쭈뼜

1. 명사의 자리

2. 가산 명사/ 불가산 명사

1) 가산 명사는 반드시 한정사(관사, 소유격)와 함께 쓰거나 복수형으로 쓰여야 한다
2) 불가산 명사는 복수, a, an 이 올 수 없다.

아두이노 나노가 업그레이드되어 나노 패밀리 시리즈 보드들을 출시했다.

저전력 고성능의 프로세서가 사용되며 WIFI , BLE 등의 기능들을 지원하는데 ,
나는 출시된 보드들 중 ArduinoBLE 라이브러리를 사용해 볼 것이다.
사용된 보드는 아두이노 나노33 IOT 지만 에브리를 제외한 다른 보드에서도 사용이 가능하다.
패밀리로 출시된 보드들의 스펙은 아래와 같다

1. 아두이노 IDE 세팅

기본적으로 프로그래밍은 아두이노 IDE를 사용했으며 다운을 받은 뒤 추가적인 설치를 하도록 한다.

Arduino IDE 설치 공식 사이트

설치를 끝낸 후 아두이노를 실행하면 다음과 비슷한 화면이 뜰 것이다.

1-1 ) 아두이노 나노 33 IOT 보드 설정

프로그래밍을 하기 전에 아두이노 IDE에 보드 설정을 해야하는데 기본적인 보드들은 툴>보드에 리스트 중에서 찾아볼 수 있으나, Nano 33 IOT 는 툴>보드>보드매니저에서 검색을 통해 추가할 수 있다. 혹은 보드 연결시, 인식한 보드 정보를 찾고 하단 알림창을 통해 바로 다운받을 수도 있다.

사진에서는 이미 설치가 되어있다. 'nano 33' 을 검색하여 'Nano 33 IOT는 Arduino SAMD Boards (32-bits Cortex-M0+) by Arduino' 를 설치한다. 다시 보드 탭에 들어가보면 추가된 정보 확인이 가능하다.

1-2) ArduinoBLE 라이브러리 추가

BLE 연결를 하기 위해 라이브러리를 추가적으로 설치한다.

툴> 라이브러리 관리 탭을 누르고 'arduinoBLE' 를 검색한 후 'ArduinoBLE by Arduino'를 설치한다. 
그리고 최상단에 '#include <ArduinoBLE.h>' 를 작성하여 설치된 라이브러리를 사용할 수 있도록 해준다.

2. ArduinoBLE 기본 코드 

BLEService CountingService("19B10000-E8F2-537E-4F6C-D104768A1214");
BLEStringCharacteristic CountingChar("19B10001-E8F2-537E-4F6C-D104768A1214",BLEWrite|BLERead | BLENotify, 10);

2-1) Service(서비스)와 Characteristic(특성)

Service 와 Characteristic의 UUID를 지정한다. 하나의 Service에 여러개의 Characteristic를 가질 수 있다. 

위 코드의 Characteristic은 String값을 가지므로 코드 끝에 추가적으로 길이를 지정해야한다. ex) 10
String을 제외한 Bool, Int Char 등의 값을 가진 Characteristic 로 변경하고 싶은 경우,  'BLEStringCharcteristic' 부분을 원하는 속성으로 변경한 뒤 길이지정 값을 빼주면 된다.
Parameter, 즉 BLEWrite(쓰기), BLERead(읽기), BLENotify(읽기반복) 또한 추가 변경 가능하다.

다음은 setup 문에서 추가해야할 구문이다.

Serial.begin(9600);

if (!BLE.begin()) {
    Serial.println("starting BLE failed!");

    while (1);
  }

  BLE.setLocalName("QuitSmocking");
  BLE.setAdvertisedService(CountingService); 
  CountingService.addCharacteristic(CountingChar);
  BLE.addService(CountingService);

  BLE.advertise();
  
Serial.println("Bluetooth device active, waiting for connections...");

2-2) 신호 송출

BLE모듈의 동작을 확인한다.  잘못되는 경우 실패했음을 화면으로 알린다.

Service 의 이름과 UUID, 추가할 Characteristic을 정한 뒤, 마지막으로 전체적인 Service를 세팅한다.
그리고 advertise 신호를 내보내, BLE 기기를 주변에 알린다.

다음은 loop문이다.

