[DB] 데이터베이스 기초 / 관계형데이터베이스 / key

데이터베이스(DB)란

데이터들의 모임을 일컫는 말로 대규모의 정보를 관리하도록 설계된다. 여기서 말하는 데이터 관리는 정보 저장 구조를 정의하는 작업과 저장된 정보를 조작하기 위한 기법이 모두 포함되는 의미이다.

*초기의 데이터베이스 애플리케이션은 파일 시스템 위에 직접 구축되었다.

 

파일 시스템

파일 시스템은 파일을 저장 장치에 저장하고 사용하기 위한 운영체제 상의 일종의 규칙이나 체계를 말한다. 파일 시스템에 저장된 정보를 이용하려면 요구사항에 맞는 다양한 응용 프로그램이 필요하다. 예를 들어 파일 시스템에 대학 조직과 관련된 정보(교수, 학생, 수업 등과 관련된)들을 저장한 경우를 생각해보자. 이 대학 조직의 정보들을 활용하려면 필요한 요구사항에 맞는 응용 프로그램을 작성해야 한다.

😦 새로운 학생에 대한 정보를 추가해야 한다? → 해당 역할을 수행하는 프로그램 작성

😦 특정 수업에 수강한 학생들을 등록해야한다? → 해당 역할을 수행하는 프로그램 작성

😦 수강한 학생들의 성적계산 후 학점을 부여해야한다? → 해당 역할을 수행하는 프로그램 작성
    ...

위의 예시처럼 DBMS가 등장하기 전까지는 운영체제에 의해 지원되는 파일 시스템에 정보를 저장했고 정보를 검색하거나 새로 입력할 때 응용 프로그램을 작성해 관리했다. 하지만 파일 시스템에 정보를 저장하고 관리할 때 발생되는 단점은 아래와 같다.

🚨 데이터 중복 및 비일관성
데이터가 여러 파일에 저장되기 쉬우며, 다양한 파일 형식으로 저장될 수 있다. 또한 동일한 데이터의 여러 사본이 서로 다른 값을 보유하고 있는 상태(비일관성)가 될 수 있다. 이 데이터들을 관리하는 응용 프로그램 역시 여러 언어들로 작성될 수 있다.
ex) 한 학생이 컴공과 디자인을 복수 전공한다면, 해당 학생의 정보가 컴공 파일과 디자인 파일에 둘 다 존재한다. (데이터 중복)
ex) 학생의 주소가 바뀌었는데, 컴공 파일에만 업데이트되고 디자인 파일에는 반영하지 않는 경우(비일관성)

🚨 데이터 접근의 어려움
위에서 예시를 든 것처럼 새로운 요구사항이 생기면 해당 요구사항을 위한 새로운 응용프로그램을 작성해야 한다. 즉, 필요한 데이터를 편리하고 효율적으로 검색하기 힘듦
ex) “학생들 중 성북구에 사는 학생들 명단만 뽑아주세요” 라는 요구사항이 들어오면, 해당 기능을 하는 프로그램을 새로 작성해야 한다.

🚨 데이터 분리(고립)
새로운 요구 사항이 들어왔을 때, 그래도 응용프로그램을 만들 수 있다면 필요한 데이터의 검색은 가능할 것이다. 하지만 만약 데이터가 여러 파일에 나뉘어 저장되어있고, 파일 형식까지 다르다면 해당 데이터들을 검색하기 위한 프로그램을 작성하는 것조차 어렵다.

🚨 무결성 문제
데이터베이스에 저장된 데이터들은 무결성 제약조건을 지켜야 한다. 하지만 파일 시스템에 저장된 데이터들은 파일 자체가 아니라 그 데이터들을 관리하는 응용 프로그램의 일부 코드가 무결성 제약조건을 만족하게 한다. 이 경우 만약 새로운 제약을 더하거나 기존 제약에 수정이 필요하면 프로그램의 코드를 수정해야 한다. (만약 새로운 제약 조건이 다른 파일의 데이터들을 포함하는 내용이라면 피곤…)

💡 무결성(無缺性)   결함이 없는 상태 
데이터 무결성은 데이터에 결함이 없는 상태로 데이터의 정확성, 일관성이 유지되는 것을 의미한다.

