인덱스 타입: B-Tree, Hash
SQL 성능 최적화, 이번 기회에 제대로 공부하고 싶다면!
SQL 성능 최적화, 데이터 모델링 뿐만 아니라 LTR 분석 등 다양한 분석 프레임워크까지 배울 수 있는 SQL 마스터반 커리큘럼을 살펴보세요. 쿠팡, 리디, 잡플래닛 출신 데이터 분석가들이 실무에 꼭 필요한 내용만 골라 담았어요.
PostgreSQL은 B-tree, Hash, GiST, SP-GiST, GIN, BRIN 등 여러 가지 인덱스 타입을 제공합니다. 각 인덱스 타입은 서로 다른 알고리즘을 사용합니다. 기본적으로 CREATE INDEX 명령어를 사용하여 인덱스를 만들면 가장 일반적인 상황에 맞는 B-Tree 인덱스를 생성합니다. 다른 인덱스 타입은 USING 키워드 뒤에 인덱스 타입을 명시하여 생성합니다. 예를 들어 해시 인덱스를 만들려면 다음과 같이 코드를 작성하면 됩니다.
CREATE INDEX name ON table USING HASH (column);
B-Tree
B-Tree는 어떤 값과 정확히 일치하는 데이터를 찾을 때와 특정 값보다 크다 작다와 같이 범위로 찾을 때 모두 사용할 수 있습니다. 인덱싱된 열이 아래 연산자 중 하나를 사용한 비교를 통해 값을 찾아야 할 때 PostgreSQL 쿼리 플래너(*역자주: 옵티마이저라고도 부르며 데이터의 분포, 인덱스의 유뮤 등을 고려해 실행 계획을 세우고 각 계획의 비용을 계산하는 DBMS 내부의 프로세스입니다. 데이터 베이스의 성능을 결정하는 가장 핵심적인 기능이라고 볼 수 있습니다.)는 B-Tree 인덱스 사용을 고려합니다.
<   <=   =   >=   >
위 연산자들을 조합하여 만들 수 있는 BETWEEN 및 IN과 같은 연산도 B-Tree 인덱스로 할 수 있습니다. 또한 인덱스 열의 IS NULL 또는 IS NOT NULL 조건도 B-Tree 인덱스와 함께 사용할 수 있습니다.
LIKE와 ~ 같은 패턴을 매칭하는 연산자에도 B-Tree를 사용할 수 있는데요. 패턴이 상수이거나 문자열의 시작 부분에 고정되어 있는 경우(예를 들어 col LIKE 'foo%' 또는 col ~ '^foo')에만 적용이 가능합니다. 이외의 경우(예를 들어 col LIKE '%bar')에는 적용이 불가능합니다. 또한 ILIKE 및 ~*에 대해 B-tree 인덱스를 사용할 수 있지만 패턴이 알파벳이 아닌 문자, 즉 대/소문자 변환의 영향을 받지 않는 문자로 시작하는 경우에만 사용할 수 있습니다.
B-Tree 인덱스는 정렬된 순서로 데이터를 검색하는 데에도 사용할 수 있습니다. 이 방법이 단순 스캔 및 정렬보다 항상 빠른 것은 아니지만 종종 유용합니다.
Hash
해시 인덱스는 인덱스 열의 값을 32비트 해시 코드로 저장합니다. 따라서 이러한 인덱스는 단순한 동일 비교만 처리할 수 있습니다.
=
Editor 선미’s comment
이 글의 원문은 PostgreSQL 공식문서 “Chapter 11. Indexes - 11.2. Index Types”입니다. PostgreSQL 버전 16을 기준으로 작성되었습니다. 
이 글은 전문 번역이 아니라 자주 사용되는 B-Tree 위주로 번역을 했습니다. Hash 인덱스는 B-Tree의 범용성을 보여주기 위해 짧게 붙여보았어요. 대부분의 데이터베이스 인덱스가 B-Tree 또는 개선된 버전인 B+Tree로 구현이 되어있기 때문에 이 정도만 알고 있어도 충분합니다만, PostgreSQL에서 지원하는 모든 종류의 인덱스를 알고 싶은 분이라면 원문을 꼭 참고해주세요.
B-Tree는 인덱스의 핵심이 되는 알고리즘이기 때문에 원리를 간단하게라도 알면 인덱스를 이해하는데 도움이 많이 됩니다. 혹시 조금 더 깊게 공부해보고 싶다면 B-Trees and B+Trees. How they are useful in Database 영상을 추천드립니다.
이 번역 작업이 여러분이 인덱스에 대해 공부하는데 도움이 되었으면 좋겠습니다. PostgreSQL 공식 문서가 인덱스에 대해 잘 쓰여져 있어 이전부터 번역을 꼭 해오고 싶었는데요. 흔쾌히 허가해주신 PostgreSQL CoC(Code of Conduct)팀 감사합니다. 이해를 돕기 위해 역자의 의역이 섞여있으니 만약 번역과 원문 간에 차이가 있는 경우 원문을 우선적으로 생각해주세요. 번역 오류는 contact@datarian.io로 제보해주세요.


conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

쿼리의 효율적인 실행에 대해 고민하고 있다면 지나칠 수 없는 토픽이 바로 인덱스입니다

인덱스 개요

대부분의 데이터베이스 인덱스는 B-Tree 또는 개선된 버전인 B+Tree로 구현이 되어있습니다.

인덱스 타입: B-Tree, Hash

멀티 컬럼 인덱스는 자주 사용하지 않는 것이 좋습니다. 대부분의 상황에서 단일 컬럼에 대한 인덱스로 충분합니다.

멀티 컬럼 인덱스

인덱스는 쿼리에서 반환할 행을 찾는 기능을 외에 데이터를 정렬하는 기능을 제공하기도 합니다.

인덱스와 ORDER BY

멀티 컬럼 인덱스와 인덱스 조합 기능을 잘 구분하여 이해해주세요!

인덱스 조합 기능 (Combining Multiple Indexes)

고유성 제약이 걸려있는 컬럼과 기본 키의 경우, 생성 시 자동으로 B-Tree 인덱스가 만들어집니다.

고유 인덱스 (Unique Indexes)

함수 연산의 결과로도 인덱스를 정의할 수 있습니다.

연산 결과에 인덱스 걸기 (Indexes on Expressions)

매우 드문 상황에 처해있지 않은 이상 일반 일덱스를 사용하고 쿼리 플래너를 믿읍시다. 그러려고 DBMS를 사용하는 것이니까요.

부분 인덱스 (Partial Indexes)

EXPLAIN 명령을 사용하면 플래너가 어떤 쿼리 계획을 생성하는지 확인할 수 있습니다.

인덱스 타입: B-Tree, Hash

Contents

데이터 분석 소식을
매월 받아보세요

🐘 PostgreSQL 공식 문서 번역 모아보기

함께 읽어보면 좋은 글

ER 모델의 구성 요소 3가지: 엔티티, 속성, 관계

데이터가 없어서 직접 서비스 만들고 분석까지 해봤습니다

data driven HR : 근태 데이터 관리방법

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

인덱스 타입: B-Tree, Hash

Contents

데이터 분석 소식을 매월 받아보세요

🐘 PostgreSQL 공식 문서 번역 모아보기

함께 읽어보면 좋은 글

ER 모델의 구성 요소 3가지: 엔티티, 속성, 관계

데이터가 없어서 직접 서비스 만들고 분석까지 해봤습니다

data driven HR : 근태 데이터 관리방법

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요