02. 정규화 & 반정규화#
1과목 · 데이터 모델과 성능. ★ = 시험 빈출
1. 성능 데이터 모델링 개요#
정의#
데이터 모델링을 할 때 작업 유형에 따라 성능 향상을 도모해야 한다.
★ 수행 시점#
분석/설계 단계에서 수행 → 후속 비용 절감
고려 사항#
- 정규화 / 반정규화 수행
- 대량 데이터 분석 (파티션)
- 통합/분리 등 데이터 모델 재정의
- 슈퍼/서브타입 모델 검토
- PK/FK 인덱스 적용
2. ★ 정규화 (Normalization)#
정의#
"데이터에 대한 중복성을 제거하여 일관성을 유지하기 위한 작업"
핵심 효과#
| 정규화 | 성능 |
|---|---|
| 정규화 잘 됨 | 입력/수정/삭제 성능 향상 |
| 반정규화 많이 | 조회 성능 향상 |
★ 함수적 종속성 (Functional Dependency)#
데이터들이 어떤 기준값에 의해 종속되는 현상
- 결정자: 주민등록번호
- 종속자: 이름, 출생지, 주소
- 표기:
결정자 → 종속자
정규형 단계별#
| 정규형 | 조건 | 예시 |
|---|---|---|
| 1NF | 모든 속성이 원자값 (반복 칼럼 제거) | 한 칼럼에 여러 값 X |
| 2NF | 1NF + 부분 함수 종속 제거 | 복합 PK 중 일부에만 종속되는 속성 분리 |
| 3NF | 2NF + 이행 함수 종속 제거 | A→B→C 일 때 C를 분리 |
| BCNF | 3NF + 모든 결정자가 후보키 | 결정자가 키가 아닌 경우 분리 |
정규화 예시#
정규화 전#
[학생] 학번, 이름, 과목1, 과목2, 과목3
1NF (원자값)#
[학생수강] 학번, 이름, 과목
2NF (부분 종속 제거)#
[학생] 학번, 이름
[수강] 학번, 과목
3. ★ 반정규화 (De-normalization)#
정의#
"정규화된 엔터티/속성/관계에 대해 시스템의 성능향상과 개발·운영의 단순화를 위해 중복·통합·분리 등을 수행하는 데이터 모델링 기법"
★ 적용 시점#
- 조인으로 인한 성능 저하가 예상될 때
- 결과를 도출하기 위한 처리 성능이 저하될 때
- 다량의 범위 처리, 통계성 처리 필요할 때
★ 적용 방법 (3단계)#
1. 반정규화 대상 조사
2. 다른 방법 유도 검토 (뷰, 인덱스, 파티션)
3. 반정규화 적용
★ 반정규화 기법#
| 종류 | 기법 |
|---|---|
| 테이블 | 테이블 병합 / 테이블 분할 / 테이블 추가 |
| 칼럼 | 중복칼럼 추가 / 파생칼럼 추가 / 이력테이블 칼럼 추가 / PK에 의한 칼럼 추가 / 응용시스템 오작동 대비 칼럼 추가 |
| 관계 | 중복관계 추가 |
4. 대량 데이터에 따른 성능#
로우 체이닝 vs 로우 마이그레이션#
| 용어 | 정의 |
|---|---|
| 로우 체이닝 (Row Chaining) | 로우 길이가 너무 길어 하나의 블록에 저장 못 하고 두 개 이상 블록에 저장 |
| 로우 마이그레이션 (Row Migration) | 수정된 데이터가 기존 블록에 못 들어가 다른 블록으로 이동 |
→ 둘 다 디스크 I/O 증가 → 성능 저하
★ 파티션 종류#
| 종류 | 기준 |
|---|---|
| RANGE PARTITION | 범위 (날짜, 숫자 범위) |
| LIST PARTITION | 목록 (지역, 카테고리) |
| HASH PARTITION | 해시 함수 (균등 분포) |
테이블 분할#
- 수평 분할 (Horizontal): 행을 기준으로 분할 (파티션)
- 수직 분할 (Vertical): 칼럼을 기준으로 분할
