모델링의 특징 현실세계를 일정한 형식에 맞추어 표현하는 추상화의 의미를 가질 수 있음 단지 시스템 구현만을 위해 수행하는 타스크가 아니며, 시스템 구현을 포함한 업무분석 및 업무형상화를 하는 목적도 있음 복잡한 현실을 제한된 언어나 표기법을 통해 이해하기 쉽게 하는 단순화의 의미를 가지고 있음 애매모호함을 배제하고 누구나 이해 가능하도록 정확하게 현상을 기술하는 정확화의 의미를 가짐
모델링이 필요한 주요 이유 업무정보를 구성하는 기초가 되는 정보들에 대해 일정한 표기법에 의헤 표현 분석된 모델을 가지고 데이터베이스를 생성하여 개발 및 데이터관리에 사용하기 위한 것 데이터모델링 자체로서 업무의 흐름을 설명하고 분석하는 부분에 의미를 가짐
데이터 모델링 유의점 여러 장소의 데이터베이스에 같은 정보를 저장하지 않도록 하여 중복성을 최소화함 데이터의 정의를 데이터의 사용 프로세스와 분리하여 유연성을 높임 데이터간의 상호 연관관계를 명확하게 정의하여 일관성 있게 데이터가 유지되도록 함
데이터 모델링 유의점 특성 중복: 데이터 모델은 같은 데이터를 사용하는 사람, 시간 그리고 장소를 파악하는데 도움을 줌으로써 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다. 비유연성: 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무변화에도 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움을 가증시킬 수 있다. 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다. 비일관성: 데이터의 중복이 없더라도 비일관성은 발생할 수 있는데, 예를 들면 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 경우이다. 개발자가 서로 연관된 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 있기 때문에 이와 같은 문제가 발생할 수 있다. 데이터 모델링을 할 때 데이터와 데이터 간의 상호 연관 관계에 대해 명확하게 정의한다면 이러한 위험을 사전에 예방하는데 도움을 줄 수 있다. 사용자가 처리하는 프로세스 혹은 이와 관련된 프로그램과 테이블의 연계성을 높이는 것은 데이터 모델이 업무 변경에 대해 취약하게 만드는 단점에 해당한다.
데이터 모델링 개념 개념적 데이터 모델링: 추상화 수준이 높고 업무중심적이고 포괄적인 수준의 모델링 진행. 전사적 데이터 모델링, EA수립시 많이 이용 논리적 데이터 모델링: 시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현, 재사용성이 높음 물리적 데이터 모델링: 실제로 데이터베이스레 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계
데이터베이스 스키마 구조 3단계 외부스키마: View 단계 여러 개의 사용자 관점으로 구성한다. 즉, 개개인의 사용자 단계로서 개개인의 사용자가 보는 개인적인 DB 스키마이다. 이에 따라 DB의 개개인 사용자나 응용 프로그래머가 접근하는 DB를 정의한다. 개념스키마: 모든 사용자 관점을 통합한 조직 전체 관점의 통합적 표현. 모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들간의 관계를 표현하는 스키마 내부스키마: DB가 물리적으로 저장된 형식을 나타낸다. 물리적 장치에서 데이터가 실제적으로 저장되는 방법을 표현한다.
