[데이터베이스] 인덱스(Index) 란?

인덱스(Index) 란?

인덱스(Index)는 데이터베이스에서 특정 열(칼럼)의 검색 성능을 향상시키기 위해 사용되는 데이터 구조입니다.

인덱스는 데이터베이스 테이블 내의 특정 열에 대한 정렬된 데이터 세트를 제공하여 검색 및 조회 작업을 더 효율적으로 수행할 수 있게 해줍니다.

 

Index가 필요한 이유

Index는 데이터베이스에서 table의 검색 성능을 높여주는 대표적인 방법 중 하나입니다.

일반적인 RDBMS(관계형데이터베이스)에서는 B+Tree구조로 된 index를 사용하여 검색속도를 향상시킵니다.

 

index는 책마다 마지막 페이지에 있는 색인(index)과 같은 역할을 하는 자료구조입니다.

책에서 어떤 용어나 단어를 찾기 위해 첫 페이지부터 끝 페이지까지 전체를 훑지 않아도(Full Table Scan) index를 찾아보면 몇 페이지에 적혀 있는지 바로 찾을 수 있는 것(Index Scan)과 비슷합니다.

 

SELECT ~ WHERE query를 통해 특정 조건을 만족하는 데이터를 찾을 때, full table scan할 필요 없이 정렬되어 있는 index에서 훨씬 빠른 속도로 검색할 수 있게 됩니다.

 

Index 구조

Index는 Btree, B+tree, Hash, Bitmap로 구현될 수 있습니다.

많은 데이터베이스 시스템에서 index는 B+tree구조를 가집니다.

index를 생성하게 되면 특정 column(속성, attribute)의 값을 기준으로 정렬하여 데이터의 물리적 위치와 함께 별도 파일에 저장합니다.

이 때, Index에 저장되는 속성 값을 search-key값이라 하고 실제 데이터의 물리적 위치를 저장한 값을 pointer라고 합니다.

즉, index는 순서대로 정렬된 search-key값과 pointer값만 저장하기 때문에 table보다 적은 공간을 차지합니다.

정리해보면 특정 column을 search-key 값으로 설정하여 index를 생성하면, 해당 search-key 값을 기준으로 정렬하여 (search-key, pointer)를 별도 파일에 저장합니다.

이를 index라고 합니다.

 

Index 사용하는 이유

Table에 데이터를 지속적으로 저장하게 되면 내부적으로 순서 없이 쌓이게 됩니다.

이 경우에 특정 조건을 만족하는 데이터를 찾고자 WHERE절을 사용한다면 Table의 row(record)를 처음부터 끝까지 모두 접근하여 검색 조건과 일치하는지 비교하는 과정이 필요합니다.

이를 Full Table Scan이라고 합니다.

하지만 특정 coloumn에 대한 Index를 생성해 놓은 경우 해당 속성에 대하여 search-key가 정렬되어 저장되어 있기 때문에 조건 검색(SELECT ~ WHERE) 속도가 굉장히 빠릅니다.

 

클러스터형 인덱스와 보조 인덱스(clustering index & secondary index)

클러스터형 인덱스 (clustering index)	특정 column을 기본키(primary key)로 지정하면 자동으로 클러스터형 인덱스가 생성되고, 해당 column 기준으로 정렬이 됩니다. Table 자체가 정렬된 하나의 index인 것입니다. 마치 영어사전처럼 책의 내용 자체가 정렬된 것을 떠올리면 쉽습니다.
보조 인덱스 (secondary index)	일반 책의 찾아보기와 같이 별도의 공간에 인덱스가 생성됩니다. create index와 같이 index를 생성하기를 하거나 고유키(unique key)로 지정하면 보조 인덱스가 생성됩니다.

 

Index 장점

인덱스의 최대 장점은 검색 속도 향상 (SELECT~WHERE~) 입니다.

테이블을 만들고 안에 데이터가 쌓이게 되면 테이블의 record는 내부적으로 순서가 없이 뒤죽박죽으로 저장됩니다.

이렇게 되면 WHERE절을 통해 특정 조건에 맞는 데이터들을 찾아낼 때에도 record의 처음부터 끝까지 다 읽어서 검색 조건과 맞는지 비교해야 합니다. 이것을 Full Table Scan이라고 합니다.

