경험적인 가중치를 고려한 증권시장용 계정 원장 DB의 인덱싱 방안

국문 초록 (Abstract)

디스크 기반이든 메모리 기반이든 DBMS상의 인덱싱 기법은 대부분 -트리 또는 -트리, -트리 그리고 -트리의 변형인 T-트리, 더 나아가 캐시를 이용한 트리 등을 주로 사용하여 왔다. 이는 트리 구성에서 최적의 균형을 유지 및 검색성능을 보이기에 자료검색 및 저장 공간에 효율적인 방안으로 인식되어 왔으며 대부분의 범용 DBMS에서 탁월한 성능을 보여 왔다.
그러나, 고성능의 효율을 요구하는 OLTP 분야 중 특히 증권시장에서는 이런 일반적인 인덱싱 방법보다는 그 분야 특성에 맞는 새로운 개선 방안의 적용 요구가 성능 향상 및 시스템상의 최적의 효율을 얻어내기위하여 꾸준히 요구되어 왔다. 본 논문에서는 증권시장용 원장 DB의 새로운 인덱싱 방안으로서, 원장 DB의 검색 형태를 이해하고 경험적인 데이터를 기준으로 산출한 가중치를 이용, 새로운 인덱싱 방안을 제시하고 기존 인덱싱 방법과의 성능비교를 통한 효율성을 논하고자 한다.
먼저, 경험적인 데이터를 수집하기 위한 기초 데이터 분석방식과 이 결과로부터 추출한 경험적인 데이터에 가중치를 구하는 방식을 논하였다. 그리고, 기존방식의 알고리즘인 일반적인 인덱싱 방식을 사용한 경우와 경험적인 가중치를 이용한 새로운 방식의 알고리즘을 비교하기 위해 각각의 소요 메모리 공간과 검색 시의 순회 깊이를 측정하여 각각의 알고리즘별 성능을 분석하였다. 이 측정 결과를 토대로 새로운 방식의 인덱싱 방안을 제시하였고 추가 연구가 필요한 분야를 설명하였다.