고객과 주문의 ERD 한 명의 고객은 여러 개의 제품을 주문 할 수 있다. 주문은 할 수도 있고 안 할 수도 있다. 하나의 주문은 반드시 한 명의 고객에 의해 주문됨 주문에 데이터를 입력할 때는 반드시 고객데이터가 존재해야 한다. 고객 엔터티에 새로운 고객번호 데이터를 입력하는 것은 주문 엔터티에 해당 고객번호가 존재하고 있는지의 여부와 상관없이 가능하다
ERD 설명 1976년 피터첸에 의해 Entity-Relationship Model이라는 표기법이 만들어짐 일반적으로 ERD를 작성하는 방법은 엔터티 도출(그림) → 엔터티 배치 → (엔터티간)관계 설정 → 관계명 기술 → 관계의 참여도 기술 → 관계의 필수여부 기술의 흐름으로 작업 진행 관계의 명칭은 관계 표현에 있어서 매우 중요한 부분에 해당 가장 중요한 엔터티는 왼쪽 상단에서 조금 아래쪽 중앙에 배치하여 전체 엔터티와 어울릴 수 있도록 하면 향후 관련 엔터티와 관계선을 연결할 때 선이 꼬이지 않고 효과적으로 배치할 수 있게됨
아래 시나리오에서 가장 적절한 엔터티=환자
엔터티의 특징 반드시 해당 업무에서 필요하고 관리하고자 하는 정보이어야 한다.(예: 환자, 토익의 응시횟수, ...) 유일한 식별자에 의해 식별이 가능해야 한다. 영속적으로 존재하는 인스턴스의 집합이어야 한다.(한개가 아니라 두개 이상) 엔터티는 업무 프로세스에 의해 이용되어야 한다. 엔터티는 반드시 속성이 있어야 한다. 엔터티는 다른 엔터티와 최소 한 개 이상의 관계가 있어야 한다.(통계성이나 코드성 엔터티는 생략가능)
엔터티 종류 기본엔터티(키엔터티): 그 업무에 원래 존재하는 정보로서 다른 엔터티와의 관계에 의해 생성되지 않고 독립적으로 생성이 가능하고 자신은 타 엔터티의 부모의 역할을 하게 된다. 다른 엔터티로부터 주식별자를 상속받지 않고 자신의 고유한 주식별자를 가지게 된다. 예를 들어 사원, 부서, 고객, 상품, 자재 등이 될 수 있다. 중심엔터티: 중심엔터티란 기본엔터티로부터 발생되고 그 업무에 있어서 중심적인 역할을 한다. 데이터의 양이 많이 발생되고 다른 엔터티와의 관계를 통해 많은 행위엔터티를 생성한다. 예를 들어 계약, 사고, 예금원장, 청구, 주문, 매출 등이 될 수 있다. 행위엔터티: 행위엔터티는 두 개 이상의 부모엔터티로부터 발생되고 자주 내용이 바뀌거나 데이터량이 증가된다. 분석초기 단계에서는 잘 나타나지 않으며 상세 설계단계나 프로세스와 상관모델링을 진행하면서 도출될 수 있다. 예를 들어 주문목록, 사원변경이력 등이 포함된다.
엔터티의 이름을 부여하는 방법 가능하면 약어를 사용하지 않는다. 현업의 업무 용어를 사용하여 업부상의 의미를 분명하게 한다. 모든 엔터티에서 유일한 이름이 부여되어야 한다. 엔터티가 생성되는 의미대로 자연스럽게 부여하도록 한다. 단수명사를 사용한다.
속성 업무에서 필요로 하는 인스턴스에서 관리하고자 하는 의미상 더 이상 분리되지 않는 최소의 데이터 단위
속성의 특징 엔터티에 대한 자세하고 구체적인 정보를 나타낸다. 하나의 엔터티는 두 개 이상의 속성을 갖는다. 하나의 인스턴스에서 각각의 속성은 한 개의 속성값을 가져야한다. 속성도 집합이다.
엔터티, 인스턴스, 속성, 속성값의 관계 한 개의 엔터티는 두 개 이상의 인스턴스의 집합이여야 한다. 한 개의 엔터티는 두 개 이상의 속성을 갖는다. 한 개의 속성은 한 개의 속성값을 갖는다.
아래 사례에서 속성에 대한 설명 일반예금은 코드 엔터티를 별도로 구분하고 값에는 코드값만 포함한다. 원금, 예치기간, 이자율은 기본(BASIC)속성이다. 이자는 파생(DERIVED)속성이다. 예금분류는 설계(DESIGNED)속성이다.
속성의 특성에 따른 분류 기본속성(Basic Attribute): 업무분석을 통해 바로 정의한 속성 설계속성(Designed Attribute): 원래 업무상 존재하지는 않지만 설계를 하면서 도출해내는 속성 파생속성(Derived Attribute): 데이터 조회할 때 빠른 성능을 낼 수 있도록 하기 위해 다른 속성으로부터 계산이나 변형이 되어 생성되는 속성
도메인(Domain) 각 속성은 가질 수 있는 값의 범위가 있는데 이를 그 속성의 도메인(Domain)이라하며, 엔터티 내에서 속성에 대한 데이터타입과 크기 그리고 제약사항을 지정하는 것이다.
