개요

• 오늘 면접질문으로 인덱스의 종류가 무엇이 있냐고 질문이 들어왔다.
• 솔직히 당황스러웠다. 클러스터 인덱스와 논클러스터 인덱스 혹은 유니크 인덱스에 관련한 질문이였는데

  일반적인 인덱스의 동작 방식에 대해 설명을 준비했는데, 인덱스의 종류가 B 트리 인덱스, 유니크 인덱스 외에도 여러 종류가 있는 것이 아닌가..

• 일단 각설, 데이터 베이스의 인덱스의 경우에는 데이터 검색 성능을 최적화하기 위해 사용되는 DB 구조라고 한다.

종류

Clustered Index ( 클러스터드 인덱스 )

정의

• 데이터베이스 테이블의 물리적인 순서를 인덱스의 키 값 순서대로 정렬하는 것을 말한다고 한다.

특징

• 테이블 당 하나만 존재할 수 있으며, 데이터의 물리적인 순서와 인덱스의 순서가 같기 때문에 빠른 검색이 가능하다.

  왜 테이블 당 하나의 클러스터드 인덱스만 사용이 가능한가?

  • 테이블의 데이터가 하나의 순서로만 정렬될 수 있음을 의미한다.

• 인덱스 - 테이블의 일부로서, 실제 데이터와 함께 저장된다고 한다.

  해당 방식의 장점?

  • 실제 데이터와 함께 저장되어 불필요한 디스크 공간을 추가적으로 유발하지 않는다고 한다.

아직 이해가 안된다면..

• 전화번호부를 생각하면 된다고 한다. 전화 번호부의 경우 사람들의 성( last name - - ;) 에 따라 알파벳 순으로 정렬이 되어 있다.
• 만약 김 씨를 전화번호부에서 찾고 싶은 경우, 전화번호부의 김 섹션으로 바로 이동 할 수 있다.
• 해당 방식이 클러스터드 인덱스의 방식과 유사하다.
  • 데이터베이스에서 클러스터드 인덱스를 사용하는 경우, 특정 기준( 성 ) 에 따라 데이터가 물리적으로 저장된다고 한다.

실습해보자

CREATE TABLE orders (
    order_id INT NOT NULL AUTO_INCREMENT,
    customer_id INT NOT NULL,
    order_date DATE NOT NULL,
    amount DECIMAL(10, 2) NOT NULL,
    PRIMARY KEY (order_id)
);

• 이게 뭐야 할것이다.
• 기본적으로 MySQL 에서 InnoDB 스토리지 엔진을 사용하는 경우 테이블은 기본 키를 클러스터드 인덱스로 자동으로 사용한다고 한다.
  • 그래서 pk 를 기준으로 하여 모든 데이터가 정렬되어 들어가게 되는 것이다.
  • 또한 pk 외의 다른 값을 클러스터드 인덱스로 삼을 수 없어서, 사실 DB 설계할때는 생각할 일이 있을까 싶다.

Non-Clustered Index (논클러스터드 인덱스)

정의

• 데이터가 저장된 테이블과 별도의 공간에 위치하며,
• 테이블의 데이터와 다른 순서로 정렬 수 있다.
• 데이터의 위치를 가리키는 포인터를 사용하여 데이터를 찾는다고 한다.

특징

1. 별도의 저장 공간
   • 테이블의 데이터와는 별도의 공간에 저장됩니다.
   • 인덱스가 테이블 데이터와 다른 구조를 가지고 있음.
2. 여러 개 생성 가능
   • 하나의 테이블에 여러 개의 논클러스터드 인덱스를 생성가능하다.
   • 다양한 검색 요구 사항에 맞춰 여러 인덱스를 사용할 수 있다.
3. 검색 최적화
   • 논클러스터드 인덱스는 특정 컬럼에 대한 검색을 최적화가능하다.
   • 클러스터도 인덱스로 커버되지 않는 쿼리에 유용하다.

언제 쓰나??

• 일단 SQL 에서 일반적으로 PK 를 거는 경우에는 클러스터드 인덱스로 구성되며, PK 외에 다른 유니크 인덱스가 존재하는 경우에는 논클러스터드 인덱스로 구성이 된다.
• 기본 키 외에 다른 열에 유니크 인덱스 등을 설정하는 경우, 논클러스터드 인덱스로 유니크 인덱스가 배치되게 됩니다.
• 논클러스터드 인덱스의 경우 별도의 인덱스 테이블에 (추가된 인덱스 키 값)과 해당 데이터의 포인터를 저장하게 됩니다.

