E-R 모델 기반 설계 (1)

데이터베이스의 설계

데이터베이스를 이용하는 프로그램의 설계 과정을 표현하면, 몇 가지 단계가 나온다.

설계 단계

데이터 규정 : 일종의 명세서 (specification)을 만드는 것이라고 할 수 있음
개념적 설계
- 사용자의 요구사항을 분석하여 데이터의 구조와 관계를 추상적으로 모델링하는 단계
- 데이터베이스 하면 떠오르는 그 그림 (ER 다이어그램)을 그리는 단계!
논리적 설계
- 개념적 설계를 바탕으로 구체적인 데이터베이스 모델을 정의하는 단계.
- 이 단계에서 관계형 데이터 모델로 변환하여 테이블, 컬럼, 키, 관계 등을 설계함.
- 위의 그림을 테이블 형태(릴레이션 스키마)로 바꾸는 것
물리적 설계
- 논리적 설계를 기반으로 실제 데이터베이스에 구현하는 단계.
- 성능 최적화와 저장 구조를 고려하여 테이블을 생성하고 인덱스를 설정함.
- 코딩을 통해 실제 DB를 만드는 과정!

우리는 여기서 개념적 설계에 주목해보자.

설계 대안

그 전에, 설계 시 조심해야 할 것들을 생각해보자.

중복성 : 같은 데이터가 여러 군데에 중복 저장되는 현상
- 데이터 일관성을 해칠 수 있고, 저장 공간 낭비와 성능 저하를 초래할 수 있음.
- 해결책 : 정규화
불완전성 : 데이터가 충분하지 않거나, 누락된 상태를 의미
- 필요한 정보가 없으면 데이터 활용이 어려워지고, 시스템의 신뢰성이 떨어질 수 있음.
- NULL 값, 데이터 누락, 정합성 문제 (특정 필드가 필수임에도 누락됨) 등이 대표적임.
- 해결책 : NOT NULL 제약 조건, 기본값(Default Value) 설정

E-R 관계 모델

이제 개념적 설계에 사용되는 대표적인 모형인 E-R (Entity-Relation, 개체-관계) 모델에 대해서 알아보자.

각 요소에 대한 개념적 설명을 이해하고, 이를 실제로 그림으로 그리는 방법에 대해 알아보자.

어떠한 요소가 있는가?

속성, 개체 & 개체 집합 = (attribute, entity & entity set)
관계 & 관계 집합 = (relationship & relationship set)
대응 카디널리티
주 키
개체 집합

개체와 개체 집합

mermaid

erDiagram
    instructor {
        int id
        string name
        float salary
    }

ER 다이어그램에서 주로 보이는 사각형이 바로 개체 집합.

학교 안 모든 instructor = 개체 집합
개인(1명)인 instructor A = 개체
Instructor의 id, name, salary = 속성
A의 실제 id, name, salary = 값

실제 데이터베이스와 ER 다이어그램을 연결해보자면,

✅ 개체 집합(Entity Set) → 하나의 테이블 (Table)

✅ 개체(Entity) → 하나의 튜플 (Row, 행)

✅ 속성(Attribute) → 테이블의 컬럼 (Column, 필드)

관계와 관계 집합

두 개 이상의 개체 사이의 연관성을 나타내는 것을 관계(relationship) 이라고 한다.

이를 확장해, 개체 집합 사이의 연관성을 나타내는 것을 관계 집합(relationship set) 이라고 한다.

ex. instructor Abraham과 student Peter는 advisor라는 관계

관계 또는 관계 집합은 ER 다이어그램에서 다이아몬드로 표기한다.

관계 집합의 수학적 표기

관계 집합을 수학적으로 표기하자면 다음과 같다.

R \subset \{ (e_1, e_2, \cdots e_n) | e_1 \in E_1, e_2 \in E_2, \cdots, e_n \in E_n \}

만약 E1 = 학생 집합, E2 = 수업 집합이라면, 관계 집합 R은 E1과 E2의 가능한 모든 조합 중에서 실제로 존재하는 관계를 모아놓은 부분집합이다.