BLEDevice central = BLE.central();

if (central) {
	Serial.print("Connected to central: ");
	Serial.println(central.address());
    
    while(central.connected()){
	  /*쓰기*/
      CountingChar.writeValue((String)Counting);
	  /*읽기*/
      if(CountingChar.written()) {
          if (CountingChar.value()) {
              int val = atoi(CountingChar.value().c_str());
              Counting=val;

              Serial.print("Counting: ");
              Serial.println(val);
          }//value
      }//written
  }//connected
}//central

2-3) 연결 성공

연결이 성공적으로 이루어지면, 연결된 기기의  Mac 주소를 출력한다. 
이후 연결된 상태 동안에 실행할 코드를 작성해나가면 된다.

2-4) 쓰기
BLE모듈이 연결된 기기에 데이터를 쓸 경우, 설정한 Characteristic의 자료형에 맞추어 전송할 값을 넣는다.
여기선 설정한 자료형이 String 이었으므로, int 형의 Counting 변수를 String 으로 형변환하여 전송했다.

2-5) 읽기
BLE 모듈이 연결된 기기가 쓴 데이터를 읽는 경우, 값의 유무를 판별한 후 읽어온다.
가져온 데이터는 CountingChar.value 이다.

나는 가져온 값을, int형으로 쓰려는데 유니코드로 출력이 되어 가져온 값을 String으로 바꾼 후 다시 int형으로 바꾸는 작업을 했다. 여러 시도 끝에 위와 같은 코드를 이용했으나 더 간단한 코드가 있을 것이다. 

1. 결합확률

1) 결합확률 : 사건 X, Y가 동시에 발생할 확률 

2) 이산형 결합 확률분포 :  두 확률변수 X 와 Y가 동시에 각각 x,y 값을 가질 확률

$f(x,y)=P(X=x,Y=y)$

$0\leq f(x,y)\leq 1$

$\sum_{x} \sum_{y} f(x)=1$

2) 연속형 결합 확률분포 :

$P(a<X<b , c<Y<d)=\int_{a}^{b}\int_{c}^{d}f(x,y)dydx$

$\int_{-\infty }^{\infty }\int_{-\infty }^{\infty }f(x,y)dydx=1$

$0\leq f(x,y)$

3) 예제1 : 주사위를 두번 던지는 행위에서 눈의 최대치 X 와 눈의 최소치 Y의 결합확률분포

X: 1,2,3,4,5,6

Y: 1,2,3,4,5,6

확률변수 $X,Y$가 $x \leq y$ 값을 만족하는 확률 

①$P_{XY}(1,1)$ 는 $x=y$를 만족하며 $= \frac{1}{6}\times \frac{1}{6}=\frac{1}{36}$

②$P_{XY}(2,1)$ 는 $x>y$를 만족하며 $(2,1), (1,2)$ 의 경우의 수가 있으므로
 $= 2\times \frac{1}{6}\times \frac{1}{6}=\frac{2}{36}$

③$P_{XY}(0,1)$ 는 $x>y , x=y$를 만족하지 못하므로 0

2. 주변확률

1) 주변확률 : 결합되지 않는 개별 사건의 확률 P(A) 또는 P(B)

2) 이산형

$f_X(x)= \sum_{y} f(x,y)$

$f_Y(y) = \sum_{x} f(x,y)$

2) 연속형

$f_X(x)= \sum \int_{-\infty }^{\infty }f(x,y)dy$

$f_Y(y)= \sum \int_{-\infty }^{\infty }f(x,y)dx$

2) 예제 1 이어서 주변확률분포 구하기

&$f_X(x) = \sum_{y=1}^{x-1}\frac{2}{36}+\frac{1}{36}=\frac{1+2(x-1)}{36}, x=1,....,6$

$f_Y(y) = \sum_{x=y+1}^{6}\frac{2}{36}+\frac{1}{36}=\frac{1+2(6-y)}{36}, y=1,....,6$

3) 예제 2 : 결합확률분포함수 $f(x,y)= c(x+y), x=0,1,2,3,4; y=0,1,2,3$ 

확률분포함수가 되도록 상수 c와 주변확률분포, 기댓값을 구하라

① $\sum_x\sum_yf(x,y) = c\sum_x^4\sum_y^3f(x+y) = 70c= 1 \rightarrow c=\frac{1}{70}$

