문서의 선택한 두 판 사이의 차이를 보여줍니다.
양쪽 이전 판 이전 판 다음 판 | 이전 판 다음 판 양쪽 다음 판 | ||
study:oracle:datadb:2week_1 [2010/05/13 01:32] newys |
study:oracle:datadb:2week_1 [2010/05/13 10:20] starlits |
||
---|---|---|---|
줄 1: | 줄 1: | ||
- | + | ====== | |
- | ** 제 3장 SQL의 실행계획** | + | |
- 실행계획의 중요성? 액세스 효율에 가장 결정적인 영향을 미침 | - 실행계획의 중요성? 액세스 효율에 가장 결정적인 영향을 미침 | ||
- | ======3.1 SQL과 옵티마이져 | + | ===== 3.1 SQL과 옵티마이져 |
| | ||
줄 13: | 줄 11: | ||
- | ==== 3.1.1 옵티마이져와 우리의 역할 | + | ==== 3.1.1 옵티마이져와 우리의 역할 |
- 숫자 목록 관계형 데이터베이스의 출현배경 : 데이터들 간에 물리적인 연결고리를 가지지 않아도 논리적인 연결고리만 있다면 원하는 데이터를 액세스 할 수 있다. | - 숫자 목록 관계형 데이터베이스의 출현배경 : 데이터들 간에 물리적인 연결고리를 가지지 않아도 논리적인 연결고리만 있다면 원하는 데이터를 액세스 할 수 있다. | ||
줄 25: | 줄 23: | ||
==== 3.1.2. 옵티마이져의 형태 ==== | ==== 3.1.2. 옵티마이져의 형태 ==== | ||
- | |||
- | - 규칙기반 옵티마이져 (RBO : Rule_based Optimizer) | ||
- | - 인덱스 구조나 사용 연산자에 부여된 순위로써 최적경로 결정 | ||
- | |||
- | |||
- | |||
- | ① ROWID로 1로우 액세스 | ||
- | ② 클러스터 조인에 의한 1로우 액세스 | ||
- | ③ Unigue HASH Cluster에 의한 1로우 액세스 | ||
- | ④ Unique INDEX에 의한 1로우 액세스 | ||
- | ⑤ CLUSTER 조인 | ||
- | ⑥ Non Unique Hash Cluster Key | ||
- | ⑦ Non Unique Cluster Key | ||
- | ⑧ Non Unique 결합 인덱스 | ||
- | ⑨ Non Unique 한 컬럼 인덱스 | ||
- | ⑩ 인덱스에 의한 범위처리 | ||
- | ⑪ 인덱스에 의한 전체범위 처리 | ||
- | ⑫ Sort Merge 조인 | ||
- | ⑬ 인덱스 컬럼의 MIN, MAX처리 | ||
- | ⑭ 인덱스 컬럼의 ORDER BY | ||
- | ⑮ 전체 테이블 스캔 | ||
- | | ||
- | - 단점 | ||
- | |||
- | EX> 1,000,000 로우를 가지는 TAB1테이블과 100로우를 가지는 TAB2테이블의 로우수를 알지 못하기 때문에 어느쪽이 전체 테이블 스캔 하는것이 유리한지 구별할 수 없다. | ||
- | EX> | ||
- | · 통계정보를 전혀 가지지 않음 | ||
- | - 장점 | ||
- | · 수립될 처리경로 예측가능 | ||
- | | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | ② 비용기준 옵티마이져(Cost_based Optimizer) | ||
- | - 관계형 데이터베이스가 추구하는 이상형 | ||
- | - 처리방법들에 대한 비용을 미리 산정해보고 그 중 가장 적은 비용이 들어가는 | ||
- | 처리방법 선택 | ||
- | - 통계정보의 형태와 종류는 DBMS 제품이나 버전에 따라 차이 | ||
- | | ||
- | 컬럼별 상수값의 종류, 분포도, 컬럼 내 NULL값의 수, 클러스터링 팩터, | ||
- | |||
- | ① 현실을 감안한 최적화 | ||
- | - 위의 예시에서 B인덱스 조건이 A조건보다 적은 범위를 처리하고 있다면 | ||
- | - 분포도 : 통계정보에서 가장 주용한 정보 | ||
- | 분포도가 좋다-> 컬럼값의 종류가 많다 -> | ||
