01. 엔터티 이야기 (1)

1.1 집합과 엔터티

집합

게오르그 칸토어(집합론의 창시자)가 말한 집합의 정의(엔터티의 정의와 유사)

우리의 직관 또는 사고의 대상으로서 확정되어 있고 서로 명확히 구별되는 것들의 모임

 

즉, 집합이란 어떤 조건에 의해 그 대상을 분명히 알 수 있는 것의 모임이다. 집합이 되려면 명쾌한 조건이 기준이 되어야 한다.

• 프로야구 강팀의 집합 X
• 우승해본 팀의 집합 O

이처럼 조건이 분명하며, 주어진 조건에 해당하는 대상(원소)이 분명한 모임을 집합이라 한다.

엔터티도 이와 마찬가지다. 누가 생각해도 대상(원소)이 같을 수 있도록 정의하는 것이 중요하다.

→ 엔터티를 제대로 설계하는 것은 모델링의 시발점

 

원소

• 집합을 이루고 있는 대상 하나하나. 엔터티의 인스턴스와 같은 개념.
• 엔터티의 인스턴스란 엔터티에 속하는 구체적인 개체를 의미한다.

책 엔터티의 인스턴스

 

• 엔터티에서 인스턴스를 유일하게 구별할 수 있는 속성 → 식별자

 

1.2 엔터티에 대한 서설

엔터티

• 업무를 수행하는 데 필요한 데이터를 특성이 유사한 것끼리 모아 놓은 집합

엔터티를 설계할 때 가장 기본적인 판단 기준

• 관리하고자 하는 데이터인지를 판단하는 것
• 관리할 필요가 없는 데이터에 대해서는 고민할 필요가 없음
• 이 때 모델러는 가능한 많은 데이터를 데이터베이스에 저장하도록 유도하는 것이 좋음.(나중에 필요한 경우가 있기 때문에)

식별자

• 엔터티와 주 식별자는 한몸이라고 생각해야 함
• 주 식별자를 모르고 엔터티를 설계(정의)할 수 없음

엔터티를 설계(정의)하는 것은 대단히 중요하다. 모델링의 시발점이 엔터티이기 때문이다. 또한 엔터티를 설계하는 것은 가장 어렵다. 없는 상태에서 의미를 부여하는 것은 어려운 작업이다.

 

1.3 엔터티 정의가 왜 중요한가?

엔터티를 정의한다는 것의 의미

1. 엔터티의 설명을 적는 것
2. 엔터티가 본질적으로 어떤 집합으로 이루어져 있는지를 명백하게 하는 것
   • 식별자가 무엇이고 서브타입이 무엇인지를 밝히는 것

 

1.4 엔터티 분류법

• 만질 수 있는 것과 만질 수 없는 것
• 자립 엔터티와 종속 엔터티
• 원천 데이터와 가공 데이터
• 실체 • 행위 • 가공 • 기준 엔터티
• 내부 생성 데이터와 외부 생성 데이터
• 엔터티 유형에 의한 기본 • 내역 • 상세 등의 엔터티

 

1.5 엔터티 정의 방법 - 보이는 것인가?

실체 엔터티

• 보이는 것을 관리하는 엔터티
• 고객 • 노트북 • 상품 • 자동차 등을 관리하는 엔터티

 

실체 엔터티의 특징

• 보이는 실체는 물리적으로 존재하기 때문에 그 대상의 개수가 엔터티의 인스턴그 개수와 같다는 것 (회사 노트북 100대 → 인스턴스 100개)
• 보이는 것을 의미하는 데이터는 핵심 데이터일 가능성이 높다. 보이는 실체이기 때문에 인식하기도 쉬워 가능하면 도출하는 것이 좋다.
• 실체 엔터티는 다른 여러 행위의 주체가 되기 때문에 더욱 중요하다.

