SQLD - 데이터 모델과 성능 [분산 데이터베이스와 성능]

1.   분산 데이터베이스의 개요

-       데이터베이스를 연결하는 빠른 네트워크 환경을 이용하여 데이터베이스를 여러 지역 여러 노드로 위치시켜 사용성/성능 등을 극대화 시킨 데이터베이스

-       분산되어 있는 데이터베이스를 하나의 가상 시스템으로 사용할 수 있도록 한 데이터베이스

-       논리적으로 동일한 시스템에 속하지만, 컴퓨터 네트워크를 통해 물리적으로 분산되어 있는 데이터들의 모임

-       물리적 Site 분산, 논리적으로 사용자 통합 공유

 

2.   분산 데이터베이스의 투명성(Transparency)

1)     분할투명성(단편화) : 하나의 논리적 Relation이 여러 단편으로 분할되어 각 단편의 사본이 여러 Site에 저장

2)     위치 투명성 : 사용하려는 데이터의 저장 장소 명시 불필요. 위치 정보가 System Catalog 에 유지 되어야 한다.

3)     지역사상 투명성 : 지역 DBMS와 물리적 DB 사이의 Mapping 보장. 각 지역시스템 이름과 무관한 이름 사용 가능

4)     중복 투명성 : DB 객체가 여러 Site에 중복되어 있는지 알 필요가 없는 성질

5)     장애 투명성 : 구성요소(DBMS, Computer)의 장애에 무관한 Transaction의 원자성 유지

6)     병행 투명성 : 다수 Transaction 동시 수행시 결과의 일관성 유지, Time Stamp, 분산 2단계 Locking을 이용 구현

 

3.   분산 데이터베이스의 적용 방법 및 장단점

가.  분산 데이터베이스 적용방법

n  단순히 분산 환경에서 데이터베이스를 구축하는 것이 목적이 아니라, 업무의 특징에 따라 데이터베이스 분산 구조를 선택적으로 설계

 

나.  분산 데이터베이스 장단점

장점	단점
- 지역 자치성, 점증적 시스템 용량 확장 - 신뢰성과 가용성 - 효용성과 융통성 - 빠른 응답 속도와 통신비용 절감 - 시스템 규모의 적절한 조절 - 각 지역 사용자의 요구 수용 증대	- 소프트웨어 개발 비용 - 오류의 잠재성 증대 - 처리 비용의 증대 - 설계, 관리의 복잡성과 비용 - 불규칙한 응답 속도 - 통제의 어려움 - 데이터 무결성에 대한 위협

 

4.   분산 데이터베이스의 활용 방향성

-       업무적인 특징에 따라 분산 데이터베이스를 활용하는 기술 필요

5.   데이터베이스 분산구성의 가치

-       통합된 데이터베이스에 제공할 수 없는 빠른 성능을 제공
(원거리 또는 다른 서버에 접속하여 처리하므로 인해 발생되는 네트워크 부하 및 트랜잭션 집중에 따른 성능 저하의 원인을 분산된 데이터베이스 환경을 구축하므로 빠른 성능을 제공)

 

6.   분산 데이터베이스의 적용 기법

가.  테이블 위치 분산

n  테이블 구조 변하지 않는다.

n  테이블이 다른 데이터베이스에 중복 생성되지 않는다.

n  정보를 이용하는 형태가 각 위치 별로 차이가 있을 경우 이용한다.

n  테이블 위치를 파악할 수 있는 도식화된 위치별 데이터베이스 문서가 필요하다.

 

나.  테이블 분할(Fragmentation) 분산

n  수평분할(Horizontal Fragmentation)

l  특정 칼럼의 값을 기준으로 로우(Row) 단위로 분리한다.

l  칼럼은 분리되지 않는다.

l  Primary Key에 의해 중복이 발생되지 않는다.

l  지사별로 사용하는 로우(Row)가 다를 때 이용한다.

l  데이터 수정 : 타 지사에 있는 데이터를 원칙적으로 수정하지 않고 자신의 데이터에 대해서 수정한다.

l  각  지사의 테이블 통합처리 : 조인이 발생하여 성능 저하 예상, 통합처리 프로세스가 많은지를 먼저 검토한 후 많지 않은 경우에 수평분할한다.

l  데이터 무결성 보장 : 데이터가 지사별로 별도로 존재하므로 중복은 발생하지 않는다. 타 지사 데이터의 지사구분이 변경되면 단순히 수정이 발생하는 것 이외에 변경된 지사로 데이터를 이송해야 한다.
한 시점에는 한 지사(Node)에서 하나의 데이터만 존재한다.

l  지사별로 데이터베이스를 운영하는 경우 : 데이터베이스가 속한 서버가 지사에 존재하던지 아니면 본사에 통합해서 존재하건 간에 데이터베이스 테이블들은 수평 분할하여 존재한다.

n  수직분할(Vertical Fragmentation)

l  칼럼을 기준으로 칼럼단위로 분리한다.

l  로우(Row) 단위로 분리되지 않는다.

l  각 테이블에는 동일한 Primary Key 구조와 값을 가지고 있어야 한다.
데이터를 한군데 집합시켜 놓아도 동일한 Primary Key는 하나로 표현하면 되므로 데이터 중복은 발생되지 않는다.

l  테이블의 전체 칼럼 데이터 조회 : 가능하면 통합하여 처리하는 프로세스가 많은 경우에는 이용하지 않도록 한다.

l  실제 프로젝트에서 수직분할 분산 환경을 구성하는 사례는 드물다.

