클라이밍하는 개발자

1. PK(Primary Key)란?
PK는 테이블에서 각 행(row)을 고유하게 식별할 수 있는 열(column)입니다. 쉽게 말해서 주민등록번호나 학번처럼 절대로 중복되지 않는 고유한 값이에요.

PK의 특징
- 중복될 수 없음
- NULL 값을 가질 수 없음
- 테이블당 하나만 존재

2. 인덱스(Index)란?
인덱스는 데이터베이스 테이블의 검색 속도를 향상시키기 위한 자료구조입니다. 책의 목차나 사전의 색인과 같은 역할을 한다고 생각하면 됩니다.

인덱스의 특징
검색 속도가 빨라짐
데이터 입력/수정/삭제 시 약간의 성능 저하가 있음
추가 저장공간이 필요함

3. PK와 인덱스의 관계
중요: PK로 지정된 열은 자동으로 인덱스가 생성됩니다!
실생활 예시로 이해하기 🏫

학생 정보 테이블 예시:
CREATE TABLE students (
    student_id INT PRIMARY KEY,  -- PK로 지정
    name VARCHAR(50),
    grade INT
);

이를 실생활에 비유하면
학생증(PK)
모든 학생은 고유한 학번을 가짐
절대 중복될 수 없음
반드시 가지고 있어야 함

학생 명부(인덱스)
학번 순으로 정렬되어 있음
특정 학생을 빨리 찾을 수 있음
명부가 있으면 전체 학생부를 뒤지지 않아도 됨

검색 예시
SELECT * FROM students WHERE student_id = 12345;

PK로 검색할 때: 인덱스를 통해 바로 찾을 수 있음 (매우 빠름)
인덱스 없는 일반 열로 검색할 때: 모든 데이터를 하나씩 확인해야 함 (느림)

4. 정리
PK는 각 행의 고유한 식별자
인덱스는 검색 속도를 높이기 위한 도구
PK는 자동으로 인덱스가 생성됨
PK는 테이블당 하나, 인덱스는 여러 개 가능

PK는 우리의 주민등록번호, 인덱스는 전화번호부라고 생각하면 됩니다. 주민등록번호로 사람을 찾을 때는 자동으로 정리된 목록(인덱스)이 있어서 빨리 찾을 수 있죠!

데이터베이스 인덱스에 대해서 설명해주세요.

1. 인덱스(Index)란 무엇인가?

인덱스는 데이터베이스 테이블의 검색 속도를 향상시키기 위해 사용되는 데이터 구조입니다. 책의 색인과 유사하게, 데이터베이스 인덱스는 특정 열(컬럼)의 값과 해당 레코드의 위치 정보를 저장합니다.

예를 들어, 도서관에서 책을 찾을 때 책의 제목이나 저자별로 정리된 목록을 사용하는 것과 비슷합니다.

2. 인덱스의 장점

2.1 검색 속도 향상

인덱스의 주요 장점은 데이터 검색 속도를 크게 향상시킨다는 점입니다. 인덱스가 없으면 데이터베이스는 모든 레코드를 순차적으로 검색해야 하지만, 인덱스를 사용하면 원하는 데이터를 빠르게 찾을 수 있습니다.

예시 코드 (Node.js와 MySQL 사용):

const mysql = require('mysql2');

const connection = mysql.createConnection({
  host: 'localhost',
  user: 'your_username',
  password: 'your_password',
  database: 'your_database'
});

// 인덱스가 없는 경우
connection.query('SELECT * FROM users WHERE username = ?', ['john'], (err, results) => {
  if (err) throw err;
  console.log(results);
});

// 인덱스 생성
connection.query('CREATE INDEX idx_username ON users (username)', (err) => {
  if (err) throw err;
  console.log('Index created successfully');
});

// 인덱스를 사용한 검색
connection.query('SELECT * FROM users WHERE username = ?', ['john'], (err, results) => {
  if (err) throw err;
  console.log(results);
});

2.2 정렬 및 그룹화 성능 개선

인덱스는 ORDER BY나 GROUP BY 연산의 성능도 향상시킵니다. 이미 정렬된 상태로 데이터를 저장하기 때문에, 추가적인 정렬 작업이 필요하지 않습니다.

3. 인덱스의 단점

3.1 추가 저장 공간 필요

인덱스는 별도의 데이터 구조로 저장되기 때문에 추가적인 저장 공간이 필요합니다. 대규모 데이터베이스의 경우 이는 상당한 양의 저장 공간을 차지할 수 있습니다.

3.2 쓰기 작업 성능 저하

INSERT, UPDATE, DELETE와 같은 쓰기 작업 시 인덱스도 함께 업데이트해야 하므로 이러한 작업의 성능이 저하될 수 있습니다.

예시 코드:

// 인덱스가 있는 테이블에 데이터 삽입
connection.query('INSERT INTO users (username, email) VALUES (?, ?)',
['newuser', 'newuser@example.com'],
(err) => {
  if (err) throw err;
  console.log('User inserted');
});

4. 인덱스 사용 시 주의사항

4.1 적절한 컬럼 선택

모든 컬럼에 인덱스를 생성하는 것은 바람직하지 않습니다. 주로 검색 조건으로 자주 사용되는 컬럼이나 JOIN 연산에 사용되는 컬럼에 인덱스를 생성하는 것이 좋습니다.

4.2 인덱스 관리

데이터베이스의 데이터가 크게 변경되면 인덱스의 효율성이 떨어질 수 있습니다. 주기적으로 인덱스를 재구축하거나 최적화하는 것이 중요합니다.

