[데이터모델링] 데이터모델링 검증 및 구현

[데이터모델링] 데이터 모델링 검증 및 구현

 

앞서 살펴본 데이터모델링 개념과 더불어 검증 및 구현에 대해서 알아보고자 한다.

 

데이터모델링 검증 : 

ERD는 데이터베이스 처리 시스템의 요구사항을 해석하고 명시하여 현업의 용어를 활용하고 요구사항을 명확히 표현해야 한다.
모델링의 결과로 작성된 ERD가 적절하게 작성되었는지 점검하기 위 해 다양한 검증 항목을 통한 체크리스트 작성이 필요하다.

― 구조적 확증성(Structural Validity) : 데이터를 정의하고 구성하는 방 법의 타당성이 보장되어야 함

― 단순성(Simplicity) : 사용자가 쉽게 이해할 수 있도록 가능한 단순하 게 작성되어야 함

― 비중복성(Non Redundancy) : 데이터의 중복을 제거하여 일관성을 보장해야 함

― 공유성(Sharability) : 어떠한 적용업무나 기술에 특화되지 않고 여러 사람이 사용할 수 있어야 함

― 무결성(Integrity) : 데이터베이스내의 데이터 변경 혹은 수정 시 여 러 가지 제한을 두어 데이터에 대한 정확성, 일관성, 유효성, 신뢰성 을 보장해야 함

― 완전성(Completeness) : 현실세계의 모든 요구사항과 상세한 특징들 을 표현해야 함

― 자명성(Self Explanation) : 별도의 보조자료 없이도 요구사항을 설명 할 수 있어야 함

― 확장성(Extensibility) : 현 상태에서 새로운 요구를 수용할 수 있는 능력이 있어야 함

 

데이터모델링 구현(데이터모델 구현) :

물리 데이터 모델링을 통해 작성된 논리 데이터 모델을 각각의 관 계형 데이터베이스 시스템의 특성, 기능, 성능 등을 고려하여 물리 적 구조를 작성하고 이를 시스템에 구현

데이터모델링 결과 배포방안

1. 논리 모델을 특정 데이터베이스로 설계함으로써 생성된 데이터를 저장할 수 있는 물리 스키마를 의미

   ― 논리 데이터 모델의 엔티티와 서브타입은 논리적인 집합이며 이를 관계형 데이터베이스로 설계시 테이블로 변환

 

2. 실제 모델링의 결과를 시스템에 구현할 경우 시스템의 성능에 문제가 발생될 우려가 있으므로 반정규화(Denormalization) 과정을 수행

  ― 완전하게 정규화된 견고한 모델 구축 후 수행하며 반정규화 과정을 수행시 중복된 데이터를 관리해야 함으로 데이터 정합성을 맞추는 데 별도의 비용이 발생

 

3. 데이터 모델의 품질 검증 후 실제 시스템에 반영시 스크립트 생성 기 능을 활용하여 대상 시스템에 일괄 적용 및 배포가 가능

  ― 적용을 희망하는 대상 시스템 환경에 맞는 SQL 문법을 생성하고 원 격지 서버에 접속하여 스크립트 수행 형태로 스키마를 일괄 생성