728x90
반응형
Index
SQLD 시험이 2024년부터 개정됨에 따라 영진의 이기적 강의 영상을 보고 해당 내용을 추가해 보라색으로 표시하였다. 유튜브에서 영상을 볼 수 있다. (링크)
SQLD 시험에서 10문항이 출제되는 1과목, 데이터 모델링의 이해에 대해 요약해보도록 하겠다. 엄밀히 말하자면, Data On Air의 이론과 Yurimac 블로그의 요약본을 가지고 공부한 내용을 재구성한 것이다. 해당 자료에 관한 정보는 최상단에 있는 이전글을 참고하길 바란다.
2024 SQLD 개정사항
본격적으로 이론을 다루기 전에 2024년도부터 SQLD 시험에 개정된 내용이 있어 정리하고자 한다. 상세 내용은 한국데이터산업진흥원 (링크)에서 볼 수 있다.
- 단답형 문항이 삭제되고 객관식 50문제로 변경.
- SQLD 시험범위 변경. (SQL 최적화 기본 원리 삭제, 정규표현식 추가 등)
1과목에서 10문제, 2과목에서 40문제가 나온다고 한다.
과목1. 데이터 모델링의 이해 - 이론
1장 데이터 모델링의 이해
1절 데이터 모델의 이해
1. 모델링의 이해
- 1) 모델링의 정의
- 복잡한 개념을 일정한 표기법으로 나타내는 것.
- Webster 사전 : a hypothetical or stylized representation | 어떤 것에 대한 예비표현. 최종 타겟이 구축되기 위한 계획으로써 도움을 주는 것.
- 사물 또는 사건에 대한 관점, 양상을 명확히 하는 것.
- 모델 : 현실 세계의 추상화된 반영. (ex. 설계도
바로 위의 2개 표현은 상충되는 듯한 느낌?)
- 2) 모델링의 특징
- 추상화 : (모형화, 가설적) : 복잡한 것을 일정 형식에 따라 표현.
- 단순화 : 난해한 개념을 약속된 표현으로 쉽게 이해할 수 있게 함.
- 명확화 : 누구나 이해할 수 있게 모호함을 배제하는 것.
- 모델링 : 현실의 특정 개념을 추상화, 단순화, 명확화하고자 일정 표기법으로 표현하는 기법
- 정보시스템 구축 : 계획/분석/설계 - 업무 분석 및 설계 → 구축/운영 단계 - 변경과 관리의 목적으로 이용 (데이터 모델링은 계획, 설계뿐만 아니라 구축/운영 시에도 사용됨)
- 3) 모델링의 3가지 관점
- 데이터 관점 What : 업무와 데이터 또는 데이터 간의 관련성.
- 프로세스 관점 How : 실제 업무는 무엇인지 또는 해야 하는 일을 모델링. (업무를 어떻게 처리하는지
이게 왜 How?) - 데이터와 프로세스의 상관 관점 : 작업 방법에 따라 어떤 영향을 받는지 모델링
2. 데이터 모델의 기본 개념
- 1) 데이터 모델링의 정의
- 해당 업무에 무슨 데이터가 있는지 혹은 요구되는지 분석하는 방법.
- 기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무 규칙(Business Rule)에 대하여 참(True) 또는 거짓(False)을 판별할 수 있는 사실(사실명제)을 데이터에 접근하는 방법(How), 사람(Who), 전산화와는 별개의(독립적인) 관점에서 이를 명확하게 표현하는 추상화 기법. (
명확하게 추상화? 이게 무슨 소리?) - 정보시스템 구축을 위한 데이터 관점의 업무 분석 기법.
- 현실의 데이터를 지정된 표기법으로 표현하는 과정.
- DB 구축을 위한 분석과 설계의 과정.
- 2) 데이터 모델의 제공 기능
- 시스템 가시화
- 시스템 구조와 행동 명세화
- 시스템 구축을 위한 구조화된 틀 제공
- 시스템 구축 과정의 문서화
- 타 영역의 세부사항을 배제
- 목표에 따른 상세한 수준의 표현 방법 제공
3. 데이터 모델링의 중요성 및 유의점
- 1) 파급효과 (Leverage) : 진행 단계가 높아질수록 데이터 구조 변경에 따른 부정적 파급효과가 크므로 데이터 설계가 매우 중요.
