카테고리 없음 2025. 10. 24. 14:57

Exadata 동작 전반흐름

“필요한 데이터만 위로 보내라”Exadata는
스토리지에서 똑똑하게 걸러(=Smart Scan),
압축을 활용해 I/O를 줄이고(=HCC),
플래시로 빠르게 읽는(=Flash Cache) 구조까지 통합해
엔드-투-엔드로 병목을 낮추는 아키텍처

Exadata 동작 흐름

1) 클라이언트 → DB 서버: “SQL 나왔습니다!”

사용자가 SELECT 같은 SQL을 날립니다.
DB 서버(인스턴스)가 받아서 “이건 Smart Scan으로 스토리지에서 처리시키는 게 유리한가?”를 먼저 판단해요.

2) 오프로딩 결정(iDB 명령 전송)

가능하면 DB 서버는 블록을 통째로 읽지 않고, iDB(Exadata 전용 프로토콜)로 “이런 조건으로 스캔해줘” 라는 명령을 스토리지 셀에게 보냅니다.
이게 바로 Smart Storage/Smart Scan 오프로딩의 시작!

3) Exadata Storage Cell: “필요한 것만 골라드림” (Smart Scan)

스토리지 셀이 디스크/플래시의 데이터 블록을 직접 스캔하면서:

Row Filtering: WHERE 조건에 맞는 행만 추립니다.
Column Projection: SELECT에 필요한 컬럼만 뽑습니다.
일부 조인/집계도 셀 수준에서 처리할 수 있어, DB 서버가 할 일이 줄어요.

➡ 결과적으로 “필요한 것만” 추출되니 네트워크로 오가는 데이터가 확 줄어듭니다.

4) Flash Cache: “자주 쓰면 플래시에서 번개같이”

스토리지 셀은 먼저 Flash Cache(플래시 기반 캐시)를 확인합니다.
자주 읽는 데이터나 최근 접근한 부분은 디스크 대신 플래시에서 고속 읽기가 됩니다.
쓰기 패턴이 아주 강한 경우엔(옵션) Write-back 모드로 플래시에 먼저 기록 후 나중에 디스크로 내립니다.
(Redo 로그는 별도로 Smart Flash Log가 커밋 지연을 줄여줌)

5) HCC(하이브리드 컬럼 압축): “공간도 성능도 아낀다”

DW/아카이브성 대용량 테이블은 종종 HCC로 압축되어 저장됩니다.
스토리지 셀이 압축 해제 및 필터링을 같이 해줘서,
압축된 데이터라도 적은 I/O로 많은 로우를 훑고, 필요분만 DB 서버로 보내요.
즉 “압축 + 오프로딩” 조합으로 디스크→네트워크→DB 서버 모든 구간의 부하를 감소시킵니다.

6) DB 서버: “받아서 마무리”

여러 스토리지 셀에서 온 가벼워진 결과셋을 DB 서버가 합치고(병렬 쿼리 결과 병합과 유사)
나머지 연산(정렬/집계 일부 등)을 마무리합니다.

7) 최종 결과 → 클라이언트

DB 서버가 결과를 클라이언트에게 반환.
블록 덩어리를 잔뜩 끌어오던 전통 방식보다 CPU·네트워크·디스크 I/O가 모두 절약됩니다.
그래서 더 빠른 쿼리, 더 많은 동시 처리가 가능해집니다.

핵심 키워드 한 줄 요약

Smart Storage/Smart Scan: 스토리지에서 미리 걸러서 필요한 것만 위로 보냄
iDB: DB ↔ 스토리지 셀 간 오프로딩 지시용 전용 프로토콜
Flash Cache: 자주 쓰는 데이터를 플래시에 캐싱해 읽기 가속
HCC: 고압축 + 스토리지 측 해제/필터링으로 I/O·네트워크 절감
(보너스) Smart Flash Log: Redo 커밋 지연 감소(OLTP에 효과)

언제 특히 효과적?

풀 스캔이 많은 DW/분석 쿼리: 조건/컬럼을 스토리지에서 미리 정리
대용량 테이블: HCC + Smart Scan으로 읽기량 대폭 감소
자주 반복 조회: Flash Cache로 랜덤 읽기 지연 최소화

언제 덜 쓰일 수 있나?