속성의 명칭 부여 속성의 이름에 약어를 사용할 경우 그 의미를 명확하게 이해할 수 없고 혼돈을 초래하여 커뮤니케이션의 혼란을 야기할 수 있으므로 지나친 약어 사용은 가급적으로 제한하도록 한다. 속성의 이름에는 서술식 용어는 사용하지 않도록 한다. 속성의 명칭은 애매모호하지 않게, 복합 면사응 사용하여 구체적으로 명명함으로써 전체 데이터모델에서 유일성을 확보하는 것이 좋다. 데이터모델링 대상에서 사용하는 용어도 있고 외부에서 사용하는 용어도 있어 중복이 있을 때, 가급적 해당 업무에서 자주 사용하는 이름을 이용하도록 한다.
데이터모델링의 관계 관계는 존재에 의한 관계와 행위에 의한 관계로 구분될 수 있으나 ERD에서는 관계를 연결할 때, 존재와 행위를 구분하지 않고 단일화된 표기법을 사용한다. UML(Unified Modeling Language)에는 클래스다이어그램의 관계 중 연관관계와 의존관계가 있고 이것은 실선과 점선의 표기법으로 다르게 표현이 된다. 관계 표기법은 관계명, 관계차수, 선택성(선택사양)의 3가지 개념으로 표현한다. 부서와 사원 엔터티 간의 '소속' 관계는 존재적 관계의 사례이다. 주문과 배송 엔터티 간의 '배송근거' 관계는 행위에 의한 관계의 사례이다.
관계의 표기법 관계명(Membership) : 관계의 이름 관계차수(Cardinality) : 1:1, 1:M, M:N 관계선택사양(Optionality) : 필수관계, 선택관계
두 개의 엔터티 사이에 정의한 관계를 체크하는 사항 두 개의 엔터티 사이에 관심 있는 연관규칙이 존재하는가? 두 개의 엔터티 사이에 정보의 조합이 발생되는가? 업무기술서, 장표에 관계연결을 가능하게 하는 동사(Verb)가 있는가? 업무기술서, 장표에 관계연결에 대한 규칙이 서술되어 있는가?
주식별자를 지정할 때 고려해야 할 사항 주식별자에 의해 엔터티 내의 모든 인스턴스들이 유일하게 구분되어야 한다. 주식별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 한다. 지정된 주식별자의 값은 자주 변하지 않는 것이어야 한다. 주식별자가 지정이 되면 반드시 값이 들어와야 한다.
식별자의 종류 엔터티 내에서 대표성을 가지는가에 따라 주식별자와 보조식별자로 구분 엔터티 내에서 스스로 생성되었는지 여부에 따라 내부식별자와 외부식별자로 구분 단일 속성으로 식별이 되는가에 따라 단일식별자와 복합식별자로 구분 원래 업무적으로 의미가 있던 식별자 속성을 대체하여 일련번호와 같이 새롭게 만든 식별자를 구분하기 위해 본질식별자와 인조식별자로 구분
사원엔터티에서 식별자의 특성에 해당하는 것 주식별자, 단일식별자, 내부식별자, 본질식별자(사번)
식별자로 부적절한 것=2 명칭, 내역등과 같이 이름으로 기술되는 것들은 주로 주식별자로 지정하기에 적절하지 않다. 특히 사람의 이름은 동명이인이 있을 수 있기 때문에 주식별자로서 더더욱 부적절하다.
주식별자의 특징 유일성: 주식별자에 의해 엔터티내에 모든 인스턴스들을 유일하게 구분함 최소성: 주식별자를 구성하는 속성의 수는 유일성을 만족하는 최소의 수가 되어야 함 불변성: 주식별자가 한 번 특정 엔터티에 지정되면 그 식별자의 값은 변하지 않아야 함 존재성: 주식별자가 지정되면 반드시 데이터 값이 존재(Null 안됨)
주식별자를 도출하는 기준 해당 업무에서 자주 이용되는 속성을 주식별자로 지정한다. 명칭, 내역 등과 같이 이름으로 기술되는 것들은 가능하면 주식별자로 지정하지 않는다. 복합으로 주식별자로 구성할 경우 너무 많은 속성이 포함되지 않도록 한다. 자주 수정되는 속성이 주식별자가 되면 자식 엔터티에 대한 연쇄 수정이 필요하여 시스템 상에 부하의 원인이 될 수 있기 때문에 주식별자로 적합하지 않다.
