- 분류 전체보기 (570)
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 | 29 |
| 30 | 31 |
Tags
- softeer
- SW봉사
- 알고리즘
- 스프링
- python
- java
- 데이터베이스
- 코딩봉사
- 코딩교육봉사
- MYSQL
- BFS
- C++
- 회고
- 코틀린
- 파이썬
- 공부일지
- 프로그래머스
- 문제풀이
- 1과목
- SQL
- 백준 알고리즘
- 시나공
- 정보처리산업기사
- 소프티어
- 백준알고리즘
- CJ UNIT
- 자바
- programmers
- kotlin
- 백준
Archives
- Today
- Total
목록b-tree (1)
JIE0025
[DB] 인덱스의 자료구조 B-TREE, B+TREE
✅ 왜 인덱스는 B-TREE, B+TREE 자료구조를 채택했을까? 인덱스 구현을 위해선 대표적으로 해시테이블과 비트리가 존재한다. ⏺ 해시테이블 해시테이블은 Key value를 저장하는 데이터 구조로, 빠른 데이터 검색을 할때 유용하다. 따라서 해시테이블 기반의 DB인덱스는 컬럼의 값으로 생성된 해시를 통해 인덱스를 구현한다. 검색 속도도 해시테이블의 Key를 찾는 속도인 O(1)이다. 그러나 DB의 인덱스에서는 해시테이블을 사용하는 경우가 제한적이다. WHY? equal = 연산에만 특화되었기 떄문이다. 해시함수는 값이 1개라도 달라지면 다른 해시값을 생성하기 때문에 범위 검색 (> ⌈M2⌉⌈�2⌉, 최대 M�개의 서브 트리를 갖는다. 6. 모든 leaf node들은 같은 level에 있어야 한다. ⏺..
Application/Database
2023. 4. 30. 12:07