Masik

Pessimism is excuse of the unread

데이터베이스 체제 이론

목차

DB

데이터 베이스 기본 개념

데이터 베이스의 필요성

  • 데이터과 정보의 차이
    • 데이터(data): 현실 세계에서 단순히 관찰하거나 측정하여 수집한 사실이나 값.

    • 정보(information): 의사 결정에 유용하게 활용할 수 있도록 데이터를 처리한 결과물.

      예시: 학생에 대한 정보를 모을 때 영어성적, 수학성적, 한자성적, 집주소, 부모정보, 형제의 유무 등등 조사를 한다고 하자. 이때 이 모든 데이터가 학생의 성적을 매기는데 필요한가? 아니다. 영어 수학 한자 성적이 필요하므로 이거를 통해서 전체 성적을 매길 수 있다. 이게 정보이다. 그러나 성적을 매기는 것과는 관계 없이 수집한 것들은 특정 목적을 띄지 않으므로 data 라고 하는 것. 즉, 가공을 거치지 않은 것이 데이터이고 가공한 것이 정보이다.

    • 정보 처리(information processing): 데이터에서 정보를 추출하는 과정 또는 방법
  • 정보 시스템과 데이터 베이스
    • 정보 시스템(information system): 조직 운영에 필요한 데이터를 수집하여 저장해두었다가 필요할 때 유용한 정보를 만들어 주는 수단. DB보다는 좀 더 큰 바운더리의 개념이다.
    • 데이터베이스(database): 정보 시스템 안에서 데이터를 저장하고 있다가 필요할 때 제공하는 역할 담당. 오라클 DB의 경우는 system software라고 한다.
    • 현실세계 $\rightarrow$ (데이터) $\rightarrow$ 정보 시스템에서 처리(정보 시스템 내부, DB에 접속) $\rightarrow$ (정보) $\rightarrow$ 의사 결정자

      데이터베이스 정의와 특징

  • DataBase: 특정 조직의 여러 사용하자 공유하여 사용할 수 있도록 통합해서 저장하고 운영하는 데이터의 집합.
  • 정의
    • Shared Data: 특정 조직의 여러 사용자가 함께 소유하고 이용할 수 있는 공용 데이터.
    • Intergrated Data: 최소의 중복과 통제 가능한 중복만 허용하는 데이터.
    • Stored Data: 컴퓨터가 접근할 수 있는 매체에 저장된 데이터.
    • Operational Data: 조직의 주요 기능을 수행하기 위해 지속적으로 꼭 필요한 데이터.
  • 특징
    • Realtime Approach: 사용자의 데이터 요구에 실시간으로 응답.
    • Continuous Change: 데이터의 계속적인 삽입, 삭제, 수정을 통해 현재의 정확한 데이터를 유지.
    • Simultaneous sharing: 서로 다른 데이터의 동시 사용뿐만 아니라 같은 데이터의 동시 사용도 지원.

    • Content-based reference: 데이터가 저장된 주소나 위치가 아닌 내용으로 참조 가능.

      예시: 재고량이 500개 이상인 제품의 이름을 검색하시오.

과학 시대의 데이터

  • 형태에 따른 데이터 분류
    • 정형 데이터(Suructured Data): 구조화된 데이터, 미리 정해진 구조에 따라서 저장된 데이터.
      • 해당 데이터 구조에 대한 설명이나 내용은 별도로 관리되어 유지됨.

      예시: 엑셀 스프레드시트, 관계 데이터베이스 테이블 등

    • 반정형 데이터(semi-Structured Data): 구조에 따라 저장된 데이터지만 데이터 내용안에 구조에 대한 설명이 함께 존재함.
      • 구조를 파악하는 파싱(Parsing) 과정이 필요
      • 보통 파일 형태로 저장

      예시: 웹에서 데이터를 교환하기 위해 작성하는 HTML, XML, JSON 그리고 웹 로그, 센서 데이터 등

    • 비정형 데이터(Unstructred Data): 정해진 구조가 없이 저장된 데이터

      예시: SNS 텍스트나 영상 이미지, 워드 PDF 문서같은 멀티미디어 등

  • 데이터 분류(특성)
    • 범주형 데이터(Categorical Data): 범주로 구분할 수 있는 값. 종류를 나타내는 값을 가진 데이터. 크기 비교와 산술적인 연산이 가능하지 않아서 질적 데이터라고 부르기도 함.

      • 명목형 데이터(Nominal Data): 순서 서열이 없는 값을 가지는 데이터.

        예시: 성별, 혈액형, MBTI, 음식 메뉴 등

      • 순서형 데이터(Ordinal Data): 순서 서열이 있는 값을 가지는 데이터.

        학년, 학점, 등급 등

    • 수치형 데이터(Numerical Data): 크기 비교와 산술적인 연산이 가능한 숫자 값을 가진 데이터. 양적 데이터라고 하기도 함.

      • 이산형 데이터(Discrete Data): 개수를 셀 수 있는 띄엄띄엄 단절된 숫자 값을 가지는 데이터. 소수점이 없는 정수 타입의 값으로 표현.

        예시: 고객 수, 판매량, 합격자 수 등

      • 연속형 데이터(Continuous Data): 측정을 통해 얻어지는 연속적으로 이어진 숫자 값을 가지는 데이터. 소수점이 있는 실수 타입의 값으로 표현.

        예시: 키, 몸무게, 온도, 점수 등

    • 정성적 데이터(Qualitative Data): 좁은 의미로는 범주형 데이터, 사람의 주관적인 생각과 평가를 기술한 비정형 데이터.

    • 정량적 데이터(Quantitative Data): 좁은 의미로는 수치형 데이터, 객관적인 측정을 통해 수치나 도형 기호 등으로 표현한 정형 데이터.

      정량적 데이터에 비해서 정성적 데이터가 저장 및 처리 측면에서 더 큰 비용이 드는 경우가 많음

데이터베이스 관리 시스템

데이터베이스 관리시스템의등장배경

  • 파일 시스템(File System): 데이터를 파일로 관리하기 위해 파일을 생성•삭제•수정•검색하는 기능을 제공하는 소프트웨어. 응용 프로그램별로 필요한 데이터를 별도의 파일로 관리한다.
  • 파일 시스템의 문제점
    • 같은 내용의 데이터가 여러 파일에 중복 저장된다.
      • 데이터 중복성
      • 저장 공간의 낭비는 물론 데이터 일관성과 데이터 무결성을 유지하기 어려움.

      한 고객의 연락처를 고객 데이터 파일에서만 수정하고 실수로 주문 데이터 파일에서 수정하지 않았다면...? 골로 간다.

      • 그래서 데이터 통합을 진행하여 중복되지 않게 만들 필요가 있다.
    • 응용 프로그램이 데이터 파일에 종속적이다.
      • 데이터 종속성
      • 사용하는 파일의 구조를 변경하면 응용 프로그램도 함께 변경해야 함
    • 데이터 파일에 대한 동시 공유, 보안, 회복 기능이 부족하다.
    • 응용 프로그램을 개발하기 쉽지 않다.

데이터베이스 관리시스템의 정의

  • DBMS(DataBase Management System): 파일 시스템의 문제를 해결하기 위해 제시된 소프트웨어. 조직에 필요한 데이터를 데이터베이스에 통합하여 저장하고 관리함.
  • DBMS의 주요 기능
    • 정의 기능: 데이터베이스 구조를 정의하거나 수정할 수 있다.
    • 조작 기능: 데이터를 삽입•삭제•수정•검색하는 연산을 할 수 있다.
    • 제어 기능: 데이터를 항상 정확하고 안전하게 유지할 수 있다.

