카테고리 없음

[Exadata day2] Exadata 핵심기능 및 초기 설정

aonee 2025. 10. 22. 09:49

4~6장: 핵심 기능 및 초기 설정

  • 4장: Smart Scan, Smart Flash Cache, PMEM 등 Exadata 성능 최적화 기술
  • 5장: 설치 전 준비(OEDA 사용), 초기 설치 및 배포 절차
  • 6장: 스토리지 서버(Cell) 구성 — CellCLI, Grid Disks, ASM Disk Group 설정

 

 

Classic Database I/O and SQL Processing Model

 

 

 

📊 전통적인 DB(SQL) 처리 방식이란?

예전 방식의 데이터베이스 시스템에서는 “모든 똑똑한 처리”가 데이터베이스 서버 안에서만 이뤄집니다.
즉, 저장소(스토리지)는 단순히 데이터를 보관만 하고, 실제 연산은 모두 서버가 처리하죠.

🧭 예시: 테이블에서 데이터 검색(SELECT)할 때의 처리 과정

  1. 사용자가 SELECT문 실행
    → 예: “이 조건에 맞는 고객 정보만 보여줘!”
  2. DB가 해당 데이터 위치 확인
    → 어떤 파일·영역(Extent)에 이 테이블이 저장돼 있는지 찾아냅니다.
  3. DB가 스토리지에 읽기 요청
    → 테이블이 저장된 모든 블록(데이터 조각)을 읽어오라고 요청합니다.
  4. 모든 블록을 메모리로 가져옴
    → 조건에 맞는 데이터만 필요한데도, 테이블 전체 블록이 메모리로 올라옵니다.
  5. DB 서버에서 조건 필터링 작업
    → 가져온 데이터 중에서 SELECT 조건에 맞는 행만 찾습니다.
  6. 필요한 행만 사용자에게 반환
    → 최종적으로 원하는 결과만 보여집니다.

⚠️ 비효율이 생기는 이유

  • 조건에 맞는 데이터만 필요한데도 → 테이블 전체를 읽어야 함
  • 이 과정에서 네트워크로 데이터가 대량 전송되고 메모리를 많이 차지함
  • 즉, 불필요한 데이터 I/O(읽기 작업)가 엄청나게 발생함
  • 결과적으로 속도 저하, 서버 부하 증가, 처리 효율 저하로 이어집니다.

✅ 정리하자면

“조건에 맞는 데이터만 딱 읽는 게 아니라, 테이블 전체를 읽은 뒤에 걸러내는 방식”이라서 비효율적입니다.
특히 큰 테이블일수록 이런 낭비가 커지고, 시스템 성능에 영향을 줍니다.

 

 

 

 

Exadata Smart Scan Model

 

⚡ Exadata Smart Scan이란?

Oracle Exadata는 기존 방식과 달리, 단순히 데이터를 저장만 하는 게 아니라 스토리지(저장장치) 자체에서 데이터를 먼저 걸러주는 똑똑한 방식을 사용합니다.
즉, 필요한 데이터만 서버로 보내기 때문에 속도도 빠르고 자원 낭비도 훨씬 줄어듭니다.

🧭 Exadata Smart Scan의 처리 과정

  1. 사용자가 SELECT문 실행
    → 예: “특정 조건에 맞는 고객 정보만 보여줘!”
  2. DB가 Exadata 저장소에 명령 전달
    → 이 데이터가 Exadata 셀에 있으면, 서버가 iDB라는 특수 명령으로 직접 스토리지에게 작업을 시킵니다.
  3. 스토리지에서 먼저 필터링 작업
    → Exadata가 **필요한 행(Row)**과 **필요한 컬럼(Column)**만 미리 골라냅니다.
    → 즉, 조건에 안 맞는 데이터는 아예 서버로 올라오지 않음❌ where절 처리함
  4. 필요한 데이터만 서버로 전송
    → 기존처럼 블록 단위가 아니라, 결과만 요약해서 iDB 메시지로 전달합니다.
    → 버퍼 캐시에 블록을 저장할 필요도 없습니다.
  5. DB 서버에서 결과 합치기
    → 여러 Exadata 셀에서 온 결과를 병렬 처리처럼 합쳐 최종 결과를 만듭니다.
  6. 사용자에게 결과 전달 ✅

💡 이렇게 하면 좋은 점

  • 📉 불필요한 I/O가 거의 없음 → 테이블 전체를 읽지 않음
  • 🧠 CPU 사용량 절감 → 서버는 결과만 합치면 되니까 가벼워짐
  • ⚡ 쿼리 속도 향상 → 큰 테이블도 빠르게 조회 가능
  • 📈 더 많은 요청을 동시에 처리 가능

