고급 데이터베이스

큰 테이블 하나를 효율적으로 다루는 세 가지 고급 도구 — VIEW(추상화)·INDEX(검색 가속)·파티셔닝(병행성 분산)을 함께 정리한다. 3과목에서 매년 0~1문항 출제되는 방어 단원이지만, 나오는 함정이 거의 굳어 있어 한 번 걸러내는 눈만 만들면 가져가는 점수다.

핵심 암기: VIEW 4대 특성 가물독기(가상·물리 저장❌·독자 인덱스❌·기본 테이블 의존) · INDEX 트레이드오프(SELECT↑ / 변경 3종↓ / 저장 공간↑) · 자료구조 B+Tree(범위✅)·해시(등호만)·비트맵(낮은 카디) · 파티셔닝 4종 범해리복(범위·해시·리스트·복합) · 수평=행 / 수직=열 · 3분별 한·여·복(파티 한 DB·병행 / 샤딩 여러 DB·확장 / 클러스터링 복제·가용)

VIEW (가상 테이블)

VIEW 정의와 가물독기 4대 특성 ·VIEW·1순위·

[정의] VIEW(뷰) = 하나 이상의 기본 테이블에 정의된 SELECT 문에 이름을 붙인 가상의 테이블. 데이터를 따로 저장하지 않고, 조회할 때마다 그 SELECT를 다시 실행해 결과를 보여준다.

[표] ★가물독기★ — 4대 특성.

CREATE VIEW active_students AS
SELECT student_id, name, dept_id
FROM   student
WHERE  status = 'ACTIVE';

• 뷰 정의는 결국 27강에서 본 SELECT 문 그 자체다(프위그해셀오에 이름을 붙인 것). 그래서 뷰가 할 수 있는 일은 SELECT가 할 수 있는 범위 안에 갇힌다.

🔑 암기 가·물·독·기 — 가상·물리❌·독자 인덱스❌·기본 의존. ⚠️ 함정 "VIEW에 CREATE INDEX 가능" ❌(→ 독자 인덱스 없음·'독') / "VIEW가 디스크에 데이터를 따로 저장" ❌(→ 정의문만 보관·'물'). 🎯 빈출 VIEW 설명 중 틀린 것 고르기. 거의 매회 '독자 인덱스 생성 가능'이 오답으로 끼어든다. 💡 보충 실무에선 민감 컬럼(계좌·결제)을 뺀 뷰만 특정 계정에 권한으로 주는 보안 마스킹에 자주 쓴다.

VIEW 갱신 가능성 — 단순 SELECT만 ·VIEW·

[정의] 뷰에 INSERT·UPDATE·DELETE를 할 수 있는지는 조건이 까다롭다. 판정 원리는 한 줄 — 뷰의 한 행이 기본 테이블의 한 행과 1:1로 대응될 때만 갱신 가능하다.

[표] 갱신 가능 여부.

• COUNT(*)로 묶인 한 행에 INSERT를 시키면 DBMS는 그 값을 원본 어느 행으로 풀어야 할지 알 수 없다. 그래서 집계·그룹 뷰는 갱신이 막힌다.

🔑 암기 단순 SELECT 한 테이블만 ✅ / JOIN·집계·GROUP BY 끼면 전부 ❌. ⚠️ 함정 "GROUP BY 뷰에 INSERT 가능" ❌ / "집계 뷰에 UPDATE 가능" ❌ — 보기에 JOIN·집계·GROUP BY가 보이면 무조건 갱신 불가. 🎯 빈출 갱신 가능한 뷰/불가능한 뷰 고르기. 1:1 대응 한 줄이면 즉답.

VIEW 활용 3종과 DROP CASCADE / RESTRICT ·VIEW·

[표] 뷰를 쓰는 이유 3가지 — 한마디로 추상화 계층.

[표] DROP VIEW 옵션 (26강 DROP CASCADE/RESTRICT 회수).

