[태그:] 데이터베이스설계

데이터베이스의 자동화된 파수꾼, 트리거(Trigger)의 모든 것

우리가 특정 웹사이트에 회원 가입을 할 때, 가입 버튼을 누르는 순간 환영 이메일이 자동으로 발송되고, 추천인에게는 포인트가 적립되는 경험을 해본 적이 있을 것입니다. 이처럼 특정 사건이 발생했을 때 약속된 동작들이 연쇄적으로, 그리고 자동으로 처리되는 원리 뒤에는 ‘트리거(Trigger)’라는 강력한 데이터베이스 기능이 숨어있을 수 있습니다. 트리거는 그 이름처럼, 데이터베이스 테이블에 특정 이벤트(삽입, 수정, 삭제)가 발생했을 때 마치 ‘방아쇠’가 당겨지듯 미리 정의된 일련의 작업들을 자동으로 실행하는 특수한 형태의 프로시저입니다.

트리거는 사용자가 직접 호출하는 것이 아니라, 데이터베이스 시스템에 의해 암시적으로 실행된다는 점에서 일반적인 프로시저와 구별됩니다. 이는 복잡한 비즈니스 규칙을 데이터베이스 계층에 직접 구현하여 데이터의 무결성을 강화하고, 반복적인 작업을 자동화하여 개발자의 부담을 줄여주는 강력한 도구입니다. 이 글에서는 정보처리기사 시험에서도 중요하게 다루어지는 데이터베이스 트리거의 개념과 구조, 장단점, 그리고 실무 활용 사례까지 깊이 있게 파헤쳐 보겠습니다.

트리거의 작동 원리: 이벤트, 조건, 그리고 액션

트리거는 크게 ‘무엇이(Event)’, ‘언제(Timing)’, ‘어떤 조건에서(Condition)’, ‘무엇을 할 것인가(Action)’라는 네 가지 요소로 구성됩니다. 이 구성 요소를 이해하면 트리거의 동작 방식을 명확히 파악할 수 있습니다.

이벤트 (Event): 방아쇠를 당기는 순간

트리거를 활성화시키는 데이터베이스의 변경 작업을 의미합니다. 트리거는 특정 테이블에 대해 다음과 같은 DML(Data Manipulation Language) 문이 실행될 때 발생하도록 설정할 수 있습니다.

INSERT: 테이블에 새로운 행(Row)이 삽입될 때
UPDATE: 테이블의 기존 행에 있는 데이터가 수정될 때
DELETE: 테이블에서 행이 삭제될 때

하나의 트리거는 이 중 하나 이상의 이벤트를 감지하도록 설정할 수 있습니다. 예를 들어, INSERT 또는 UPDATE 이벤트가 발생할 때마다 특정 작업을 수행하도록 만들 수 있습니다.

실행 시점 (Timing): BEFORE vs. AFTER

트리거는 지정된 이벤트가 발생하기 ‘전(BEFORE)’에 실행될 수도 있고, ‘후(AFTER)’에 실행될 수도 있습니다.

BEFORE 트리거: INSERT, UPDATE, DELETE 문이 실행되기 ‘전’에 트리거가 먼저 실행됩니다. 주로 데이터를 본격적으로 변경하기 전에 유효성 검사를 하거나, 입력될 데이터를 사전에 변경하는 용도로 사용됩니다. 예를 들어, 새로운 직원의 연봉을 입력(INSERT)하기 전에, 해당 연봉이 회사의 정책상 최저 연봉보다 높은지 검사하는 경우에 활용할 수 있습니다.
AFTER 트리거: INSERT, UPDATE, DELETE 문이 성공적으로 실행된 ‘후’에 트리거가 실행됩니다. 주로 데이터 변경이 완료된 후에 관련된 다른 테이블의 데이터를 변경하거나, 변경 이력을 기록(Auditing)하는 등 후속 조치가 필요할 때 사용됩니다. 예를 들어, ‘주문’ 테이블에 새로운 주문이 삽입(INSERT)된 후, ‘상품’ 테이블의 재고량을 감소시키는 작업에 활용할 수 있습니다.

조건 (Condition): 실행 여부를 결정하는 필터

모든 이벤트에 대해 트리거가 항상 실행되는 것은 아닙니다. 특정 조건을 명시하여, 해당 조건이 참(True)일 경우에만 트리거의 액션이 실행되도록 제어할 수 있습니다. 예를 들어, ‘직원’ 테이블의 급여(salary) 컬럼이 UPDATE 될 때, 변경된 급여가 이전 급여의 10%를 초과하는 경우에만 감사 로그를 남기도록 조건을 설정할 수 있습니다.

액션 (Action): 실제로 수행되는 작업

이벤트가 발생하고 지정된 조건까지 만족했을 때, 실제로 실행되는 SQL 문들의 집합입니다. 트리거의 핵심 로직이 담겨있는 부분으로, BEGIN ... END 블록 안에 하나 이상의 SQL 문을 작성할 수 있습니다.

이 액션 부분에서는 다른 테이블의 데이터를 수정하거나, 특정 정보를 로그 테이블에 기록하거나, 오류 메시지를 발생시켜 데이터 변경 작업 자체를 취소시키는 등 다양한 작업을 수행할 수 있습니다.

구성 요소	설명	예시
이벤트 (Event)	트리거를 실행시키는 DML 문	`INSERT`, `UPDATE`, `DELETE`
실행 시점 (Timing)	이벤트 전/후 실행 여부	`BEFORE`, `AFTER`
조건 (Condition)	액션 실행을 위한 선택적 조건	`WHEN (new.salary > old.salary * 1.1)`
액션 (Action)	실제로 수행되는 SQL 로직	다른 테이블 UPDATE, 로그 테이블 INSERT 등

트리거의 실제 활용 사례

트리거는 개념적으로는 간단해 보이지만, 실제로는 매우 다양한 상황에서 데이터베이스의 기능과 안정성을 크게 향상시킬 수 있습니다.

1. 데이터 무결성 및 복잡한 비즈니스 규칙 강제

기본키(PK), 외래키(FK), CHECK 제약 조건만으로는 구현하기 어려운 복잡한 비즈니스 규칙을 트리거를 통해 구현할 수 있습니다.

예시: 은행 계좌에서 출금이 일어날 때(UPDATE), 해당 계좌의 잔액이 마이너스가 되지 않도록 확인하는 트리거. 만약 출금 후 잔액이 0보다 작아진다면, UPDATE 작업을 강제로 실패(Rollback)시키고 오류 메시지를 사용자에게 보여줄 수 있습니다. 이는 단순한 CHECK 제약 조건으로는 구현하기 어려운, ‘변경 전후의 상태를 비교’하는 로직을 가능하게 합니다.