인덱스 소량 조회(OLTP형, PK=값 하나): 버퍼 캐시 히트가 더 유리할 수 있음
Smart Scan 비대상 객체/연산(예: 일부 LOB/가상컬럼/특정 인덱스 스캔 등)

Exadata와 병렬 처리

✅ Smart Scan: PX Slave가 스토리지에서 필요한 데이터만 읽음 → I/O 대폭 감소
✅ Storage Offloading: 서버로 올라오는 데이터 량 줄임
✅ Flash Cache 병렬 읽기: 플래시에서 초고속 읽기
✅ InfiniBand / RoCE 네트워크: 병렬 노드 간 빠른 데이터 전송

👉 Exadata에서는 병렬 처리를 하면 CPU 부하가 덜하고, 속도 향상이 선형적으로 나오는 경우는 경우가 많음

병렬도(Degree of Parallelism, DOP)

DOP: 병렬로 작업할 PX 프로세스 개수
수동 설정 또는 자동 설정 가능

ALTER TABLE emp PARALLEL 8; -- 테이블에 병렬도 8 설정

또는 SQL 힌트로:

SELECT /*+ PARALLEL(emp, 8) */ * FROM emp;

👉 병렬도 = PX Slave 수
👉 너무 높게 잡으면 CPU 과부하 발생하므로 주의 ⚠️

병렬 처리 관련 주요 파라미터

파라미터설명

PARALLEL_MAX_SERVERS	전체 병렬 Slave 프로세스 최대 수
PARALLEL_MIN_SERVERS	최소 프로세스 수
PARALLEL_DEGREE_POLICY	AUTO / MANUAL 병렬 정책
PARALLEL_MIN_TIME_THRESHOLD	병렬 실행으로 전환되는 기준 시간
PARALLEL_FORCE_LOCAL	병렬 실행 시 로컬 노드만 사용 여부

👉 특히 DW 환경에서는 PARALLEL_DEGREE_POLICY = AUTO 를 많이 사용합니다.

Exadata 병렬 SQL

작성법은 “객체 속성/힌트/세션 설정” 3가지를 쓴다.
대상은 큰 스캔/집계/적재(DW/배치).
Exadata에선 병렬 + Smart Scan/Direct Path/HCC가 맞물리며 효율이 기가 막히게 올라간다.

1) 기본 설정(세션/DB)

-- 자동 병렬화 권장 (Exadata에서 특히 효과적) ALTER SESSION SET parallel_degree_policy = AUTO; -- MANUAL이면 힌트/속성만 적용 ALTER SESSION SET parallel_min_time_threshold = 10; -- 10초↑ 추정 작업만 자동 병렬 -- 병렬 DML 사용할 때 ALTER SESSION ENABLE PARALLEL DML;

팁: 전역 기본값은 DBA가 PARALLEL_DEGREE_POLICY=AUTO 로 운영 설계하는 게 보통입니다.

2) 객체/SQL 단위 병렬 지정

(A) 객체(테이블/인덱스)에 병렬 속성 부여

ALTER TABLE sales PARALLEL 8; -- 테이블 기본 병렬도(DOP) 8 ALTER INDEX sales_idx PARALLEL 8; -- 해제: ALTER TABLE sales NOPARALLEL;

(B) SQL 힌트로 병렬 지정(가장 흔함)

-- 대용량 SELECT SELECT /*+ PARALLEL(sales, 8) */ * FROM sales WHERE txn_date >= DATE '2025-01-01'; -- CTAS (Create Table As Select) CREATE TABLE sales_y25 NOLOGGING PARALLEL 16 AS SELECT /*+ PARALLEL(16) */ * FROM sales WHERE txn_date >= DATE '2025-01-01'; -- INSERT APPEND (Direct Path + 병렬 적재) ALTER SESSION ENABLE PARALLEL DML; INSERT /*+ APPEND PARALLEL(sales_y25, 16) */ INTO sales_y25 SELECT /*+ PARALLEL(sales, 16) */ * FROM sales WHERE txn_date >= DATE '2025-01-01'; -- 병렬 UPDATE/DELETE ALTER SESSION ENABLE PARALLEL DML; UPDATE /*+ PARALLEL(orders, 8) */ orders SET status = 'CLOSED' WHERE order_dt < SYSDATE - 90; DELETE /*+ PARALLEL(orders, 8) */ FROM orders WHERE order_dt < SYSDATE - 365;

실무 팁: 대량 로딩은 INSERT /*+ APPEND PARALLEL */ + NOLOGGING(복구정책 확인) 조합을 많이 씁니다.

