DB 설계

관계형 데이터베이스

구조화된 데이터는 하나의 테이블로 표현할 수 있다. 사전에 미리 정의된 테이블을 Relation이라고 하기 때문에 테이블을 사용하는 DB를 관계형 데이터베이스 (Relation database)라고 한다.

자주 쓰이는 용어들은 다음과 같다.

• Data: 각 항목에 저장되는 값
• Table / Relation: 사전에 미리 정의된 column의 데이터 타입대로 작성된 데이터가 row에 저장된다.
• Column (field) : 테이블의 한 열
• Record (tuple) : 테이블의 한 행에 저장된 데이터
• Key : 각 레코드를 구분할 수 있는 값 - 레코드마다 고유의 값을 갖는다 - Key는 아래의 2가지로 나뉜다.
  • Primary Key (PK - 기본키) 
  • Foreign Key (FK - 외래키)

 

관계의 종류

많이 헷갈리지만 객체지향의 상속과 비슷한 느낌인 것 같다. 어느 쪽이 PK로 잡히는지, FK로 잡히는지 잘 확인해야 한다.

One-to-One 

하나의 레코드가 다른 테이블의 레코드 한 개와 연결된 경우 

https://www3.ntu.edu.sg/home/ehchua/programming/sql/Relational_Database_Design.html

한 상품의 정보는 해당 상품으로만 연결되어있다. (예 - A상품과 A상품 정보)  이때 productID는 각각 PK로 지정된다.  

One-to-Many 

하나의 레코드가 서로 다른 여러 개의 레코드와 연결된 경우

https://www3.ntu.edu.sg/home/ehchua/programming/sql/Relational_Database_Design.html

여기에서 Teachers는 상위 테이블이고 Classes는 하위 테이블의 관계가 된다. Classes.teacherID는 Foreign Key, Teachers.teacherID 는 Primary Key로 설정된다. 

선생님은 0개 이상의 수업을 가르칠 수 있고, 수업은 하나의 선생이 맡아 가르친다.

 

Many-to-Many

여러 개의 레코드가 다른 테이블의 여러 개의 레코드와 관계가 있는 경우 

다대다 관계를 위한 스키마를 디자인할 때에는 Join 테이블을 만들어 관리한다. 1:N 관계와 비슷하지만 양 방향에서 여러 개의 레코드를 저장할 수 있다.

주문과 상품의 관계에서, 여러개의 주문은 여러 상품을 담을 수 있고, 여러 상품도 여러개의 주문에 담길 수 있다. 아래의 예시는 여러 학생은 여러 수업을 등록할 수 있고, 여러 수업도 여러 학생에 의해 선택될 수 있다. 

https://fmhelp.filemaker.com/help/18/fmp/en/index.html#page/FMP_Help/many-to-many-relationships.html

 

자기 참조 관계

Self-Referencing Relationship (자기 참조 관계)는 한 테이블 안에서의 관계를 나타낼 때 사용한다. (한 column에서 같은 테이블의 다른 column 참조한다던가) 

https://blog.devart.com/types-of-relationships-in-sql-server-database.html

예를 들어, Staff테이블에는 회사의 사원과 매니저의 정보가 들어있다. 하지만 매니저 또한 사원에 포함되고 있으므로 자기 참조의 관계가 된다. 

---

DB 정규화

데이터베이스 정규화 (Database Nomalization)은 DB의 설계와 연관되어 있다. DB를 설계한다는 것은 데이터가 어떻게 저장될지에 대한 구조를 설계한다는 뜻과 같다. 

DB의 정규화를 위해서는 아래 3개의 요소가 중요하다. 

• Data Redundancy (데이터 중복)
  • 데이터 중복은 실제 데이터와 동일한 복사본이거나 부분적 복사본을 뜻한다. 중복인 데이터가 있기에 복구할 때 수월할 것 같지만 다음과 같은 문제점을 지닌다.
    
    • 일관적인 자료 처리의 어려움
    • 저장 공간 낭비
    • 데이터의 효율성 감소

 

• Data Integrity (데이터 무결성)
  • 데이터 무결성은 데이터의 Life-Cycle 동안 정확성과 일관성을 유지하는 것을 의미한다.
  • 입력된 데이터가 변질되지 않고 그대로 같은 상태로 사용 가능해야 한다. 

 

• Anomaly (데이터 이상 현상) 
  • 데이터 이상 현상은 데이터에서 기대한 결과와 다른 이상 현상을 의미한다.
     
    1. Update anomaly
       • 동일한 데이터가 여러 레코드에 걸쳐 있을 때 어느 데이터를 갱신해야 하는지에 대한 논리적인 일관성의 부재로 일어난다.  
         
         
    2. Insertion anomaly 
       • 데이터를 삽입할 수 없는 경우
    3. Deletion anomaly
       • 데이터의 특정 부분을 삭제할 때 의도하지 않은 다른 부분까지 함께 지워지는 것

---

추가 자료 (CAP/PACELC)

 

 

PACELC theorem - Wikipedia