2. 감사 및 데이터 변경 이력 추적 (Auditing)

누가, 언제, 어떤 데이터를 어떻게 변경했는지에 대한 이력을 자동으로 기록하여 데이터의 변경 과정을 추적하고 보안을 강화할 수 있습니다.

예시: ‘인사정보’ 테이블에서 직원의 연봉(salary)이 수정(UPDATE)될 때마다, 변경 전 연봉, 변경 후 연봉, 변경한 사용자, 변경 시각을 별도의 ‘연봉변경이력’ 테이블에 자동으로 삽입(INSERT)하는 트리거. 이를 통해 민감한 정보의 변경 내역을 투명하게 관리할 수 있습니다.

3. 관련 데이터의 연쇄적인 자동 변경

하나의 테이블에서 데이터 변경이 발생했을 때, 관련된 다른 테이블의 데이터를 자동으로 갱신하여 데이터의 일관성을 유지합니다.

예시: 온라인 쇼핑몰의 ‘주문’ 테이블에 새로운 주문 데이터가 삽입(INSERT)될 때, ‘상품’ 테이블에서 해당 상품의 재고 수량을 주문 수량만큼 자동으로 감소시키는 UPDATE 트리거. 또한, ‘주문취소’ 테이블에 데이터가 삽입되면, 다시 ‘상품’ 테이블의 재고를 증가시키는 트리거를 만들 수도 있습니다. 이를 통해 주문과 재고 데이터 간의 정합성을 항상 유지할 수 있습니다.

4. 파생 데이터 및 통계 정보 자동 갱신

특정 테이블의 데이터가 변경될 때마다 관련된 통계 정보를 담고 있는 요약 테이블을 자동으로 갱신하여, 항상 최신 상태의 통계 데이터를 유지할 수 있습니다.

예시: ‘게시판’ 테이블에 새로운 게시글이 등록(INSERT)될 때마다, ‘게시판별_통계’ 테이블의 ‘총 게시글 수’ 컬럼 값을 1 증가시키는 트리거. 이를 통해 매번 전체 게시글 수를 COUNT() 함수로 계산하는 비용을 줄이고, 빠르게 통계 정보를 조회할 수 있습니다.

트리거 사용의 양면성: 장점과 단점

트리거는 매우 편리하고 강력한 기능이지만, 무분별하게 사용될 경우 오히려 시스템 전체에 악영향을 줄 수 있습니다. 따라서 장점과 단점을 명확히 이해하고 신중하게 사용해야 합니다.

트리거의 장점

데이터 무결성 강화: 복잡한 비즈니스 로직을 데이터베이스 계층에서 직접 관리하므로, 응용 프로그램의 실수와 관계없이 데이터의 일관성과 무결성을 강력하게 보장할 수 있습니다.
개발 편의성 및 생산성 향상: 데이터 변경과 관련된 공통적인 로직을 트리거로 만들어두면, 여러 응용 프로그램에서 해당 로직을 중복해서 개발할 필요가 없어집니다.
자동화: 데이터 변경과 관련된 작업을 자동화하여 사용자의 개입을 최소화하고, 휴먼 에러의 가능성을 줄입니다.

트리거의 단점

디버깅 및 유지보수의 어려움: 트리거는 데이터베이스 뒤에서 암시적으로 실행되기 때문에, 문제가 발생했을 때 그 원인을 찾기가 어렵습니다. 특히 여러 트리거가 연쇄적으로 작동하는 경우, 로직을 파악하고 디버깅하는 것이 매우 복잡해질 수 있습니다.
성능 저하 유발: DML 문이 실행될 때마다 추가적인 작업(트리거 액션)이 수행되므로, 데이터베이스에 부하를 줄 수 있습니다. 특히 복잡한 로직을 가진 트리거는 대량의 데이터 변경 작업 시 심각한 성능 저하의 원인이 될 수 있습니다.
예측 불가능성: 개발자가 DML 문 실행 시 트리거의 존재를 인지하지 못하면, 예상치 못한 동작으로 인해 데이터의 정합성이 깨지거나 로직에 혼란이 발생할 수 있습니다.

결론: 신중하게 사용해야 할 강력한 양날의 검

트리거는 데이터베이스의 무결성을 지키고 반복적인 작업을 자동화하는 데 매우 유용한 기능입니다. 데이터베이스 설계 단계에서부터 복잡한 규칙을 명확하게 정의하고 이를 트리거로 구현하면, 견고하고 신뢰성 높은 시스템을 구축하는 데 큰 도움이 됩니다.

하지만 그 강력함만큼이나 잠재적인 위험도 크다는 사실을 명심해야 합니다. 트리거의 로직이 복잡해질수록 시스템은 ‘마법’처럼 보이지 않는 곳에서 동작하게 되며, 이는 유지보수를 어렵게 만드는 주된 요인이 됩니다. 따라서 가능한 한 비즈니스 로직은 응용 프로그램 계층에서 처리하는 것을 우선으로 고려하고, 트리거는 데이터 무결성을 위한 최후의 방어선이나 간단한 자동화 작업 등 꼭 필요한 경우에만 제한적으로 사용하는 것이 현명합니다.

트리거를 설계할 때는 로직을 최대한 단순하게 유지하고, 다른 트리거와의 연쇄 반응을 신중하게 고려해야 합니다. 트리거는 잘 사용하면 데이터베이스를 지키는 든든한 파수꾼이 되지만, 잘못 사용하면 예측할 수 없는 문제를 일으키는 양날의 검과 같다는 점을 항상 기억해야 할 것입니다.

2025년 10월 06일

데이터 세상의 청사진, E-R 다이어그램(ERD)으로 시스템의 뼈대를 그리다
데이터베이스를 구축하는 것은 도시를 건설하는 것과 같습니다. 어떤 건물을 어디에 배치하고, 도로를 어떻게 연결할지 상세한 ‘도시 계획도’ 없이 무작정 공사를 시작한다면, 비효율적이고 혼란스러운 결과물만 남게 될 것입니다. 데이터베이스 설계에서 E-R 다이어그램(Entity-Relationship Diagram, ERD)은 바로 이 ‘도시 계획도’와 같은 역할을 합니다. 시스템을 구성하는 데이터의 종류와 그들 간의 관계를 한눈에 파악할 수 있도록 시각적으로 표현한 것으로, 성공적인 데이터베이스 구축을 위한 필수적인 첫걸음입니다.