정확성   데이터의 중복이나 누락이 없는 상태
일관성   원인과 결과의 의미가 연속적으로 보장되어 변하지 않는 상태

💡 무결성 제약조건
무결성 제약조건이란 데이터의 무결성(DB의 정확성, 일관성)을 보장하기 위해 저장, 삭제, 수정 등의 행위를 제약하기 위한 조건이다.

🚨 원자성 문제
다른 장치들과 마찬가지로 컴퓨터 시스템 또한 고장 날 가능성이 있다. 이 경우 데이터를 고장 전의 일관성 있는 상태로 유지시켜야 한다. 즉, 데이터베이스에 있는 정보들의 일관성을 위해 데이터를 다루는 작업은 원자성을 보장해야 하지만 기존의 파일 시스템에서는 어렵다.

💡 원자성
원자성은 어떤 것이 더 이상 쪼개질 수 없는 성질을 말한다. 데이터베이스를 다루는 작업은 원자성을 보장해야 하는데, 작업이 완전하게 진행되어 종료되거나 그렇지 못할 경우 실행을 하지 않아야 한다. 즉, 진행되다가 비정상적으로 종료되어 중간에 멈추지 않아야 한다.

 

데이터베이스 시스템 목적

파일 시스템의 단점 극복 위해 등장했다. 위에서 설명한 파일 시스템에서의 단점들을 모두 보완할 수 있으며 데이터베이스에 정보를 저장하고 이를 검색하기 위한 편리하고 효율적인 환경을 제공한다.

 

데이터베이스 관리 시스템(DBMS) 

데이터베이스 내의 데이터에 접근하여 관리할 수 있도록 하는 소프트웨어를 말한다.

데이터의 독립성
DB의 사이즈, 데이터 파일 등을 늘리더라도 관련된 응용 프로그램을 수정할 필요 없음(물리적 독립성)
다양한 응용 프로그램의 논리적 요구를 만족시킬 수 있음(논리적 독립성)

데이터의 무결성
데이터의 유효성 검사를 통해 잘못된 데이터가 발생하는 것을 방지할 수 있음

데이터의 보안성
인가된 사용자들만 자원에 접근할 수 있도록 접근 권한 설정 가능

데이터의 일관성
논리적인 구조로 데이터를 관리하여, 일부 데이터가 변경되었을 때 발생할 수 있는 데이터의 불일치성을 배제

데이터 중복 최소화
데이터를 통합하여 관리하기 때문에 데이터의 중복 해결

 

데이터 모델

데이터베이스 구조의 기초가 되는 것으로 데이터, 데이터 간의 관계, 데이터의 의미, 데이터의 제약 조건 등을 기술하기 위한 개념적인 표현의 집합이다. 데이터의 추상화 정도에 따라 데이터 모델을 3가지 종류로 나눌 수 있다.

개념적 데이터 모델
일반 사용자들이 인식하는 방식과 같이 데이터를 개념적으로 표현하는 방식을 명시하는 데이터 모델이다. "빅 픽처" 모델로도 불리며 전반적인 구조와 콘텐츠만 나타냄
*보통 ER모델을 많이 사용

논리적 데이터 모델 (표현 데이터 모델)
일반 사용자들이 이해할 수 있는 방식으로 데이터를 표현하면서도, 실질적 데이터 저장 방식과 대응되는 방식을 명시한다. 데이터 흐름과 데이터베이스 콘텐츠를 설명하는 "데이터 모델"의 일반 정의와 가장 밀접하게 관련 있는 모델이다. 물리적 데이터 모델과 개념적 데이터 모델 중간 수준이라고 볼 수 있다.
*관계형 모델, 네트워크형 모델, 계층형 모델 등 사용

물리적 데이터 모델
데이터가 컴퓨터 내에 물리적으로 저장되는 방식을 명시하는 데이터 모델로 레코드의 형식, 순서, 접근 경로 등의 정보를 제공한다. 물리적 데이터 모델을 사용하게 될 응용 프로그램을 지원하기 위해 HW와 SW에 실제 데이터베이스 구조를 생성할 수 있을 만큼 충분한 세부 정보를 포함한다.