예를 들어:

$E_1$ = {Alice, Bob} (학생 집합)
$E_2$ = {Math, CS} (수업 집합)
$R$ = {(Alice, Math), (Bob, CS)} → Alice는 Math 수업을 듣고, Bob은 CS 수업을 듣는 관계를 나타냄.

그래서 우리는 $E_i$ 들이 $R$ 에 참여한다고 표현한다.

개체의 역할

관계에서 개체는 역할을 가질 수 있다.

보통은 역할을 명시적으로 나타낼 필요가 없지만, 같은 엔터티 집합이 하나의 관계에서 여러 번 등장할 때(=재귀 관계, Recursive Relationship) 역할을 구분하는 것이 필요.

📌 시나리오:

한 대학에서 강의(Course)들은 선수 과목(Prerequisite)이 있을 수 있음.
예를 들어, “자료구조(C2)“를 들어야만 “알고리즘(C1)“을 들을 수 있다고 하자. 우리는 이 관계를 prereq 관계로 표현 가능하다.
문제는 “강의(Course)” 엔터티 집합이 같은 관계(prereq)에 두 번 등장한다는 점! 따라서 첫 번째 등장하는 Course는 C1 (현재 듣고 싶은 과목), 두 번째 등장하는 Course는 C2 (선수 과목) 역할을 수행.

📌 수학적으로 표현하면:

$\text{prereq} \subseteq \{\text{(C1, C2)}~|~\text{C1, C2} \in \text{Course}\}$
여기서 (C1, C2)는 “C1을 듣기 전에 C2를 먼저 들어야 한다”는 의미를 가짐.
즉, (C1, C2)는 존재할 수 있지만 (C2, C1)은 존재하지 않음!

이를 ER 다이어그램으로 그려보면 다음과 같이 나타낼 수 있다.

왼쪽 개체의 course_id -> course_id 역할선 -> prereq 마름모 -> prereq_id 역할선 순서로 읽는 것이 중요하다.

즉, course_id 역할선이 C1에 해당하고, prereq_id 역할선이 C2에 해당한다.

설명 속성

관계는 설명 속성이라는 것을 가질 수 있음.

표기는 아래 예시와 같이 점선으로 이어진 사각형으로 표기함.

grade는 student와 section을 연결하는 takes 관계를 더 상세히 설명하는 정보.
student와 section 개체 자체의 속성이 아니라 관계에 대한 추가 정보.
이 속성이 없어도 takes 관계 자체는 성립하지만, 더 많은 정보를 제공하기 위해 추가된 속성.

관계 집합의 특징

ERD에서 속성 생략

E-R 다이어그램을 그릴 때 개체 집합의 속성은 첫 번째 등장 시에만 표시하며, 이후 반복되는 경우 속성을 생략하여 중복과 불일치 문제를 방지함.

student와 section 개체 집합의 속성이 생략되었음.
이는 대학 전체 데이터 모델을 구성할 때 복잡한 E-R 다이어그램을 여러 개의 다이어그램으로 나눌 필요가 있기 때문.

동일한 개체 집합이 여러 관계 집합에 참여 가능

예를 들어, student와 section은 takes 관계에 참여하지만, 추가적으로 teaching_assistant 관계에도 참여 가능.
즉, 같은 개체 집합이 여러 개의 관계 집합에 포함될 수 있음.

관계 집합은 중복을 허용하지 않음

takes 관계는 student와 section 간의 연결을 나타내며, 집합(Set) 개념을 따르므로 중복이 불가능.
따라서 같은 학생이 같은 강의를 중복 수강할 수 없음.
만약 같은 강의를 여러 번 수강할 수 있도록 하려면, 다중값 속성(Multivalued Attribute)인 grades를 사용해야 함.

