[논문]데이터 비만도를 개선한 데이터 모델링에 관한 연구

이혜경; 김희완

doi:10.14400/jdpm.2013.11.11.359

데이터 비만도를 개선한 데이터 모델링에 관한 연구
A Study on the Data Modeling decreasing the Data Obesity 원문보기

디지털정책연구 = The Journal of digital policy & management, v.11 no.11, 2013년, pp.359 - 366

이혜경 (용인송담대학교 컴퓨터게임과) , 김희완 (삼육대학교 컴퓨터학부)

초록
AI-Helper

현업 데이터베이스 응답 속도가 점차 느려지는 원인을 찾기 위하여 데이터 비만도가 거기에 어떤 영향을 초래할 수 있는지에 대해 연구했다. 게임정보시스템을 대상으로 게임 데이터 인프라가 어느 정도 잘 갖추어져 있는지 분석함으로써 연구를 실행했다. 데이터 인프라 수준을 측정하는 다양한 방법이 있지만 본 논문에서는 정보시스템 데이터 설계 결과물을 놓고 실물 평가를 실시하였다. 데이터 모델링의 여러 단계 중 실존하는 게임정보시스템의 논리데이터모델 설계 산출물을 기준으로 새로 모델링 한 개체관계 모형도 비교 분석하였다. 데이터 인프라의 주요 지표가 되는 데이터 비만도가 게임정보시스템 전체 평균 60%에 달하여 기준치인 15%를 무려 45% 상회하는 것으로 나타났다. 본 논문에서 데이터모델링 절차를 수행한 후의 데이터 중복률은 41%로 나타나서 기존 모델의 64%에 비하여 23%의 개선효과를 가져왔다.

Abstract ▼ AI-Helper

In this paper, we studied how the data obesity can affect in which the response speed of database gradually slows down. Our research is performed by analyzing how the game data infrastructure is well-formed. Although there are a variety of ways to evaluate to measure the level of infrastructure, we performed with real information system. We analyzed data obesity by comparing the entity-relationship models between the products of real game information system and newly modeled databases. We could find data obesity is over 60% among overall average of game information system. It shows that 45% higher than standard obesity which is 15%. In this paper, data redundancy rate after performing the procedure of the data modeling was 41% resulting in an improvement of 23% compared to 64% of an existing model.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

실제 현장에서 데이터베이스 비만도가 높은 이유는 데이터베이스 설계에서 방사형 설계가 그 원인으로 추측이 된다. 본 논문에서는 이를 정방형 구조로 다시 설계하여 데이터 중복률을 비교해 봄으로써 보다 정량적인 차이점을 도출하고자 하였다.

제안 방법

우선 현장 데이터 비만도를 측정하기 위해 실제 게임 데이터베이스를 사례로, 기존의 데이터베이스에 대한 평균 데이터 중복률을 조사했다. 또한 데이터베이스의 설계에 따른 비만도가 어떻게 달라지는지 살펴보기 위해 새로 균형감있는 설계를 통해 데이터베이스를 설계하였으며, 기존 데이터베이스와 개선된 데이터베이스의 평균 데이터 비만도를 비교 분석해 보았다.
우선 현장 데이터 비만도를 측정하기 위해 실제 게임 데이터베이스를 사례로, 기존의 데이터베이스에 대한 평균 데이터 중복률을 조사했다. 또한 데이터베이스의 설계에 따른 비만도가 어떻게 달라지는지 살펴보기 위해 새로 균형감있는 설계를 통해 데이터베이스를 설계하였으며, 기존 데이터베이스와 개선된 데이터베이스의 평균 데이터 비만도를 비교 분석해 보았다.