② $f_X(x) = \frac{1}{70}\sum_{y=0}^3(x+y)=\frac{4x+6}{70} , x=0,1,2,3,4$

$f_X(x) = \frac{1}{70}\sum_{x=0}^4(x+y)=\frac{5x+10}{70} , y=0,1,2,3$

3. 조건부확률

1) 조건부확률 : 사건 B가 사실일 경우 사건 A에 대한 확률 

$P(A|B)=\frac{P(A,B)}{P(B)}$

2) 예제1 이어서 Y=y일 때, X의 조건부확률분포

$f(x|y)= \frac{f(x,y)}{f_Y(y)}= \frac{\frac{1}{36}}{\frac{1+2(6-y)}{36}} = \frac{1}{1+2(6-y)} , x=y$

$f(x|y)= \frac{f(x,y)}{f_Y(y)}= \frac{\frac{2}{36}}{\frac{1+2(6-y)}{36}} = \frac{2}{1+2(6-y)} , x>y$

4. 독립

1) 독립 : 두 사건 A, B가 $P(A,B) = P(A)P(B)$ 의 관계가 성립하면 둘은 서로 독립이라고 정의한다

2) 예제 1 이어서 X,Y의 독립성 검토

$f(1,1) = \frac{1}{36} , f_X(1) = \frac{1}{36} , f_Y(1) = \frac{11}{36}$

2) 예제 1 이어서 X,Y의 독립성 검토

$f(1,1) = \frac{1}{36} , f_X(1) = \frac{1}{36} , f_Y(1) = \frac{11}{36}$ → 독립x

2) 예제 2 주사위를 두번 던지는 시행에서 3이상 눈의 개수 X와 짝수 눈의 개수 Y의 독립성 검토

1. 관계 데이터 연산

1) 데이터모델 : 데이터 구조 + 연산 + 제약조건

2) 관계 데이터 연산

-관계 데이터 모델의 연산

-원하는 데이터를 얻기 위해 릴레이션에 필요한 처리 요구를 수행

-관계 대수와 관계 해석으로 분류, 기능과 표현력 측면에서 능력은 동등

3) 관계 대수와 관계 해석

(1)관계 대수 

-데이터 처리 과정을 순서대로 기술

-절차언어

-릴레이션을 처리하는 연산자들의 모임 : 일반 집합 연산자와 순수 관계 연산자로 분류

-폐쇄 특성 (Closure property) 이 존재 : 피연산자 = 연산결과 = 릴레이션

(2)관계 해석 

-처리를 원하는 데이터가 무엇인지 기술

-비절차언어

-투플 관계 해석

-도메인 관계 해석

2. 관계 대수 : 일반 집합 연산자

1) 일반 집합 연산자 : 릴레이션이 투플의 집합이라는 개념을 이용한 연산자

2) 일반 집합 연산자의 특성

-2개의 릴레이션 대상 연산

-합병 가능 조건을 만족 = 두 릴레이션의 차수와 도메인이 같아야 함

3) 합집합(Union)

- 두 릴레이션 R, S 의 합집합

-결과 릴레이션의 카디널리티는 릴레이션 R 과 S 의 카디널리티를 더한것 보다 같거나 적음

-교환적, 결합적 특징

4) 교집합(Intersection)

-두 릴레이션 R,S의 교집합

-결과 카디널리티는 릴레이션 R과 S의 어떤 카디널리티보다 크지 않음

-교환적, 결합적 특징

5) 차집합(Difference)

-두 릴레이션 R,S의 차집합

-R-S 의 카디널리티는 릴레이션 R의 카디널리티와 같거나 적음

- 교환적, 결합적 특징

6) 카티션 프로덕트(Cartesian product)

-두 릴레이션 R,S의 카디널 프로덕트 $R\times S$

-릴레이션 R에 속한 투플과 릴레이션 S에 속한 투플을 모두 연결하여 새로운  투플로 결과 릴레이션 구성

-결과 카디널리티는 카디널리티 R과 S의 카디널리티를 곱한 것과 같음

-차수는 릴레이션 R과 S의 차수를 더한 것과 같음

-교환적 , 결합적 특징

3.관계 대수 : 순수 관계 연산자

1) 순수 관계 연산자 : 릴레이션의 구조와 특성을 이용하는 연산자

2) 셀렉트(Select)

- 조건을 만족하는 투플만 선택하여 결과 릴레이션 구성

-하나의 릴레이션으로 연산수행

- 수학적 표현법 : $\sigma _{조건식}(릴레이션)$

- 데이터 언어적 표현법 : 릴레이션 where 조건식

-조건식은 비교, 논리 연산자 이용해 작성

-결과 릴레이션은 연산 대상 릴레이션의 수평적 부분집합

- 교환적 특징 있음

ex) $\sigma _{등급='gold'}(고객)$

  고객 where 등급 = 'gold'