데이터베이스 관리시스템의장•단점

  • DBMS의 장점
    • 데이터 중복을 통제할 수 있다
      • 데이터베이스에 데이터를 통합하여 관리하므로 데이터 중복 문제 해결
    • 데이터 독립성이 확보된다
      • 응용 프로그램 대신 데이터베이스에 접근하고 관리하는 모든 책임 담당 $\rightarrow$ 응용 프로그램과 데이터베이스 사이의 독립성이 확보됨.
    • 데이터를 동시 공유할 수 있다
      • 동일한 데이터를 여러 응용 프로그램이 공유하여 동시 접근할 수 있게 지원 $\rightarrow$ 동시 접근 제어 기술 보유.
    • 데이터 보안이 향상된다
      • 중앙 집중식으로 데이터를 관리하므로 효율적인 접근 제어 가능.
      • 권한이 없는 사용자의 접근, 허용되지 않은 데이터와 연산에 대한 요청 차단.
    • 데이터 무결성을 유지할 수 있다
      • 데이터 삽입•수정 등의 연산이 수행될 때마다 유효성을 검사하여 데이터 무결성(정확성)을 유지
    • 표준화할 수 있다
      • 데이터베이스 관리 시스템이 정한 표준화된 방식을 통해 데이터베이스에 접근
    • 장애 발생시 회복이 가능하다
      • 데이터 일관성과 무결성을 유지하면서 장애 발생 이전 상태로 데이터를 복구하는 회복 기능 지원
    • 응용 프로그램 개발 비용이 줄어든다
      • 파일 시스템을 사용할 때보다 데이터 관리 부담이 줄어 응용 프로그램 개발 비용 및 유지 보수 비용이 줄어듦
  • DBMS의 단점
    • 비용이 많이 든다
      • 별도 구매 비용이 들고 동시 사용이 허용되는 사용자 수에 따라 가격이 증가한다.
    • 백업과 회복방법이 복잡하다
      • 장애 발생의 원인과 상태를 정확히 파악하기 어렵고 회복 방법도 복잡하다. (그래서 자격증이 따로 있는 것임)
    • 중앙 집중 관리로 인한 취약점이 존재한다
      • 데이터베이스나 데이터베이스 관리 시스템에 장애가 발생하면 전체 시스템의 업무 처리가 중단됨.
      • 데이터베이스 의존도가 높은 시스템일수록 가용성과 신뢰성에 치명적이다.

데이터베이스 관리 시스템의 발전 과정

  • 1세대
    • 네트워크 DBMS: 데이터베이스를 그래프 형태로 구성 IDS(Integrated Data Store
    • 계층 DBMS: 데이터베이스를 트리 형태로 구성 IMS(Information Management System
  • 2세대
    • 관계(Relationship) DBMS: 데이터베이스를 테이블 형태로 구성

    예시: 오라클(Oracle), MS SQL 서버, Access, Informix, MySQL, MariaDB

  • 3세대
    • 객체지향 DBMS: 객체를 이용해 데이터베이스를 구성
    • 객체관계 DBMS: 객체지향 DBMS + 관계 DBMS

    예시: 관계DBMS제품들이 객체지향 기능을 지원하면서 객체관계 DBMS로 분류되기도 함. 오라클이 그 대표 예시

  • 4세대
    • NoSQL DBMS: 비정형 데이터를 처리하는데 적합하고 확장성이 뛰어남
      • 안정성과 일관성 유지를 위한 복잡한 기능 포기
      • 데이터 구조를 미리 정해두지 않는 유연성을 가짐
      • 여러 대의 컴퓨터에 데이터를 분산하여 저장하고 처리하는 환경에서 주로 사용

      예시: MongoDB, HBase, Cassandra, Redis, Neo4j, OrientDB

    • NewSQL DBMS: 관계 DBMS의 장점 + NoSQL의 확장성 및 유연성
      • 정형 및 비정형 데이터를 안정적이고 빠르게 처리 가능

      예시: 구글 스패너(Spanner), VoltDB, NuoDB

데이터베이스 시스템

데이터베이스시스템의정의

  • 데이터베이스 시스템(DBS; DataBase System)
    • 데이터베이스에 데이터를 저장하고 이를 관리하여 조직에 필요한 정보를 생성해주는 시스템

데이터베이스의 구조

  • 스키마(Schema): 데이터베이스에 저장되는 데이터 구조와 제약조건을 정의한 것
  • 인스턴스(Instance): 스키마에 따라 데이터베이스에 실제로 저장된 값

고객 - 고객번호(INT) 이름(CHAR(10)) 나이(INT) 주소(CHAR(20))

  • 3단계 데이터베이스 구조
    • 미국 표준화 기관인 ANSI/SPARC에서 제안
    • 데이터베이스를 쉽게 이해하고 이용할 수 있도록 하나의 데이터베이스를 관점에 따라 세 단계로 나눈 것
      • 외부 단계(External level)
        • 데이터베이스를 개별 사용자 관점에서 이해하고 표현하는 단계
        • 하나의 데이터베이스에 외부 스키마가 여러 개 존재할 수 있음
        • 외부 스키마(External schema)
          • 외부 단계에서 사용자에게 필요한 데이터베이스를 정의한 것
          • 각 사용자가 생각하는 데이터베이스의 모습, 즉 논리적 구조로 사용자마다 다름
          • 서브 스키마(Sub schema)라고도 함
      • 개념 단계(Conceptual level)
        • 데이터베이스를 조직 전체의 관점에서 이해하고 표현하는 단계
        • 하나의 데이터베이스에 개념 스키마가 하나만 존재함
        • 개념 스키마(Conceptual schema)
          • 개념 단계에서 전체 데이터베이스의 논리적 구조를 정의한 것
          • 조직 전체의 관점에서 생각하는 데이터베이스의 모습
          • 전체 데이터베이스에 어떤 데이터가 저장되는지, 데이터들 간에는 어떤 관계가 존재하고 어떤 제약조건이 있는지에 대한 정의 뿐만 아니라, 데이터에 대한 보안 정책이나 접근 권한에 대한 정의도 포함
      • 내부 단계(Internal level)
        • 데이터베이스를 저장장치의 관점에서 이해하고 표현하는 단계
        • 하나의 데이터베이스에 내부 스키마가 하나만 존재함
        • 내부 스키마(Internal schema)
          • 전체 데이터베이스가 저장 장치에 실제로 저장되는 방법을 정의한 것
          • 레코드 구조, 필드 크기, 레코드 접근 경로 등 물리적 저장 구조를 정의
          • 테이블 > 레코드 > 속성 > 데이터; 여기서 테이블에서 어느 한 속성으로 쭉 이어지면 그것이 필드이다.
    • 각 단계별로 다른 추상화(abstraction) 제공
      • 내부 단계에서 외부 단계로 갈수록 추상화 레벨이 높아짐
      • 내부 단계는 구체적인 내용 위주로 들어갈 것이고, 외부 단계는 그냥 쓰기만 하면 되니까 추상화 된다는 것.
    • 사상 또는 매핑(대응)
      • 스키마 사이의 대응 관계
        • 외부/개념 사상: 외부 스키마와 개념 스키마의 대응 관계(더 추상적)
          • 응용 인터페이스(Application interface)라고도 함
        • 개념/내부 사상: 개념 스키마와 내부 스키마의 대응 관계(덜 추상적)
          • 저장 인터페이스(Storage interface)라고도 함
      • 미리 정의된 사상 정보를 이용해서 사용자가 원하는 데이터에 접근한다.
      • 데이터베이스를 3단계 구조로 나누고 단계별로 스키마를 유지하며 스키마 사이의 대응 관계를 정의하는 궁극적인 목적 $\rightarrow$ 데이터 독립성의 실현
  • 데이터 독립성(Data Independency)
    • 하위 스키마를 변경하더라도 상위 스키마가 영향을 받지 않는 특성
    • 논리적 데이터 독립성
      • 개념 스키마가 변경되어도 외부 스키마는 영향을 받지 않음
      • 개념 스키마가 변경되면 관련된 외부/개념 사상만 정확하게 수정해주면 됨
    • 물리적 데이터 독립성
      • 내부 스키마가 변경되어도 개념 스키마는 영향을 받지 않음
      • 내부 스키마가 변경되면 관련된 개념/내부 사상만 정확하게 수정해주면 됨
  • 데이터 사전(Data Dictionary)
    • 시스템 카탈로그(system catalog)라고도 함
    • 데이터베이스에 저장되는 데이터에 관한 정보, 즉 메타 데이터를 유지하는 시스템 데이터베이스
      • 메타 데이터(Meta data): 데이터베이스에 들어있는 데이터 자체에 대한 데이터.
    • 스키마, 사상 정보, 다양한 제약조건 등을 저장
    • 데이터베이스 관리 시스템이 스스로 생성하고 유지함
    • 일반 사용자도 접근이 가능하지만 저장 내용을 검색만 할 수 있음
  • 데이터 디렉터리(Data Directory)
    • 데이터 사전에 있는 데이터에 실제로 접근하는 데 필요한 위치 정보를 저장하는 시스템 데이터베이스
    • 일반 사용자의 접근은 허용되지 않음
  • 사용자 데이터베이스(User Database)
    • 사용자가 실제로 이용하는 데이터가 저장되어 있는 일반 데이터베이스

