물리 모델링으로 DBMS 저장 구조와 성능 설계하기

논리 모델을 DBMS의 저장 구조로 옮기는 일

물리 모델링은 논리적으로 정의한 데이터 모델을 실제 DBMS에서 동작하는 저장 구조로 구체화하는 과정이다. 엔티티와 관계를 테이블, 인덱스, 저장 영역, 제약조건으로 바꾸고, DBMS의 성능 특성과 운영 조건에 맞춰 구현한다.

설계의 마지막 단계이면서 구현의 출발점이기도 하다. 이 단계에서 내린 선택은 시스템의 성능, 효율성, 확장성뿐 아니라 백업과 복구, 유지보수 방식에도 영향을 준다.

저장 영역과 데이터 중복을 먼저 결정한다

테이블스페이스는 데이터베이스 객체가 위치하는 논리적 저장 단위다. 데이터의 크기와 접근 빈도에 따라 영역을 나누고, I/O 부하를 분산할 수 있도록 물리 디스크 할당을 결정한다. 초기 크기와 자동 확장 설정도 이후 확장 가능성을 고려해 정한다.

⤢✕

금융 시스템에서는 자주 조회하는 거래 데이터와 거의 접근하지 않는 보관 데이터를 서로 다른 테이블스페이스에 두어 성능을 조정할 수 있다.

정규화된 논리 모델은 데이터 중복을 줄이지만, 복잡한 조인이 이어지면 성능 부담이 생길 수 있다. 반정규화는 이 비용을 줄이기 위해 의도적으로 중복을 허용하는 선택이다. 테이블을 병합하거나 수직·수평으로 분할할 수 있고, 조인을 줄이기 위한 외래키 컬럼이나 계산 결과를 담은 파생 컬럼을 추가할 수도 있다. 변경 이력을 관리하기 위한 이력 테이블도 이 범위에서 검토한다.

전자상거래 시스템에서 상품 목록을 자주 조회한다면 상품 테이블에 카테고리명을 중복 저장해 카테고리 테이블과의 조인을 줄이는 방식을 사용할 수 있다.

저장 공간의 초기 크기, 증가율, 최대 크기와 함께 버퍼 크기, 백업·복구 전략도 같은 단계에서 다뤄야 한다.

⤢✕

테이블과 접근 경로를 물리 구조로 구체화한다

논리 모델의 엔티티는 물리 테이블로 변환된다. 이때 컬럼의 데이터 타입과 크기를 정하고, PK·FK·Unique·Check 제약조건, NULL 허용 여부, 기본값을 구현한다.

데이터를 분산 저장해 성능과 관리 효율성을 높이려면 파티셔닝 전략을 함께 설계한다.

⤢✕

범위 파티셔닝은 날짜나 숫자 범위를 기준으로 나누며, 목록 파티셔닝은 특정 값 목록을 기준으로 한다. 해시 파티셔닝은 해시 함수를 이용해 데이터를 균등하게 분할하고, 복합 파티셔닝은 여러 방식을 조합한다.

통신사 통화 기록 테이블을 월별로 파티셔닝하면 특정 기간의 데이터를 더 효율적으로 조회하고, 오래된 데이터를 아카이빙하기도 쉬워진다.

인덱스는 데이터 접근 속도를 좌우한다. 일반 용도에는 B-Tree 인덱스, 카디널리티가 낮은 컬럼에는 비트맵 인덱스, 함수나 표현식을 활용한 검색에는 함수 기반 인덱스, 전문 검색에는 텍스트 인덱스를 검토할 수 있다.

자주 조회되는 컬럼, WHERE 절과 JOIN 조건에 쓰이는 컬럼, ORDER BY·GROUP BY 대상, 유니크한 값의 분포도를 함께 살펴야 한다. 고객 이름 검색이 빈번한 시스템이라면 이름 컬럼의 인덱스가 검색 성능을 높일 수 있다. 다만 인덱스가 늘수록 INSERT, UPDATE, DELETE 성능은 저하될 수 있다.

뷰는 데이터 접근 제어와 보안을 강화하면서 복잡한 쿼리를 단순화하고 데이터 독립성을 제공한다. 단일 테이블 기반의 단순 뷰, 여러 테이블을 조합한 복합 뷰, 서브쿼리로 쓰는 인라인 뷰, 물리적으로 저장되는 머티리얼라이즈드 뷰가 있다. 직원 정보 시스템에서는 부서마다 다른 권한을 가진 사용자에게 필요한 정보만 보이도록 뷰를 구성할 수 있다.

관련 데이터를 물리적으로 함께 저장하는 클러스터링과 RAID 레벨, SSD·HDD 선택도 저장 구조의 일부다.

DBMS 자원은 워크로드에 맞춰 조정한다

메모리 버퍼는 디스크 I/O를 줄이는 버퍼 캐시, 트랜잭션 로그 처리를 위한 로그 버퍼, SQL 파싱과 실행 계획을 보관하는 공유 풀로 나뉜다. 이 영역의 설정은 DBMS 성능에 직접 영향을 준다.

데이터 블록 크기는 레코드와 접근 방식에 맞춰 선택한다. 작은 블록은 작은 레코드에 효율적이고 동시성을 높이며, 큰 블록은 큰 레코드와 순차 스캔에 유리하다.

백그라운드 프로세스 수는 서버 리소스와 워크로드에 맞추고, 복잡한 쿼리의 병렬 실행 수준도 함께 설정한다.

⤢✕

적재 전 데이터의 품질과 변환 규칙을 맞춘다

물리 데이터베이스를 구축할 때는 소스 데이터의 포맷, 품질, 볼륨을 분석한 뒤 소스와 대상 사이의 매핑 규칙을 정의한다. 이를 바탕으로 ETL(Extract, Transform, Load) 절차를 설계한다.

정제 과정에서는 동일 데이터를 식별해 병합하고, 유효성 검사를 통해 오류를 수정하며, 데이터를 일관된 형식으로 표준화한다. 적재 방식은 전체 데이터를 처음 넣는 초기 로드, 변경 데이터만 갱신하는 증분 로드, 대용량 데이터를 빠르게 처리하기 위한 병렬 로드로 나뉜다.

기업 합병으로 두 회사의 고객 데이터를 통합할 때는 중복 고객 식별, 주소 형식 표준화, 누락 정보 보완을 거쳐 새 시스템에 적재할 수 있다.

성능과 운영 부담 사이의 균형

물리 모델은 현재 요구사항을 충족하면서 미래 성장도 고려해야 한다. 과도한 최적화는 복잡성을 키울 수 있으므로 성능과 확장성 사이에서 균형을 잡는다.

명명 규칙, 데이터 타입, 제약조건을 일관되게 적용하면 구조를 이해하고 관리하기 쉬워진다. 백업·복구 효율성, 모니터링의 용이성, 유지보수 편의성 역시 설계 단계부터 반영할 운영 조건이다.