문제에 대해 ANSWER_NUM이 5인 것과 3인 것으로 2개가 존재합니다.

마찬가지로 USER_ID가 0003인 데이터를 보면 Q01문제에 대해 서로 다른 ANSWER_NUM값이 존재합니다.


이러한 데이터를 우리는 아래와 같이 나타내고자 합니다.



USER_ID가 0002나 0003이었던 데이터에 대해서 Q02나 Q01에 콤마를 이용해 값을 합쳐서 보여주었습니다. 그리고 이를 좀 더 보기좋게 피봇을 이용하였습니다.

위와 같이 나타내기 위해 만드는 쿼리에 대해 하나씩 진행해보도록 하겠습니다.



1. 특정 칼럼 값만 다른 여러개의 행을 하나의 행으로 합치기


추후 우리는 GROUP BY를 이용해서 다수의 행을 하나의 행으로 합쳐줄 것인데, 이를 위해 ANSWER_NUM을 나눠주도록 합니다. 데이터를 살펴보았을때 선택되는 ANSWER는 1부터 5까지 존재하므로, 컬럼 이름을 A1 ~ A5로 하여 나누어 줍니다.




그리고 위 처럼 만들어진 데이터에서 USER_ID와 QUESTION_NUM을 기준으로 GROUP BY를 하여 동일한 USER_ID의 동일한 QUESTION_NUM에 대해 하나의 행으로 만들어 줍니다. 그리고 추후 사용을 위해 각 ANSWER 값에 콤마를 붙여주도록 합니다.





이렇게 데이터가 형성되었다면 A1 ~ A5로 나누었던 컬럼을 다시 합쳐주도록 합니다. 이때 합쳐지면서 각 값의 맨 뒤에 존재하는 콤마를 제거하기 위해 LEFT 함수를 사용합니다.





이렇게 하였다면 사실상 특정 컬럼 값만 다른 로우들에 대해 합치는 과정은 마무리가 됩니다. 마지막으로 이를 좀 더 보기좋게 하기 위해 PIVOT을 이용하여 정리하면 다음과 같이 됩니다.





SQL 쿼리 중 비효율적인 부분이 있는 부분에 대해서 지적해주시면 감사하겠습니다. 추가적으로 궁금하신 점은 언제든지 댓글이나 이메일, 카카오톡으로 연락주시면 답변드리도록 하겠습니다.



블로그 이미지

Tigercow.Door

Web Programming / Back-end / Database / AI / Algorithm / DeepLearning / etc

댓글을 달아 주세요