데이터베이스사용자

  • 데이터베이스 사용자
    • 데이터베이스를 이용하기 위해 접근하는 모든 사람
    • 이용 목적에 따라 구분
  • 데이터베이스 관리자(DBA; DataBase Administrator)
    • 데이터베이스 시스템을 운영 및 관리하는 사람
    • 주로 데이터 정의어와 데이터 제어어를 이용
    • 주요 업무
      • 데이터베이스 구성 요소 선정
      • 데이터베이스 스키마 정의
      • 물리적 저장 구조와 접근 방법 결정
      • 무결성 유지를 위한 제약조건 정의
      • 보안 및 접근 권한 정책 결정
      • 백업 및 회복 기법 정의
      • 시스템 데이터베이스 관리
      • 시스템 성능 감시 및 성능 분석
      • 데이터베이스 재구성
  • 최종 사용자(End User)
    • 데이터베이스에 접근하여 데이터를 조작(삽입•삭제•수정•검색)하는 사람
    • 주로 데이터 조작어를 이용
    • 캐주얼 사용자와 초보 사용자로 구분
  • 응용 프로그래머(Application Programmer)
    • 데이터 언어를 삽입하여 응용 프로그램을 작성하는 사람
    • 주로 데이터 조작어를 이용

데이터언어

  • 데이터 언어
    • 사용자와 데이터베이스 관리 시스템 간의 통신 수단
    • 사용 목적에 따라 데이터 정의어, 데이터 조작어, 데이터 제어어로 구분
  • 데이터 정의어(DDL; Data Definition Language)
    • 스키마를 정의하거나 수정 또는 삭제하기 위해 사용
  • 데이터 조작어(DML; Data Manipulation Language)
    • 데이터의 삽입•삭제•수정•검색 등의 처리를 요구하기 위해 사용
    • 절차적 데이터 조작어와 비절차적 데이터 조작어로 구분
      • 절차적 데이터 조작어(procedural DML)
        • 사용자가 어떤(what) 데이터를 원하고 그 데이터를 얻으려면 어떻게(how) 처리해야 하는지도 설명
      • 비절차적 데이터 조작어(nonprocedural DML)
        • 사용자가 어떤(what) 데이터를 원하는지만 설명
        • 선언적 언어(declarative language)라고도 함
  • 데이터 제어어(DCL; Data Control Language)
    • 내부적으로 필요한 규칙이나 기법을 정의하기 위해 사용
    • 사용 목적
      • 무결성: 정확하고 유효한 데이터만 유지
      • 보안: 허가받지 않은 사용자의 데이터 접근 차단, 허가된 사용자에게 권한 부여
      • 회복: 장애가 발생해도 데이터 일관성 유지
      • 동시성 제어: 데이터 동시 공유 지원

데이터베이스 관리 시스템의 구성

  • 데이터베이스 관리와 사용자의 데이터 처리 요구 수행
  • 주요 구성 요소
    • 질의 처리기(Query processor)
      • 사용자의 데이터 처리 요구를 해석하여 처리
      • DDL 컴파일러, DML 프리 컴파일러, DML 컴파일러, 런타임 데이터베이스 처리기, 트랜잭션 관리자 등을 포함
    • 저장 데이터 관리자(Stored data manager)
      • 디스크에 저장된 데이터베이스와 데이터 사전을 관리하고 접근함

데이터 모델링

데이터 모델링과 데이터 모델의 개념

  • 데이터 모델링(Data Modeling)
    • 현실 세계에 존재하는 데이터를 컴퓨터 세계의 데이터베이스로 옮기는 변환 과정
    • 데이터베이스 설계의 핵심 과정
  • 2단계 데이터 모델링
    • 개념적 데이터 모델링(Conceptual Modeling)
      • 현실 세계의 중요 데이터를 추출하여 개념 세계로 옮기는 작업
    • 논리적 데이터 모델링(Logical Modeling)
      • 개념 세계의 데이터를 데이터베이스에 저장하는 구조로 표현하는 작업
  • 데이터 모델(Data Model)
    • 데이터 모델링의 결과물을 표현하는 도구
    • 개념적 데이터 모델
      • 사람의 머리로 이해할 수 있도록 현실 세계를 개념적 모델링하여 데이터베이스의 개념적 구조로 표현하는 도구

      예시: 개체-관계 모델

    • 논리적 데이터 모델
      • 개념적 구조를 논리적으로 모델링하여 데이터베이스의 논리적 구조로 표현하는 도구

      예시: 관계 데이터 모델

  • 데이터 모델의 구성
    • 데이터 구조(Data Structure)
      • 개념적 데이터 모델에서 개념적 구조(인간이 인지하는 요소)
        • 현실 세계를 개념 세계로 추상화했을 때 어떤 요소로 이루어져 있는지 표현
      • 논리적 데이터 모델에서 논리적 구조(어떤 모습&형식으로 정할지)
        • 데이터를 어떤 모습으로 저장할 것인지 표현
      • 특징: 자주 변하지 않고 정적임 (한번 잘 설계한 것으로 계속 사용)
    • 연산(Operation)
      • 개념 세계나 컴퓨터 세계에서 실제로 표현된 값들을 처리하는 작업
      • 특징: 값이 연산에 의해 계속 변경되므로 동적임
    • 제약조건(Constraint) $\rightarrow$ 데이터 무결성 유지 목적
      • 구조적 측면의 제약 사항
      • 연산을 적용하는 경우 허용할 수 있는 의미적 측면의 제약 사항

개체-관계 모델

  • E-R model; Entity-Relationship model
    • 피터 첸(Peter Chen)이 제안한 개념적 데이터 모델
    • 개체와 개체 간의 관계를 이용해 현실 세계를 개념적 구조로 표현
    • 핵심 요소: 개체, 속성, 관계
  • E-R diagram
    • 개체-관계 모델을 이용해 현실 세계를 개념적으로 모델링한 결과물을 그림으로 표현한 것
  • 개체(Entity)
    • 현실 세계에서 조직을 운영하는데 꼭 필요한 사람이나 사물과 같이 구별되는 모든 것
    • 저장할 가치가 있는 중요 데이터를 가지고 있는 사람이나 사물, 개념, 사건 등
    • 다른 개체와 구별되는 이름을 가지고 있고, 각 개체만의 고유한 특성이나 상태, 즉 속성을 하나 이상 가지고 있음

    예시: 서점에 필요한 개체는 고객 + 책

    예시: 학교에 필요한 개체는 학과 + 과목

    • 파일 구조의 레코드(record)와 대응됨
    • E-R 다이어그램에서 사각형으로 표현하고 사각형 안에 이름을 표기
  • 속성(Attribute)
    • 개체나 관계가 가지고 있는 고유한 특성
    • 의미 있는 데이터의 가장 작은 논리적 단위
    • 파일 구조의 필드(field)와 대응됨
    • E-R 다이어그램에서 타원으로 표현하고 타원 안에 이름을 표기
  • 개체 타입(Entity Type)
    • 개체를 고유한 이름과 속성들로 정의한 것
    • 파일 구조의 레코드 타입(record type)에 대응됨
  • 개체 인스턴스(Entity Instance)
    • 개체를 구성하고 있는 속성이 실제 값을 가짐으로써 실체화된 개체
    • 개체 어커런스(entity occurrence)라고도 함
    • 파일 구조의 레코드 인스턴스(record instance)에 대응됨
  • 개체 집합(Entity Set)
    • 특정 개체 타입에 대한 개체 인스턴스들을 모아놓은 것
  • 속성의 분류
    • 단일 값 속성(Single-vlaued Attribute)
      • 값을 하나만 가질 수 있는 속성

      예시: 고객 개체의 이름, 적립금 속성

    • 다중 값 속성(Multi-valued Attribute)
      • 값을 여러 개 가질 수 있는 속성

      예시: 고객 개체의 연락처 속성

      예시: 책 개체의 저자 속성

      • E-R 다이어그램에서 이중 타원으로 표현
    • 단순 속성(Simple Attribute)
      • 의미를 더는 분해할 수 없는 속성

      예시: 고객 개체의 적립금 속성

      예시: 책 개체의 이름, ISBN, 가격 속성

    • 복합 속성(Composite Attribute)
      • 의미를 분해할 수 있는 속성

      예시: 고객 개체의 주소 속성, 도 시 동 우편번호 등으로 세분화 가능

      예시: 고객 개체의 생년월일 속성, 연월일로 의미를 세분화 가능

    • 유도 속성(Derived Attribute)
      • 기존의 다른 속성의 값에서 유도되어 결정되는 속성
      • 값이 별도로 저장되지 않음

      예시: 책 개체의 가격과 할인율 속성으로 계산되는 판매가격 속성

      예시: 고객 개체의 출생년도 속성으로 계산되는 나이 속성

      • E-R 다이어그램에서 점선 타원으로 표현
    • 널 속성(Null Attribute)
      • 널 값이 허용되는 속성
    • 널(Null) 값
      • 아직 결정되지 않았거나 모르는 값 또는 존재하지 않은 값
      • 공백이나 0과는 의미가 다름