E-R 다이어그램은 개발자와 설계자, 그리고 현업 사용자 사이의 의사소통을 돕는 강력한 도구입니다. 복잡한 요구사항을 직관적인 그림으로 표현함으로써 모두가 동일한 그림을 보고 시스템을 이해할 수 있게 해주며, 이를 통해 설계 과정에서 발생할 수 있는 오해와 오류를 사전에 방지합니다. 이 글에서는 정보처리기사 시험의 핵심 주제이자, 실무 데이터 모델링의 근간이 되는 E-R 다이어그램의 기본 구성 요소부터 관계 설정 방법, 그리고 작성 시 고려사항까지 체계적으로 알아보겠습니다.

E-R 다이어그램의 세 가지 핵심 구성 요소

E-R 다이어그램은 현실 세계의 데이터를 표현하기 위해 크게 개체(Entity), 속성(Attribute), 관계(Relationship)라는 세 가지 기본 요소로 구성됩니다. 이 세 가지 요소만 이해하면 E-R 다이어그램의 절반 이상을 이해한 것이나 다름없습니다.

개체 (Entity): 데이터로 표현하고자 하는 실체

개체는 데이터로 저장하고 관리해야 하는 현실 세계의 대상이나 개념을 의미합니다. 사람, 사물, 장소, 사건 등 명사로 표현될 수 있는 모든 것이 개체가 될 수 있습니다. 예를 들어 ‘학생 정보 관리 시스템’을 설계한다면 ‘학생’, ‘교수’, ‘과목’ 등이 바로 개체가 됩니다. E-R 다이어그램에서는 보통 사각형으로 개체를 표현합니다.
- 유형 개체 (Tangible Entity): 물리적인 형태가 있는 개체 (예: 학생, 자동차, 상품)
- 무형 개체 (Intangible Entity): 개념적이거나 추상적인 개체 (예: 과목, 주문, 계좌)
각 개체는 독립적인 정보를 가지며, 다른 개체와 구별될 수 있는 유일한 식별자(Identifier)를 반드시 가져야 합니다. ‘학생’ 개체라면 ‘학번’이 식별자가 될 수 있습니다.

속성 (Attribute): 개체가 가진 구체적인 정보

속성은 개체가 가지고 있는 고유한 특성이나 상태를 설명하는 구체적인 정보 항목들입니다. ‘학생’이라는 개체는 ‘학번’, ‘이름’, ‘학과’, ‘학년’, ‘연락처’와 같은 여러 속성들을 가질 수 있습니다. E-R 다이어그램에서는 속성을 타원형으로 표현하고 개체와 선으로 연결합니다.

속성은 그 특징에 따라 여러 종류로 나눌 수 있습니다.
- 기본 속성 (Basic Attribute): 더 이상 분해할 수 없는 기본적인 속성 (예: 이름, 학년)
- 복합 속성 (Composite Attribute): 여러 개의 작은 속성으로 분해될 수 있는 속성 (예: ‘주소’ 속성은 ‘시’, ‘구’, ‘상세주소’로 나뉠 수 있음)
- 단일값 속성 (Single-valued Attribute): 오직 하나의 값만 가질 수 있는 속성 (예: 학번, 주민등록번호)
- 다중값 속성 (Multi-valued Attribute): 여러 개의 값을 가질 수 있는 속성 (예: 한 학생이 여러 개의 ‘취미’를 가질 수 있음)
- 유도 속성 (Derived Attribute): 다른 속성의 값으로부터 계산되거나 유추될 수 있는 속성 (예: ‘생년월일’ 속성이 있으면 ‘나이’ 속성은 유도될 수 있음)
- 키 속성 (Key Attribute): 개체 집합에서 각 개체를 유일하게 식별할 수 있는 속성. 기본키(Primary Key)가 여기에 해당하며, 보통 속성 이름에 밑줄을 그어 표시합니다.
관계 (Relationship): 개체와 개체 사이의 의미 있는 연결

관계는 두 개 이상의 개체들 사이에 존재하는 의미 있는 연관성이나 상호작용을 나타냅니다. ‘학생’ 개체와 ‘과목’ 개체 사이에는 ‘수강한다’는 관계가 존재할 수 있습니다. E-R 다이어그램에서는 관계를 마름모로 표현하고, 관계에 참여하는 개체들을 선으로 연결합니다.

관계는 어떤 개체들이 참여하는지와 어떻게 참여하는지에 따라 그 종류가 정의됩니다. 관계를 명확히 정의하는 것은 데이터 모델의 논리적 구조를 결정하는 매우 중요한 과정입니다.

관계의 종류와 카디널리티: 관계의 깊이를 더하다

개체 간의 관계를 단순히 선으로 연결하는 것만으로는 충분하지 않습니다. 각 개체가 관계에 얼마나, 어떻게 참여하는지를 명확하게 표현해야만 정확한 모델링이 가능합니다. 이를 위해 관계의 차수와 카디널리티(대응 수) 개념이 사용됩니다.

관계의 차수 (Degree)

관계의 차수는 관계에 참여하는 개체의 수를 의미합니다.
- 1진 관계 (Unary Relationship): 하나의 개체가 자기 자신과 관계를 맺는 경우 (예: ‘직원’ 개체 내에서 ‘관리한다’ 관계 – 한 직원이 다른 직원들을 관리)
- 2진 관계 (Binary Relationship): 두 개의 개체가 관계를 맺는 가장 일반적인 경우 (예: ‘학생’이 ‘과목’을 ‘수강한다’)
- 3진 관계 (Ternary Relationship): 세 개의 개체가 동시에 관계를 맺는 경우 (예: ‘직원’이 특정 ‘프로젝트’에 특정 ‘부품’을 ‘공급한다’)
카디널리티 (Cardinality Ratio)