// 인덱스 재구축
connection.query('ALTER TABLE users DROP INDEX idx_username, ADD INDEX idx_username (username)', (err) => {
  if (err) throw err;
  console.log('Index rebuilt');
});

결론

인덱스는 데이터베이스 쿼리의 성능을 크게 향상시킬 수 있는 강력한 도구입니다.

하지만 무분별한 사용은 오히려 성능 저하를 초래할 수 있으므로, 데이터베이스의 특성과 쿼리 패턴을 고려하여 적절히 사용해야 합니다. 인덱스의 장단점을 잘 이해하고, 필요한 곳에 적절히 적용함으로써 데이터베이스의 전반적인 성능을 최적화할 수 있습니다. 정기적인 모니터링과 관리를 통해 인덱스의 효율성을 유지하는 것도 중요합니다. 이를 통해 더 빠르고 효율적인 데이터베이스 시스템을 구축할 수 있습니다.

인덱스란 무엇인가?

인덱스는 데이터베이스에서 검색 속도를 향상시키기 위해 사용되는 자료 구조입니다. 책의 찾아보기와 유사한 역할을 하며, 원하는 정보를 빠르게 찾을 수 있게 해줍니다.

예를 들어, 도서관에서 책을 찾는 상황을 생각해 봅시다. 인덱스가 없다면 모든 책장을 일일이 살펴봐야 하지만, 도서 분류 시스템(인덱스)이 있다면 원하는 책의 위치를 빠르게 찾을 수 있습니다.

인덱스의 작동 원리

인덱스는 주로 B-tree(Balanced Tree) 구조를 사용합니다. B-tree의 주요 특징은 다음과 같습니다:

a) 균형 트리: 모든 리프 노드가 같은 레벨에 있어 검색 성능이 일정합니다.

b) 탐색 트리: 항상 정렬된 상태를 유지하여 빠른 검색이 가능합니다.

c) 다중 데이터 저장: 하나의 노드에 여러 데이터를 저장할 수 있어 효율적입니다.

B-tree를 사용하면 데이터를 로그 시간 복잡도(O(log n))로 검색할 수 있어, 전체 데이터를 스캔하는 것보다 훨씬 빠릅니다.

인덱스의 종류

a) 클러스터드 인덱스 (Clustered Index)

• 테이블의 물리적 데이터 순서를 결정합니다.
• 테이블당 하나만 존재할 수 있습니다.
• 주로 기본키(Primary Key)에 자동으로 생성됩니다.
• 데이터 검색이 매우 빠르지만, 데이터 삽입/수정 시 비용이 높을 수 있습니다.

b) 논클러스터드 인덱스 (Non-clustered Index)

• 별도의 인덱스 구조를 생성합니다.
• 하나의 테이블에 여러 개 생성이 가능합니다.
• 인덱스 구조에 실제 데이터의 위치 정보를 저장합니다.
• 클러스터드 인덱스에 비해 검색은 조금 느리지만, 데이터 변경에 따른 부담이 적습니다.

인덱스 사용의 실제 예시

음식점 정보를 담은 테이블에서 '서울'에 있는 음식점을 찾는 상황을 가정해 봅시다.

• 인덱스가 없을 때: 전체 데이터(예: 100만 개)를 순차적으로 스캔하며 '서울'인 주소를 찾습니다.
• 성능: 매우 느림 (모든 데이터를 확인해야 함)
• 주소에 인덱스가 있을 때:
  1. 인덱스 트리에서 '서울'을 빠르게 찾습니다.
  2. 해당 데이터의 실제 위치를 확인합니다.
  3. 필요한 데이터만 접근하여 결과를 반환합니다. 성능: 매우 빠름 (필요한 데이터에만 직접 접근)

실제 12만 개의 데이터에서 인덱스 사용 전후를 비교한 결과:

• 인덱스 사용 전: 검색 시간 약 0.44초
• 인덥스 사용 후: 검색 시간 약 0.02초 (약 20배 성능 향상)

효과적인 인덱스 사용시기

a) 적절한 컬럼 선택:

• WHERE, JOIN, ORDER BY 절에 자주 사용되는 컬럼
• 중복도가 낮은 컬럼 (예: 주민등록번호, 이메일 주소)
• 범위 검색보다는 정확한 값 검색에 사용되는 컬럼

b) 복합 인덱스 고려:

• 여러 컬럼을 함께 사용하는 쿼리가 자주 실행된다면 복합 인덱스를 고려하세요.
• 컬럼 순서가 중요합니다. 가장 자주 사용되는 컬럼을 첫 번째로 지정하세요.

c) 인덱스 개수 제한:

• 너무 많은 인덱스는 오히려 성능을 저하시킬 수 있습니다.
• 데이터 변경 작업(INSERT, UPDATE, DELETE)시 모든 인덱스를 업데이트 필요. (쓰기가 많은 경우 비추천)

d) 주기적인 인덱스 관리:

• 사용되지 않는 인덱스는 제거하세요.
• 필요에 따라 인덱스를 재구성하여 최적의 상태를 유지하세요.

주의사항

• 인덱스는 검색 성능을 향상시키지만, 데이터 변경 작업의 성능은 저하시킬 수 있습니다.
• 작은 테이블에서는 인덱스의 효과가 미미할 수 있습니다. (대규모에서 추천)
• 인덱스는 추가적인 저장 공간을 사용합니다.

출처 : https://www.youtube.com/watch?v=ywYdEls88Sw&list=PLgXGHBqgT2TvpJ_p9L_yZKPifgdBOzdVH&index=99