3) 프로젝트 (Project)

-릴레이션에서 선택한 속성 값으로 결과 릴레이션 구성

-하나의 릴레이션으로 연산

-수학적 표현법 : $\pi _{속성리스트}(릴레이션)$

- 데이터 언어적 표현법 : 릴레이션[속성리스트]

-결과 릴레이션에서 동일한 투플은 중복되지 않고 한번만 나타남

-결과 릴레이션은 연산 대상 릴레이션의 수직적 부분집합

ex) $\pi _{이름, 등급, 적립금}(고객)$

  고객[이름, 등급, 적립금]

4) 조인(Join)

-두 릴레이션을 조합하여 결과 릴레이션 구성

-조인 속성 값이 같은 투플만 연결하여 생성된 투플을 결과 릴레이션에 포함

-표현법 : $릴레이션1 \bowtie 릴레이션2$

-자연조인이라고도 함 $\bowtie _{N}$

(1) 세타조인 (Theta join)

-자연 조인에 비해 더 일반화된 조인

-조인 조건을 만족하는 두 릴레이션의 모든 투플을 연결하여 결과 릴레이션 구성

-결과 릴레이션의 차수는 두 릴레이션의 차수 더한 것

-표현법: $릴레이션1 \bowtie _{A\theta B} 릴레이션2$ : $\theta $는 비교연산자 의미

(2) 동일 조인(Equi-join) : $\theta $ 연산자가 '=' 인 세타조인

(3) 세미조인 (Semi-join)

-릴레이션2를 조인 속성으로 프로젝트 연산 후 → 릴레이션1에 자연조인

-불필요한 속성을 미리 제거하여 비용 절감 장점

-교환적 특징 없음

-$R\propto S$

(4) 외부조인 (Outer join)

-자연 조인 연산에서 제외되는 투플도 결과 릴레이션에 포함시키는 조인

- $R \propto^+ S$

5) 디비전(Division)

-릴레이션2의 모든 투플과 관련된 릴레이션1의 투플로 결과 릴레이션 구성

-릴레이션 1이 릴레이션2의 모든 속성 포함 필요, 같은 도메인이어야 함

-표현법 : 릴레이션 1 ÷ 릴레이션 2

1. 관게 데이터 모델

1) 관계 데이터 모델의 기본 개념

-개념적 구조를 논리적 구조로 표현하는 논리적 데이터 모델

-하나의 개체에 대한 데이터를 하나의 릴레이션에 저장

2) 관계 데이터 모델의 기본 용어

(1) 릴레이션(Relation) : 하나의 개체에 관한 데이터를 2차원 테이블의 구조로 저장한 것, 파일과 대응

(2) 속성(Attribute) : 릴레이션의 열, 애트리뷰트, 필드와 대응

(3) 투플(Tuple) : 릴레이션의 행, 레코드와 대응

(4) 도메인(Domain): 

- 하나의 속성이 가질 수 있는 모든 값의 집합

- 속성 값 입력, 수정 시 적합성 판단의 기준이 됨

-속성의 특성을 고려한 데이터 타입으로 정의됨

(5) 널(Null) : 속성 값이 미정이거나 없음을 표현함

(6) 차수 (Degree) : 하나의 릴레이션에서 속성 전체 개수

(7) 카디널리티(Cardinality) : 하나의 릴레이션에서 투플 전체 개수

2. 릴레이션

1) 릴레이션의 구성

(1) 릴레이션 스키마 ( = 릴레이션 내포 ) 

-릴레이션의 논리적 구조

-릴레이션 이름 + 속성 이름으로 정의

  ex) 고객(고객 아이디, 고객 이름, 나이, 등급, 직업, 적립금)

- 정적인 특성

(2) 릴레이션 인스턴스 ( = 릴레이 외연 )