💡 데이터 추상화 정도
개념적 데이터 모델 > 논리적 데이터 모델 > 물리적 데이터 모델
*아래 모델의 도식화를 보면 추상화 정도의 차이를 한눈에 볼 수 있음

💡 데이터베이스 설계(모델링)
현실세계의 업무적인 프로세스를 컴퓨터로 데이터베이스와 하기 위한 과정으로 추상화 정도가 높은 단계의 모델부터 설계한다. 
요구 조건 분석 → 개념적 설계 → 논리적 설계 → 물리적 설계 → 구현 → 운영 → 감시 및 개선

데이터 모델의 종류

위에서 알아본 추상화 단계에 따른 3단계의 데이터 모델을 표현하기 위한 데이터 모델의 종류들은 여러 가지가 있다.

계층형 모델
데이터가 트리 형태의 구조로 조직되어 부모-자식 관계 정보를 표현한다. 1:N 대응 관계만 존재하여, 각 부모는 다수의 자식을 가질 수 있고 자식은 단 하나만의 부모를 가질 수 있다. 상위 레코드 삭제 시 연쇄 삭제(Triggered Delete)가 일어난다.
ex) IBM - IMS

네트워크형 모델
계층형 데이터 모델의 단점을 보완하여, N:N 구조를 허용하며, 상하위 관계는Owner, Member라고 표현한다.
ex) DBTG, EDBS, TOTAL

관계형 모델(Relational Model)
계층형, 네트워크형 단점을 보완한 현재 가장 이상적인 모델로 데이터와 데이터들 사이의 관계를 나타내기 위해 테이블(릴레이션)의 모임을 사용한다. 각 테이블은 고유한 이름을 가진 여러 개의 열로 구성되어 있다. 가장 널리 쓰이는 데이터 모델이다.
ex) Oracle, MySQL, MsSQL, SQLite

개체-관계 모델(Entity-Relationship Model, E-R Model)
객체들의 집합인 개체(entity)와 개체 간의 관계를 사용한 모델이다. 데이터베이스를 설계하는 데 널리 쓰인다.

반구조형 데이터 모델(Semi-structured Data Model)
같은 형식을 갖고 있으나 다소 다른 속성을 가진 개별적 데이터 항목을 기술하기 위한 비정형 데이터 모델이다. JSON과 XML이 반구조형 데이터를 표현하는데 자주 사용된다.

객체 기반 데이터 모델(Object-Based Data Model)
객체 개념이 관계형 데이터베이스에 통합되어있는 모델로, 관계형 테이블에 객체를 저장하는 표준이 이 존재한다. 관계형 모델에 캡슐화, 메소드, 객체 식별화의 개념을 더해 확장한 것 같은 모습이다.

 

데이터 추상화

여러 단계의 데이터 추상화를 통해 데이터베이스의 복잡한 구조를 감추어 사용자의 이해와 편의를 돕는다. 3단계로 추상화 단계를 나눌 수 있다.

뷰 단계
추상화의 최상위 단계로 전체 데이터베이스의 일부분만 나타낸다. 데이터베이스에 저장된 데이터의 극히 일부분에만 관심 있는 대부분의 사용자가 시스템을 간단히 이용할 수 있도록 정의한다.
*한 데이터베이스에 대해 수많은 뷰 존재 가능

논리적 단계
물리적 단계의 다음 상위 단계로 어떤 데이터가 저장되었는지와 데이터들 사이의 관계를 나타낸다. 이 단계에서는 데이터베이스를 몇 개의 비교적 간단한 데이터 구조를 이용하여 나타내는데, 이 과정에서 복잡한 물리적 단계의 구조를 전혀 알 필요가 없다.(물리적 데이터 독립성)
*논리적 단계에서 데이터베이스 관리자가 어떤 정보가 DB에 저장되어야 할지 결정하는 작업을 함

물리적 단계
추상화의 최하위 단계로 데이터가 실제로 어떻게 저장되는지 기술한다. 복잡한 하위 단계의 데이터 구조가 상세히 기술된다.

 

E-R 모델

개념적 데이터 모델의 가장 대표적인 모델로, 개체, 속성, 관계 등에 대하여 용이하게 표현할 수 있는 ER 도형(ERD: Entity Relationship Diagram)을 정의한다.