      예시: 고객의 등급 속성이 널 값 - 등급이 아직 결정되지 않았음을 의미

      예시: 병역 속성의 널 값 - 여성의 경우 해당 사항이 없음

    • 키 속성(Key Attribute)
      • 각 개체 인스턴스를 식별하는 데 사용되는 속성
      • 모든 개체 인스턴스의 키 속성 값이 다름
      • 둘 이상의 속성들로 구성되기도 함
        • 고객 개체의 고객아이디가 없는 경우 $\rightarrow$ 고객명과 집전화번호를 조합

      예시: 고객 개체의 고객아이디 속성

      • E-R 다이어그램에서 밑줄로 표현
    • 관계(Relationship)
      • 개체와 개체가 맺고 있는 의미 있는 연관성
      • 개체 집합들 사이의 대응 관계, 즉 매핑(mapping)을 의미

      예시: 고객 개체와 책 개체 간의 구매 관계

      • E-R 다이어그램에서 마름모로 표현
      • 관계의 유형: 관계에 참여하는 개체 타입의 수 기준
        • 이항 관계: 개체 타입 2개가 맺는 관계
        • 삼항 관계: 개체 타입 3개가 맺는 관계
        • 순환 관계: 개체 타입 1개가 자기 자신과 맺는 관계(재귀)
      • 관계의 유형: 매핑 카디널리티 기준
        • 일대일 1:1 관계
          • 개체 A의 각 개체 인스턴스가 개체 B의 개체 인스턴스 하나와 관계를 맺을 수 있고, 개체 B의 각 개체 인스턴스도 개체 A의 개체 인스턴스 하나와 관계를 맺을 수 있음
          • 일대일이 아니면 큰일나는것이다.
          • 관계가 없을지언정 하나가 두 관계를 가지지 않는다.

          예시: 남편과 아내의 혼인 관계

        • 일대다 1:n 관계
          • 개체 A의 각 개체 인스턴스가 개체 B의 개체 인스턴스 여러 개와 관계를 맺을 수 있지만, 개체 B의 각 개체 인스턴스는 개체 A의 개체 인스턴스 하나와 관계를 맺을 수 있음

          예시: 부서와 사원 개체의 소속 관계

        • 다대다 n:m 관계
          • 개체 A의 각 개체 인스턴스가 개체 B의 개체 인스턴스 여러 개와 관계를 맺을 수 있고, 개체 B의 각 개체 인스턴스도 개체 A의 개체 인스턴스 여러 개와 관계를 맺을 수 있음

          예시: 고객과 책의 구매 관계

      • 매핑 카디널리티(Mapping Cardinality)
        • 관계를 맺는 두 개체 집합에서, 각 개체 인스턴스가 연관성을 맺고 있는 상대 개체 집합의 인스턴스 개수
      • 관계의 참여 특성
        • 전체 참여(필수적 참여)
          • 모든 개체 인스턴스가 관계에 반드시 참여해야 되는 것을 의미

          예시: 고객 개체가 책 개체와의 구매 관계에 필수적으로 참여 - 모든 고객은 책을 반드시 구매해야함

          • E-R 다이어그램에서 이중선으로 표현
        • 부분 참여(선택적 참여)
          • 개체 인스턴스 중 일부만 관계에 참여해도 되는 것을 의미

          예시: 책 개체가 고객 개체와의 구매 관계에 선택적으로 참여 - 고객이 구매하지 않은 책이 존재할 수 있음

      • 관계의 종속성
        • 약한 개체(또는 종속 개체, Weak Entity)
          • 다른 개체의 존재 여부에 의존적인 개체
        • 강한 개체(또는 오너 개체, Strong Entity)
          • 다른 개체의 존재 여부를 결정하는 개체

        예시: 학교의 학생개체(강한 개체), 학부모 개체(약한 개체)

        • 특징
          • 강한 개체와 약한 개체는 일반적으로 일대다의 관계
          • 약한 개체는 강한 개체와의 관계에 필수적으로 참여
          • 약한 개체는 강한 개체의 키를 포함하여 키를 구성
        • E-R 다이어그램에서 약한 개체는 이중 사각형으로 표현하고, 약한 개체가 강한 개체와 맺는 관계는 이중 마름모로 표현.

        예시: 직원 개체와 부양가족 개체 사이의 부양 관계

        직원 개체는 강한 개체, 부양가족 개체는 약한 개체

      • E-R 다이어그램
        • 사각형: 개체를 표현
        • 마름모: 관계를 표현
        • 타원: 속성을 표현
        • 링크(연결선): 각 요소를 연결
        • 레이블: 일대일, 일대다, 다대다 관계를 표기 DB다이어그램이미지

          논리적 데이터 모델

  • 논리적 데이터 모델의 개념
    • E-R 다이어그램으로 표현된 개념적 구조를 데이터베이스에 저장할 형태로 표현한 논리적 구조
      • 데이터베이스의 논리적 구조 = 데이터베이스 스키마(Schema)
    • 사용자가 생각하는 데이터베이스의 모습 또는 구조
    • 관계 데이터 모델, 계층 데이터 모델, 네트워크 데이터 모델 등이 있음
  • 관계 데이터 모델
    • 일반적으로 많이 사용되는 논리적 데이터 모델
    • 데이터베이스의 논리적 구조가 2차원 테이블 형태
  • 계층 데이터 모델(Hierarchical data model)
    • 데이터베이스의 논리적 구조가 트리(tree) 형태
    • 루트 역할을 하는 개체가 존재하고 사이클이 존재하지 않음
    • 개체 간에 상하 관계가 성립
      • 부모 개체/자식 개체
      • 부모와 자식 개체는 일대다(1:n) 관계만 허용됨
    • 두 개체 사이에 하나의 관계만 정의할 수 있음
    • 다대다(n:m) 관계를 직접 표현할 수 없음
    • 개념적 구조를 모델링하기 어려워 구조가 복잡해질 수 있음
    • 데이터의 삽입·삭제·수정·검색이 쉽지 않음
    • 그래서 불편하기 때문에 보편적으로 쓰이지 않는다…
  • 네트워크 데이터 모델(Network data model)
    • 데이터베이스의 논리적 구조가 네트워크, 즉 그래프 형태임
    • 개체 간에는 일대다(1:n) 관계만 허용됨
      • 오너(owner) / 멤버(member)
    • 두 개체 간의 관계를 여러 개 정의할 수 있어 이름으로 구별함
    • 다대다(n:m) 관계를 직접 표현할 수 없음
    • 구조가 복잡하고 데이터의 삽입·삭제·수정·검색이 쉽지 않음

관계 데이터 모델

관계 데이터 모델의 개념

  • 관계 데이터 모델의 기본 개념
    • 개념적 구조를 논리적 구조로 표현하는 논리적 데이터 모델
    • 하나의 개체에 관한 데이터를 하나의 릴레이션에 저장
고객아이디(CHAR(20)) 고객이름(CHAR(20)) 나이(INT) 등급(CHAR(10)) 직업(CHAR(10)) 적립금(CHAR(10))
apple 아카리 13 air 소서러 1000
banana 쿄코 14 gold 용사 500
carrot 치나츠 13 silver 궁수 3000
orange 유이 14 master 도적 7000

릴레이션 예시. 행(투플), 열(속성, 애트리뷰트), 도메인(CHAR, INT)

  • 관계 데이터 모델의 기본 용어
    • 릴레이션(Relation)
      • 하나의 개체에 관한 데이터를 2차원 테이블의 구조로 저장한 것
      • 파일 관리 시스템 관점에서 파일(file)에 대응
    • 속성(Attribute)
      • 릴레이션의 열, 애트리뷰트
      • 파일 관리 시스템 관점에서 필드(field)에 대응
    • 투플(Tuple)
      • 릴레이션의 행
      • 파일 관리 시스템 관점에서 레코드(record)에 대응
    • 도메인(Domain)
      • 하나의 속성이 가질 수 있는 모든 값의 집합
      • 속성 값을 입력 및 출력할 때 적합성 판단의 기준이 됨
      • 일반적으로 속성의 특성을 고려한 데이터 타입으로 정의
      • 분해할 수 없는 원자 값만 속성 값으로 사용할 수 있다
    • 널(Null)
      • 속성 값을 아직 모르거나 해당되는 값이 없음을 표현
    • 차수(Degree)
      • 하나의 릴레이션에서 속성의 전체 개수
      • 모든 릴레이션은 최소 1 이상의 차수를 유지해야 한다.
    • 카디널리티(Cardinality)
      • 하나의 릴레이션에서 투플의 전체 개수
      • 투플이 없는 릴레이션이 존재할 수 있다.
고객아이디(CHAR(20)) 고객이름(CHAR(20)) 나이(INT) 등급(CHAR(10)) 직업(CHAR(10)) 적립금(CHAR(10))
apple 아카리 13 air 소서러 1000
banana 쿄코 14 gold 용사 500
carrot 치나츠 13 silver 궁수 3000
orange 유이 14 master 도적 7000

