📃 인덱스 개념

랜덤 I/O와 순차 I/O

• 랜덤 I/O와 순차I/O는 하드 디스크 드라이브의 플래터(원판)을 돌려서 읽어야 할 데이터가 저장된 위치로 디스크 헤더를 이동시킨 다음 데이터를 읽는 것을 말한다.

• 차이점으로는 여러 개의 데이터를 입력할 때, 순차 I/O는 디스크 헤더를 한 번만 움직이지만, 랜덤 I/O는 디스크 헤더를 데이터의 개수만큼 움직여야 한다. 여러 번 쓰기 또는 읽기를 요청하는 랜덤 I/O 작업 부하가 훨씬 더 크다. 디스크 헤더를 움직일 때 데이터를 읽고 쓰는데 걸리는 시간이 가장 오래 걸린다.

• 쿼리를 튜닝하는 것은 랜덤I/O 자체를 줄이는 것이 목적이다. 쿼리를 처리하는데 꼭 필요한 데이터만 읽어오도록 쿼리를 개선해야 한다.

---

인덱스란??

• 인덱스는 추가적인 쓰기 작업과 저장 공간을 활용하여 데이터베이스 테이블의 검색 속도를 향상하기 위한 자료구조이다.

• 데이터베이스에서 효율적으로 데이터를 검색하기 위해 데이터와 데이터의 위치를 포함한 자료구조를 생성하여 빠르게 조회할 수 있도록 하는 것이다. 쉽게 표현하면 인덱스는 책의 색인과 같다고 표현할 수 있다.

---

인덱스 동작 방식

• 일반적으로 B-Tree 자료 구조를 사용하여 검색해야 할 값을 루트 노드에서 부터 비교를 시작해 브랜치 노드를 거치고 최종적으로 리프 노드까지 찾아 들어간다. 그리고 리프 노드의 레코드 주소를 사용하여 실제 데이터 파일에 존재하는 레코드를 읽는다.

---

인덱스 설정 기준

• 카디널리티가 높은 열에 인덱스를 설정해야 한다(중복도가 낮음). 중복도가 높은 컬럼에 인덱스를 설정할 경우 별다른 성능 향상을 기대할 수 없다.
  성능에 큰 영향을 미치는 WHERE, JOIN, ORDER BY 절이 자주 사용되는 컬럼에 사용해야 한다.

• INSERT, UPDATE, DELETE 등의 데이터 작업이 빈번한 테이블에 적용하지 않아야 한다. 데이터 변경 작업이 자주 발생된다면 페이지 분할 작업으로 인해 조회 성능을 제외한 다른 작업 성능이 느려지게 되기 때문이다. 조회를 할 때 빠른 속도를 기대할 수 있다.

• 데이터 규모가 큰 테이블에서 적용해야 한다. 규모가 작을 경우 full scan을 했을 시 조회 속도에서 큰 차이가 발생하지 않는다.

• 잘 사용되지 않는 인덱스는 제거해야 한다. 불필요한 인덱스는 추가적인 공간을 요구하게 되어 성능 저하가 발생할 수 있다. WHERE 절에 사용되더라도 자주 사용되어야 성능에 영향을 줄 수 있다.

---

커버링 인덱스(covering index)

• 쿼리의 결과를 인덱스 자체에서 가져올 수 있는 인덱스를 커버링 인덱스라고 한다. 그래서 실제 데이터까지 접근할 필요가 없다.

• SELECT, WHERE, ORDER BY, GROUP BY 등에 사용되는 모든 컬럼이 인덱스의 구성 요소인 경우이다.

---

다중 컬럼 인덱스(multi-column index)

• 여러 개의 컬럼을 조합하여 생성되는 인덱스를 의미한다.
  데이터를 조회할 때 단일 인덱스를 여러 개 사용해야 하는 경우가 많다면 다중 컬럼 인덱스를 사용한다.

• 예를 들어 이름, 성별 두 컬럼을 바탕으로 데이터 탐색을 자주 할 경우 이름, 성별에 각각 단일 인덱스에 걸려있는 상태에서 조회하는 성능보다 이름, 성별에 다중 컬럼 인덱스가 걸려있는 경우에 데이터 엑세스가 줄어들어 성능이 좋다.

