프로젝트29 Elasticsearch vs MySQL FullText 인덱싱 성능 비교 테스트 FullText와 Elasticsearch 비교하려는 목적 : 더 적합한 검색 기능 구현 방식 찾기기존에 LIKE 방식에서 MySQL FullText 방식으로 변경하면서 검색 성능을 높일 수 있었다. 200만 데이터 기준으로 성능 테스트를 진행한 결과, MySQL FullText 방식이 LIKE 방식보다 35배 빠른 성능을 보였다. 또한, '과일마켓 스티커'를 검색했을 때, LIKE 방식은 '과일마켓'과 '스티커' 단어를 포함한 결과만 반환했지만, FullText 방식은 '과일', '마켓', '스티커' 단어가 각각 포함된 결과를 가져왔다. 과일', '마켓', '스티커'와 같은 단어들의 적절한 조합을 포함한 검색 결과를 제공할 수 있어, 사용자 입장에서 더 관련성 높은 검색 결과를 얻을 수 있다고 생각하여.. 2025. 3. 23. Full Text Search를 이용한 DB 성능 개선 상품 검색 기능 개선like의 한계LIKE 검색은 인덱스를 활용하지 못하기 때문에 대량의 데이터에서 성능 저하를 유발한다고 한다. 검색 성능 테스트를 하면서, 실제로 데이터 수가 40 → 200만으로 증가했을 때, 검색 속도가 0.4초 → 4.5초로 느려짐을 확인할 수 있었다. 검색 기능 개선방향: MySQL의 FullText N-gram, ElasticSearch현재 구현한 방식인, LIKE '%검색어%' 구문은 문자열의 중간 검색을 수행하므로 B-tree 인덱스를 사용하지 못하고 Full Table Scan을 해야 한다. 보통 like 키워드 검색 성능 최적화를 위해 MySQL의 FullText N-gram이나 ElasticSearch으로 해결한다고 한다. 나의 경우는 Like에서 FullText으로.. 2025. 3. 6. 게시물 검색조건 타입에 대한 고민 이번 시간에는 게시물 검색 조건을 ENUM 타입으로 설계하여 개선한 사례를 공유하고자 한다.프로젝트 요구사항팀 프로젝트에서는 피드에 대한 검색 조건이 매우 다양했으며, 특히 지역과 동물 조건이 세부적으로 나뉘어 있었다. 아래는 피그마에 작성된 화면 디자인 일부로, 지역/동물 조건을 조합해 검색할 수 있도록 구현해야 했다. 포인앤드 어플과 같이 검색할 수 있도록 구현해야 한다. 검색조건 1) 지역 설정 검색조건 2) 지역 - (구) 검색조건 3) 동물 검색조건 4) 품종초기 ERD 설계프로젝트 초반에는 아래와 같이 ERD를 작성했었다. 동물, 품종, 중성화 여부, 성별, 지역 정보를 모두 문자열 타입(varchar)으로 선언했다. ENUM 타입을 활용하려던 이유‘지역(시/도)’, ‘동물’, .. 2025. 1. 18. 검색 쿼리 리팩토링 이번 시간에는 페이징 기능을 구현하며 상품 검색에 필요한 조회 성능을 개선한 과정을 정리하고자 합니다. 기존 검색 구현 방식에서는 상품과 연관된 데이터를 개별적으로 모두 조회한 후, Stream을 사용해 조건에 맞는 데이터를 필터링하고 매핑했습니다. 그러나 이 과정에서 상품 조회와 관련된 쿼리 코드에 중복이 많았고, 실행되는 쿼리 수도 많았습니다.이 문제를 해결하기 위해 개선 전 코드와 개선한 코드를 비교하고, 성능 테스트 코드를 통해 개선 효과를 확인해 보겠습니다. 해당 트러블 슈팅에 대해서 Github에도 정리했으니 참고해주세요.리팩토링 전리팩토링 전 코드는 아래와 같습니다. 데이터 조회 및 처리 로직이 길고 복잡했습니다. 각 태그(userDefinedTag, recommendedTag) 정보.. 2024. 12. 10. 이전 1 2 3 4 ··· 8 다음