이 경우 고객 릴레이션의 차수(속성의 개수)는 6, 카디널리티(투플의 개수)는 4

  • 릴레이션의 구성
    • 릴레이션 스키마(Relation Schema)
      • 릴레이션의 논리적 구조
      • 릴레이션의 이름과 릴레이션에 포함된 모든 속성의 이름으로 정의
      • 릴레이션 내포(Relation Intension)라고도 함
      • 자주 변하지 않는 정적인 특징
    • 릴레이션 인스턴스(Relation Instance)
      • 어느 한 시점에 릴레이션에 존재하는 투플들의 집합
      • 릴레이션 외연(Relation Extension)이라고도 함
      • 투플의 삽입·삭제·수정이 자주 발생하는 동적인 특징
고객아이디(CHAR(20)) 고객이름(CHAR(20)) 나이(INT) 등급(CHAR(10)) 직업(CHAR(10)) 적립금(CHAR(10)) 스키마
apple 아카리 13 air 소서러 1000 인스턴스
  • 데이터베이스의 구성
    • 데이터베이스 스키마(DataBase Schema)
      • 데이터베이스의 전체구조
      • 데이터베이스를 구성하는 릴레이션 스키마의 모음
    • 데이터베이스 인스턴스(DataBase Instance)
      • 데이터베이스를 구성하는 릴레이션 인스턴스의 모음
A릴레이션 스키마 B릴레이션 스키마 C릴레이션 스키마 <- 데이터베이스 스키마
A릴레이션 인스턴스 B릴레이션 인스턴스 C릴레이션 인스턴스 <- 데이터베이스 인스턴스
  • 릴레이션의 특성
    • 릴레이션은 네가지 특성을 만족해야 한다.
    • 투플의 유일성
      • 하나의 릴레이션에는 동일한 투플이 존재할 수 없다
      • 다른 투플과는 구별되는 유일한 특성이 있어야 한다. (키)
    • 투플의 무순서
      • 하나의 릴레이션에서 투플 사이의 순서는 무의미하다.
    • 속성의 무순서
      • 하나의 릴레이션에서 속성 사이의 순서는 무의미하다.
    • 속성의 원자성
      • 속성 값으로 원자 값만 사용할 수 있다.
고객아이디(CHAR(20)) 고객이름(CHAR(20)) 나이(INT) 등급(CHAR(10)) 직업(CHAR(10)) 적립금(CHAR(10))
apple 아카리 13 air 궁수 1000
banana 쿄코 14 gold 용사 500
carrot 치나츠 13 silver 궁수 3000
orange 유이 14 master 도적 7000

다중 값을 가지는 직업 속성을 포함하고 있어서 관계 데이터 모델의 릴레이션으로 적합하지 않음

  • 키(Key)
    • 릴레이션에서 투플들을 유일하게 구별하는 속성 또는 속성들의 집합
  • 키의 특성
    • 유일성(Uniqueness)
      • 하나의 릴레이션에서 모든 투플은 서로 다른 키 값을 가져야 함
    • 최소성(Minimality)
      • 꼭 필요한 최소한의 속성들로만 키를 구성함
  • 키의 종류
    • 슈퍼키(Super Key)
      • 유일성을 만족하는 속성 또는 속성들의 집합

      예시: 고객 릴레이션의 슈퍼키: 고객아이디, (고객아이디, 고객이름), (고객이름, 주소) 등

      • 고객 아이디를 포함하는 속성집합은 모두 슈퍼키가 될 수 있다.
    • 후보키(Candidate Key)
      • 유일성과 최소성을 만족하는 속성 또는 속성들의 집합

      예시: 고객 릴레이션의 후보키: 고객아이디, (고객이름, 주소) 등

      (고객아이디, 고객이름)은 최소성을 위반한다

    • 기본키(Primary Key)
      • 후보키 중에서 기본적으로 사용하기 위해 반드시 선택해야 하는 키
      • 속성명에 밑줄을 그어 표현

      예시: 고객 릴레이션의 기본키: 고객 아이디

      • 기본키 선택시 고려할 사항
        • 널 값을 가질 수 있는 속성이 포함된 후보키는 부적합

        예시: (고객이름, 주소) 의 경우 주소를 기입하지 않을 수 있음

        • 값이 자주 변경될 수 있는 속성이 포함된 후보키는 부적합

        예시: (고객이름, 주소) 의 경우 주소가 변경될 수 있음

        • 단순한 후보키를 기본키로 선택하는 것이 적합함

        예시: 고객아이디는 자릿수가 적은 정수나 단수 문자열 등이 선호됨

    • 대체키(Alternate Key)
      • 기본키로 선택되지 못한 후보키

      예시: 고객 릴레이션의 대체키 (고객이름, 주소)

    • 외래키(Foreign Key)
      • 다른 릴레이션의 기본키를 참조하는 속성 또는 속성들의 집합
      • 릴레이션들 사이의 관계를 표현하기 위해 필요
        • 참조하는 릴레이션: 외래키를 가진 릴레이션
        • 참조되는 릴레이션: 외래키가 참조하는 기본키를 가진 릴레이션
        • 다른 릴레이션의 대체키를 참조하는 것도 가능
      • 외래키 속성과 그것이 참조하는 기본키 속성의 이름은 달라도 되지만 도메인은 같아야 한다.
      • 하나의 릴레이션에는 외래키가 여러 개 존재할 수도 있고, 외래키를 기본키로 사용할 수도 있다.
      • 같은 릴레이션의 기본키를 참조하는 외래키도 정의할 수 있다.
      • 외래키 속성은 널 값과 중복값을 가질 수 있다.

관계 데이터 모델의 제약

  • 무결성 제약조건(Integrity Constraint)
    • 데이터의 무결성을 보장하고 일관된 상태로 유지하기 위한 규칙
    • 무결성
      • 데이터에 결함이 없는 상태, 즉 데이터가 정확하고 유효하게 유지된 상태
      • 권한이 있는 사용자의 요구에 의해 데이터가 부정확해지지 않도록 보호
  • 개체 무결성 제약조건(Entity Integrity Constraint)
    • 기본키를 구성하는 모든 속성은 널 값을 가질 수 없는 규칙
    • 모든 릴레이션에 적용
  • 참조 무결성 제약조건(Referential Integrity Constraint)
    • 외래키는 참조할 수 없는 값을 가질 수 없는 규칙
    • 외래키 속성이 널 값을 가진다고 해서 참조 무결성 제약 조건을 위반한 것은 아니다

관계 데이터 연산

관계 데이터 연산의 개념

  • 데이터 모델 = 데이터 구조(Data Structure) + 제약조건(Constraint) + 연산(Operation)
  • 관계 데이터 연산(Relational Data Operation)
    • 관계 데이터 모델의 연산
    • 원하는 데이터를 얻기 위해 릴레이션에 필요한 처리 요구를 수행하는 것
    • 관계 대수와 관계 해석
  • 관계 대수와 관계 해석의 역할
    • 데이터 언어의 유용성을 검증하는 기준
    • 관계 대수나 관계 해석으로 기술할 수 있는 모든 질의를 새로 제안된 데이터 언어로 기술할 수 있다면 $\rightarrow$ 관계적으로 완전(Relationally Complete) 하다고 판단(검증된 언어로 판단)
      • 질의(query): 데이터에 대한 처리 요구

