모의고사1회

모의고사2회

모의고사3회

모의고사4회

모의고사5회

모의고사6회

모의고사7회

모의고사8회

모의고사9회

VOD=>True2Way

AMOLED=>Blue Phase Mode

DIGITAL NATIVE

라이프 캐싱

CEM

GRANT

UNIQUE

RESTRICT=>NO ACTION

CASCADE

CHECK

WITH GRANT OPTION

UTF

E-Commerce

RSA

ADSL

E-R Diagram

평가인증

별도채용

호봉책정

청문절차

보육료 상한선 준수

2**K

SW = 0

HAP + A(J)

T = I

A(I) = 1

이올린에 북마크하기

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

객체 관계 데이터베이스는 관계형 데이터베이스에 객체 지향 데이터베이스의 개념을 추가한 데이터베이스이다. 객체 지향 데이터베이스 관리 시스템을 위한 표준 모델로는 ODMG 2.0 표준이 있고 객체 관계 데이터베이스를 위한 데이터 언어 표준으로는 ISO에서 제시한 SQL3가 있다.

090 고급 데이터베이스

분산 데이터베이스(Distributed Databases)

논리적으로는 같은 시스템에 속하지만 물리적으로는 컴퓨터 네트워크를 통해 분산되어 있는 데이터베이스이다.

분산 데이터베이스 시스템의 구성 요소

• 분산 처리기:자체적으로 처리 능력을 가지며 지리적으로 분산되어 있는 컴퓨터 시스템을 말한다.
• 분산 데이터베이스:지리적으로 분산되어 있는 데이터베이스로서 해당 지역의 특성에 맞게 데이터베이스가 구성된다.
• 통신 네트워크:분산 처리기들을 통신망으로 연결하여 논리적으로 하나의 시스템처럼 작동할 수 있도록 하는 네트워크를 말한다.

분산 데이터베이스의 목표

• 위치 투명성(Location Transparency):실제 위치를 알 필요가 없고 데이터베이스의 논리적인 명칭만으로 접근할 수 있다.
• 중복 투명성(Replication Transparency):동일한 데이터가 여러 곳에 중복되더라도 마치 하나의 데이터만 존재하는 것처럼 활용할 수가 있다.
• 병행 투명성(Concurrency Transparency):다수의 트랜잭션들이 동시에 실행되더라도 그 트랜잭션들의 수행 결과는 영향X
• 장애 투명성(Failure Transparency):트랜잭션, DBMS, 네트워크, 컴퓨터 장애에도 불구하고 트랜잭션은 정확하게 수행한다.

분산 데이터베이스의 장ㆍ단점

멀티미디어 데이터베이스(Multimedia Database)

텍스트, 그래픽, 정지 화상, 동영상, 음성 등이 복합적으로 구성된 데이터베이스이다.

멀티미디어 데이터베이스의 특성

• 데이터가 일반적으로 대용량이다.
• 정형화된 데이터가 아니고 검색 대상의 내용이 데이터의 중간에 있을 수 있으므로 미디어별로 별도의 검색 방법이 필요하다.
• 비정형 데이터이기 때문에 데이터의 구조가 복잡하고 관계를 구성하기가 어렵다.

멀티미디어 데이터베이스 구축 방법

• 파일 기반 기법
• DBMS를 사용하지 않으며 단순한 검색 위주의 VOD(Video On Demand)등에 이용된다.
• 데이터의 동시 접근이 어렵고 회복 기능 등의 지원이 빈약하다.
• 관계형 데이터베이스 기반 기법
• 텍스트 데이터를 저장하기 위해서는 CLOB(Character Large Object) 데이터 타입을 이용하고, 이미지, 비디오, 오디오 등을 이용하기 위해서는 BLOB(Binary Large Object) 데이터 타입을 이용한다.
• 일반적으로 정형화된 데이터는 관계형 데이터베이스의 데이터 타입을 이용하고 비정형화된 데이터는 파일로 저장한다.
• 객체 지향 데이터베이스 기반 기법
• 멀티미디어를 가장 잘 표현할 수 있는 기법이다.
• 사용자 정의 클래스, 사용자 정의 메소드를 이용하여 미디어별로 별도의 클래스를 정의할 수 있다.
• 객체 관계형 데이터베이스 기반 기법
• 관계형 데이터베이스의 CLOB, BLOB 데이터 타입을 이용하거나 사용자 정의 클래스, 사용자 정의 메소드를 이용하여 미디어별 타입을 정의해서 사용할 수 있다.

주기억장치 데이터베이스(Main Memory Database)

데이터베이스 전체를 주기억장치에 상주시킨 후 데이터베이스 연산을 수행하는 시스템으로, 디스크 입ㆍ출력이 발생하지 않는다.

주기억 데이터베이스의 특성

• 모든 연산이 주기억장치에서 수행되므로 디스크 입ㆍ출력이 줄어들어 빠른 연산이 가능하다.
• 시스테에 문제가 생겼을 경우 복수시켜 주는 회복 작업의 구현이 어렵다.
• 주기억장치의 구입 비용이 많이 든다.