CREATE VIEW v2 AS SELECT * FROM v1 WHERE dept_id = 'D01';
DROP VIEW v1 RESTRICT;   -- v2가 v1에 의존 → 거부
DROP VIEW v1 CASCADE;    -- v1, v2 연쇄 삭제

• 26강에서 본 대로 DROP의 CASCADE/RESTRICT 구문은 TABLE이든 VIEW든 동일하고, 디폴트는 보수적인 RESTRICT다.

🔑 암기 RESTRICT = 의존 있으면 거부(디폴트) / CASCADE = 연쇄 삭제. ⚠️ 함정 "DROP VIEW 디폴트는 CASCADE" ❌(→ RESTRICT). 가물독기의 '기' — 기본 테이블이 DROP되면 뷰도 함께 사라진다. 🎯 빈출 뷰 활용 목적 고르기, DROP 옵션 동작 매칭. 보통.

INDEX (인덱스)

INDEX 정의와 트레이드오프 ·INDEX·1순위·

[정의] INDEX(인덱스) = 검색 속도를 높이려고 컬럼 기준으로 정렬된 키 + 행 위치 포인터를 디스크에 따로 저장한 자료구조. VIEW가 추상화 계층이라면 인덱스는 검색 가속 계층이다.

[표] ★트레이드오프 — 시험 1순위★.

CREATE INDEX idx_student_name ON student(name);
CREATE UNIQUE INDEX idx_email ON member(email);
DROP INDEX idx_student_name;

• PK 제약·UNIQUE 제약에는 인덱스가 자동으로 생성된다.
• INSERT 한 번에 (1)테이블 행 추가 + (2)관련 인덱스 전부 갱신이 29강의 트랜잭션(원일고영)으로 한꺼번에 처리된다. 인덱스가 많을수록 변경 트랜잭션이 길어지고 락 보유 시간도 늘어난다.

🔑 암기 SELECT↑ / 변경 3종(INSERT·UPDATE·DELETE)↓ / 저장 공간↑. 인덱스는 공짜가 아닌 거래. ⚠️ 함정 "인덱스가 많을수록 모든 SQL이 빨라짐" ❌(→ 변경은 느려짐) / "인덱스는 디스크를 절약한다" ❌(→ 추가 공간 필요). 🎯 빈출 인덱스 설명 중 옳은/틀린 것 고르기. '변경이 빨라진다'는 보기는 무조건 함정.

INDEX 자료구조 4종 ·INDEX·

[표] 같은 인덱스라도 내부 자료구조에 따라 잘하는 일이 다르다.

            [50]              ← 루트
          /      \
     [20,35]    [70,85]       ← 내부 노드
     / | \       / | \
   [ ][ ][ ]   [ ][ ][ ]      ← 리프(연결 리스트로 양옆 연결)
   ───────────────────▶  범위 검색: 시작 리프만 찾으면 옆으로 쭉

• B+Tree가 표준인 이유 — 리프끼리 옆으로 연결돼 WHERE age BETWEEN 20 AND 35 같은 범위 검색이 빠르고, 트리 높이가 항상 균형이라 O(log n)이 보장된다.

🔑 암기 B+Tree=표준·범위✅ / 해시=등호만(O(1)) / 비트맵=낮은 카디·DW. ⚠️ 함정 "B-Tree = Binary Tree" ❌(→ Balanced Tree) / "해시 인덱스로 범위 검색 빠름" ❌(→ 순서 보존 안 해 등호만) / "비트맵 = OLTP 표준" ❌(→ DW·OLAP). 🎯 빈출 범위 검색에 적합한 자료구조(→ B+Tree), B-Tree 약어 의미(→ Balanced). 매회 1순위 함정.

클러스터형 vs 비클러스터형 인덱스 ·INDEX·

[표] 개수 함정이 짝으로 출제된다.

• 클러스터형이 1개뿐인 이유 — 테이블 데이터를 그 순서로 물리 정렬하는 것이라, 한 테이블을 두 가지 순서로 동시에 줄 세울 수 없다.
• 용어 함정 1순위 — '클러스터형 인덱스'(인덱스 종류·PK·1개·물리 정렬)와 'DB 클러스터링'(서버 복제·가용성)은 완전히 다른 개념이다. 같은 '클러스터'라는 단어 때문에 가장 자주 헷갈린다.

