[Database/데이터베이스] 인덱스 Index

👉🏻인덱스 Index에 대해 설명하고, 장단점을 설명해주세요

• 인덱스란 테이블을 처음부터 끝까지 검색하는 방법인 FTS(Full Table Scan)과는 다르게 인덱스를 검색하여 해당 자료를 테이블에 액세스하는 방법입니다.
  예를 들어, DB를 책으로 비유한다면 데이터는 책의 내용이 되고, 데이터가 저장된 레코드의 주소는 인덱스 목록에 있는 페이지 번호가 됩니다.

장점

• 인덱스는 항상 정렬된 상태를 유지하기 때문에 (원하는 값을) 검색에 빠르다.
• 때문에, 인덱스를 사용하면 ORDER BY에 의한 정렬(Sort) 과정을 피할 수가 있고, MIN, MAX값의 효율적인 처리가 가능하다.

단점

• 하지만 새로운 값을 추가, 수정 삭제 하는 경우에는 쿼리문 실행 속도가 느려진다.
• 즉, 인덱스는 DML에 약하다.
  INSERT, UPDATE, DELETE를 통해 데이터가 추가되거나 값이 바뀐다면 인덱스 테이블 내에 있는 값들을 다시 정렬을 해야 한다. 그리고 위에 사진처럼 인덱스 테이블, 원본 테이블 이렇게 두 군데의 데이터 수정 작업을 해줘야 한다는 단점도 발생한다. 그렇기 때문에 DML이 빈번한 테이블보다 검색을 위주로 하는 테이블에 인덱스를 생성하는 것이 좋다.

즉, 인덱스는 데이터의 저장 성능을 희생하고 그대신 데이터의 검색 속도를 높인 기능이라 할 수 있다.

👉🏻DBMS는 Index를 어떻게 관리하고 있나요?(Index 자료구조)

B-Tree

• 자식 노드가 2개 이상인 B-Tree를 개선시킨 자료구조이며,
• BTree 리프노드들을 LinkedList로 연결하여 순차 검색을 용이하게 한다. 해시 테이블보다 나쁜 O(log2N)의 시간복잡도를 갖지만 일반적으로 사용되는 자료구조이다.

해시테이블     

• 컬럼의 값으로 생성된 해시를 기반으로 인덱스를 구현한다.
• 시간복잡도가 O(1)이라 검색이 매우 빠르다.

👉🏻왜 index 를 생성하는데 b-tree 를 사용하는가?

• 해시테이블의 경우 부등호(<,>)와 같은 연속적인 데이터를 위한 순차 검색이 불가능하기 때문에 사용에 적합하지 않아 B-Tree를 사용한다.

👉🏻기본 인덱스와 보조 인덱스(Primary Index vs Secondary Index)

기본 인덱스

• 인덱스가 기본 키를 기반으로 하는 경우 이를 기본 인덱스라고 한다.
• 이러한 키는 각 레코드에 대해 고유하다. 또한 레코드 간의 1:1 관계를 포함한다.
• 기본 인덱스를 사용하여 데이터를 검색하는 것은 정렬된 순서로 데이터를 저장하기 때문에 효율적이다.

보조 인덱스

• 보조 인덱스는 다른 수준의 인덱싱을 도입하여 매핑 크기를 줄이는 데 도움이 되는 인덱스이다.
• 초기 단계에서 열의 범위를 선택한다. 따라서 첫 번째 수준의 매핑 크기가 작아진다. 그런 다음 이 인덱스 방법은 각 범위를 더 작은 범위로 줄인다.
• 일반적으로 기본 메모리는 주소를 더 빨리 가져오기 위해 첫 번째 수준 매핑을 저장한다. 또한 보조메모리는 두 번째 수준의 매핑과 실제 데이터를 저장한다.

즉, 기본 인덱스는 필드의 기본 키를 포함하고 중복 항목을 포함하지 않는 필드 집합의 인덱스인 반면,
보조 인덱스는 기본 인덱스가 아닌 인덱스이며 중복을 포함할 수 있다.

👉🏻결합 인덱스(Composite Index)

• 결합 인덱스란 인덱스를 생성할 때 두 개 이상의 컬럼을 합쳐서 인덱스를 만드는 것을 말한다.

👉🏻Index 의 성능과 고려해야할 사항

• 데이터베이스 서버에 성능 문제가 발생하면 가장 빨리 생각하는 해결책이 인덱스 추가 생성이다.
  문제가 발생할 때마다 인덱스를 생성하면서 인덱스가 쌓여가는 것은 하나의 쿼리문을 빠르게는 만들 수 있지만,
  전체적인 데이터베이스의 성능 부하를 초래한다.
• 조회 성능을 극대화하려 만든 객체인데 많은 인덱스가 쌓여서 INSERT, UPDATE, DELETE 시에
  부하가 발생해 전체적인 데이터베이스 성능을 저하한다.
• 그렇기에 인덱스를 마구잡이로 생성하는 것보다는 SQL문을 좀 더 효율적으로 짜는 방향으로 나가야 한다.