- | - 컬럼의 모든 값들에 대해 분포도를 가지면 정확하겠지만 불가능 | ||
- | => | ||
- | - 컬럼값에 저장할 분포도의 종류는 버켓(Bucker)의 개수에 따라 결정 | ||
- | · 넓이균형 히스토그램(Width_balanced Histogram) :버켓에 저장할 분포도는 컬럼값의 최소치와 최대치에 대해 균등한 범위로 분할하여 각 범위별로 보유한 로우의 수를 보관 (컬럼값의 종류가 적거나 분포도의 편차가 심하지 않는 경우) | ||
- | · 높이균형 히스토그램(Height_balanced Histogram) : 총 로우 수를 버켓 수만큼으로 나누어 각 버켓에 저장되는 값의 범위를 기록 (분포도나 컬럼값의 편차가 심한 경우) | ||
- | => 두가지 방법은 사용자가 선택 할 수 없음. 단 버켓 수 지정 가능 | ||
- | 그러나 DBMS의 패키지 dbms_stats 등의 프로시져를 활용하여 자동 결정 | ||
- | ② 통계정보의 관리를 통한 제어 | ||
- | - 통계정보를 어떻게 관리할 것이냐을 고심 | ||
- | - 테이블마다 통계정보를 관리할 수 없음 => 테이블을 모니터링하는 기능 이용 | ||
- | USER_TAB_MODIFICATION와 같은 딕셔너리 뷰를 통해 확인 | ||
- | - 만약 통계테이블을 수동으로 관리 하고자 한다면 수집방법, | ||
- | | ||
- | 제공된 프로시져(GRTHER_DATABASE_STAT 등) | ||
- | ③ 최악의 상황이 발생할 확률의 감소 | ||
- | - 적절하지 못한 인덱스 구성, 고품질의 SQL을 사용하지 못해도 대부분 최소한의 | ||
- | - 사용자의 쿼리를 재해석하여 새로운 쿼리로 변형시킴 | ||
- | 인덱스의 길이, 최대 최소값, 리프 블록수, 가동 시스템의 I/O나 CPU 사용정보 등 - 장점 | ||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
- | |||
+ | 가. 규칙기반 옵티마이져 (RBO : Rule_based Optimizer) | ||
+ | - 인덱스 구조나 사용 연산자에 부여된 순위로써 최적경로 결정 | ||
+ | ① ROWID로 1로우 액세스 | ||
+ | ② 클러스터 조인에 의한 1로우 액세스 | ||
+ | ③ Unigue HASH Cluster에 의한 1로우 액세스 | ||
+ | ④ Unique INDEX에 의한 1로우 액세스 | ||
+ | ⑤ CLUSTER 조인 | ||
+ | ⑥ Non Unique Hash Cluster Key | ||
+ | ⑦ Non Unique Cluster Key | ||
+ | ⑧ Non Unique 결합 인덱스 | ||
+ | ⑨ Non Unique 한 컬럼 인덱스 | ||
+ | ⑩ 인덱스에 의한 범위처리 | ||
+ | ⑪ 인덱스에 의한 전체범위 처리 | ||
+ | ⑫ Sort Merge 조인 | ||
+ | ⑬ 인덱스 컬럼의 MIN, MAX처리 | ||
+ | ⑭ 인덱스 컬럼의 ORDER BY | ||
+ | ⑮ 전체 테이블 스캔 | ||
+ | * 단점 | ||
+ | - 통계정보를 전혀 가지지 않음 | ||
+ | - 경우에 따라 비현실적인 처리경로 수립 | ||
+ | | ||
+ | | ||
+ | * 장점 | ||
+ | - 수립될 처리경로 예측가능 | ||
+ | - 사용자가 원하는 처리경로로 유도하기가 용이 | ||
+ | - 일반적인 보편타당성이 있음(신뢰성) | ||
+ | | ||
+ | 나. 비용기준 옵티마이져(Cost_based Optimizer) | ||
+ | ① 관계형 데이터베이스가 추구하는 이상형 | ||
+ | ② 처리방법들에 대한 비용을 미리 산정해보고 그 중 가장 적은 비용이 들어가는 처리방법 선택 | ||
+ | ③ 통계정보의 형태와 종류는 DBMS 제품이나 버전에 따라 차이 | ||
- | ① 실행계획 예측의 곤란 | ||
- | -사용자가 예측불가능하므로 애플리케이션을 작성할 때 미리 적절한 대응하기 어렵고, | ||
- | ② 버전에 따른 변화 | ||
