지극히 개인적인 이야기

- Nested Loop Join
가장 많이 사용되는 조인으로 소량의 데이터 추출에 적합함
드라이빙 테이블이 중요함 (인덱스 매칭율, 데이터 통계정보에 의해서 결정함)

- Hash Join
해시 알고리즘을 사용하는 조인
CPU, 메모리에 따라 성능이 달라짐. 대량의 메모리를 사용해서
적은 사이즈의 데이터를 드라이빙 테이블로 권고함

- Sort Merge Join
전체 범위 처리가 필요한 경우 유용함
드라이빙 테이블과는 상관이 없는 구조

- Partition (오라클 기준)
8i : 범위값 기준, Ragne Partition (IBM DB2의 경우 v9부터 지원)
9i : 이산값 기준, List Partition
10g : 해시 함수, Hash Partition

1. CLUSTER
1) 데이터 저장 형태
- 데이터 저장 형태의 변천
· 과거에 비해 데이터 베이스의 활용이 많아지면서 데이터의 양은 기하급수적으로 늘어남
· 데이터웨어하우스나 데이터마트의 구축 및 과거 데이터에 대한 이력관리까지 더해지면서 예전 데이터 양에 비해서 몇배, 몇십배, 몇백배까지 데이터의 양은 증가
· 클러스터나 파티션 기법이 많이 활용되고 있으며, 대량 데이터 IF에 유용하게 사용할 수 있는 SQL 기술도 늘어남


- 테이블
· 정규 테이블
가장 일반적으로 사용되는 기본 테이블
테이블의 행의 분포에 대해서는 사용자의 제어는 거의 불가능
행은 테이블에 수행된 작업에 따라 어떤 순서로도 저장될 수 있음

- 클러스터
· 관계된 일련의 행들을 그룹화된 데이터 저장 블록에 저장하는데 사용

- 분할 테이블 (파티션)
· 하나 이상의 파티션을 가지며 각 파티션은 지정된 범위의 키 값을 갖는 행들을 저장
· 분할 테이블의 각 파티션은 세그먼트이며 서로 다른 테이블스페이스에 위치할 수 있음
· 여러 프로세스가 동시에 질의하는 큰 테이블에 유용

- IOT
· IOT는 모든 테이블 데이터를 b-tree 구조로 저장
· 테이블보다 인덱스의 특성이 더 많음

2) 클러스터의 정의
테이블의 데이터를 저장하는 방법으로 클러스터 키라고 부르는 공통된 칼럼을 기준으로 하나 이상의 테이블 데이터를 동일한 블록에 모아서 저장할 수 있는 선택적인 기능
인덱스 뿐만 아니라 데이터 저장 공간인 테이블 부분까지 영향을 줌
※ 클러스터에 대하여 select, insert를 포함한 dml 문장을 실행하기 전에 클러스터 인덱스를 생성 (클러스터 인덱스를 생성하기 전에는 어떤 자료도 클러스터에 저장될 수 없음)
클러스터에 포함된 테이블의 row를 클러스터 키 값에 따라 조회할 경우 해당 데이터가  저장된 첫 번째 블록의 위치를 찾기 위하여 클러스터 인덱스를 사용

3) 클러스터의 활용
- 클러스터 활용
· 지정된 칼럼 값의 순서대로 row 를 저장시키는 방법
· 액세스 기법이 아니라 액세스 효율 향상을 위한 물리적 저장기법
· 다량 범위 데이터에 대한 검색을 자주하는 경우
· 넓은 분포도를 가지고 있어 index 활용이 어려운 경우
· 수정이 자주 발생하지 않는 column
· 여러개의 테이블이 자주 join 을 할 경우
· order by, group by, union, distinct 가 자주 발생하는 column

- 활용시 주의사항
· insert, update, delete 처리시 overhead 발생
· cluster key 의 최대 column 수는 16임
· cluster key 의 수정은 자주 발생하지 않을 것
· index 사용이 가능한 범위의 데이터는 효과가 크지 않음
· cluster 를 생성하면 기존의 index 는 재구성
· cluster key 별 row 수의 편차가 심하지 않을 것
· cluster 된 테이블 join 시 row 수의 역순으로 from 절에 기술할 것
· index 와 cluster 의 액세스 역할 분담 명확화

※ 만약 사용중인 클러스터 인덱스를 drop 한다면, 클러스터된 자료는 그대로 저장되어 있지만 그 자료에 접근할 수 있는 경로가 없기 때문에 새로운 클러스터 인덱스를 생성하기 전까지는 클러스터 자료를 조회할 수가 없음
클러스터 인덱스의 저장 위치를 다른 테이블 스페이스로 이동하고자 한다면, 인덱스를 drop 한 후 재생성 해야만 함(인덱스를 생성하는 동안에는 클러스터 자료를 조회할 수 없음)
단점 : 강력한 기능을 가진 클러스터 이지만 관리가 힘들고, 비정형화된 쿼리를 대응하기 힘들고 dml 이 많은 테이블에는 적합하지 않음

4) 클러스터의 종류




5) HASH 함수란?

2. Partition
1) 파티션의 구조

2) 파티션의 구성 요소
- partition by range/list/hash : 파티션 키를 정의
- values less than : 데이터가 저장되는 파티션의 이름과 경계값 지정
- physical attribute : tablespace 및 storage 물리적 속성을 지정

파티션 되어지는 실제 data 값(경계값)을 지정
데이터가 저장되는 파티션의 이름을 지정하는 values less than, 테이블 스페이스와 같은 physical 속성을 지정하는 3부분으로 구성
파티션 내 sub partiton 도 가능

- 인덱스 파티션 구문

- 테이블 파티션 구문

3. partition 예제
1) 8i range 파티셔닝


2) 9i LIST 파티셔닝
- 이점
· 사용자가 파티션에 대한 로우의 매핑을 조정할 수 있음
· 이산 칼럼 값에 기초하여 데이터의 분산을 함
· 무순 무관의 데이터 집합이 자연스럽게 그룹핑 됨
· 파티션 간에 연관을 갖지 않음
· 이산값으로 구성된 칼럼에 이상적임
· 강력한 데이터 관리 능력이 있음


3) 10g HASH 파티셔닝
오라클 10g 부터는 그동안 지원하지 않던 hash 함수를 이용한 파티션을 지원. 반면 ibm db2 의 경우는 해시 파티션만 지원했는데, 9 버전 부터는 range 파티션을 지원


4) 전체 파티션의 효과 사례

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.