2. 데이터 입출력 구현

1. 데이터베이스 설계 및 모델링

1-1. 데이터 모델링

1. 정의
   • 기업의 정보 구조를 실체(Entity)와 관계(Relation)를 중심으로 명확하고 체계적으로 표현하여 문서화하는 기법
2. 목적
   1. 연관 조직의 정보요구에 대한 정확한 이해를 할 수 있다.
   2. 사용자, 설계자, 개발자 간에 효율적인 의사소통 수단을 제공한다.
   3. 데이터 체계 구축을 통한 고품질 S/W와 유지보수 비용의 감소효과를 기대할 수 있다.
   4. 신규 또는 개선 시스템의 개발 기초를 제공한다.
3. 특성
   1. 데이터 중심 분석을 통한 업무 흐름 파악이 용이하다.
   2. 데이터 무결성을 보장할 수 있다.
   3. 데이터의 공유를 통한 중복을 제거하고 일관성 있는 정보를 제공받을 수 있다.

1.  

1-2. 개념 데이터 모델링

: 현실 세계를 데이터베이스에 저장 할 수 있는 구조로 표현해 놓은 도구

• 개체-관계 모델(E-R model; Entity-Relationship model)
  • 피터 첸이 제안한 개념적 데이터 모델
  • 대체와 개체 간의 관계를 이용해 현실 세계를 개념적 구조로 표현
  • 핵심 요소
    • 개체(entity)
      • 현실 세계에서 시스템상 필요한 사람이나 사물등
      • 저장할 가치가 있는 중요 데이터를 가지고 있는 사람이나 사물, 개념, 사건 등
      • 다른 개체와 구별되는 이름을 가지고 있고, 각 개체만의 고유한 특성이나 상태, 즉 속성을 하나 이상 가지고 있음
      • E-R 다이어그램에서 사각형으로 표현하고 사각형 안에 이름을 표기
    • 속성(attribute)
      • 개체나 관계가 가지고 있는 고유의 특성
      • 의미 있는 데이터의 가장 작은 논리적 단위
      • E-R 다이어그램에서 타원으로 표현하고 타원 안에 이름을 표기
        • 속성값의 개수
          • 단일값(single-valued attribute)
            • 값을 하나만 가질 수 없는 속성
          • 다중값 속성(multi-valued attribute)
            • 값을 여러 개 가질 수 있는 속성
            • E-R 다이어그램에서 이중 타원으로 표현
        • 의미 분해 가능 여부
          • 단순속성
            • 의미를 더는 분해할 수 없는 속성
          • 복합속성
            • 의미를 분해할 수 있는 속성
        • 유도 속성
          • 기존의 다른 속성의 값에서 유도되어 결정되는 속성
          • E-R 다이어그램에서 점선 타원으로 표현
        • 널 속성
          • 널 값이 허용되는 속성
        • 널(null) 값
          • 아직 결정되지 않거나 모르는 값 또는 존재하지 않는 값
        • 키 속성(key attribute)
          • 각 개체를 식별하는 데 사용되는 속성
          • 모든 개체의 키 속성 값이 다름
          • 둘 이상의 속성들로 구성되기도 함
          • E-R 다이어그램에서 밑줄로 표현
    • 관계(relationship)
      • 개체와 개체가 맺고 있는 의미 있는 연관성
      • 개체 집합들 사이의 대응 관계, 즉 매핑(mapping)을 의미
      • E-R 다이어그램에서 마름모로 표현
        • 관계의 참여 특성
          • 필수적 참여(전체 참여)
            • 모든 개체가 관계에 반드시 참여해야 한다.
            • E-R 다이어그램에서 이중선으로 표현
          • 선택적 참여(부분 참여)
            • 개체 중 일부만 관계에 참여해도 되는 것을 의미
        • 관계의 종속성
          • 약한 개체(weak entity)
            • 다른 개체의 존재 여부에 의존적인 개체
          • 오너 개체(oner entity)
            • 다른 개체의 존재 여부를 결정하는 개체
          • E-R 다이어그램에서 약한 개체는 이중 사각형으로 표현하고 약한 개체가 오너 개체와 맺는 관계는 이중 마름모로 표현
• 개체-관계 다이어그램(E-R diagram)
  • E-R 다이어그램
  • 개체 - 관계 모델을 이용해 현실 세계를 개념적으로 모델링한 결과물을 그림으로 표현한 것

 

 

1-3. 데이터 모델의 3요소

1. 연산 - 데이터를 처리하는 작업
2. 데이터 구조 - 개체와 개체간의 관계
3. 제약조건 - 데이터베이스에 저장될 수 있는 실제 데이터의 논리적인 제약조건