데이터 웨어하우스(Data Warehouse)

• 급증하는 다량의 데이터를 효과적으로 분석하여 정보화하고 이를 여러 계층의 사용자들이 효율적으로 사용할 수 있도록 한 데이터베이스이다.
• 동기
• 전사적인 데이터 통합을 통한 정보의 효율적인 분석이 필요하게 되었고, 신속 정확한 의사결정으로 경쟁력을 확보하기 위하여 의사결정용 데이터베이스의 필요성이 대두되었기 때문이다.
• 다양한 원본 데이터베이스로부터 정제되어 추출된 데이터만을 저장하고 필요한 인덱스를 생성한다. 이후, 데이터의 다차원 분석 도구로 데이터 웨어하우스를 분석하여 효율적인 의사결정에 필요한 자료를 얻는다.
• 장ㆍ단점

장점	단점
높은 투자 수익률을 얻을 수 있다. 타사에 비하여 경쟁우위를 획득할 수 있다. 의사 결정자의 생산성을 향상시킬 수 있다.	기존 시스템과 명확한 역할 설정을 하지 못하면 혼란을 초래할 수 있다. 추출 기준에 맞지 않는 데이터의 입력, 갱신, 삭제가 발생하면 불일치 문제가 발생할 수 있다. 의사결정을 위한 충분한 데이터가 확보되지 않으면 정확한 결과를 도출할 수 없다. 과다한 자원을 사용하게 되고 유지 보수가 어렵다.

데이터 마이닝(Data Mining)

Data Warehouse에 저장된 데이터 집합에서 사용자의 요구에 따라 유용하고 가능성 있는 정보를 발견하기 위한 기법이다.

데이터 마이닝 기법

• 연관(Association):대용량의 트랜잭션 데이터로부터 “A이면 B이다”형식의 연관 관계를 발견하기 위한 방법이다.
• 연속(Sequence):개인별 트랜잭션 이력 데이터를 시계열적으로 분석(일정 기간 동안 시간의 흐름에 따라 데이터를 분석하는 것)하여 트랜잭션의 향후 발생 가능성을 예측하는 방법이다.
• 분류(Classification):다른 그룹과의 차별적인 특성을 도출하기 위한 방법이다.
• 클러스터링(Clustering):상호간에 유사한 특성을 갖는 데이터들을 집단화하는 방법이다.
• 특성화(Characterization):데이터 집합의 일반적인 특성을 분석하는 것으로 데이터의 요약 과정을 통해 특성을 발견하는 방법이다.
• 패턴 분석(Pattern Analysis):데이터베이스 내의 명시된 패턴을 찾는 방법이다.
• 경향 분석(Trend Analysis):시계열 데이터들이 시간 축으로 변화하는 전개과정을 특성화하여 동적으로 변화하는 데이터를 분석하는 방법이다.

출제예상문제

이올린에 북마크하기

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

정의

키값을 난수로 변환하여 필요한 주소를 산출하는 직접 주소법. 하나의 문자열을 대표하는 일정한 짧은 길이의 값이나 키로 변환된 해시 값을 산출하는 알고리듬을 해시 함수(hash function)라고 한다. 해싱은 해시 함수를 이용하여 데이터베이스에서 자료를 색인하고 신속하게 자료를 검색하는데 사용되며, 전자 서명 알고리듬에서 암호화 및 복호화에도 사용된다 - 참조 다음백과

개요

• 해싱은 hash Table이라는 기억공간을 할당하고, 해시 함수(Hash Function)를 이용하여 레코드 키에 대한 Hash Table 내의 Home Address를 계산한 후 주어진 레코드를 해당 기억장소에 저장하거나 검색 작업을 수행하는 방식이다.

• 해싱은 DAM(직접 접근) 파일을 구성할 때 사용되며, 접근 속도는 빠르나 기억공간이 많이 요구된다.

• 검색 속도가 가장 빠르다.

• 삽입, 삭제 작업의 빈도가 많을 때 유리한 방식이다.

해시 테이블(Hash Table, 해시표)

• 버킷(Bucket):하나의 주소를 갖는 파일의 한 구역을 의미하며, 버킷의 크기는 같은 주소에 포함될 수 있는 레코드 수를 의미함

• 슬롯(Slot):한 개의 레코드를 저장할 수 있는 공간으로, n개의 슬롯이 모여 하나의 버킷을 형성함

• Collision(충돌 현상):서로 다른 두 개 이상의 레코드가 같은 주소를 갖는 현상

• Synonym:같은 Home Address를 갖는 레코드들의 집합

• Overflow:계산된 Home Address의 Bucket을 구성하는 Slot이 여러 개일 때 Collision은 발생해도 Overflow는 발생하지 않을 수 있다.

---


눈이 즐겁네 블로그 참조:http://dhkznfl.tistory.com/94?srchid=BR1http%3A%2F%2Fdhkznfl.tistory.com%2F94

해싱은 하나의 문자열을 원래의 것을 상징하는 더 짧은 길이의 값이나 키로 변환하는 것이다. 짧은 해시 키를 사용하여 항목을 찾으면 원래의 값을 이용하여 찾는 것보다 더 빠르기 때문에, 해싱은 데이터베이스 내의 항목들을 색인하고 검색하는데 사용된다.

간단한 예제로서, 데이터베이스 내에 있는 사람들의 그룹은 다음과 같이 배열될 수 있다.

Abernathy, Sara
Epperdingle, Roscoe
Moore, Wilfred
Smith, David

.

이러한 이름들 각각은 데이터베이스 내에서 개인들 데이터의 키가 될 수 있다. 데이터베이스 검색 수법은 일치하는 것이 먼저 발견될 때까지 각 이름들을 글자단위로 확인하기 시작해야만 한다. 그러나, 만약 이름들 각각이 해시 된다면, 각 이름별로 4자리의 고유한 키 를 생성하는 것이 가능해진다. 예를 들면 다음과 같다.

