선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 SQL 문법이 되는 SQL BNF 문법을 이용하고, 공통된 논리 모델 정보를 사용함으로 통합된 DBMS 테스트 프레임워크를 제안하였다.
- 본 논문에서는 쿼리의 랜덤 생성과 Test Database의 변경으로 인한 테스트 결과의 오류를 줄이기 위해서 SQL BNF Grammar의 범위를 “SELECT”로 제한하였고, 일관된 논리 데이터 모델을 이용하여 테스트 데이터베이스를 생성하였다.
제안 방법
- Query Generator 모듈은 문법적, 의미적으로 정확한“지능적인” 쿼리를 생성한다. ANSI SQL 2003 규칙을 따르는 SQL BNF Grammar를 이용하여 문법적인 정확성을 얻고, 프레임워크에 사용되는 FOP 프로그래밍 패턴과 논리 모델 정보의 적절한 조합으로 의미적으로 문제가 없는 쿼리를 생성한다. 시스템에서는 BNF Grammar를 기반으로 feature를 식별하고, 개별적인 Class를 통해 각각의 Feature를 처리하였고, 상황에 따라서 클래스들의 Instance가 적절히 배치되어 쿼리를 구성하였다.
- Submission 모듈은 각각의 DBMS에 대한 연결을 생성 하여 Connection Pool에 저장한다. Generator 모듈로부터 받은 Logical Model Information을 이용하여 DDL 쿼리를 이용하여 연결된 DBMS에 실행함으로써 테스트 데이터베이스를 생성하게 한다. Monitoring 모듈로부터 받는 실제 쿼리를 받아 Connection Pool을 통해 DBMS에 실행한 후 그 Result Set을 다시 Monitoring 모듈에 돌려준다.
- SQL Grammar Test Framework는 SQL 기본 문법이 되는 SQL BNF 문법 파일과 논리 정보를 이용하여 생성된 테이블 리스트 정보를 이용하여 쿼리를 생성한다. Logical 정보를 이용하여 DBMS에 테스트를 위한 TEST DB를 생성하며, 각각의 DBMS에 연결된 Connection을 이용하여 쿼리를 실시간으로 실행하여 결과를 받아온다. 받아온 결과에 대해서 테스트 된 DBMS간의 비교를 통해서 BNF 문법에 대한 만족도와 DBMS의 성능 평가를 할 수 있는 시스템 구조이다.
- 본 프레임워크는 다양한 DBMS의 테스트 작업에서의 수고를 감소시킬 뿐만 아니라, 각각의 DBMS 품질과 성능을 비교하는 작업과 DBMS가 ANSI-SQL 2003 문법에 정확한지를 검증하는 작업을 수행한다. 또한, 새로운 DBMS을 개발하는 경우 및 DBMS의 신뢰성 테스트를 위한 도구로 활용 가능하다.
- 본 시스템은 Oracle, MySQL, DB2 등 3개의 데이터베이스 서버와 본 프레임워크가 실행되는 어플리케이션 서버로 구성되어 있다. 서버의 유동성을 위해서 리눅스 기반의 Ubuntu를 사용하였으며, FOP 이용한 객체 지향적인 개념을 위해 개발 언어는 Java를 기본으로 하였으며, 프레임워크 상 DBMS와의 연결의 유동성을 위해 JDBC와 Connection Pool[5]의 개념을 사용하였고, 각각의 데이터베이스 서버의 테스트 결과와 모니터링 진행 사항을 보여주는 사용자 인터페이스에는 Swing을 통해서 구현하였다. [표 1]에서 개발 환경을 나타내었다.
- ANSI SQL 2003 규칙을 따르는 SQL BNF Grammar를 이용하여 문법적인 정확성을 얻고, 프레임워크에 사용되는 FOP 프로그래밍 패턴과 논리 모델 정보의 적절한 조합으로 의미적으로 문제가 없는 쿼리를 생성한다. 시스템에서는 BNF Grammar를 기반으로 feature를 식별하고, 개별적인 Class를 통해 각각의 Feature를 처리하였고, 상황에 따라서 클래스들의 Instance가 적절히 배치되어 쿼리를 구성하였다.