B-Tree Index (B-트리 인덱스)

정의

• 균형 잡힌 트리 구조를 사용하는 인덱스 입니다.
• 데이터베이스에서 검색, 삽입, 삭제 등의 동작을 일정한 시간 안에 이루어질 수 있도록 설계됨.
  • 모든 리프 노드가 같은 레벨이라!.

특징

• 균형 잡힌 구조
  • 모든 리프 노드가 같은 깊이에 있어서 트리가 한쪽으로 치우치지 않는다.
• 효율적인 검색
  • 키 값들이 정렬된 상태로 유지되어, 빠른 검색이 가능함.
• 동적인 데이터 조정이 된다.
  • 데이터 삽입, 삭제 시 트리의 균형을 자동으로 맞추며 재조정함.

구조

• 루트 노드
  • 트리의 최상위, 검색 시작점
• 브랜치 노드
  • 중간 노드
  • 다른 노드로의 포인터를 가지고 있으며, 해당 포인터를 통해 어느 노드로 이동할 것인지 가이드
• 리프 노드
  • 트리의 가장 하단에 위치한다.
  • 실제 데이터 또는 데이터의 포인터를 가지고 있다.

인덱스 작동 원리

• 검색
  • 루트 노드 ~ 키 값 비교하면서 리프 노드까지 내려간다.
  • 이진 탐색을 통해 원하는 데이터를 찾는다.
• 삽입
  • 새로운 데이터를 삽입
  • 노드가 가득차면 분할 → 균형을 유지한다.
  • 트리 전체에 걸쳐서 발생함.
• 삭제 ( 이건 동작 방식이 엄청 어려움.. 사실 이걸로 부족함 )
  • 데이터 삭제시 B - 트리는 노드의 최소 키 개수를 유지하기 위하여 노드를 병합하거나 키를 재분배한다.

Hash Index (해시 인덱스)

개요

• 데이터베이스에서 빠른 데이터 검색을 위해 사용되는 인덱스 유형 중 하나임.
• 해시 테이블 기반
• 특정 키 값을 해시 함수를 통해 해시 코드로 변환함.
  • 해당 해시 코드를 사용하여 데이터를 저장하거나 검색함.

작동 원리

1. 해시 함수
   • 키 값을 입력으로 받아 고정된 크기의 해시 코드를 출력하는 함수입니다.
   • 이 함수는 동일한 키 값에 대해 항상 같은 해시 코드를 반환한다.
2. 해시 테이블
   • 해시 코드를 인덱스로 사용하여 데이터를 저장하는 테이블
   • 각 해시 코드는 테이블 내의 고유한 위치에 해당함.
3. 충돌 처리
   • 2 개 이상의 키 값이 동일한 해시 코드를 가지는 경우 충돌 처리를 위한 매커니즘
   • 체이닝, 오픈 어드레싱 이 있다.
     • 위에 대해서는 별로 궁금하기 싫어서 나중에 공부하련다..

장점

1. 빠른 속도
   1. 상수 시간 접근
2. 간단한 구조
   1. 해시 테이블 자체 구조나 단순함.

단점

• 순서 보장이 안됨
  • 데이터의 순서대로 검색하거나 범위 검색이 안됨..
• 메모리 낭비
  • 해시 테이블 크기가 고정되어 있어서, 데이터의 양에 따라 메모리를 효율적으로 사용하지 못할 수 있다고 함
• 충돌 처리
  • 해시 기반이기에 충돌 처리를 생각해야함..
  • 충돌이 많아지는 경우 해시 자료구조 특성상 검색 속도가 극단적으로 최악이면 O(n) 의 크기만큼 늘어나게 된다.

Bitmap Index (비트맵 인덱스)

동작

• 각각의 값 ( 성별 - (남 | 여) ) 에 대해 비트 배열을 생성함.
• 데이터베이스의 각 행은 비트 배열에서 하나의 비트로 표현된다고 한다.
• 해당 값이 행에 존재하면 1 , 없으면 0

예시

• 성별 속성에 대한 비트맵 인덱스는
  • 테이블안에 성별 컬럼에 5개의 데이터가 [ 남 여 중성 남 여 ] 로 구성되어 있음.
  • 남 비트맵
    • 1 0 0 1 0
• 해당 테이블안에서 남자를 탐색하는 경우 비트맵 인덱스 만을 보고도 1번 3번 4번 회원이 남자구나 ! 라는 사실을 알 수 있다.
  