전통 방식 vs Exadata Smart Scan

구분전통적인 DB 방식Exadata Smart Scan 방식
데이터 필터링 위치 DB 서버에서 처리 스토리지(Exadata)에서 처리
I/O 발생량 테이블 전체 블록 전송 필요한 데이터만 전송
CPU 사용량 서버에서 많은 연산 수행 서버 부담 감소 (스토리지에서 전처리)
속도 느릴 수 있음 (대량 데이터 전송 때문) 빠름 (필요한 결과만 전송)

✅ 정리하자면

Exadata Smart Scan은 “필요한 데이터만 똑똑하게 골라서 보내주는” 기술입니다.
덕분에 쿼리 성능이 대폭 향상되고, 서버 자원도 절약할 수 있습니다.

 

 

 

 

 

 

Smart Scan vs Index Scan ?

🧭 1. Index Scan 이란?

Index Scan은 말 그대로 “인덱스”를 이용해서 필요한 데이터 위치만 찾아 읽는 방식입니다.

📌 동작 방식

  1. DB는 인덱스를 검색해서 조건에 맞는 ROWID(데이터의 위치)를 찾습니다.
  2. 그 위치로 가서 필요한 데이터 블록만 읽어옵니다.
  3. 조건에 맞는 데이터를 추출해서 사용자에게 전달합니다.

📊 장점

  • 필요한 데이터가 적을 때 매우 빠름 ✅
  • 불필요한 블록을 거의 읽지 않음 (정확한 위치 접근)

⚠️ 단점

  • 매우 많은 데이터를 읽을 경우, 인덱스를 통해 건건이 찾아가야 하므로 오히려 느릴 수 있음.
  • Full Table Scan보다 비효율적일 수도 있음(랜덤 I/O 증가).

⚡ 2. Smart Scan 이란?

Smart Scan은 Exadata에서만 가능한 방식으로, 스토리지에서 먼저 필터링해 불필요한 데이터를 아예 안 올리는 방식입니다.

📌 동작 방식

  1. 서버는 SELECT 조건을 Exadata 스토리지에 전달합니다.
  2. Exadata가 스토리지 단에서 조건에 맞는 행과 컬럼만 추출합니다.
  3. 필요한 데이터만 서버로 전달합니다.

📊 장점

  • 테이블이 크고, 조건이 있는 Full Table Scan일 때 매우 효율적 ✅
  • 불필요한 I/O 최소화, 네트워크 부하 적음, 속도 빠름

⚠️ 단점

  • 인덱스를 쓰는 상황(소량의 특정 행 검색)에는 Smart Scan이 굳이 필요 없음.
  • Smart Scan은 주로 대량 데이터 조회에서 성능이 극대화됨.

🆚 Index Scan vs Smart Scan

항목Index ScanSmart Scan (Exadata)
처리 위치 DB 서버 스토리지(Exadata 셀)
대상 데이터 양 소량의 특정 데이터에 적합 대량 데이터 + 조건 검색 시 유리
I/O 방식 인덱스를 통해 필요한 블록만 랜덤 접근 스토리지에서 먼저 필터링 후 최소 데이터만 전송
CPU 부하 서버 CPU 사용 스토리지에서 분산 처리 → 서버 부담 적음
사용 시점 WHERE 절로 특정한 데이터만 찾을 때 Full Table Scan 시 성능 극대화 (조건 필터링 있음)
대표 예 “ID = 12345” 한 건 찾기 “매출 100만원 이상 고객 전체 조회” 같이 대량 검색

💡 정리하자면

  • 👉 Index Scan → 소량의 특정 데이터를 찾을 때 유리 (인덱스 활용)
  • ⚡ Smart Scan → 대량 데이터를 조건으로 걸러낼 때 유리 (스토리지에서 필터링)

✅ 팁:

  • Exadata 환경에서도 소량 데이터라면 Index Scan이 Smart Scan보다 빠를 수 있습니다.
  • 반대로 수십~수백만 건 이상을 조회할 때는 Smart Scan이 압도적으로 빠릅니다.

 

 

 

 

 

 

Exadata Storage Index

 

 

 

 

🧠 1. Storage Index란?

“**스토리지(저장소)**에 있는 데이터의 최솟값/최댓값 정보를 기억해두고,
조건에 안 맞는 영역은 아예 읽지 않게 해주는 기능”

기존에는 모든 블록을 읽은 후에 조건에 맞는 데이터를 걸러냈지만,
Storage Index는 읽기 전에 “이 영역은 볼 필요 없어”라고 미리 판단합니다.

