“📚[Backend Development] SQL에서 INDEX”

📝 Intro.

인덱스는 데이터베이스에서 검색 성능을 최적화하기 위해 사용되며, 데이터의 특성과 쿼리 유형에 따라 다양한 자료구조가 활용됩니다.

✅1️⃣ B+ Tree (Balanced Plus Tree)

✅ 개념

• 대부분의 관계형 데이터베이스(RDBMS)에서 기본적으로 사용하는 인덱스 구조.
• B-Tree의 확장형으로, 리프 노트(Leaf Node)에만 데이터를 저장하며 범위 검색이 빠름.
• 균형 트리(Balanced Tree) 구조로, 검색,삽입,삭제 연산이 $O(log N)$.
• 순차적 검색(ORDER BY, RANGE QUERY)에 최적화됨.

✅ 특징

• 📌 검색, 삽입, 삭제 모두 $O(log N)$
• 📌 ORDER BY, BETWEEN 검색이 빠름
• 📌 데이터가 정렬된 상태로 유지됨

✅ 사용 예시

CREATE INDEX idx_user_name ON users(name);
SELECT * FROM users WHERE name LIKE 'A%';

• LIKE ‘A%’ 같은 접듀서 검색(범위 검색) 시 최적화됨.

✅ 사용 DBMS

• 📌 MySQL (InnoDB)
• 📌 PostgreSQL
• 📌 Oracle
• 📌 SQL Server

✅2️⃣ Hash Index

✅ 개념

• 정확한 값 검색(Equality Search)에 최적화된 해시 테이블 기반 인덱스.
• WHERE column = ‘value’ 같은 조건에 최적화.
• 순차적 검색이나 범위 검색을 지원하지 않음.

✅ 특징.

• 📌 검색이 O(1)에 가까움 (해시 충돌이 없을 경우)
• 📌 WHERE 절의 = 연산에 최적
• 📌 ORDER BY, 범위 검색 불가능

✅ 사용 예시

CREATE INDEX idx_email_hash USING HASH ON users(email);
SELECT * FROM users WHERE email = 'user@example.com';

• 이메일 주소 검색 같은 정확한 값 조회에 적합.

✅ 사용 DBMS

• 📌 MySQL (MEMORY Engine)
• 📌 PostgreSQL
• 📌 Redis
• 📌 DynamoDB

✅3️⃣ LSM Tree (Log-Structured Merge Tree)

✅ 개념

• 쓰기 성능 최적화를 위한 NoSQL 및 시계열 데이터베이스(TSDB)에서 많이 사용됨
• 데이터를 메모리에 먼저 저장 후, 일정 크기가 되면 디스크에 병합(Merge)하는 방식.
• 읽기 성능이 상대적으로 낮지만, 쓰기(Writes) 성능이 뛰어남.

✅ 특징

• 📌 쓰기 성능이 뛰어남 (배치 삽입/삭제 최적화)
• 📌 NoSQL, 로그 데이터, 시계열 데이터에 최적
• 📌 랜덤 읽기가 느리면, 병합(Compaction) 비용 발생

✅ 사용 예시

• Cassandra, RocksDB, LevelDB에서 기본 인덱스로 사용됨

✅ 사용 DBMS

• 📌 Apache Cassandra
• 📌 RocksDB
• 📌 LevelDB
• 📌 Amazon DynamoDB

✅4️⃣ R-Tree (Rectangle Tree)

✅ 개념

• 공간(Spatial) 데이터 검색에 최적화된 트리 구조
• 위도/경도, 좌표 정보(GIS 데이터)를 검색할 때 주로 사용됨
• 2D, 3D 범위 검색(WHERE lat BETWEEN … AND lon BETWEEN …)에 유리.

✅ 특징

• 📌 위치 기반 검색(GIS) 최적화
• 📌 범위 검색(RANGE QUERY) 가능
• 📌 이진 트리가 아닌 공간 분할 트리 구조

✅ 사용 예시

CREATE INDEX idx_location ON locatioons USING GIST (geom);
SELECT * FROM locations WHERE ST_Within(geom, ST_GeomFromText('POLYGON((...))'));

• PostGIS, Oracle Spatial에서 사용됨

✅ 사용 DBMS

• 📌 PostgreSQL (PostGIS)
• 📌 Oracle Spatial
• 📌 MySQL (GIS 가능)

✅5️⃣ Bitmap Index

✅ 개념

• 중복 값이 많은 컬럼(성별, 상태값 등)에 최적화된 인덱스.
• 각 값에 대해 비트맵(Bit Map)으로 저장하여 검색 속도를 향상.
• 데이터 웨어하우스, OLAP(Online Analytical Processing)에서 주로 사용.

✅ 특징

• 📌 중복이 많은 데이터에 최적
• 📌 저장 공간이 적게 들고, 빠른 검색 가능
• 📌 쓰기(INSERT/UPDATE/DELETE) 성능이 낮음

✅ 사용 예시

CREATE BITMAP INDEX idx_status ON orders(status);
SELECT * FROM orders WHERE status = 'completed';

• 상태(status) 컬럼처럼 중복이 많은 데이터 검색 시 빠름.

✅ 사용 DBMS

• 📌 Oracle
• 📌 PostgreSQL
• 📌 ClickHouse

✅6️⃣ Skip List

✅ 개념

• 연결 리스트 기반 인덱스 구조로, 정렬된 데이터를 빠르게 검색.
• Redis의 Sorted Set(순위 랭킹)에서 사용됨.

✅ 특징

• 📌 B+Tree보다 간단한 구조
• 📌 읽기/쓰기 속도가 균형적
• 📌 Redis에서 순위 기반 랭킹(Key-Value 저장소)에 사용

✅ 사용 예시 (Redis)

redisTemplate.opsForZSet().add("ranking", "user1", 100);
redisTemplate.opsForZSet().add("ranking", "user2", 150);

• 점수 기반 랭킹을 빠르게 검색 가능.

✅ 사용 DBMS

• 📌 Redis
• 📌 Apache Ignite

✅7️⃣ 결론

• ✅ 관계형 데이터베이스(RDBMS)에서 가장 많이 사용하는 인덱스 ➞ B+ Tree
• ✅ 빠른 키-값 조회(Hash 검색)에 적합한 인덱스 ➞ Hash Index
• ✅ 쓰기 성능 최적화 (NoSQL, 로그 데이터) ➞ LSM Tree
• ✅ 공간 데이터(GIS, 위치 정보) 검색 ➞ R-Tree
• ✅ 중복 데이터(성별, 상태값) 검색 최적화 ➞ Bitmap Index
• ✅ 순위 랭킹, Redis Sorted Set ➞ Skip List