(0과 1의 기록)

3. 데이터 입출력 구현

정보처리기사 정보처리기사요약 데이터입출력구현 데이터모델 데이터베이스 DBMS ERD 정규화 반정규화 인덱스 파티션

논리 데이터 저장소 확인

데이터 모델 :star::star::star:

  • 개념: 현실 세계의 정보를 인간과 컴퓨터가 이해할 수 있도록 추상화한 것.

  • 표시 요소: 연산, 구조, 제약 조건

  • 데이터 모델 절차: 요구사항 분석 → 개념적 설계(개념적 데이터 모델, ERD) → 논리적 설계(논리적 데이터 모델, 정규화) → 물리적 설계(물리적 데이터 모델, 반정규화) 요개논물

논리 데이터 모델 검증 :star::star::star:

  • 논리 데이터 모델링 종류

    • 관계 데이터 모델: 2차원 테이블 형태로 구성

      • 구성 요소: 릴레이션, 튜플, 속성, 카디널리티, 차수, 스키마, 인스턴스

      • 관계 대수: 일반 집합 연산자(합집합, 교집합, 차집합, 카티션 프로덕트 #합교차카), 순수 관계 연산자(셀렉트, 프로젝트, 조인, 디비전 셀프조디)

      • 관계 해석: 관계 대수(절차적 정형 언어)와 반대로 비절차적 언어이다.

      • 속성: 개체(피터 챈 모델: 사각형 / 까마귀발 모델: 표), 속성(피터 챈 모델: 원 / 까마귀발 모델: 표 내부), 관계 개속관

    • 계층 데이터 모델

    • 네트워크 데이터 모델

  • 개체-관계(E-R) 모델

    • 개념: 현실 세계에 존재하는 데이터와 관계를 이해할 수 있는 형태로 가장 널리 사용되고 있는 모델이다.

    • 기호: 개체(□), 관계(◇), 속성(○), 다중 값 속성(◎), 관계-속성 연결(─)

  • 정규화

    • 개념: 데이터의 중복성 제거, 이상 현상을 방지, 데이터 일관성과 정확성 유지, 무손실 분해

      • 이상 현상: 삽입, 삭제, 갱신 이상 삽삭갱

    • 정규화 단계: 1정규형(1NF, 원자화) → 2정규형(2NF, 부분 함수 종속 제거) → 3정규형(3NF, 이행 함수 종속 제거) → 보이스-코드 정규형(BCNF, 결정자 함수 종속 제거) → 4정규형(4NF, 다치 종속 제거) → 5정규형(5NF, 조인 종속 제거) 원부이 결다조

  • 반 정규화

    • 개념: 성능 향상, 개발 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 기법

    • 기법: 테이블(테이블 병합, 테이블 분할, 중복 테이블 추가(집계 테이블 추가, 진행 테이블 추가, 특정 부분만을 포함하는 테이블 추가)), 컬럼(컬럼 중복화), 관계(중복관계 추가) 테병분중 컬중 관중

물리 데이터 저장소 설계

물리 데이터 저장소 설계 :star::star::star:

  • 물리 데이터 모델링

    • 개념: 논리모델을 적용하고자 하는 기술에 맞도록 상세화해가는 과정이다.

    • 변환 절차: 개체를 테이블로 변환 → 속성을 컬럼으로 변환 → UID를 기본키로 변환 →관계를 외래키로 변환 → 컬럼 유형과 길이 정의 → 반 정규화 수행

물리 데이터 저장소 구성 :star:

  • 테이블 제약 조건 설계

    • 참조무결성 제약 조건: 참조하는 외래키의 값은 항상 참조되는 릴레이션에 기본키로 존재해야 한다.

    • 옵션: 제한(Restricted), 연쇄(Cascade), 널 값(Nullify)

  • 인덱스 설계

    • 개념: 검색 연산의 최적화를 위해 열에 대한 정보를 구성한 데이터구조이다.

  • 뷰 설계

    • 속성: REPLACE, FORCE, NOFORCE, WITH CHECK OPTION, WITH READ ONLY

  • 클러스터 설계

    • 적용 기준: 인덱스의 단점을 해결한 기법으로 분포도가 넓을수록 오히려 유리하다.

  • 파티션 설계

    • 종류: 레인지 파티셔닝, 해시 파티셔닝, 리스트 파티셔닝, 컴포지트 파티셔닝, 라운드로빈 파티셔닝 레해리컴라

    • 장점: 성능 향상, 가용성 향상, 백업 가능, 경합감소 성가백합

데이터베이스 기초 활용하기

데이터베이스 종류 :star::star::star:

  • 데이터베이스

    • 개념: 다수의 인원, 시스템이 사용할 목적으로 통합하여 관리되는 데이터의 집합이다.

    • 정의: 통합된 데이터, 저장된 데이터, 운영 데이터, 공용 데이터 통저운공

    • 특성: 실시간 접근성, 계속적인 변화, 동시 공용, 내용 참조

    • 종류: 파일 시스템(ISAM, VSAM), 관계형 데이터베이스 관리시스템(Oracle, SQL Server, MySQL, Maria DB), 계층형 데이터베이스 관리시스템(IMS, System2000), 네트워크 데이터베이스 관리시스템(IDS, IDMS, Database Manegement System)

  • DBMS

    • 개념: 데이터 관리의 복잡성을 해결하는 동시에 데이터 추가, 보안 등 추가 기능을 제공하는 소프트웨어이다.

    • 유형: Key-Value DBMS, Column Family Data Store DBMS, Document Store DBMS, Graph DBMS

    • 특징: 데이터 무결성, 데이터 일관성, 데이터 회복성, 데이터 보안성, 데이터 효율성

  • 데이터베이스 기술 트랜드

    • 빅데이터

      • 개념: 주어진 비용, 시간 내에 처리 가능한 데이터 범위를 넘어서는 수십 페타바이트 크기의 비정형 데이터이다.

      • 특성: 데이터의 양, 데이터의 다양성, 데이터의 속도

      • 수집, 저장, 처리 기술: 비정형/반정형 데이터 수집, 정형 데이터 수집, 분산데이터 저장/처리(HDFS, 맵 리듀스), 분산데이터 베이스

      • 분석, 실시간 처리 및 시각화 주요 기술: 빅데이터 분석, 빅데이터 실시간 처리, 분산 코디네이션, 분석 및 시각화

    • NoSQL

      • 개념: 전통적인 RDBMS와 다른 DBMS를 지칭하기 위한 용어, 고정된 테이블 스키마가 필요없고 조인 연산을 사용하지 않고 수평적으로 확장이 가능하다.

      • 특성: Basically Available, Soft-State, Eventually Consistency

      • 유형: Key-Value Store, Column Family Data Store, Document Store, Graph Store 키컬도그

    • 데이터 마이닝

      • 개념: 대규모 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아내는 기술.

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

      • 주요 기법: 분류 규칙, 연관 규칙, 연속 규칙, 데이터 군집화 분연 연데

Search