 

 

 

2. 논리 데이터베이스 설계

2-1. 논리 데이터 모델링

• E-R 다이어그램으로 표현된 개념적 구조를 데이터베이스에 저장할 형태로 표현한 논리적 구조
• 사용자가 생각하는 데이터베이스의 모습 또는 구조
• 엔티티(Entity)와 속성(Attribute)들의 관계(Relation)를 구조적으로 정의하는 단계이고 개념모델로부터 업무영역의 업무 데이터 및 규칙을 구체적으로 표현한 모델이다.
• 모든 업무 데이터를 정규화(Normalization)하여 모델링한다.
• 모든 업무 규칙과 관계를 완전하고 정확하게 표현
• 성능 혹은 기타 제약 사항과는 독립적인 모델로서, 특정 DBMS로부터 독립적이다. 
  • 엔티티(Entity): 관리할 대상이 되는 실체
  • 속성(Attribute): 관리할 정보의 구체적 항목
  • 관계(Relationship): 엔터티간의 대응관계
  • 프로세스

 

 

2-2. 논리 데이터 모델의 종류

1. 계층 데이터 모델
   • 트리(tree) 형태
   • 개체 간에 상하 관계가 성립
     • 부모 개체 / 자식 개체
     • 부모와 자식 개체는 일대다 관계만 허용됨
   • 데이터의 삽입, 삭제, 수정, 검색이 쉽지 않음
2. 네트워크 데이터 모델
   • 데이터베이스의 논리적 구조가 그래프 형태임
   • 개체 간에는 일대다 관계만 허용됨
     • 오너 / 멤버
   • 두 개체 사이에 여러 관계를 정의할 수 있음
   • 구조가 복잡하고 데이터의 삽입, 삭제, 수정, 검색이 쉽지 않음
3. 관계 데이터 모델
   • 일반적으로 많이 사용되는 논리적 데이터 모델
   • 데이터베이스의 논리적 구조가 2차원 테이블 형태임
   • 개념적 구조를 논리적 구조로 표현하는 논리적 데이터 모델
   • 하나의 개체에 대한 데이터를 하나의 릴레이션(테이블)에 저장
     • 용어
       • 릴레이션(relation): 하나의 개체에 관한 데이터를 2차원 테이블의 구조로 저장한 것
       • 속성(attribute): 릴레이션의 열, 애트리뷰트
       • 튜플(tuple): 릴레이션의 행
       • 도메인(domain): 하나의 속성이 가질 수 있는 모든 값의 집합
       • 차수(degree): 하나의 릴레이션에서 속성의 전체 개수
       • 카디널리티(Cardinality): 하나의 릴레이션에서 튜플의 전체 개수
     • 릴레이션의 특성
       • 튜플의 유일성
         • 하나의 릴레이션에는 동일한 튜플이 존재할 수 없다.
       • 튜플의 무순서
         • 하나의 릴레이션에서 튜플 사이의 순서는 무의미하다.
       • 속성의 무순서
         • 하나의 릴레이션에서 속성 사이의 순서는 무의미하다.
       • 속성의 원자성
         • 속성 값으로 원자 값만 사용할 수 있다.
   • 관계 데이터 연산
     • 원하는 데이터를 얻기 위해 릴레이션에 필요한 처리 요구를 수행하는 것
       • 관계대수
         • 데이터의 처리 과정을 순서대로 기술
         • 원하는 정보와 그 정보를 어떻게 유도하는가를 기술하는 절차적 정형 언어
           • 일반 집합 연산자
             • 합집합: U 
             • 교집합: ∩
             • 차집합: -
             • 카티션 프로젝트: x (행은 곱하고 열은 더해서 새로운 릴레이션 생성)
           • 순수 관계 연산자
             • 셀렉트: σ (릴레이션 R에서 조건에 만족하는 튜플 반환)
             • 프로젝트: π (릴레이션 R에서 주어진 속성의 값으로 구성된 튜플 반환 )
             • 조인: ⋈ (공통 속성을 이용해 튜플들을 연결)
             • 디비전: R ÷ S(S의 모든 튜플과 관련 있는 R의 튜플 반환)
       • 관계해석
         • 원하는 데이터가 무엇인지만 기술
   • 키(key)
     • 릴레이션에서 튜플들을 유일하게 구별하는 속성 또는 속성들의 집합
     • 키의 특성
       • 유일성(uniqueness)
         • 하나의 릴레이션에서 모든 튜플은 서로 다른 키 값을 가져야 함
       • 최소성(minimality)
         • 꼭 필요한 최소한의 속성들로만 키를 구성
     • 키의 종류
       • 슈퍼키(super key)
