Database - 인덱스

인덱스

• 추가적인 쓰기 작업과 저장 공간을 활용하여 데이터베이스 테이블의 검색 속도를 향상시키기 위한 자료구조

• SELECT 뿐만 아니라 UPDATE나 DELETE의 성능도 향상된다.
• 해당 대상을 조회해야 작업을 할 수 있기 때문

• 인덱스는 항상 최신의 정렬 상태로 유지해야 하기 때문에, INSERT / UPDATE / DELETE가 자주 수행된다면 오버헤드가 많이 발생할 수 있다.

• 인덱스의 장단점
• 장점
• 테이블을 조회하는 속도와 그에 따른 성능을 향상시킬 수 있다.
• 단점
• 인덱스를 관리하기 위해 DB의 약 10%에 해당하는 저장 공간 필요
• 인덱스 관리를 위한 추가 작업 필요
• 인덱스를 잘못 사용할 경우, 오버헤드에 의한 성능 저하 역효과가 발생할 수 있다.
💡
UPDATE와 DELETE의 인덱스 관리 UPDATE는 기존 인덱스를 사용 안함 처리하고, 갱신된 데이터에 대해 인덱스를 추가한다. DELETE는 삭제하는 데이터의 인덱스를 사용하지 않는다는 작업을 진행한다. ⇒ 따라서 빈번한 UPDATE와 DELETE는 인덱스를 비대하게 만들어, 성능 저하가 될 수 있으니 잘 고려해서 사용해야 한다.

• 인덱스를 사용하면 좋은 경우
• 규모가 작지 않은 테이블
• INSERT, UPDATE, DELETE가 빈번하지 않는 컬럼
• JOIN이나 WHERE, ORDER BY에 자주 사용되는 컬럼
• 데이터 중복도가 낮은 컬럼

인덱스의 자료구조

• B+ tree
• B-Tree의 확장
• B-Tree : 하나의 노드가 가질 수 있는 자식 노드의 최대 숫자가 2보다 큰 트리 구조
• 리프노드에만 인덱스와 함께 데이터를 가지고 있으며
• 리프노드들이 LinkedList로 연결되어 있다.
 



 

• 해시 테이블
• (Key, Value)로 데이터 저장, 빠른 데이터 검색이 필요할 때 유용
• 시간 복잡도가 O(1)로 매우 빠른 검색을 지원
• 하지만 해시의 특성상 값이 1만 달라져도 완전히 다른 해시를 생성하기 때문에,
• 부등호 연산(<, >)이 자주 사용되는 데이터베이스 검색을 위해서는 해시 테이블이 적합하지 않다.

• 클러스터 인덱스
• 물리적으로 행을 재배열한다.
• 검색 속도는 더 빠르지만 데이터의 입력, 수정, 삭제는 느림

• 비클러스터드 인덱스
• 인덱스 페이지만 정렬된다
• 데이터 입력, 수정, 삭제는 빠르지만 검색속도가 느리다
→ 쉽게 책에 비유하자면 클러스터 인덱스는 페이지를 알기 때문에 바로 그 페이지를 펴는 것이고 넌 클러스터 인덱스는 뒤에 목차에서 찾고자 하는 내용의 페이지를 찾고 그 페이지로 이동하는 것과 같습니다
 
 

example

func (user) Indexes() []ent.Index {
	return []ent.Index{
		// non-unique index.
		index.Fields("created"),
		index.Fields("ca_name"),
		index.Fields("user"),

		// unique index
		index.Fields("id", "ca_name").Unique(),
	}
}

• created, ca_name, mdl_user, id-ca_name 각 필드에 대해 정렬된 인덱싱들을 생성함