반면에 index를 생성하면 index에는 데이터들이 정렬되어 저장되어 있기 때문에 검색 조건에 일치하는 데이터들을 빠르게 찾아낼 수 있습니다. 이것이 Index를 사용하는 가장 큰 이유입니다.

 

데이터 검색 속도 향상

가장 중요한 장점 중 하나는 검색 속도의 향상입니다.

인덱스는 특정 열(칼럼)에 대한 정렬된 데이터 세트를 제공하므로 검색 연산이 빠르게 수행됩니다.

특히 대용량의 데이터베이스에서는 인덱스를 사용하면 전체 테이블을 스캔하지 않고도 원하는 데이터에 빠르게 접근할 수 있습니다.

범위 검색 성능 향상

정렬된 데이터를 갖는 인덱스는 범위 검색(특정 값 사이의 범위에서 데이터 검색)에 매우 효과적입니다.

이는 BETWEEN, >, <와 같은 연산에서 성능을 크게 향상시킵니다.

유니크한 값 관리

유니크한 제약 조건을 갖는 인덱스는 중복된 값을 허용하지 않습니다.

이는 데이터 무결성을 유지하고 실수로 중복 데이터가 입력되는 것을 방지하는데 도움을 줍니다.

정렬된 결과 반환

몇몇 데이터베이스는 인덱스를 사용하여 데이터를 정렬된 상태로 저장하므로, ORDER BY와 같은 정렬된 결과를 요구하는 쿼리의 성능이 향상됩니다.

쿼리 최적화

데이터베이스 옵티마이저는 인덱스를 활용하여 쿼리 실행 계획을 최적화합니다.

이를 통해 데이터를 효율적으로 가져오고 처리할 수 있습니다.

조인 성능 향상

조인 연산에서 인덱스를 사용하면 조인 조건의 검색 속도가 향상되어 전체 쿼리 성능이 향상됩니다.

데이터베이스 성능 일반적인 향상

인덱스를 효과적으로 사용하면 전반적인 데이터베이스 성능이 향상됩니다.

쿼리의 응답시간이 단축되고, 시스템 자원이 효율적으로 사용됩니다.

쓰기 작업에 대한 최적화

일부 데이터베이스는 인덱스를 사용하여 쓰기 작업의 성능을 최적화하는 기능을 제공합니다.

이는 인덱스의 유형 및 설정에 따라 다를 수 있습니다.

테이블 판별성 강화

인덱스 특정 열에 대한 빠른 검색을 제공하므로, 테이블의 판별성(분류 또는 구분력)을 강화합니다.

 

Index 단점

인덱스는 검색 성능을 향상시키는 등 많은 이점을 제공하지만, 단점들을 고려하여 데이터베이스 인덱스를 신중하게 설계하고 관리해야 합니다.

인덱스의 사용은 특정한 상황과 요구사항에 맞게 조절되어야 하며, 필요하지 않은 인덱스는 삭제하여 자원을 효과적으로 관리해야 합니다.

 

쓰기 성능 저하

인덱스를 생성하면 테이블에 새로운 데이터를 추가하거나 기존 데이터를 수정, 삭제할 때 인덱스도 함께 업데이트 되어야 합니다.

따라서 쓰기 작업(INSERT, UPDATE, DELETE)에 대한 성능이 저하될 수 있습니다.

저장 공간 부담

인덱스는 저장 공간을 차지합니다.

대용량의 테이블이나 여러 개의 인덱스가 있는 경우, 디스크 공간의 소비가 늘어날 수 있습니다.

이는 특히 메모리에 적재되어 더 빠른 검색을 제공하는 경우에 부담이 될 수 있습니다.

인덱스 유지 비용

인덱스를 유지하기 위해 데이터 삽입, 수정, 삭제 시에 추가적인 작업이 필요하며, 이로 인해 오버헤드가 발생합니다.

이는 데이터의 변경이 자주 일어나는 경우에 더 부각될 수 있습니다.

다양성 있는 쿼리에 대한 최적화 어려움

모든 쿼리에 대한 인덱스를 생성하는 것은 현실적으로 어렵습니다.