7864 Abernathy, Sara
9802 Epperdingle, Roscoe
1990 Moore, Wilfred
8822 Smith, David


어떤 이름을 찾는 작업은 먼저 해시 값을 계산하고, 그 다음에 그 값을 사용하여 일치여부를 비교하는 작업으로 구성된다. 일반적으로 이렇게 하는 것은, 각 문자가 26개의 경우를 갖는 예측할 수 없는 값의 길이에서 찾는 것보다, 각각이 오직 9개의 경우를 갖는 네 자리 수에서 일치하는 것을 찾는 것이 더 빠르다.


해싱 알고리즘을 해시 함수라고 부른다. 해싱은 빠른 속도의 데이터 검색 외에도, 전자서명을 암호화하고 복호화하는 데에도 사용된다. 전자서명은 해시 함수를 이용하여 변환된 다음, 해시 값과 전자서명이 별도로 전송된다. 수신자는 송신자가 사용한 해시함수와 같은 것을 사용하여, 서명으로부터 요약 메시지를 뽑아내어 그것을 이미 수신한 요약 메시지와 비교한다. 그 비교 결과는 같아야만 전자서명이 유효한 것이다.

해시 함수는 원래의 값이나 키를 색인하는데 사용되며, 그 값이 관련된 데이터가 검색될 때마다 다시 사용된다. 그러나, 해싱은 항상 한 쪽 방향으로만 연산된다. 따라서, 해시된 값을 분석함으로써 해시 함수를 추출해내는 역방향 공학은 필요가 없다. 사실, 이상적인 해시함수는 그러한 분석에 의해 추론할 수 없어야 한다. 또한, 우수한 해시 함수는 서로 다른 두 개의 입력에 대해, 동일한 해시 값을 생산해서는 안된다. 만약 그렇게 되면, 충돌이 생긴다. 충돌 위험성이 매우 적은 해시 함수라야 훌륭한 해시 함수로 평가된다.

다음에 나열한 것들은, 그 동안 사용되어 온 비교적 단순한 해시 함수들이다.

1) 나눗셈-나머지 방식 : 먼저 테이블 내에 들어갈 항목의 개수를 추정한다. 그 숫자는 원래의 값이나 키에서 몫과 나머지를 추출해 내기 위해 각각을 나누는 제수로 사용된다. 계산의 나머지가 해시 값이 된다 .


2) 접기 : 이 방식은 원래의 값을 여러 부분으로 나누어, 그 부분들을 함께 더하고 나서, 마지막 네 자리를 해시 값이나 키로 삼는 것이다.


3) 기수변환 : 값이나 키가 디지털이라면, 다른 순서의 숫자열을 만들도록 기수를 변경할 수 있다. 즉, 10진수의 키를 16진수의 키로 변경할 수 있는 것이다. 변경 후, 해시 값의 길이를 일정하게 유지하기 위해 상위 자리수의 일부는 버려질 수 있다.


4) 자리수 재배열 : 이것은 단순히 세 번째부터 여섯 번째 자리까지 등과 같이 원래 값이나 키의 일부를 취하여 그 순서를 역으로 한 다음, 그 것을 해시 값이나 키로 사용하는 것이다.

데이터베이스 저장이나 검색에 잘 적용되는 해시 함수는 오히려 암호화나 에러검출 목적으로는 잘 듣지 않을 수도 있다. 암호화에 사용되는 잘 알려진 해시 함수들이 몇 개 있다. 이러한 것들에는 전자서명을 요약 메시지라고 불리는 더 짧은 값으로 바꾸는 데 사용되는 요약 메시지 해시 함수 MD2, MD4, MD5 등과, 더 큰 요약 메시지 를 만드는 표준 알고리즘인 SHA 등이 포함된다.

이올린에 북마크하기(0) 이올린에 추천하기(0)

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

다음 SQL문의 실행 결과를 가장 올바르게 설명한 것은?

DROP TABLE 인사 CASCADE;

1. 인사 테이블을 제거한다.
2. 인사 테이블을 참조하는 테이블과 인사 테이블을 제거한다.
3. 인사 테이블이 참조 중이면 제거하지 않는다.
4. 인사 테이블을 제거할 지의 여부를 사용자에게 다시 질의한다.

풀이보기

데이터베이스 설계 단계 중 물리적 설계에서 옵션 선택 시 고려사항으로 거리가 먼 것은?

1. 스키마의 평가 및 정제
2. 응답 시간
3. 저장 공간의 효율화
4. 트랜잭션 처리율

풀이보기

It is specified between two relations and is used to maintain the consistency among tuples of the two relations. What is it?

1. Entity integrity constraint

2. Referential integrity constraint

3. Domain integrity constraint

4. Data integrity Constraint

풀이보기

해싱을 이용한 파일 구조에 해당되는 것은?

1. 순차(Sequential) 파일

2. 직접(Direct) 파일

3. 색인 순차(Indexed Sequential) 파일

4. 다중 키(Multi-Key) 파일

풀이보기

순서가 A, B, C, D로 정해진 입력 자료를 스택에 입력하였다가 출력하는 경우, 출력 결과로서 가능하지 않은 것은?

1. D, A, B, C

2. B, D, C, A

3. C, B, D, A

4. B, A, D, C

풀이보기

2008년 2회

관계 데이터베이스의 정규화에 대한 설명으로 옳지 않은 것은?

1. 정규화를 거치지 않으면 여러 가지 상이한 종류의 정보를 하나의 릴레이션으로 표현하여 그 릴레이션을 조작할 때 이상(Anomaly) 현상이 발생할 수 있다.

2. 정규화의 목적은 각 릴레이션에 분산된 종속성을 하나의 릴레이션에 통합하는 것이다.