비식별자관계를 선택하는 기준 관계의 강약을 분석하여 상호간에 연관성이 약할 경우 비식별자 관계를 고려한다. 자식테이블에서 독립적인 Primary Key의 구조를 가지기 원할 때 비식별자를 고려한다. 모든 관계가 식별자로 연결되면 SQL Where절에서 비교하는 항목이 증가되어 조인에 침여하는 테이블에 따라 SQL문장이 길어져 SQL문의 복잡성이 증가되는 것을 방지하기 위해 비식별자관계를 고려한다. 부모엔터티의 주식별자를 자식엔터티에서 받아 손자엔터티까지 계속 흘려보내기 위해서는 식별자관계를 고려해야한다.
비식별자 관계로 연결하는 것을 고려해야 하는 경우 부모엔터티에 참조값이 없어도 자식엔터티의 인스턴스가 생성될 수 있는 경우 부모엔터티의 인스턴스가 자식의 엔터티와 관계를 가지고 있었지만 자식만 남겨두고 먼저 소멸될 수 있는 경우 여러 개의 엔터티를 하나로 통합하면서 각각의 엔터티가 갖고 있던 여러 개의 개별 관계가 통합되는 경우 자식쪽 엔터티의 주식별자를 부모엔터티와는 별도로 생성하는 것이 더 유리하다고 판단하는 경우
성능데이터모델링 성능 데이터모델링이란 데이터베이스 성능 향상을 목적으로 설계단계의 데이터 모델링 때부터 성능과 관련된 사항이 데이터 모델링에 반영될 수 있도록 하는 것 데이터의 증가가 빠를수록 성능저하에 따른 성능개선비용은 증가한다. 데이터모델은 성능을 튜닝하면서 변경이 될 수 있는 특징이 있다. 분석/설계 단계에서 성능을 고려한 데이터모델링을 수행할 경우 성능 저하에 따른 Rework비용을 최소화 할 수 있는 기회를 가지게 된다.
성능 데이터 모델링 수행 절차 첫번째, 데이터모델링을 할 때 정규화를 정확하게 수행한다. 두번째, 데이터베이스 용량산정을 수행한다. 세번째, 데이터베이스에 발생되는 트랜잭션의 유형을 파악한다. 네번째, 용량과 트랜잭션의 유형에 따라 반정규화(역정규화)를 수행한다. 다섯번째, 이력모델의 조정, PK/FK 조정, 슈퍼타입/서브타입 조정 등을 수행한다. 여섯번째, 성능관점에서 데이터모델을 검증한다.
성능데이터 모델링 고려사항 용량산정은 전체적인 데이터베이스에 발생되는 트랜잭션의 유형과 양을 분석하는 자료가 되므로 성능데이터 모델링을 할 때 중요한 작업이 될 수 있다. 물리적인 데이터 모델링을 할 때 PK/FK의 칼럼의 순서조정, FK인덱스 생성 등은 성능 향상을 위한 데이터 모델링 작업에 중요한 요소가 된다. 이력데이터는 시간에 따라 반복적으로 발생이 되기 때문에 대량 데이터일 가능성이 높아 특별히 성능을 고려하여 칼럼 등을 추가하도록 설계해야한다.
반정규화 정규화된 엔터티, 속성, 관계에 대해 시스템의 성능향상과 개발과 운영의 단순화를 위해 중복, 통합, 분리 등을 수행하는 데이터 모델링의 기법을 의미한다. 반정규화는 데이터를 중복하여 성능을 향상시키기 위한 기법이라고 정의할 수 있고 좀 더 넓은 의미의 반정규화는 성능을 향상시키기 위해 정규화된 데이터 모델에서 중복, 통합, 분리 등을 수행하는 모든과정을 의미한다. 데이터 무결성이 깨질 수 있는 위험을 무릅쓰고 데이터를 중복하여 반정규화를 적용하는 이유는 데이터를 조회할때 디스크 I/O량이 많아서 성능이 저하되거나 경로가 너무 멀어 조인으로 인한 성능저하가 예상되거나 컬럼을 계산하여 읽을 때 성능이 저하될 것이 예상되는 경우 반정규화를 수행하게 된다.
