SQLD 데이터 모델과 성능

2022-08-21-SQLD-데이터-모델과-성능

목차

01.성능 데이터 모델링

01.1 성능모니터링 수행 절차

01.2 성능 데이터 모델링시 고려사항

02.원자성을 위배한 경우

03.반정규화 고려사항

03.1 반정규화의 기법

05.칼럼수가 많은 테이블

06.파티셔닝

07.슈퍼-서브타입 데이터 모델

08.인덱스 엑세스 범위 좁히는 방법

09.데이터 모델에 표현된 FK(Foreign Key)

10.Global Single Instance(GSI)

01.성능 데이터 모델링

• 데이터의 증가가 빠를수록 성능저하에 따른 성능개선비용은 증가
• 데이터모델은 성능을 튜닝하면서 변경이 될 수 있는 특징이 있음
• 분석/설계 단계에서 성능 데이터 모델링시 성능 저하에 따른 Rework 비용을 최소화 기회 가짐

01.1 성능모니터링 수행 절차

• 1.데이터모델링을 할 때 정규화를 정확하게 수행
• 2.데이터베이스 용량산정을 수행
• 3.데이터베이스에 발생되는 트랜잭션의 유형을 파악
• 4.용량과 트랜잭션의 유형에 따라 반정규화 수행
• 5.이력모델의 조정, PK/ FK조정, 슈퍼타입/ 서브타입 조정 등을 수행

• 6.성능관점에서 데이터모델을 검증

  • 정규화 -> 용량산정 -> 트랜잭션 유형 파악 -> 반정규화 -> PK/ FK , 슈퍼/ 서브 -> 데이터 모델 검증

01.2 성능 데이터 모델링시 고려사항

• 정규화가 항상 조회 성능을 저하시키는것은 잘못된것
• 기본적으로 중복된 데이터를 제거함으로써 조회성능을 향상시킬 수 있음을 알기

02.원자성을 위배한 경우

• 칼럼에 의한 반복적인 속성값을 갖는 형태는

  • 속성의 원자성을 위배한 제1차 정규화 대상이 됨
  • 반복적인 속성 나열 형태는 각 속성에 대해서 or 연산자로 연결됨
  • 이 경우 어느 하나라도 인덱스로 정의되어 있지 않으면 전체 데이터 스캔해야해서 성능저하 야기

  • 반복 속성에 인덱스 생성하면 검색속도는 좋아지나 변경되는 경우 성능 저하 문제

    • 그냥 1차정규화를 통해 자연스럽게 처리하는것이 좋음

• PK에 대해 반복되는 그룹이 존재하지 않아 1차정규형

  • 부분 함수 종속의 규칙을 가지고 있으므로 2차정규형이라고 할 수 없음
  • 즉, 2차정규화의 대상이 되는 엔터티임

03.반정규화 고려사항

• 반정규화 정보에 대한 재현의 적시성으로 판단

  • 예를 들어 빌링의 잔액은 다수 테이블에 대한 다량의 조인이 불가피하므로
  • 데이터 제공의 적시성 확보를 위한 필수 반정규화 대상 정보임
• 하나의 결과셋을 추출하기 위해 다량의 데이터를 탐색하는 처리가 반복적으로 빈번하게 발생하는 경우

03.1 반정규화의 기법

• 테이블, 속성, 관계에 대해서 적용

  • 하나의 테이블의 전체 칼럼 중 자주 이용하는 집중화된 칼럼들이 있을 때
  • 디스크 I/O를 줄이기 위해 해당 칼럼들을 별도로 모아놓은 반 정규화 기법

  • 테이블 추가 반정규화 기법중

    • 부분 테이블 추가에 해당

  

05.칼럼수가 많은 테이블

• 로우체이닝이 발생할 정도로 한 테이블에 많은 칼럼이 존재할 경우 조회 성능 저하 발생
• 트랜젝션이 접근하는 칼럼유형을 분석하여 1:1로 테이블을 분리하면 디스크 I/O가 줄어서 조회 성능을 향상 시킬 수 있음

06.파티셔닝

• 하나의 테이블에 많은 양의 데이터가 저장되면 인덱스를 추가하고 테이블을 몇개로 쪼개도 성능저하되는 경우 있음

  • 이때 논리적으로 하나의 테이블이지만 물리적으로 여러 개의 테이블로 분리하여 데이터 액세스 성능도 향상시키고, 데이터 관리방법도 개선할 수 있도록 테이블에 적용하는 기법

07.슈퍼-서브타입 데이터 모델

• 트랜잭션은

  • 항상 전체를 통합하여 분석처리하는데
  • 슈퍼-서브타입이 하나의 테이블로 통합되어 있으면 하나의 테이블에 집적된 데이터만 읽어 처리할 수 있기 때문에 다른 형식에 비해 더 성능이 우수(조인 감소)
  • 항상 전체를 대상으로 일괄 처리하는데
  • 테이블은 서브타입별로 개별 유지하는 것으로 변환하면 Union연산에 의해 성능이 저하될 수 있음
  • 항상 서브타입 개별로 처리하는데
  • 테이블은 하나로 통합하여 변환하면 불필요하게 많은 양의 데이터가 집적되어 있어 성능이 저하될 수 있음
  • 항상 슈퍼+서브 타입을 함께 처리하는데
  • 개별로 유지하면 조인에 의해 성능이 저하 될 수 있음

08.인덱스 엑세스 범위 좁히는 방법

• 인덱스 값의 범위에 따라 일정하게 정렬이 되어 있으므로 상수값으로 EQUAL 조건으로 조회되는 칼럼이 가장 앞으로 나오고 범위조회 하는 유형의 칼럼이 그 다음에 오도록 하는 것

09.데이터 모델에 표현된 FK(Foreign Key)

• 데이터 모델 상에 표현된 논리적 관계에 따라 관련 인스턴스 간에 일관성을 보장하기 위해 설계된 제약조건을 구현할 수 있도록 DBMS가 제공해주는 하나의 지원기능으로 이해될 수 있음

10.Global Single Instance(GSI)

• 통합된 한 개의 인스턴스

  • 즉, 통합 데이터베이스 구조를 의미하므로 분산데이터 베이스와 대치되는 개념

• 공통코드, 기준정보 등과 같은 마스터 데이터를 한 곳에 두고 운영하는 경우

  • 원격지에서의 접근이 빈번할수록 실시간 업무처리에 대해 좋은 성능을 얻기 어려울 수 있기 때문에 분산 환경에 복제분산을 하는 방법으로 분산데이터베이스를 구성할 수 있음
  • 또한, 백업사이트 구성에 대해서도 분산 환경으로 구성하여 적용할 수 있음