본문 바로가기

CERTIFICATION

(28)
[1-1] 응용 SW 기초 기술 활용 001 운영체제의 개념운영체제의 성능 평가 기준처리 능력(Throughout) : 일정 시간 내에 시스템이 처리하는 일의 양사용 가능도(Availability) : 시스템의 자원을 사용할 필요가 있을 때 즉시 사용 가능한 정도신뢰도(Reliability) : 시스템이 주어진 문제를 정확하게 해결하는 정도반환 시간(Tum Around Time) : 시스템에 작업을 의뢰한 시간부터 처리가 완료될 때까지 걸린 시간 운영체제 운용 기법일괄 처리(Batch Processing)초기 컴퓨터 시스템에서 사용된 형태일정량 or 일정 기간동안 데이터를 모아 한꺼번에 처리실시간 처리(Real Time Processing)데이터 발생 즉시 or 데이터 처리 요구가 있는 즉시 처리하여 결과 산출다중 프로그래밍(Multi-Pr..
[SQLD/데이터 모델과 성능]2-7. 분산 데이터베이스 적용 기법 2. 데이터 모델과 성능 2-7. 분산 데이터베이스 적용 기법 (1) 테이블 위치 분산 (물리적인 분산인 듯) 테이블 구조 변경 X 테이블 다른 DB에 중복으로 생성 X 정보를 이용하는 형태가 각 위치별로 차이가 있을 경우에만 사용(이때 위치 = 서버 컴퓨터) 테이블 위치를 파악할 수 있는 도식화된 위치별 DB 문서 필요 (2) 테이블 분할 분산 - 수평분할 특정 칼럼 값 기준으로 “행”단위로 분리 (열, 컬럼은 분리X) Primary Key에 의해 중복 발생 X 데이터 수정 : 타 지사에 있는 데이터를 수정 X, 자사의 데이터만 수정 O 각 지사 테이블 통합 처리 - 조인이 발생해 성능저하 예상됨 - 통합 처리 프로세스가 많은지 검토 후 적으면 수평분할 데이터 무결성 보장 : 데이터가 지사별로 별도로 ..
[SQLD/데이터 모델과 성능]2-6. 분산 데이터베이스와 성능 2. 데이터 모델과 성능 2-6. 분산 데이터베이스와 성능 (1) 분산 데이터베이스란 빠른 네트워크 환경을 이용해 DB를 여러지역, 여러노드로 위치 ⇒ 사용성, 성능을 극대화시킨 DB 분산된 DB를 하나의 가상 시스템으로 사용할 수 있도록 한 DB “논리적”으로 동일한 하나의 시스템, 네트워크를 통해 “물리적”으로 분산된 데이터들의 모임 논리적으로 사용자 통합 및 공유 물리적 Site 분산 (2) 분산 DB의 투명성 분할 투명성(단편화) : 하나의 논리적 릴레이션을 여러 단편으로 분할, 그 사본을 여러 Site에 저장 위치 투명성 : 사용할 데이터의 저장 장소를 알 필요 X (위치정보 시스템 카탈로그에 유지) 중복 투명성 : DB 객체가 여러 Site에 중복 저장되었는지 알 필요 X 장애 투명성 : 구성..
[SQLD/데이터 모델과 성능]2-5. 데이터베이스 구조와 성능 2. 데이터 모델과 성능 2-5. 데이터베이스 구조와 성능 (1) 슈퍼/서브타입 데이터 모델 논리적 데이터 모델에서 주로 이용(= 분석 단계에서 많이 쓰임) 물리적 데이터 모델로 설계 시 문제 발생! 슈퍼타입 : 공통 부분을 슈퍼타입으로 모델링 서브타입 : 공통으로부터 상속받아 다른 엔터티와 차이가 있는 속성만 모델링 (2) 데이터베이스 성능 저하 원인 3가지 트랜잭션 : 전체를 일괄처리 테이블 : 개별로 유지 ⇒ Union 연산에 의해 성능 저하 트랜잭션 : 슈퍼+서브타입 공통 처리 테이블은 개별로 유지 ⇒ 조인에 의해 성능 저하 트랜잭션 : 서브타입만 개별로 처리 테이블은 하나로 통합 ⇒ 불필요하게 많은 데이터 집적 (3) 슈퍼/서브 타입의 변환 기준 데이터가 소량일 경우 : 데이터 처리 유연성 고려..