반정규화를 고려할 때 판단요소 반정규화 정보에 대한 재현의 적시성을 판단한다. 예를 들어, 빌링의 잔액은 다수 테이블에 대한 다량의 조인이 불가피하므로 데이터 제공의 적시성 확보를 위한 필수 반정규화 대상 정보이다. 하나의 결과셋을 추출하기 위해 다량의 데이터를 검색하는 처리가 반복적으로 빈번하게 발생할때
테이블 반정규화
칼럼의 반정규화 파생칼럼 추가(조회 성능을 우수하게 하기 위해 미리 계산된 칼럼을 갖게한다.)
반정규화 절차 1. 반정규화 대상조사(범위처리의 빈도수 조사, 대량의 범위 처리 조사, 통계성 프로세스 조사, 테이블 조인 개수) 2. 다른 방법유도 검토(뷰 테이블, 클러스터링 적용, 인덱스의 조정, 응용애플리케이션) 3. 반정규화 적용(테이블 반정규화, 속성의 반정규화, 관계의 반정규화)
SQL문에서 조회를 빠르게 수행하기 위한 반정규화 방법 주문 엔터티에 단가를 합한 계산된 칼럼을 추가하도록 한다.
아래 데이터모델에 대한 설명 공급자별로 최근에 변경된 전화번호, 메일주소, 위치와 공급자 이름을 같이 조회할 때 조회 성능이 저하된다. 데이터를 조회할 때 과도한 조인으로 인해 조회성능이 저하될 수 있으므로 공급자 테이블에 가장 빈번하게 조회되는 값인 최근 변경값에 해당하는 전화번호, 메일주소, 위치를 반정규화하여 조회 성능을 향상시킬 수 있다. 전화번호, 메일주소, 위치에 대한 가장 최근에 변경된 값을 알 수 있도록 최신여부 라는 속성을 추가함으로써 최근 값을 찾기 위한 조회 성능저하를 예방할 수 있다. 조회 성능을 위해서는 하나의 테이블로 통합하여 전화번호, 메일주소, 위치 등이 변경될 경우 전체 속성이 계속 발생괴는 이력의 형태로 설계될 수 있다. 이럴 결루 조회에 대한 성능은 향상이 되나, 과되한 데이터가 한 테이블에 발생하게 되어 용량이 너무 커지는 단점이 있다.
칼럼수가 많은 테이블에 대한 설명 로우체이닝이 발생할 정도로 한 테이블에 많은 칼럼들이 존재할 경우 조회성능저하가 발생할 수 있다.트랜잭션이 접근하는 칼럼유형을 분석하여 1:1로 테이블을 분리하면 디스크 I/O가 줄어들어 조회 성능을 향상 시킬 수 있다.
파티셔닝 하나의 테이블에 많은 양의 데이터가 저장되면 인덱스를 추가하고 테이블을 몇 개로 쪼개도 성능이 저하되는 경우가 있다. 이때 논리적으로는 하나의 테이블이지만 물리적으로는 여러 개의 테이블로 분리하여 데이터 액세스 성능도 향상시키고, 데이터 관리방법도 개선할 수 있도록 테이블에 적용하는 기법
반정규화의 대상에 대해 다른 방법으로 처리 지나치게 많은 조인이 걸려 데이터를 조회하는 작업이 기술적으로 어려울 경우 뷰를 사용하면 이를 해결 할 수도 있다. 대량의 데이터처리나 부분처리에 의해 성능이 저하되는 경우에 클러스터링을 적용하거나 인덱스를 조정함으로써 성능을 향상시킬 수 있다. 대량의 데이터는 Primary Key의 성격에 다라 부분적인 테이블로 분리할 수 있다. 즉 파티셔닝 기법이 적용되어 성능저하를 방지할 수 있다. 응용 애플리케이션에서 로직을 구사하는 방법을 변경함으로써 성능을 향상시킬 수 있다.
아래 데이터 모델과 SQL문에 대해 개선해야 할 사항 긴급사건, 특수사건, 일반사건을 하나의 테이블로 통합하고 PK를 사건 분류코드 + 사건번호로 조합하여 구성하도록 한다.
