SQLD) 데이터베이스 구조와 성능

1. 대용량 데이터에 따른 성능

• 테이블 반정규화 중 테이블 분할 관련 내용
• 블록 : 테이블의 데이터 저장 단위
• 대량 데이터 발생으로 인해 발생하는 현상
  • 블록 입출력 횟수가 증가 → 디스크 입출력 횟수 증가 → 성능 저하
  • row chaining : 행 길이가 너무 길어 여러 블록에 걸쳐 저장되는 형상
  • row migration : 수정된 데이터가 해당 블록이 아닌 다른 블록의 빈 공간에 저장되는 현상
• 테이블 분할은 블록, 디스크 입출력을 감소시킴
• Partitioning
  • 테이블 수평 분할 기법 (레코드, 행 기준)
  • 논리적으로는 하나의 테이블이지만 물리적으로 여러 데이터 파일에 분산 저장
  • 데이터 조회 범위를 줄여 성능을 향상시킴
  • 종류
    1. range partition : 데이터 값의 범위를 기준으로 분할
    2. list partition : 특정 값을 기준으로 분할
    3. hash partition : 해시 함수를 적용하여 분할, DBMS가 알아서분할 관리, 데이터 위치를 알 수 없음
    4. composite partition : 여러 파티션 기법을 복합적으로 사용하여 분할
• Partition Index
  • global index : 여러 파티션에서 사용하는 단일 인덱스
  • local index : 파티션 별로 각자 인덱스 사용
  • prefixed index : 파티션키 = 인덱스키
  • non-prefixed index : 파티션 키 ≠ 인덱스 키

2. 슈퍼타입/서브타입 데이터 모델 변환을 통한 성능 향상

• 슈퍼타입/서브타입 데이터 모델
  • 속성을 할당하여 배치하는 수평 분할된 형태의 모델
  • 공통 속성은 슈퍼 타입으로 모델링
  • 공통 속성으로부터 상속받아 다른 엔티티와 차이가 있는 속성은 별도의 서브타입으로 모델링
  • 변환을 통해 정확하게 업무를 표현할 수 있고, 물리적 모델링 시 선택의 폭을 넓힐 수 있음
  • 분석 단계, 논리적 모델링 단계에서 이용되는 형태
• 설계 단계, 물리적 모델링 단계에서 슈퍼타입, 서브타입을 각각 일정한 기준에 의해 변환해야 함
• 데이터의 양과 트랜잭션 특성을 고려해서 변환해야 성능 저하가 발생하지 않음
  • 트랜잭션은 항상 일괄로 처리하는데 테이블이 개별적으로 유지되면 union 연산에 의해 성능이 저하될 수 있음
  • 트랜잭션은 항상 서브타입 개별로 처리하는데 테이블은 하나로 통합되어 있어 불필요하게 많은 양의 데이터를 스캔해야돼서 성능이 저하될 수 있음
  • 트랜잭션은 항상 슈퍼 + 서브 타입을 공통으로 처리하는데 개별로 유지되어 있거나 하나의 테이블로 집약되어 있으면 성능이 저하될 수 있음
• 변환 기술
   
  1. 1:1 타입 (OneToOne type)
     • 개별로 처리하는 트랜잭션에 대해 개별 테이블을 구성
     • 슈퍼타입과 서브타입 각각 필요한 속성과 유형에 적절한 데이터만 가지도록 분리하여 1:1 관계를 갖도록 함
     • ex) 특정 정보에서 한 레벨 더 들어가야 세부 정보를 보여주는 경우
  2. 슈퍼 + 서브 타입 (Plus type)
     • 슈퍼 타입과 서브 타입을 공통으로 처리하는 트랜잭션에 대해 슈퍼타입과 서브 타입 각각의 테이블 구성
  3. All in one 타입 (Single type)
     • 일괄 처리하는 트랜잭션에 대해 단일 테이블 구성
     • 불필요한 조인, union all 과 같은 연산이 줄어듬

 

3. PK/FK 칼럼 순서 조절을 통한 성능 향상

• 등호 조건이나 BETWEEN 조건이 걸리는 칼럼을 앞으로 이동시킴
• 여러 조건이 있을 경우 등호 조건이 걸리는 컬럼을 선두로
• 그래야 조건절로 앞에서부터 데이터를 필터링하고 그걸로 조회해서 성능이 좋아짐
• 예제

4. 인덱스 특성을 고려한 PK/FK DB 성능 향상

• 물리적 테이블에 FK 제약을 걸어 인덱스 생성

5. 분산 DB 데이터에 따른 성능

• 분산 DB
  • 분산된 데이터베이스를 하나의 가상 시스템으로 사용할 수 있게 한 데이터베이스
  • 물리적 위치를 분산되어 있으나 논리적으로는 통합된 하나의 시스템
  • 과거에는 위치 중심으로 설계
  • 현재는 업무 필요에 따라 설계
• 설계 방식
  1. 상향식 : 지역 스키마 작성 후 전역 스키마 작성
  2. 하향식 : 전역 스키마 작성 후 지역 스키마 작성
• 장점
  • 신뢰성, 가용성 증가
  • 빠른 응답 속도와 통신 비용 절감
  • 용량 확장 용이
• 단점
  • 관지 및 통제의 어려움
  • 데이터 무결성 관리의 어려움
  • 소프트웨어 개발 비용 및 처리 비용 증가
  • 불규칙한 응답 속도
• 분산 DB의 투명성
  1. 분할 투명성 : 하나의 논리적 관계가 분할되어 각 단편의 사본이 여러 사이트에 저장됨
  2. 위치 투명성 : 사용하려는 데이터의 저장 장소가 명시되지 않아도 됨
  3. 지역 사상 투명성 : 지역 DBMS와 물리적 DB 사이의 사상이 보장됨
  4. 중복 투명성 : DB 객체 중복 여부를 몰라도 됨
  5. 장애 투명성 : 구성요소의 장애에 무관하게 트랜잭션의 원자성이 유지됨
  6. 병행 투명성 : 다수의 트랜잭션을 동시에 수행했을 때 결과의 일관성이 유지됨 (병렬 X)
• 분산 DB 적용 기법
  1. 테이블 위치 분산 : 설계된 테이블의 위치를 분산
  2. 테이블 분할 분산 Table Fragmentation : 테이블을 쪼개서 분산
     • 수평 분할
     • 수직분할
  3. 테이블 복제 분산 Table Replication : 동일한 테이블을 다른 지역이나 서버에서 동시 생성, 원격지 조인을 내부 조인으로 변경하여 성능 향상
     • 실시간 처리보다는 야간에 배치 작업에 의해 수행되는 경우가 많음
     • 부분 복제 Segment replication :
       • 통합된 테이블을 한군데에 가지고 있으면서 지사별로 지사에 해당된 로우를 가지고 잇는 형태 (본사의 데이터 = 지사 데이터의 합)
       • 지사간 데이터 중복은 없으나 본사와 지사간 데이터 중복은 발생
       • 실제 프로젝트에서 많이 사용하고 있는 분산 기법
     • 광역 복제 Broadcast replication
       • 통합된 테이블을 한군데에 가지고 있으면서 지사도 본사와 동일한 데이터를 모두 가지고 있는 형태 ( 본사 데이터 = 지사 데이터)
  4. 테이블 요약 분산 Table Summarization
     • 분석 요약 : 사이트별 요약 정보를 본사에서 통합하여 전체 요약 정보 산출
     • 통합 요약 : 사이트별 정보를 본사에서 통합하여 전체 요약 정보 산출