적응형 쿼리 계획 (Adaptive Query Plans) 개념과 동작 원리
오라클 데이터베이스 옵티마이저는 다양한 요인으로 인해 항상 최적의 계획을 생성하는 것은 아닙니다. 이러한 문제를 해소하기 위해 오라클 데이터베이스는 적응형 쿼리 계획(Adaptive Query Plans, AQP) 기능을 제공합니다.
oracle
oracle
오라클 AI 벡터 검색
최근 출시된 Oracle Database 23ai의 핵심 기능 AI 벡터 검색(AI Vector Search)에 대해 알아보겠습니다. 데이터베이스에서 의미(semantics) 기반 검색을 가능하게 하는 획기적인 기능입니다. 전통적인 키워드 검색 방식은 단어 일치에만 집중하여 의미적으로 유사한 내용을 찾기는 어려웠습니다. 예를 들어, “사과”와 “과일”은 키워드 검색에서는 별개로 취급되지만, 의미적으로는 밀접한 관련이 있습니다. AI 벡터 검색은 이러한 한계를 극복하는 방안입니다. 벡터 데이터란
oracle
오라클 데이터베이스에서 VECTOR 데이터 타입 활용하기 #1
오라클 데이터베이스 23ai의 새로운 데이터 타입인 VECTOR는 벡터 데이터를 효율적으로 저장하고 처리하기 위한 데이터 타입입니다. VECTOR 타입은 다양한 차원과 데이터 형식(INT8, FLOAT32, FLOAT64)을 지원하며, 데이터 분석과 머신 러닝 등 여러 분야에서 유용하게 활용될 수 있습니다. 이 글에서는 예제를 통해 VECTOR 타입의 활용 방법을 자세히 알아보겠습니다. VECTOR 데이터 타입 기본 구조 VECTOR 타입은 숫자 시퀀스를 나타내는
oracle
Oracle Bulk Insert 사용하기 – 파이썬
Oracle Bulk Insert 기능은 대용량 데이터 처리를 위한 주요 기술입니다. 일반적인 건별 입력 방식에 비해 대량 데이터를 입력 속도를 크게 개선할 수 있습니다. 이번 글은 파이썬의 Oracle Bulk Insert 사용 방법을 소개합니다. Oracle Bulk Insert 개념 바인드 변수를 이용하는 아래 INSERT 문장은 데이터 1건을 입력합니다. 만약 10,000건의 데이터를 입력해야 한다면 10,000번의 SQL 실행이 필요합니다. Bulk
oracle
SQL Performance Analyzer 사용법 – 오라클
SQL Performance Analyzer SPA는 SQL 성능을 비교 분석하는 오라클 내장 도구입니다. 시스템 변경 전과 변경 후의 SQL 성능을 비교하고 분석하기 쉽도록 유용한 기능을 제공합니다. 모든 유형의 시스템 변경에 사용할 수 있지만, 특히 다음과 같이 전반적인 시스템 변경 전/후 성능 비교 분석에 유용합니다. SQL Performance Analyzer 사용 준비 오라클 SQL Performance Analyzer를 사용하기 위해서는 Oracle RAT(Real
oracle
[SQL Tip] 오라클 실행계획 변경 사례 #2 – CTAS vs SELECT
지난 글에서 Oracle SQL과 ANSI SQL의 실행 계획 변경 사례를 소개했습니다. 이 때 사례로 사용한 쿼리는 CTAS(Create Table As Select) 유형입니다. CTAS는 SELECT 쿼리 실행 결과를 그대로 테이블로 생성해주는 DDL문입니다. 일반적으로 SELECT 문 성능에 이상 없으면 CTAS로 변형하더라도 데이터 쓰기(Write) 부하만 추가되고 다른 성능은 큰 차이가 없습니다. SELECT 절에 해당하는 부분의 실행 계획이 동일하기 때문입니다.