데이터 모델링의 이해

성능데이터모델링:

데이터베이스 성능향상을 목적으로 설계단계의 데이터 모델링 때부터 성능과 관련된 사항이 데이터모델링에 반영될 수 있도록 하는 것이다.

 

분석/설계단계에서 데이터베이스 처리 성능을 향상 시킬 수 있는 방법을 주도 면밀하게 고려해야한다. 만약 어떤 트랜잭션이 해당 비즈니스 처리에 핵심적이고 사용자 업무처리에 있어 중요함을 가지고 있고 성능이 저하되면 안되는 특징을 가지고 있다면, 프로젝트 초기에 운영환경에 대비한 테스트 환경을 구현하고 그곳에 트랜잭션을 발생시켜 실제 성능을 테스트해 보아야한다.

이때 데이터모델의 구조도 변경하면서 어떠한 구조가 해당 사이트에 성능상 가장 적절한 구조인지를 검토하여 성능이 좋은 모습으로 디자인 하는 전략이 요구된다. 보기에서 문제 발생 시점의 SQL을 중심으로 집중 튜닝하는 것은 성능 데이터 모델링과 무관한 내용이다.

 

성능 데이터 모델링 수행절차>>

1. 데이터 모델링을 할 때 정규화를 정확하게 수행한다.

2. 데이터베이스 용량산정을 수행한다.

3. 데이터베이스에 발생되는 트랜잭션의 유형을 파악한다.

4. 용량과 트랜잭션의 유형이 따라 반정규화를 수행한다.

5. 이력모델의 조정, PK/FK조정, 슈퍼타입/서브타입 조정 등을 수행한다.

6. 성능관점에서 데이터모델을 검증한다.

 

고려사항>>

- 정규하는 기본적으로 중복된 데이터를 제거함으로써 조회성능을 향상시킬 수 있다.

-용량산정은 전체적인 데이터베이스에 발생되는 트랜잭션의 유형과 양을 분석하는 자료가 되므로 성능데이터 모델링을 할 때 중요한 작업이 될 수 있다.

-물리적인 데이터 모델링을 할 때 PK/FK의 칼럼의 순서조정, FK인덱스 생성 등은 성능 향상을 위한 데이터 모델링 작업에 중요한 요소가 된다.

-이력데이터는 시간에 따라 반복적으로 발생되기 때문에 대량 데이터일 가능성이 높아 특별히 성능을 고려하여 칼럼 등을 추가하도록 설계해야한다.

 

정규화

     1차정규형이지만 부분 함수종속을 가지고 있으면 제2정규화 대상이다.

반정규화

정규화된 엔터티, 속성, 관계에 대해 시스템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는

데이터 모델링의 기법을 의미.

반정규화는 데이터를 중복하여 성능을 향상시키기 위한 기법이라고 정의할 수 있고, 좀 더 넓은 의미의 반정규화는 성능을 향상시키기 위해 정규화된 데이터 모델에서 중복, 통합, 분리 등을 수행하는 모든 과정을 의미.

 

데이터 무결성이 깨질 수 있는 위험을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유는

데이터를 조회할 때 디스크 I/O량이 많아서 성능이 저하되거나

경로가 너무 멀어 조인으로 인한 성능저하가 예상되거나

칼럼을 계산하여 읽을 때 성능이 저하될 것이 예상되는 경우 수행

 

테이블의 반정규화

기법분류	반정규화 기법
테이블 병합	1:1 관계 테이블 병합
	1:M 관계 테이블 병합
	슈퍼/서브타입 테이블 병합
테이블 분할	수직분할
	수평분할
테이블추가	중복테이블 추가
	통계테이블 추가
	이력테이블 추가
	부분테이블 추가 자주 이용하는 집중화된 칼럼이 있는경우 디스크I/O를 줄이기위해 별도의 컬럼만 테이블 추가

칼럼의 반정규화

반정규화 기법

중복칼럼 추가 - 조인감소를 위해 여러 테이블에 동일한 칼럼을 갖도록 한다.

파생칼럼 추가 - 조회 성능을 우수하게 하기 위해 미리 계산된 칼럼을 갖도록 함.

이력테이블 칼럼추가 - 최신값을 처리하는 이력의 특성을 고료해 기능성 칼럼을 추가

PK에 의한 칼럼 추가

응용시스템 오작동을 위한 칼럼 추가

 

반정규화 절차

1) 반정규화 대상조사

 - 범위처리빈도수 조사

- 대량의 범위 처리 조사

- 통계성 프로세스 조사

- 테이블 조인 개수

 

2) 다른 방법유도 검토

- 뷰 테이블

- 클러스터링 적용

-인덱스의 조정

-응용어플리케이션

 

3) 반정규화 적용

- 테이블 반정규화

- 속성의 반정규화

- 관계의 반정규화

 

한 테이블에 많은 칼럼들이 존재할 경우 데이터가 물리적으로 저장되는 디스크 상에 넓게 분포할 가능성이 커지게 되어 디스크 I/O가 대량으로 발생할 수 있고, 이로인해 성능이 저하될 수 있음.

따라서 트랜잭션이 접근하는 칼럼유형을 분석해서 자주 접근하는 칼럼들과 상대적으로 접근 빈도가 낮은 칼럼들을 구분하여 1:1로 테이블을 분리하면 디스크 I/O가 줄어들어 성능을 향상 시킬 수 있다.

 

  **다른 방법으로 처리

- 지나치게 많은 조인이 걸려 데이터를 조회하는 경우  >>> 뷰를 사용

- 대량의 데이터 처리나 부분처리에 의해 성능이 저하되는 경우 >>> 클러스터링을 적용하거나 인덱스를 조정

- 대량의 데이터는 Primary Key의 성격에 따라 부분적인 테이블로 분리할 수 있다. >>>파티셔닝 기법이 적용

- 응용 애플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상

 

슈퍼/서브 타입 데이터 모델의 변환기술

- 개별로 발생되는 트랜잭션에 대해  >> 개별 테이블로 구성

- 슈퍼타입 + 서브타입에 대해 발생되는 트랜잭션에 대해서는 >> 슈퍼타입 + 서브타입 테이블로 구성

- 전체를 하나로 묶어 트랜잭션이 발생할 때 >> 하나의 테이블로 구성

 

 

분산데이터베이스        <->  Global Single Instance(GSI) 통합 데이터 베이스

장점)

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

단점)

• 소프트웨어 개발 배용
• 오류의 잠재적 증대
• 처리 배용의 증대
• 설꼐 관리의 복잡성과 비용
• 불규칙한 응답 속도 
• 통제의 어려움
• 데이터 무결성에 대한 위협