🔑 암기 PK 자동=클러스터형=1개(물리 정렬) / UNIQUE 자동=비클러스터형=N개(별도). ⚠️ 함정 "클러스터형 인덱스는 한 테이블에 여러 개" ❌(→ 1개) / "비클러스터형은 1개만" ❌(→ N개) / "클러스터형 인덱스 = DB 클러스터링" ❌(→ 다른 개념). 🎯 빈출 개수(1개 vs N개), PK/UNIQUE 매칭. 짝으로 출제.

카디널리티와 INDEX 선정 기준 ·INDEX·

[정의] 카디널리티(Cardinality) = 한 컬럼의 고유 값 개수. student_id(전부 다름)는 높고, gender(M/F 둘뿐)는 낮다.

[표] 카디널리티와 인덱스 적합성.

• 카디가 낮은 컬럼은 인덱스를 타도 테이블 절반 이상을 훑게 돼 오히려 느리다. 성별에 인덱스를 걸어도 'M' 검색이 전체 절반을 잡으니 옵티마이저가 풀 스캔으로 우회한다.

[표] 인덱스 선정 — 걸어야 할 곳 vs 말아야 할 곳.

🔑 암기 카디 높고 자주 검색되는 컬럼에만. ⚠️ 함정 "성별에 B+Tree 만들면 효율적" ❌(→ 카디 낮아 비효율) / "인덱스는 많을수록 좋다" ❌(→ 변경 비용만 증가). 🎯 빈출 인덱스 적합 컬럼 고르기. 보통.

파티셔닝과 분산 데이터베이스

수평 분할 vs 수직 분할 ·파티셔닝·1순위·

[정의] 파티셔닝(Partitioning) = 하나의 큰 테이블을 한 DB 안에서 여러 조각(파티션)으로 나눠 저장·관리하는 기법. 응용 프로그램에는 여전히 하나의 테이블로 보이지만, DBMS 내부에서는 여러 파티션에 분산된다.

[표] 분할 방향 — 시험 1순위 함정.

[ 수평 분할 — 행(Row) 단위 ]
  파티션 1 ← 지역 = 서울 (100행)
  파티션 2 ← 지역 = 부산 (80행)
  파티션 3 ← 지역 = 대구 (50행)
  → 케이크를 가로로 슬라이스 (행 묶음을 나눔)

[ 수직 분할 — 열(Column) 단위 ]
  열 그룹 A ← id · 이름 (자주 조회)
  열 그룹 B ← 결제정보 · 주소 (드물게/민감)
  → 케이크를 세로로 자름 (열 묶음을 나눔)

🔑 암기 수평=행(가로 슬라이스) / 수직=열(세로 자르기). 'horizontal=지평선=옆으로 누운 행'으로 연결. ⚠️ 함정 "수평 분할 = 열 단위" ❌(→ 행 단위). 방향을 정반대로 뒤집은 보기가 1순위. 🎯 빈출 수평/수직 방향 매칭. 파티셔닝 4종이 수평 안에 속한다는 것까지.

범해리복 — 파티셔닝 4종 ·파티셔닝·핵심 두문자·

[정의] 파티셔닝(수평 분할) 4종을 범해리복 네 글자로 묶는다. 네 종류 모두 수평 분할(행 단위) 안의 분류다.

[표] ★범해리복★.

CREATE TABLE orders (order_id BIGINT, order_date DATE)
PARTITION BY RANGE (order_date) (
    PARTITION p_2026_01 VALUES LESS THAN ('2026-02-01'),
    PARTITION p_2026_02 VALUES LESS THAN ('2026-03-01')
);
ALTER TABLE orders DROP PARTITION p_2025_01;  -- 오래된 파티션 일괄 제거

• 마지막 줄처럼 오래된 데이터를 행 하나씩 DELETE하지 않고 파티션째 떼어내는 것이 파티셔닝의 관리 편의성이다.