- | ③ 실행계획 제어가 곤란 | ||
- | -단점 | ||
+ | * 장점 | ||
+ | - 현실을 감안한 최적화 | ||
+ | - 위의 예시에서 B인덱스 조건이 A조건보다 적은 범위를 처리하고 있다면 옵티마이져는 B인덱스를 처리주관 조건으로 선택 | ||
+ | - 분포도 : 통계정보에서 가장 주용한 정보 | ||
+ | * 분포도가 좋다-> 컬럼값의 종류가 많다 -> | ||
+ | - 컬럼의 모든 값들에 대해 분포도를 가지면 정확하겠지만 불가능 => | ||
+ | - 컬럼값에 저장할 분포도의 종류는 버켓(Bucker)의 개수에 따라 결정 | ||
+ | * 넓이균형 히스토그램(Width_balanced Histogram) :버켓에 저장할 분포도는 컬럼값의 최소치와 최대치에 대해 균등한 범위로 분할하여 각 범위별로 보유한 로우의 수를 보관 (컬럼값의 종류가 적거나 분포도의 편차가 심하지 않는 경우) | ||
+ | * 높이균형 히스토그램(Height_balanced Histogram) : 총 로우 수를 버켓수만큼으로 나누어 각 버켓에 저장되는 값의 범위를 기록 (분포도나 컬럼값의 편차가 심한 경우) | ||
+ | - 통계정보의 관리를 통한 제어 | ||
+ | - 통계정보를 어떻게 관리할 것이냐을 고심 | ||
+ | - 테이블마다 통계정보를 관리할 수 없음 => 테이블을 모니터링하는 기능 이용 ( USER_TAB_MODIFICATION와 같은 딕셔너리 뷰를 통해 확인) | ||
+ | - 만약 통계테이블을 수동으로 관리 하고자 한다면 수집방법, | ||
+ | - 최악의 상황이 발생할 확률의 감소 | ||
+ | - 적절하지 못한 인덱스 구성, 고품질의 SQL을 사용하지 못해도 대부분 최소한의 수행 속도 보장 | ||
+ | - 사용자의 쿼리를 재해석하여 새로운 쿼리로 변형시킴 | ||
+ | * 단점 | ||
+ | - 실행계획 예측의 곤란 | ||
+ | - 사용자가 예측불가능하므로 애플리케이션을 작성할 때 미리 적절한 대응하기 어렵고, 종합적인 전략을 수립하기 곤란 | ||
+ | - 버전에 따른 변화 | ||
+ | - 실행계획 제어가 곤란 | ||
- | - 옵티마이져의 발전 방향 | + | 다. 옵티마이져의 발전 방향 |
- | · 비용기준 옵티마이져로 발전해 나간다. | + | - 비용기준 옵티마이져로 발전해 나간다. |
- | · 단위SQL 보다는 테이블이나 인덱스 단위로 관리 | + | - 단위SQL 보다는 테이블이나 인덱스 단위로 관리 |
- | -통계정보 관리를 위한 제언 | + | 라.통계정보 관리를 위한 제언 |
- | · 통계정보의 수집과 관리를 위해 DBMS에서 제공하는 패키지들이 계속 보강되고 있음 | + | - 통계정보의 수집과 관리를 위해 DBMS에서 제공하는 패키지들이 계속 보강되고 있음 |
- | · 과거에는 I/O에 비중. 최근에는 CPU의 수행정도와 사용량을 추가함 | + | - 과거에는 I/O에 비중. 최근에는 CPU의 수행정도와 사용량을 추가함 |
- | · 통계정보의 보다 간편한 수집이나 관리를 위해 DBMS_STATS 패키지 이용하면 좋음 | + | |
- | => 테이블이나 인덱스와 같은 데이터베이스 오브젝트에 대한 통계정보 생성을 | + | => 테이블이나 인덱스와 같은 데이터베이스 오브젝트에 대한 통계정보 생성을 용이하게 해줌. 테이블이나 인덱스와 관련된 통계정보를 생성할 수 있으며, 견본데이터를 추출하여 통계정보를 생성하는것도 가능. 대용량 테이블이라면 모든 데이터를 대상으로 통계정보를 수집할 수 없으므로 좋은 방법 |
- | => 견본데이터는 5% 이하로 선정하는게 바람직 | + | |
지정 파라메터 : ESTIMATE_PERCENT 로 직접 DBMS_STATS.AUTO_SAMPLE_SIZE 로 자동으로 판단 | 지정 파라메터 : ESTIMATE_PERCENT 로 직접 DBMS_STATS.AUTO_SAMPLE_SIZE 로 자동으로 판단 | ||
=> 통계정보 수집시간을 단축하기 위해 병렬로 처리 가능 | => 통계정보 수집시간을 단축하기 위해 병렬로 처리 가능 |