어떤 쿼리에는 인덱스가 도움이 되지 않을 수 있고, 다른 쿼리에서는 효과적일 수 있습니다.

따라서 다양한 쿼리 패턴에 대한 최적화가 어려울 수 있습니다.

자주 사용되지 않는 인덱스의 낭비

데이터베이스에서 자주 사용되지 않는 인덱스는 자원을 낭비할 수 있습니다.

특히 변경이 자주 일어나는 테이블에는 실제로 사용되지 않는 인덱스를 제거하는 것이 성능 향상에 도움이 될 수 있습니다.

복합 인덱스의 주의사항

복합 인덱스는 여러 열을 기반으로 만들어지며, 쿼리에서 사용되는 순서와 일치해야 최적의 성능을 발휘합니다.

잘못된 순서로 인덱스를 구성하면 성능 향상이 기대한 대로 이루어지지 않을 수 있습니다.

업데이트된 통계 유지 어려움

일부 데이터베이스 시스템은 인덱스의 통계를 사용하여 쿼리 실행 계획을 수립합니다.

통계가 업데이트되지 않으면 최적의 실행 계획을 수립하는 것이 어려울 수 있습니다.

 

SELECT의 성능을 높일 수 있는 방법

SELECT query의 성능을 높이는 가장 대표적인 방법중에 하나는 Index를 사용하는 것입니다.

index를 사용하게 되면 SELECT WHERE절처럼 특정 조건을 만족하는 데이터를 검색할 때 table의 모든 데이터를 살펴볼 필요 없이 index에서 빠르게 해당 데이터에 접근할 수 있게 됩니다.

 

Index의 내부동작 원리

index는 대부분 B+ Tree 자료구조로 이루어져 있어, WHERE 조건과 일치하는 데이터들의 저장 위치를 훨씬 빠르게 찾을 수 있습니다.

 

Index를 많이 생성하면 안되는 이유

index를 생성하면 조건 검색 성능이 향상될 수 있습니다.

하지만 추가 저장공간이 필요하고, 데이터를 추가/수정/삭제를 할 때마다 관련 index를 모두 수정해줘야 되기 때문에 시간이 추가적으로 소요됩니다.

따라서 추가 저장공간과 데이터 업데이트시 소요되는 추가 시간 등을 복합적으로 고려하여 조건 검색의 성능향상이 더 큰 이득이 된다고 판단되는 column에만 index를 생성하는 것이 좋습니다.

 

Index로 사용하기 좋은 column

index는 where 절에서 자주 조회되고, 수정 빈도가 낮으며, 카디널리티는 높고, 선택도가 낮은 column을 선택해서 설정하는 것이 가장 좋습니다.

기준	적합성
카디널리티(Cardinality)	높을수록 적합 (데이터 중복이 적을수록 적합)
선택도(Selectivity)	낮을수록 적합
조회 활용도	높을수록 적합 (where 절에서 많이 사용되면 적합)
수정 빈도	낮을수록 적합

 

Index 효과적으로 사용하는 방법

• SELECT WHERE절에 자주 사용되는 Column에 대해 index를 생성하는 것이 좋습니다.
• 데이터 수정 빈도가 낮을수록 적합합니다. insert / update / delete 작업 시, 데이터에 변화가 생기기 때문에 index에서는 매번 정렬을 다시 해야합니다. 이에 따른 부하가 발생하기 때문에 수정 빈도가 낮은 column을 index로 설정하면 좋습니다.
• 데이터의 중복이 높은 column은 index 효과가 별로 없습니다. 예를 들어 성별은 종류가 2 가지 밖에 없으므로 index를 생성하지 않는 것이 좋습니다. 즉, 선택도가 낮을 때 유리합니다.(보통 5~10% 이내)
• 데이터의 양이 많을수록 index로 인한 성능향상이 더 큽니다. 데이터 양이 적다면 index의 혜택보단 손해가 더 클 수 있습니다.
• Join 조건으로 자주 사용되는 column의 경우
• 한 table에 index가 너무 많으면 데이터 수정시 소요되는 시간이 너무 길어질 수 있습니다. (table당 4~5개 정도 권장)

 

 

 

 

 

 

---

참고

https://www.nossi.dev/