3. 이상(Anomaly) 현상은 데이터들 간에 존재하는 함수 종속이 하나의 원인이 될 수 있다.

4. 정규화가 잘못되면 데이터의 불필요한 중복이 야기되어 릴레이션을 조작할 때 문제가 발생할 수 있다.

풀이보기

다음 자료에 대하여 선택(Selection) 정렬을 이용하여 오름차순으로 정렬하고자 한다. 2회전 후의 결과로 옳은 것은?

37, 14, 17, 40, 35

1. 14, 17, 35, 37, 40

2. 14, 17, 37, 40, 35

3. 14, 37, 17, 40, 35

4. 14, 17, 37, 35, 40

풀이보기

조건을 만족하는 릴레이션의 수평적 부분집합으로 구성하며, 연산자의 기호는 그리스 문자 시그마를 사용하는 관계대수 연산은?

1. Select

2. Project

3. Join

4. Division

풀이보기

What is the quantity of tuples in consist of the relation?

1. Degree

2. Instance

3. Domain

4. Cardinality

풀이보기

다음 문장의 빈칸에 들어갈 단어는?

A ( ) is an ordered list in 
which all insertions and deletions 
are made at one end, called the top

1. stack

2. queue

3. list

4. tree

풀이보기

2008년 4회

6. Which of the following is not a property of the transaction to ensure integrity of the data?

1. Isolation

2. Autonomy

3. Durability

4. Consistency

풀이보기

8. 다음 그림에서 트리의 차수는?

1. 1

2. 2

3. 3

4. 4

풀이보기

12. 다음 설명 중 릴레이션의 특징으로 옳은 내용을 모두 나열한 것은?

1. 모든 튜플은 서로 다른 값을 갖는다.
2. 각 속성은 유일한 이름을 가지며 속성의 순서는 큰 의미가 없다.
3. 튜플 사이에는 순서가 없다.
4. 모든 속성 값은 원자 값이다.

1, 2, 3, 4

1, 2, 3

2, 4

1, 3, 4

풀이보기

13. 정규화 과정 중 1NF에서 2NF가 되기 위한 조건은?

1NF를 만족하고 모든 도메인이 원자 값이어야 한다.

1NF를 만족하고 키가 아닌 모든 애트리뷰트들이 기본 키에 이행적으로 함수 종속되지 않아야 한다.

1NF를 만족하고 다치 종속이 제거되어야 한다.

1NF를 만족하고 키가 아닌 모든 속성이 기본 키에 완전 함수적 종속되어야 한다.

풀이보기

15. 다음 자료를 삽입 정렬을 이용하여 오름차순으로 정렬하고자 한다. 3회전 후의 결과로 옳은 것은?

5, 4, 3, 2, 1

3, 4, 5, 2, 1

4, 5, 3, 2, 1

2, 3, 4, 5, 1

1, 2, 3, 4, 5

풀이보기

19. 관계해석에 대한 설명으로 옳지 않은 것은?

1. 수학의 프레디킷 해석에 기반을 두고 있다.

2. 관계 데이터 모델의 제안자인 코드(Codd)가 관계 데이터베이스에 적용할 수 있도록 설계하여 제안하였다.

3. 튜플 관계해석과 도메인 관계해석이 있다.

4. 원하는 정보와 그 정보를 어떻게 유도하는가를 기술하는 절차적 특성을 가진다.

풀이보기

2009년 1회 모의 고사

4. 정보 모델링(Information Modeling)에 대한 설명으로 가장 올바른 것은?

1. 현실 세계의 정보들을 컴퓨터에 표현하기 위해서 단순화, 추상화하여 체계적으로 표현한 개념적 표현

2. 현실 세계에 존재하는 개체를 인간이 이해할 수 있는 정보 구조로 표현하는 개념적 데이터 모형

3. 개념적 구조를 컴퓨터가 이해하고 처리할 수 잇는 컴퓨터 세계의 환경에 맞도록 변환하는 과정

4. 가장 단순하고 일반적인 데이터를 한 번 가공한 모형

풀이보기

5. 개체-관계(Entity-Relationship) 모델을 최초로 제안한 사람은?

1. P. Chen

2. E. F Codd

3. Bill Gates

4. Lawrence J. Ellison

풀이보기

6. 데이터베이스의 논리적 구조 표현을 그래프 형태로 표현하며, 일대다(1:N) 관계에 연관된 레코드 타입들을 각각 오너(Owner), 멤버(Member)라고 하는 데이터 모델은?

1. 관계형 데이터 모델

2. 네트워크 데이터 모델

3. 계층적 데이터 모델

4. 객체지향적 데이터 모델

풀이보기

9. 다음 중 SQL의 합집합 연산이 제대로 수행되는 경우는?

1. 두 테이블이 속성 개수가 같고, 대응되는 각 속성들의 도메인이 같으나 속성명들이 다른 경우

2. 두 테이블의 속성 개수가 같고, 대응되는 각 속성들의 도메인이 다르나 속성명들이 같은 경우

3. 두 테이블의 속성 개수가 다르나, 대응되는 각 속성들의 도메인이 같으며 속성명들이 같은 경우

4. 두 테이블의 속성 개수가 같으나 대응되는 각 속성들의 도메인이 다르고 속성명들이 다른 경우

풀이보기

17. 다음은 Stack에 자료를 삽입(Insert) 하는 알고리즘이다 빈칸에 적합한 내용은?