개체타입 (Entity Type)		현실 세계의 객체로서 유형 또는 무형의 정보 대상으로 존재하며, 서로 구별될 수 있는 것을 뜻함
관계 타입 (Relationship Type)		관계란 2개 이상의 개체 사이에 존재하는 연관성을 뜻하며, 관계 타입은 관계들의 집합 또는 틀을 뜻함
속성 (Attribute)		개체의 특성이나 상태를 기술한 것

 

---

 

관계형 데이터베이스

관계형 데이터베이스는 위에서 알아봤던 관계형 모델을 기반으로 데이터를 관리한다. 데이터와 데이터들 사이의 관계를 나타내기 위해 릴레이션이라고 부르는 테이블의 모임을 사용한다. 이 테이블은 스키마(schema)와 인스턴스(instance)로 구성되었다. 각 테이블은 고유한 이름을 가진 여러 개의 열(속성)로 구성되어 있다. 따라서 테이블의 각 행은 여러 속성들의 값을 지니고 있는 하나의 튜플이다.

💡스키마 vs 인스턴스
스키마(schema)
데이터베이스의 논리적 구조로 개체, 속성, 관계와 제약조건에 대한 정의를 말한다. '메타데이터'라고도 함
자주 바뀌지 않는 정적인 영역이다. 
인스턴스(instance)
튜플(행,레코드)들의 집합을 말하며 자주 바뀌는 영역을 말한다. 
*쉽게 생각하면 스키마는 특정 타입이 있는 변수, 인스턴스는 그 안에 담긴 값이라고 생각하면 된다!

출처: http://www.tcpschool.com/mysql/mysql_intro_relationalDB

 

키(key)

관계형 데이터베이스의 테이블에서 조건을 만족하는 튜플들을 찾거나 정렬할 때 다른 튜플들과 구별할 수 있는 기준이 되는 속성들을 말한다. 여기서 중요한 점은 키는 하나의 속성이 아니라 속성들의 집합이라는 것이다!(내가 맨날 헷갈려서 중요) 우선, 키에 대해 정리하기 전에 유일성과 최소성의 개념에 대해 이해해야 한다. 

💡 유일성과 최소성
유일성 : 하나의 키값으로 튜플을 유일하게 식별할 수 있는 성질
최소성 : 키를 구성하는 속성들 중 꼭 필요한 최소한의 속성들로만 키를 구성하는 성질

Attributes = (주민번호, 학번, 이름, 나이, 성별)
key1 = {주민번호}   
key2 = {학번}
key3 = {주민번호, 이름, 성별}
위와 같은 속성들과 키들이 있을 때, 이름과 나이, 성별은 충분히 중복될 수 있는 속성들이다. 따라서 {이름, 나이} 같은 속성의 집합은 유일성이 존재하지 않는다. 하지만 key1, key2, key3 있는 주민번호와 학번은 그 속성으로만 사람을 유일하게 식별할 수 있기 때문에 유일성이 존재하는 키다. key3를 보면 주민번호와 이름, 성별이 동시에 같은 사람은 없기 때문에 유일성은 존재하지만, 굳이 이름과 성별까지 확인할 필요가 있나?라는 생각을 하게 된다. 즉, key3는 주민번호만으로 사람들을 식별할 수 있기 때문에 최소성을 가지고 있지 않은 키인 것이다. key1과 key2는 유일성과 최소성을 모두 만족하는 키라고 볼 수 있다. 

 

키의 종류

🔑 슈퍼키(Super Key)
[유일성O, 최소성X]
속성들의 집합 중 유일성의 특성을 만족하는 집합을 말한다. 위에 예시에서 key1 = {주민번호}, key2 = {학번}, key3 = {주민번호, 이름, 성별}가 슈퍼키가 될 수 있다. 속성들의 조합이 어떠한 사람을 유일하게 식별할 수 있기 때문이다. 하지만 슈퍼키는  key3 처럼 최소성은 만족하지 않아도 된다.

🔑 후보키(Candidate Key)
[유일성O, 최소성O]
슈퍼키 중에서 최소성을 만족하는 속성들의 집합을 말한다. 위의 예시에서 key1 = {주민번호}, key2 = {학번}가 후보키가 될 수 있다. 주민번호와 학번은 그 속성값 자체만으로 사람을 식별할 수 있기 때문에, 유일성과 최소성을 동시에 만족시킨다. 후보키는 여러개 존재할 수 있다.

