관계형 데이터베이스를 위한 새로운 관계 의미론

초록

이 논문은 전통적인 수학적 관계 정의를 확장하여, 인덱스가 수치가 아니어도 되는 다정렬 튜플을 기반으로 한 관계 이론을 제시한다. 이를 바탕으로 투사·조인·필터링 등 기존 관계대수 연산을 재정의하고, 자유 변수를 가진 1차 논리식에 관계를 의미로 부여하는 새로운 의미론을 도입한다. 결과적으로 전통적 술어 논리를 관계형 데이터베이스의 질의 언어로 재활용할 수 있음을 보인다.

상세 분석

논문은 먼저 기존 관계대수의 수학적 기반이 “n‑ary relation = subset of Cartesian product S₀×…×Sₙ₋₁”에 국한되어 있음을 지적한다. 데이터베이스 실무에서는 열(도메인)마다 고유한 식별자가 필요하고, 인덱스가 반드시 0,1,2,…와 같은 연속적인 자연수일 필요가 없으며, 동일한 도메인이 여러 번 등장할 수도 있다. 이를 해결하기 위해 저자들은 튜플을 “함수 I→T” 형태로 정의한다. 여기서 I는 임의의 인덱스 집합, T는 서로 겹치지 않는 타입 집합이며, 튜플의 각 성분은 I의 원소에 대응하는 타입 집합의 원소가 된다. 이 정의는 (1) 인덱스가 비수치적이거나 비연속적일 수 있음, (2) 동일 타입이 여러 열에 반복될 때도 각 열을 역할 이름(role name)으로 구분할 수 있음을 자연스럽게 지원한다.

다음으로 저자들은 함수의 기본 연산(제한, 삽입, 합, 합성)과 “정렬 함수(σ_T)”를 도입해 튜플의 시그니처를 정의한다. 시그니처 τ∈I→T는 튜플 t∈I→⋃T가 τ=σ_T∘t를 만족할 때 t가 τ에 의해 정렬되었다고 한다. 이를 통해 서로 다른 열이 동일한 도메인을 공유하더라도 역할 이름을 통해 구분된 관계를 정확히 기술할 수 있다.

패턴 매칭 부분에서는 튜플 p를 패턴으로 보고, t가 p와 매치되기 위한 존재하는 치환 함수 s∈X→⋃T (여기서 X는 패턴 변수 집합) 를 정의한다. 이 매칭 관계는 전통적인 논리식의 변수 바인딩과 동일시될 수 있어, 자유 변수를 가진 1차 논리식의 의미를 “그 식을 만족시키는 튜플들의 집합”으로 해석한다. 즉, ⟦φ(x₁,…,x_k)⟧는 변수 x₁…x_k에 대해 가능한 모든 튜플의 집합이 된다.

관계 연산은 기존 투사(π), 조인(⋈)을 튜플 함수 기반으로 재정의한다. 투사는 시그니처의 부분집합 I₀⊂I에 대한 제한 연산 f↓I₀와 동일하고, 조인은 두 관계 r₁∈I₁→⋃T와 r₂∈I₂→⋃T에 대해 공통 인덱스 I₁∩I₂가 존재하면 해당 인덱스에 대해 값이 일치하는 튜플들의 합성(f₁+f₂)을 취한다. 새로 도입된 필터링 연산은 논리식 ψ를 만족하는 튜플만을 선택하는 연산으로, 기존 선택(selection) 연산을 일반화한다. 이러한 연산들은 모두 집합론적 정의에 머물며, 별도의 대수적 공리 체계 없이도 닫힘성과 결합법칙 등을 검증할 수 있다.

마지막으로 저자들은 이러한 연산 체계가 전통적인 1차 술어 논리의 의미론과 자연스럽게 연결됨을 보인다. 기존의 만족성 기반 의미론은 “공식이 참인지 거짓인지”에 초점을 맞추어 데이터베이스 질의에 부적합했지만, 여기서는 자유 변수를 가진 공식 자체를 관계(튜플 집합)로 해석함으로써 질의 결과를 직접적으로 얻는다. 따라서 관계형 데이터베이스와 1차 논리 사이에 완전한 동형 관계가 성립하게 되며, SQL과 같은 실용적 질의 언어의 수학적 기반을 보다 견고히 할 수 있다.

이 논문은 관계를 함수‑기반 튜플 집합으로 재정의하고, 이를 통해 기존 관계대수 연산을 일반화·재구성함으로써, 논리식과 데이터베이스 질의 사이의 의미적 격차를 메우는 중요한 이론적 기여를 한다. 특히 인덱스와 도메인의 비수치적 식별, 역할 이름에 의한 열 구분, 그리고 패턴 매칭을 통한 변수 바인딩 해석은 현대 데이터베이스 설계와 구현에 직접 적용 가능한 아이디어를 제공한다.