정규화(Normalization)

정규화를 거치지 않으면 데이터베이스 내에 데이터들이 불필요하게 중복, 종속되어 이상 현상이 발생한다.

 

1. 이상(Anomaly) 현상

• 삽입(Insertion) 이상: 의도와는 상관없이 원하지 않은 값들도 함께 삽입되는 현상
• 삭제(Deletion) 이상: 의도와는 상관없는 값들도 함께 삭제되는 연쇄가 일어나는 현상
• 갱신(Update) 이상: 일부 튜플의 정보만 갱신되어 정보에 모순이 생기는 현상

 

2. 정규화(Normalization)

정규화란 관계형 데이터베이스에서 중복을 최소화하기 위해 데이터를 구조화하는 작업으로 잘못 설계된 릴레이션을 더 작은 속성으로 분해하여 바람직한 릴레이션으로 만들어 가는 과정이다.

• 함수적 종속성을 이용해 판단한다.
• 무손실 조인을 보장한다. 여기서 무손실 조인이란 조인하면 원래의 릴레이션으로 복구할 수 있음을 말한다.
• 스키마에 변화가 생길 수 있다.

 

1) 함수적 종속성(Functional Dependency)

함수적 종속성이란 데이터들이 어떤 기준 값에 의해 종속되는 것을 의미한다. 실세계에서 존재하는 애트리뷰트들 사이의 제약조건으로부터 유도되며 각종 추론 규칙에 따라서 애트리뷰트들 간의 함수적 종속성을 판단할 수 있다.

 

X와 Y를 임의의 애트리뷰트 집합이라고 할 때 X의 값이 Y의 값을 유일하게(unique) 결정한다면 "X는 Y를 함수적으로 결정한다"라고 한다.

 

함수적 종속성

 

• 완전 함수적 종속성: XY → Z일 때, X → Z와 Y → Z가 모두 성립하지 않는 경우. 즉, 어떠한 애트리뷰트라도 제거하면 더 이상 완전 함수적 종속성이 성립하지 않는 경우를 말한다.
• 부분 함수적 종속성: XY → Z일 때, X → Z와 Y → Z 중 하나만 성립하는 경우
• 이행 함수적 종속성: X→Y이고, Y→Z일 때 X→Z가 성립하는 경우

 

2) 제1 정규형(1NF)

애트리뷰트의 도메인이 오직 원자 값만을 포함하고 튜플의 모든 애트리뷰트가 도메인에 속하는 하나의 값을 가져야 한다.

즉, 복합 애트리뷰트, 다중 값 애트리뷰트, 중첩 릴레이션 등 비 원자적인 애트리뷰트들을 허용하지 않는다.

 

3) 제2 정규형(2NF)

기본키가 아닌 모든 애트리뷰트가 기본키에 대해 완전 함수적 종속을 만족하는 정규형이다.

즉, 부분 함수적 종속성을 제거한다.

 

4) 제3 정규형(3NF)

기본키가 아닌 모든 애트리뷰트가 기본키에 대해 이행적 종속성을 만족하지 않는 정규형이다.

즉, 이행 함수적 종속성을 제거한다.

 

5) BCNF(Boyce-Codd)

결정자가 모두 후보 키인 정규형이다.

즉, 결정자이면서 후보 키가 아닌 것을 제거한다.

 

3. 반정규화(De-normalization)

정규화는 릴레이션 분해로 인해 조인 연산이 많아져 질의에 대한 응답 시간이 느려질 수 있다. 이를 해결하기 위해 반정규화를 수행한다. 반정규화는 시스템의 성능 향상, 개발 및 운영의 편의성 등을 위해 정규화된 데이터 모델을 통합, 중복, 분리하는 과정으로 의도적으로 정규화 원칙을 위배하는 행위이다. 하지만 과도한 반정규화는 오히려 성능을 저하시킬 수 있다.