 

보이지 않는 것의 두 가지 종류

• 연상이 되는 것 (주문, 강의와 같은 행위를 의미)
• 연상이 되지 않는 것 (환율, 분류와 같은 개념을 의미)

둘 다 보이지 않고 개념(Conceptual)으로 존재

 

 

보이지 않는 것의 집합의 특징

• 실제로 거래와 같은 행위도 보이는 것은 아니기 때문에, 보이는 것을 관리하는 엔터티에 비해 보이지 않는 것을 관리하는 엔터티가 훨씬 많다.
• 개념을 관리하는 엔터티에 존재하는 인스턴스는 당연히 실제로 존재하는 실체와는 무관하며, 하나의 개념이 하나의 인스턴스가 된다.

 

1.6 엔터티 정의 방법 - 스스로 존재하는가?

자립 엔터티

• 다른 엔터티에 의존적이지 않고 스스로 존재하는 엔터티
• 어떤 엔터티에도 존재 종속이 되지 않는 엔터티

종속 엔터티

• 상위(부모) 엔터티가 존재하지 않으면 존재할 수 없는 엔터티로, 어떤 엔터티엔가 존재 종속된 엔터티
• 엔터티 B가 존재하기 위해서 엔터티 A가 반드시 존재해야 한다면 → B는 A에 종속됐다
• ex. 특정 대학의 교수만 관리한다면 교수 엔터티는 자립 엔터티이다. 교수 엔터티 상위에 반드시 존재해야 할 엔터티가 존재하지 않기 때문이다. 하지만 전국 대학의 교수를 관리한다면 교수 엔터티는 종속 엔터티가 될 수 있다.

이 경우 직업 엔터티가 없어도 고객 엔터티는 존재할 수 있으므로 고객 엔터티는 종속 엔터티가 아니라 자립 엔터티이다. 이와 같은 관계는 부모/자식 관계가 아니라 참조 관계라고 한다. 따라서 직업 엔터티의 주 식별자인 직업번호 속성은 고객 엔터티에 주 식별자로 상속하지 않고 일반 속성으로 상속한다. 이때 직업 엔터티는 부모 엔터티가 아니라 상위 엔터티라고 표현한다.

 

엔터티를 구성한 데이터의 성격이 바뀌지 않는 한 엔터티 정의가 바뀌면 안 된다. 종속 엔터티인데 자립 엔터티로 잘못 정의하거나, 실체 엔터티인데 행위 엔터티로 잘못 정의하면 데이터 구조가 튼튼할 수 없다. 데이터 성격만을 판단해 엔터티를 명확히 정의하는 것이 모델링의 시발점이다.

 

1.7 종속 엔터티의 종류

종속 엔터티가 발생하는 경우

• 부모 엔터티의 부가 데이터를 관리하는 엔터티
• 1정규화에 의해서 발생한 엔터티
• 이력 데이터를 관리하는 엔터티
• 다대다 관계에서 밠행한 교차 엔터티
• 슈퍼타입에 대한 서브타입 엔터티
• 엔터티 분해에 의한 일대일 관계의 엔터티

부모 엔터티의 부가 데이터를 관리하는 엔터티

부모 엔터티의 주 식별자는 보통 종속 엔터티의 식별자로 상속된다. 그리고 상속된 식별자와 결합하여 종속 엔터티의 주 식별자 역할을 하는 속성이 추가된다. → 부분 주 식별자(Partial Primary Identifier)

• 위 그림에서는 기준일자가 부분 주 식별자가 된다.

 

1정규화에 의해서 발생한 엔터티

1정규화란

• 테이블의 각 칼럼(열)에 하나의 셀에는 하나의 값만 있어야 한다는 규칙

 

이력 데이터를 관리하는 엔터티

상품가격이력 엔터티는 상품 가격에 대한 변경 데이터를 관리하기 때문에 원천 엔터티인 상품 엔터티 없이는 존재할 수 없다.

 

다대다 관계에서 발생한 교차 엔터티

다대다(M:M) 관계

• 보통 두 개의 일대다(1:M) 관계로 표현되면서 종속 엔터티가 생긴다. → 교차 엔터티

슈퍼타입에 대한 서브타입 엔터티

서브타입인 개인고객, 법인고객 엔터티는 슈퍼타입인 고객 엔터티에 종속된 엔터티이다.

