[G1-Sync] Manual knowledge update

10_Wiki/Topics/SQL-Performance-Tuning.md

@@ -2,7 +2,7 @@
 id: SYS-SQL-TUNE-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [database, sql, optimization, performance-tuning, indexing, query-optimization, relational-databases]
+tags: [database, sql, [[Optimization]], performance-tuning, indexing, [[Query-Optimization]], [[Relational-Database]]s]
 last_reinforced: 2026-04-26
 ---
 
@@ -12,12 +12,12 @@ last_reinforced: 2026-04-26
 > "데이터베이스 엔진의 실행 계획(Execution Plan)을 읽어 비효율의 병목을 찾아내고, 인덱싱과 쿼리 재작성이라는 정밀한 메스로 초고속 데이터 탐색의 길을 열어라" — SQL 쿼리의 응답 속도를 최적화하고 시스템 자원 소모를 최소화하기 위한 기술적 조정 공정.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **추출된 패턴:** "Execution Plan Analysis and Index Optimization" — 전체 테이블 스캔(Full Table Scan)을 피하기 위해 적절한 인덱스를 생성하고, 조인(Join) 순서 조정 및 불필요한 서브쿼리 제거 등을 통해 데이터베이스 엔진이 가장 적은 비용으로 데이터를 찾게 만드는 패턴.
+- **추출된 패턴:** "Execution Plan [[Analysis]] and Index Optimization" — 전체 테이블 스캔(Full Table Scan)을 피하기 위해 적절한 인덱스를 생성하고, 조인(Join) 순서 조정 및 불필요한 서브쿼리 제거 등을 통해 데이터베이스 엔진이 가장 적은 비용으로 데이터를 찾게 만드는 패턴.
 - **주요 튜닝 전략:**
     - **Indexing:** 자주 검색되는 컬럼에 인덱스를 부여하여 탐색 속도 향상.
     - **Query Refactoring:** `SELECT *` 지양, 불필요한 `DISTINCT` 제거, 효율적인 `WHERE` 조건절 구성.
     - **Execution Plan Analysis:** `EXPLAIN` 명령어를 통해 엔진의 작업 경로 분석 및 병목 지점 식별.
-    - **Normalization vs Denormalization:** 읽기 성능을 위해 의도적인 데이터 중복 활용.
+    - **[[Normalization]] vs Denormalization:** 읽기 성능을 위해 의도적인 데이터 중복 활용.
 - **의의:** 서비스 규모가 커질수록 데이터베이스 부하는 기하급수적으로 늘어나며, SQL 튜닝은 하드웨어 증설 없이도 시스템 성능을 수배 이상 향상시킬 수 있는 가장 경제적인 고도화 전략.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 대규모 로그 분석 및 지식 검색 시, 응답 지연 시간(Latency) 100ms 이내 유지를 목표로 모든 핵심 쿼리에 대한 실행 계획 검토 및 인덱스 최적화를 의무화함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Relational-Databases]], [[Scalability-in-AI-Systems]], [[Sharding-and-Partitioning]], System-Design-for-AI-Scale
+- [[Relational-Databases]], [[Scalability-in-AI-Systems]], [[Sharding-and-Partitioning]],[[ system]]-Design-for-AI-Scale
 - **Raw Source:** 10_Wiki/Topics/AI/SQL-Performance-Tuning.md