- 2) 복잡한 정보 요구사항의 간결한 표현 (Conciseness)
- 3) 데이터 품질 (Data Quality)
- 데이터 모델링 주의사항
- 중복 : DB가 여러 위치에 동일한 정보를 저장하는 잘못을 하지 않도록 함. (정규화로 해결)
- 비유연성 : 데이터 모델링은 데이터 또는 프로세스의 미세한 변화가 애플리케이션과 데이터베이스에 초래하는 부정적인 영향을 감소시켜야 함. (사소한 변화에도 설계를 건드려야 하는 상황 최소화)
- 비일관성 : 데이터의 중복이 없더라도 비일관성은 발생. (ex) 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신) 개발자가 다른 데이터와 모순된다는 인식을 하지 못한 채 데이터를 변경할 수 있기 때문. 데이터 모델링을 할 때, 데이터 간의 상호 연관 관계에 대한 명확한 정의는 해당 위험을 사전에 예방함. (데이터 변경 시 이력 데이터 누적 필요)
4. 데이터 모델의 3단계 과정
- 추상화 수준별로 개념적 데이터 모델, 논리적 데이터 모델, 물리적 데이터 모델로 나뉨.
- 개념적 데이터 모델링 (Conceptual Data Modeling) : 추상화 수준이 높고, 업무중심적, 포괄적 수준의 모델링. EA (Enterprise Architecture) 기반 전사적 데이터 모델링. (단순한 설계도) + DBMS 독립적, 결과물로 ERD 생성
- 논리적 데이터 모델링 (Logical Data Modeling) : 엔터티 중심의 상위 데이터 모델 완성 후, 구체화된 업무 중심의 모델을 생성하는 것 (KEY, 속성, 관계 등 정의). 재사용성 높음. (조금 더 구체적인 설계도) + 특정 DMBS에 종속적, 정규화 수행.
- 물리적 데이터 모델링 (Physical Data Modeling) : DB에 이식 가능하게 성능, 저장 등 물리적 성격을 반영하여 설계. (실제 구축 시도)
※ 논리적 모델링 프로세스
- 속성을 모두 입력.
- 각각의 엔터티에서 식별자를 지정. (식별자: 엔터티 내 인스턴스를 유일하게 구분하는 속성의 집합)
- 정규화를 실시해 중복 데이터 제거.
- 관계 설정 (Foreign Key 지정) - 정규화로 나뉜 대상을 연결하기 위해 식별자 대여.
5. 프로젝트 생명주기(Life Cycle)에서의 데이터 모델링
- 폭포수 (Waterfall) : 데이터 모델링의 위치가 분석과 설계단계로 구분되어 명확하게 정의 가능. 구조적 방법론에서는 대개 분석 단계에서 업무중심의 논리적인 데이터 모델링을 수행하고 설계 단계에서 H/W와 성능을 고려한 물리적인 데이터 모델링을 수행.
- 나선형 (RUP (Rational Unified Process) or 마르미) : 업무 규모별로 논리적 데이터 모델과 물리적 데이터 모델이 분석과 설계 단계 양쪽에서 실시. 비중은 분석 단계에서 논리적 데이터 모델이 더 많이 시행됨.
- BUT! 객체지향 개념은 데이터와 프로세스를 동시에 고려하며 모델링을 전개하기에 데이터 모델링과 프로세스 모델링을 구분하지 않고 일체형으로 진행 (ex) 데이터 (속성)와 프로세스 (Method)가 병존하는 클래스(Class))
반응형
6. 데이터 모델링에서 데이터독립성의 이해
- 1) 데이터독립성의 필요성
- 기능화된 구성의 가장 큰 목적 : 상호간 영향에서 벗어나 개별 형식이 가지는 고유의 기능을 유지시키며 극대화하는 것.
