Antigravity Agent
30 lines
2.7 KiB
Markdown
30 lines
2.7 KiB
Markdown
---
|
|
id: SYS-SQL-TUNE-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 1.0
|
|
tags: [database, sql, [[Optimization|Optimization]], performance-tuning, indexing, [[Query-Optimization|Query-Optimization]], [[Relational-Database|Relational-Database]]s]
|
|
last_reinforced: 2026-04-26
|
|
---
|
|
|
|
# SQL Performance Tuning (SQL 성능 튜닝)
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "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|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|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)
|
|
- **과거 데이터와의 충돌:** 무조건 인덱스를 많이 거는 것이 답이라던 생각에서 벗어나, 이제는 인덱스가 쓰기(Insert/Update) 성능을 저하시킬 수 있음을 고려하여 '읽기/쓰기 비중'에 따른 균형 잡힌 전략 수립이 중요해짐.
|
|
- **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|Relational-Databases]], [[Scalability-in-AI-Systems|Scalability-in-AI-Systems]], [[Sharding-and-Partitioning|Sharding-and-Partitioning]],[[_system|system]]-Design-for-AI-Scale
|
|
- **Raw Source:** 10_Wiki/Topics/AI/SQL-Performance-Tuning.md
|