관계 대수

  • 관계 대수(Relational Algebra)의 개념
    • 절차 언어(Procedural Language)
      • 원하는 결과를 얻기 위해 릴레이션의 처리 과정을 순서대로 기술하는 언어
    • 릴레이션을 처리하는 연산자들의 모임
      • 대표 연산자 8개
      • 일반 집합 연산자와 순수 관계 연산자로 분류
    • 폐쇄 특성(Closure Property)
      • 피연산자도 릴레이션이고 연산의 결과도 릴레이션
릴레이션 R   릴레이션 S   릴레이션 T
번호 이름   번호 이름   번호 소속
1 아카리   1 아카리   가 오락부
2 치나츠   2 치나츠   나 학생회
3 쿄코   5 사쿠라코      
4 유이   6 히마와리      
  • 관계 대수의 연산자
    • 일반 집합 연산자(Set Operation)
      • 릴레이션이 투플의 집합이라는 개념을 이용하는 연산자
      • 피연산자가 2개 필요
        • 2개의 릴레이션을 대상으로 연산 수행
      • 합집합, 교집합, 차집합은 피연산자인 두 릴레이션이 합병 가능해야 함
        • 합병 가능(Union-Compatible) 조건
          • 두 릴레이션의 차수가 같아야 함
          • 두 릴레이션에서 서로 대응되는 속성의 도메인이 같아야 함
      • 합집합(Union): R $\cup$ S
        • 합병 가능한 두 릴레이션 R과 S의 합집합
          • 릴레이션 R에 속하거나 S에 속하는 모든 투플의 결과 릴레이션 구성
        • 결과 릴레이션의 특성
          • 차수는 릴레이션 R과 S의 차수와 같음
          • 카디널리티는 릴레이션 R과 S의 카디널리티를 더한 것과 같거나 적어짐
        • 교환적 특징이 있음
          • R $\cup$ S = S $\cup$ R
        • 결합적 특징이 있음
          • (R $\cup$ S) $\cup$ T = R $\cup$ (S $\cup$ T)
      • 교집합(Intersection): R $\cap$ S
        • 합병 가능한 두 릴레이션 R과 S의 교집합
          • 릴레이션 R과 S에 공통으로 속하는 투플로 결과 릴레이션 구성
        • 결과 릴레이션의 특성
          • 차수는 릴레이션 R과 S의 차수와 같음
          • 카디널리티는 릴레이션 R과 S의 어떤 카디널리티보다 크지 않음(같거나 작음)
        • 교환적 특징이 있음
          • R $\cap$ S = S $\cap$ R
        • 결합적 특징이 있음
          • (R $\cap$ S) $\cap$ T= R $\cap$ (S $\cap$ T)
      • 차집합(Difference): R - S
        • 합병 가능한 두 릴레이션 R과 S의 차집합
          • 릴레이션 R에는 존재하지만 릴레이션 S에는 존재하지 않는 투플로 결과 릴레이션 구성
        • 결과 릴레이션의 특성
          • 차수는 릴레이션 R과 S의 차수와 같음
          • R-S의 카디널리티는 릴레이션 R의 카디널리티와 같거나 적음
          • S-R의 카디널리티는 릴레이션 S의 카디널리티와 같거나 적음
        • 교환적, 결합적 특징이 없음
      • 카티션 프로덕트(Cartesian Product): R $\times$ S
        • 두 릴레이션 R과 S의 카티션 프로덕트
          • 릴레이션 R에 속한 각 투플과 릴레이션 S에 속한 각 투플을 모두 연결하여 만들어진 새로운 투플로 결과 릴레이션을 구성
        • 결과 릴레이션의 특성
          • 차수는 릴레이션 R과 S의 차수를 더한 것과 같음
          • 카디널리티는 릴레이션 R과 S의 카디널리티를 곱한 것과 같음
        • 교환적 특징이 있음
          • R $\times$ S = S $\times$ R
        • 결합적 특징이 있음
          • (R $\times$ S) $\times$ T = R $\times$ (S $\times$ T)
    • 순수 관계 연산자(Relational Operation)
      • 릴레이션의 구조와 특성을 이용하는 연산자
      • 셀렉트(Select) $\sigma$
        • 릴레이션에서 조건을 만족하는 투플만 선택하여 결과 릴레이션을 구성
          • 수평적 연산자: 결과 릴레이션을 연산 대상 릴레이션의 수평적 부분집합
        • 하나의 릴레이션을 대상으로 연산을 수행
        • 수학적 표현: $\sigma_{조건식}$(릴레이션)
        • 데이터 언어적 표현: 릴레이션 where 조건식
        • 조건식
          • 비교식, 프레디킷(Predicate)이라고도 함
          • 속성과 상수의 비교나 속성들 간의 비교로 표현
          • 비료 연산자($>, \geq, <, \leq, =, \neq$)와 논리 연산자($\wedge, \vee, \neg$)를 이용해 작성
        • 교환적 특징이 있음
      • 프로젝트(Project) $\pi$
        • 릴레이션에서 선택한 속성의 값으로 결과 릴레이션을 구성
          • 수직적 연산자: 결과 릴레이션은 연산대상 릴레이션의 수직적 부분집합
        • 하나의 릴레이션을 대상으로 연산을 수행
        • 수학적 표현: $\pi_{속성리스트}$(릴레이션)
        • 데이터 언어적 표현: 릴레이션[속성리스트]
      • 조인(Join) $\bowtie$
        • 릴레이션 하나로 원하는 데이터를 얻을 수 없어서 조인 속성을 이용해 두 릴레이션을 조합하여 결과 릴레이션을 구성
          • 조인 속성의 값이 같은 투플만 연결하여 생성된 투플을 결과 릴레이션에 포함
          • 조인 속성: 두 릴레이션이 공통으로 가지고 있는 속성
        • 두 릴레이션에 대해 카티션 프로덕트 연산을 수행한 후 셀렉트 연산을 수행한 것과 같음
        • 표현법: R $\bowtie$ S
        • 동등 조인(Equi-Join)이라고도 함
      • 세타 조인(Theta-Join, $\theta$-Join)
        • 동등 조인에 비해 더 일반화된 조인
        • 주어진 조인 조건을 만족하는 두 릴레이션의 모든 투플을 연결하여 생성된 새로운 투플로 결과 릴레이션을 구성
        • 결과 릴레이션의 차수는 두 릴레이션의 차수를 더한 것과 같음
        • 표현법: R $\bowtie_{A{\theta}B}$ S
        • $\bowtie_{A{\theta}B}$ 는 조인 조건
          • A, B는 각 릴레이션의 속성이고, 같은 도메인이어야 한다.
          • $\theta$ 는 비교연산자($>, \geq, <, \leq, =, \neq$)를 의미
      • 동등 조인(Equi-Join)
        • $\theta$ 연산자가 “=”인 세타 조인을 의미
        • 표현법: R $\bowtie_{A=B}$ S
      • 자연 조인(Natural Join)
        • 동등 조인의 결과 릴레이션에서 조인 속성이 한 번만 나타나게 하는 연산
        • 표현법: R $\bowtie_{N}$ S
      • 세타조인 > 동등조인 > 자연조인
      • 디비전(Division) R $\div$ S
        • 표현법: R $\div$ S
        • 릴레이션 2의 모든 투플과 관련이 있는 릴레이션 1의 투플로 결과 릴레이션을 구성
          • 단, 릴레이션 1이 릴레이션 2의 모든 속성을 포함하고 있어야 연산이 가능함.
            • 도메인이 같아야 한다는 의미
합집합 R $\cup$ S   교집합 R $\cap$ S   차집합 R - S
번호 이름   번호 이름   번호 이름
1 아카리   1 아카리   3 쿄코
2 치나츠   2 치나츠   4 유이
3 쿄코            
4 유이            
5 사쿠라코            
6 히마와리            
카티션 R $\times$ T    
R.번호 R.이름 T.번호 T.소속
1 아카리 가 오락부
1 아카리 나 학생회
2 치나츠 가 오락부
2 치나츠 나 학생회
3 쿄코 가 오락부
3 쿄코 나 학생회
4 유이 가 오락부
4 유이 나 학생회
  • 관계 대수 질의 표현 예
    • 등급이 gold인 고객의 이름과 나이를 검색하시오
      • $\pi_{고객이름,나이}(\sigma_{등급=’gold’}(고객))$
    • 고객이름이 아카리인 고객의 등급과, 아카리 고객이 주문한 주문제품 수량을 검색하시오
      • $\pi_{등급,주문제품,수량}(\sigma_{고객이름=’아카리’}(고객 \bowtie 주문))$
    • 주문수량이 10개 미만인 주문 내역을 제외하고 검색하시오
      • $주문-(\sigma_{수량<10}(주문))$

데이터베이스 언어 SQL

SQL의 소개

  • SQL(Structured Query Language)
    • 의미
      • 관계 데이터베이스를 위한 표준 질의어로 많이 사용되는 언어
      • 비절차적 데이터 언어 - 사용자가 처리를 원하는 데이터가 무엇인지만 제시하고 처리절차는 언급할 필요가 없다.
    • 발전 역사
      • SEQUEL(Structured English QUEry Language)에서 유래
        • 연구용 관계 데이터베이스 관리 시스템인 SYSTEM R을 위한 언어
      • 미국 표준 연구소인 ANSI와 국제 표준화 기구인 ISO에서 표준화 작업을 진행
        • 계속 수정 및 보완되고 있음
    • 사용 방식
      • 대화식 SQL: 데이터베이스 관리 시스템에 직접 접근해 질의를 작성하고 실행
      • 삽입 SQL: 프로그래밍 언어로 작성한 응용 프로그램에 삽입
  • SQL의 분류
    • 데이터 정의어(DDL)
      • 테이블을 생성하고 변경·삭제하는 기능을 제공
    • 데이터 조작어(DML)
      • 테이블에 새 데이터를 삽입하거나, 테이블에 저장된 데이터를 수정·삭제·검색하는 기능을 제공
    • 데이터 제어어(DCL)
      • 보안을 위해 데이터에 대한 접근 및 사용 권한을 사용자별로 부여하거나 취소하는 기능을 제공. 데이터베이스 관리자가 주로 사용.