🔑 암기 범(구간)·해(해시·균등·등호만)·리(명시 값·이산)·복(두 방식 조합). '범죄자가 해리를 복수한다.' ⚠️ 함정 "해시 파티셔닝으로 범위 검색이 빠르다" ❌(→ 등호만) / "리스트 파티셔닝은 연속 값을 나눈다" ❌(→ 이산 값) / 보기에 트리·정규화처럼 네 글자 밖 단어가 끼면 그게 정답(파티셔닝 아님). 🎯 빈출 파티셔닝 종류가 아닌 것 고르기. 보기 순서만 매년 뒤바뀐다.

파티셔닝의 효과 — 병행성 강화 ·파티셔닝·

[표] 파티셔닝을 걸면 좋아지는 4가지. 용량만 나누는 게 아니라는 점이 포인트다.

[ 파티셔닝 ❌ — 단일 테이블 ]
  T1 ─ X락(orders) 보유
  T2 ─ 대기            다른 행이라도 한 테이블 락에 묶여 대기

[ 파티셔닝 ✅ — 적용 후 ]
  T1 ─ X락(orders.p_01) ─ 진행
  T2 ─ X락(orders.p_02) ─ 진행   다른 파티션이라 동시에 독립 진행

• 29강에서 본 격리성(ACID의 'I')은 병행 제어로 구현되고, 로킹 단위가 작을수록 병행성이 올라갔다. 파티셔닝은 테이블 전체가 아니라 파티션 단위로 락이 잡혀 로킹 단위를 자연스럽게 줄이는 효과를 낸다 — 그래서 병행성·격리성이 강화된다.

🔑 암기 파티셔닝 효과 = 검색·관리·병행성·가용성 / 핵심은 병행성 강화(락 경합 분산). ⚠️ 함정 "파티셔닝은 검색 속도만 향상시킨다" ❌(→ 병행성·동시 처리도 강화). 효과 보기에 병행성·동시성 강화가 보이면 ✅. 🎯 빈출 파티셔닝 효과 고르기. 병행성 강화가 정답 키워드.

3분별 — 파티셔닝 vs 샤딩 vs 클러스터링 ·분산 DB·

[표] 이름이 비슷한 세 기법을 범위·목적으로 가른다.

• 샤딩 — 데이터를 샤드 키 기준으로 여러 DB에 나눠 저장. 단일 DB의 한계를 넘기 위함 → 확장성.
• 클러스터링 — 여러 서버에 같은 DB를 복제. 한 서버가 죽어도 자동 대체(Failover) → 가용성.

파티셔닝    — 한 단지 안에서 동·호수 그룹으로 나눔 (관리사무소 = DB 하나)
샤딩        — 서로 다른 동네에 다른 단지 (관리사무소 = DB 여러 개)
클러스터링  — 같은 단지를 여러 곳에 통째로 복제 (한 곳 무너져도 백업 생존)

🔑 암기 한·여·복 — 파티(한 DB·병행) / 샤딩(여러 DB·확장) / 클러스터링(복제·가용). ⚠️ 함정 "파티셔닝 = 샤딩" ❌(→ 한 DB vs 여러 DB) / "클러스터링 = 분할" ❌(→ 복제) / "클러스터형 인덱스 = 클러스터링" ❌(→ 완전히 다른 개념). 🎯 빈출 목적(가용성/확장성/병행성)으로 기법 찾기. 한·여·복 세 글자면 즉답. 💡 보충 대규모 서비스는 셋을 함께 쓴다 — 샤드 키로 여러 DB에 나누고(샤딩), 각 DB를 복제해 가용성을 챙기고(클러스터링), 각 DB 안에서 다시 범위 파티셔닝을 건다. 경쟁이 아니라 보완 관계다.

기출 다지기

[기출 1 출제] 다음 중 VIEW에 대한 설명으로 옳지 않은 것은? (VIEW 특성)

• ① 하나 이상의 기본 테이블에서 유도되는 가상의 테이블이다.
• ② VIEW에는 독자적인 인덱스를 생성할 수 있다.
• ③ 정의된 기본 테이블이 삭제되면 VIEW도 자동으로 삭제된다.
• ④ VIEW의 정의는 ALTER로 변경할 수 없고, DROP 후 다시 CREATE해야 한다.

