Mongodb index

MongoDB 최적화 와 인덱싱 전략 (Tip21~28) KyungSeok

Agenda 디스크 접근을 최소화 하라 더 적은 메모리로 많은 작업을 수행하기 위해 색인을 사용하라 무조건 색인을 사용하지는 말라 색인만으로도 쿼리를 수행할 수 있는 색인을 생성하라 여러개의 쿼리를 빠르게 수행하려면 복합 색인을 사용하라 탐색속도를 높이려면 문서를 계층적으로 생성 AND 쿼리는 적은 것이 가능한 빨리 수행되도록 한다 . OR 쿼리는 많은 것이 가능한 빨리 수행되도록 한다 .

디스크 접근을 최소화 하라 디스크 접근을 최소화 하라 디스크에서 데이터를 읽는 것과 메모리에서 데이터를 읽는 것은 아주 큰 차이가 있다 . SSD 를 사용한다 저장 용량 대비 비용이 허용한다면 TRIM 이나 GC 를 위한 여유 용량 확보를 모니터링 할 수 있다면 만병통치약은 아니다 . 추가적인 RAM 을 장착한다 인덱싱 전략에 따라 즉시 응답해야 할 데이터에 대한 구분이 명확하다면 만병통치약은 아니다 .

더 적은 메모리로 많은 작업을 수행하기 위해 색인을 사용하라 인덱스가 없을때 RDB 에서와 같은 유형으로 Table Scan 을 수행한다 MongoDB 는 문서를 들여다 보지 않고서는 쿼리 조건을 비교할 수 없다 필요한 데이터를 전부 메모리에 올려야 하고 OS 는 부족한 메모리 용량을 swap 에 의존할 수 밖에 없다 . 인덱스가 있을때 인덱스는 key : value 형태로 관리된다 value 는 실제 문서의 위치에 대한 Reference 이다 . 일반적으로 전체 컬렉션에 비해서 훨씬 작은 편이고 메모리 에서만 관리 될 수 도 있다 .

무조건 색인을 사용하지는 말라 인덱스는 얻고자 하는 총 데이터가 전체의 작은 일부일때 가장 유용하다 . 인덱스 트리의 대부분의 데이터를 메모리에 올리게 될 경우 또한 인덱스에 해당하는 모든 레퍼런스를 추적해서 문서를 메모리에 올려야 한다 인덱스로 인한 효용성이 떨어지면 사용하지 말아라 .(table scan) db.foo.find().sort({"$natural”: 1}) 읽기가 아닌 쓰기의 경유 인덱스를 생성하는 비용을 고려해야 한다 . 문서가 추가될때마다 , 연관된 색인들 또한 업데이트 되어야 한다 . ?? 하지만 실제 application 입장에서는 insert 요청 후 바로 처리 완료 응답을 받지 않기 때문에 응답 성능의 관점에서는 무리 없지 않는가 ? 만약 Lazy Process 를 mongoDB 가 한다면 그 처리할 수 있는 최대 쿼리수의 제한은 없는가 ? 최대 쿼리수를 넘어선다면 어떻게 되는가 ? 삭제시 인덱스를 지워줘야 한다 . 업데이트시 경우에 따라 새로운 항목을 추가해야 하는 경우도 있고 , 항목을 지워야 하는 경우도 있다 .

색인만으로도 쿼리를 수행할 수 있는 색인을 생성하라 Index 자체를 컬렉션으로 두어 색인 검색많으로 별도의 문서의 참조를 읽지 않아도 메모리에서 데이터를 반환 할 수 있다 . 단 읽어들일 field 에서 _id 는 제외 하여야 한다 ( 만약 포함하게 되면 실제 문서를 참조를 통해서 읽어 들이게 된다 – 디스크 IO 가 발새할 수 있음 )

여러개의 쿼리를 빠르게 수행하려면 복합 색인을 사용하라 비슷한 매개변수를 가지는 쿼리가 여러개 있다면 , 복합 색인을 생성 함 으로서 성능의 향상을 볼 수 있다 . 많은 예상되는 쿼리가 공유하는 대다수 조건을 포함하는 색인이 좋다 색인 분석

탐색속도를 높이려면 문서를 계층적으로 생성 계층적인 데이터 구조는 관리가 수월하고 , 색인 없이도 스캔 속도를 높일 수 있다 .

탐색속도를 높이려면 문서를 계층적으로 생성 .

AND 쿼리는 적은 것이 가능한 빨리 수행되도록 한다 . 어떤 조건이 상대적으로 적은양의 문서에 부합한다고 확신하면 , 그 조건을 문저 수행하라

OR 쿼리는 많은 것이 가능한 빨리 수행되도록 한다 . 가장 큰 결과값을 갖는조건을 먼저 수행하면 이후의 쿼리에서 검색해야 하는부분을 줄일 수 있다

Mongodb index

More Related Content

What's hot (17)

Viewers also liked (20)

Similar to Mongodb index (20)

Mongodb index