- 데이터독립성 ↔ 데이터종속성
- 종속의 주체는 대개 응용(Application)을 가리킴. 응용은 유저의 요구사항을 처리하는 사용자 접점의 인터페이스 오브젝트를 뜻함.
- 데이터독립성 목적 : 유지보수 비용을 절감. 데이터 복잡도를 낮추며 중복 데이터 감소. 사용자 요구사항에 대해 화면과 데이터베이스 간의 독립성을 유지.
- 데이터독립성 효과
- 각 View의 독립성을 유지하고 계층별 View에 영향을 주지 않고 변경 가능.
- 단계별 Schema에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 다름을 제공.
- 2) 데이터 베이스 3단계 구조 : 외부 단계, 개념적 단계, 내부적 단계로 나뉨.
- 3) 데이터 독립성 요소
- 외부 스키마 : view 단계의 여러 사용자 관점으로 이루어짐. 유저가 보는 개인적 DB 스키마. DB의 개별 유저나 프로그래머가 접근 DB 정의. (여러 사용자 각각의 관점)
- 개념 스키마 : 개념 단계 하나의 개념적 스키마로 구성. 전체 사용자 관점을 통합한 조직 전체의 DB를 기술하는 것. DB에 저장되는 데이터 간의 관계 표현. (통합적, 조직 전체의 관점)
- 내부 스키마 : 물리적 장치에서 데이터가 실제로 저장된 방법을 표현. (물리적 저장 구조)
- 데이터 모델링 : 통합관점의 뷰를 가지고 있는 개념 스키마를 만들어가는 과정.
- 스키마 : 데이터베이스의 구조와 제약 조건에 관한 전반적인 명세를 나타낸 메타데이터의 집합
- 4) 데이터 독립성
- 논리적 독립성 : 개념 스키마가 바뀌어도 외부 스키마에는 영향 없도록 지원. 논리적 구조가 변경돼도 응용 프로그램에 영향 없음. | 사용자 특성에 맞게 변경 가능. 통합 구조 변경 가능.
- 물리적 독립성 : 내부 스키마 변경 시, 외부/개념 스키마는 영향 없도록 지원. 저장장치의 구조 변경은 응용 프로그램과 개념 스키마에 영향 없음 | 물리적 구조 영향 없이 개념 구조 변경 가능. (역도 성립.) (ex. 하드디스크 등의 저장공간을 DB에 추가해도 특정 테이블 (엔터티)의 내용이 바뀌지 않음.)
- 5) Mapping (사상, 寫像)
- 의미 : 상호 독립적인 개념을 연결시켜주는 다리.
- 논리적 사상 (외부적/개념적 사상) : 외부적 뷰와 개념적 뷰의 상호관련성 정의.
- 물리적 사상 (개념적/내부적 사상) : 개념적 뷰와 저장된 DB의 상호관련성 정의.
- 데이터독립성을 보장하기 위해서는 사상을 하는 스크립트(DDL)를 DBA가 변경사항이 발생할 때마다 적절하게 처리해야 함.
7. 데이터 모델링의 중요 3요소
- 1) 데이터 모델링의 3요소
- 업무가 관여하는 어떤 것 (Things)
- 어떤 것이 지니는 성격 (Attributes)
- 어떤 것 사이의 관계 (Relationships)
- 상기 3요소는 엔터티, 속성, 관계로 인식됨.
- 2) 단수와 복수 용어
8. 데이터 모델링의 이해관계자
- 1) 이해관계자의 데이터 모델링 중요성 인식
- 실무에서는 데이터베이스를 전문적으로 담당하는 소위 DBA (DataBase Administrator)가 데이터 모델링을 전적으로 커버하지 않고, 업무 시스템을 개발하는 응용시스템 개발자와 데이터 모델링을 함께 함.
- DB 설계 오류 시, 모든 트랜잭션에 악영향.
- Bachmann, "프로그래머는 데이터집합의 탐색자이다."
- 2) 데이터 모델링의 이해관계자
- 정보시스템을 구축하는 모든 인력 (전문 코더 포함)
- 업무에서 정보화를 추진하는 위치에 있는 인력 (전공 불문)
9. ERD의 이해
개념적 데이터 모델링의 결과물!