카디널리티는 관계에 참여하는 각 개체의 인스턴스(실제 데이터)가 얼마나 많이 참여할 수 있는지를 나타내는 대응의 수를 의미합니다. 카디널리티는 데이터베이스의 제약 조건을 설정하는 중요한 기준이 됩니다.
- 일대일 (1:1) 관계: 개체 A의 각 인스턴스가 개체 B의 인스턴스 하나와만 관계를 맺고, 그 반대도 마찬가지인 경우입니다. (예: ‘학생’과 ‘학생증’. 한 명의 학생은 하나의 학생증만 가질 수 있고, 하나의 학생증은 한 명의 학생에게만 발급됩니다.)
- 일대다 (1:N) 관계: 개체 A의 인스턴스 하나가 개체 B의 여러 인스턴스와 관계를 맺을 수 있지만, 개체 B의 인스턴스는 개체 A의 인스턴스 하나와만 관계를 맺는 경우입니다. 가장 흔한 관계 유형입니다. (예: ‘교수’와 ‘과목’. 한 명의 교수는 여러 과목을 강의할 수 있지만, 한 과목은 한 명의 교수에 의해서만 강의됩니다.)
- 다대다 (M:N) 관계: 개체 A의 인스턴스가 개체 B의 여러 인스턴스와 관계를 맺을 수 있고, 그 반대도 마찬가지인 경우입니다. (예: ‘학생’과 ‘과목’. 한 명의 학생은 여러 과목을 수강할 수 있고, 한 과목은 여러 학생에 의해 수강될 수 있습니다.)
다대다(M:N) 관계는 관계형 데이터베이스에서 직접 표현할 수 없기 때문에, 모델링 과정에서 보통 두 개체 사이에 새로운 ‘연결 개체(Associative Entity)’를 추가하여 두 개의 일대다(1:N) 관계로 분해합니다. 위의 예시에서는 ‘학생’과 ‘과목’ 사이에 ‘수강신청’이라는 새로운 개체를 만들어 ‘학생 (1) -> (N) 수강신청 (N) -> (1) 과목’ 형태로 변환합니다.

표기법 일대일 (1:1) 일대다 (1:N) 다대다 (M:N)
IE 표기법 ─ 1 ─ 1 ─ ─ 1 ─ N ─ ─ M ─ N ─
까마귀발 표기법 ─ ─ ─

까마귀발(Crow’s Foot) 표기법은 관계선의 끝 모양으로 카디널리티와 참여도를 함께 표현하여 현재 실무에서 가장 널리 사용됩니다. 세 개의 발 모양이 ‘다(Many)’를, 수직선이 ‘일(One)’을 의미합니다.

E-R 다이어그램 작성 실전 가이드 (도서관 시스템 예시)

이제 실제 예시를 통해 E-R 다이어그램을 작성하는 과정을 단계별로 살펴보겠습니다. ‘간단한 도서관 대출 관리 시스템’을 모델링한다고 가정해 보겠습니다.

1단계: 개체(Entity) 식별 시스템에서 관리해야 할 핵심 데이터 대상을 찾아냅니다. 명사형으로 표현되는 것들이 주로 해당됩니다.
- 회원, 도서, 대출
2단계: 속성(Attribute) 정의 및 기본키 설정 각 개체가 가져야 할 정보들을 나열하고, 각 개체를 유일하게 식별할 수 있는 기본키(PK)를 지정합니다.
- 회원: 회원번호(PK), 이름, 연락처, 주소
- 도서: 도서번호(PK), 도서명, 저자, 출판사
- 대출: 대출번호(PK), 대출일, 반납예정일, 반납여부
3단계: 관계(Relationship) 설정 개체들 간의 상호작용을 정의합니다.
- ‘회원’과 ‘도서’는 ‘대출한다’는 관계를 맺습니다.
4단계: 카디널리티(Cardinality) 및 참여도 정의 관계의 세부 내용을 정의합니다.
- 한 명의 ‘회원’은 여러 권의 ‘도서’를 대출할 수 있습니다.
- 한 권의 ‘도서’는 여러 ‘회원’에게 대출될 수 있습니다. (시간의 흐름에 따라)
- 따라서 ‘회원’과 ‘도서’의 관계는 다대다(M:N) 관계입니다.
5단계: M:N 관계 해소 및 다이어그램 완성 다대다 관계를 해소하기 위해 ‘대출’이라는 연결 개체를 사용합니다.
- ‘회원’은 ‘대출’에 일대다(1:N) 관계로 참여합니다. (한 회원은 여러 번 대출할 수 있다)
- ‘도서’는 ‘대출’에 일대다(1:N) 관계로 참여합니다. (한 도서는 여러 번 대출될 수 있다)
- ‘대출’ 개체는 ‘회원번호’와 ‘도서번호’를 외래키(FK)로 받아, 어떤 회원이 어떤 책을 언제 빌렸는지에 대한 구체적인 정보를 저장하게 됩니다.
이 과정을 거쳐 완성된 E-R 다이어그램은 시스템의 데이터 구조를 명확하게 보여주는 청사진이 되며, 이를 바탕으로 물리적인 데이터베이스 테이블을 설계하고 생성하는 다음 단계로 나아갈 수 있습니다.

결론: 성공적인 데이터 모델링의 시작점이자 소통의 언어

E-R 다이어그램은 데이터베이스 설계의 핵심 과정인 ‘개념적 데이터 모델링’에 사용되는 가장 대표적이고 강력한 도구입니다. 복잡한 시스템의 요구사항을 단순하고 직관적인 다이어그램으로 표현함으로써, 개발팀과 비즈니스팀 간의 원활한 소통을 가능하게 하고, 데이터 구조에 대한 공통된 이해를 형성하도록 돕습니다. 잘 만들어진 E-R 다이어그램은 데이터 중복을 방지하고, 데이터 무결성을 높이며, 향후 유지보수와 확장이 용이한 유연한 시스템을 만드는 밑거름이 됩니다.

물론 E-R 다이어그램이 모든 것을 해결해 주는 만능 도구는 아닙니다. 비정형 데이터를 주로 다루는 NoSQL 데이터베이스 환경에서는 전통적인 E-R 다이어그램의 적용 방식이 달라질 수 있으며, 너무 복잡한 시스템을 하나의 다이어그램에 모두 표현하려는 시도는 오히려 이해를 방해할 수도 있습니다. 중요한 것은 E-R 다이어그램의 기본 철학, 즉 ‘데이터의 구조와 관계를 명확히 정의한다’는 원칙을 이해하고, 설계하려는 시스템의 특성에 맞게 유연하게 활용하는 것입니다. 데이터 세상의 건축가로서, E-R 다이어그램이라는 설계도를 자유자재로 그릴 수 있는 능력은 여러분의 핵심 경쟁력이 될 것입니다.
2025년 10월 05일

데이터의 주민등록번호, 키(Key)로 관계와 무결성을 보장하다

수많은 사람 속에서 ‘나’를 유일하게 증명하는 주민등록번호처럼, 방대한 데이터의 바다에서 특정 데이터를 정확하게 찾아내고 구분하기 위해서는 고유한 식별자가 반드시 필요합니다. 데이터베이스 세계에서 이 주민등록번호와 같은 역할을 하는 것이 바로 ‘키(Key)’입니다. 키는 단순히 테이블의 특정 행(Row)을 식별하는 역할을 넘어, 테이블 간의 관계를 맺어주고 데이터의 일관성과 무결성을 지키는 핵심적인 장치입니다.