         • 유일성을 만족하는 속성 또는 속성들의 집합: 고객아이디, (고객아이디, 고객이름), (고객이름, 주소)
       • 후보키(candidate key)
         • 유일성과 최소성을 만족하는 속성 또는 속성들의 집합: 고객아이디, 고객 전화번호
       • 기본키(primary key)
         • 후보키 중에서 기본적으로 사용하기 위해 선택한 키: 고객아이디
       • 대체키(alternate key)
         • 기본키로 선택되지 못한 후보키: (고객이름, 주소)
       • 외래키(foreign key)
         • 다른 릴레이션의 기본키를 참조하는 속성 또는 속성들의 집합 
     • 무결성 제약조건(integrity constraint)
       • 데이터를 일관된 상태로 유지하기 위한 규칙
       • 무결성: 데이터를 정확하고 유효하게 유지하는 것
     • 개체 무결성 제약조건(entity integrity constraint)
       • 기본키를 구성하는 모든 속성은 널 값을 가질 수 없다는 규칙
     • 참조 무결성 제약조건(referential integrity constraint)
       • 외래키는 참조할 수 없는 값을 가질 수 없다는 규칙
   • 정규화(Normalization)
     1. 정의
        • 중복성을 최소화하고 정보의 일관성을 보정하기 위한 개념
     2. 특징
        • 관계구조가 바람직한지 아니라면 어떻게 분해해야 하는지에 관한 구체적인 판단 기준 제공
        • 정규화된 데이터 모델은 정확성, 일치성, 단순성, 비중복성, 안정성 보장
     3. 정규화 수준에 따른 장단점
        • 정규화 수준이 높을수록
        • 장점
          • 유연한 데이터 구축이 가능
          • 데이터의 정확성이 높아짐
        • 단점
          • 물리적 접근이 복잡
          • 길이가 짧은 데이터 생성으로 과도한 조인 발생
     4. 유형
        1. 제1정규화
           1. 반복되는 속성이나 Group 속성 제거
           2. 새로운 실체와 1:N의 관계 추가
           3. 모든 속성은 반드시 하나의 값을 가져야 함(반복형태X)
        2. 제2정규화
           1. 주식별자에 완전하게 종속되지 않는 속성 제거
           2. 불완전 함수적 종속(Non Fully Dependency) 제거
           3. 모든 속성은 반드시 UID전부에 종속되어야 함(UID일부에만 종속되어서는 안됨) -> 부분적 함수 종속: 기본키가 아닌 다른 속성에 종속
        3. 제3정규화
           1. 비식별자에 종속되는 속성 제거
           2. 주식별자에 이행종속(Transtive Dependency, x를 알면 y를 알고 그를 통해 z를 알 수 있는 경우) 되는 속성 제거
           3. UID가 아닌 모든 속성 간에는 서로 종속될 수 없음(속성간 종속성 배제)
        4. BCNF
           1. 제3정규형이고 모든 결정자가 후보키인 정규형
        5. 제4정규화
           1. BCNF이고 다중값 종속을 제거한 정규형
        6. 제5정규화
           1. 제4정규형이고 조인종속성(테이블을 분해한 결과를 다시 조인했을 때 원래의 테이블과 동일하게 복원되어야 한다는 조건)을 이용한 정규형
   • 이상 현상
     • 삽입 이상(insertion anomaly)
       • 릴레이션에 새 데이터를 삽입하려면 불필요한 데이터도 함께 삽입해야 하는 문제
     • 갱신 이상(update anomaly)
       • 릴레이션의 중복된 튜플들 중 일부만 수정하여 데이터가 불일치하게 되는 모순이 발생하는 문제
     • 삭제 이상(delertion anomaly)
       • 릴레이션에서 튜플을 삭제하면 꼭 필요한 데이터까지 손실되는 연쇄 삭제 현상이 발생하는 문제

 

 

 

3. 물리 데이터베이스 설계

3-1. 물리 데이터 모델링

: 설계 단계에서의 정보 요건을 정확하고 완전하게 표현한 모델

1. 데이터베이스 생성을 위한 물리 구조로 변환한다.
2. 설계와 성능을 고려한 조정을 수행한다.
3. 적용 DBMS에 적합한 성능 조정을 수행한다.