성능/효과

2.2절의 현행 컴퓨터게임 정보시스템 모형에서 7개의 엔터티에서 총 속성의 수는 28개이며, 그 중에서 18개의 속성들이 외래키나 id로 중복되는 속성으로 중복률은 64%가 된다. 반면에, [Fig.
즉, 새로 설계된 DB의 중복률이 현저히 감소되었다. Database normalization, 즉 1NF에서 3NF로 변환함으로써 데이터 중복을 방지하고 저장 가용공간을 최적화할 수 있었다. 또한 적절한 외래키를 사용함으로써 데이터 중복뿐만 아니라 destructive anomalies 의 가능성을 최소화 할 수 있었다.
인체 기준으로 해도 인체 체지방율이 30%를 넘는다는 것은 고도 비만 상태의 심각한 지경으로 누구나 상식적으로 평소 들어서 알 내용이다. 게임정보시스템의 데이터 중복 체지방율이 현재 평균 60%로 나왔다는 본 논문의 연구 결과는 게임정보시스템이 심각한 수준의 동맥경화 상태에 처해 있다는 단적인 증거라 할 수 있다.
이는 과도 비만 상태로서 2000년 이후 IT 기술 수준으로는 평균 15%를 상회하면 잘못 설계된 것이라는 점에서 상태의 심각성을 상세 분석하는 것이 중요하다. 결론적으로는 무려 50%를 초과하는 비만도를 지니고 있는 현행 컴퓨터 게임 정보시스템에 대해서 개선 전략을 준비해야 할 것으로 판단된다.
Database normalization, 즉 1NF에서 3NF로 변환함으로써 데이터 중복을 방지하고 저장 가용공간을 최적화할 수 있었다. 또한 적절한 외래키를 사용함으로써 데이터 중복뿐만 아니라 destructive anomalies 의 가능성을 최소화 할 수 있었다.
본 논문에서 예를 든 컴퓨터 게임 정보시스템의 평균 데이터 중복율(즉, 데이터 비만도)는 평균 64%로 집계됐다. 이는 과도 비만 상태로서 2000년 이후 IT 기술 수준으로는 평균 15%를 상회하면 잘못 설계된 것이라는 점에서 상태의 심각성을 상세 분석하는 것이 중요하다.
Data Modeling을 할 때는 반드시 데이터의 증가로 인한 데이터 확장성(Scalability)을 고려해야만 한다. 본 논문에서 제안한 New_Combat DB인 경우 행위 중심으로 설계함으로써 DB의 확장 가능 및 변화에 대한 대응이 강력해질 수 있었다. 반면 Combat DB의 설계 방식은 편향(skewed) 설계라고 할 수 있다.
데이터베이스 성능향상의 이유로 데이터의 중복을 허용하는 방식의 설계가 이루어지고 있는 점을 연구한 논문에서는 데이터의 중복은 국내기업들의 평균 비율로 65%나 될 정도로 위험수위에 육박하고 있으며 데이터 중복을 허용하는 방식의 설계는 데이터의 무결성을 낮추고 그 결과 데이터 품질을 저하시킨다는 점을 지적하였다. 중복을 포함한 데이터모델과 정규화를 통해 중복을 제거한 데이터 모델의 성능 비교를 위한 실험 결과 응답 시간은 중복 관계를 제거한 모델이 중복을 허용한 모델보다 10% 안팎으로 향상된 것으로 나옴으로써, 중복을 제거한 모델이 성능 및 데이터 품질에서 우수함을 증명하였다[7].
3]의 개선된 최종 Data Modeling에서의 총 속성의 수는 29개이며, 중복된 속성의 수는 12개로서 중복률은 41%가 되어 두 DB간의 중복률이 23%차이가 남을 알 수 있었다. 즉, 새로 설계된 DB의 중복률이 현저히 감소되었다. Database normalization, 즉 1NF에서 3NF로 변환함으로써 데이터 중복을 방지하고 저장 가용공간을 최적화할 수 있었다.