만약 키가 없다면, 우리는 ‘컴퓨터공학과에 재학 중인 김정보’라는 학생의 성적을 찾기 위해 테이블의 모든 데이터를 일일이 뒤져야 할지도 모릅니다. 동명이인이라도 있다면 문제는 더욱 심각해집니다. 키는 이러한 혼란과 비효율을 막고, 데이터베이스가 질서정연하고 신뢰할 수 있는 시스템으로 작동하게 하는 근본 원리입니다. 이 글에서는 정보처리기사 시험의 필수 개념이자, 데이터베이스 설계의 심장이라 할 수 있는 다양한 종류의 키에 대해 그 개념과 관계, 그리고 중요성을 심도 있게 알아보겠습니다.

키의 종류: 목적에 따라 역할을 나누다

데이터베이스에서는 여러 종류의 키가 각기 다른 목적과 규칙을 가지고 사용됩니다. 이들의 관계를 이해하는 것이 데이터베이스 설계를 위한 첫걸음입니다.

슈퍼키 (Super Key)

슈퍼키는 테이블의 각 행을 유일하게 식별할 수 있는 속성(Attribute) 또는 속성들의 집합입니다. 유일성(Uniqueness)은 만족하지만, 최소성(Minimality)은 만족하지 않을 수 있습니다. 즉, 행을 식별하는 데 필요 없는 속성이 포함될 수 있다는 의미입니다.

예를 들어, ‘학생’ 테이블이 {학번, 주민등록번호, 이름, 학과} 속성으로 구성되어 있다고 가정해 보겠습니다.

{학번} -> 각 학생을 유일하게 식별 가능하므로 슈퍼키입니다.
{주민등록번호} -> 역시 유일하게 식별 가능하므로 슈퍼키입니다.
{학번, 이름} -> ‘학번’만으로도 충분히 식별 가능하지만, 이 조합 역시 모든 학생을 유일하게 식별할 수 있으므로 슈퍼키입니다.
{학번, 주민등록번호, 이름} -> 이 조합 또한 유일성을 만족하므로 슈퍼키입니다.

이처럼 슈퍼키는 유일하게 식별 가능한 모든 속성의 조합을 의미하는 광범위한 개념입니다.

후보키 (Candidate Key)

후보키는 슈퍼키 중에서 최소성까지 만족하는 키입니다. 즉, 각 행을 유일하게 식별할 수 있으면서, 꼭 필요한 최소한의 속성만으로 구성된 키를 말합니다. 후보키에서 속성을 하나라도 제거하면 더 이상 유일성을 만족하지 못하게 됩니다.

위의 ‘학생’ 테이블 예시에서 후보키는 다음과 같습니다.

{학번}: 유일성과 최소성을 모두 만족합니다.
{주민등록번호}: 유일성과 최소성을 모두 만족합니다.
{학번, 이름}: 최소성을 만족하지 않습니다. ‘이름’ 속성을 제거해도 {학번}만으로 유일한 식별이 가능하기 때문입니다. 따라서 후보키가 아닙니다.

후보키는 ‘기본키가 될 수 있는 후보’들이며, 모든 테이블은 하나 이상의 후보키를 반드시 가집니다.

기본키 (Primary Key, PK)

기본키는 후보키 중에서 설계자가 특별히 선택한 단 하나의 키입니다. 테이블의 모든 행은 기본키 값을 통해 유일하게 식별되고 접근됩니다. 기본키는 다음과 같은 중요한 제약 조건을 반드시 따라야 합니다.

유일성 (Uniqueness): 모든 행의 기본키 값은 유일해야 하며, 중복된 값을 가질 수 없습니다.
최소성 (Minimality): 행을 식별하는 데 필요한 최소한의 속성으로 구성되어야 합니다.
개체 무결성 (Entity Integrity): NULL 값을 가질 수 없습니다. 즉, 기본키 값은 반드시 존재해야 합니다.

설계자는 여러 후보키 중에서 가장 데이터를 잘 대표하고, 값이 변하지 않으며, 단순한 형태의 키를 기본키로 선정하는 것이 일반적입니다. ‘학생’ 테이블에서는 보통 {학번}을 기본키로 선택합니다.

대체키 (Alternate Key)

대체키는 후보키 중에서 기본키로 선택되지 않고 남은 키들을 말합니다. ‘학생’ 테이블에서 {학번}을 기본키로 선택했다면, 또 다른 후보키였던 {주민등록번호}는 대체키가 됩니다. 대체키 역시 후보키의 특성을 그대로 가지고 있으므로, 유일성과 최소성을 만족하며 NULL 값을 허용하지 않는 것이 좋습니다.

외래키 (Foreign Key, FK)

외래키는 한 테이블의 속성(또는 속성들의 집합)이 다른 테이블의 기본키를 참조하는 키입니다. 이는 테이블 간의 관계를 맺어주는 매우 중요한 역할을 하며, 데이터베이스의 ‘관계형’이라는 이름이 붙은 이유이기도 합니다. 외래키는 두 테이블을 연결하는 다리 역할을 하며, 데이터의 일관성을 보장하는 ‘참조 무결성’ 제약 조건을 설정하는 데 사용됩니다.

예를 들어, ‘수강신청’ 테이블이 있고, 이 테이블에는 어떤 학생이 어떤 과목을 신청했는지에 대한 정보가 들어있다고 가정해 봅시다.

학생 테이블: {학번(PK), 이름, 학과}
과목 테이블: {과목코드(PK), 과목명, 학점}
수강신청 테이블: {신청번호(PK), 학번(FK), 과목코드(FK), 신청일}

여기서 ‘수강신청’ 테이블의 학번은 ‘학생’ 테이블의 학번(PK)을 참조하는 외래키이고, 과목코드는 ‘과목’ 테이블의 과목코드(PK)를 참조하는 외래키입니다.

키 종류	유일성	최소성	NULL 값	역할 및 특징
슈퍼키	O	X	O	유일성을 만족하는 모든 속성의 조합
후보키	O	O	X	유일성과 최소성을 만족 (기본키 후보)
기본키	O	O	X	후보키 중 선택된 단 하나의 대표 키
대체키	O	O	X	후보키 중 기본키가 되고 남은 키
외래키	X	X	O	다른 테이블의 기본키를 참조, 관계 설정

관계의 핵심, 기본키와 외래키의 상호작용

데이터베이스의 힘은 데이터를 단순히 저장하는 것을 넘어, 데이터 간의 관계를 정의하고 유지하는 데 있습니다. 이 관계의 중심에 바로 기본키(PK)와 외래키(FK)가 있습니다. 이 둘의 조합은 ‘참조 무결성(Referential Integrity)’이라는 중요한 규칙을 강제합니다.