 

엔터티 분해에 의한 일대일 관계의 엔터티

위 모델은 원래 같은 엔터티인데 일대일(1:1)로 나눈 것이므로, 다시 합쳐도 아무 문제가 되지 않는다. 고객상세 엔터티는 고객 엔터티가 없다면 존재할 수 없는 엔터티로 고객 엔터티에 종속된 엔터티이다.

 

1.8 모델(ERD)과 메타 시스템의 속성 설명

-

 

1.9 엔터티 정의 방법 - 원천 데이터인가?

원천 데이터

• 스스로 존재하는 최초의 데이터
• 고객이나 사용자가 직접 입력함으로써 생성된다.
• 엔터티 간의 참조 무결성 관계가 존재한다.
• 정규화를 철저히 수행해야 하는 데이터이다. → 원천 데이터의 주 식별자는 주로 업무 식별자가 된다.(원천 엔터티는 데이터 성격 자체로 판단한 식별자가 사용됨)

가공 데이터

• 원천 데이터를 사용해서 만들어낸 데이터(집계/요약/임시/작업용 데이터)
• 주로 프로그램에 의해 생성된다.(배치 프로그램 또는 데이터 복제 프로그램)
• 가공 데이터는 주로 업데이트가 발생하지 않는다. 누가/어떻게/언제 생성했느냐는 등의 부가 데이터는 업데이트가 발생할 수 있지만, 값을 관리하는 데이터는 스스로 업데이트가 발생하지 않고 원천이 바뀌면 따라서 업데이트해야 한다.
• 비정규화가 비교적 빈번하게 수행된다. → 집계 기준과 같은 목적에 의해서 식별자가 결정됨. 주 식별자가 복잡해질 수 있음.

 

※ 참조 무결성 관계

• 한 테이블의 외래키 값(FK) 이 참조하는 다른 테이블의 기본키(PK) 값과 항상 일치해야 한다는 제약 조건

가공 엔터티에 사용된 값은 원천 엔터티의 값이 바뀌면 수정해야 한다. 원천 데이터 자체가 불완전할 수도 있지만, 원천 데이터와 일치하지 않는 가공 데이터는 완전하지 않은 데이터다. 하나의 원천 데이터를 사용해서 만든 가공 데이터가 심하면 수십 개일 수 있다. 이렇게 되면 데이터 정합성은 차치하고라도 관리 자체가 힘들어진다. 데이터 품질 제고는 앞으로 기업에서 최우선으로 고려해야 할 요소가 될 것이므로, 데이터 품질 향상에 노력을 기울여야 한다.

 

원천 데이터와 가공 데이터의 정합성을 맞추는 방법

1. 원천 데이터가 수정되는 시점에 가공 데이터를 실시간으로 수정하는 방법
2. 특정 시간을 정해 배치로 가공 데이터를 원천 데이터와 맞추는 방법

 

1.10 데이터 본질에 따른 엔터티 분류법 - 실체/행위/가공/기준

실체 엔터티

실제 물체(보이는 실상)에 대한 본질적인 데이터를 관리하는 엔터티

• 실체 엔터티의 주 식별자는 단순해야 좋다. 고객번호와 같은 인조 식별자가 오히려 집합의 성격을 더 직관적이고 명확하게 해준다. 반면에 행위 엔터티나 가공 엔터티에 인조 식별자를 사용하면 이해하기 어렵고 오용되는 경향이 있다.
• 실체 엔터티는 다른 엔터티에 비해 더욱 과감한 통합이 필요하다. 본질을 관리하기 때문에 다른 엔터티에 비해 통합될 가능성이 많고 통합이 더욱 용이하다. 상단에서 실체 엔터티가 통합되면 전체 모델 구조가 단순해지고, 단순한 모델이 좋은 모델이 될 가능성이 높다.
• 실체 엔터티는 이력 데이터를 설계할 때도 주의해야 한다. 실체 엔터티의 이력 데이터를 실체 데이터에 포함시키지 않도록 주의해야 한다.
• 고객 엔터티의 인스턴스는 실제 고객의 숫자와 같다. 고객의 이력 데이터가 고객의 숫자에 영향을 미치면 안 된다.