이항 관계(Binary Relationship)와 다항 관계(N-ary Relationship)

대부분의 관계 집합은 이항 관계(Binary Relationship, 개체 집합 2개가 참여).
하지만 가끔씩 **세 개 이상의 개체 집합이 포함되는 다항 관계(N-ary Relationship)**가 필요할 수도 있음.
관계 집합의 차수(Degree):
- 2개의 개체 집합이 참여 → 이항(Binary) 관계
- 3개의 개체 집합이 참여 → 삼항(Ternary) 관계
- 그 이상도 가능하지만, 데이터베이스 모델에서는 보통 이항과 삼항 관계를 주로 사용.

예시 : 삼항 관계(Ternary Relationship

삼항 관계는 세 개의 개체 집합을 하나의 관계로 연결하여 표현.
proj_guide(instructor, student, project)는 “어떤 교수(instructor)가 어떤 학생(student)을 어떤 프로젝트(project)에서 지도하는지”를 의미.

개체 집합 instructor, student, project가 존재한다고 가정.
연구 프로젝트(project)에는 여러 명의 학생(student)과 여러 명의 교수(instructor)가 참여 가능.
특정 학생이 특정 프로젝트에서 어떤 교수의 지도를 받는지 나타내기 위해 삼항 관계 proj_guide를 정의.
만약 이 정보를 이항 관계만으로 표현하면 지도 교수와 학생의 연결 정보를 명확히 나타내기 어려움.

복합 속성

인제 좀 더 다양한 유형의 속성을 알아보자.

단순 속성 vs 복합 속성

아래의 예시에서 id, name, salary 처럼 더 이상 쪼개지지 않는 속성들을 우리는 단순 속성이라고 한다.

mermaid

erDiagram
    instructor {
        int id
        string name
        float salary
    }

반면, 더 작은 단위로 나눠지는 속성들 역시 존재하며, 이를 복합 속성이라고 부른다.

복합속성 address는 street, city 등의 속성으로 나눠진다.
address 내부의 속성인 street 역시 복합속성으로, street_number, street_name 등으로 나눠진다.

단일값 속성 vs 다중값 속성

✅ 단일값 속성 (Single-valued Attribute)

하나의 값만 가질 수 있는 속성. 한 개체(Entity)에서 특정 속성은 오직 하나의 값만을 가짐.

사람(Person) 개체의 주민등록번호(SSN), 생년월일(Birthdate), 이름(Name)
자동차(Car) 개체의 차대번호(VIN), 제조사(Manufacturer)

✅ 다중값 속성 (Multi-valued Attribute)

하나의 개체가 해당 속성에 대해 여러 개의 값을 가질 수 있는 경우. 속성이 집합(Set), 리스트(List) 형태로 저장.

사람(Person) 개체의 이메일(Email) → 한 사람이 여러 개의 이메일을 가질 수 있음.
자동차(Car) 개체의 색상(Color) → 한 자동차가 여러 색상을 가질 수 있음 (투톤 컬러 등).

유도 속성

다른 속성(또는 속성들의 조합)으로부터 계산될 수 있는 속성을 의미.

저장되지 않고, 실시간으로 계산 가능하며, 다른 속성을 기반으로 유추된다.

✅ 유도 속성 예시

1️⃣ 나이(Age)

나이(Age) = 현재 연도(Current Year) - 출생 연도(Birth Year)
Age는 출생 연도(Birth Year)를 통해 계산할 수 있기 때문에 유도 속성이다.
데이터베이스에는 Birth Year만 저장하고, Age는 필요할 때마다 계산할 수 있음.

2️⃣ 근속 연수(Years of Service)

근속 연수(Years of Service) = 현재 연도 - 입사 연도(Join Year)
근속 연수는 저장된 입사 연도 값을 이용해 계산할 수 있음.

대응 카디널러티

엔티티끼리 맺는 일종의 함수 관계.

📌 대응 카디널리티 종류

대응 카디널리티는 크게 1:1(일대일), 1:N(일대다), M:N(다대다) 세 가지로 나뉜다.

