자기 설명적 데이터 모델

Self-Describing Data Models

자기 설명적 데이터 모델은 데이터와 메타데이터(데이터에 대한 정보)가 같은 구조 내에 저장되는 데이터 모델을 의미한다. 즉, 데이터 자체가 구조에 대한 정보를 포함하고 있어, 별도의 외부 스키마가 없어도 데이터를 이해할 수 있다.

특징

• 메타데이터 내장: 데이터와 그 데이터의 구조적 정보가 함께 저장되므로, 어떤 형식의 데이터인지 설명이 포함되어 있습니다.
• 유연성: 스키마가 고정되어 있지 않아, 데이터가 추가될 때마다 구조를 변경할 수 있습니다. 즉, 데이터의 구조를 사전에 정의할 필요가 없으며, 데이터 자체가 그 형식을 정의합니다.
• 자기 설명성: 각 데이터 객체가 자신을 설명할 수 있는 메타데이터를 포함하고 있어, 데이터를 처리하는 애플리케이션이 데이터 구조를 유추할 수 있습니다.

예시

1. JSON (JavaScript Object Notation):
   • JSON 데이터는 자체적으로 데이터를 설명하는 구조를 가진다.
     • 예를 들어, "name": "John"이라는 항목에서 "name"은 필드명이고 "John"은 값이다.
   • 메타데이터인 필드명과 값이 함께 저장되므로, 데이터를 읽는 시스템이 별도의 스키마 없이도 이 데이터가 무엇을 나타내는지 알 수 있다.
2. XML (eXtensible Markup Language):
   • XML은 데이터를 계층적 구조로 표현하며, 태그를 통해 데이터와 그 구조를 함께 저장한다.
   • <name>John</name>라는 태그를 보면, name이 데이터의 속성이고 John이 그 값이라는 것을 알 수 있다.
3. NoSQL 데이터베이스:
   • 많은 NoSQL 데이터베이스가 스키마리스(schema-less) 또는 자기 설명적(self-describing) 데이터를 사용한다.
   • 예를 들어, MongoDB는 JSON과 같은 형식으로 데이터를 저장하므로, 데이터가 어떤 필드를 가지는지 저장된 정보로 파악할 수 있다.

장단점

장점

• 유연성: 데이터 구조를 미리 고정할 필요가 없어서, 다양한 형식의 데이터를 쉽게 저장할 수 있다.
• 확장성: 데이터 모델이 변화하더라도 스키마 변경이 필요 없어, 쉽게 데이터를 추가하거나 수정할 수 있다.

단점

• 데이터 중복: 메타데이터가 데이터 안에 포함되어 있기 때문에, 동일한 필드명이 여러 번 반복되어 저장될 수 있어 저장 공간을 더 많이 차지할 수 있다.
• 성능 저하: 구조 정보를 매번 해석해야 하므로, 정해진 스키마를 사용하는 전통적인 관계형 모델에 비해 성능이 낮아질 수 있다.