- 일정한 규칙에 따라 변형하여 이용하기 쉽게 만드는 일
- 데이터의 일관성, 최소한의 데이터 중복, 최대한의 데이터 유연성을 위한 방법이 있다
- 데이터를 분해하는 과정
- 데이터의 중복을 제거하고 데이터 모델의 독립성 확보
- 데이터 이상현상을 줄이기 위한 데이터 베이스 설계 기법
- 엔터티를 상세화하는 과정으로, 논리 데이터 모델링 수행 시점에서 고려된다
- 삽입이상 : 행 삽입 시 지정되지 않은 속성 값이 NULL을 가지는 경우
- 갱신이상 : 데이터 갱신 시 일부분의 데이터만 갱신되어 일관성 유지가 안되는 경우
- 삭제이상 : 행 삭제 시 원하지 않는 연쇄 삭제가 발생하는 현상
-
테이블에서 X와 Y를 각각 속성의 부분집합이라고 가정할 때, X의 값에 따라 Y의 값이 달라지는 경우 → Y는 X에 대해서 함수적 종속 관계를 가진다
-
X = 결정자 / Y = 종속자
결정자 = 주민번호 / 종속자 = 이름+성별+주소
-
-
함수적 종속성은 데이터가 가지고 있는 속성 간의 관계에 의해 결정되고 종속되는 현상
-
정규화는 함수적 종속성에 근거한다
-
종류
- 완전 함수 종속성 : 식별자의 전체 속성이 일반 속성을 결정하는 형태
- 부분 함수 종속성 : 복합 식별자의 부분적인 속성이 일반 속성을 결정하는 형태
- 이행 함수 종속성 : 식별자가 아닌 일반 속성이 다른 일반 속성을 결정하는 형태 / 하나의 테이블에 존재하는 X,Y,Z 속성이 X→Y, Y→Z 의 함수적 종속이 성립하는데, X→Z 관계가 성립하는 경우
- 결정자 함수 종속성 : 후보키가 아닌 결정자가 존재하는 상태
- 제1정규화 → 한 개의 속성에 2개 이상의 값이 들어간 경우 분해 / ex) 책을 구매하는데 한명이 책을 2개 주문해서 구매 도서 2개, 주문 번호 2개 인 경우 → 주문 번호를 식별자로 해서 2개의 행으로 분해하기
- 테이블 내의 속성의 원자성을 확보하는 단계
- 기본키(PK)를 설정
- 제2정규화 → 여러 속성이 있는데, 이 중 복합식별자(2개 이상의 속성으로 식별자를 만든것)가 있는데 이 복합식별자 내부의 한 속성은 다른 일반 속성을 결정하고, 복합식별자 자체(속성 집합)은 또 다른 속성을 결정하는 경우(부분 함수적 종속)를 분해 / ex) [학번 과목코드 학생이름 성적] 테이블이 있으면, 복합식별자는 학번+과목코드! 그런데 이 안에서 학번은 학생이름을 결정하고, 복합식별자는 성적을 결정한다 → [학번 학생이름] [학번 과목코드 성적] 테이블 2개로 분해하기
- 기본키가 2개 이상의 속성으로 이루어진 경우, 부분 함수 종속성을 제거(분해)
- 일반 속성은 모두 완전히 함수적 종속성 관계
- 제3정규화 → 주식별자를 제외한 칼럼 간의 종속성인 이행함수 종속성을 제거하는 과정 / ex) [학번 지도교수 학과] 테이블이 있으면, 학번에 따라 지도교수가 달라지고 학번에 따라 학과가 달라지므로 주식별자는 학번! 즉 지도교수는 학번에 의해 결정되는 종속자인데, 지도교수가 달라지면 학과가 달라진다 = 이행함수 종속성 → [학번 지도교수] [지도교수 학과] 테이블 2개로 분해하기
- 기본키를 제외한 컬럼 간에 종속성을 제거
- 이행 함수 종속성 제거
- 기본키와 무관한 정규화 단계
- BCNF(Boyce-Codd Normal Form)
- 기본키를 제외하고 후보키가 있는 경우, 후보키가 기본키를 종속시키면 분해
- 결정자 함수 종속성을 제거
- 강한 제3정규화
- 제4정규화
- 여러 컬럼들이 하나의 컬럼을 종속시키는 경우 분해하여 다중값 종속성을 제거
- 제5정규화
- 조인에 의해서 종속성이 발생되는 경우 분해