슈퍼/서브 타입 데이터모델의 변환기술 개별로 발생되는 트랜잭션에 대해서는 개별 테이블로 구성 슈퍼타입+서브타입에 대해 발생되는 트랜잭션에 대해서는 슈퍼타입+서브타입 테이블로 구성 전체를 하나로 묶어 트랜잭션이 발생할때는 하나의 테입블로 구성
논리데이터모델의 슈퍼타입과 서브타입 데이터모델을 물리적인 데이터 형식으로 변환할때 트랜잭션은 항상 전체를 대상으로 일괄 처리하는데 테이블은 서브타입별로 개별 유지하는 것으로 변환하면 Union 연산에 의해 성능이 저하될 수 있다. 트랜잭션은 항상 서브타입 개별로 처리하는데 테이블은 하나로 통합하여 변환하면 불필요하게 많은 양의 데이터가 집적되어 있어 성능이 저하될 수 있다. 트랜잭션은 항상 슈퍼+서브 타입을 함께 처리하는데 개별로 유지 하면 조인에 의해 성능이 저하될 수 있다. 트랜잭션은 항상 전체를 통합하여 분석 처리하는데 개별로 유지 하면 조인에 의해 성능이 저하될 수 있다. 트랜잭션은 항상 전체를 통합아여 분석 처리하는데 하나로 통합되어 있으면 데이터 집적으로 인해 성능이 우수하다.
현금출급기실적 테이블과 이 테이블에서 데이터를 조회할 때 사용되는 SQL패턴 설명 사무소코드가 '='로 상수값이 들어 왔고, 거래일자가 범위 'BETWEEN'으로 들어왔기 때문에 PK의 순서를 사무서코드+거래일자+출급기번호+명세표번호로 바꾸고 인덱스를 생성하는 것이 성능에 유리하다.
아래의 엔터티와 이 엔터티를 매우 빈번하게 참조하는 SQL 성능에 대한 설명 지사코드에 대한 입력 값이 EQUAL 조건으로 사용되므로 지사코드를 실적 테이블의 맨 처음 위치로 옮겨서 일자 컬럼의 앞에 두면 인덱스 이용 효율성이 높아진다. PK순서를 결정하는 기준은 인덱스 정렬구조를 이해한 상태에서 인덱스를 효율적으로 이용할 수 있도록 PK순서를 지정해야 한다. 즉 인덱스의 특징은 여러개의 속성이 하나의 인덱스로 구성되어 있을때 앞쪽에 위치한 속성의 값이 비교자로 있어야 인덱스가 좋은 효율을 나타낼 수 있다. 앞쪽에 위치한 속성 값이 가급적 '=' 아니면 최소한 범위 'BETWEEN' '<>' 가 들어와야 인덱스를 이용할 수 있는것이다.
아래 데이터 모델에 표현된 FK에 대한 설명 학사기준번호는 부모 테이블에 이미 인덱스가 존재하나 수강신청과 조인에 의한 성능저하 예방을 위해 상속받아 생긴 수강신청에도 학사기준번호 칼럼에 대한 별도의 인덱스가 필요하다. 데이터모델에서는 관계를 연결하고 데이터베이스에 FK제약조건 생성을 생략하는 경우에도 데이터의 조인관계가 필요하므로 학사기준번호에 대한 인덱스를 생성할 필요가 있다.
분산데이터베이스 환경에서 데이터베이스 분산설계를 적용하여 효율성 증대 공통코드, 기준정보 등 마스터 데이터는 분산데이터베이스에 복제분산을 적용한다. 거의 실시간 업무적인 특성을 가지고 있을 때 분산 데이터베이스를 사용하여 구성할 수 있다. 백업 사이트를 구성할 때 간단하게 분산기능을 적용하여 구성 할 수 있다.
분산 데이터베이스 장점 지역 자치성, 점증적 시스템 용량 확장 신뢰성과 가용성 효용성과 융통성 빠른 응답 속도와 통신비용 절감 데이터의 가용성과 신뢰성 증가 시스템 규모의 적절한 조절 각 지역 사용자의 요구 수용 증대
분산 데이터베이스 단점 소프트웨어 개발 비용 오류의 잠재성 증대 처리 비용의 증대 설계, 관리의 복잡성과 비용 불규칙한 응답 속도 통제의 어려움 데이터 무결성에 대한 위협
