3. 데이터 입출력 구현

Chapter01 논리 데이터 저장소 확인 (중요도: ★★★)

◆ 데이터 모델(Data Model): 현실 세계의 정보를 인간과 컴퓨터가 이해할 수 있도록 추상화하여 표현한 모델

◆ 데이터 모델 절차: 요구사항 분석 → 개념적 설계 → 논리적 설계 → 물리적 설계

◆ 논리 데이터 모델링: 업무의 모습을 모델링 표기법으로 형상화하여 사람이 이해하기 쉽게 표현하는 프로세스

◆ 논리적 데이터 모델링 종류

• 관계 데이터 모델: 테이블 형태, 1:1, 1:N, N:M
• 계층 데이터 모델: 트리 형태(상하 관계), 1:N
• 네트워크 데이터 모델: 그래프 형태, N:M

◆ 관계 대수: 관계형 데이터베이스에서 원하는 정보와 그 정보를 어떻게 유도하는가를 기술하는 절차적 정형 언어

◆ 관계 대수 연산자 종류

• 일반 집합 연산자
  • 합집합(Union): ∪
  • 교집합(Intersection): ∩
  • 차집합(Difference): －
  • 카티션 프로덕트(CARTESIAN Product): ×
• 순수 관계 연산자
  • 셀렉트(Select): σ
  • 프로젝트(Project): π
  • 조인(Join): ⋈
  • 디비전(Division): ÷

◆ 관계 해석: 튜플 관계해석과 도메인 해석을 하는 비절차적 언어

◆ 논리 데이터 모델링 속성: 개체(Entitiy), 속성(Attributes), 관계(Relationship)

◆ 개체-관계(E-R) 모델: 데이터와 그들간의 관계를 사람이 이해할 수 있는 형태로 표현한 모델

◆ 정규화: 데이터 모델에서 데이터의 중복성을 제거하여 이상 현상을 방지하고, 데이터의 일관성과 정확성을 유지하기 위해 무손실 분해하는 과정

◆ 이상현상(Anomaly): 데이터의 중복성으로 인해 릴레이션을 조작할때 발생하는 비합리적 현상

• 삽입이상: 불필요한 세부정보 입력하는 경우
• 삭제이상: 원치 않는 다른 정보가 같이 삭제되는 경우
• 갱신이상: 특정부분만 수정되어 중복된 값이 모순을 일으키는 경우

◆ 정규화 단계

• 1정규형(1NF): 도메인이 원자값으로 구성
• 2정규형(2NF): 부분함수 종속제거 (완전 함수적 종속을 만족)
• 3정규형(3NF): 이행함수 종속제거
• 보이스-코드 정규형(BCNF): 결정자 후보 키가 아닌 함수 종속 제거
• 4정규형(4NF): 다중 값 종속제거
• 5정규형(5NF): 조인 종속 제거

◆ 반정규화(De-Nomalization): 정규화된 개체, 속성, 관계에 대해 성능향상과 개발운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링 기법

 

Chapter02 물리 데이터 저장소 설계 (중요도: ★★★)

◆ 참조무결성 제약조건: 릴레이션과 릴레이션 사이에 대한 참조의 일관성을 보장하기 위한 조건

• 제한(Restricted): 다른테이블이 삭제할 테이블을 참조 중이면 제거하지 않는 옵션
• 연쇄(Cascade): 참조하는 테이블까지 연쇄적으로 제거하는 옵션
• 널값(Set Null): 참조되는 리레이션에서 튜플을 삭제하고, 참조하는 튜플들의 외래값에 NULL값을 넣는 옶션. / 만약, NOT NULL 명시시 삭제 연산 거절됨.

ALTER TABLE 테이블 ADD 
FOREIGN KEY (외래키) 
REFERENCES 참조테이블(기본키) 
ON DELETE [ RESTRICT | CASCADE | SET NULL ] ;

◆ 인덱스(Index): 데이터 레코드를 빠르게 접근하기 위해 ‘키값, 포인터’ 쌍으로 구성되는 데이터 구조

• 클러스터드 인덱스: 인덱스 키의 순서에 따라 데이터가 정렬되어 저장되는 방식
• 넌클러스터드 인덱스: 인덱스의 키값만 정렬되어 있고 실제 데이터는 정렬되지 않는 방식

◆ 뷰(View): 접근이 허용된 자료만을 제한적으로 보여주기 위해 하나 이상의 기본 테이블로 구성된 가상 테이블

◆ 클러스터(Cluster): 데이터 액세스 효율을 향상시키기 위해 동일한 성격의 데이터를 동일한 데이터 블록에 저장하는 물리적 저장 방법. 클러스터의 분포도가 넓을수록 유리하다.

◆ 파티션(Partition): 대용량의 테이블이나 인덱스를 작은 논리적 단위인 파티션으로 나누는 것

• 범위분할(Range Partitioning): 지정한 열의 값을 기준으로 분할함
• 해시분할(Hash Partitioning): 해시 함수를 적용한 결과 값에 따라 데이터를 분할.
• 리스트분할(List Partitioning): 특정 파티션에 저장 될 데이터에 대한 명시적 제어가 가능한 분할 기법
• 조합분할(Composite Partitioning): 범위,해시,리스트 분할 중 2개의이상의 파티셔닝을 결합하는 방식. 파티션이 너무 클떄 사용

◆ 파티션 장점: 성능 향상, 가용성 향상, 백업 가능, 경합 감소

 

Chapter03 데이터베이스 기초 활용하기 (중요도: ★★★)

