정규화

정규화(Normalization)는 함수 종속성을 근거로 릴레이션을 분해하여 데이터 중복을 줄이고 이상현상(Anomaly)을 제거하는 과정이다. 논리 데이터 모델링 단계에서 수행하며, 모델의 일관성과 확장성을 확보하는 핵심 기법이다.

정규화의 목적

정규화는 "하나의 사실은 한 곳에만 저장한다(One Fact in One Place)"는 원칙을 구현하는 방법이라고 볼 수 있다.

이상현상(Anomaly) 예시

아래는 정규화되지 않은 수강 테이블이다. PK는 (학번, 과목코드)다.

학생 정보와 과목 정보가 한 테이블에 섞여 있어서, 이 테이블을 다루는 순간 세 가지 문제가 생긴다.

시험 포인트: 이상현상은 삽입·갱신(수정)·삭제 3가지다. "조회 이상"은 존재하지 않으므로 보기에 나오면 오답이다.

함수 종속성과 결정자

함수 종속성(Functional Dependency)

속성 X의 값이 정해지면 속성 Y의 값이 오직 하나로 정해질 때, Y는 X에 함수 종속된다고 한다.

• 표기: X → Y (X: 결정자, Y: 종속자)
• 예: 학번 → 이름, 학번 → 학과, 과목코드 → 과목명, (학번, 과목코드) → 성적
• 쉽게 말해 "학번 1001을 알면 이름은 김철수 하나로 정해진다"는 뜻이다.

종속성의 종류

정규형 한눈에 보기

각 단계는 이전 단계를 만족한 상태에서 한 가지씩 더 제거한다.

제1정규형(1NF)

• 모든 속성이 원자값(Atomic Value)만 가져야 한다.
• 다중값 속성, 반복 그룹(같은 성격의 컬럼 반복)을 제거한다.

전화번호1, 전화번호2, 전화번호3처럼 컬럼이 반복되는 구조도 1NF 위반으로 보고 별도 엔터티로 분리한다.

제2정규형(2NF)

• 1NF를 만족하고, 부분 함수 종속을 제거한 상태다.
• PK가 복합키일 때만 문제가 된다. 단일 속성 PK라면 1NF이면 곧 2NF다.

변경 전: 수강(학번, 과목코드, 이름, 과목명, 성적) — 이름은 학번에만, 과목명은 과목코드에만 종속된다.

변경 후

erDiagram
  학생 ||--o{ 수강 : "신청한다"
  과목 ||--o{ 수강 : "개설된다"
  학생 {
    string 학번 PK
    string 이름
    string 학과
  }
  과목 {
    string 과목코드 PK
    string 과목명
  }
  수강 {
    string 학번 PK
    string 과목코드 PK
    string 성적
  }

앞의 이상현상 예시 대부분이 이 분해로 해소된다. 과목은 수강생 없이도 등록할 수 있고(삽입), 학과는 학생 테이블 한 행만 고치면 되며(갱신), 수강을 취소해도 학생 정보는 남는다(삭제).

제3정규형(3NF)

• 2NF를 만족하고, 이행 함수 종속을 제거한 상태다.
• 일반 속성이 다른 일반 속성을 결정하는 구조를 분리한다.

변경 전 사원

사번 → 부서코드 → 부서명 이행 종속이 존재한다. 부서명 "영업"이 사원 수만큼 반복 저장된다.

변경 후

erDiagram
  부서 ||--o{ 사원 : "소속된다"
  부서 {
    string 부서코드 PK
    string 부서명
  }
  사원 {
    string 사번 PK
    string 이름
    string 부서코드 FK
  }

BCNF(Boyce-Codd 정규형)

• 3NF를 만족하고, 모든 결정자가 후보키인 상태다.
• 3NF까지는 "일반 속성 → 키 속성" 종속이 남을 수 있는데, 이를 제거한 것이 BCNF다.

시험 포인트: 정규형별 제거 대상을 짝지어 외울 것. 1NF 원자값, 2NF 부분 종속, 3NF 이행 종속, BCNF 결정자이면서 후보키가 아닌 것. 각 단계는 이전 단계를 만족해야 한다.

제4정규형과 제5정규형

• 4NF 예: 직원(사번, 보유기술, 사용언어)에서 기술과 언어가 서로 무관하면 직원기술, 직원언어로 분리한다.
• 실무 및 시험에서는 BCNF까지가 중심이며 4NF·5NF는 개념만 확인한다.

정규화와 성능

시험 포인트: "정규화를 하면 조회 성능은 항상 저하된다"는 틀린 문장이다. 입력·수정·삭제는 일반적으로 향상되고, 조회는 경우에 따라 향상 또는 저하된다.

반정규화 개념과 기법

반정규화(De-normalization)는 성능 향상이나 개발 편의를 위해 정규화된 모델에 의도적으로 중복·통합·분리를 허용하는 기법이다. 데이터 무결성 저하 위험이 있으므로 충분한 검토 후 적용한다.

적용 절차

주요 기법

시험 포인트: 반정규화 전에 뷰·인덱스·클러스터링·파티셔닝 같은 대안을 먼저 검토하는 것이 원칙이다. 관계의 반정규화(중복 관계 추가)는 무결성을 해치지 않으면서 조인 경로를 줄이는 기법이다.

관련 문서: 엔터티, 속성, 관계, 식별자

핵심 요약

• 정규화는 함수 종속성을 기준으로 릴레이션을 분해해 중복과 이상현상을 제거하는 과정
• 이상현상은 삽입·갱신·삭제 3종류
• 1NF 원자값, 2NF 부분 종속 제거, 3NF 이행 종속 제거, BCNF 모든 결정자가 후보키
• 4NF는 다치 종속, 5NF는 조인 종속 제거
• 정규화 시 입력·수정·삭제 성능은 향상, 조회는 경우에 따라 향상 또는 저하
• 반정규화는 성능을 위해 중복을 허용하는 기법이며, 대안 검토 후 적용
• 반정규화 기법은 테이블·컬럼·관계 단위로 구분