- 의미적, 문법적인 오류를 제거하기 위해서 Feature 단위별 로직을 통해서 지능적인 쿼리를 생성하였기에 제한된 범위로 한정되어 있어 확장성 측면에서의 유연성이 제한되어 있다. 테스트 과정에서의 시간적 지연을 방지하기 위해서 행수의 제한을 통해서 두 가지 방법의 비교 방식을 사용하였고, timeout 값을 이용하여 지연되는 쿼리에 대한 처리 과정이 사용되었다.
대상 데이터
- 본 시스템은 Oracle, MySQL, DB2 등 3개의 데이터베이스 서버와 본 프레임워크가 실행되는 어플리케이션 서버로 구성되어 있다. 서버의 유동성을 위해서 리눅스 기반의 Ubuntu를 사용하였으며, FOP 이용한 객체 지향적인 개념을 위해 개발 언어는 Java를 기본으로 하였으며, 프레임워크 상 DBMS와의 연결의 유동성을 위해 JDBC와 Connection Pool[5]의 개념을 사용하였고, 각각의 데이터베이스 서버의 테스트 결과와 모니터링 진행 사항을 보여주는 사용자 인터페이스에는 Swing을 통해서 구현하였다.
- 본 프레임워크에서는 통합된 데이터베이스 테스트 환경을 만들기 위해서 다양한 DBMS를 공통적으로 만족하는 데이터 타입과 일정한 제약 조건[표 3]을 이용하여 테스트 DB를 생성하는 Logical Model Information으로 이용하였다. 칼럼 내부에 사용되는 데이터 타입으로는 숫자 형으로는 INT(정수형), FLOAT(실수형) 타입의 데이터를, 문자형으로는 CHAR(한 글자의 문자형), VARCHAR(두 글자 이상의 문자형) 타입의 데이터를 사용하였으며, 일반적인 테이블 간의 관계를 통한 제약 조건을 이용하기 위해서 키 역할을 하는 기본 키와 참조키와 칼럼의 제약 조건인 NULL과 NOT NULL을 사용하였다.
- 쿼리의 실행 시간, Result Set의 형태로 인한 비교 과정에 따라서 전체 수행 속도의 영향을 받지만, 분당 200~300개 쿼리를 수행하고, 결과를 받아온다. 신뢰적인 측면에서 문법적, 의미적인 쿼리를 구별하지 않은 상태에서 랜덤으로 시스템을 작동하였을 경우 40% 이하의 쿼리에 대한 Result Set이 반환되거나 특정 DBMS에서는 SQL error 메시지를 출력하였으나, FOP 내에서 문법적 오류, 의미적 오류를 발생하는 구조에 대한 처리 알고리즘을 통해서 95% 이상의 정상적인 쿼리 실행 및 Result Set의 비교과정이 수행되었다.
이론/모형
- 자동화된 방식으로 SQL 쿼리를 생성하는 작업은 매우 유용하다. 본 프레임워크는 FOP(Feature Oriented Programming) 기법을 사용하였다. 본 기법은 순차적 개발 방법론의 콘셉트를 바탕으로 작은 프로그램의 세부사항을 하나하나 추가하여 스스로 복합적인 구조의 프로그램에 관계를 형성하는 기법이다.
