DB-Index.md

Index

일반적으로 사용되는 인덱스 알고리즘.
칼럼의 값을 변형하지 않고(값의 앞부분만 잘라서) 원래의 값을 이용해 인덱싱한다.
B-Tree:
- branch node: root/leaf node가 아닌 중간에 있는 node들을 뜻한다.
- 이진 트리와 달리 한 node 당 2개 이상의 child node를 가질 수 있다.
- 각 node마다 key와 data를 가진다.
- 일반적으로 균형 트리(root → leaf 거리 일정)이기 때문에 탐색 시간이 일정하고 빠르다.
- full-table scan 시, 노드를 모두 탐색해봐야 한다.
B+Tree:
- branch node에는 key만 담아두고, data는 담지 않는다.
- 오로지 leaf node에만 key와 data를 저장하고, leaf node끼리 LinkedList로 연결되어 있다.
- 하나의 node에 더 많은 key를 담을 수 있어 트리의 높이는 더 낮아진다.
- full-table scan 시, leaf node에 데이터가 모두 있기 때문에 한 번의 선형 탐색만 하면 되어 B-Tree보다 빠르다.

두 개 이상의 컬럼으로 구성된 인덱스.
SELECT 질의를 어떻게 할지에 따라 인덱스를 설정해야 한다.
예를 들어 title, author 순서로 인덱스를 설정한다면
- title으로 검색하는 경우 효율적이지만
- author만으로 검색하는 경우 효율적이지 않다. (인덱스의 기능을 하지 못함)

SELECT: 성능을 월등히 향상 시킨다.
INSERT: 삽입 시 인덱스에도 데이터를 추가해야 하므로 성능이 좋지 않다.
DELETE: 인덱스에 있는 데이터는 삭제하지 않고, 사용하지 않는다는 표시로 변경한다. 실제 데이터는 10만건인데, 인덱스의 데이터는 100만건 있는 결과를 낳을 수 있고 이 경우 인덱스의 역할을 하지 못하게 된다.
UPDATE: 이전 데이터를 삭제하고 새 데이터를 삽입하기 때문에, INSERT와 DELETE의 단점이 모두 발생한다.
카디널리티가 높을 수록 인덱스 설정에 좋은 칼럼이다. (데이터 집합의 유니크한 값의 개수)
선택도가 높을 수록 인덱스 설정에 좋은 칼럼이다.
- 선택도: 데이터 집합에서 특정 값을 얼마나 잘 골라낼 수 있는지에 대한 지표이다.
- 선택도가 높다는 것은, 한 칼럼이 갖고 있는 값 하나로 적은 row가 찾아지는 것이다.