🔑 기본키(Primary Key)
여러 후보키 중에 선택한 하나가 기본키가 된다. 테이블에서 기본키는 단 1개만 지정할 수 있다. 기본키를 선택할 때에는 값이 없을 수 있는 속성이나 값이 자주 바뀌는 속성이 포함된 후보키는 지양해야 한다. 위의 예시에서 사람을 식별하기 위해 학번을 기본키로 사용한다면, 학번이 부여되지 않은 미취학 아동이나 미진학자들을 선별할 수 없다. 따라서 key2 = {학번} 보단key1 = {주민번호}가 기본키로 사용하기 더 적절하다. 

🔑 대체키(Alternate Key)
두 개 이상의 후보키가 존재할 때 기본이를 제외한 나머지 후보키들을 대체키라고 한다. key1 = {주민번호}, key2 = {학번} 중에 key1를 기본키로 지정했다면 key2가 대체키가 되고, key1이 없어졌을 때 기본키를 대체할 수 있다.

🔑 외래키(Foreign Key)
다른 테이블의 기본키를 현재 테이블의 속성으로 포함할 때, 그 다른 테이블의 기본키를 현재 테이블의 외래키라고 한다. 즉, 다른 테이블의 기본키를 그대로 참조하는 속성의 집합이 외래키이다. 외래키를 사용하는 이유는 데이터의 무결성을 지키기 위함이다. 테이블을 따로따로 관리하는 상황에서 관련된 정보를 수정하려면, 두 테이블을 모두 같은 값으로 수정해야 한다. 하지만 한쪽 테이블만 업데이트될 시, 무결성이 깨지게 된다. 이를 방지하기 위해 참조의 개념을 추가한 것이다. 

 

관계대수

관계대수는 관계형 DB의 테이블을 처리하는 연산의 집합으로 집합 연산을 토대로 만든 집합 연산자이다. 관계대수는 기본적으로 단일 혹은 두 개의 테이블을 입력받아 결과 테이블을 생성한다.

SELECT			σ	릴레이션에서 주어진 조건을 만족하는 튜플들을 검색(수평적 연산)
PROJECT			π	릴레이션에서 주어진 조건을 만족하는 속성들을 검색(수직적 연산)
JOIN		자연조인	*	두 개의 릴레이션에서 공통된 속성을 연결하는 연산(공통 속성 값 제거)
		동등조인	⋈	두 개의 릴레이션에서 공통된 속성을 연결하는 연산(공통 속성 값 중복)
DIVISION			A÷B	나누어지는 릴레이션 A에 릴레이션 B의 모든 내용을 포함한 것이 결과 릴레이션
집합 연산	합집합 (UNION)		A∪B	릴레이션 A 또는 B에 속하는 튜플들로 구성	두 릴레이션의 차수와 도메인이 같아야 연산 가능
	교집합 (INTERSECTION)		A∩B	릴레이션 A와 B에 공통적으로 속하는 튜플들로 구성
	차집합 (DIFFERENCE)		A-B	릴레이션 A에만 있고 B에는 없는 튜플들로 구성
	카티션 프로덕트 (cartiesian product)		A×B	A에 속한 각 튜플 a에 대하여 B에 속한 튜플 b를 모두

*관계대수의 한계: 정렬 불가능, 산술연산 불가능, DB 수정 불가능 등

 

데이터베이스 언어

SQL(Structured Query Language: 구조적 질의 언어)
관계형 DBMS에서 데이터를 관리하기 위한 질의어로 관계대수의 한계를 극복하기 위해 확장된 언어. 거의 모든 관계형 데이터베이스 시스템에서 사용한다. SQL의 문법은 크게 DDL, DML, DCL(데이터 제어 언어)로 나뉜다.

DDL(데이터 정의 언어)
데이터베이스 스키마를 기술(구체화)하는 언어이다. 데이터의 추가적인 특성을 표현하는 데에도 사용된다. 예를 들어 해당 데이터베이스가 요구하는 일관성 제약 조건을 기술할 수 있다. DDL의 결과는 메타데이터(데이터에 대한 데이터)를 수록하는 데이터 사전에 저장된다.
*데이터 사전: 특별한 형태의 테이블로 데이터베이스 시스템만 접근 가능 

💡 SQL DDL
CREATE         새로운 테이블, View, 인덱스 , 저장 프로시저 생성 
DROP             이미 존재하는 테이블 , View, 인덱스 , 저장 프로시저 삭제 
ALTER            이미 존재하는 데이터베이스 개체에 대한 변경 
TRUNCATE    테이블에서 데이터를 제거한다.