[SQLD/데이터 모델과 성능]2-4. 대량 데이터에 따른 성능 2. 데이터 모델과 성능 2-4. 대량 데이터에 따른 성능 (1) 성능 저하 원인 A 한 테이블에 데이터 대량 집중 : 테이블 너무 커짐 ⇒ 효율성 ↓ 디스크 I/O ↑ A 한 테이블에 여러 컬럼 존재 : 데스크 점유량 ↑ ⇒ 디스크 읽기 I/O ↑ B 대량 데이터 처리되는 테이블 : SQL문에서 데이터 처리를 위한 I/O ↑ , 인덱스 구성 B 대량 데이터가 한 테이블에 존재 : 인덱스 크기 ↑ 로 인한 성능 저하 컬럼이 많아질 경우 : 로우체이닝, 로우마이그레이션 발생 (2) 해결 방안 A 한 테이블에 많은 컬럼 ⇒ 수직분할 수직분할 : 컬럼 단위로 분할하여 I/O를 줄임 B 대량 데이터 저장 문제 ⇒ 파티셔닝 or PK에 의한 테이블을 분할 수평분할 : 로우 단위로 분할하여 I/O를 줄임 (3) 로..
[SQLD/데이터 모델과 성능]2-3. 반정규화와 성능 2. 데이터 모델과 성능 2-3. 반정규화와 성능 (1) 반정규화 중복 생성 정규화된 엔터티,속성,관계에 대해 성능향상, 단순화를 수행하기 위해 중복, 통합, 분해 등을 수행 무결성이 깨질 수도 있지만 → Disk I/O를 감소시키고, 긴 조인 쿼리문으로 인한 성능 저하 해결 → 중복성의 원리를 활용해 데이터 조회 시 성능 향상 정규화도 일부 조회 성능을 향상시키지만 → 일부 여러 개의 조인이 필요할 때, 조회에 대한 처리 성능이 확실히 중요하다고 판단되면 부분적으로 반정규화 → 정규화의 종속 관계는 위반하지 않으면서 데이터의 중복성을 증가시켜 조회 성능을 향상시킴 (2) 반정규화 적용 방법 반정규화 대상 조사 : 범위 처리 빈도수, 대량 범위처리, 통계성 프로세스, 테이블 조인 수 다른 방법 유도할 수..
[SQLD/데이터 모델과 성능]2-2. 정규화와 성능 2. 데이터 모델과 성능 2-1. 정규화와 성능 (1) 정규화 데이터 모델을 좀 더 구조화하고 개선시키는 절차 중복 제거, 무결성 성능은 “ 조회 ” // “ 삽입, 수정, 삭제 ”의 두 가지 측면 둘 다 고려해야함 정규화가 잘 되어있으면, “삽입,수정,삭제” 성능 향상 (조회 성능 저하X) 반정규화가 잘되어 있으면, “조회” 성능 향상 (조인 필요X) 결정자에 의해 함수적 종속성이 있는 일반속성을 의존자로 하여 입력/수정/삭제 이상 제거 중복속성 제거, 결정자에 의한 동일한 일반속성을 하나의 테이블로 합체 한 테이블의 데이터 용량을 최소화 (2) 함수적 종속성에 근거한 정규화 수행 필요 함수의 종속성(Dependency)는 데이터들이 어떤 기준값에 의해 종속되는 현상을 지칭 결정자 ex) 주민등록번호 ..
[SQLD/데이터 모델과 성능]2-1. 성능 데이터 모델링의 개요 2. 데이터 모델과 성능 2-1. 성능 데이터 모델링의 개요 (1)성능향상을 위한 데이터 모델링 수행 시점 사전에 미리 할수록 비용 절감 가능 분석/설계 단계에서 하는 것이 Best (2) 성능 고려한 데이터 모델링 순서 정규화 DB 용량 산정 트랜잭션 유형 파악 DB 용량, 트랜잭션 유형에 따라 반정규화 PK/FK “조정”, 슈퍼타입/서브타입 “조정” 성능관점에서 데이터모델 “검증” (3) 성능 데이터모델링 고려사항 정규화 → 중복 제거를 통해 삽입/수정/삭제 성능 향상 (조회 성능 저하X) 용량산정 → 전체적인 DB의 트랜잭션 유형과 양을 분석하는 자료가 됨 물리적 데이터 모델링 → PK/FK 칼럼 순서 조정, FK 인덱스 생성 수행 → 성능향상 이력데이터 → 시간에 따라 반복적으로 발생 → 대량 데..