진박사의 일상

Transactions Concurrency Seriealizability Transaction - 사용자가 DB에 접근하고 변경하는 행동의 series, DB 작업의 논리적 단위, DB를 일관된 상태(consistent state)로 바꾸는 작업(but transaction을 수행 중에는 consistency가 깨질 수 있음) - 2가지 상태 - Failure : transaction이 중단 -> 중단되면 transaction 이전의 일관된 상태로 rollback되어야 함 - Success : commit -> commit된다면 transaction 이전의 상태로 돌아가면 안됨 - ACID - Atomicity : transaction은 원자적으로 변해야 함. - Consistency : transac..

Relation Decomposition 1) universal relation schema에서 시작 : relation schema R = {A1, ... An} 은 DB에 필요한 모든 attribute로 구성 -> attribute name은 unique 2) R을 relation schema D = {R1, R2 ... Rm}으로 분해 - R의 subset이 아닌 Ri는 없음 - R의 모든 attribute는 적어도 하나 이상의 Ri에 속해 있어야 한다 - 각각의 Ri는 BCNF이거나 3NF이어야 한다. - 위의 조건을 만족할 때 D는 R의 decomposition이라고 한다. Insufficiency of Normal Forms(노멀 폼의 불완전성) - 노멀 폼으로 나타나기만 하면 되는 것이 아님..

- Normal forms과 Normalization Normalization - Normal form : relations의 바람직한 형태를 정의 - Normalization : relation schema를 작고 바람직한 relation으로 나누는 과정 - Normalization은 Lossless join property & Dependency preservation property를 만족하게 분할해야 함 Prime Attribute - relation schema R의 일부 candicate key에 속하는 attribute. -> R의 Candidate key가 있을 때 그 key의 각 attribute ex) WORKS_ON(Ssn, Pnumber, Hours) -> {Ssn, Pnumber}..

relation schema 디자인 가이드라인 & functional dependency(함수적 종속) - goodness of DB shema? Informal Design Guidelines for Relation Schemas - good table schemas를 정의하는 과정 : 몇개의 table로 구성? 각 테이블은 어떤 속성을 가질것인가? - 직관적 판단 근거 : (1) attributes의 의미 (2) tuple의 중복 정보 (3) tuple 내의 NULL 수 (4) 가짜 튜플 수 - 정형화된 판단 근거 : Normalization(정규화) Semantics of Attributes in Relations 하나의 relation에 속한 attribute들은 모두 현실 세계에서 상호 연관된 ..

생일 문제 (Birthday Pradox) n명의 사람이 있을 때 그 중에서 같은 생일이 있는 사람이 있을 확률은 얼마나 될까? 생일은 365일 (윤년을 고려해도 366)일이므로 367명이 있어야 최소 한명은 확실하게 같은 날짜가 있다고 장담할 수 있을 것이다. 그러나 실제로는 그보다 훨씬 적은 인원에서도 같은 생일을 찾을 수 있다. 2명이 있을 때 그 중에 같은 생일이 있을 확률은 1 - (364/365) = 0.002739726027397249 3명이 있을때는 1 - (364/365)*(363/365) = 0.008204165884781345 이다. 이런식으로 파이썬으로 직접 계산을 해보았다. >>> p = 1.0 >>> for i in range(1,366): p *= (365-i)/365 prin..

Pointer subterfuge(포인터 속임수) == 포인터 값 변경 - 데이터 주소값이 변경되면 공격자가 원하는 코드가 실행되도록 바꿀 수 있음. Data Locations - 버퍼오버플로우로 포인터 덮어씌우기 가능 : 방지 (upper bound, lower bound, Hi, Lo, special marker(null같은) 제한) - 공격 가능 조건 : (1) 함수/데이터 포인터가 동일 세그먼트에 할당 or (2) 메모리 주소보다 낮은 위치에 존재 (3) 바운드체킹x Data declaration & Process memory organization UNIX의 메모리는 여러 세그먼트로 나뉨. 실행 가능은 data영역과 BSS영역 - data 세그먼트는 초기화된 전역변수랑 상수 포함 / BSS 영역..