Procedure Insert(data, n, top, stack)
  if top ≥ n then Call Stack-Full;
  top = top + 1
  Stack(top) = (  );
End Insert

1. top

2. data

3. top-1

4. data-1

풀이보기

20.  인덱스 순차 파일(ISAM:Indexed Sequential Access Method)에 대한 설명으로 옳지 않은 것은?

1. 일반적으로 자기 디스크에 많이 사용되며, 자기 테이프에서는 사용할 수 없다.

2. 인덱스 순차 파일은 기본 구역, 색인 구역, 데이터 구역으로 구성된다.

3. 인덱스 영역은 실린더 색인 영역, 트랙 색인 영역, 마스터 색인 영역으로 구분된다.

4. 색인을 이용한 순차적인 접근 방법을 제공한다.

풀이보기

풀이보기

이올린에 북마크하기(0) 이올린에 추천하기(0)

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

008 스키마(Schema)의 정의

• 데이터베이스의 구조와 제약조건에 관한 전박적인 명세(Specificatino)를 기술(Description)한다.
• 데이터베이스를 구성하는 데이터 개체(Entity), 속성(Attribute), 관계(Relationship) 및 데이터 조작 시 데이터 값들이 갖는 제약조건 등에 관해 전반적으로 정의한다.
• 스미카는 사용자의 관점에 따라 외부 스키나, 개념 스키마, 내부 스키마로 나뉜다
• 스키마(schema)는 데이터 사전에 저장되며, 다른 이름으로 메타 데이터(Meta-data)라고도 한다.

009 스키마의 3계층

외부 스키마(External schema) = 서브 스키마 = 사용자 뷰(View)

ps:말 그대로 밖에서 보는 관점

• 사용자나 응용 프로그래머가 각 개인의 입장에서 필요로 하는 데이터베이스의 논리적 구조를 정의한다.
• 전체 데이터베이서의 한 논리적인 부분으로 볼 수 있으므로 서브 스키마(Subschema)라고도 한다.
• 하나의 데이터베이스 시스템에는 여러 개의 외부 스키마가 존재할 수 있으며, 하나의 외부 스키마를 여러 개의 응용 프로그램이나 사용자가 공용할 수 있다.
• 같은 데이터베이스에 대해서도 서로 다른 관점을 정의할 수 있도록 허용한다.
• 일반 사용자는 질의어(SQL)를 사용하여 DB를 사용한다.

개념 스키마(Conceptual Schema) = 전체적인 뷰(View)

• DB의 전체적인 논리적 구조로서, 모든 응용 프로그램이나 사용자들이 필요로 하는 데이터를 종합한 조직 전체의 DB로 하나만 존재한다.
• 개년 스키마는 개체 간의 관계와 제약조건을 나타내고 데이터베이스의 접근 권한, 보안 및 무결성 규칙에 관한 명세를 정의한다.
• 단순히 스키마(Schema)라고 하면 개념 스키마를 의미한다.
• 기관이나 조직체의 관점에서 DB를 정의한 것이다.
• DBA에 의해서 구성된다.

내부 스키마(Internal Schema)

• DB의 물리적 구조를 정의한다.
• Data의 실제 저장 방법을 기술한다.
• 물리적인 저장장치와 밀접한 계층이다.
• 시스템프로그래머나 시스템 설계자가 보는 관점의 스키마이다.

010 DB 언어

데이터 정의 언어(DDL:Data Definition Language)

• DB구조, Data 형식, 접근 방식 등 DB를 구축하거나 수정할 목적으로 사용하는 언어이다.
• 번역한 결과가 Data 사전이라는 특별한 파일에 여러 개의 테이블로 저장된다.
• 데이터 정의 언어의 기능
  • 외부 스키마 명세 정의
  • DB의 논리적 Data 구조와 물리적 Data 구조의 정의 및 수정
  • 논리적 Data 구조와 물리적 Data 구조 간의 사상(mapping) 정의
  • 스키마에 사용되는 제약조건에 대한 명세 정의
  • data의 물리적 순서 규정

데이터 조작 언어(DML:Data Manipulation Language) = 서브 언어

• 사용자로 하여금 데이터를 처리할 수 있게 하는 도구로서 사용자(응용 프로그램)와 DBMS간의 interface를 제공한다.
• 응용 프로그램을 통하여 사용자가 DB의 data를 실질적으로 조작할 수 있도록 하기 위해 C, COBOL 등의 호스트 언어에 DB 기능을 추가시켜 만든 언어이다.
• 대표적인 DML에는 질의어(SQL)가 있으며,  SQL은 terminal에서 주로 이용하는 비절차적(Non Procedural) 데이터 언어이다.

데이터 제어 언어(DCL:Data Control Language)

• 무결성, 보안 및 권한 제어, 회복 등을 하기 위한 언어이다.
• 데이터를 보호하고 데이터를 관리하는 목적으로 사용된다.
• 데이터 제어 언어의 긴으
  • 불법적인 사용자로부터 데이터를 보호하기 위한 데이터 보한(Security)
  • 데이터의 정확성을 위한 무결성(Integrity)유지
  • 시스템 장애에 대비한 회복과 병행수행 제어

011 DB 사용자

DBA(DataBase Administrator)

DB system의 모든 관리와 운영에 대한 책임을 지고 있는 사람이나 그룹을 의미

• DB 구성 요소 결정
• 개념(conceptual) 스키마 및 내부(internal) 스키마 정의
• DB의 저장 구조 및 접근 방법 정의
• 보안 및 DB의 접근 권한 부여 정책 수립
• 장애에 대비한 예비(Back up)조치와 회복(Recovery)에 대한 전략 수립
• 무결성을 위한 제약조건의 지정
• 데이터 사전의 구성과 유지관리
• 사용자의 요구와 불평의 청취 및 해결
• 변화 요구에 대한 적응과 성능 향상에 대한 감시
• 시스템 감시 및 성능 분석
• 데이터 사용 추세, 이용 형태 및 가종 통계 등을 종합, 분석

응용 프로그래머

• 응용 프로그래머는 일반 호스트 언어로 프로그램을 작성할 때 DML를 삽입해서 일반 사용자가 응용 프로그램을 사용할 수 있게, interface를 제공할 목적으로 DB를 접근하는 사람들이다.
• 응용 프로그래머는 C, COBOL, PASCAL 등의 호스트 언어어와 DBMS가 지원하는 DML에 능숙한 컴퓨터 전문가이다.

