[Database] 데이터 모델링

 

데이터 모델링data modeling

현실 세계에 존재하는 데이터를 추상화를 통해 컴퓨터 세계의 데이터베이스로 옮기는 변환 과정

​

데이터 모델링에는 개념적 모델링과 논리적 모델링 2가지로 나뉘며,

일반적으로 명확하게 구분하지는 않고 합쳐서 데이터 모델링이라고 표현을 합니다.

​

추상화​abstraction

현실 세계의 수많은 데이터 중 필요한 데이터를 뽑아내는 작업

​

현실세계의 수 많은 데이터들이 있습니다.

이러한 데이터들을 추상화하여 개념 세계로 옮기는 작업을 개념적 모델링라고 하며,

개념 세계의 데이터를 데이터베이스에 저장할 구조를 결정하고 표현하는 작업을 논리적 모델링이라고 합니다.

---

데이터 모델링은 선택 기준, 표현방법 등 쉽게 할수 있는 것이 아닙니다.

이러한 데이터 모델링을 쉽게 도와주는 도구가 데이터 모델입니다.

​

데이터 모델data model

데이터 모델링의 결과물을 표현하는 도구로 데이터 구조, 연산, 제약조건으로 구성되어 있으며,

개념적 데이터 모델과 논리적 데이터 모델이 있습니다.

​

개념적 데이터 모델은 현실 세계의 정보를 개념적 모델링하여 데이터베이스의 개념적 구조로 표현하는 도구이며,

논리적 데이터 모델은 개념적 구조를 논리적 모델링하여 데이터베이스의 논리적 구조로 표현하는 도구입니다.

---

보통 개념적 데이터 모델링과 논리적 데이터 모델링을 통틀어 데이터베이스 설계라고 합니다.

​

데이터 모델링 과정을 통해 논리적 구조가 결정되면,

저장장치에 저장되는 형태인 물리적 구조로 변환하는 작업을 통해 최종적으로 컴퓨터 속에 저장을 하게 됩니다.

---

개념적 데이터 모델에서 대표적으로 많이 사용되는 것이 개체-관계 모델이며

개체-관계모델을 이용해 모델링하여 그림으로 표현한 것이 개체-관계 다이어그램(E-R 다이어그램)입니다.

​

개체 관계 모델E-R Model; Entity-Relationship Model

피터 첸이 1976년 제안한 것으로, 개채와 개체 간의 관계를 이용해 현실 세계를 개념적 구조로 표현한 것

​

개체 관계 모델을 제대로 활용하기 위해선 개체, 속성, 관계를 이해해야한다.

​

개체entitiy

현실 세계에서 조직을 운영하는 데 꼭 필요한 사람이나 사물과 같이 구별되는 모든 것(가치 있는 데이터)을 의미

개체 타입 : 개체를 고유의 이름과 속성들로 정의한 것

개체 인스턴스 : 개체를 구성하고 있는 속성이 실제 값을 가짐으로써 실체화된 개체

개체 집합 : 특정 개체 타입에 대한 개체 인스턴스를 모아 놓은 것 (논리적 : 개체, 물리적 : 테이블)

​

속성attribute

개체가 가지고 있는 고유의 특성, 일반적으로 의미 있는 데이터의 가장 작은 논리적 단위

값에 따른 속성 : 특정 개체를 구성하는 속성의 값, (1개이면 단일 값 속성, 여러 개이면 다중 값 속성)

의미에 따른 속성 : 의미를 더는 분해할 수 없는 경우 단순 속성

의미를 분해할 수 있어 값이 여러 개일 경우 복합 속성

유도 속성 : 값이 별도로 저장되는 것이 아니라 기존의 다른 속성 값(저장 속성)에서 유도되어 결정되는 속성

널 속성 : 널 값(아직 결정되지 않았거나 모르는 값)이 허용되는 속성

키 속성 : 개체를 구성하는 속성들 중에서 특별한 역할을 하는 속성 (ex. 고객 아이디)

​

관계relationship

개체와 개체가 맺고 있는 의미 있는 연관성으로, 개체 집합들 사이의 대응관계 = 매핑)을 의미

관계 유형) 매핑 원소의 수, 즉 매핑 카디널리티로 나뉜다. (1:1, 1:n, n:n)

관계의 참여 특성) 개체가 관계에 선택 참여하는지, 필수 참여인지 구분하는 것

관계의 종속성) 다른 개체의 존재 여부에 의존적인 개체를 약한 개체

다른 개체의 존재 여부를 결정하는 개체를 강한 개체

---

논리적인 데이터 모델은 E-R 다이어그램으로 표현된 개념적인 구조를 데이터베이스에 표현하는 형태이며,

일반적으로 많이 사용되는 모델은 관계 데이터 모델로 데이베이스의 논리적 구조가 2차원 테이블 형태입니다.

​

관계 데이터 모델이 제안되기 전에는 계층 데이터 모델과 네트워크 데이터 모델이 주로 사용되었다.

두 모델의 경우 1:n관계만 직접 표현이 가능하며 n:n관계는 두 개체 사이의 1:n 관계를 이용하여 표현한다.

​

계층 데이터 모델

데이터베이스의 논리적 구조가 트리 형태이며, 루트 역할을 하는 개체가 존재하고 사이클이 존재하지 않는다.

개체 관계를 링크로 나타내며, 두 개체 사이에 관계를 하나만 정의할 수 있어 관계에 이름을 붙여 구별하지 않는다.

상위 개체를 부모 개체, 하위 개체를 자식 개체라고 표현하기도 하며, 부모 자식 관계라 한다.

단점) 관계 정의 시 여러 제약이 존재하므로 논리적 모델링을 자연스럽게 하기 힘들며,

데이터의 조작 기능(C, R, U, D)이 쉽지 않다.

​

네트워크 데이터 모델

데이터베이스의 논리적 구조가 그래프 또는 네트워크 형태

개체 관계를 화살표로 나타내며, 두 개체 사이에 관계를 여러 개 정의할 수 있어 관계를 이름으로 구별한다.

일대다 관계에서 각각 오너와 멤버라 부르고, 오너-멤버 관계라 한다.

장점) 같은 개체들 사이의 관계를 두 개 이상 표현할 수 있어 계층 데이터 모델보다 논리적 모델링이 자연스럽다.

단점) 계층 데이터 모델보다 구조가 훨씬 복잡해질 수 있고, 데이터의 조작 기능(C, R, U, D)이 더 어려워진다.