데이터베이스 인덱스

Posted Mar 7, 2023

By 6 min read

Index

소개

인덱스는 테이블의 컬럼 색인화, 책의 목차 기능을 제공한다. 데이터 정렬 후 별도의 메모리 공간에 저장하는데, 이 형태는 컬럼 값(key), 물리 주소(value)로 설정된다.

목적

first_name	age
kim	15
lee	30
park	25
lee	20
park	10

다음과 같은 자료가 있다고 가정해보자. 만약 인덱스가 없다면 다음과 같은 쿼리를 실행했을 경우 데이터베이스를 모두 스캔해야 한다.

  
SELECT first_name FROM 'TABLE' WHERE age = 20

하지만 인덱스가 있다면, 인덱스 테이블에서 해당 자료의 위치를 빠르게 찾아 결과를 빠르게 탐색할 수 있다. 인덱스 존재 유무에 따른 속도 테스트를 진행해 보았다. 코드는 다음과 같다.

Entity

  
@Table(indexes = {@Index(name = "test_index",columnList = "first_name")}) 
// 해당 어노테이션을 기입, 제거하는 방식으로 진행했다. 

@Getter
@NoArgsConstructor
@AllArgsConstructor
@Entity
@Builder
public class TestEntity {

    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;

    @Column(name = "first_name")
    private String firstName;
}

Test Code

  
@SpringBootTest
@TestInstance(TestInstance.Lifecycle.PER_CLASS)
public class DBTest {

    @Autowired
    private TestRepository testRepository;

    @BeforeAll
    void init(){
        for(long i = 0; i < 1000000; i++){
            TestEntity test = TestEntity.builder()
                    .firstName("kim" + i)
                    .build();
            testRepository.save(test);
        }

    }

    @AfterAll
    void release(){
        testRepository.deleteAll();
    }

    @ParameterizedTest
    @ValueSource(ints = {1,2,3,4,5,6,7,8,9,10})
    void test(int count){
        testRepository.findByFirstName("kim" + count);
    }
}

결과는 다음과 같다.

인덱스 존재

인덱스 없음

인덱스의 존재 유무에 따라 차이가 확연한 것을 볼 수 있다.

장점

검색 속도 및 성능 향상(조건부)

인덱스는 정렬된 형태의 데이터를 가지기 때문에, 인덱스를 통해 테이블 검색 속도가 향상되고 이는 전반적인 어플리케이션의 성능 향상으로 이어질 수 있다. 하지만 반드시 인덱스를 설정한다고 모든 프로그램의 성능이 좋아지리라는 보장은 없다.

단점

잦은 데이터 수정 시 성능 저하

테이블의 데이터를 수정 시 인덱스의 내용도 수정되어야 한다. 이는 삽입 및 수정이 빈번한 경우에는 오히려 더 큰 부하로 작용할 수 있다.

데이터 제거 시 인덱스는 제거되지 않음

테이블에서 데이터가 삭제되어도, 인덱스 테이블에서는 ‘사용하지 않음’ 처리 후 데이터를 남겨둔다고 한다. 이는 실제 데이터에 비해 인덱스 과도하게 커지는 문제점이 발생할 수 있다.

검색 성능 저하

인덱스를 잘못된 컬럼에 걸어 놓으면 오히려 성능이 저하될 수 있다. 나이, 성별과 같은 값의 범위가 좁은 경우에는 인덱스를 확인해도 어차피 다시 많은 데이터를 조회해야 하기 때문이다.

사용하면 좋은 경우

데이터의 수정 및 삭제가 자주 발생하지 않으며, 검색과 같은 조회가 잦고, 데이터의 중복도가 낮은 컬럼을 인덱스로 사용하면 큰 효과를 볼 수 있다.

내부 구현

key, value로 이루어져 있기 때문에 해시테이블 같은 자료구조를 떠올리기 쉬우나, 해시테이블의 특성상 등호(==) 연산에만 최적화 되어있고, 부등호(>, <) 연산에는 취약하므로 잘 사용되지 않는다고 한다. 실제 구현은 검색 범위를 좁히기도 쉽고, 범위 검색에도 좋은 B+ 트리를 사용한다고 한다.

B+ Tree

B+ 트리는 오직 leaf node에만 데이터를 저장한다. leaf node가 아닌 node에서는 자식의 포인터만 저장하고, 특정 key 에 접근하기 위해서는 leaf node까지 가야 한다. 그리고 leaf node끼리는 Linked list로 연결되어 있는데, 이를 통해 효율적인 순차 검색, 부등호 연산이 가능해지게 된다.

참고

코딩애플, index가 뭔지 설명해보세요, https://www.youtube.com/watch?v=iNvYsGKelYs

This post is licensed under CC BY 4.0 by the author.