일반 사용자

• 일반 사용자는 보통 터미널을 이용하여 DB에 있는 자원을 활용할 목적으로 질의어나 응용 프로그램을 사용하여 DB에 접근하는 사람들이다.

012 데이터 모델의 정의

• 현실 세계의 정보들을 컴퓨터에 표현하기 위해 단순화, 추상화하여 체게적으로 표현한 개념적 모형이다.
• 현실 세계를 DB에 표현하는 중간 과정, 즉 데이터 베이스 설계 과정에서 데이터의 구조를 표현하기 위해 사용되는 도구이다.
• 데이터의 구조(schema)를 논리적으로 묘사하기 위해 사용되는 지능적 도구이다.

013 데이터 모델의 종류

개념적 데이터 모델

• 현실 세계에 대한 인간의 이해를 돕기 위하여 현실 세계에 대한 인식을 추상적 개념으로 표현하는 과정이다.
• 속성들로 기술된 개체 타입과 이 개체 타입들 간의 관계를 이용하여 현실 세계를 표현하는 방법이다.
• 현실 세계에 존재하는 개체를 인간이 이해할 수 있는 정보 구조로 표현하기 때문에 정보 모델이라고도 한다.

논리적 데이터 모델

• 개념적 모델링 과정에서 얻은 개념적 수조를 컴퓨터가 이해하는 처리할 수 있는 컴퓨터 세계의 환경에 맞도록 변환하는 과정이다.
• 필드로 기술된 데이터 타입과 이 데이터 타입들 간의 관계를 이용하여 현실 세계를 표현하는 방법이다.
• 단순히 데이터 모델이라고 하면 논리적 데이터 모델을 의미한다.
• 논리적 데이터 모델은 데이터 간의 관계를 어떻게 표현하느냐에 따라 관계 모델, 계층 모델, 네트워크 모델로 구분한다.

014 데이터 모델에 표시할 사항

• 구조(Structure):논리적으로 표현된 개체들 간의 관계를 표시함
• 연산(Operation):DB에 저장된 실제 data를 처리 하는 방법을 표시함
• 제약조건(Constraint):DB에 저장될 수 있는 실제 data의 논리적인 제약조건을 표시함

015 데이터 모델의 구성 요소

개체

• DB에 표현하려는 것으로, 사람이 생각하는 개념이나 정보 단위 같은 현실 세계의 대상체이다.
• 유형, 무형의 정보로서 서로 연관된 몇 개의 속성으로 구성된다.
• 파일 시스템의 레코드에 대응하는 것으로, 어떤 정보를 제공하는 역할을 수행한다.
• 실세계에 독립적으로 존재하거나 그 자체로서도 구별이 가능하다.

속성

• 데이터의 가장 작은 논리적 단위로서 파일 구조의 데이터 항목 똔느 데이터 필드에 해당된다.
• 개체를 구성하는 항목이다.

관계

• 개체 간의 관계 또는 속성 간의 관계

016 개체-관계(Entity-Relationship) 모델

• 개념적 데이터 모델의 가장 대표적인 것으로, 1976년 Peter Chen에 의해 제안되었다.
• 개체 타입과 이들 간의 관계 타입을 이용해 현실 세계를 개념적으로 표현한다.
• 데이터를 개체, 관계, 속성으로 묘사한다.
• 특정 DBMS를 고려한 것이 아니기 때문에 관계 표현에 제한이 없다.

017 E-R 다이어그램

018 관계형 데이터 모델

• 계층 모델과 망 모델의 복잡한 구조를 단순화시킨 모델이다.
• 표를 이용해서 data 상호 관계를 정의하는 DB 구조를 말한다.
• 데이터 간의 관계를 기본키와 이를 참조하는 외래키로 표현한다.
• 대표적인 DBMS:Oracle, MS_SQL, Infomix etc…
• 1:1, 1:N, M:N 관계를 자유롭게 표현할 수 있다.
• 장점:간결하고, 보기 편리하며, 다른 DB로의 변환이 용이함
• 단점:성능이 다소 떨어짐

019 계층형 데이터 모델

• 데이터의 논리적 구조도가 트리 형태이며, 개체가 트리를 구성하는 노드 역할을 한다.
• 개체 집합에 대한 속성 관계를 표시하기 위해 개체를 노드로 표현하고 개체 집합들 사이의 관계를 링크로 연결한다.
• 개체 간의 관계를 부모와 자식 간의 관계로 표현한다.
• 개체 타입 간에는 상위와 하위 관계가 존재하며, 1:N 대응 관계만 존재
• 레코드 삭제 시 연쇄 삭제(Triggered Delete)가 된다.
• 개체 타입들 간에는 사이클(Cycle)이 허용되지 않는다.
• 계층형 모델에서는 개체를 세그먼트(Segment)라 부른다.
• 대표적인 DBMS는 IMS이다.