 

3-2. 물리 데이터 모델 설계 순서

1. 엔터티 -> 테이블
   • 한글 엔티티명 -> 영문 테이블명
2. 속성 -> 컬럼
   • 한글 속성명 -> 영문 컬럼명
   • 데이터 타입의 지정
3. 주식별자 -> 기본키, 외래식별자 -> 외래키
4. 관계의 전환
   • 논리적 설계에서 엔터티간의 관계(relationship)는 물리적 설계에서도 그대로 유지
   • 카디널리티, 선택/필수도 그대로 적용됨
5. 칼럼의 유형, 길이 정의
   • CHAR, VARCHAR2, NUMBER, DATE
6. 반정규화 수행
   • 반정규화(Denormalization) = 비정규화
     1. 정의
        • 정규화에 충실하여 모델링을 수행하면 종속성, 활용성은 향상되나 수행속도가 증가하는 경우가 발생하여 이를 극복하기 위해 성능에 중점을 두어 의도적으로 행하는 정규화 원칙 위배 행위를 일컫는다.
     2. 특징
        • 데이터 모델링 규칙에 얽메이지 않고 수행한다.
        • 시스템이 물리적으로 구현되었을 때 성능향상을 목적으로 한다.
     3. 엔터티 통합에 의한 반정규화
        • 두 엔터티를 조인하는데 걸리는 시간을 절약하려는 목적
        • 대부분 조인에 의한 검색을 하고, 검색이 빈번히 이루어지는 두개의 엔터티를 대상으로 한다.

 

 

3-3. 물리 데이터저장소 구성

: 물리 데이터 저장소 설계에 따라 데이터저장소에 실제 데이터가 저장될 물리적 공간을 구성

• 다양한 오브젝트를 설계한다.
  1. 테이블 제약조건 설계
     • : 참조 무결성을 관리하기 위한 제약조건(Constraint)을 정의한다.
     • 참조 무결성: 관련 있는 테이블 사이에 참조하는 외래키값은 항상 참조되는 테이블에 기본키로 존재해야한다.
  2. 인덱스 설계
     • 인덱스는 테이블에 대한 검색 속도를 향상시킬 수 있는 확실한 수단
     • 책 뒤에 붙어 있는 색인과 비슷한 역할
       • 순차적 접근
         • 튜플수가 많아지면 대량의 데이터에 대한 검색 방법으로는 적당하지 않다.
       • 이진 검색
         • 데이터가 정렬되어 있다면 적은 비교횟수로 원하는 튜플을 찾을 수 있다.
         • 그러나 10만개의 튜플에 대해 정렬 상태를 유지하는 것은 매우 많은 비용이 든다.
       • 인덱스로 검색
         • 실제 데이터는 정렬되어 있지 않지만 마치 정렬되어 있는 것과 같은 효과를 얻을 수 있다.
  3. 뷰 설계
     • : 테이블을 기초로 하는 가상(논리) 테이블을 말한다.
     • 뷰 속성
       1. REPLACE: 뷰가 이미 존재하는 경우 재생성
       2. FORCE: 기본 테이블의 존재 여부에 관계 없이 뷰 생성
       3. NOFORCE: 기본 테이블이 존재할 때 만 뷰 생성
       4. WITH CHECK OPTION: Sub-Query 내의 조건을 만족하는 행만 변경
       5. WITH READ ONLY: DML 작업 불가
  4. 클러스터 설계
     • : 지정된 칼럼 값의 순서대로 데이터 행을 저장하는 방법으로, 동일한 성격의 데이터를 같은 클러스터내 저장한다.
     • : 지정된 칼럼 값의 순서대로 데이터 행을 물리적으로 같은 블록에 저장하는 방법으로, 인덱스의 단점을 해결하고 액세스 효율을 향상 시킬 수 있는 방법 
       1. 적용 기준
          1. 분포도가 넓을수록 오히려 유리(인덱스의 단점을 해결)한 기법
          2. 액세스 기법이 아니라 액세스 효율 향상을 위한 물리적 저장 방법
       2. 클러스터 설계시 고려사항
          1. 검색 효율은 높여 주나 입력, 수정, 삭제 시는 부하가 증가함을 고려하여야 한다.
          2. Union, Distinct, Order by, Group by가 빈번한 칼럼이면 고려해 보아야 한다.
          3. 수정이 자주 발생하지 않는 칼럼은 고려 대상이다.
  5. 파티션 설계
     • : 대용량DB는 몇 개의 중요한 트랜잭션 테이블에서 데이터가 증가하므로, 보다 작은 단위로 나눔으로써 성능 저하 방지와 관리의 용이성을 위해 사용하는 기법
     • 파티션 종류
       1. 범위분할(Range Partitioning):지정한 열의 값을 기준으로 분할, 숫자나 날짜 기준
       2. 해시분할(Hash Partitioning): 해시 함수에 따라 데이터를 분할
       3. 조합분할(Composite Partitioning): 범위분할 후, 해시 함수를 적용하여 다시 분할