행위 엔터티

행위나 활동으로 발생한 원천 데이터를 관리하는 엔터티

• 행위 엔터티만의 특징은 엔터티 발생 순서가 존재할 수 있다. 일반적으로 데이터에는 순서의 개념이 없다.(생성 순서가 중요하지 않다) 하지만 일부 행위 엔터티 간에는 발생 순서가 중요하다. 발생해서 소멸하는 비교적 짧은 라이프 사이클이 존재한다.
• 행위 엔터티는 관리하는 속성도 대부분 많다. 엔터티도 많고 속해 있는 속성도 많기 때문에 모델링 시 가장 많은 시간이 소요되는 엔터티다.
• 행위 엔터티의 가장 큰 특징 중 하나는 주 식별자가 복잡하다는 것이다. 행위 엔터티는 대부분 하위 엔터티가 적어서 굳이 인조 식별자를 사용할 필요가 없고, 업무 식별자를 사용하기 때문에 주 식별자가 복잡하다.

※ 업무 식별자를 사용하는 것은 모든 엔터티의 원칙이다. 정규화를 한 후에 비정규화를 고려하는 것이 원칙이듯이 업무 식별자를 선택한 후 인조 식별자를 고려하는 것이 원칙이다. 인조 식별자를 남발하면 데이터 성격을 파악하기 어려워지는데, 특히 행위 엔터티에서 이런 현상이 많이 나타난다.

• 행위 엔터티의 업무 식별자를 도출하는 방법: 누가/무엇을/언제/어떻게/어디에서 했는지를 분석하는 것
• 행위 엔터티는 주 식별자뿐만 아니라 관계도 복잡하다. 고객/계좌/부서/사원/상품 등과 같은 다양한 실체 엔터티와 관계가 발생해서 관계 속성이 많다. 실체 엔터티와의 관계만큼 많진 않지만, 생성 순서에 의해 행위 엔터티와의 관계도 발생하고 기준 엔터티와도 관계가 발생한다. 하지만 일반적으로 가공 엔터티와 관계가 발생하면 잘못된 모델이다.
• 행위 엔터티는 중복 속성이 많다. 상위 엔터티인 실체 엔터티와 조인을 피하고자 상위 엔터티의 속성을 중복시켜 놓을 때가 많다. 실체 엔터티에도 유사한 현상이 있는데, 하위의 행위 엔터티에서 여러 인스턴스를 추출해 가져다 놓는 것이다. 이런 추출 속성이나 중복 속성은 가능한 사용하지 않는 것이 바람직하다.
• 행위 엔터티의 통합은 실체 엔터티보다 어렵지만, 최대한 통합하는 것이 좋다. 통합을 고려하기 전에 업무 식별자가 명확해야 한다는 점은 염두에 두어야 한다.