1️⃣ 1:1 (일대일, One-to-One)

한 엔터티의 한 레코드가 다른 엔터티의 오직 하나의 레코드와만 연결됨.

사람(Person) - 여권(Passport) 관계
- 한 사람은 하나의 여권만 가질 수 있고, 하나의 여권은 한 사람에게만 발급됨.
사용자의 상세 정보(User - UserProfile)
- 한 사용자는 하나의 프로필만 가질 수 있음.

2️⃣ 1:N (일대다, One-to-Many)

한 엔터티의 한 레코드가 다른 엔터티의 여러 개의 레코드와 연결될 수 있음.

고객(Customer) - 주문(Order) 관계
- 한 고객은 여러 개의 주문을 할 수 있지만, 하나의 주문은 오직 한 고객에게만 속함.
블로그(Blog) - 게시글(Post) 관계
- 한 블로그에 여러 개의 게시글이 있을 수 있지만, 하나의 게시글은 하나의 블로그에만 속함.

3️⃣ M:N (다대다, Many-to-Many)

한 엔터티의 여러 개의 레코드가 다른 엔터티의 여러 개의 레코드와 연결될 수 있음.

다대다 관계는 보통 중간 테이블(Bridge Table, Junction Table)을 이용하여 해결함.

학생(Student) - 과목(Subject) 관계
- 한 학생은 여러 개의 과목을 들을 수 있고, 한 과목은 여러 학생이 수강할 수 있음.
영화(Movie) - 배우(Actor) 관계
- 한 영화에는 여러 명의 배우가 출연할 수 있고, 한 배우는 여러 개의 영화에 출연할 수 있음.

대응 카디널리티 그리기

‘일’ 쪽인 부분에 화살표(⬅️)를 그린다.
‘다’ 쪽인 부분에 일반적인 선을 그린다.

전체 참여와 부분 참여

1️⃣ 전체 참여(Total Participation)

✔ 모든 엔터티가 관계에 반드시 참여해야 하는 경우

✔ 관계(relationship)에 포함되지 않는 엔터티가 없을 때

✔ ERD에서 **이중선(Double Line)**으로 표현됨.

🔹 예시: 직원(Employee) - 회사(Company) 관계

모든 직원은 반드시 어느 한 회사에 속해야 함.
즉, Employee 엔터티의 모든 레코드는 반드시 Company와 연결됨.
직원이 속하지 않는 회사가 존재할 수 있지만, 직원은 반드시 회사에 소속되므로 Employee는 전체 참여.

2️⃣ 부분 참여(Partial Participation)

✔ 일부 엔터티만 관계에 참여하는 경우

✔ 관계에 속하지 않는 엔터티가 있을 수 있음

✔ ERD에서 **단일선(Single Line)**으로 표현됨.

🔹 예시: 학생(Student) - 동아리(Club) 관계

모든 학생이 반드시 동아리에 가입할 필요는 없음.
일부 학생은 동아리에 가입하지만, 가입하지 않은 학생도 존재할 수 있음.
즉, Student 엔터티는 Club 관계에서 부분 참여.

ERD에 그리기

먼저 전체 참여의 경우 다음과 같이 이중선을 사용한다.

부분 참여의 경우 $l..h$ 의 형태로 각 개체가 얼마나 관계에 참여하는지(=카디널리티)를 표기한다.

$l$ 은 최솟값을, $h$ 는 최댓값을 의미.

h = 1이면 어떠한 개체 1개는 관계 1개만 참여할 수 있음.
h = * 이면 어떠한 개체 1개는 아무 관계에나 무한히 참여할 수 있음.

예를 들어, 다음과 같은 ERD가 있다고 하자.

이 경우 다음과 같이 해석할 수 있다.

교수(개체집합) ↔️ 지도관계 (관계집합) ↔️ 학생(개체집합)
학생은 무조건 1개의 지도관계가 있어야 함.
교수는 지도관계가 없어도 되고, 무한히 많이 두어도 됨.