DML(데이터 조작 언어)
사용자가 데이터를 조작하거나 접근하게 하기 위한 언어(질의 및 갱신을 표현) 데이터에 접근하는 형태는 정보 검색, 정보 삽입, 정보 삭제, 정보 수정이다.

💡 SQL DML
SELECT      데이터 검색(질의) 
INSERT      데이터 삽입(등록) 
UPDATE     데이터 업데이트(수정) 
DELETE      데이터 삭제

💡 DROP vsTRUNCATE vs DELETE
DROP              테이블 전체, 공간, 객체 삭제 (복구 불가)
TRUNCATE     테이블 삭제 x, 데이터만 삭제, 삭제 후 용량 줄어듦 (복구 불가)
DELETE          데이터만 삭제, 테이블 용량 그대로(복구 가능)

DCL(데이터 제어 언어)
데이터베이스에 접근하고 객체들을 사용하도록 권한을 주고 회수하는 명령어를 다루는 언어

💡 SQL DCL
GRANT      데이터베이스 사용자에게 권한을 부여 
REVOKE    데이터베이스 사용자에게 권한을 취소

---

+무결성의 종류

개체 무결성	기본 테이블의 기본키를 구성하는 어떤 속성도 Null 값이나 중복값을 가질 수 없다
도메인 무결성	주어진 속성 값이 정의된 도메인에 속한 값이어야 한다
참조 무결성	릴레이션은 참조할 수 없는 외래키 값을 가질 수 없다
사용자 정의 무결성	속성 값들이 사용자가 정의한 제약조건에 만족해야 한다
Null 무결성	릴레이션의 특정 속성 값이 Null이 될 수 없다
고유 무결성	릴레이션의 특정 속성에 대해 각 튜플이 갖는 속성 값들이 서로 달라야 한다
키 무결성	하나의 릴레이션에는 적어도 하나의 키가 존재해야 한다
관계 무결성	튜플의 삽입 가능 여부 또는 튜플들 사이의 관계에 대한 적절성 여부를 지정

 

+스키마(Schema)

데이터베이스의 구조(개체, 속성, 관계)와 제약조건에 대한 명세를 기술한 것을 의미

개념 스키마 (Conceptual Schema)
전체 데이터베이스의 정의를 의미하며 객체 간의 관계, 제약조건, 데이터베이스 접근 권한, 보안 및 무결성 규칙에 관한 명세 등을 포함한다. 데이터베이스 관리자(DBA)가 관리하며, 하나의 데이터베이스에는 하나의 개념 스키마가 존재한다. 

외부 스키마 (External Schema)
전체 데이터베이스 중에서 하나의 논리적인 부분을 의미한다. 일반 사용자, 응용 프로그래머가 접근하는 계층으로, 여러 개의 외부 스키마가 존재할 수 있으며 뷰(view)의 개념이다. 서브 스키마(Sub Schema)라고도 한다.

내부 스키마 (Internal Schema)
물리적 저장 장치에 데이터베이스가 실제로 저장되는 구조로, 데이터 레코드의 물리적인 배치, 내부 레코드의 물리적 순서(인덱스), 데이터 압축 등을 포함한다.

 

+이상(Anomaly)현상

삽입 이상 (Insertion Anomaly)
데이터를 삽입할 때 의도와 다르게 원하지 않는 값들로 인해 삽입할 수 없게 되는 현상으로, 기본키에 해당하는 속성 값 없이 튜플을 삽입하고자 할 때 발생한다.

삭제 이상 (Deletion Anomaly)
튜플을 삭제할 때 의도와 다르게 다른 값도 함께 삭제되는, 즉 연쇄 삭제가 발생하는 현상으로, 튜플 삭제 시 유지하고자 하는 정보까지 삭제되어 정보 손실이 발생하는 경우를 의미한다.

갱신 이상 (Update Anomaly)
튜플에 있는 속성 값을 갱신할 때 일부 튜플의 정보만 갱신되어 정보의 불일치성(Inconsistency)이 생기는 현상으로, 한 튜플의 일부 속성 값을 바꿨을 때 같은 기본키를 가지는 다른 튜플과 정보가 불일치가 생겨 발생한다.

 

with https://zhiblog.tistory.com/31