5. ★ 슈퍼타입/서브타입 모델#
개요#
"Extended ER 모델" — 업무의 공통점과 차이점을 고려하여 표현
- 슈퍼타입: 공통 속성
- 서브타입: 차이 속성 (슈퍼로부터 상속)
[당사자] ← 슈퍼타입
/ \
[개인][법인] ← 서브타입
★ 변환 타입 3가지#
| 변환 타입 | 방식 | 장점 | 단점 |
|---|---|---|---|
| OneToOne Type | 슈퍼+서브 각각 테이블 유지 | 명확한 구조 | JOIN 많음, 트랜잭션 많음 |
| Plus Type | 슈퍼 제거, 서브에 슈퍼 속성 통합 (서브별 분리) | 서브별 트랜잭션 빠름 | UNION 발생 가능 |
| Single Type | 슈퍼+서브 모두 하나로 통합 | JOIN 없음, 빠름 | 칼럼 多, NULL 많음, 저장공간 ↑ |
★ 선택 기준#
| 트랜잭션 유형 | 추천 방식 |
|---|---|
| 서브타입 개별 처리가 많음 | Plus Type |
| 슈퍼+서브 같이 처리가 많음 | OneToOne Type |
| 데이터 양이 적고 통합처리 많음 | Single Type |
6. ★ PK/FK 인덱스와 성능#
PK 칼럼 순서의 중요성#
- 인덱스의 앞쪽 속성값이
=또는BETWEEN으로 와야 효율 좋음 - PK 순서를 무심코 잡으면 Full Scan 유발 → 성능 저하
잘못된 예시#
sql
-- PK: (입사일자, 사원번호)
-- 자주 쓰는 쿼리: WHERE 사원번호 = 'E001' AND 입사일자 BETWEEN '2024-01-01' AND '2024-12-31'
-- → 사원번호로 빠른 검색 불가능 (PK 앞쪽이 입사일자)
올바른 예시#
sql
-- PK: (사원번호, 입사일자)
-- 사원번호로 먼저 찾고 입사일자로 좁히기 → 빠름
FK 인덱스#
★ FK 제약이 걸렸을 때는 반드시 FK 인덱스 생성
- 미생성 시 → JOIN 성능 저하
- 사용 안 되는 인덱스는 제거
7. 분산 데이터베이스#
정의#
"빠른 네트워크 환경을 이용해 DB를 여러 지역/노드에 위치시켜 사용성/성능 등을 극대화시킨 데이터베이스"
★ 6가지 투명성#
| 투명성 | 의미 |
|---|---|
| 분할 | 데이터가 분할됨을 사용자가 의식 X |
| 위치 | 위치를 사용자가 의식 X |
| 지역 사상 | 지역 DBMS와 물리적 DB 간 사상 |
| 중복 | 중복 데이터를 사용자가 의식 X |
| 장애 | 장애에도 트랜잭션 정확히 처리 |
| 병행 | 동시 처리에도 결과 영향 X |
분산 기법#
| 기법 | 종류 |
|---|---|
| 테이블 위치 분산 | 테이블을 다른 서버에 위치 |
| 테이블 분할 분산 | 수평 분할 / 수직 분할 |
| 테이블 복제 분산 | 부분 복제 / 광역 복제 |
| 테이블 요약 분산 | 분석 요약 / 통합 요약 |
장단점#
| 장점 | 단점 |
|---|---|
| 성능 향상 | 설계 복잡 |
| 가용성 ↑ | 무결성 보장 어려움 |
| 신뢰성 ↑ | 비용 ↑ |
| 확장성 ↑ | 잠재적 오류 ↑ |
시험 핵심 체크리스트#
- 정규화의 핵심 효과 (중복 제거)
- 1NF/2NF/3NF/BCNF 각 단계 조건
- 반정규화 적용 3단계 (조사 → 검토 → 적용)
- 반정규화 기법 분류 (테이블/칼럼/관계)
- 로우 체이닝 vs 로우 마이그레이션 차이
- 파티션 3종류 (RANGE/LIST/HASH)
- 슈퍼/서브타입 변환 3타입 (OneToOne/Plus/Single)
- PK 칼럼 순서가 성능에 미치는 영향
- 분산 DB 6가지 투명성