- 1) 데이터 모델 표기법
- 피터 첸 (Peter Chen) : 1976년, Entity-relationship Model(E-R Model)이라는 표기법 개발.
- ERD : 각 업무분석에서 도출된 엔터티 사이의 관계를 이해하기 쉽도록 도식화된 다이어그램으로 표시하는 방법.
- 엔터티 : 사각형, 관계 : 마름모, 속성 : 타원형.
- DAP 시험에서는 바커 표기법 사용.
- 2) ERD를 이용한 모델링
- 최근에는 전문 데이터 모델링 툴을 활용하여 ERD를 작성하여 엔터티, 속성, 관계 순으로 진행하기 보다는 엔터티 관계를 바로 표현하는 방식으로 진행.
- ERD 작업순서
- ① 엔터티를 그린다.
- ② 엔터티를 적절하게 배치한다. - 중요한 엔터티를 왼쪽 상단에. 일반적으로 사람의 눈은 왼쪽에서 오른쪽, 위 쪽에서 아래쪽으로 이동하는 경향.
- ③ 엔터티 간 관계를 설정한다. - 초기에는 모두 Primary Key로 속성이 상속되는 식별자 관계를 설정.
- ④ 관계명을 기술한다. - 관계이름은 현재형을 사용.
- ⑤ 관계의 참여도를 기술한다. - 관계차수(Cardinality)를 표현. IE표기법으로는 하나(1, One)의 관계는 실선으로, Barker표기법으로는 점선과 실선을 혼합하여 표기.
- ⑥ 관계의 필수여부를 기술한다. - 최소참여 l, 선택참여 0
10. 좋은 데이터 모델의 요소
- 완전성 (Completeness) : 모든 데이터가 데이터 모델에 정의.
- 중복 배제 (Non-Redundancy) : 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록.
- 업무규칙 (Business Rules) : 모든 사용자(개발자, 관리자 등)가 해당 규칙을 바탕으로 동일한 판단을 하고 데이터를 조작.
- 데이터 재사용 (Data Reusability) : 데이터의 통합성과 독립성을 충분히 고려.
- 의사소통 (Communication) : 업무규칙은 데이터 모델에 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현.
- 통합성 (Integration) : 점진적인 확장과 보완으로 정보시스템을 구축해 왔기에 같은 성격의 데이터임에도 전체 조직관점에서 보면 여러 곳에서 동일한 데이터가 존재하기 함. 이를 방지하기 위해서는 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하도록 정의할 수 있어야 함.
참고
SQL 자격검정 실전문제 오답
- 데이터 모델링 유의점
- 중복
- 비유연성 ☞ 데이터의 정의와 사용 프로세스를 분리하여 유연성을 제고해야 함.
- 비일관성
- 2023.02.21 이론 작성
- 2023.03.06 오타 수정 및 오답노트 작성
- 2024.02.16 2024년 개정내용 추가
- 2024.02.20 이기적 강의 영상 내용 추가.
728x90
반응형
'Cerificate > SQLD' 카테고리의 다른 글
| [SQLD] 2과목 1장 SQL 기본 요약 - WHERE (구 DML ~ WHERE절 / 2024 개정사항 반영) (0) | 2023.03.01 |
|---|---|
| [SQLD] 2과목 1장 SQL 기본 요약 - 관계형 데이터베이스, SELECT문 (구 관계형 데이터베이스~DDL / 2024 개정사항 반영) (0) | 2023.02.27 |
| [SQLD] 1과목 2장 데이터 모델과 SQL (구 데이터 모델과 성능 요약 / 2024 개정사항 반영) (0) | 2023.02.25 |
| [SQLD] 1과목 1장 데이터 모델링의 이해 요약 (엔터티~식별자 / 2024 개정사항 반영) (0) | 2023.02.24 |
| [SQLD] 자격증 취득을 위한 계획 수립 및 공부 방법 (2024 SQLD 합격 후기 추가) (0) | 2023.01.29 |
