데이터베이스를 공부하면서,
서버 개발자를 꿈꾸면서 데이터베이스를 깊게 공부해야겠다는 막연한 생각만 있을 뿐, 단순 쿼리만 짜는 게 전부였다.
이번 기회에 데이터베이스에 대해 심도 있게 공부하려고 한다.
인덱스란?
Index를 번역하면 "색인"이라는 뜻을 가지고 있다. 색인은 아래와 같은 뜻을 갖고 있다.
1. 어떤 것을 뒤져서 찾아내거나 필요한 정보를 밝힘. -네이버 사전-
2. 책 속의 내용 중에서 중요한 단어나 항목, 인명 따위를 쉽게 찾아볼 수 있도록 일정한 순서에 따라 별도로 배열하여 놓은 목록. -네이버 사전-
3. 책 속에 다루어진 중요한 단어나 용어를 독자가 쉽게 찾을 수 있도록 페이지를 밝혀 벌여 놓은 것. 보통, 책의 맨 뒤 부분에 보이나 드물게 앞부분에 보이는 경우도 있음 -구글 사전-
색인의 정의를 살펴봤는데, 색인은 필요한 정보를 쉽게 찾을 수 있는 것으로 보이며, 실사례로는 책의 목차가 떠오른다. 책의 목차의 중요성은 다들 공감하고 있을 것이다.(혹은 테이블의 인덱스는 책 뒷면에 있는 색인과 같다고 생각하면 된다.)
내가 엄청 두꺼운 1000page의 책에서 정보를 찾아야 된다고 가정해보자. 목차가 있다면 목차를 살펴보고 내가 원하는 페이지에 이동해서 필요한 정보를 찾을 수 있다. 하지만 목차가 없다면 일일이 모든 페이지를 넘겨가면서 정보를 찾아야 하는 일이 발생한다.(DB에서는 이런 일을 Full Scan이라고 함)
한 번은 꾹! 참고 원하는 정보를 찾을 것이지만, 이러한 일이 반복된다면 엄청난 시간 소모와 자원이 낭비되는 일이 발생할 것이다. 데이터베이스에서는 이를 방지하기 위해 책의 목차와 같은 기능인 인덱스(INDEX)라는 것이 존재한다.
DB에서의 인덱스
DB에서 인덱스는 "RDMS에서 검색 속도를 높이기 위한 기술"이다. 즉, 데이블 칼럼을 색인화하는 것이다. 칼럼을 색인화하게 되면 DB안에 레코드를 처음부터 Full Scan하지 않고, Index 파일 검색을 통해 속도를 향상할 수 있다.
여기서 주목해야될 것은 검색(SELECT)의 속도를 굉장히 강조하는데, "그렇다면 INSERT, DELETE, UPDATE와 같은 것들은 어떻게 되지?"라는 의문이 생길 수 있다. 어쩔 수 없이 INSERT, SELECT, UPDATE 속도는 더 느려진다. 이유는 index를 사용하면 정렬된 상태를 유지해야 하고, 테이블 외에 인덱스 테이블에도 INSERT, UPDATE를 해줘야 하기 때문이다.
그렇기 때문에 인덱스는 변경보다 검색이 많을 경우에 사용하면 더 효율적이라는 것을 알 수 있다.
+ (Private Key와 Unique 설정 시 자동으로 인덱스가 생성된다.)
DB에서의 인덱스
이 부분에서는 잘 나와있는 글이 있기 때문에 인용으로 대체하며, 글을 마무리 짓겠다. 인덱스에 대해 더 공부하고 싶은 분이라면 B+-Tree에 대한 공부와 Index를 직접 만들어보면 도움이 될 것이다.
그렇다면 DBMS 는 인덱스를 어떻게 관리하고 있는가
B+-Tree 인덱스 알고리즘
일반적으로 사용되는 인덱스 알고리즘은 B+-Tree 알고리즘이다. B+-Tree 인덱스는 칼럼의 값을 변형하지 않고(사실 값의 앞부분만 잘라서 관리한다.), 원래의 값을 이용해 인덱 싱하는 알고리즘이다.
Hash 인덱스 알고리즘
칼럼의 값으로 해시 값을 계산해서 인덱 싱하는 알고리즘으로 매우 빠른 검색을 지원한다. 하지만 값을 변형해서 인덱싱 하므로, 특정 문자로 시작하는 값으로 검색을 하는 전방 일치와 같이 값의 일부만으로 검색하고자 할 때는 해시 인덱스를 사용할 수 없다. 주로 메모리 기반의 데이터베이스에서 많이 사용한다.
왜 index를 생성하는데 b-tree 를 사용하는가?
데이터에 접근하는 시간복잡도가 O(1)인 hash table 이 더 효율적일 것 같은데? SELECT 질의의 조건에는 부등호(<>) 연산도 포함이 된다. hash table 을 사용하게 된다면 등호(=) 연산이 아닌 부등호 연산의 경우에 문제가 발생한다. 동등 연산(=)에 특화된 hashtable은 데이터베이스의 자료구조로 적합하지 않다.
-출처 : 링크
잘못된 정보가 있다면 댓글로 남겨주세요 !