참조 무결성 (Referential Integrity)

참조 무결성이란 외래키의 값은 반드시 참조하는 테이블의 기본키 값으로 존재하거나, 혹은 NULL 값이어야 한다는 규칙입니다. 이 규칙은 존재하지 않는 데이터를 참조하는 것을 막아 데이터의 일관성과 신뢰도를 극적으로 높여줍니다.

앞서 들었던 ‘학생’과 ‘수강신청’ 테이블의 예를 다시 보겠습니다.

‘수강신청’ 테이블에 데이터를 삽입할 때, 학번 컬럼에는 ‘학생’ 테이블에 실제로 존재하는 학번 값만 입력할 수 있습니다. 존재하지 않는 ‘9999’라는 학번으로 수강 신청 데이터를 만들려고 하면 데이터베이스 시스템이 오류를 발생시키며 입력을 거부합니다. 이것이 바로 삽입 시의 참조 무결성입니다.
만약 ‘학생’ 테이블에서 학번 ‘1001’인 학생을 삭제하려고 할 때, ‘수강신청’ 테이블에 ‘1001’ 학생의 수강 기록이 남아있다면 어떻게 될까요? 참조 무결성 제약 조건은 이러한 삭제를 막거나, 관련된 수강신청 기록을 함께 삭제(CASCADE)하거나, 학번 값을 NULL로 설정(SET NULL)하도록 하는 등의 옵션을 제공합니다. 이를 통해 부모 없는 자식 데이터(Orphaned Record), 즉 유효하지 않은 참조 관계가 발생하는 것을 방지합니다.

이처럼 PK와 FK는 서로 긴밀하게 상호작용하며, 사용자의 실수나 논리적 오류로부터 데이터베이스를 보호하는 강력한 수호자 역할을 합니다.

복합키 (Composite Key)

때로는 하나의 속성만으로는 행을 유일하게 식별할 수 없어 두 개 이상의 속성을 조합해야만 기본키 역할을 할 수 있는 경우가 있습니다. 이렇게 두 개 이상의 속성을 묶어 만든 기본키를 복합키라고 합니다.

예를 들어, M:N 관계를 해소하기 위해 만들어지는 연결 테이블에서 복합키가 자주 사용됩니다. ‘수강신청’ 테이블에서 신청번호 없이 {학번, 과목코드}를 조합하여 기본키로 사용할 수 있습니다. ‘한 학생은 한 과목을 한 번만 신청할 수 있다’는 규칙이 있다면, 이 두 속성의 조합은 항상 유일성을 만족하기 때문입니다. 이 경우, {학번, 과목코드} 자체가 이 테이블의 복합 기본키가 됩니다.

결론: 데이터 무결성의 초석이자 관계의 시작

지금까지 데이터베이스의 다양한 키의 종류와 그 역할을 살펴보았습니다. 키는 데이터베이스 설계의 가장 기초적이면서도 가장 중요한 개념입니다. 어떤 속성을 키로 선택하고, 테이블 간에 어떤 관계를 맺어줄 것인지를 결정하는 과정이 바로 데이터 모델링의 핵심입니다.

슈퍼키와 후보키를 통해 테이블 내에서 데이터를 유일하게 식별할 수 있는 모든 가능성을 찾아냅니다.
그중 가장 적합한 기본키를 선택하여 개체 무결성을 보장하고, 데이터 접근의 기준점을 마련합니다.
외래키를 사용하여 테이블 간의 논리적 관계를 설정하고, 참조 무결성을 통해 데이터의 일관성을 유지합니다.

효율적이고 안정적인 데이터베이스를 구축하기 위해서는 각 키의 특성을 명확히 이해하고, 설계하려는 시스템의 요구사항에 맞게 적절한 키를 신중하게 선택하고 배치하는 능력이 필수적입니다. 키는 단순히 데이터를 구분하는 식별자를 넘어, 데이터 세상의 질서와 신뢰를 지탱하는 보이지 않는 뼈대와 같습니다. 이 뼈대를 얼마나 튼튼하고 논리적으로 설계하는가에 따라 데이터베이스 시스템 전체의 품질이 좌우된다는 점을 반드시 기억해야 합니다.

2025년 10월 05일

데이터 중복과의 전쟁, 정규화(Normalization)로 데이터 무결성을 쟁취하라

데이터베이스를 설계할 때 ‘정규화’는 마치 건물을 짓기 전 튼튼한 설계도를 그리는 것과 같습니다. 당장의 편의를 위해 설계 원칙을 무시하고 주먹구구식으로 건물을 올리면, 머지않아 벽에 금이 가고 물이 새는 등 심각한 하자가 발생하게 됩니다. 데이터베이스 역시 마찬가지입니다. 정규화라는 체계적인 원칙 없이 데이터를 쌓아두기만 한다면, 데이터 중복으로 인한 저장 공간 낭비는 물론, 데이터 불일치라는 치명적인 문제에 직면하게 될 것입니다.

정규화는 데이터의 중복을 최소화하고 데이터의 일관성과 무결성을 확보하기 위해, 관계형 데이터베이스의 테이블을 논리적으로 분해하는 과정입니다. 이는 단순히 데이터를 나누는 행위를 넘어, 데이터 간의 종속성을 명확히 하여 보다 합리적이고 효율적인 데이터 구조를 만드는 철학에 가깝습니다. 이 글에서는 정보처리기사 시험의 핵심 출제 범위이자, 모든 데이터 전문가가 갖춰야 할 기본 소양인 ‘정규화’에 대해 제1정규형부터 보이스-코드 정규형(BCNF)까지, 구체적인 예시와 함께 그 필요성과 원리를 깊이 있게 탐구해 보겠습니다.

정규화가 필요한 이유: 데이터 이상 현상(Anomaly)과의 싸움

정규화를 거치지 않은 테이블에서는 데이터의 중복으로 인해 예기치 않은 문제가 발생하는데, 이를 ‘이상 현상(Anomaly)’이라고 합니다. 이상 현상은 크게 삽입 이상, 갱신 이상, 삭제 이상의 세 가지 유형으로 나뉩니다. 정규화는 바로 이러한 이상 현상을 근본적으로 해결하기 위한 과정입니다.