• 비트 연산을 통하여 복합 쿼리사용가능
  • 비트 연산을 통해 남자 가 아닌 회원을 찾고 싶으면, 남자 비트맵 인덱스의 비트를 반전시킨후에, 나머지 성별 을 탐색할 수 있다.

Full-Text Index (전문 인덱스)

• 데이터베이스 내의 텍스트 데이터에서 키워드 검색을 가능하게 하는 인덱스의 유형이다.
• 대량의 텍스트 데이터에서 특정 단어나 문구를 빠르게 찾아내는 기능을 한다.
• 주로 뉴스 기사, 책, 블로그 글 등의 텍스트 데이터를 검색할 때 사용함.

동작 원리

• 텍스트 데이터를 분석해 중요한 데이터( 키워드) 를 추출한다.
• 이 단어들의 데이터베이스 내 위치를 기록하고,
• 검색 쿼리가 수행되는 경우 해당 인덱스를 사용해 빠르게 데이터를 찾는다.

예시

• 박상준 이펙티브자바 꿀팁 전수
  • 박상준 이펙티브자바 꿀팁 전수 같은 키워드를 추출하고, 해당 키워드 들이 문서 내에서 어디에 위치하는지 기록함.

장점

• 게시물 내용같은 것을 효율적으로 검색이 가능
• 복잡한 쿼리 지원

  • 문구 검색, 불용어 처리, 동의어 처리 등 복잡한 텍스트 검색의 요구사항을 지원한다고 함.

    불용어

    • 별로 중요하지 않은 단어
    • ~의 , ~ 가 등은 인덱싱에서 제외되거나 후순위로 밀린다고 함.

    동의어 처리

    • 검색어와 유사한 다른 단어들도 함께 검색 결과에 포함시키는 기능
    • 스마트폰 검색 , 휴대폰 , 모바일 등의 동의어가 검색 결과에 포함될 수 있다.

단점

• 디스크를 사용하기에..
  • 저장 공간을 많이 사용함..
• 업데이트 비용이 큼
  • 텍스트 데이터가 자주 변경되면 전문 인덱스 업데이트시에 상당한 자원이 소모
• es 가 있는데 굳이?

  솔직히 작은 어플리케이션에는 사용할만할 것 같다.

Composite Index (복합 인덱스)

• 두개 이상의 컬럼을 결합하여 생성된 인덱스
• 특정 쿼리 연산에서 여러 컬럼을 동시에 사용할 때 검색 성능을 향상시키기 위해 사용된다.

복합 인덱스의 작동 원리

• 지정된 컬럼들의 조합으로 구성된다.
• 인덱스 내에서는 해당 컬럼들이 정의된 순서대로 데이터를 정렬한다.
  • 해당 특성 땜시
    • 복합 인덱스는 쿼리가 인덱스의 첫 번째 컬럼부터 순서대로 사용할 때 가장 효율적이라고 한다.

예시

이름 생년월일 컬럼에 대한 복합 인덱스가 있다고 가정해본다면, 이 인덱스는 먼저 이름 으로 정렬된다.

그 다음 생년월일 로 정렬된다

• 이름 만을 조건으로 하거나
• 이름 생년월일 모두 조건으로 하는 쿼리에서 효율적으로 작동한다.

복합 인덱스의 장점

• 성능 향상
  • 여러 컬럼을 조건으로 하는 쿼리에서 검색 성능이 크게 향상
• 정렬 그룹화 최적
  • 쿼리 결과의 정렬이나, 그룹화 작업을 최적화 간으
• 인덱스 커버링
  • 쿼리가 인덱스에 포함된 컬럼만을 사용하는 경우, 실제 데이터에 접근하지 않고, 인덱스에서 결과를 바로 가져올 수 있음.
  • 근데 이런 상황이 과연 많을지..? 모르겠음.

단점

일단 일반적인 인덱스의 단점을 다 가져감

• 별도의 공간을 쓰고
• 유지 관리 비용이 비쌈
  • 업데이트 삭제 삽입 시에 인덱스도 업데이트 되어야함.

주의!

1. 가장 많이 사용되는 컬럼을 인덱스의 앞쪽에 배치하는 것이 좋음
2. 불필요한 복합 인덱스는 공간과 성능에 부정적인 영향.. → 이건 당연하지
   1. 그래서 보통 테이블마다 3 ~ 4 개 정도를 개인적으로는 max 라고 봄

아 손가락 아파