-어느 한 지점에서 ( 현실 세계에서, 데이터는 계속 변하므로)  릴레이션에 존재하는 투플들의 집합

-동적인 특징

2) 데이터베이스의 구성

-데이터베이스 스키마 : 데이터베이스의 전체구조, 릴레이션 스키마의 모음

-데이터베이스 인스턴스 : 릴레이션 인스턴스의 모음

3) 릴레이션의 특성 → 집합의 특성 : 무순서로 데이터의 중복 유무만 본다

-투플의 유일성

-투플의 무순서

-속성의 무순서 : 도메인으로 구별

-속성의 원자성: 하나의 속성에는 하나의 데이터만 들어갈 수 있다. ex) 취미 속성 내 n개의 값 

3. 키

1) 키

: 릴레이션에서 투플을 유일하게 구별하는 속성 혹은 속성들의 집합

2) 키의 특성

-유일성( Uniqueness) : 하나의 릴레이션에서 모든 투플은 서로 다른 값을 가져야 한다

-최소성 (Minimality) : 꼭 최소한의 속성들로만 키를 구성한다

3) 키의 종류

①슈퍼키(Super Key) : 유일성을 만족하는 속성집합

ex) 고객아이디, (고객아이디, 고객이름) , (고객이름, 주소) 

②후보키(Candidate key) : 유일성과 최소성을 만족하는 속성집합

ex) 고객아이디, (고객이름, 주소)

③기본키 : 후보키 중 기본적으로 사용하기 위해 선택한 키

ex) 고객아이디

④대체키 : 기본키 외의 후보키

ex) (고객이름, 주소)

⑤외래키

-다른 릴레이션의 기본키를 참조하는 속성집합

-릴레이션들간 관계 표현

- 외래키 ex ) 주문고객 → (참조) → 기본키 ex) 주문아이디

-참조하는 속성과 외래키 속성의 이름은 달라도 도메인은 같아야함

-하나의 릴레이션에는 외래키가 여러개 존재할 수 있으며

-외래키를 기본키로 사용할 수도 있음

- 같은 릴레이션의 기본키를 참조하는 외래키도 정의 가능

-외래키의 속성은 널 값을 가질 수도 있음

4. 관계 데이터 모델의 제약

무결성 제약조건(Integrity constraint)

-개체 무결성 제약조건 : 기본키를 구성하는 모든 속성은 널값을 가질 수 없는 규칙 , 저장할 수 없으므로

-참조 무결성 제약조건 : 외래키는 참조할 수 없는 값을 가질 수 없는 규칙 → 유령고객

외래키 속성이 Null 값을 가질 경우 > 참조 무결성 제약조건을 위반한 것은 아님

1. 데이터모델링과 데이터모델의 개념

1) 데이터 모델링

- 현실세계 데이터 → (개념적 모델링)→ 컴퓨터 세계 데이터 →(논리적 모델링) → 데이터베이스 저장

- 추상화(Abstraction)

2) 2단계 데이터 모델링

-개념적 데이터모델링(Conceptual modeling) :  현실 세계 데이터를 개념 세계로 옮기는 작업

-논리적 데이터모델링(Logical modeling) : 개념세계데이터를 데이터베이스에 저장하는 구조로 표현하는 작업

3) 데이터 모델

- 데이터 모델 : 데이터 모델링의 결과물을 표현하는 도구

- 데이터 모델의 구성 : 연산, 데이터구조, 제약조건

- 개념적 데이터 모델 : 현실세계를 모델링하여 데이터베이스의 개념적 구조로 표현하는 도구

ex) 개체-관계 모델

- 논리적 데이터 모델 : 개념적 구조를 모델링하여 데이터베이스의 논리적 구조로 표현하는 도구

ex) 관계 데이터 모델

2. 개체-관계 모델

1) 개체-관계 모델 : 개체와 개체간 관계를 이용해 현실세계를 개념적 구조로 표현한 것 → 개체, 속성, 관계

2) 개체-관계 다이어그램(E-R model) : 개체-관계 모델을 이용해 모델링한 결과물을 그림으로 나타낸 것

3) 개체(Entity)

