인덱스 카디널리티 부분 질문이있습니다.

꼬꼬무에서 true 또는 false값을 갖는 컬럼 비울 1 : 99 로 예를 들어주셨는데요.

비율과는 관계없이 true / false 두종류로만 나눠질때 카디널리티가 매우 낮고 선택도가 매우 높다는 부분이 잘 이해가 안가서 질문드려봅니다.

카디널리티 가 2 라서 (트루, 폴스) 카디널리티가 낮고 중복도는 높다 라고 이해를했는데

선택도부분은 총 레코드수가 2 이고 카디널리티도 2 이기때문에 선택도는 100%라고 볼수있고 이로인해서 선택도가 굉장히 높기때문에 거의 풀스캔과 맞먹는다고 볼수있어 인덱스를 생성하는것이 좋지 않다.

라고 이해하는게 맞을까요?

이게 지금 제가 맞게 이해를 하고있는건지 혼란스러워서 질문드려봅니다.

선택도와 카디널리티에 대해서 많이들 혼란스러워하는 개념인데요. 해당 질문이 이해를 하는 데 도움이 될 것 같아서 가져왔습니다.

👉디스코드 질문 링크

양모시기님:

선생님 카디널리티와 선택도 차이가 헷갈려서 찾아보다가 더 헷갈리게 되어서 질문 드리게 되었습니다.

개념적인 차이가 궁금해서 찾아보다보니 여기저기 써있는 선택도 공식이 다 달라서요.. 정말 많이 찾아봤는데 어느쪽이 더 신뢰가 간다고 할 수 없을만큼 결과가 비등하게 나오네요 ㅜ 아래 두가지로 나뉘는데

선택도와 카디널리티가 비례한다 ( 선택도 = 카디널리티 / 전체 로우 수)
선택도와 카디널리티가 반비례한다 ( 선택도 = 선택값 로우 수/ 전체 로우 수 )

제가 걱정되는 부분은 면접 때 인덱스 설정 시 선택도가 낮은 게 좋은 거라고 당당하게 말해도 되는 건지 궁금합니다. 둘 다 결과적인 개념은 같은데 같은 용어를 다른 공식으로 계산해서 쓰고 있으니 혼선이 있을까 걱정이 되네요, 혹시 선생님은 어떻게 생각하시나요?

저의 답변:

일단 위의 expertoracle 에 작성된 아티클만 참고하여 설명드릴게요(왜냐면 해당 아티클 작성자의 이력이 신뢰도가 ㄷㄷ)

일단 비례, 반비례 용어를 쓰는 시점부터 혼란이 시작됩니다. 공식을 보면 [ 선택도 = 카디널리티 / 전체로우수] 이기 때문에 둘의 관계는 비례관계가 맞긴 합니다. 하지만, 인덱스 설정시 선택도가 낮은게 좋고, 카디널리티는 높은게 좋다니... 비례관계인 선택도와 카디널리티가 도대체 어떻게 하나는 낮아지는 동시에 하나는 높아질 수 있을까요?

바로 전체 로우수 덕분에 가능합니다.

예시를 들어볼게요. 만약에 개발자 유저들의 정보를 데이터베이스에 저장했다고 해볼게요. 한 칼럼의 이름은 "주력언어"에요. JAVA, JS, C++, Python, swift 등등 10개의 언어 종류가 있다고 하면 카디널리티는 10이죠. 물론 상황마다 다르겠지만 카디널리티는 잘 변하지 않아요. 이 상황에서 전체 로우수가 50이면 선택도와 카디널리티는 다음과 같을거에요

선택도 : 0.2 (10 / 50)
카디널리티 : 10

여기서 개발자 정보가 많이 들어와서 전체 로우수가 100이 됐어요.

선택도 : 0.1 (10/100)
카디널리티 : 10

이러면 인덱스를 쓸맛이 좀 나겠네요. 선택도가 낮아졌으니까요! 그러다가 새로운 언어가 계속 추가 됐어요. 그래서 카디널리티가 10 -> 30으로 증가했습니다.

선택도 0.3 (30/100)
카디널리티: 30

오 카디널리티가 증가했으니까 인덱스를 쓸맛이 나겠네요! 하지만 선택도가 같이 올라서 이건 좀 맛 없네요 ㅜ 이런 상황에서 전체 로우수가 계속 증가했어요. 100 -> 1000

선택도 0.03 (30/1000)
카디널리티: 30

이러면 또 인덱스 쓸 맛이 나겠네요

이런 식으로 비례관계이긴 하나, 전체로우수 덕분에 카디널리티는 높아지면서도 선택도는 낮아질 수 있어요. 그래서 반비례라고 오해를 하기도 하는 것 같습니다.

결론:

비례관계는 맞다. 선택도 = 카디널리티 / 전체로우수
선택도가 낮은게 좋은 거라고 당당히 말해도 된다.

오류: 선택도와 카디널리티는 반비례한다( X )

참고자료: https://expertoracle.com/2017/11/15/db-tuning-basics-1-selectivity-and-cardinality/

인프런 커뮤니티 질문&답변