📦 2. 내부 구조 (간단 버전)

  • Exadata의 디스크는 1MB 단위로 잘게 나뉘어 있는데, 이를 Storage Region이라고 합니다.
  • 각 Region마다 **최솟값(MIN)**과 최댓값(MAX) 정보를 메모리에 저장해둔 것이 Region Index입니다.
  • 여러 Region Index를 모은 것이 바로 Storage Index예요.

👉 예:

RegionB 컬럼 MINB 컬럼 MAX
1MB 1 1 5
1MB 2 3 8

쿼리 시 이 정보를 기준으로 읽을지/건너뛸지 판단합니다.

🪄 3. Storage Index의 장점

  • 💨 불필요한 I/O 제거 → 디스크에서 덜 읽으니 빠름
  • 🧠 서버 부하 감소 → 읽을 게 줄어드니 CPU/메모리 절약
  • ⚡ 자동으로 관리됨 → DBA가 따로 인덱스를 만들 필요 없음

🧱 4. 특징 & 제약사항

항목내용
관리 필요 여부 ❌ 없음 — 자동으로 생성/삭제
작동 시점 Smart Scan 시 자동 활용
데이터 유형 제한 숫자(NUMBER), 날짜(DATE), 문자열(VARCHAR2) 등은 가능
단 NLS 의존 타입은 불가
사라지는 시점 메모리에만 존재 → 셀이 재부팅되면 사라짐
복구 방식 재부팅 후 첫 쿼리 시 자동 재생성
가장 효과적인 상황 - 데이터가 정렬되어 있거나 잘 클러스터링된 경우
- WHERE 절에 =, <, > 조건이 있는 경우

🧠 5. Cold vs Hot, Smart Scan과의 관계

  • Storage Index는 Smart Scan과 함께 작동합니다.
  • Smart Scan이 실제로 데이터를 읽는 동안 Storage Index는
    “이 구간은 읽지 말자” 하고 범위를 건너뛰는 역할을 합니다.
  • 따라서 대량의 Full Table Scan + 조건 검색에서 효과가 극대화됩니다.🔥

✅ 한 줄 정리

📌 Storage Index = 읽기 전 필터링 장치
블록을 읽기 전에 조건에 맞는지 미리 확인 → 불필요한 I/O를 스킵 → 쿼리 속도 ↑, 자원 ↓

 

 

 

 


B-Tree Index vs Storage Index

🆚 1. B-Tree Index (일반 인덱스)

📌 “필요한 데이터의 위치를 직접 찾아가는 방식”

⚙️ 동작 방식

  1. 사용자가 WHERE 조건이 있는 쿼리를 실행
    예:
  2.  
    SELECT * FROM T1 WHERE B = 3;
  3. 옵티마이저가 해당 컬럼에 인덱스가 있는지 확인
  4. B-Tree 인덱스를 탐색하여 조건에 맞는 ROWID(실제 데이터 위치) 검색
  5. 찾은 ROWID로 테이블 블록에서 해당 데이터만 읽어옴
  6. 결과를 사용자에게 반환

👉 즉, 인덱스를 이용해 원하는 데이터를 “정확히 찾아가는” 방식이에요.

📊 특징

  • 데이터 소량 조회에 매우 효율적 (랜덤 I/O)
  • WHERE 조건이 인덱스 컬럼에 있어야 함
  • 인덱스 생성·관리 필요 (DBA 개입)

⚡ 2. Storage Index (Exadata 전용)

📌 “읽기 전에 불필요한 범위를 미리 건너뛰는 방식”

⚙️ 동작 방식

  1. 쿼리가 들어오면, Exadata의 Storage Index에서
    각 Region(1MB 단위)의 컬럼 MIN/MAX 값을 확인
  2. 조건에 절대 부합하지 않는 구간은 아예 읽지 않음
    예: MIN=3, MAX=8 인 영역에 B<2 조건이 있으면 스킵
  3. 조건에 맞을 가능성이 있는 영역만 Smart Scan으로 읽음
  4. 필터링된 결과만 서버로 전송

👉 즉, “읽고 찾는” 게 아니라 “읽기 전에 걸러내는” 방식이에요.