SQL을 이용한 데이터 정의

  • SQL의 데이터 정의 기능
    • 테이블 생성, 테이블 구조의 변경, 테이블 삭제
  • 테이블 생성: CREATE TABLE 문
    • []은 생략 가능
    • SQL 문은 세미콜론(;)으로 문장의 끝을 표시
    • SQL 문은 대소문자를 구분하지 않음
    • 속성의 정의
      • 테이블을 구성하는 각 속성의 데이터 타입을 선택한 후에 널 값 허용 여부와 기본 값 필요 여부를 결정
      • NOT NULL
        • 속성이 널 값을 허용하지 않음을 의미하는 키워드

        예시: 고객아이디 VARCHAR(20) NOT NULL

      • DEFAULT
        • 속성의 기본 값을 지정하는 키워드

        예시: 적립금 INT DEFAULT 0

        예시: 담당자 VARCHAR(10) DEFAULT '아야노'

    • 참고사항
      • 오라클은 VARCHAR보다 개선된 VARCHAR2를 더 많이 사용한다
      • 오라클을 NUMERIC과 DECIMAL 대신 NUMBER 데이터 타입을 지원하며 정수도 NUMVER 타입으로 많이 표현한다
      • 오라클은 DATETIME 타입을 지원하지 않고 DATE 타입으로 날짜와 시간을 함께 표현할 수 있다
    • 키의 정의
      • PRIMARY KEY
        • 기본키를 지정하는 키워드. 기본키가 없어도 테이블을 정의할 수 있다.
        • 모든 테이블에서 기본키는 반드시 하나만 지정할 수 있다.

        예시: PRIMARY KEY(고객아이디), PRIMARY KEY(주문고객, 주문제품)

      • UNIQUE
        • 대체키를 지정하는 키워드
        • 대체키로 지정된 속성의 값은 유일성을 가지며 기본키와 달리 널 값이 허용됨

        예시: UNIQUE(고객이름)

      • FOREIGN KEY
        • 외래키를 지정하는 키워드
        • 외래키가 어떤 테이블의 무슨 속성을 참조하는지, REFERENCES 키워드 다음에 제시
        • 참조 무결성 제약조건 유지를 위해 참조되는 테이블에서 투플 삭제시 처리 방법을 지정하는 옵션
          • ON DELETE NO ACTION: 투플을 삭제하지 못하게 함
          • ON DELETE CASCADE: 관련 투플을 함께 삭제함
          • ON DELETE SET NULL: 관련 투플의 외래키 값을 NULL로 변경함
          • ON DELETE SET DEFAULT: 관련 투플의 외래키 값을 미리 지정한 기본 값으로 변경함

          예시: FOREIGN KEY(소속부서) REFERENCES 부서(부서번호)

          예시: FOREIGN KEY(소속부서) REFERENCES 부서(부서번호)

          예시: ON DELETE CASCADE ON UPDATE CASCADE

    • 데이터 무결성 제약조건의 정의
      • CHECK
        • 테이블에 정확하고 유효한 데이터를 유지하기 위해 특정 속성에 대한 제약조건을 지정

        예시: CHECK(재고량 >= 0 AND 재고량 <= 10000)

        (모든 제품의 재고량은 항상 0개 이상, 10000개 이하로 유지되어야 한다는 데이터 무결성 제약조건

        • CONSTRAINT 키워드와 함께 고유의 이름을 부여할 수도 있음

        예시: CONSTRAINT CHK_CPY CHECK(제조업체 = '나나모리제과')

        모든 제품의 제조업체로 한빛제과만 허용한다는 데이터 무결성 제약조건에 CHK_CPY라는 고유 이름을 부여함. 다른 테 이블에 같은 아름을 사용할 수 없음

CREATE TABLE 테이블_이름(
	속성_이름 데이터_타입 [NOT NULL] [DEFAULT 기본_값]
	[PRIMARY KEY (속성_리스트)]
	[UNIQUE (속성_리스트)]
	[FOREIGN KEY (속성_리스트) REFERENCES 테이블_이름(속성_리스트)]
	[ON DELETE 옵션] [ON UPDATE 옵션]
	[CONSTRAINT 이름] [CHECK(조건)]
)
데이터 타입 의미
INT 또는 INTEGER 정수
SMALLINT INT보다 작은 정수
CHAT(n) 또는 CHARACTER(n) 길이가 n인 고정 길이의 문자열
VARCHAR(n) 또는 CHARACTER VARYING 최대 길이가 n인 가변 길이의 문자열
NUMERIC(p, s) 또는 DECIMAL(p, s) 고정 소수점 실수
p는 소수점을 제외한 전체 숫자의 길이
s는 소수점 이하의 숫자의 길이
FLOAT(n) 길이가 n인 부동 소수점 실수
REAL 부동 소수점 실수
DATE 연, 월, 일로 표현되는 날짜
TIME 시, 분, 초로 표현되는 시간
DATETIME 날짜와 시간

속성의 데이터 타입

  • 테이블 변경: ALTER TABLE 문
    • 새로운 속성 추가
    • 기존 속성 삭제
      • 만약, 삭제할 속성과 관련된 제약조건이나 참조하는 다른 속성이 존재한다면?
        • 속성 삭제가 수행되지 않음
        • 관련된 제약조건이나 참조하는 다른 속성을 먼저 삭제해야 함
    • 새로운 제약 조건의 추가
    • 기존 제약 조건의 삭제
    속성추가
	ALTER TABLE 테이블_이름
		ADD 속성_이름 데이터_타입 [NOT NULL] [DEFAULT 기본_값];

    속성 삭제
	ALTER TABLE 테이블_이름 DROP COLUMN 속성_이름;

	ALTER TABLE 테이블_이름 ADD CONSTRAINT 제약조건_이름 제약조건_내용;

	ALTER TABLE 테이블_이름 DROP CONSTRAINT 제약조건_이름;
  • 테이블 삭제: DROP TABLE 문
    • 만약, 삭제할 테이블을 참조하는 테이블이 있다면?
      • 테이블 삭제가 수행되지 않음
      • 관련된 외래키 제약조건을 먼저 삭제해야 함 
          DROP TABLE 테이블_이름;

SQL을 이용한 데이터 조작

  • SQL의 데이터 조작 기능
    • 데이터 검색(SELECT), 새로운 데이터 삽입(INSERT), 데이터 수정(UPDATE), 데이터 삭제(DELETE)
  • 데이터 검색: SELECT 문
    • 기본 검색
      • SELECT 키워드와 함께 검색하고 싶은 속성의 이름을 나열
      • FROM 키워드와 함께 검색하고 싶은 속성이 있는 테이블의 이름을 나열
      • 검색 결과는 테이블 형태로 반환됨
      • ALL
        • 결과 테이블이 투플의 중복을 허용하도록 지정, 생략 가능
      • DISTINCT
        • 결과 테이블이 투플의 중복을 허용하지 않도록 지정
      • 기본 검색
        • AS 키워드를 이용해서 결과 테이블에서 속성의 이름을 바꾸어 출력 가능
        • 새로운 이름에 공백이 포함되면 큰 따옴표나 작은 따옴표로 묶어주어야 함
          • 오라클에서는 큰 따옴표, MS SQL 서버에서는 작은 따옴표 사용
        • AS 키워드는 생략 가능
      • 산술식을 이용한 검색
        • SELECT 키워드와 함께 산술식 제시
          • 산술식: 속성의 이름과 + - * \/ 등의 산술 연산자와 상수로 구성
        • 결과 테이블에서만 계산된 결과 값이 출력됨
        • 속성의 값이 실제로 변경되는 것은 아님
      • 조건 검색
        • 조건을 만족하는 데이터만 검색
        • WHERE 키워드와 함께 비교 연산자와 논리 연산자를 이용한 검색 조건 제시
          • 숫자 뿐 아니라 문자와 날짜 값을 비교하는 것도 가능
          • 조건에서 문자나 날짜 값은 작은 따옴표로 묶어서 표현
      • LIKE를 이용한 검색
        • LIKE 키워드를 이용해 부분적으로 일치하는 데이터 검색
        • 문자열을 이용하는 조건에만 LIKE 키워드 사용 가능
      • NULL을 이용한 검색
        • IS NULL 키워드를 이용해 특정 속성의 값이 널 값인지를 비료
        • IS NOT NULL 키워드를 이용해 특정 속성의 값이 널 값이 아닌지를 비교
        • 검색 조건에서 널 값은 다른 값과 비교하면 결과가 모두 거짓이 됨
      • 정렬 검색
        • ORDER BY 키워드를 이용해 결과 테이블 내용을 사용자가 원하는 순서로 출력
        • ORDER BY 키워드와 함께 정렬 기준이 되는 속성과 정렬 방식을 지정
          • 오름차순(기본): ASC / 내림차순: DESC
          • 널 값은 오름차순에서는 맨 마지막에 출력되고, 내림차순에서는 맨 먼저 출력됨
          • 여러 기준에 따라 정렬하려면 정렬 기준이 되는 속성들을 차례
      • 집계 함수를 이용한 검색
        • 특정 속성 값을 통계적으로 계산한 결과를 검색하기 위해 집계 함수를 이용
          • 집계 함수(aggregate function)
            • 열 함수(column function) 라고도 함
            • 개수, 합계, 평균, 최댓값, 최솟값의 계산 기능 제공
        • 집계 함수 사용 시 주의 사항
          • 집계 함수는 널인 속성 값은 제외하고 계산함
          • 집계 함수는 WHERE 절에서는 사용할 수 없고, SELECT 절이나 HAVING 절에서만 사용 가능
	SELECT [ALL|DISTINCT] 속성_리스트
	FROM 테이블_리스트;