(1) 의미

- 현실세계를 운영하는데 꼭 필요한 사물, 사람과 같이 구별되는 것

- 저장 가치 있는 중요 데이터를 가지고 있음

- 구별되는 이름, 고유 특성, 상태 (=속성) 이 있으며 반드시 그 속성은 1개 이상이어야 함

- 파일 구조의 레코드(record)와 대응

- E-R 다이어그램에서 사각형으로 표현

(2) 개체 타입과 개체 인스턴스

-개체 타입(Entity type) : 개체를 고유 이름과 속성들로 정의한것, =파일구조의 레코드 타입과 대응

-개체 인스턴스(Entity instance) : 속성이 실제 값을 가짐으로써 실체화된 개체 = 레코드 인스턴스와 대응

-개체 집합(Entity set) : 특정 개체 타입에 대한 개체 인스턴스들을 모아놓은 것

4) 속성

(1) 의미

-개체나 관계가 가지고 있는 고유 특성

-의미 있는 데이터의 가장 작은 논리적 단위

-파일 구조의 필드(field)와 대응

-E-R 다이어그램에서 타원으로 표현

(2) 분류

① 단일 값 속성과 다중 값 속성

-단일 값 속성: 값을 하나만 가질 수 있는 속성 ex) 이름, 적립금

-다중 값 속성 : 값을 여러개 가질 수 있는 속성,  E-R다이어그램에서 이중 타원으로 표현 

ex) 전화번호, 취미, 친구, 전공

② 단순 속성과 복합 속성

-단순 속성 : 의미를 더는 분해할 수 없는 속성  ex) 적립금, 책 이름, 가격

-복합 속성: 의미를 분해할 수 있는 속성 ex) 주소, 생년월일

③ 유도 속성

-기존의 다른 속성의 값에서 유도되어 결정되는 설정

- 값이 별도로 저장되지 않음

- E-R 다이어그램에서 점선 타원으로 표현

 ex) 나이← 생년월일 알면 유도 가능 , 근무연수 ←입사연수만 알면 됨

(3) 널 속성 (Null attribute)

- 널 속성 : 널 값이 허용되는 속성

- 널 값 : 아직 결정되지 않았거나 존재하지 않는 값 ↔ 공백, 0 과는 의미가 다르다

(4) 키속성

-각 개체 인스턴스를 식별하는데 사용되는 속성

-모든 개체 인스턴스의 키 속성 값은 다름

-둘 이상이 될수도 있음

-E-R 다이어그램에서 밑줄 표현

6) 관계(Relationship)

(1) 관계

-개체-개체 간 연관성

-개체 집합들 사이의 대응관계, = 매핑

- 관계 내에서도 속성을 가질 수 있음

-E-R다이어그램에서 마름모로 표현

(2) 관계의 유형① : 관계에 참여하는 개체 타입의 수 기준

-이항관계 , 삼항관계, 순환관계

(3) 관계의 유형② : 매핑 카디널리티 기준

-매핑 카디널리티(Mapping Cardinality)

관계를 맺는 두 개체집합에서 각 개체 인스턴스가 연관성을 맺고 있는 상대 개체 집합의 인스턴스 개수

-일대일관계 ex) 부부결혼

-일대다관계 ex) 부서-사원, 지도교수-학생

-다대다관계 ex) 고객-책, 과목-학생

(4) 관계의 참여 특성

-필수적 참여(전체 참여) : 모든 개체 인스턴스가 관계에 반드시 참여해야 함을 의미, 이중선으로 표현

ex) 모든 학생은 수강신청을 해야함 , 모든 고객은 책을 반드시 구매해야함

-선택적 참여(부분 참여) : 개체 인스턴스 중 일부만 관계 참여해도 되는 것을 의미

ex) 고객이 구매하지 않은 책이 존재할 수 있음

(5) 관계의 종속성

-약한개체 : 다른 개체 존재 여부에 의존적, 이중 사각형

-강한개체 : 다른 개체 존재 여부를 결정, 이중 마름모

-특징

강한개체-약한개체 관계는 일대다, 약한개체가 필수적으로 참여

약한개체는 강한 개체의 키를 포함하여 키를 구성

ex) 직원 개체와 부양가족 개체 사이의 부양관계

부양가족 : 직원이 근무해야만 부양 가능, 존재하므로 관계 참여에 필수적

직원 : 관계 참여 부분적, 부양할 가족이 없는 직원도 있으므로 모든 직원이 다 참여할 필요 없음

3. 논리적 데이터 모델

1) 관계 데이터 모델

-일반적으로 많이 사용됨

-2차원 테이블 형태

2)계층 데이터 모델

-트리형태

-루트 역할을 하는 개체가 존재하고 사이클이 존재하지 않음

-개체간 상하관계 성립

-두 개체 사이에 하나의 관계만 정의 가능

-다대다 관계를 직접 표현할 수 없음

-복잡한 구조, 어려운 삽입, 삭제, 검색

3)네트워크 데이터 모델

-그래프 형태

-개체 간 일대다 관계만 허용 : 오너/ 멤버

-두 개체 사이에 여러 관계 정의 가능, 이름으로 구별

-다대다 관계를 직접 표현할 수 없음

-복잡한 구조, 어려운 삽입,삭제,수정