020 망(그래프, 네트워크)형 데이터 모델

• CODASYL이 제안한 것으로, CODASYL DBTG 모델이라고도 한다.
• 그래프를 이용해서 데이터 논리 구조를 표현한 데이터 모델
• 상위와 하위 레코드 사이에서 M:N 대응 관계를 만족하는 구조
• 상위의 레코드를 Owner, 하위의 레코드를 Member라 하여 Owner-Member관계라고도 한다.
• 레코드 타입 간의 관계는 1:1, 1:N, N:M이 될 수 있다.
• 대표적인 DBMS:DBTG, EDBS, TOTAL etc…

021 DB 설계

개념적 설계(정보 모델링, 개념화)

• 정보의 구조를 얻기 위하여 현실 세계의 무한성과 계속성을 이해하고, 다른 사람과 통신하기 위하여 현실 세계에 대한 인식을 추상적 개념으로 표현하는 과정이다.
• 스키마 모델링과 트랜잭션 모델링을 병행하여 수행
• 요구 분석에 나온 요구 조건 명세를 DBMS에 독립적인 E-R 다이어그램으로 작성
• DBMS에 독립적인 개념 스키마를 설계한다.

논리적 설계(데이터 모델링)

• 특정 DBMS가 지원하는 논리적 자료 구조로 변환시키는 과정
• 필드로 기술된 데이터 타입과 이 데이터 타입들 간의 관계로 표현되는 논리적 구조의 데이터로 모델화
• 개념 스키마를 평하하고 특정 DBMS에 종속적인 논리적 스키마를 설계하는 단계
• 트랜잭션의 interface 설계
• 관계형 DB라면 테이블을 설계하는 단계

물리적 설계(데이터 구조화)

• 디스크 등의 물리적 저장장치에 저장할 수 있는 물리적 구조의 데이터로 변환
• 파일의 저장 구조, 레코드의 형식, 접근 경로 등의 정보를 사용하여 데이터가 컴퓨터에 저장되는 방법을 묘사한다.
• 트랜잭션을 작성한다.
• 물리적 설계 시 고려 사항
  • 반응시간(Response Time):트랜잭션 수행을 요구한 시점부터 처리 결과를 얻을 때까지의 경과시간
  • 공간 활용도(Space Utilization):저장공간의 양
  • 트랜잭션 처리량(Transaction Throughput):단위시간 동안 DBMS에 의해 처리될 수 있는 트랜잭션의 평균개수

022 DB 설계 순서

1. 요구분석:요구 조건 명세서 작성
2. 개념적 설계:개념 스키마, 트랜잭션 모델링, E-R모델
3. 논리적 설계:목표 DBMS에 맞는 스키마 설계, 틀내잭션 interface설계
4. 물리적 설계:목표 DBMS에 맞는 물리적 구조의 데이터로 변환
5. 구현:특정 DBMS의 DDL로 DB 생성, 트랜잭션 작성

023 관계 DB의 Relation 구조

도메인(Domain)

• 하나의 attribute가 취할 수 있는 같은 타입의 원자(Atomic) 값들의 집합
• 실제 attribute 값이 나타날 때 그 값의 합법 여부를 시스템이 검사하는 데에도 이용된다.
  • 예:성별 attribute의 domain은 ‘남’과 ‘여’로, 그 외의 값은 입력될 수 없다.

릴레이션 인스턴스(Relation Instance)

데이터 개체를 구성하고 있는 속성들에 데이터 타입이 정의되어 구체적인 데이터 값을 갖고 있는 것을 말한다.

예:학과코드(CD, BD, ID, ED etc…)

024 릴레이션의 특징

• 한 릴레이션에 포함된 튜플들은 모두 상이하다.
  • 각각의 레코드는 유일 값이다.
• 한 릴레이션에 포함된 튜플 사이에는 순서가 없다.
• 릴레이션은 튜플(tuple)들의 삽입, 삭제 등의 작업으로 인해 시간에 따라 변한다.
  • 레코드의 삽입 삭제가 일어남으로 테이블은 내용 면에서나 크기 면에서 변한다.
• 릴레이션 스키마를 구성하는 속성들 간의 순서는 중요하지 않다.
  • attribute간의 순서가 바뀌어도 데이터 처리에 영향이 없다
• 속성의 식별을 위해 명칭은 유일해야 하지만 속성을 구성하는 값은 동일한 값이 있을 수 있다.
  • 학년은 속성명상에서 유일해야 하지만 학년 속성의 값은 : 1, 2, 3, 1 등으로 동일한 값이 입력 될 수 있다.
• attribute는 더 이상 쪼갤 수 없는 원자값만을 저장한다.
  • 학년 attribute에 1, 2, 3, 1 값은 더 이상 세분할 수 없다.

025 키(Key)의 개념 및 종류

슈퍼키

• 유일성은 만족시키지만 최소성은 만족시키지 못함

026 무결성(Integrity)

개체 무결성:릴레이션에서 기본키를 구성하는 속성은 널값이나 중복값을 가질 수 없음

참조 무결성:외래키 값은 널이거나 참조 릴레이션의 기본키 값과 동일해야 함.