📊 특징

  • 대량 데이터 + 조건 검색 시 효과적
  • 인덱스 생성 필요 없음 (자동)
  • 정렬(클러스터링)이 잘 된 데이터일수록 효과 극대화
  • Smart Scan 시에만 작동

🧭 3. 동작 방식 비교 요약

항목B-Tree IndexStorage Index (Exadata)
목적 원하는 데이터 정확히 찾아감 불필요한 범위를 미리 걸러냄
접근 방식 인덱스를 탐색해 ROWID로 직접 접근 MIN/MAX 정보로 조건에 안 맞는 블록을 Skip
처리 위치 DB 서버에서 처리 Exadata 스토리지에서 필터링
데이터 양 소량 데이터 조회에 유리 대량 데이터 + 조건 검색 시 유리
관리 필요 여부 인덱스 생성·관리 필요 자동 (사용자 개입 없음)
작동 시점 옵티마이저가 인덱스 선택 시 Smart Scan 시
결과 필요한 데이터만 읽음 필요 없는 영역을 스킵하고 나머지 읽음

🧠 핵심 정리

  • 🪜 B-Tree Index
    → “목표 지점만 정확히 찾아간다”
    → 소량 조회에 강함 (랜덤 I/O)
  • 🧹 Storage Index
    → “볼 필요 없는 구간은 애초에 안 본다”
    → 대량 스캔 시 빠름 (불필요한 I/O 감소)

👉 둘 다 인덱스지만,

  • B-Tree는 찾는 도구
  • Storage Index는 걸러내는 필터라고 이해하면 정확합니다 ✅

 

 

 

 

 

Hybrid Columnar Compression

 

1. Hybrid Columnar Compression이란?

📌 행(Row) 단위가 아닌 컬럼(Column) 단위로 압축하는 방식.

  • 기존 압축은 **행 기반(row-based)**으로 압축합니다.
  • HCC는 같은 컬럼의 값들을 모아 압축하기 때문에 패턴이 잘 맞아 압축률이 훨씬 높습니다.
  • 특히 대량 데이터를 저장하는 데이터 웨어하우스(DW) 환경에서 효과가 큽니다.

🧭 2. 적용 위치

HCC는 아래 위치에서 설정할 수 있습니다.

  • ✅ 테이블 단위
  • ✅ 파티션 단위
  • ✅ 테이블스페이스 단위

👉 즉, 필요한 범위에만 적용할 수 있어 유연합니다.

⚙️ 3. 압축 모드 2가지

모드특징목적압축률CPU 부하
🏭 Warehouse Compression 쿼리 성능에 최적화 DW(분석) 환경 중간~높음 낮음
📦 Online Archival Compression 압축률 극대화 거의 변하지 않는 데이터 매우 높음 높음(압축/해제 시)
  • Warehouse 모드 → 분석용 쿼리 속도도 빠르고 압축도 잘됨
  • Online Archival 모드 → 자주 쓰이지 않는 ‘콜드 데이터’ 보관에 최적

🧱 4. 작동 방식 (간단 예시)

기존 방식:

 
행1: A=100, B=200, C=300 행2: A=101, B=201, C=301 행3: A=102, B=202, C=302

HCC 방식:

 
컬럼 A: 100, 101, 102 컬럼 B: 200, 201, 202 컬럼 C: 300, 301, 302

👉 컬럼 단위로 묶어서 압축하면 반복되는 값을 효과적으로 줄일 수 있어
👉 저장 공간 절약, 읽기 시 더 적은 블록으로 많은 데이터 처리 가능

🧰 5. 실무 활용 포인트

  • 🔸 파티셔닝과 병행해서 운영 가능 → 예: 최신 데이터는 OLTP 압축, 과거 데이터는 HCC
  • 🔸 DBMS_COMPRESSION 패키지의 Compression Advisor로 예상 압축률 확인 가능
  • 🔸 압축된 데이터는 Smart Scan과 함께 작동 → 성능 이점 극대화
  • 🔸 자주 수정되는 데이터엔 적합하지 않음 (압축 해제·재압축 비용 발생)

🆚 6. HCC vs 기존 압축 비교

항목Basic/OLTP 압축Hybrid Columnar Compression
압축 단위 행 기반 컬럼 기반
압축률 보통 매우 높음
성능 최적화 DML(수정) SELECT(조회)
사용 시나리오 트랜잭션 처리 DW·아카이브·콜드 데이터
Smart Scan 호환 일부 ✅ 완벽 호환

💡 정리하자면

📌 Hybrid Columnar Compression = “컬럼 단위로 묶어 고압축 + 빠른 읽기” 기술
👉 저장공간 절약 + 쿼리 성능 향상 + 아카이브 데이터 관리에 최적.

  • 자주 조회하지만 자주 수정되지 않는 데이터에 적합.
  • Exadata 환경에서 Smart Scan과 Storage Index와 함께 쓰면 성능 효과가 폭발적입니다 🚀

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

반응형
저작자표시 비영리 변경금지 (새창열림)