PostgreSQL 성능 문제는 대부분 두 가지로 풀린다. 데이터의 모양에 맞는 인덱스를 고르는 것, 그리고 느린 쿼리를 추측하지 않고 실행 계획으로 진단하는 것이다. 스칼라 값에는 B-Tree가 거의 항상 맞지만, 대소 비교로 답할 수 없는 질문(반경 안의 점, 겹치는 시간대, 단어 포함 여부)에는 다른 인덱스가 필요하다.
핵심
- 인덱스는 질문의 종류로 고른다. 등가·범위·정렬은 B-Tree, 공간·거리·겹침은 GiST, 배열·JSONB·전문 검색처럼 포함 관계를 묻는 경우는 GIN, 순서대로 쌓이는 대용량 데이터는 BRIN이다. 특별한 이유가 없으면 B-Tree에서 벗어나지 않는다. PostgreSQL 인덱스 Deep Dive: B-Tree부터 GiST까지
- GiST는 인덱스 하나가 아니라 새 인덱스를 만드는 틀이다. 노드마다 자식을 모두 포함하는 조건식을 갖고, 공간에서는 최소 사각형(MBR)으로 영역을 나눠 거리 정렬(k-NN)과 겹침 검색, 예약 중복을 막는 배타 제약까지 지원한다. 삭제 시 부모 MBR이 줄지 않아 변경이 잦으면 재구성이 필요하다. PostgreSQL 인덱스 Deep Dive: B-Tree부터 GiST까지
- 튜닝은 측정, 가설, 검증의 반복이다.
pg_stat_statements로 느린 쿼리를 모으고EXPLAIN (ANALYZE, BUFFERS)로 스캔·조인·정렬·락 중 무엇이 문제인지 가른 뒤, 인덱스·쿼리·스키마 중 가장 작은 변경부터 적용하고 다시 잰다. 자주 만나는 병목은 필터 컬럼 인덱스가 없거나 통계가 부정확해 생기는 Seq Scan 과다,work_mem이 작거나 불필요한ORDER BY때문에 생기는 정렬·해시 spill이다. 배포 전에는 핵심 쿼리의 계획을 비교하고, 느린 쿼리 상위 10개를 계속 추적한다. 단일 쿼리 최적화보다 반복할 수 있는 튜닝 절차를 먼저 만든다. - 인덱스는 공짜가 아니다. 복합 인덱스는 등호 조건을 앞에, 범위 조건을 뒤에 두고, 쓰이지 않는 인덱스는 쓰기 비용만 늘리니 정기적으로 지운다. 대량 변경 뒤에는
ANALYZE로 통계를 맞춘다. - 공간 데이터는 좌표계, 인덱스, 유효성을 먼저 고정한다. SRID를 통일하고 GIST 인덱스를 두며, 거리 계산은
geography로 하고, 잘못된 도형은 원본을 남긴 채 교정한다. PostGIS와 GeoJSON을 활용한 공간 데이터 관리