후속연구

작은 오차가 예상치 않은 고도의 비만을 유발할 수 있으며 고도 비만은 연이어 데이터 일관성 유지의 어려움을 유발할 수 있다. 더 나아가서는 데이터 상호운용성 저하로 이어지고, 또 더 나아가서는 다가오는 빅 데이터 시대에 대처하기 힘들어지는 부정적 연쇄 파급효과가 나타날 수 있음을 간과해서는 아니 될 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터베이스 응답 속도가 느려지는 원인을 찾기 위해 무엇을 연구했는가?	현업 데이터베이스 응답 속도가 점차 느려지는 원인을 찾기 위하여 데이터 비만도가 거기에 어떤 영향을 초래할 수 있는지에 대해 연구했다. 게임정보시스템을 대상으로 게임 데이터 인프라가 어느 정도 잘 갖추어져 있는지 분석함으로써 연구를 실행했다.
	새로 모델링 한 개체관계 모형을 비교분석한 결과는 어떻게 되는가?	데이터 모델링의 여러 단계 중 실존하는 게임정보시스템의 논리데이터모델 설계 산출물을 기준으로 새로 모델링 한 개체관계 모형도 비교 분석하였다. 데이터 인프라의 주요 지표가 되는 데이터 비만도가 게임정보시스템 전체 평균 60%에 달하여 기준치인 15%를 무려 45% 상회하는 것으로 나타났다. 본 논문에서 데이터모델링 절차를 수행한 후의 데이터 중복률은 41%로 나타나서 기존 모델의 64%에 비하여 23%의 개선효과를 가져왔다.
	데이터 마인드 부족현상은 무엇인가?	이 시대를 정보화 시대라 일컫지만 정작 데이터의 시대라는 의미를 지니기 보다는 여전히 전산화 프로그램 시대에서 아직도 벗어나지 못하고 있는 것이 현실이다. 데이터 마인드 부족현상은 데이터 마인드에 충실하지 못하여 데이터의 응답시간이 예전보다 점점 느려지게 만드는 주요 원인이 되고 있다. 진정한 의미의 데이터 마인드란 정보화에 있어서 어떤 것이 데이터화 될 것이고 어떤 것이 프로그램 코드화 될 것인지를 적확히 구분하는 데 있다.

참고문헌 (14)

C. W. Fisher, B. R. Kingma, Criticality of data quality as exemplified in two disasters, Information Systems, 39, pp.109-116, 2010.
[DB] Elements of a good data model, http://blog.daum.net/fmddn/1787002, 2012.12.17.
C. B. Cinzia Cappiello, C. Francalanci, A. Maurino, Methodologies for data quality assessment and improvement, ACM Computing Surveys 41(3), p. 52, 2009.
D. Katz, M. Bommaroti, J. Zelner, The data deluge, The Economist, Mar 1, 2010
T. Shanker, M. Richtel, Data overload can be deadly, The New York Times, Jan 16, 2011.
Noreen Kendle, The Enterprise Data Model, The Data Administration Newsletter, Jul 1, 2005.
Min Kyu Lee, Data Performance Cases in relation to the Removal of Repetitive Data Connections, Graduate School of Information Science and Technology of Soongsil University, 2010.
Richard Y. Wang, Henry B. Kon, Stuart E. Madnick, Data quality requirements analysis and modeling, Proceedings. IEEE Ninth International Conference on Data Engineering, pp.670-677, 1993.
Yong Rak Choi, Data Modelling Practices, Munwoondang, 2010.
Ki Won Jung, Data Modelling Practices, Brain Korea, 2004.
Practical Project of Data Model Normalization / De-normalization, http://blog.naver.com/jooyong3/40035951092, Mar 29, 2007.
I. Davies, P. Green, M. Rosemann, M. Indulska, S. Galo, How do practitioners use conceptual modeling in practice?, Data and Knowledge Engineering, 58, pp.358-380, 2006.

상세보기
H. Rhee, Corporate data obesity: 50 percent redundant, Journal of Computer Science and Technology, 10(5), pp.7-11, 2010.
H. Rhee, A rare example of pitfall in corporate data modeling practices, Journal of Computer Science and Technology, 10(5), pp.7-11, 2011.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증