데이터 모델링
데이터 모델링은 시스템 내에서 효율적인 저장, 액세스 및 관리를 위해 데이터의 구조, 속성 및 관계를 정의하는 데이터의 시각적 청사진을 생성합니다.
데이터 모델링은 데이터베이스 스키마를 설계하는 프로세스입니다. 여기에는 엔티티(예: '고객', '제품'), 해당 속성(예: '고객 ID', '제품명') 및 이들 간의 관계(예: '고객'은 여러 '주문'을 할 수 있음)를 식별하는 것이 포함됩니다. 목표는 데이터 저장 및 검색을 위한 명확하고 일관되며 효율적인 구조를 수립하는 것입니다.
주요 구성 요소는 다음과 같습니다:
엔티티: 실제 세계의 객체 또는 개념.
속성: 엔티티의 특성.
관계: 엔티티가 연결되는 방식.
제약 조건: 데이터 무결성을 보장하는 규칙.
모델은 일반적으로 추상화 수준별로 분류됩니다:
- 개념적: 기술에 독립적인 고수준 비즈니스 뷰.
- 논리적: 상세한 구조, 속성, 관계, DBMS에 독립적.
- 물리적: 데이터 유형, 인덱스, 저장 세부 정보를 포함한 특정 데이터베이스 구현.
graph LR
Center["데이터 모델링"]:::main
Rel_model_checking["model-checking"]:::related -.-> Center
click Rel_model_checking "/terms/model-checking"
Rel_data_type["data-type"]:::related -.-> Center
click Rel_data_type "/terms/data-type"
Rel_data_exfiltration["data-exfiltration"]:::related -.-> Center
click Rel_data_exfiltration "/terms/data-exfiltration"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧠 지식 테스트
🧒 5살도 이해할 수 있게 설명
정보를 위한 지도를 그리는 것과 같습니다. 추적해야 할 주요 항목(사람, 장소, 이벤트 등), 각 항목에 대해 기록할 세부 정보(이름, 날짜, 위치 등), 그리고 이러한 항목들이 어떻게 연결되는지(누가 언제 어디를 방문했는지 등)를 결정합니다. 이 지도는 정보를 쉽게 정리하고 찾는 데 도움이 됩니다.
🤓 Expert Deep Dive
데이터 모델링은 비즈니스 요구 사항을 정보의 구조화된 표현으로 변환하며, 개념적, 논리적, 물리적 수준으로 진행됩니다.
개념 모델링은 엔티티-관계 다이어그램(ERD)을 사용하여 고수준의 엔티티와 관계를 캡처하고 비즈니스 범위와 규칙을 정의합니다. 이는 무엇이 표현되어야 하는지에 대한 답을 제공합니다.
논리 모델링은 속성, 키(기본 키, 외래 키)를 정의하고 정규화 기술(예: 1NF, 2NF, 3NF)을 적용하여 중복을 최소화하고 무결성을 향상시킴으로써 이를 개선합니다. 이는 특정 데이터베이스 관리 시스템(DBMS)에 독립적으로 데이터가 어떻게 논리적으로 구조화되는지를 정의합니다.
물리 모델링은 선택한 DBMS 내에서 구현을 상세화하며, 데이터 유형, 인덱스, 파티셔닝 및 성능 최적화를 위한 잠재적인 비정규화를 지정합니다. 이는 데이터가 어떻게 물리적으로 저장되고 액세스되는지를 결정합니다. 일반적인 표기법에는 Chen ERD 및 "Crow's Foot" ERD가 있으며, 스타 스키마 또는 눈송이 스키마와 같은 방법론은 특히 데이터 웨어하우징 및 비즈니스 인텔리전스(BI)에서 사용됩니다.