[데이터모델링과마이닝] 7. 정규화(Normalization)

[ 이상(anomaly) ]

· DML 연산 시 이상(anomaly)이 발생할 수 있다.

· anomaly는 데이터의 종속성과 중복성에 의해 발생 한다.

 

· 해결 : attribute 간의 종속 관계를 분석하여 여러 개의 relation으로 분해(decomposition)

           → 정규화

 

* 단, decomposition이 정규화는 아니다.

* decomposition을 통해 문제가 해결되어야 정규화라고 할 수  있다.

 

 

[ 중복성에 따른 여러 문제 ]

· 중복성은 관계 스키마에서 발생하는 여러 문제의 근본적인 원인이다.

· 무결성 제약 조건, 특히, 함수 종속성(Functional Dependency)를 분석하면

문제가 있는 스키마을 파악할 수 있다.

· 주된 정제 기법 : 분해(decomposition)  ex) ABCD를 AB/BCD or ACD/ABD로 대체

 

* 분해는 이유없이 하지 않는다.

* 분해로 인해 또 다른 문제 발생하지 않도록 주의한다.

 

 

[ 함수 종속(Functional Dependency) ]

· table에서 프로젝트 연산 수행 시 속성 x의 x1에 해당하는 속성 y가 모두 y1 일 때 함수 종속이 존재한다고 간주한다.

  ex) pk(primary key)는 다른 모든 attribute에 대해 함수 종속이 존재한다.

      → pk가 정해지면 튜플이 특정되기 때문이다.

· 즉, table 내에 FD는 항상 존재하지만 그 속에서 문제를 찾아내야 한다.

 

 

[ 기본 정규형 ]

· 정규형(Normal Form)

- 어떤 일련의 제약조건을 만족하는 relation

 

· 정규화의 원칙

1) 무손실 표현 

 - 원래있던 정보가 정규화로 사라지면 안된다.

  → 같은 의미의 정보를 유지하되 더 바람직한 구조를 가지도록 한다.

 

2) 데이터의 중복성 감소

 

3) 분리의 원칙

 - 독립적인 관계는 별개의 relation으로 표현한다.

- relation 각각에 대해 독립적 조작이 가능하다.

 

 

[ 제 1 정규형(1NF) ]

정의 : 모든 도메인(attribute)가 원자값으로만 이루어진 relation

# 위 1NF에서의 이상

1) 삽입 이상

- 400번 학생의 지도교수가 p4라는 것을 교과목 수강없이 삽입 불가

 

2) 삭제 이상

- 200번 학생이 c2 수강 취소 시 이 튜플이 삭제되면 p2 지도교수의 정보도 사라진다.

 

3) 갱신 이상

- 300의 지도교수를 p1으로 변경하려면 300에 해당되는 모든 튜플을 갱신 해야한다.

 

# 이상 원인

- 기본키에 부분함수 종속 된 attribute가 존재한다.

- 기본키로 식별되는 개체와 문관한 attribute가 존재한다.

- 두 가지 상이한 정보가 포함되어있다.

 

# 이상 해결 : 프로젝션을 통해 relation을 분해하여 부분함수 종속을 제거한다. → 2NF

 

[ 제 2 정규형(2NF) ]

 

정의 : 1NF 이고 키에 속하지 않는 attribute들은 모두 기본키에 완전 함수 종속이다.

 

# 오른쪽 2NF에서의 이상

1) 삽입 이상

- 교수 p4가 컴과에 속한다는 사실을 삽입하기 위해서는 반드시 지도 학생이 있어야 한다.(지도학생이 없으면 삽입 불가)

 

2) 삭제 이상

- 300번 학생이 졸업해 튜플이 삭제 될 경우 지도 교수 p3가 휴먼과에 속한다는 정보가 사라진다.

 

3) 갱신 이상

- 지도교수 p1의 전공이 변경되면 관련 튜플을 모두 갱신 해야한다.

 

# 이상 원인 : 이행적 함수 종속이 존재한다.

# 이상 해결 : 프로젝션으로 relation을 분해하여 이행적 함수 종속을 제거한다. → 3NF

 

+) attribute가 2개면 무조건 제 3 정규형이므로

( 학번-지도 / 지도-학과 ) or ( 학번-학과/지도-학과 ) 

→ 위 둘 중 어떻게 relation을 분해해도 제 3 정규형을 만족시킨다.

 

 

[ 제 3 정규형(3NF) ]

정의 : 2NF이고 키가 아닌 모든 attribute들은 기본키에 이행적 함수 종속 되지 않는다.

 

 

 

 

[ BCNF ]

정의 : relation R의 모든 결정자가 후보키이면 relation R은 BCNF에 속한다.