도메인 무결성:특정 속성의 값이 그 속성이 정의된 도메인에 속한 값이어야 한다는 규정

• 예:성별 속성의 도메인은 ‘남’,’여’로 그 외의 값은 입력할 수 없다

027 순수 관계 연산자

Select

• tuple 중에서 선택 조건을 만족하는 tuple의 부분집합을 구하여 새로운 릴레이션을 만듬
• 기호:시그마(∂)
• 수평연산

Project

• 속성 List에 제시된 attibute만을 추출하는 연산
• 수직연산
• 기호:파이(∏)

Join

• 2개의 릴레이션을 하나로 합쳐서 새로운 릴레이션을 만드는 연산
• 기호:▷◁

Division

• X⊃Y에서 R(X)와 S(Y)가 있을 때, R의 속성이 S의 속성값을 모두 가진 tuple에서 S가 가진 속성을 제외한 속성만은 구하는 연산

208 관계해석

• 비절차적 특성
• tuple 관계해석, domain 관계해석
• 정보를 정의할 때 계산 수식을 사용
• 관계해석과 관계대수는 RDB를 처리하는 기능과 능력 면에서 동등하다
• 질의어로 표현

029 정규화(Normalization)

목적

• 데이터 구조의 안정성을 최대화
• 어떠한 relation이라도 DB내에서 표현 가능하게
• 효과적인 검색 알고리즘을 생성가능
• 중복을 배제하여 삽입, 삭제, 갱신 이상의 발생을 방지
• 삽입 시 relation을 재구성할 필요성을 줄인다.

030 Anomaly(이상)의 개념 및 종류

개념

• Normalization을 거치지 않은 DB 내에 데이터들이 불필요하게 중복되어 relation 조작 시 발생하는 예기치 못한 곤란한 현상
• attribute들 간에 여러 종속 관계를 하나의 relation에 표현하기 때문에 이상이 발생
• 이상의 종류

  삽입 이상	관계없는 원하지 않는 값도 삽입
  삭제 이상	관계없는 값들도 함께 삭제 되는 현상
  갱신 이상	일부 tuple의 정보만 갱신되어 정보에 모순이 생기는 현상

031 정규화 과정

비정규 릴레이션

  ↓ 도메인이 원자값

1NF

  ↓ 부분적 함수 종속 제거

2NF

  ↓ 이행적 함수 종속 제거

3NF

  ↓ 결정자이면서 후보키가 아닌 것 제거

BCNF

  ↓ 다치 종속 제거

4NF

  ↓ 조인 종속성 이용

5NF

032 SQL의 분류

DDL

• schema, domain, table, view, index 정의,변경,삭제
• 명령어:create, alter, drop

DML

• P/G나 질의어를 통해 저장된 데이터를 실질적으로 처리에 사용 언어
• 명령어:select, insert, delete, update

DCL

• 보안,무결성,데이터 회복,병행수행 제어  등을 정의
• 명령어:commit, rollback, grant(권한 부여), revoke(권한 취소)

036 VIEW

특징

• 기본 테이블의 기본키를 포함한 속성 집합으로 뷰를 구성해야만 삽입,삭제,갱신 연산이 가능하다.
• 정의된 뷰는 다른 뷰의 정의에 기초가 될 수 있다
• 하나의 뷰를 삭제하면 그 뷰를 기초로 정의된 다른 뷰도 자동 삭제

단점

• 독립적인 인덱스를 가질 수 없다.
• 뷰의 정의를 변경할 수 없다.
• 뷰로 구성된 내용에 대한 삽입, 삭제, 갱신 연산에 제약이 따른다.

037 시스템 카탈로그

• DBMS 자체에 관련이 있는 다양한 객체에 관한 정보를 포함하는 시스템 DB.
• DB에 포함디는 모든 데이터 객체에 대한 정의나 명세에 관한 정보를 유지관리하는 시스템 TABLE.
• DDL의 결과로 구성되는 기본 테이블, 뷰, 인덱스, 패키지, 접근 권한 등의 DB 구조 및 통계 정보를 저장
• 자료 사전이라고도 한다
• 저장된 정보를 메타 데이터(META-DATA)라고 한다

특징

• 일반 이용자도 SQL을 이용하여 검색해 볼 수 있다.
• CUD 문으로 갱신 안된다.
• DBMS가 스스로 생성하고 유지한다.
• 테이블, 뷰, 인덱스 등에 변화를 주면 시스템에의 자동으로 갱신된다.

038 트랜잭션의 정의

• 하나의 논리적인 기능을 수행하기 위한 작업의 단위
• DBMS에서 복구 및 병행 수행 시 처리되는 작업의 논리적 단위
• 하나의 TRANSACTION은 COMMIT OR ROLLBACK된다.
• 트랜잭션은 일반적으로 회복의 단위가 된다.

039 트랜잭션의 특성

Atomicity(원자성)

• 모두 반영 또는 전혀 반영되지 않아야 함
• 하나라도 에러가 발생하면 트랜잭션 전부가 취소되어야 함

Consistency(일관성)

• 고정 요소는 트랜잭선 전과 후의 상태가 같아야 함

Isolation(독립성,격리성)

• 하나의 TR이 실행중에 다른 TR이 끼어들 수 없음
• TR이 완료될 때까지 다른 TR이 수행 결과를 참조 못한다.

Durability(영속성,지속성)

• 성공적으로 완료된 TR의 결과는 영구적으로 반영되어야 함.

이올린에 북마크하기(0) 이올린에 추천하기(0)

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

1나

2라

3나

4나

5나

6가

7나-(가)

8라-(나)

9나(라)

10라

11나

12다(가)

13가

14나-(다)

15가

16다-(라)

17가

18라

19가

20다

70점
7/8/9/12/14/16

이올린에 북마크하기(0) 이올린에 추천하기(0)

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

데이터 정의 언어(DDL : Data Definition Language)

이올린에 북마크하기(0) 이올린에 추천하기(0)

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-동일조건변경허락 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.