Deep_Dive_SQL_이론_#3.md

Deep Dive SQL 이론 #3

성능 데이터 모델링 ★

아키텍쳐 모델링

• 데이터 모델링 과정에서 데이터의 구조와 관계를 정의.

• 아키텍처 모델링은 시스템의 전반적인 구조와 데이터 플로우를 중점적으로 다룬다.

• 정규화: 데이터의 중복을 최소화하고 데이터의 무결성을 유지하기 위해 데이터를 구조화하는 과정.

• 반정규화: 성능 향상을 위해 일부러 데이터의 중복을 허용하는 과정.

SQL 튜닝

• 데이터베이스의 성능을 최적화하기 위해 SQL 쿼리를 수정하는 과정.

  • 이는 쿼리의 실행 속도를 높이거나 시스템 리소스 사용을 줄이는 데 중점을 둔다.

• Join 수행 원리: 두 개 이상의 테이블에서 데이터를 결합하는 방식에 대한 원리.

Hash Join

• Hash Join은 주로 중간 크기의 테이블 간의 Join에 유리.

• 등가 Join: 두 테이블에서 같은 값을 가진 레코드를 결합하는 Join 방식.

• 선행 테이블: Hash Join에서 먼저 스캔 되는 테이블.

NL (Nested Loop) Join

• 대용량 sort 작업.

• 선행 테이블이 작을수록 유리.

• 랜덤 액세스: 데이터베이스의 레코드에 무작위로 접근하는 것.

Sort Merge Join

• 두 테이블의 Join Key를 먼저 정렬한 후 Join을 수행하는 방식.

Optimizer

• 데이터베이스에서 쿼리를 어떻게 실행할지 결정하는 컴포넌트.

• CBO (Cost-Based Optimizer): 쿼리의 실행 계획을 결정할 때 예상 비용을 기반으로 최적의 실행 계획을 선택.

• RBO (Rule-Based Optimizer): 미리 정의된 규칙 세트를 기반으로 쿼리의 실행 계획을 결정.

정규화 ★★★

• Select 시 join 때문에 느려질 수 있다. (테이블이 늘어나서)
• Insert, update는 빨라질 수 있다. (테이블 사이즈가 작아져서)

이상 현상

• 삽입 이상(insertion anomaly)：새 데이터를 삽입하기 위해서 불필요한 데이터도 함께 삽입해야 하는 이상 문제

• 갱신 이상(update anomaly)：중복튜플 중 일부만 변경하여 데이터가 불일치하게 되는 이상 문제

• 삭제 이상(delete anomaly)：튜플을 삭제하면 필요한 데이터까지 함께 삭제되는 이상 문제

반 정규화 ★★

• 반 정규화는 데이터의 무결성을 해칠 수 있으므로 주의가 필요하다.

절차

• 1. 대량 범위 처리 빈도수 조사
• 2. 범위 처리 빈도수
• 3. 통계처리 여부

종류	설명
테이블 병합 1:1/1:M	두 개의 테이블을 하나로 합치는 방식
슈퍼/서브타입 병합	슈퍼 타입과 서브타입의 테이블을 합치는 방식
부분 테이블 분할	하나의 테이블을 여러 부분 테이블로 분리
통계 테이블 분할	통계 정보를 담은 테이블을 분할
중복 테이블 분할	중복된 정보를 갖는 테이블을 분할
이력 컬럼 추가	데이터 변경 이력을 추적하기 위한 컬럼 추가
중복 컬럼 추가	성능 향상을 위한 중복 컬럼 추가
PK를 일반 컬럼으로 병합	Primary Key를 일반 컬럼으로 변경
파생 컬럼 추가	다른 컬럼에서 파생된 값을 저장하는 컬럼 추가
응용시스템 오작동을 피하기 위한 임시 값 컬럼 추가	임시값을 저장하는 컬럼 추가
중복 관계 추가	중복된 관계를 테이블에 추가

데이터에 따른 성능

Row Migration (행 이전)

항목	설명
정의	Update로 인해 행 길이가 증가했을 때 발생하는 현상.
원리	원래 정보를 기존 블록에 남겨두고 실제 데이터는 다른 블록에 저장. 이로 인해 성능 감소 발생.
해결책	PCTFREE 영역을 충분히 할당. 단, 너무 크게 설정하면 공간 효율성이 감소될 수 있음.

Chaining (행 연결)

항목	설명
정의	데이터 크기 때문에 여러 블록에 나누어 저장되는 현상.
원리	2개 이상의 데이터 블록을 검색해야 함. 행조각 및 Row Pointer로 블록 내에 저장.
해결책	DB_BLOCK_SIZE를 크게 설정하여 최소화 가능. 단, 크게 설정하기 어렵거나 항상 바람직하지 않을 수 있음.

Partitioning

Partition Type	기준	특징
List partition	특정 값	관리가 쉬우나 데이터가 한쪽으로 치우칠 수 있음.
Range partition	특정 값의 범위	관리가 쉬우며 가장 널리 사용됨.
Hash partition	데이터의 분산	관리가 상대적으로 어려움.

슈퍼/서브타입

• 트랜잭션은 항상 일괄로 처리하는데 테이블은 개별로 유지되어 Union 연산에 의해 성능이 저하될 수 있다.

• 트랜잭션은 항상 서브타입 개별로 처리하는데 테이블은 하나로 통합되어 있어 불필요하게 많은 양의 데이터 때문에 성능이 저하된다.

• 트랜잭션은 항상 슈퍼＋서브타입을 공통으로 처리하는데 개별로 유지되어 있거나 하나의 테이블로 집약되어 있어 성 능이 저하된다.

분산 데이터베이스

인덱스 (Index)

인덱스 사용이 불가능한 경우

상황	설명
부정형 연산자	인덱스의 값과 일치하지 않는 경우 검색하는 연산자 (예: !=, <> 등)
LIKE	LIKE 사용 시, 와일드카드가 앞에 위치하면 인덱스가 사용되지 않음 (예: %something)
묵시적 형 변환	다른 데이터 타입으로 암묵적으로 형 변환이 발생하는 경우

인덱스의 부작용

문제	설명
DML 성능 저하	인덱스가 있을 경우, INSERT, UPDATE, DELETE 연산이 느려질 수 있음