 

다.  테이블 복제(Replication) 분산

-       동일한 테이블을 다른 지역이나 서버에서 동시에 생성하여 관리

-       프로젝트에서 많인 사용하는 데이터베이스 분산기법

n  부분복제(Segment Replication)

l  마스터 데이터베이스에서 테이블의 일부의 내용만 다른 지역이나 서버에 위치

l  통합된 테이블을 한군데(본사)에 가지고 있으면서 각 지사별로는 지사에 해당된 로우(Row)를 가지고 있는 형태
본사데이터 = 지사데이터의 합

l  여러 테이블에 조인이 발생하지 않는 빠른 작업 수행 가능
(각 지사에서 데이터 처리 용이할 뿐 아니라 전체 데이터에 대한 통합처리도 본사의 통합 테이블을 이용)

l  본사 데이터는 통계, 이동 등을 관리 / 지사데이터를 이용하여 지사별로 빠른 업무수행

l  지사에 데이터가 먼저 발생, 본사 데이터는 지사 데이터를 이용하고 통합하여 발생(광역복제와 차이점)

l  다른 지역간의 데이터를 복제는 실시간 처리보다 배치 작업에 의해 수행
(시간 소요, 데이터베이스와 서버에 부하 발생)

l  데이터의 정합성을 일치시키는 것이 어렵기 때문에 가능하면 한쪽(지사)에서 데이터의 수정이 발생하여 본사로 복제하도록 한다.

n  광역복제(Broadcast Replication)

l  통합된 테이블을 한군데(본사)에 가지고 있으면서 각 지사에도 본사와 동일한 데이터를 가지고 있는 형태

l  본사나 지사나 데이터처리에 특별한 제약을 받지는 않는다.

l  본사에서 데이터 입력, 수정, 삭제가 되어 지사에서 이용하는 형태(부분복제와 차이점)

l  다른 지역간의 데이터를 복제는 실시간 처리보다 배치 작업에 의해 수행
(시간 소요, 데이터베이스와 서버에 부하 발생)

 

라.  테이블 요약(Summarization) 분산

-       지역 / 서버 간에 데이터가 비슷하지만 서로 다른 유형으로 존재하는 경우

n  분석 요약(Rollup Replication)

l  각 지사별로 존재하는 요약정보를 본사에 통합하여 다시 전체에 대해서 요약정보 산출

l  동일한 테이블 구조를 가지고 있으면서 분산되어 있는 동일한 내용의 데이터를 이용하여 통합된 데이터를 산출하는 방식

l  각 종 통계데이터 산정 : 모든 지사의 데이터를 이용하여 처리하면 성능이 지연되고 각 지사 서버에 부하를 주기 때문에 업무에 장애가 발생 가능성이 있다.

l  지사에 있는 데이터를 이용하여 본사에서 통합하여 요약 데이터 산정

l  통합 통계데이터에 대한 정보제공이 용이하다.

l  본사에 분석 요약된 테이블을 생성하고 데이터는 역시 일반 업무가 종료되는 야간에 수행하여 생성

n  통합요약(Consolidation Replication)

l  각 지사별로 존재하는 다른 내용의 정보를 본사에 통합하여 다시 전체에 대해서 요약정보 산출한다.

l  본사에 통계데이터를 산정 : 분석요약과 비슷하나 단지 지사에 산출한 요약정보를 한군데 취합하여 보여주는 형태. 모든 지사의 데이터를 이용하여 처리하면 성능이 지연되고 각 지사 서버에 부하를 주기 때문에 업무에 장애가 발생 가능성이 있다.

l  지사에서 요약한 정보를 본사에서 취합하여 각 지사별로 데이터를 비교하기 위해 이용한다.

l  통계데이터에 대한 정보제공이 용이하다.

l  본사에 통합 요약된 테이블을 생성하고 데이터는 역시 일반 업무가 종료되는 야간에 수행하여 생성한다.

 

7.   분산 데이터베이스를 적용하여 성능이 향상된 사례

-       분산 환경의 원리를 이해하지 않고 데이터베이스를 설계하여 성능이 저하되는 경우가 빈번하다.

-       분산이 안된 경우의 각 서버에 독립적으로 테이블이 있을 때 트랜잭션과 복제분산을 통해 테이블의 정보가 양쪽에 있을 때 트랜잭션 처리한다.
위의 원리가 복잡한 업무처리에서 효과적으로 성능을 향상시킬 수 있음을 주목한다.

n  데이터베이스 분산설계는 다음과 같은 경우에 적용하면 효과적

-       성능이 중요한 사이트에 적용해야한다.

-       공통코드, 기준정보, 마스터 데이터 등에 대해 분산환경을 구성하면 성능이 좋아진다.

-       실시간 동기화가 요구되지 않을 때 좋다.
거의 실시간(Near Real Time)의 업무적인 특징을 가지고 있을 때도 분산 환경을 구성할 수 있다.

-       특정 서버에 부하가 집중이 될 때 부하를 분산할 때도 좋다.

-       백업 사이트(Disaster Recovery Site)를 구성할 때 간단하게 분산기능을 적용하여 구성할 수 있다.