 

 

 

4. 자료구조

: 자료를 효율적으로 표현하고 저장하고 처리할 수 있도록 정리하는 것

4-1. 선형구조

1. 순차리스트 - 리스트에 나열한 데이터들이 일정한 순서를 가지고 있는 구조
2. 연결리스트 
   • 순서가 매겨진 항목들을 모아놓은 구조 중 하나로 각 데이터를 연결하는 포인터까지 있는 구조
   • 순차 자료구조: 논리적인 순서 = 물리적인 순서
   • 연결 리스트: 논리적인 순서 != 물리적인 순서
3. 스택 - 한 쪽 끝에서만 자료를 넣거나 뺄 수 있는 선형 구조(LIFO - Last In First Out)으로 되어 있다.
4. 큐 - 한쪽 끝으로 자료를 넣고, 반대쪽에서는 자료를 뺄 수 있는 선형구조( (FIFO - First In First Out )
5. 데크 - 삽입과 삭제가 리스트의 양쪽 끝에서 모두 발생할 수 있는 자료구조
6.  

 

 

4-2. 비선형구조

1. 트리
   • 자료 간 계층 관계를 가진 계층형 자료구조
     • 노드(node) - 트리의 원소
       • 간선(edge) - 노드를 연결하는 선
       • 루트 노드(root node) - 트리의 시작 노드
       • 형제 노드(sibling node) - 같은 부모 노드의 자식 노드들
       • 조상 노드 - 간선을 따라 루트 노드까지 이르는 경로에 있는 모든 노드들
       • 서브 트리(subtree) - 부모 노드와 연결된 간선을 끊었을 때 생성되는 트리 
       • 자손 노드 - 서브 트리에 있는 하위 레벨의 노드들
     • 차수(degree)
       • 노드의 차수: 노드에 연결된 자식 노드의 수
       • 트리의 차수: 트리에 있는 노드의 차수 중에서 가장 큰 값
       • 단말 노드(리프 노드): 차수가 0인 노드. 자식 노드가 없는 노드
     • 높이
       • 노드의 높이: 루트에서 노드에 이르는 간선의 수. 노드의 레벨
       • 트리의 높이: 트리에 있는 노드의 높이 중에서 가장 큰 값
   • 이진 트리
     • 트리의 모든 노드의 차수를 2 이하로 제한하여 전체 트리의 차수가 2 이하가 되도록 정의
     • 이진 트리의 모든 노드는 왼쪽 자식 노드와 오른쪽 자식 노드만 가짐
   • 이진 트리 순회
     • 전위 순회(D -> L -> R) PREORDER
     • 중위 순회(L -> D -> R) INORDER
     • 후위 순회(L -> R -> D) POSTFIX
2. 그래프
   • 연결할 객체를 나타내는 정점과 객체를 연결하는 간선의 집합으로 구성
     • 무방향 그래프
       • 두 정점을 연결하는 간선에 방향이 없는 그래프
       • 정점이 n개인 무방향 그래프에서 최대의 간선 수: n(n-1)/2개
     • 방향 그래프
       • 간선에 방향이 있는 그래프
       • 정점이 n개인 방향 그래프의 최대 간선 수: n(n-1)개

 

 

 

 

5. 알고리즘

: 주어진 문제를 논리적으로 해결하기 위해 필요한 절차, 방법, 명령어들을 모아놓은 것

5-1. 정렬

1. Bubble Sort
   • 인접한 2개의 레코드를 비교하여 크기가 순서대로 되어 있지 않으면 서로 교환하는 알고리즘
2. Insertion(삽입) Sort
   • 자료 배열의 모든 요소를 앞에서부터 차례대로 이미 정렬된 배열 부분과 비교하여, 자신의 위치를 찾아 삽입함으로써 정렬을 완성하는 알고리즘
3. Selection(선택) Sort
   • 정렬되지 않은 데이터들에 대해 가장 작은 데이터를 찾아 가장 앞의 데이터와 교환해나가는 방식\
4. Quick Sort
   • 피봇(Pivot)을 기준으로 피벗보다 작은 원소들과 큰 원소들을 각각 피벗의 좌우로 분할한 후, 피벗보다 작은 원소들과 피벗보다 큰 원소들을 각각 순환으로 정렬하는 알고리즘
5. Heap Sort
   • 힙 자료구조를 이용하는 정렬(가장 큰 수를 트리 최상단으로 맨 아래 수와 교환, 배열 읽는 순서 상하좌우)

 

 

5-2.

•  

5-3.