패스트캠퍼스 환급챌린지 38일차 : 한 번에 끝내는 컴퓨터 공학 & 인공지능 복수전공 초격차 패키지 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

CH 3. 데이터베이스 모델링 - 데이터 모델링 문제 및 해소

 

데이터베이스 모델링: 문제점과 해결 방안에 대한 심층적 고찰

데이터베이스 모델링은 정보 시스템의 데이터 구조와 관계를 분석하고 설계하는 방법이다. 이 과정은 비즈니스 요구사항을 데이터베이스에 적합한 구조로 변환하는 일련의 과정이다. 데이터 모델링은 데이터의 논리적 구조를 정의하며, 이 과정에서 발생하는 다양한 문제들을 해결하는 것이 안정적인 시스템을 구축하는 데 핵심적인 요소이다.

1. 데이터 모델링의 문제점: 잘못된 관계와 불완전한 표현

데이터 모델링 과정에서 발생하는 문제점은 크게 엔티티(Entity)와 관계(Relationship)의 정의 오류에서 비롯된다.

1.1. 잘못된 관계의 문제

• 두 엔티티 간의 다대다(N:M) 관계: 데이터베이스에서는 두 테이블 간에 다대다 관계를 직접 표현할 수 없다. 이러한 관계를 그대로 두면 데이터의 중복이 발생하고 무결성이 깨지기 쉽다.
• 불필요한 관계: 엔티티 간에 불필요하거나 중복되는 관계를 설정하면 모델이 복잡해지고, 데이터 관리의 효율성이 떨어진다.

1.2. 불완전한 표현의 문제

• 속성 누락: 비즈니스 업무에 필수적인 속성이 누락되면, 해당 엔티티가 완전한 정보를 담지 못하게 된다.
• 부적절한 데이터 타입: 속성의 데이터 타입을 잘못 지정하면, 데이터의 유효성과 무결성을 보장하기 어렵다.
• 복합 키의 부적절한 사용: 여러 속성을 묶어 기본 키(Primary Key)로 사용하는 복합 키(Composite Key)가 지나치게 많아지면 모델의 복잡성이 증가하고, 외래 키(Foreign Key)로 참조할 때도 어려움이 생긴다.

2. 데이터 모델링 문제점 해결 방안

잘못된 데이터 모델은 시스템의 유지보수성을 저해하고 성능 문제를 야기할 수 있다. 따라서 다음과 같은 해결 방안을 통해 모델의 완성도를 높여야 한다.

2.1. 관계의 재정의

• 다대다(N:M) 관계 해소: 다대다 관계를 가진 두 엔티티 사이에 연결 엔티티(Link Entity) 또는 교차 엔티티(Junction Entity)를 추가하여, 두 개의 일대다(1:N) 관계로 분해한다. 예를 들어, '학생'과 '강의' 엔티티의 다대다 관계는 '수강신청'이라는 연결 엔티티를 통해 해소할 수 있다.
• 관계의 명확화: 엔티티 간의 관계가 왜 필요한지, 관계의 성격은 무엇인지 명확하게 정의하여 불필요한 관계를 제거한다.

2.2. 엔티티와 속성 재구성

• 적절한 엔티티 분해: 엔티티가 너무 많은 속성을 가지거나, 여러 개의 독립적인 정보 덩어리를 포함하고 있다면, 이를 여러 개의 엔티티로 분해하여 단일 책임 원칙(Single Responsibility Principle)을 적용한다.
• 속성의 원자화: 복합 속성을 단일 속성으로 분해하고, 다중 값 속성을 별도의 엔티티로 분리하여 정규화(Normalization)를 진행한다.
• 식별자의 재설정: 복합 키가 너무 복잡할 경우, 의미가 없는 대리 키(Surrogate Key)를 도입하여 기본 키를 단순화할 수 있다.

2.3. 무결성 제약조건의 강화

• 널(NULL) 값 방지: NOT NULL 제약조건을 사용하여 필수 속성의 누락을 방지한다.
• 유효한 값 범위 설정: CHECK 제약조건을 사용하여 속성 값이 특정 범위를 벗어나지 않도록 한다.
• 참조 무결성 강화: 외래 키에 ON DELETE CASCADE 또는 ON UPDATE CASCADE 옵션을 설정하여, 부모 엔티티의 변경이 자식 엔티티에 자동으로 반영되도록 한다.

3. 데이터 모델링의 이상적인 목표

데이터 모델링은 단순히 테이블과 열을 그리는 작업이 아니다. 이는 비즈니스 로직을 정확하게 반영하고, 데이터의 일관성을 유지하며, 시스템의 유연성과 확장성을 확보하는 과정이다.

• 완전성(Completeness): 비즈니스 업무에 필요한 모든 데이터가 모델에 포함되어 있어야 한다.
• 정확성(Correctness): 데이터의 표현이 실제 업무의 요구사항과 일치해야 한다.
• 일관성(Consistency): 데이터 모델의 모든 부분에서 데이터의 정의와 관계가 모순 없이 일관되어야 한다.
• 유연성(Flexibility): 비즈니스 요구사항의 변화에 쉽게 적응할 수 있어야 한다.

이러한 목표를 달성하기 위해 데이터 모델링은 개발 초기 단계부터 비즈니스 전문가와 기술 전문가가 함께 참여하여 지속적으로 검증하고 개선해 나가야 하는 과정이다.

 

https://fastcampus.info/4n8ztzq

(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스