adminschool.net wiki

1. 목록 옵티마이져 목표 : SQL로 요구된 결과를 최소의 비용으로 처리할 수 있는 처리 경로를 결정
   1. 목록 SQL과 Optimizer의 관계

• 목록 SQL은 결과에 대한 요구
• 옵티마이져는 없는 길을 생성해 주는 것이 아니라 이미 존재하는 길을 단지 찾아줄 뿐

⇒사용자가 부여한 영향 요소에 따라 논리적으로 존재하는 최적이 달라짐

• *♣ 3.1.1 옵티마이져와 우리의 역할**

1. 숫자 목록 관계형 데이터베이스의 출현배경 : 데이터들 간에 물리적인 연결고리를 가지지 않아도 논리적인 연결고리만 있다면 원하는 데이터를 액세스 할 수 있다.

⇒논리적인 방법만으로 데이터를 찾을 수 있는 장치가 필요

1. SQL? 요구서에 불과함. 표준언어로 채택한 것
2. 옵티마이져 ? 사용자의 요구에 따라 그 때마다 최적의 경로를 찾아 주는 역할 책임자
3. 옵티마이져 실행계획에 영향을 주는 것들

<그림>

1. 옵티마이져는 단지 이미 존재하는 길들 중에서 하나를 선택해 주는 역할

⇒ 사용자의 역할이 중요

★ 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 3.1.2. 옵티마이져의 형태① 규칙기반 옵티마이져 (RBO : Rule_based Optimizer) - 인덱스 구조나 사용 연산자에 부여된 순위로써 최적경로 결정

1. 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> 2종류의 값만 가지고 있어 평균분포도가 50%인 컬럼 A로 구성된 인덱스와 10,000종류를 가지고 있어 0.01%의 평균 분포도를 가진 컬럼 B로 구성된 인덱스가 존재. A='10' AND B LIKE '123%'을 주었을때 무조건 ‘=’로 사용한 컬럼A를 사용하는 것이 더 유리하다고 판단.

· 통계정보를 전혀 가지지 않음        · 경우에 따라 비현실적인 처리경로 수립
   - 장점
· 수립될 처리경로 예측가능     	· 사용자가 원하는 처리경로로 유도하기가 용이        · 일반적인 보편타당성이 있음(신뢰성)
    

② 비용기준 옵티마이져(Cost_based Optimizer)

1. 관계형 데이터베이스가 추구하는 이상형
2. 처리방법들에 대한 비용을 미리 산정해보고 그 중 가장 적은 비용이 들어가는

처리방법 선택

1. 통계정보의 형태와 종류는 DBMS 제품이나 버전에 따라 차이

⇒통계정보는 테이블의 로우 수와 블록 수, 블록당 평균 로우수, 로우의 평균길이,

컬럼별 상수값의 종류, 분포도, 컬럼 내 NULL값의 수, 클러스터링 팩터, 

① 현실을 감안한 최적화

1. 위의 예시에서 B인덱스 조건이 A조건보다 적은 범위를 처리하고 있다면 옵티마이져는 B인덱스를 처리주관 조건으로 선택
2. 분포도 : 통계정보에서 가장 주용한 정보

분포도가 좋다→ 컬럼값의 종류가 많다 →조건을 만족하는 처리범위가 좁다는 것을 의미하므로 일의 양을 결정하는 가장 중요한 요소

1. 컬럼의 모든 값들에 대해 분포도를 가지면 정확하겠지만 불가능

⇒컬럼값의 범위별로 분포도 보유하는 방법

1. 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

1. 통계정보를 어떻게 관리할 것이냐을 고심
2. 테이블마다 통계정보를 관리할 수 없음 ⇒ 테이블을 모니터링하는 기능 이용

USER_TAB_MODIFICATION와 같은 딕셔너리 뷰를 통해 확인

1. 만약 통계테이블을 수동으로 관리 하고자 한다면 수집방법, 수집 주기 결정

⇒스크립트 작성, 작업스케줄링 할 수 있는 S/W활용,

 제공된 프로시져(GRTHER_DATABASE_STAT 등)

③ 최악의 상황이 발생할 확률의 감소

1. 적절하지 못한 인덱스 구성, 고품질의 SQL을 사용하지 못해도 대부분 최소한의 수행 속도 보장
2. 사용자의 쿼리를 재해석하여 새로운 쿼리로 변형시킴

인덱스의 길이, 최대 최소값, 리프 블록수, 가동 시스템의 I/O나 CPU 사용정보 등 - 장점

① 실행계획 예측의 곤란

1. 사용자가 예측불가능하므로 애플리케이션을 작성할 때 미리 적절한 대응하기 어렵고, 종합적인 전략을 수립하기 곤란

② 버전에 따른 변화 ③ 실행계획 제어가 곤란 -단점

- 옵티마이져의 발전 방향

 · 비용기준 옵티마이져로 발전해 나간다.
 · 단위SQL 보다는 테이블이나 인덱스 단위로 관리 

-통계정보 관리를 위한 제언

 · 통계정보의 수집과 관리를 위해 DBMS에서 제공하는 패키지들이 계속 보강되고 있음
 · 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 	용이하게 해줌. 테이블이나 인덱스와 관련된 통계정보를 생성할 수 있으며, 견본 	데이터를 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
  => 통계정보 수집시간을 단축하기 위해 병렬로 처리 가능
     병렬등급(Degree)은 직접 지정/ 프로시져(Auto_dergree)를 이용하여 자동으로 지정

· 초기의 비용기준 옵티마이져는 특정 상황에 맞추어져 있기 때문에 문제    
 =>시스템 통계(System statistics) : 해당 시스템이 가지고 있는 성능특성을 실제로           측정함으로 보다 정확한 정보를 옵티마이져에게 제공. 시스템 통계를 생성할 때는 
    지정한 기간동안 시스템에서 실제로 일어나고 있는 활동들을 모니터링하고 분석을          해야 한다. =>관련 프로시져(DBMS_STATS.GATHER_SYSTEM.STATS)를 수행시켜        통계정보를 수집해 주어야 함

· 통계정보 교체하는 방법

 =>DBMS_STATS패지지의 ‘IMPORT_SYSTEM_STATS' 프로시져를 사용하면 간단.    이 작업은 ’DBMS_JOB'패키지를 이용하여 작업을 등록하고 적당한 시간에 자동으로     수행되도록 함

· 시스템 통계의 개선은 테이블이나 인덱스 통계정보와는 다르게 시작되는 SQL에 대해서만 새로운 통계정보로 파싱할 뿐