데이터베이스 쿼리 최적화기: 이상과 현실의 차이

데이터베이스 쿼리 최적화기는 최적의 쿼리 계획을 선택하는 것을 목표로 하지만, 비용 추정에 의존하며, 이는 다시 선택성과 기본 리소스 비용(I/O, CPU 등)에 의존하기 때문에 종종 오류를 범합니다. 실험에 따르면, 간단한 SELECT 쿼리의 경우 최적화기의 계획 선택 정확도는 데이터 분포에 따라 크게 달라집니다. 균일한 데이터 세트의 경우 비트맵 스캔이 일반적으로 인덱스 스캔보다 우수하지만, 다른 분포의 경우 최적화기는 최적이 아닌 인덱스 스캔을 선택하는 경향이 있습니다. 이는 간단한 쿼리의 경우에도 최적화기의 비용 모델이 다양한 데이터 분포와 하드웨어 환경에 완벽하게 적응하기 어렵다는 것을 보여줍니다. 비용 기반 계획은 여전히 최상의 접근 방식이지만, 강력성과 적응성을 향상시키는 것은 큰 과제입니다.