	고객 테이블에서 고객아이디, 고객이름, 등급속성을 검색해보자
	SELECT 고객아이디, 고객이름, 등급
	FROM 고객;

	고객 테이블에 존재하는 모든 속성을 검색해보자
	SELECT 고객아이디, 고객이름, 나이, 등급, 직업, 적립금
	FROM 고객;

	모든 속성을 검색할 때 이름을 전부 쓸 필요 없이 *를 써도 됨
	SELECT *
	FROM 고객;

	제품 테이블에서 제조업체를 검색해보자. 그러면 제조업체가 중복되어 결과가 뜸.
	SELECT 제조업체
	FROM 제품;

	제품 테이블에서 제조업체를 검색하되, ALL 키워드를 사용해보자
	SELECT ALL 제조업체
	FROM 제품;

	제품 테이블에서 제조업체 속성을 중복 없이 검색해보자
	SELECT DIXTINCT 제조업체
	FROM 제품;

	제품 테이블에서 제품명과 단가를 검색하되, 단가를 가격이라는 새 이름으로 출력하자
	SELECT 제품명, 단가 AS 가격
	FROM 제품;

	제품 테이블에서 제품명과 단가 속성을 검색하되, 단가에 500원을 더해 '조정 단가'라는 새 이름으로 출력해보자.
	SELECT 제품명, 단가 + 500 AS "조정 단가"
	FROM 제품;

	제품 테이블에서 나나모리제과가 제조한 제품의 제품명, 재고량, 단가를 검색해보자
	SELECT 제품명, 재고량, 단가
	FROM 제품
	WHERE 제조업체 = '나나모리제과';

	주문 테이블에서 apple 고객이 15개 이상 주문한 주문제품, 수량, 주문일자를 검색해보자
	SELECT 주문제품, 수량, 주문일자
	FROM 주문
	WHERE 주문고객 = 'apple' AND 수량 >= 15;

	제품 테이블에서 단가가 2,000원 이상이면서 3,000원 이하인 제품의 제품명, 단가, 제조업체를 검색해보자
	SELECT 제품명, 단가, 제조업체
	FROM 제품
	WHERE 단가 >= 2000 AND 단가 <= 3000;

	고객 테이블에서 성이 김씨인 고객의 고객이름, 나이, 등급, 적립금을 검색해보자
	SELECT 고객이름, 나이, 등급, 적립금
	FROM 고객
	WHERE 고객이름 LIKE '김%';

	고객 테이블에서 고객아이디가 5자인 고객의 고객아이디, 고객이름, 등급을 검색해보자
	SELECT 고객아이디, 고객이름, 등급
	FROM 고객
	WHERE 고객아이디 LIKE '_ _ _ _ _';

	고객 테이블에서 나이가 아직 입력되지 않은 고객의 고객이름을 검색해보자
	SELECT 고객이름
	FROM 고객
	WHERE 나이 IS NULL;

	고객 테이블에서 나이가 이미 입력된 고객의 고객이름을 검색해보자
	SELECT 고객이름
	FROM 고객
	WHERE 나이 IS NOT NULL;

	고객 테이블에서 고객이름, 등급, 나이를 검색하되, 나이를 기준으로 내림차순 정렬해보자
	SELECT 고객이름, 등급, 나이
	FROM 고객
	ORDER BY 나이 DESC;

	주문 테이블에서 수량이 10개 이상인 주문의 주문고객, 주문제품, 수량, 주문일자를 검색해보자. 단 주문제품을 기준으로 오름차순 정렬하고, 동일 제품은 수량을 기준으로 내림차순 정렬해보자.
	SELECT 주문고객, 주문제품, 수량, 주문일자
	FROM 주문
	WHERE 수량 >= 10
	ORDER BY 주문제품 ASC, 수량 DESC;

	제품 테이블에서 모든 제품의 단가 평균을 검색해보자
	SELECT AVG(단가)
	FROM 제품;

	나나모리제과에서 제조한 제품의 재고량 합계를 제품 테이블에서 검색해보자
	SELECT SUM(재고량) AS "재고량 합계"
	FROM 제품
	WHERE 제조업체 = '나나모리제과';

	고객아이디 속성을 이용해 계산하는 경우
	SELECT COUNT(고객아이디) AS 고객수
	FROM 고객;

	나이 속성을 이용해 계산하는 경우
	SELECT COUNT(나이) AS 고객수
	FROM 고객;

	*를 이용해 계산하는 경우
	SELECT COUNT(*) AS 고객수
	FROM 고객;

	제품 테이블에서 제조업체의 수를 검색해보자
	SELECT COUNT(DISTINCT 제조업체) AS "제조업체 수"
	FROM 제품;
비교 연산자 의미 논리 연산자 의미
= 같다 AND 모든 조건을 만족해야 검색한다
< > 다르다 OR 여러 조건 중 한 가지만 만족해도 검색한다
< 작다 NOT 조건을 만족하지 않는 것만 검색한다
> 크다 LIKE 키워드 기호 설명
$\leq$, <= 작거나 같다 % 0개 이상의 문자(문자의 내용과 개수는 상관 없음)
$\geq$, >= 크거나 같다 - 1개의 문자(문자의 내용은 상관 없음)
LIKE 키워드 사용 예 예시 설명
    LIKE ‘데이터%’ 데이터로 시작하는 문자열, 길이 상관 없음
    LIKE ‘%데이터’ 데이터로 끝나는 문자열, 길이 상관 없음
    LIKE ‘%데이터%’ 데이터가 포함된 문자열
    LIKE ‘데이터_ _’ 데이터로 시작하는 5자 길이의 문자열
    LIKE ‘_ _한’ 세 번째 글자가 ‘한’인 문자열
SELECT 문    
함수 의미 사용 가능한 속성의 타입
COUNT 속성 값의 개수 모든 데이터
MAX 속성 값의 최대값 모든 데이터
MIN 속성 값의 최솟값 모든 데이터
SUM 속성 값의 합계 숫자 데이터
AVG 속성 값의 평균 숫자 데이터

카테고리:

업데이트:

참고

드로잉 공부 2

되게 오랜만에 올리네요. 그림을 좀 더 그리려고 하는데, 타블렛에 손이 잘 가질 않네요. 2개를 그렸는데, 우선 그렸던 것은 나모리 센세의 매일일기 유루유리의 아야노입니다. 손이 뭉개진 것이 좀 많이 흠이네요. 전체적으로도 뭔가 선이 덜 깔끔하고. 눈도 뭔가 살-짝 이상한 감이...

2024년도 연구 기록

연구 분야: 로보틱스, 자율 주행 연구 주제: 자율주행을 위한 경로계획 적용 연구원: 조형남 별칭: 마식(馬植) 본 연구 일지를 쓰게된 이유 올 해에 들어서 1~4월은 논문을 위한 기간을 가졌었고, 5~6월은 논문 때문에 뒤로 미뤘던 학부생으로서 해야할 졸업 프로젝트와 수업...

드로잉 공부 1

그동안 그림 안그리다가 최근에 타블렛으로 그림을 그리기 시작했습니다. 원래 종이에 그리는게 익숙하다가 타블렛으로 바꿨는데, 잘 그리는 것도 아니라서 익숙해지기 어렵나 싶었는데 또 그건 아니네요. 원래 타블렛이 CTL-472라고 하나 있었는데, 이번에 타블렛을 하나 더 샀습니다....

ROS2 humble nav2 build error

이걸 쓰게 된 이유 nav2가 사용자에게 그다지 친절하지 못한 부분이 있다. 그래서 본인은 매우 어려움을 겪었었는데, 그냥 설치하고 싶다면, sudo apt install ros-<ros2-distro>-navigation2 sudo apt install ros-&...