◆ 데이터베이스(Database): 다수의 인원, 시스템 또는 프로그램이 사용할 목적으로 통합하여 관리되는 데이터의 집합

◆ 데이터베이스 정의

• 통합된 데이터: 자료의 중복을 배제한 데이터의 모임
• 저장된 데이터: 저장 매체에 저장된 데이터
• 운영 데이터: 조직의 업무를 수행하는 데 필요한 데이터
• 공용 데이터: 여러 애플리케이션, 시스템들이 공동으로 사용하는 데이터

◆ 데이터베이스 특성

• 실시간 접근성: 쿼리에 대하여 실시간 응답이 가능해야 함
• 계속적인 변화: 새로운 데이터의 삽입, 삭제 갱신 으로 항상 최신의 데이터를 유지
• 동시공용: 다수의 사용자가 동시에 같은 내용의 데이터를 이용할 수 있어야함
• 내용참조: 사용자가 요구하는 데이터 내용으로 데이터를 찾음

◆ 데이터베이스 종류

• 파일 시스템(File System): 파일에 이름을 부여하고 저장이나 검색을 위해 논리적으로 그것들을 어디에 위치시켜야 하는지 등을 정의한 뒤 관리하는 데이터베이스 전 단계의 데이터 관리 방식
• 관계형 데이터베이스 시스템(RDBMS): 관계형 모델을 기반
  • 종류: Orcle, SQL Server, MySQL, Mari DB 등
• 계층형 데이터베이스 시스템(HDBMS): 데이터를 상하 종속적인 관계로 계층화화여 관리
  • 종류: IMS, System2000 등
• 네트워크 데이터베이스 관리시스템(NDBMS): 데이터를 네트워크상의 망상 형태로 표현한 데이터 모델
  • 종류: IDS, IDMS 등

◆ DBMS(Database Management System): 데이터 관리의 복잡성을 해결하는 동시에 데이터 추가, 변경, 검색, 삭제 및 백업, 복구, 보안 등의 기능을 지원하는 소프트웨어

◆ DMBS 유형

• 키-값(Key-Value) DBMS: Unique 한 키에 하나의 값을 가지고 있는 형태
• 컬럼 기반 데이터 저장(Column Family Data Store) DMBS: Key안에(Column, Value) 조합으로 된 여러개의 필드를 갖는 DBMS
• 문서 저장(Document Store) DBMS: 값(Value)의 데이터 타입이 문서(Documnet)라는 타입을 사용하는 DBMS
• 그래프(Graph) DBMS: 시맨틱 웹과 온톨로지 분야에서 활용되는 그래프로 데이터를 표현하는 DBMS

◆ DBMS 특징: 무결성, 일관성, 회복성, 보안성, 효율성

◆ 빅 테이터(Big Data): 시스템, 서비스, 조직(회사) 등에서 주어진 비용, 시간 내에 처리 가능한 수십 페타바이트(PB) 크기의 비정형 데이터

• 빅데이터 특성: 데이터의 양, 데이터의 다양성, 데이터의 속도
• 빅데이터 수집, 저장, 처리 기술
  • 비정형/반정형 데이터 수집: 내/외부 정제되지 않은 데이터를 확보하여 수집 및 전송하는 기술
  • 정형 데이터 수집: 내/외부 정제된 대용량 데이터의 수집 및 전송 기술
  • 분산데이터 저장/처리: 대용량 파일의 효과적인 부산 저장 및 분산 처리 기술
  • 분산데이터 베이스: HDFS 칼럼 기반 데이터베이스로 실시간 랜덤 조회 및 업데이트 가능
    • HDFS:대용량 데이터의 집합을 처리하는 응용 프로그램에 적합하도록 설계된 하둡 분산 파일 시스템

◆ NoSQL(Not Only SQL): 데이터 저장에 고정된 테이블 스키마가 필요하지 않고 조인 연산을 사용할 수 없으며, 수평적으로 확장이 가능한 DBMS

• NoSQL 특성
  • Basically Available: 언제든지 데이터 접근 할 수 있는 속성
  • Soft-State: 외부에서 전송된 정보를 통해 결정되는 속성
  • Eventually Consistency: 이관성이 유지되는 속성
• NoSQL 유형
  • Key-Value Store: Unique 한 키에 하나의 값을 가지고 있는 형태
  • Column Family Data Store : Key안에(Column, Value) 조합으로 된 여러개의 필드를 갖는 DB
  • Document Store: 값(Value)의 데이터 타입이 문서(Documnet)라는 타입을 사용하는 DB
  • Graph DBMS: 시맨틱 웹과 온톨로지 분야에서 활용되는 그래프로 데이터를 표현하는 DBMS’
    • 시맨틱 웹: 온톨로지를 활용하여 서비스를 기술하고, 온톨로지의 의미적 상호 운용성을 이용해서 서비스 검색, 조합, 중재 기능을 자동화하는 웹
    • 온톨로지: 실세계에 존재하는 모든 개념들과 개념들의 속성, 그리고 개념들간의 관계 정보를 컴퓨터가 이해할 수 있도록 서술해 놓은 지식베이스

◆ 데이터 마이닝(Data Minning): 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아내는 기술

◆ 데이터 마이닝 절차: 목적 설정 → 데이터 준비 → 가공 → 마이닝 기법 적용 → 정보 검증

◆ 데이터 마이닝 주요 기법

• 분류 규칙: 과거 데이터로를 토대로 새로운 레코드의 결과 값을 예측하는 기법
• 연과 규칙: 데이터 안에 항목들 간의 종속관계를 찾아내는 기법
• 연속 규칙: 연관 규칙에 시간 관련 정보가 포함된 형태의 기법
• 데이터 군집화: 대상 레코드들을 유사한 특성을 지닌 몇 개의 소그룹으로 분할하는 작업