---

B-Tree

• 일반적으로 B Tree라고 하면 B-Tree를 뜻한다. B-Tree는 트리 자료구조의 일종으로 이진 트리를 확장해 하나의 노드가 여러 개의 자식 노드를 가질 수 있다. 그래서 넓은 범위의 키를 효율적으로 처리할 수 있다.

• 그리고 모든 리프 노드가 동일한 레벨에 위치하도록 유지된다. 따라서 균형 트리로 분류된다. 균형 트리이기 때문에 어떤 값에 대해서도 같은 시간에 결과를 얻을 수 있다.

• B-Tree는 internal 또는 branch 노드에 key와 data를 담을 수 있다.

B+Tree

• B-Tree의 확장 개념으로 branch 노드에 key만 담아두고, data는 담지 않는다. 오직 리프 노드에 key와 data를 저장하고, 리프 노드끼리 Linked List로 연결되어 있다.

• 리프 노드를 제외하고 데이터를 담아두지 않기 때문에 메모리를 더욱 확보하고 더 많은 key를 담을 수 있다. 많은 키를 담고 있기 때문에 트리의 높이가 낮아 cache hit을 높일 수 있다(속도가 빠름).

• 풀 스캔 시, B+Tree는 리프 노드에 데이터가 모두 있기 때문에 한 번의 선형 탐색만 해서 B-Tree에 비해 속도가 빠르다. 반대로 B-Tree는 모든 노드를 확인해야 한다.

---

클러스터드 인덱스와 논 클러스터드 인덱스

클러스터드 인덱스

• 실제 데이터 자체가 정렬(재 배열)되는 것이고 테이블당 1개만 존재 가능하다.
• 리프 페이지가 데이터 페이지이고 primary key 제약 조건을 설정했을 때 자동 생성된다.

논 클러스터드 인덱스

• 논 클러스터드 인덱스는 실제 데이터 페이지는 그대로다.
• 별도의 인덱스 페이지를 생성해야 해서 추가적인 공간이 필요하다.
• 테이블 당 여러 개가 존재한다.
• 리프 페이지에 실제 데이터 페이지 주소를 담고 있다.
• unique 제약 조건 적용 시 자동 생성되고 직접 index를 생성했을 때 논 클러스터링 인덱스가 생성된다.

---

인덱스 스캔 방식

INDEX RANGE SCAN

• BTree 인덱스의 가장 일반적이고 정상적인 형태이다.
• 인덱스의 특정 범위 내에 있는 데이터를 검색하는 방식이다.

INDEX FULL SCAN

• 인덱스의 모든 데이터를 차례대로 검색하는 방식이다.
• 데이터 검색을 위한 최적의 인덱스가 없을 때 차선으로 선택하는 것이다.

INDEX UNIQUE SCAN

• 수직적 탐색으로 데이터를 찾는 방식
• 인덱스에서 중복되지 않은 고유한 데이터를 검색하는 방식이다.
• 고유한 값이기 때문에 처음 만나는 곳에서 검색을 중단할 수 있어 검색 속도가 빠르다.

INDEX SKIP SCAN

• 인덱스 선두 컬럼을 조건 절에 사용하지 않으면 옵티마이저는 기본적으로 TABLE FULL SCAN을 선택한다.
• 여러 컬럼으로 구성된 복합 인덱스를 사용하여 검색하는 방식이다. 인덱스에서 하위 세그먼트로 점프하면서 조건을 만족하는 데이터를 찾아간다.

INDEX FAST FULL SCAN

• INDEX FULL SCAN 방식보다 빠르다.
• INDEX FULL SCAN 방식은 논리적 구조에 따라 읽지만, INDEX FAST FULL SCAN은 물리적으로 디스크에 저장된 순서대로 리프 블록들을 읽어들인다.

INDEX RANGE SCAN DESCENDING

• INDEX RANGE SCAN과 기본적으로 동일하며 뒤에서 앞쪽으로 스캔하기 때문에 내림차순으로 정렬된 결과 집합을 얻는다는 것만 다르다.