삽입 이상 (Insertion Anomaly)

삽입 이상은 새로운 데이터를 삽입하려 할 때, 불필요한 데이터가 함께 있어야만 삽입이 가능한 문제입니다. 예를 들어, ‘학생_수강’ 테이블에 ‘학번’, ‘이름’, ‘학과’, ‘수강과목’, ‘성적’이라는 컬럼이 있다고 가정해 보겠습니다. 아직 아무 과목도 수강 신청하지 않은 신입생 ‘김정보’의 정보를 입력하려면 어떻게 해야 할까요? ‘수강과목’과 ‘성적’ 컬럼이 비어있게 되는데, 만약 ‘수강과목’이 기본키(Primary Key)의 일부라면 NULL 값을 가질 수 없으므로 ‘김정보’ 학생의 정보 자체를 삽입할 수 없게 됩니다. 이처럼 특정 데이터가 없다는 이유로 전체 데이터가 입력되지 못하는 불합리한 상황이 바로 삽입 이상입니다.

갱신 이상 (Update Anomaly)

갱신 이상은 중복된 데이터 중 일부만 수정되어 데이터의 일관성이 깨지는 문제입니다. 위의 ‘학생_수강’ 테이블에서 학생 ‘이정처’가 ‘전산학과’에서 ‘컴퓨터공학과’로 전과했다고 가정해 보겠습니다. ‘이정처’ 학생이 3과목을 수강 중이라면, 3개의 행에 걸쳐 ‘전산학과’라는 정보가 중복 저장되어 있을 것입니다. 만약 이 중 2개의 행만 ‘컴퓨터공학과’로 수정하고 1개를 실수로 누락한다면, ‘이정처’ 학생의 학과는 ‘전산학과’이면서 동시에 ‘컴퓨터공학과’인, 논리적으로 말이 안 되는 상태가 됩니다. 이처럼 데이터의 일부만 갱신되어 발생하는 불일치 현상이 갱신 이상입니다.

삭제 이상 (Deletion Anomaly)

삭제 이상은 특정 데이터를 삭제했을 때, 유지되어야 할 다른 정보까지 함께 삭제되는 문제입니다. ‘학생_수강’ 테이블에서 학생 ‘박기사’가 수강하던 ‘데이터베이스’ 과목의 수강을 철회하여 해당 행을 삭제했다고 가정해 보겠습니다. 만약 ‘박기사’ 학생이 ‘데이터베이스’ 한 과목만 수강하고 있었다면, 이 데이터를 삭제하는 순간 ‘박기사’ 학생의 ‘학번’, ‘이름’, ‘학과’ 정보까지 데이터베이스에서 완전히 사라지는 문제가 발생합니다. 수강 정보 하나를 삭제했을 뿐인데 학생 정보 자체가 소멸되는, 의도치 않은 정보의 손실이 바로 삭제 이상입니다.

이러한 세 가지 이상 현상은 모두 데이터의 ‘중복’이라는 공통된 원인에서 비롯됩니다. 정규화는 테이블을 논리적으로 분해하여 이러한 중복을 제거하고, 각 테이블이 하나의 주제에 대한 정보만을 갖도록 함으로써 이상 현상을 원천적으로 방지합니다.

정규화의 단계: 순서대로 따라 하는 데이터 구조화

정규화는 여러 단계로 구성되어 있으며, 차수가 높아질수록 더 엄격한 제약 조건을 만족해야 합니다. 일반적으로 실무에서는 제3정규형(3NF)이나 보이스-코드 정규형(BCNF)까지 정규화를 수행하는 것을 목표로 합니다. 각 정규화 단계가 무엇을 의미하는지 예시를 통해 차근차근 알아보겠습니다.

아래는 정규화를 거치지 않은 ‘수강 신청’ 테이블의 예시입니다.

[정규화 전: 수강 신청 테이블]

학번	이름	학과	수강과목코드	수강과목명	담당교수	성적
1001	김정보	컴퓨터공학	CS101	데이터베이스	이교수	A+
1001	김정보	컴퓨터공학	CS102	자료구조	박교수	A0
1002	이정처	전자공학	EE201	회로이론	최교수	B+
1003	박기사	컴퓨터공학	CS101	데이터베이스	이교수	B0

제1정규형 (1NF: First Normal Form)

제1정규형은 테이블의 모든 컬럼 값이 ‘원자값(Atomic Value)’을 갖도록 하는 것입니다. 즉, 하나의 컬럼에 여러 개의 값이 들어가지 않도록 분해하는 단계입니다. 만약 한 학생이 여러 과목을 수강한다고 해서 수강과목 컬럼에 ‘데이터베이스, 자료구조’ 와 같이 쉼표로 구분된 값을 넣는다면 제1정규형을 위배하는 것입니다. 위의 예시 테이블은 각 컬럼이 이미 하나의 값만 가지고 있으므로 제1정규형을 만족합니다. 제1정규형은 관계형 데이터베이스의 가장 기본적이고 당연한 전제 조건입니다.

제2정규형 (2NF: Second Normal Form)

제2정규형은 제1정규형을 만족하고, 기본키가 여러 컬럼으로 구성된 복합키(Composite Key)일 경우, 기본키의 일부에만 종속되는 컬럼(부분 함수 종속)을 제거하는 단계입니다.

위의 ‘수강 신청’ 테이블에서 기본키는 ‘학번’과 ‘수강과목코드’의 조합입니다. 왜냐하면 ‘학번’만으로는 어떤 과목의 성적인지 알 수 없고, ‘수강과목코드’만으로는 누가 수강했는지 알 수 없기 때문입니다.

‘성적’은 ‘학번’과 ‘수강과목코드’ 모두에 의해 결정되므로 완전 함수 종속입니다. (누가 어떤 과목을 들었는지 알아야 성적을 알 수 있음)
하지만 ‘이름’, ‘학과’는 ‘학번’에 의해서만 결정됩니다. ‘수강과목코드’와는 아무런 관련이 없습니다.
또한 ‘수강과목명’, ‘담당교수’는 ‘수강과목코드’에 의해서만 결정됩니다. ‘학번’과는 관련이 없습니다.

이처럼 기본키의 일부에만 종속되는 컬럼들이 존재하므로, 이 테이블은 제2정규형을 만족하지 못합니다. 이를 해결하기 위해 부분 함수 종속을 제거하여 테이블을 다음과 같이 분해합니다.

[학생 테이블]

학번 (PK)	이름	학과
1001	김정보	컴퓨터공학
1002	이정처	전자공학
1003	박기사	컴퓨터공학

[과목 테이블]

수강과목코드 (PK)	수강과목명	담당교수
CS101	데이터베이스	이교수
CS102	자료구조	박교수
EE201	회로이론	최교수

[수강 테이블]

학번 (FK)	수강과목코드 (FK)	성적
1001	CS101	A+
1001	CS102	A0
1002	EE201	B+
1003	CS101	B0

이제 ‘학생’ 정보, ‘과목’ 정보, ‘수강’ 정보가 각각의 주제에 맞게 분리되었습니다. ‘이름’이나 ‘학과’를 수정하고 싶으면 ‘학생’ 테이블에서 한 번만 수정하면 되고, 과목 담당 교수가 바뀌어도 ‘과목’ 테이블에서 한 번만 수정하면 됩니다. 갱신 이상의 문제가 해결되었습니다.