가공 엔터티

원천 데이터를 추출•집계한 데이터를 관리하는 엔터티

• 원천 데이터인 실체/행위/기준 엔터티의 데이터를 가공한 데이터를 관리하는 엔터티로 주로 집계/요약/임시 데이터를 관리하는 엔터티가 가공 엔터티다. 
• 가공 엔터티는 다양한 방법으로 사용된다. 업무에서 가장 많이 사용하는 가공 엔터티는 DW 시스템에서 많은 부분을 차지하는 집계 엔터티다. 집계 엔터티를 사용하는 이유는 조회 시간을 줄이기 위해서다. 만약 원천 데이터를 바로 집계해도 크게 불편하지 않다면 굳이 집계 엔터티를 사용할 이유는 없다. 따라서 원천 데이터를 실시간으로 집계하는 것이 가능한지에 대한 판단은 매우 중요하다.
• 업무 처리 대상을 한정시키기 위해 해당 데이터만 별도로 보관하는 작업용 엔터티가 간혹 존재한다. 처리 예정 내역을 관리하거나, 오류를 대비해 대상을 별도로 관리하곤 한다. 일단 이런 작업용 엔터티는 없앨 수 있는지를 먼저 고려해야 한다. 어떤 데이터의 부분집합을 별도로 보관하는 엔터티도 흔하다. 또한 조회 성능을 고려해서 데이터를 분산시키기 위해 엔터티를 복사해서 사용하기도 한다.
• 가공 엔터티는 보통 집계 기준 역할을 하는 엔터티 이외의 엔터티와는 관계가 존재하지 않는다. 집계 엔터티가 행위 엔터티와 관계가 존재하거나, 다른 집계 엔터티와 관계가 존재하면 잘못된 관계가 아닌지 주의해서 검토해야 한다.
• 가공 엔터티의 주 식별자는 집계하려는 기준을 의미한다. 따라서 복잡한 기준으로 집계한다면 주 식별자가 복잡할 수 있다. 하지만 가공 데이터는 대부분 주 식별자가 복잡한 게 문제가 되지 않는다.
• 실무에서 가공 엔터티는 별로 통합하지 않지만, 가공 엔터티 역시 통합할 만한 충분한 가치가 있다. 시스템에 따라 다르지만 보통 집계 성격의 데이터는 시스템 전체에서 상당한 부분을 차지한다. 집계 요건은 갈수록 많아질 수밖에 없으므로 요건이 생길 때마다 엔터티가 생성되면 안 될 일이다. 통합을 적극적으로 고려하는 것이 좋다.

※ 집계 엔터티의 통합이 중요한 이유
데이터가 중복됨으로 말미암아 데이터 정합성이 문제가 되기 떄문이다. 집계는 보고하기 위하거나 자료를 작성하기 위해서 사용되므로 서로 일치하지 않는 데이터가 존재하면 데이터는 신뢰할 수 없게 된다. 정합성에 문제가 없더라도 엔터티 개수가 많은 것은 시스템에 좋지 않은 영향을 미치기 때문에 바람직하지 않다.

• 가공 엔터티는 일반적으로 원천 엔터티보다 숫자가 월등히 많다. 
• 일반적으로 가공 엔터티를 정제하는 프로젝트가 많지 않다. 대부분 원천 데이터를 중요시하기 때문에 가공 데이터는 신경을 덜 쓰게 된다.
• 가공 엔터티는 일반적으로 프로젝트 후반에 개발이 진행되므로 일정에 쫓기게 된다. 원천 데이터가 확정돼야 집계 데이터가 결정될 수 있기 때문에 분석 시기도 뒤로 밀려 흐지부지되기 쉽다. 현실적으로 원천 엔터티조차 분석하는 시간이 충분하지 않기 때문에 가공 엔터티에 신경 쓸 여력이 없는 것은 사실이다. 하지만 원천 엔터티가 깔끔해도 가공 엔터티가 무분별하면 시스템 전반적으로 문제가 발생하기 때문에 가공 엔터티도 신경 써서 분석해야 한다. 그래야 전체적으로 효율적이고 안정적인 시스템이 된다. 물론 가공 데이터의 사용을 지양할수록 시스템의 효율성은 높아진다.

