DB 성능 최정화를 위한 SQL 실전 가이드 — 『SQL 레벨업』

책 한눈에 보기

항목	내용
도서명	SQL 레벨업
저자	미크
키워드	SQL 최적화, DBMS 아키텍처, 실행 계획, 인덱스, 서브쿼리, 데이터 모델링

---

1. DBMS 아키텍처

• 다양한 DB 제품이 존재하지만, RDBMS의 기본 구조는 동일하며 데이터 영구 저장이라는 목적을 공유함.
• 쿼리 평가 엔진은 SQL을 분석해 실행 계획을 세우며, DBMS 성능의 핵심 모듈.
• 버퍼 매니저는 전용 메모리 영역인 버퍼를 관리해 디스크 I/O를 최소화함.
• 디스크 용량 매니저는 데이터를 어디에, 어떻게 저장할지를 제어함.
• DBMS 메모리는 데이터 캐시와 로그 버퍼로 나뉨.
• 실행 계획은 EXPLAIN EXTENDED SQL 구문으로 확인 가능.

---

2. SQL 기초

• 뷰(View)는 SELECT 구문을 데이터베이스 안에 저장해 재사용성을 높임.
• CASE식은 절차지향 언어의 switch와 비슷하게 조건 분기 가능.
• WHERE은 개별 레코드 조건, HAVING은 집합 조건 지정에 사용.
• UNION 사용 시 조건 분기를 잘못 설계하면 성능 저하 발생 가능.

---

3. SQL의 조건 분기

• UNION 기반 조건 분기는 여러 SELECT가 실행되어 I/O 비용 증가 위험이 있음.
• 반면, 여러 테이블 검색 결과를 합쳐야 하는 경우에는 UNION이 효과적인 도구가 될 수 있음.

---

4. 집약과 자르기

• 집약 함수: COUNT, SUM, AVG, MAX, MIN 등.
• 자르기(Slicing)는 테이블을 부분 집합으로 분할하는 작업.
• GROUP BY 구로 생성된 집합을 수학적으로는 파티션(Partition)이라 부름.
• GROUP BY는 단순 필드뿐만 아니라 복잡한 수식 기준으로도 사용 가능.

---

5. 결합

• INNER JOIN은 결합 조건 필수.
• 외부 결합(LEFT/RIGHT/FULL)은 기준 테이블 방향에 따라 차이가 있음.
• 자기 결합(Self Join)은 같은 테이블에 별칭을 붙여 다른 테이블처럼 활용.
• Hash 알고리즘은 균일한 값 분포를 보장하여 JOIN 효율성을 높임.

---

6. 서브쿼리

• 서브쿼리는 뷰와 유사하지만 일시적이며 실행 중에만 존재.
• 성능 문제는 데이터를 물리적으로 저장하지 않는 특성에서 발생.
• 윈도우 함수로 대체하면 성능이 개선될 가능성이 높음.
• 사용 시에는 결합 대상 레코드 수를 줄여 성능 최적화 필요.

---

7. 갱신과 데이터 모델

• 갱신 SQL은 강력하지만 실제로는 검색 SQL만큼 주목받지 못함.
• 데이터 모델 차원에서 설계하면 성능 문제를 근본적으로 해결 가능.
• 에릭 레이먼드:

"현명한 데이터 구조 + 단순한 코드"가 "잘못된 데이터 구조 + 복잡한 코드"보다 낫다.

• 데이터 모델이 테이블 구조를 결정하며, 그 반대는 아님.

---

8. 인덱스 사용

• 가장 널리 쓰이는 인덱스 구조는 B-tree.
• 성능 지표 중 하나인 클러스터링 팩터는 데이터 물리적 밀집도를 나타냄.
• 인덱스 선택 기준:
  1. 카디널리티 높음 → 값이 다양할수록 인덱스 효율적.
  2. 선택률 낮음 → 조건으로 적은 레코드만 추출될수록 성능이 좋음.
• 인덱스가 적용되지 않는 경우:
  • LIKE 중간·후방 일치
  • 인덱스 필드 연산
  • IS NULL, NOT IN, <> 등 부정 조건
• 대체 방법: UI 설계 조정, 데이터 마트 활용 등.

---

💡 Quick Insight

• DBMS 핵심: 쿼리 엔진·버퍼 매니저·실행 계획
• WHERE vs HAVING: 레코드 조건 ↔ 집합 조건
• UNION: 성능 리스크, 필요 시 신중히 사용
• GROUP BY: 데이터 파티션 생성
• JOIN: 내부/외부/자기 결합, Hash 알고리즘 활용
• 서브쿼리: 편리하지만 성능 리스크 존재
• 갱신 SQL: 데이터 모델링이 근본 해법
• 인덱스: 카디널리티↑, 선택률↓일수록 효과적

---

마무리 생각

SQL 최적화는 단순히 구문을 줄이는 문제가 아니라, 데이터 모델링·인덱스·실행 계획까지 아우르는 종합적인 작업임을 알 수 있었다.
쿼리 효율화를 넘어 데이터 구조를 올바르게 설계하는 것이야말로 성능 최적화의 핵심이다.