정규화란? 각 단계와 정규화의 장단점, 반정규화

 

이번 포스팅은 저번 논리 데이터 모델링에 이어 그 단계에서 수행해야하는 정규화(Normalization)에 대해서 알아보도록 하겠습니다.

 

---

정규화(Normalization)

정의

중복성을 최소화하고 정보의 일관성을 보장하기 위한 개념

 

목적

1) 데이터 중복 배제로 데이터 관리 편의성 제고 및 자료 저장 공간의 최소화

2) 데이터 모형 단순화

3) 데이터 구조의 안정성 및 무결성 유지

4) 속성의 배열상태 검증

5) 엔터티와 속성의 누락 여부 검증 수단

6) 자료검색과 추출의 효율성을 추구

 

특징

1) 어떠한 관계구조가 바람직한 것인지, 바람직하지 못한 관계를 어떻게 분해하여야 하는지에 관한 구체적인 판단기준을 제공

2) 정규화된 데이터 모델은 정확성, 일치성, 단순성, 비중복성, 안정성 보장

 

 

정규화의 4유형

1. 제1정규화

 1) 반복되는 속성이나 Group 속성 제거

 2) 새로운 실체와 1:N의 관계 추가

 3) 모든 속성은 반드시 하나의 값을 가져야 함(반복형태가 있어서는 안됨)

 

2. 제2정규화

 1) 주식별자에 완전하게 종속되지 않는 속성 제거

 2) 불완전 함수적 종속(Non Fully Dependency) 제거

 3) 모든 속성은 반드시 UID전부에 종속되어야 함(UID일부에만 종속되어서는 안됨)

 

3. 제3정규화

 1) 비식별자에 종속되는 속성 제거

 2) 주식별자에 이행종속(Transitive Dependency) 되는 속성 제거

 3) UID가 아닌 모든 속성 간에는 서로 종속될 수 없음(속성간 종속성 배제)

 

4. 제4정규화

 1) 실제로 거의 고려되지 않는 정규화 

 2) 주식별자에 다가종속(Multi-Valued Dependency)되는 속성을 두가지 이상 두지않음

 3) 2차 정규화된 테이블은 다대다 관계를 가질 수 없음

 4) 어떠한 관계구조가 바람직한 것인지, 바람직하지 못한 관계를 어떻게 분해하여야 하는지에 관한 구체적인 판단기준을 제공

 

 

정규화 수준에 따른 장단점

정규화 수준이 높을수록,

 

장점

1) 유연한 데이터 구축이 가능

2) 데이터의 정확성 높아짐

 

단점

1) 물리적 접근이 복잡

2) 길이가 짧은 데이터 생성으로 과도한 조인 발생

 

 

---

 

정규화는 논리 데이터 모델링의 단계에서 이루어진다는 점과, 반정규화는 그 다음 단계인 물리 데이터 모델링 단계에서 이루어진다는 점을 기억하시면 되겠습니다.

다음 포스팅으로는 반정규화에 대해 자세히 설명해 보도록 하겠습니다.

 

이렇게 정규화에 대한 설명을 마치겠습니다.