 

* 후보키 : 튜플을 유일하게 식별할 수 있는 키가 여러 개 인 경우,   키가 될 수 있는 후보가 여러 개라고 간주할 수 있다.   따라서 키가 될 수 있는 것을 후보키라 부름.   * 결정자 : FD에서 화살표가 출발하는 쪽을 결정자라 부른다.   ex) 오른쪽 relation에서의 FD     - 과목이 교수에 의해 결정되므로 교수는 결정자이다.     - 교수는 {학번, 교수}의 집합을 통해서만 유일하게 결정되므로       {학번, 교수}는 결정자이다.

#  위3NF에서의 이상

 1) 삽입 이상

- 교수 p5가 특정 과목 담당을 위해서는 이를 수강 할 학생이 필요하다.(수강 학생이 없으면 교수가 과목 담당 불가)

 

2) 삭제 이상

- 100번 학생이 DB과목 수강을 취소하면 p2가 DB를 강의한다는 정보까지 사라진다.

 

3) 갱신 이상

- 교수 p1이 JAVA 대신 다른 과목을 담당하면 모든 관련 튜플을 갱신해야한다.

 

# 이상 원인 : 교수가 결정자이지만 후보키가 아니다. 

# 이상 해결

 

[ FD 좀 더 살펴보기]

 

# Armstrong의 공리 → 증명할 필요없이 당연한 것

· 반사(Reflexivity)  :  X⊆Y then X→Y   ex) { 학번, 교수 } ← 학번

· 첨가(Augmentation) : X→Y then XZ→YZ

· 이행(Transitivity) :  X→Y and X→Z then X→Z

· 결합(Union) : X→Y and X→Z then X→YZ

· 분해(Decomposition) : X→YZ then X→Y and X→Z

 

 

# 분해에 따르는 문제

1) 어떤 질의는 처리 비용이 더 높아진다. ex) 조인 연산

2) 분해한 relation의 instance들로부터 원래 relation을 재구성할 수 없는 경우가 생기기도 한다.

3) 어떤 종속성을 체크하려면 분해된 instance들을 조인해야하는 경우가 존재한다.

 

*Trade-off : 이러한 문제들과 중복성 간의 타협점을 찾아야한다.

 

[ 제 4 정규형(4NF) ]

정의 : relation R에서 MVD(다치 종속성) A -->>B 가 존재할 때 R의 모든 attribute들이 A에 함수 종속이면 R은 4NF이다. 즉, R의 모든 attribute X에 대해 A→X 이고 A가 후보키.

 

BCNF를 이용한 정의

: relation R이 BCNF에 속하고, 모든 MVD가 FD이면 F은 4NF이다.

· 의미

- 어떤 relation R이 4NF이려면 MVD가 없거나,  A -->>B|C가 있는 경우, A에 대응되는 B와 C의 값은 하나 씩이어야하며 이때 A는 후보키임을 의미한다.

 

[ 제 5 정규형(5NF) ] →n분해 relation(조인종속)

· n-분해 relation : n개의 프로젝션으로만 무손실 분해가 가능하다. → n개 미만으로는 불가능

 

 

정의 : relation R에 존재하는 모든 조인 종속이 R의 후보키를 통해 성립되면 R은 5NF이다.

 

 

[ 역정규화(Denormalization) ]

 

역정규화란?

- system의 성능 향상을 위해 정규화에 위배되는 행위를 하는 것이다.

- 성능 향상을 위해 정규화 무시

 

· 역정규화 고려사항

- 업무에 따른 데이터 사용량(입력, 수정, 조회, 삭제)과 업무 프로세스 분석

ex) 학교 table 중 프로세스 비율을 가장 많이 차지하는 것은 갱신과 조회가 매우 빈번한 수강 table이라고 할 수 있다.

 

 

[ 역정규화 유형 ]

1) 데이터 중복(컬럼 역정규화)

- 조인 프로세스를 줄이기 위해 조인으로 조회하는 컬럼을 중복하여 기본적으로 조인 연산을 수행하지 않도록 한다.

- 조회가 자주, 많이 일어나는 table은 이를 통해 성능 향상을 기대할 수 있다.

 

2) 파생 컬럼 생성

- 조회할 때마다 숫자 연산이나 데이터 조작을 통해 결과를 얻는 컬럼을 포함하도록 한다.

ex) 평점 → 전체 학점을 더해 평균을 내야한다. 평균 연산을 줄이기 위해 평균 평점 컬럼을 미리 생성.

 

3) 3NF 2개 → 2NF 1개 (이행적 함수 종속을 제거하지 않는 방법)

 

< 테이블 분할 , 합병 > 

· Vertical Partition

 - 컬럼을 기준으로 분리

 - 업무적인 내용을 분석하며 조회 시 질의 안에 포함되는 컬럼들을 중심으로 컬럼을 나눈다.

 

· Horizontal Partition

 - record(row, tuple)을 기준으로 분리

 - 높은 빈도수와 낮은 빈도수에 따른 record 분리   ex) 우수 고객 관리

 - 빈도수 상관없이 데이터 성격에 따른 record 분리   ex) 거주 지역에 따른 분리