3) 분배 전략 힌트(PX간 데이터 이동 최적화)

-- 조인 키 기준 해시 분배(많이 씀) SELECT /*+ PARALLEL(orders, 16) PARALLEL(customers, 16) PQ_DISTRIBUTE(orders HASH, customers HASH) */ ... FROM orders JOIN customers USING(customer_id); -- 작은 테이블 브로드캐스트(큰 테이블 스캔 최소화) SELECT /*+ PARALLEL(big_t, 16) PARALLEL(dim_t, 16) PQ_DISTRIBUTE(dim_t BROADCAST, big_t HASH) */ ... FROM big_t JOIN dim_t USING(key);

파티션 테이블이면 Partition-wise Join(자연스럽게 발생)으로 데이터 재분배 최소화 → 성능↑

4) Exadata에서 잘 먹히는 패턴

큰 범위 스캔 + PARALLEL → Smart Scan 오프로딩으로 서버로 올라오는 데이터가 확 줄어듦
Direct Path(APPEND, CTAS) → 버퍼캐시 우회 + 플래시/디스크 순차 읽기 최적
여러 파일/파티션 → PX 슬레이브가 일감을 잘 나눠 가짐
HCC(압축 테이블) → 스토리지에서 압축 해제+필터링, 병렬 스캔 효율 극대화

5) 모니터링/검증

-- 실행계획에 PX 단계 확인 SELECT * FROM TABLE(DBMS_XPLAN.DISPLAY_CURSOR(NULL, NULL, 'ALLSTATS LAST +PARALLEL')); -- PX 통계: 어떤 TQ(전송 큐)로 어떻게 분배됐는지 확인 SELECT * FROM V$PQ_TQSTAT; -- 세션/시스템 병렬 서버 현황 SELECT * FROM V$PX_SESSION; SELECT * FROM V$PX_PROCESS;

계획에서 PX COORDINATOR, PX SEND/RECEIVE, PX PARTITION 등이 보이면 병렬이 제대로 동작 중.

6) 성능/안정성 체크리스트

대상 선정: 수백 GB~TB급 스캔·집계/적재 작업에만 병렬. OLTP 단건 처리는 비권장.
DOP(병렬도): 코어수·I/O·동시 작업 수를 고려. 과도한 DOP는 경합/스케줄 지연 초래.
리소스 관리:
- PARALLEL_MAX_SERVERS(총 PX 한도), PARALLEL_SERVERS_TARGET(소프트 한도)
- 멀티테넌트/PDB라면 리소스 매니저 + IORM로 DB/PDB별 공정성 보장
TEMP/UNDO 여유: 대용량 집계/정렬/조인 시 Temp·Undo 사용량 크게 증가
LOGGING 정책: 대량 적재에서 NOLOGGING은 빠르지만 복구 전략(백업) 필수
통계 최신화: 잘못된 카디널리티로 병렬/분배 전략이 꼬이지 않게 통계 갱신
소테이블 브로드캐스트 주의: 작은 줄 알았던 테이블이 커지면 오히려 병목 → 분배 전략 재점검

7) 자주 쓰는 스니펫 모음

-- ① 테이블 기본 병렬도와 NOLOGGING ALTER TABLE fact_sales PARALLEL 16 NOLOGGING; -- ② CTAS로 분할/정렬까지 한 번에 CREATE TABLE fact_sales_y25 PARALLEL 16 NOLOGGING TABLESPACE data_ts AS SELECT /*+ PARALLEL(16) */ /* 필요한 컬럼만 선택 + 파티션 키 기준 정렬/필요 시 가공 */ * FROM fact_sales WHERE sales_dt >= DATE '2025-01-01'; -- ③ 인덱스 병렬 생성 CREATE INDEX fact_sales_y25_ix1 ON fact_sales_y25(customer_id) PARALLEL 16 NOLOGGING; -- ④ 병렬 MERGE (대량 업서트) ALTER SESSION ENABLE PARALLEL DML; MERGE /*+ PARALLEL(t, 12) PARALLEL(s, 12) */ INTO tgt t USING src s ON (t.key = s.key) WHEN MATCHED THEN UPDATE SET ... WHEN NOT MATCHED THEN INSERT (...); -- ⑤ 큰 조인에서 분배 전략 명시 SELECT /*+ PARALLEL(a, 12) PARALLEL(b, 12) PQ_DISTRIBUTE(a HASH, b HASH) */ ... FROM big_a a JOIN big_b b ON b.k = a.k;

저작자표시 비영리 변경금지 (새창열림)

ABOUT ME

찰나의 개발흔적 찰나의 개발흔적