기준 엔터티

실체나 행위 데이터의 기준(업무 기준)이 되는 데이터를 관리하는 엔터티

• 기준 엔터티의 두 가지 분류
  • 코드 데이터처럼 기준 정보 성격의 데이터를 관리하는 엔터티
    • 환율 데이터와 같은 업무 기준 정보를 관리하는 엔터티는 개념적이기 때문에 연상하기 어려워 엔터티로 도출하기 어려울 수 있다. 이런 엔터티는 하위 엔터티가 존재하지 않기 때문에 업무 식별자를 주 식별자로 사용하며, 변경 이력 데이터까지 같이 관리하도록 설계하는 게 주요 특징이다. 집계 엔터티와 특징이 겹치는 엔터티이다.
  • 과목 데이터처럼 기본 정보 성격의 데이터를 관리하는 엔터티
    • 실체 엔터티와 여러 면에서 유사하다. 인조 식별자를 사용하거나 변경 이력 데이터는 별도로 관리해야 하는 등 실체 엔터티의 특징을 그대로 따르게 된다.
• 둘 다 업무의 기준이 되는 엔터티로서, 업무를 수행할 때 참조되기 때문에 참조 엔터티라고도 한다.
• 행위 엔터티에 비해 데이터 건수가 적다는 것이 기준 엔터티의 특징이다. 자체 건수가 많지 않아 비록 소량의 데이터지만, 행위 엔터티 등에서 사용되므로 시스템 전반적으로 영향을 미치는 것이 기준 데이터이다.
• 기준 엔터티를 제대로 설계하면 무엇보다 데이터 품질이 좋아진다. 실체나 행위 엔터티의 데이터 품질과 직결되는 것이 기준 엔터티다. 또한 어떻게 정의하고 어떻게 통합하느냐에 따라서 전체 모델 구조가 좋아지므로 숙고하여 설계해야 한다.

 

1.15 엔터티 정의 방법 - 데이터 생성에 따른 분류법

데이터가 어디에서 생성되었는지에 따라 내부 데이터와 외부 데이터로 구분할 수 있다.

 

내부 데이터

내부에서 생성할 수 있는 데이터

• 내부에서 생성하기 때문에 그 값이 맞고 틀리는지를 결정할 수 있다.
• 내부 데이터는 중복 데이터를 배제하고, 완전 정규화된 관계형 데이터 모델에 저장한다. 

외부 데이터

외부에서 받은 데이터

• 내부에서 값이 맞고 틀리는지를 결정할 수 없다. 받은 그대로 관리하는 데이터다.
• 외부 데이터는 받은 그대로 저장할 수도 있고, 관계형 데이터 모델로 재설계해서 저장할 수도 있다. 주로 String 형태로 받기 때문에 긴 문자열로 저장하기도 한다.

 

데이터가 어떻게 생성됐는지에 따라서 크게 화면 입력(Key-In)과 배치(Batch)로 나눌 수 있다.

 

화면 입력

외부 고객이나 내부 사용자가 주체가 되어 화면을 선택하고 값을 입력한 후 저장하는 절차에 의해 데이터가 생성된다.

• 이런 종류의 데이터(엔터티)는 주로 화면을 기준으로 하기 때문에 정규화하기 쉬우며, 대부분 정규화의 대상이다.

배치

• 배치로 생성하는 데이터는 정규화 대상으로 생각하지 않곤 한다. 데이터의 의미를 파악하기 어렵고, 대량의 데이터라 조작이 어렵다고 생각해 하나의 엔터티로 해결하려 한다. 하지만 배치로 생성된 데이터도 품질이 중요하고, 사용하는 데 문제가 없어야 하기 때문에 정규화를 해야 한다. 
• 배치로 생성하는 데이터 중에는 외부로 보내는 데이터도 존재한다. 이때 외부에서 요청한 대로 필요한 데이터만 뽑아서 보관하기 위해 비정규형이 자주 사용된다. 또한 보내는 시점의 데이터를 보관해야 하기 때문에 중복 데이터도 자주 사용된다.
• 배치의 종류
  • 대량 배치 
  • 개별 배치
• 대부분이 대량 배치지만, 외부에서 받는 전문 형식의 데이터를 실시간으로 건건히 처리할 때도 있다. 트리거도 개별 배치로 볼 수 있다.

 

1.16 엔터티 정의 방법 - 엔터티 유형에 따른 분류법

엔터티를 유형별로 분류 - 기본/상세/내역/이력/코드/관계/집계/백업/임시 등

• 보통 엔터티명을 정할 때 접미어로 이 유형을 사용하는 경우가 있는데 권장하지 않음.(유형을 나누는 기준이 명확하지 않기 때문)

기본 엔터티

기본 엔터티는 기본적으로 실체 엔터티와 같다. 엔터티에 저장하는 데이터가 실제 물체(보이는 실상)를 의미하는 데이터라면 실체 엔터티며 기본 엔터티다.

