대량 데이터에 따른 성능

1. 대량 데이터발생에 따른 테이블 분할 개요

성능저하의 요인

• 한 테이블에 데이터가 대량으로 집중

• 테이블의 여러 개의 칼럼이 존재
  
  많은 인덱스 생성으로 인한 CUD 성능 저하, 로우체이닝과, 로우마이그레이션 발생
  
  

2. 한 테이블에 많은 수의 컬럼을 가지고 있는 경우

집중적으로 트랜잭션이 발생하는 컬럼을 분석하여 쪼개주면 IO 성능이 향상되어 성능이 개선 됨

3. 대량 데이터 저장 및 처리로 인한 성능

물리적으로 여러개 테이블 스페이스에 쪼개어 저장될 수 있다.

• Range Partitioning 적용
  테이블의 내부적으로 Range를 지정하여 파티셔닝한다 ( 개발자가 물리적으로 수행하지 않는다.)
  숫자나 날짜별로 분리가 가능한 경우 적용한다
  데이터 보관 주기에 다른 테이블 관리가 용이하다
  
  

• List Partition 적용
  PK값들의 조합으로 이루어진 대량 데이터의 경우 특정 PK 컬럼을 기준하여 파티셔닝을 적용이 가능하다, 하지만 데이터 보관주기에 따른 관리는 불가능 함
  
  

• Hash Partitioning 적용
  해싱 알고리즘이 적용되어 테이블 분리
  데이터 보관주기에 따라 쉽게 삭제하는 기능은 제공하지 않음

4. 테이블에 대한 수평분할/ 수직분할 절차

원칙

1. 데이터 모델링 완성

2. 데이터 베이스 용량 산정

3. 대량 데이터 처리 테이블에 대해 트랜잭션 처리 패턴 분석

4. 수평/수직 분할 중 적절한 분리 선택