domsam - IT 기술 블로그

BC정규형은 제3정규형을 보강한 정규형이다. 제3정규형보다 드물게 발생한다. 릴레이션에 존재하는 종속자가 후보 식별자면 BC정규형이 아니다. 만약 속성 Z에 종속된 Y가 후보 식별자에 포함되면 BC정규형이 아니다. Y가 후보 식별자에 포함 여부에 따라 제3정규형과 BC정규형으로 구분된다. Y가 후보 식별자에 포함되더라도 제3정규형은 만족하지만 BC정규형은 만족하지 않는다. 그림(1)에서 [예제1] 릴레이션은 A, B가 주 식별자다. 일반 속성 C에 종속된 종속자 B가 주 식별자이므로 BC정규형에 위배된다. 하지만 일반 속성 사이에서 이행 종속 관계가 없기에 제3정규형 릴레이션이다.그림(1)에서 [예제2] 릴레이션은 A가 주 식별자고 B, C는 후보 식별자이다. 일반 속성 D에 종속된 종속자 C가 후보 식..

제3정규형은 이행적 종속성과 관련 있다. 만약 속성 중에 Y가 X에 종속되고 Z가 Y에 종속되면 Z는 X에도 종속된다고 추론하는 것을 이행적 종속성이라 한다. 이 때 Y는 일반 속성이다.FD: X → Y → Z일반 속성(비식별 속성) 간의 종속 관계를 분해하면 제3정규형이 된다. 일반 속성 간에는 서로 직접 종속될 수 없으므로 함수 종속 관계가 없어야 한다. 그림(1)과 같이 일반 속성(C, D) 사이에 결정자, 종속자 역할을 하는 속성이 존재하는 릴레이션은 제3정규화의 대상이 된다. 속성 C는 일반 속성이면서 D의 결정자이기도 하다. 속성 D는 종속자이면서 주 식별자의 이행 종속 속성이다. 즉, 속성 D는 A, B 속성만으로는 하나만 결정될 수 없었고 C가 있기 때문에 하나만 결정될 수 있기에 간접 종..

제1정규형을 만족 릴레이션에서 후보 식별자 속성과 일반 속성 간의 종속성에 의해 수행된다. 릴레이션의 모든 일반 속성이 후보 식별자 전체에 종속적이면 제2정규형이다. 만약 일반 속성 중에 후보 식별자 전체에 종속적이지 않고 후보 식별자를 구성하는 속성 일부에 종속적인 일반 속성이 있다면 중복이 발생했으므로 그 속성을 릴레이션에서 분리해야 제2정규형이 된다. 이를 완전 함수 종속 (Fully Functional Dependency)이라 한다. 제2정규화는 그림(1)과 같이 후보 식별자(A, B)를 구성하는 속성이 두 개 이상일 때만 대상이 되고 단일 속성으로 후보 식별자가 구성되면 대상이 아니다. 두 개 이상의 속성이 후보 식별자로 구성된 경우(그림(1)) 일반 속성(C, D) 중에 후보 식별자 전체에 종..

제1정규형을 간단히 설명하면 모든 속성은 반드시 하나의 값을 가져야 한다는 것이다. 실무에서 한 속성에 여러값을 가지는 릴레이션은 매우 드물다. 하지만 한 속성에 물리적으로 하나의 값을 가지고 있을 뿐, 논리적으로 자세히 살펴보면 여러 값을 가진 것과 마찬가지인 경우가 존재한다. 같은 성격의 데이터를 여러 속성으로 나열해 관리하는 것도 이에 해당한다. 제1정규형과 관련된 속성은 다가 속성(Multivalued Attributes)과 복합 속성(Composite Attributes)이 있다. 1. 다가 속성다가 속성은 같은 종류의 값을 여러 개 가지는 속성을 의미한다. 예를 들어 어떤 사람이 전화번호가 여러개 있고 그것을 관리를 하고 싶다고 했을 때 한 속성에 여러개의 전화번호를 저장하면 제1정규형을 위반..

1. 정규화와 정규형정규화는 이상현상(아노말리)이 발생하지 않는 릴레이션을 만들어가는 과정이고, 정규형은 정규화의 결과물이다. 2. 정규형 종류제1정규형 (원소값)제2정규형 (함수 종속)제3정규형 (함수 종속)BC정규형 (함수 종속)제4정규형 (다가 종속)제5정규형 (조인 종속) 제1~3 정규형이 정규화 대상의 대부분을 차지하지만 나머지 정규형도 중요하다. 몇 정규형을 구분하는 것은 중요하지 않다. 몇 정규형이냐를 알려고 정규화를 하지는 않는다. 중요한 것은 중복이 발생하지 않고 아노말리(이상현상)가 발생하지 않도록 함수 종속에 근거해서 모델링을 수행하는 것이다. 제2정규형, 제3정규형, BC정규형은 함수 종속 개념을 기반으로 수행되며 제4정규형은 다가 종속 개념을 기반으로 한다. 조인 종속이 존재하면 ..

함수 종속은 릴레이션 내에 존재하는 속성 간의 종속성을 의미한다.정규화를 이해하려면 함수 종속을 이해해야 한다. 함수 종속은 관계형 모델을 설계할 때 가장 중요한 데이터 종속성(Data Dependency) 이다. 어떤 집합 데이터이든 그 집합을 대표할 수 있는 속성은 존재한다. 대표 속성(식별자)과 나머지 속성 사이의 연관 관계가 함수 종속이다. 릴레이션에서 A속성의 값이 B속성의 값을 유일하게 식별할 수 있다면 B속성은 A속성에 함수적으로 종속됐다고 한다. 함수 종속은 밀접한 속성을 모아 하나의 릴레이션으로 만드는 체계적인 방법이다. 정규화가 잘 됐는지, 즉 함수 종속에 의해 집합이 잘 분해됐는지는 좋은 모델을 구별하는 기준이되고 함수 종속은 좋은 모델을 만드는 도구가 된다. 속성 간의 종속성을 규명..