 

내역 엔터티

기본 엔터티가 실체 엔터티와 유사한 것과 마찬가지로 내역 엔터티는 행위 엔터티와 유사하다. 활동이나 행위에 의해 발생한 데이터를 관리하는 엔터티는 행위 엔터티며 내역 엔터티다.

 

상세 엔터티

상세 엔터티는 한 개의 엔터티를 일대일(1:1) 관계의 두 개의 엔터티로 분해할 때의 하위 엔터티를 의미한다. 이 엔터티에는 중요 속성이 아닌 속성을 관리한다. 기본 정보는 상위 엔터티에서 관리하고 상세 정보는 하위 엔터티에서 관리한다.

 

이력 엔터티

데이터의 이력 정보를 나타내는 엔터티이다.

 

코드 엔터티

코드 엔터티는 코드 명과 코드 값을 관리하는 엔터티를 의미한다. 일반적으로 이런 엔터티는 공통 코드 엔터티에서 통합 관리하기 때문에 개별적으로 코드 엔터티가 존재하면 안 된다. 또한 코드명/코드값 외읭 속성을 관리하면 코드 엔터티가 아니다.

 

관계 엔터티

관계 엔터티는 교차 엔터티의 일종이다. 다양한 교차 엔터티 중의 하나이기 때문에 해당 엔터티의 수가 적을 수 있다. 코드 엔터티와 마찬가지로 다른 유형보다 훨씬 적은 엔터티가 속하는 유형이다.

 

집계 엔터티

어떤 값을 집계한 속성이 그 엔터티의 주요 속성이면 '~집계' 엔터티로 정해야 한다.

 

백업 엔터티

백업 엔터티는 원천 엔터티의 데이터를 백업한 엔터티를 의미한다. 중복 데이터를 관리하는 엔터티와 구분해야 한다.

 

임시 엔터티

임시 엔터티도 범위가 모호해서 기준을 명확히 정할 필요가 있다. 사용한 후에 삭제하는 데이터를 임시 엔터티로 정할 수 있다. 데이터를 사용한 트랜잭션이 끝날 때 삭제하는 데이터를 관리하는 엔터티일 수도 있고, 매일 초기화되는 엔터티일 수도 있다.

 

 

→ 여러 분류법 중 이 유형에 의한 분류법은 어떠한 기준을 사용해도 명확하게 정하기 어려운 엔터티가 다수 존재하기 때문에 예외를 인정하고 넘어갈 수밖에 없다. 예외가 많이 발생하는 분류법은 좋은 분류법이 아니다.

여러 단점이 존재하지만, 표준을 정해 방향을 제시한다는 측면에서는 접미어를 붙이는 것이 시스템에 유용할 수 있다. 능숙하지 않은 모델러에게 지침이 될 수도 있고, 개발자가 쉽게 구분할 수도 있다는 점은 장점이다.

 

1.17 교차 엔터티란?

교차 엔터티는 다대다(M:M) 관계에서 발생한 엔터티다. 

모델링할 때 다대다(M:M) 관계는 논리적으로 많이 발생한다.

다대다(M:M) 관계는 물리 모델에서는 구현될 수 없다. 따라서 두 개의 일대다(1:M) 관계가 존재하는 교차 엔터티로 설계해야 한다. 교차 엔터티로 설계하는 것은 가능한 빠른 단계에서 하는 것이 바람직하다.

 

 

 

관계를 관리하는 엔터티(관계 엔터티)

 

두 엔터티 간의 매핑 정보를 관리하는 엔터티(관계 엔터티와 유사)

 

다대다(M:M) 재귀 관계에서 발생하는 교차 엔터티

 

3개체 관계에서 발생하는 교차 엔터티