Index에 대하여

Index는 RDB에서 빠질 수 없는 중요한 요소입니다.
이번 포스팅에서는 Index에 대해서 전체적으로 폭넓게 알아보도록 하겠습니다.

Index

Index란

추가적인 쓰기 작업과 저장 공간을 활용하여 데이터베이스 Table의 검색 속도를 향상시키기 위한 자료구조
입니다.
흔히 보는 책들을 생각하면 특정 주요 Keyword들에 대해 색인을 만들어 찾고자 하는 페이지를 빠르게 찾아가도록 돕듯이,
Table에서 Data를 좀 더 빠르게 찾을 수 있도록 도와주는 일종의 ‘색인’ 이라고 생각하면 좋습니다.

Index의 장단점

Index를 사용하면 Data를 빠르게 찾을 수 있어서 좋다고만 생각할 수 있는데 반드시 그런 것만은 아닙니다.
Index 사용에도 장단점이 각각 존재합니다.
장점

• Query로 Data를 빠르게 찾을 수 있습니다. 특히, 대량의 Data에서 검색 성능을 크게 향상시킬 수 있습니다.
• Data 정렬 및 그룹화 작업을 효율적으로 수행할 수 있습니다.

단점

• Index도 결국에는 무언가를 저장해두는 자료 구조이므로 추가적인 저장 공간을 사용해야 합니다.
• Insert, Delete, Update 시 Index도 같이 갱신되어야 하므로, 추가적인 overhead가 발생하여 성능에 영향을 미칠 수 있습니다.

따라서, Table에 Index를 많이 설정한다고 해서 무조건 좋은 것도 아니므로
Query 성능을 테스트하며 적절히 사용하는 것이 좋습니다.

Index의 종류

Clustering Index vs Non-Clustering Index

• Search Key들이 File의 Sequential Order와 같으면 Clustering Index, 다르면 Non-Clustering Index 입니다.
  • 즉, Table의 Data가 Index의 순서대로 물리적으로 정렬됩니다.

Dense Index vs Sparse Index

Dense Index

• Dense Index는 File에 있는 모든 Search Key에 대해 Index Record가 존재합니다.
• 추가적인 저장 공간이 필요할 수 있지만 조회가 빠릅니다.

Sparse Index

• Sparse Index는 전부가 아니라 일부 몇 개의 Search Key에 대해서만 Index Record가 존재합니다.
• Record들이 정렬되어 있을 때만 사용 가능합니다.
• 저장 공간은 절약할 수 있지만 조회가 상대적으로 느립니다.

Covering Index

특정 Query를 수행할 때 필요한 모든 정보를 Index에서 직접 바로 얻을 수 있도록 설계된 Index입니다.
실제 Table을 조회하지 않고 Index 자체만으로 원하는 결과값을 얻을 수 있어서, 성능이 크게 향상될 수 있습니다.

B-Tree and B+Tree

B-Tree 와 B+Tree 는 Index를 ‘구현’할 때 사용되는 중요한 자료 구조입니다.
B-Tree 는 Data와 Key가 모두 포함될 수 있는 반면,
B+Tree 는 모든 Data가 Leaf Node에 저장되고 그러한 Leaf Node들이 서로서로 연결되어 있어 Range Query와 같은 작업에 적합합니다.

Index는 성능 개선과 직결된 요소이므로 꼭 학습하고 넘어가야 하는 부분 중 하나라고 생각합니다.
이것으로 Index에 대한 이번 포스팅을 마치도록 하겠습니다.