[기출 2 출제] 다음 중 갱신(INSERT·UPDATE·DELETE)이 가능한 뷰는? (VIEW 갱신)

• ① 두 테이블을 JOIN해 만든 뷰
• ② COUNT(*) 집계를 포함한 뷰
• ③ 한 테이블에 WHERE 조건만 건 단순 SELECT 뷰
• ④ GROUP BY로 그룹화한 뷰

[기출 3 출제] 다음 중 INDEX에 대한 설명으로 옳은 것은? (INDEX 트레이드오프)

• ① INDEX를 많이 생성할수록 INSERT·UPDATE 성능이 향상된다.
• ② B+Tree 인덱스는 등호 검색만 가능하고 범위 검색은 불가능하다.
• ③ 카디널리티가 낮은 컬럼에 B+Tree 인덱스를 만들면 가장 효율적이다.
• ④ PK 제약을 지정하면 해당 컬럼에 인덱스가 자동으로 생성된다.

[기출 4 출제] WHERE age BETWEEN 20 AND 35 같은 범위 검색에 가장 적합한 인덱스 자료구조는? (자료구조)

• ① 해시 인덱스
• ② B+Tree 인덱스
• ③ 비트맵 인덱스
• ④ 역인덱스

[기출 5 출제] 클러스터형 인덱스와 비클러스터형 인덱스에 대한 설명으로 옳지 않은 것은? (클러스터형 인덱스)

• ① 클러스터형 인덱스는 테이블당 1개만 생성된다.
• ② 클러스터형은 PK 제약, 비클러스터형은 UNIQUE 제약에 자동 생성된다.
• ③ 클러스터형 인덱스는 테이블 데이터를 인덱스 순서로 물리 정렬한다.
• ④ 비클러스터형 인덱스는 테이블당 1개만 생성된다.

[기출 6 출제] 다음 중 파티셔닝에 대한 설명으로 옳지 않은 것은? (파티셔닝)

• ① 하나의 큰 테이블을 한 DB 안에서 여러 파티션으로 나눈다.
• ② 수평 분할은 열(Column) 단위로 데이터를 나누는 방식이다.
• ③ 종류로는 범위·해시·리스트·복합이 있다.
• ④ DROP PARTITION으로 오래된 데이터를 일괄 제거할 수 있다.

[기출 7 출제] 분산 데이터베이스 환경에서 가용성(HA) 확보를 주 목적으로 하는 기법은? (분산 DB 분별)

• ① 파티셔닝
• ② 샤딩
• ③ 클러스터링
• ④ 정규화

한 장 요약

VIEW — 가물독기

• 갱신 = 단순 SELECT 한 테이블만 ✅ / JOIN·집계·GROUP BY ❌
• DROP VIEW = RESTRICT(의존 있으면 거부·디폴트) / CASCADE(연쇄 삭제)

INDEX

• 트레이드오프 — SELECT↑ / 변경 3종(INSERT·UPDATE·DELETE)↓ / 저장 공간↑
• 자료구조 — B+Tree(범위✅·표준) / B-Tree(=Balanced·리프 연결❌) / 해시(등호만·O(1)) / 비트맵(낮은 카디·DW)
• 클러스터형(PK 자동·1개·물리 정렬) vs 비클러스터형(UNIQUE 자동·N개·별도)
• 카디 낮은 컬럼(성별·상태)에는 인덱스 ❌

파티셔닝 — 범해리복 (수평 분할 4종)

• 수평=행(Row) / 수직=열(Column) · 효과 = 검색·관리·병행성 강화·부분 가용성

3분별 — 한·여·복

핵심 함정 5쌍

• VIEW에 CREATE INDEX ❌ (독자 인덱스 없음) · 인덱스 많아도 변경은 느려짐
• 해시 인덱스 범위 검색 ❌ (등호만) · 클러스터형 인덱스는 1개만 (N개 ❌)
• 수평=행 (열 ❌) · 파티셔닝 ≠ 샤딩 (한 DB vs 여러 DB) · 클러스터형 인덱스 ≠ DB 클러스터링