- 현재 Oracle, MySQL, DB2등의 DBMS Vendor별로 SQL BNF 문법을 기본으로 한 쿼리를 생성하는 알고리즘을 사용하고 있지만, 그들의 DBMS 특성을 살리기 위해서 Grammar를 재 정의하여 구조를 다양화하고, 데이터 타입으로 통합, 확장하여 사용하고 있다. 본 프레임워크에서는 통합된 데이터베이스 테스트 환경을 만들기 위해서 다양한 DBMS를 공통적으로 만족하는 데이터 타입과 일정한 제약 조건[표 3]을 이용하여 테스트 DB를 생성하는 Logical Model Information으로 이용하였다. 칼럼 내부에 사용되는 데이터 타입으로는 숫자 형으로는 INT(정수형), FLOAT(실수형) 타입의 데이터를, 문자형으로는 CHAR(한 글자의 문자형), VARCHAR(두 글자 이상의 문자형) 타입의 데이터를 사용하였으며, 일반적인 테이블 간의 관계를 통한 제약 조건을 이용하기 위해서 키 역할을 하는 기본 키와 참조키와 칼럼의 제약 조건인 NULL과 NOT NULL을 사용하였다.
- 본 프레임워크에서는 프로그래밍 디자인 방법론으로 FOP 기법을 사용하였다. FOP는 순차적 개발 방법론의 콘셉트를 바탕으로 작은 프로그램의 세부사항을 하나하나 추가하여 스스로 유기적으로 복합적인 역트리 구조를 만들어 프로그램에 관계를 형성하는 기법이다.
성능/효과
- 쿼리의 실행 시간, Result Set의 형태로 인한 비교 과정에 따라서 전체 수행 속도의 영향을 받지만, 분당 200~300개 쿼리를 수행하고, 결과를 받아온다. 신뢰적인 측면에서 문법적, 의미적인 쿼리를 구별하지 않은 상태에서 랜덤으로 시스템을 작동하였을 경우 40% 이하의 쿼리에 대한 Result Set이 반환되거나 특정 DBMS에서는 SQL error 메시지를 출력하였으나, FOP 내에서 문법적 오류, 의미적 오류를 발생하는 구조에 대한 처리 알고리즘을 통해서 95% 이상의 정상적인 쿼리 실행 및 Result Set의 비교과정이 수행되었다. [그림 8]에서는 본 시스템을 이용하여 실제 테스트가 수행되는 과정을 보여주었고, 그림 하단의 로그 파일의 내용을 통해서 수행되는 쿼리의 수, 정상적으로 수행된 쿼리의 수, 실패된 쿼리의 수, 성공 및 실패율이 작성되어 있다.
후속연구
- 앞으로의 연구 방향은 더 많은 문법 파일을 따름으로써 확장된 영역에서 SQL 문장을 지원하고, 다양한 플랫폼에서 여러 개의 DBMS를 다수의 사용자가 테스트할 수 있는 범위로 확장시킬 것이다. 또한, 초소형 DBMS 테스트의 영역으로도 범위를 넓혀갈 것이다.
- Oracle, MySQL, MS-SQL등과 같은 DBMS(Database management system)에서는 그들의 특정 시스템을 위한 시스템 테스트 방식과 특징을 보완하는 기능을 제공한다. 본 프레임워크에서는 위와 같은 데이터베이스 서버에 대비하여 증명된 모든 중요성 특성에 대한 통합된 체크 리스트를 제공하고, 어플리케이션 개발자 입장에서 다양한 접근을 통해서 데이터베이스 솔루션의 전면적으로 평가하는 과정에 도움을 주는 역할을 수행할 것이다. 자동화된 방식으로 SQL 쿼리를 생성하는 작업은 매우 유용하다.
- 현재 DML(Data Manipulation Language), DCL(Data Control Language), DDL등의 모든 SQL 문장에 대해서 지원되지 않았으며, 오직 한명의 사용자에게 서비스를 제공하고 있다. 앞으로의 연구 방향은 더 많은 문법 파일을 따름으로써 확장된 영역에서 SQL 문장을 지원하고, 다양한 플랫폼에서 여러 개의 DBMS를 다수의 사용자가 테스트할 수 있는 범위로 확장시킬 것이다. 또한, 초소형 DBMS 테스트의 영역으로도 범위를 넓혀갈 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.