💌 DB Indexing이란? 💌

💌 DB Indexing이란?

RDBMS에서 검색속도를 높이기 사용하는 하나의 기술.
INDEX는 색인이라고 생각하면 편함. 해당 TABLE의 컬럼을 색인화(따로 파일로 저장)하여 검색시 해당 TABLE의 레코드를 full scan 하는게 아니라 색인화 되어있는 INDEX 파일을 검색하여 검색속도를 빠르게!

💌 Index의 종류?

1. B(Balanced)+tree Index
2. Bitmap Index
3. IOT Index
4. Clustered Index

• 주로 B+tree 구조로 사용됨!

💌 B+tree 구조가 뭘까.......?^^

📩 B+Tree구성

• 루트노드: 경로의 출발점 노드
• 논리노드: 리프 노드까지의 경로 역할을 하는 노드
• 리프노드: 실제 데이터가 저장되는 노드
• B+Tree는 리프 노드에 이르기까지 자식 노드에 대한 포인터가 저장되어 있어 탐색에 있어 루트 노드에서 어떤 리프노드에 이르는 한 개의 경로만 검색하면 되기 때문에 검색에 있어 매우 효율적인 알고리즘이다.

💌 왜 사용해야하지?

-> 검색 속도를 높여주니까! 우리가 책에서 원하는 페이지를 찾을 때에도 색인 목록을 확인하는 이유랑 같다고 보면 됨. 검색속도를 높여주어 데이터를 빠르게 관리, 검색 할 수 있게 도와쥼! 넘좋지...🎀

• 예를 들어, 위 테이블의 Physics값을 조회한다고 해보장!
• select 절을 활용해서 조회하거나 or 어느 위치에 데이터가 존재하는지 모르기 때문에 Table Full scan을 진행할 것임.
• 근데 만약에 수십만개 데이터가 들어있는 테이블의 데이터를 조회하는데, 검색을 자주 해야하는 상황이 계속 발생한다면 진짜 짜증나게찌....
• 그니까 위와 같이 인덱스를 따로 생성해서 해당 데이터만 빠르게 찾을 수 있게 됨으로써 성능향상을 기대하는 것이야...🎈

💌 어떻게 동작하는데?

1. 해당 테이블을 생성시 생성하고 싶은 인덱스 컬럼을 지정
2. 생성 후 인덱스 조회 시, WHERE 절이 포함된 쿼리로 조회
3. 인덱스로 저장된 Key-Value값을 참조해서 결과 출력

💌 예를 들어볼게!

예시)

• 사원 테이블에 총 50명이 있고, 남자 25명, 여자 25명
  여자 중 이름이 '유관순'인 사람이 2명
  사원 테이블에서 성별이 '여자' 이고 이름이 '유관순'인 사람을 찾을 때 :
  SQL > SELECT 이름, 성별 FROM 사원 WHERE 성별 = '여자' AND 이름 = '유관순';
• 결합 인덱스 생성 구문 예 (중복을 허용하지 않는 예시) :

CREATE UNIQUE INDEX [인덱스명]
ON [테이블명]([컬럼명1][정렬기준], [컬럼명2][정렬기준], ...)
SQL > **CREATE UNIQUE INDEX** idx_사원_성별_이름 2 **ON** 사원(성별,이름);

• 결합 인덱스 생성시 컬럼의 배치 순서
  case 1 : ON 사원(성별, 이름)
  50 명 -> 여자 -> 25명 -> 유관순 -> 2명
  50 => 25회 검사
  case 2 : ON 사원(이름, 성별)
  50명 -> 유관순 -> 2명 -> 여자 -> 2명
  50 => 2회 검사
  => 같은 테이블에 같은 SQL이지만 결합 인덱스를 어떻게 생성하는가에 따라 속도나 검사 횟수가 완전히 달라지게 된다. (신중히 생성...)

💌 그럼 언제 사용하는데?

1. 데이터의 양이 많고 검색이 변경보다 잦은 경우(검색>>>>>변경)
   기본적으로 이진 트리를 사용하기 때문에 이미 정렬이 되어있는 상태에서 추가, 수정, 삭제가 자주 일어나게 되면 인덱스에서도 마찬가지로 해당 동작들이 수행되기 때문에 성능 저하를 초래할 수 있음.
   예를 들어, 한 쇼핑몰에 여러가지 카테고리가 존재할때 해당 카테고리의 상품들을 조회할때 이러한 인덱스 기능을 잘 사용하게 된다면 큰 효율을 발휘하게 되지만, 인스타그램같은 소셜 서비스들은 끊임없이 게시글이 작성되고 수정, 삭제되기 때문에 오히려 인덱싱을 하게되면 엄청난 성능 저하가 되기 때문에
2. 인덱스를 사용하고자 하는 컬럼의 값이 다양한 경우.
3. 주로 검색 및 조회를 할 때.

💌 Indexing의 장점

1. 데이터를 가져오기 위한 Input, output 작업이 많이 줄어들기 때문에 인덱스 구조에서 데이터베이스의 행을 이전만큼 접근할 필요가 없음.
2. 유저에게 필요한 데이터를 빠르게 탐색해 더 빠르게 제공.
3. 테이블 행에 연결을 할 필요가 없어 행 ID를 인덱스에 저장할 필요가 없기 때문에 데이블 공간이 줄어듦.
4. 기본 키의 값으로 데이터를 분류할 수 있음.

💌 Indexing의 단점

1. 인덱싱 데이터베이스 관리 시스템을 사용하기 위해선 유니크한 값을 지닌 테이블의 기본 키가 필요함.
2. 인덱스 된 데이터에서 다른 인덱스를 사용할 수 없음.
3. 인덱스로 정리된 테이블을 분할 할 수 없음.
4. SQL 인덱싱은 CRUD 쿼리의 성능을 감소시킴.

💌 출처1: https://velog.io/@bsjp400/Database-DB-%EC%9D%B8%EB%8D%B1%EC%8B%B1Indexing%EC%9D%B4%EB%9E%80

💌 출처2: https://lalwr.blogspot.com/2016/02/db-index.html