제3정규형 (3NF: Third Normal Form)

제3정규형은 제2정규형을 만족하고, 기본키가 아닌 다른 컬럼에 의해 결정되는 컬럼(이행적 함수 종속)을 제거하는 단계입니다. 즉, 기본키에 직접 종속되지 않고, 일반 컬럼을 거쳐 간접적으로 종속되는 관계를 없애는 것입니다.

만약 ‘학생’ 테이블에 ‘학과’와 함께 ‘학과사무실_전화번호’라는 컬럼이 추가되었다고 가정해 보겠습니다.

[수정된 학생 테이블 (제2정규형 만족)]

학번 (PK)	이름	학과	학과사무실_전화번호
1001	김정보	컴퓨터공학	02-111-1111
1002	이정처	전자공학	02-222-2222
1003	박기사	컴퓨터공학	02-111-1111

여기서 ‘학과사무실_전화번호’는 기본키인 ‘학번’에 의해 결정되는 것이 아니라, 일반 컬럼인 ‘학과’에 의해 결정됩니다. (학번 -> 학과 -> 학과사무실_전화번호). 이것이 바로 이행적 함수 종속입니다. 이 경우 컴퓨터공학과의 전화번호가 바뀌면 컴퓨터공학과 소속의 모든 학생 데이터를 일일이 수정해야 하는 갱신 이상의 문제가 발생합니다.

제3정규형을 만족시키기 위해 이행적 함수 종속을 제거하여 다음과 같이 테이블을 분리합니다.

[학생 테이블 (3NF)]

학번 (PK)	이름	학과 (FK)
1001	김정보	컴퓨터공학
1002	이정처	전자공학
1003	박기사	컴퓨터공학

[학과 테이블]

학과 (PK)	학과사무실_전화번호
컴퓨터공학	02-111-1111
전자공학	02-222-2222

이렇게 분해하면 학과 정보는 ‘학과’ 테이블에서 유일하게 관리되므로 데이터의 일관성을 유지하기가 훨씬 수월해집니다.

보이스-코드 정규형 (BCNF: Boyce-Codd Normal Form)

BCNF는 제3정규형보다 더 강화된 정규형으로, 모든 결정자(Determinant)가 후보키(Candidate Key)인 상태를 의미합니다. 조금 더 쉽게 말해, 테이블에서 어떤 컬럼을 결정하는 모든 ‘결정자’들이 기본키 역할을 할 수 있을 만큼의 유일성을 가져야 한다는 뜻입니다. 제3정규형까지 만족하는 대부분의 테이블은 BCNF도 만족하지만, 복잡한 종속 관계를 가지는 일부 특수한 경우에 BCNF 위반이 발생할 수 있습니다.

예를 들어, ‘특강_신청’ 테이블에 ‘학번’, ‘특강명’, ‘담당교수’ 컬럼이 있고, 다음과 같은 제약 조건이 있다고 가정해 봅시다.

기본키는 ‘학번’과 ‘특강명’의 조합이다.
교수 한 명은 오직 하나의 특강만 담당할 수 있다. (즉, ‘담당교수’가 ‘특강명’을 결정한다.)

[특강_신청 테이블]

학번 (PK)	특강명 (PK)	담당교수
1001	데이터베이스	김교수
1002	알고리즘	박교수
1003	데이터베이스	김교수

이 테이블에서 ‘담당교수’는 ‘특강명’을 결정하는 결정자입니다. 하지만 ‘담당교수’는 이 테이블의 기본키(또는 후보키)가 아닙니다. 이것이 바로 BCNF 위반입니다. 이 경우, 특정 교수가 담당 과목을 변경하면 불일치 문제가 발생할 수 있습니다. BCNF를 만족시키려면 이 종속 관계를 분리해야 합니다.

[수강생_교수 테이블]

학번 (FK)	담당교수 (FK)
1001	김교수
1002	박교수
1003	김교수

[교수_특강 테이블]

담당교수 (PK)	특강명
김교수	데이터베이스
박교수	알고리즘

이렇게 분해함으로써 모든 결정자(‘담당교수’)가 후보키가 되어 BCNF를 만족하게 됩니다.

결론: 정규화, 성능과 타협하는 지혜로운 균형점 찾기

정규화는 데이터의 중복을 제거하고 이상 현상을 방지하여 데이터의 무결성과 일관성을 확보하는 가장 강력하고 기본적인 방법입니다. 잘 정규화된 데이터베이스는 유지보수가 용이하며, 데이터 구조의 확장에 유연하게 대처할 수 있는 장점을 가집니다. 정보처리기사 시험을 준비하는 수험생이라면 각 정규형의 개념과 부분/이행적 함수 종속 관계를 명확히 이해하고 테이블을 분해하는 과정을 반드시 숙지해야 합니다.

하지만 정규화가 항상 정답인 것은 아닙니다. 정규화 수준이 높아질수록 테이블이 잘게 분해되기 때문에, 원하는 데이터를 얻기 위해 여러 테이블을 조인(Join)해야 하는 경우가 많아집니다. 이는 조회(SELECT) 성능의 저하를 유발할 수 있습니다. 따라서 대규모의 읽기 작업이 빈번하게 발생하는 시스템이나, 빠른 응답 속도가 매우 중요한 서비스에서는 의도적으로 정규화 수준을 낮추거나 중복을 허용하는 ‘반정규화(Denormalization)’를 적용하기도 합니다.

결론적으로, 성공적인 데이터베이스 설계는 정규화 원칙을 맹목적으로 따르는 것이 아니라, 데이터의 무결성과 시스템의 성능 사이에서 현명한 균형점을 찾는 것입니다. 서비스의 특징, 데이터의 흐름, 사용자의 요구사항을 종합적으로 고려하여 최적의 정규화 수준을 결정하는 능력이 바로 데이터 전문가에게 요구되는 핵심 역량이라 할 수 있습니다.

2025년 10월 04일

표기법	일대일 (1:1)	일대다 (1:N)	다대다 (M:N)
IE 표기법	─ 1 ─ 1 ─	─ 1 ─ N ─	─ M ─ N ─
까마귀발 표기법	─	─	─