[SQLD] Chapter2. 데이터 모델과 SQL 1-4. 대량 데이터에 따른 성능

• 성능 저하 원인

원인	현상	결과
A 한 테이블에 데이터 대량 집중	테이블이 너무 커진다	- 효율성 ↓ - 디스크 I/O ↑
A 한 테이블에 여러 컬럼 존재	데스크 점유량이 높아진다	- 디스크 읽기 I/O ↑
B 대량 데이터 처리되는 테이블	-	- SQL문에서 데이터 처리를 위한 I/O ↑ - 인덱스 구성
B 대량 데이터가 한 테이블에 존재	-	- 인덱스 크기 증가로 인한 성능 저하
컬럼이 많아질 경우	-	- 로우체이닝, 로우마이그레이션 발생

 

• 해결 방안

현상	해결 방안
A 한 테이블에 많은 컬럼	수직 분할 (컬럼 단위로 분할하여 I/O를 줄임)
B 대량 데이터 저장 문제	파티셔닝 (수평 분할) or PK에 의한 테이블을 분할 (파티셔닝: 로우 단위로 분할하여 I/O를 줄임)

 

 

• 로우 체이닝과 로우 마이그레이션
  • 로우 체이닝: 
    • 행 길이가 길어서 데이터블록 하나에 데이터를 모두 저장하지 않고, 두 개 이상의 블록에 걸쳐서 하나의 로우를 저장하는 형태 (한 로우를 여러 체인처럼)
    • 1:1로 테이블을 분리하면 -> 디스크 I/O가 줄어 -> 조회 성능 향상
  • 로우 마이그레이션
    • 데이터블록에서 수정 발생 시, 수정된 데이터를 해당 블록에 저장하지 못하고 다른 블록에 빈 공간을 찾아 저장하는 방식
  • 파티셔닝
    • 한 테이블에 많은 데이터가 저장되면, 테이블을 아무리 쪼개도 성능이 저하되기 때문에 논리적으로는 하나의 테이블이지만 물리적으로는 여러 개의 테이블로 분리된 형태

 

• 수직/수평 분할 절차
  1. 데이터 모델을 먼저 완성
  2. DB 용량 산정
  3. 대량 데이터가 처리되는 테이블에 대해 트랜잭션 처리 패턴 분석
  4. 컬럼 or 로우 단위로 집중화된 처리가 발생하는지 분석해 테이블 분리