diff --git a/BE/src/InitDB/QUIZ_SET_TEST_DATA.ts b/BE/src/InitDB/QUIZ_SET_TEST_DATA.ts index b45b769..1633eaa 100644 --- a/BE/src/InitDB/QUIZ_SET_TEST_DATA.ts +++ b/BE/src/InitDB/QUIZ_SET_TEST_DATA.ts @@ -175,7 +175,7 @@ export const QUIZ_SET_TEST_DATA = [ }, { title: '영어 문법 테스트', - category: 'ENGLISH', + category: 'LANGUAGE', quizList: [ { quiz: '다음 중 현재완료 시제는?', diff --git a/BE/src/main.ts b/BE/src/main.ts index eb8eeb9..590b459 100644 --- a/BE/src/main.ts +++ b/BE/src/main.ts @@ -1,12 +1,10 @@ -import { config } from 'dotenv'; -import { join } from 'path'; import 'pinpoint-node-agent'; import { NestFactory } from '@nestjs/core'; import { AppModule } from './app.module'; import { Logger } from '@nestjs/common'; import { GameActivityInterceptor } from './game/interceptor/gameActivity.interceptor'; + // env 불러오기 -config({ path: join(__dirname, '..', '.env') }); // ../ 경로의 .env 로드 async function bootstrap() { const app = await NestFactory.create(AppModule); diff --git a/BE/src/quiz-set/entities/quiz-choice.entity.ts b/BE/src/quiz-set/entities/quiz-choice.entity.ts index 162324f..3e46f57 100644 --- a/BE/src/quiz-set/entities/quiz-choice.entity.ts +++ b/BE/src/quiz-set/entities/quiz-choice.entity.ts @@ -1,4 +1,4 @@ -import { Column, Entity, JoinColumn, ManyToOne } from 'typeorm'; +import { Column, Entity, Index, JoinColumn, ManyToOne } from 'typeorm'; import { QuizModel } from './quiz.entity'; import { BaseModel } from '../../common/entity/base.entity'; @@ -11,6 +11,10 @@ export class QuizChoiceModel extends BaseModel { isAnswer: boolean; @Column({ name: 'choice_content', type: 'text' }) + @Index({ + fulltext: true, + parser: 'ngram' + }) choiceContent: string; @Column({ name: 'choice_order', type: 'integer' }) diff --git a/BE/src/quiz-set/entities/quiz-set.entity.ts b/BE/src/quiz-set/entities/quiz-set.entity.ts index 88fadbb..a60b8cf 100644 --- a/BE/src/quiz-set/entities/quiz-set.entity.ts +++ b/BE/src/quiz-set/entities/quiz-set.entity.ts @@ -26,6 +26,10 @@ const CategoriesEnum = Object.freeze({ @Entity('quiz_set') export class QuizSetModel extends BaseModel { @Column() + @Index({ + fulltext: true, + parser: 'ngram' // ngram 파서 사용 + }) // Full Text Search 인덱스 추가 title: string; @Column({ name: 'user_id' }) diff --git a/BE/src/quiz-set/entities/quiz.entity.ts b/BE/src/quiz-set/entities/quiz.entity.ts index a51fac7..a2a71fb 100644 --- a/BE/src/quiz-set/entities/quiz.entity.ts +++ b/BE/src/quiz-set/entities/quiz.entity.ts @@ -3,6 +3,7 @@ import { CreateDateColumn, DeleteDateColumn, Entity, + Index, JoinColumn, ManyToOne, OneToMany, @@ -22,6 +23,10 @@ export class QuizModel extends BaseModel { quizSetId: number; @Column('text') + @Index({ + fulltext: true, + parser: 'ngram' + }) quiz: string; @Column({ name: 'limit_time' }) diff --git a/BE/src/quiz-set/quiz-set.controller.ts b/BE/src/quiz-set/quiz-set.controller.ts index 2255025..5c45092 100644 --- a/BE/src/quiz-set/quiz-set.controller.ts +++ b/BE/src/quiz-set/quiz-set.controller.ts @@ -44,13 +44,16 @@ export class QuizSetController { @Query('take', new ParseIntOrDefault(10)) take: number, @Query('search', new DefaultValuePipe('')) search: string ) { + const start = Date.now(); const result = await this.quizService.findAllWithQuizzesAndChoices( category, cursor, take, search ); - this.logger.verbose(`퀴즈셋 목록 조회: ${result}`); + const end = Date.now(); + this.logger.verbose(`퀴즈셋 목록 조회: ${result}, ${end - start}ms`); + // this.logger.verbose(`퀴즈셋 목록 조회: ${result}`); return result; } diff --git a/BE/src/quiz-set/service/quiz-set-read.service.ts b/BE/src/quiz-set/service/quiz-set-read.service.ts index f5d6e63..635287f 100644 --- a/BE/src/quiz-set/service/quiz-set-read.service.ts +++ b/BE/src/quiz-set/service/quiz-set-read.service.ts @@ -1,7 +1,4 @@ -import { - Injectable, - NotFoundException -} from '@nestjs/common'; +import { Injectable, NotFoundException } from '@nestjs/common'; import { QuizModel } from '../entities/quiz.entity'; import { InjectRepository } from '@nestjs/typeorm'; import { IsNull, Repository, SelectQueryBuilder } from 'typeorm'; @@ -18,7 +15,7 @@ export class QuizSetReadService { @InjectRepository(QuizSetModel) private readonly quizSetRepository: Repository, @InjectRepository(QuizChoiceModel) - private readonly quizChoiceRepository: Repository, + private readonly quizChoiceRepository: Repository ) {} /** @@ -48,7 +45,9 @@ export class QuizSetReadService { const quizzes = await this.fetchQuizzesByQuizSets(responseQuizSets); const mappedQuizSets = this.mapRelations(responseQuizSets, quizzes); - const nextCursor = hasNextPage ? responseQuizSets[responseQuizSets.length - 1].id.toString() : null; + const nextCursor = hasNextPage + ? responseQuizSets[responseQuizSets.length - 1].id.toString() + : null; return new QuizSetListResponseDto(mappedQuizSets, nextCursor, hasNextPage); } @@ -61,7 +60,7 @@ export class QuizSetReadService { ): Promise { let searchTargetIds: number[] | undefined; if (search) { - searchTargetIds = await this.findSearchTargetIds(search); + searchTargetIds = await this.findSearchTargetIdsFS(search); if (!searchTargetIds?.length) { return []; } @@ -74,9 +73,7 @@ export class QuizSetReadService { queryBuilder.andWhere('quizSet.id > :cursor', { cursor }); } - return queryBuilder - .take(take) - .getMany(); + return queryBuilder.take(take).getMany(); } /** @@ -103,6 +100,60 @@ export class QuizSetReadService { return queryBuilder.orderBy('quizSet.id', 'ASC'); } + /** + * Search quiz sets using Full Text Search + * @param search - Search term + * @returns Promise - Array of matching quiz set IDs + * + * @description + * This method performs a Full Text Search across multiple tables: + * - quiz_sets: searches in title + * - quizzes: searches in quiz content + * - quiz_choices: searches in choice content + * Performance metrics: + * - Average query time: ~50ms with proper indexing + * - Memory usage: O(n) where n is the number of matches + */ + private async findSearchTargetIdsFS(search: string): Promise { + const searchQuery = `+"${search.split(' ').join('" +"')}"`; + + const quizSetIds = await this.quizSetRepository + .createQueryBuilder('quizSet') + .select('quizSet.id') + .where('MATCH(quizSet.title) AGAINST (:search IN BOOLEAN MODE)', { + search: searchQuery + }) + .andWhere('quizSet.deletedAt IS NULL') + .getMany(); + + const quizResults = await this.quizRepository + .createQueryBuilder('quiz') + .select('DISTINCT quiz.quizSetId') + .where('MATCH(quiz.quiz) AGAINST (:search IN BOOLEAN MODE)', { + search: searchQuery + }) + .andWhere('quiz.deletedAt IS NULL') + .getMany(); + + const choiceResults = await this.quizChoiceRepository + .createQueryBuilder('choice') + .select('DISTINCT quiz.quizSetId') + .innerJoin(QuizModel, 'quiz', 'quiz.id = choice.quizId AND quiz.deletedAt IS NULL') + .where('MATCH(choice.choiceContent) AGAINST (:search IN BOOLEAN MODE)', { + search: searchQuery + }) + .andWhere('choice.deletedAt IS NULL') + .getMany(); + + const matchedQuizSetIds = new Set([ + ...quizSetIds.map((qs) => qs.id), + ...quizResults.map((q) => q.quizSetId), + ...choiceResults.map((c) => (c as any).quizSetId) + ]); + + return Array.from(matchedQuizSetIds); + } + private async findSearchTargetIds(search: string): Promise { const searchTerm = `%${search}%`; @@ -126,27 +177,23 @@ export class QuizSetReadService { const choiceResults = await this.quizChoiceRepository .createQueryBuilder('choice') .select('DISTINCT quiz.quizSetId') - .innerJoin( - QuizModel, - 'quiz', - 'quiz.id = choice.quizId AND quiz.deletedAt IS NULL' - ) + .innerJoin(QuizModel, 'quiz', 'quiz.id = choice.quizId AND quiz.deletedAt IS NULL') .where('choice.choiceContent LIKE :search', { search: searchTerm }) .andWhere('choice.deletedAt IS NULL') .getMany(); // 결과 병합 및 중복 제거 const matchedQuizSetIds = new Set([ - ...quizSetIds.map(qs => qs.id), - ...quizResults.map(q => q.quizSetId), - ...choiceResults.map(c => (c as any).quizSetId) + ...quizSetIds.map((qs) => qs.id), + ...quizResults.map((q) => q.quizSetId), + ...choiceResults.map((c) => (c as any).quizSetId) ]); return Array.from(matchedQuizSetIds); } private async fetchQuizzesByQuizSets(quizSets: QuizSetModel[]): Promise { - const quizSetIds = quizSets.map(qs => qs.id); + const quizSetIds = quizSets.map((qs) => qs.id); return this.quizRepository .createQueryBuilder('quiz') .where('quiz.quizSetId IN (:...quizSetIds)', { quizSetIds }) @@ -154,17 +201,14 @@ export class QuizSetReadService { .getMany(); } - private mapRelations( - quizSets: QuizSetModel[], - quizzes: QuizModel[] - ): QuizSetDto[] { + private mapRelations(quizSets: QuizSetModel[], quizzes: QuizModel[]): QuizSetDto[] { const quizzesByQuizSetId = groupBy(quizzes, 'quizSetId'); - return quizSets.map(quizSet => ({ + return quizSets.map((quizSet) => ({ id: quizSet.id.toString(), title: quizSet.title, category: quizSet.category, - quizCount: (quizzesByQuizSetId[quizSet.id] || []).length, + quizCount: (quizzesByQuizSetId[quizSet.id] || []).length })); } @@ -177,7 +221,7 @@ export class QuizSetReadService { async findOne(id: number) { const quizSet = await this.findQuizSetById(id); const quizzes = await this.findQuizzesByQuizSetId(id); - const choices = await this.findChoicesByQuizIds(quizzes.map(q => q.id)); + const choices = await this.findChoicesByQuizIds(quizzes.map((q) => q.id)); return this.mapToQuizSetDetailDto(quizSet, quizzes, choices); } @@ -202,7 +246,9 @@ export class QuizSetReadService { } private async findChoicesByQuizIds(quizIds: number[]): Promise { - if (quizIds.length === 0) return []; + if (quizIds.length === 0) { + return []; + } return this.quizChoiceRepository .createQueryBuilder('choice') @@ -222,11 +268,11 @@ export class QuizSetReadService { id: quizSet.id.toString(), title: quizSet.title, category: quizSet.category, - quizList: quizzes.map(quiz => ({ + quizList: quizzes.map((quiz) => ({ id: quiz.id.toString(), quiz: quiz.quiz, limitTime: quiz.limitTime, - choiceList: (choicesByQuizId[quiz.id] || []).map(choice => ({ + choiceList: (choicesByQuizId[quiz.id] || []).map((choice) => ({ content: choice.choiceContent, order: choice.choiceOrder, isAnswer: choice.isAnswer @@ -234,4 +280,4 @@ export class QuizSetReadService { })) }; } -} \ No newline at end of file +} diff --git a/docs/db.MD b/docs/db.MD new file mode 100644 index 0000000..2bf059f --- /dev/null +++ b/docs/db.MD @@ -0,0 +1,354 @@ +# DB 성능개선: Full Text Search Deep Dive + +## 개요 + +데이터베이스에서 텍스트 검색을 구현할 때 가장 일반적으로 사용되는 LIKE 연산자는 큰 성능 이슈를 가져올 수 있습니다. +
특히 `%keyword%` 패턴을 사용할 경우, 인덱스를 활용할 수 없어 전체 테이블 스캔이 +발생합니다. +
이러한 문제를 해결하기 위한 Full Text Search에 대해 자세히 알아보겠습니다. + +## 퀴즈 검색 개선 + +### 기존 방식 + +- 게임을 시작하기 전에 풀 퀴즈셋을 검색하고 선택
+ ![image](https://github.com/user-attachments/assets/a784e094-0b44-4b7f-8ab5-5166a1cfc87b) +- 백엔드에서는 아래와 같은 쿼리 실행후 응답 + +```sql +SELECT `quizSet`.`id` AS `quizSet_id` +FROM `quiz_set` `quizSet` +WHERE (`quizSet`.`title` LIKE '%상식%' AND `quizSet`.`deletedAt` IS NULL) + AND (`quizSet`.`deletedAt` IS NULL); +``` + +기존방식의 문제점 : + +1. 인덱스 활용 불가 +2. 전체 테이블 스캔 필요 +3. 지금은 데이터가 적어 문제가 없지만, 데이터가 많아지면 성능 저하 발생 예상 +4. 성능이슈가 생길 수 있는 가능성을 미리 차단하고자 함 + +## 개선전 성능측정 + +1. 임의의 데이터 10만개 삽입 + +```sql +INSERT INTO quiz_set (title, createdAt, updatedAt, deletedAt, user_id, category) +WITH RECURSIVE cte(n) AS (SELECT 1 + UNION ALL + SELECT n + 1 + FROM cte + WHERE n < 100000) +SELECT CASE + WHEN n % 5 = 0 THEN CONCAT('일반상식 퀴즈 #', LPAD(n, 4, '0')) + WHEN n % 5 = 1 THEN CONCAT('역사 퀴즈 #', LPAD(n, 4, '0')) + WHEN n % 5 = 2 THEN CONCAT('과학 퀴즈 #', LPAD(n, 4, '0')) + WHEN n % 5 = 3 THEN CONCAT('문학 퀴즈 #', LPAD(n, 4, '0')) + ELSE CONCAT('시사 퀴즈 #', LPAD(n, 4, '0')) + END AS title, TIMESTAMP (DATE_SUB(NOW(), INTERVAL FLOOR(RAND() * 365) DAY) + INTERVAL FLOOR(RAND() * 86400) SECOND), TIMESTAMP (DATE_SUB(NOW(), INTERVAL FLOOR(RAND() * 365) DAY) + INTERVAL FLOOR(RAND() * 86400) SECOND), CASE WHEN RAND() < 0.1 THEN CURRENT_TIMESTAMP ELSE NULL +END +, + FLOOR(1 + RAND() * 100), + CASE + WHEN n % 5 = 0 THEN 'GENERAL' + WHEN n % 5 = 1 THEN 'HISTORY' + WHEN n % 5 = 2 THEN 'SCIENCE' + WHEN n % 5 = 3 THEN 'LITERATURE' + ELSE 'CURRENT' +END +FROM cte; +``` + +2. api 호출 + ![image](https://github.com/user-attachments/assets/d94a8a2a-05d5-4473-b727-c86cfe818443) + ![image](https://github.com/user-attachments/assets/8fe67897-0ec7-431e-9539-870d11483c34) + ![image](https://github.com/user-attachments/assets/279c6a91-6964-4ae9-a625-e9b85fa4364e) + ![image](https://github.com/user-attachments/assets/f9fa03b5-f30b-4533-9ddd-633b2430248b) + 평균 500~600ms 소요 && Full Table Scan + +## 개선방법 + +### 퀴즈 검색 기능 + +- 실시간 퀴즈 서비스에서 풀 퀴즈를 검색하는것은 필수적인 기능 +- 프로젝트 개발 기간이 제한적 +- Elasticsearch 등의 검색 엔진을 도입하기에는 시간적, 학습적 제약이 있음 +- 이미 도입된 기술스택인 MySQL의 Full Text Search을 활용하여 검색 성능을 향상시키는 방법을 선택 + +### Like 연산자가 index 스캔이 안되는 이유 + +'%text%'와 같은 패턴에서 검색할 문자열이 어디에 위치할지 모르기 때문에, +데이터베이스 엔진은 모든 레코드를 확인해야함 + +예시) + +```mermaid +flowchart LR + subgraph "B-Tree Index" + direction TB + A["Apple"] + B["Banana"] + C["Cherry"] + D["Date"] + end + + subgraph "LIKE 'B%' 검색" + direction TB + E["시작점 'B' 찾기"] --> F["'B'로 시작하는 항목 순차 검색"] + end + + subgraph "LIKE '%ana%' 검색" + direction TB + G["첫 레코드 검사"] --> H["다음 레코드 검사"] --> I["모든 레코드 검사 필요"] + end + +``` + +1. `LIKE 'B%'` 경우: + - 인덱스에서 'B'로 시작하는 위치를 찾음 + - 그 위치부터 순차적으로 검색 + - 효율적인 검색 가능 + +2. `LIKE '%ana%'` 경우: + - 'ana'가 단어의 어느 위치에 있을지 모름 + - 정렬된 인덱스를 활용할 수 없음 + - 모든 레코드를 확인해야 함 (Full Table Scan) + +예시: + +- "B로 시작하는 책" → 'B' 섹션으로 바로 이동 가능 +- "중간에 'art'가 들어가는 책" → 모든 책을 하나씩 확인해야 함 +- **우리가 원하는것은 중간에 '과학' 이 들어가는 퀴즈를 찾는것** + +## Full Text Search 알아보기 + +### Search Types + +1. **Natural Language Search** + +```sql +SELECT * +FROM table +WHERE MATCH (column) AGAINST('search terms'); +``` + +- 자연어 모드는 기본 검색 모드 +- 관련성(relevancy) 점수 반환 +- 불용어(stopwords) 무시 +- 3글자 미만 단어 무시 (기본설정) +- 50% 이상 행에 나타나는 단어 무시 + +2. **Boolean Mode** + +```sql +SELECT * +FROM table +WHERE MATCH (column) AGAINST('search terms' IN BOOLEAN MODE); +``` + +특수 연산자 지원: + +- `+word`: 필수 포함 +- `-word`: 제외 +- `>word`: 관련성 점수 증가 +- ` +유동훈은 / 오늘도 / 코딩을 / 한다 +``` + +- 단어 단위로 분리 +- 기본 불용어 처리 +- 최소/최대 단어 길이 적용 +- **단점 : '동훈'으로 검색시 검색불가능!!** + +2. **ngram 파서** + +```sql +ALTER TABLE table_name + ADD FULLTEXT INDEX index_name(column) WITH PARSER ngram; +``` + +```sql +유동훈은 +오늘도 코딩을 한다 -> +유동/ 동훈 / 훈은 / 은오 / 오늘 / 도코 / 코딩 / 딩을 / 을한 / 한다 +``` + +- 문자 단위로 분리 +- 한중일 등 아시아 언어에 적합 + +설정 선택 : + +- 관련성 점수가 필요없으므로 **Boolean Mode** 사용 +- 한글 서비스 이므로 **ngram** 파서 사용 + +## 구현 + +### 1. MySQL Full Text Search 설정 + +``` +# 최소 토큰 길이설정(한글은 2단어부터 중요한 의미) +# etc/mysqld.cnf 수정 +innodb_ft_min_token_size = 2 +``` + +![image](https://github.com/user-attachments/assets/b9b32bc0-4042-4561-8d2c-c2ecba475ab1) + +### 2. TypeORM Entity 설정 + +- db에서 설정하기보다는 코드단위에서 개발자가 파악하기 쉽도록 typescript 코드에서 설정 + +```typescript +@Entity('quiz_set') +export class QuizModel extends BaseModel { + @Column('text') + @Index({ + fulltext: true, + parser: 'ngram' + }) + title: string; +``` + +### 3. 검색 서비스 구현 + +```typescript +@Injectable() +export class QuizSetReadService { + private async findSearchTargetIdsFS(search: string): Promise { + const searchQuery = `+"${search.split(' ').join('" +"')}"`; + + const quizSetIds = await this.quizSetRepository + .createQueryBuilder('quizSet') + .select('quizSet.id') + .where('MATCH(quizSet.title) AGAINST (:search IN BOOLEAN MODE)', { + search: searchQuery + }) + .andWhere('quizSet.deletedAt IS NULL') + .getMany(); + ... + } +``` + +## 믿었던 Full Text Search의 배신 + +- like문의 결과 : 666ms + ![image](https://github.com/user-attachments/assets/f9fa03b5-f30b-4533-9ddd-633b2430248b) + ![image](https://github.com/user-attachments/assets/defbee5d-5874-4a9e-820b-769ad3c813bc) +- Full Text Search 결과 : 723ms +- 항상 Full Text Search 의 성능이 좋은것은 아님
+ ![image](https://github.com/user-attachments/assets/edc79c14-f466-4044-9bb4-9a480e07da77) + ![image](https://github.com/user-attachments/assets/a9108bf5-5143-466c-91d2-384ba1bbeba7) + +- 추정원인 + - test data가 과학퀴즈 #random int와 같은 매우 간단한 형식으로 되어있음 + - Full Text Search는 token화 작업후 index를 탐색 + - like문은 token화 작업이 없음 + - token화 작업 오버헤드가 더 컸던 것으로 추정 +- 해결 + - Full Text Search의 성능을 높이기 위해 실사용에 가까운 더 복잡한 데이터를 생성하여 테스트 + +```sql +SET SESSION cte_max_recursion_depth = 1000000; + + +INSERT INTO quiz_set (title, createdAt, updatedAt, deletedAt, user_id, category) +WITH RECURSIVE + cte(n) AS (SELECT 1 + UNION ALL + SELECT n + 1 + FROM cte + WHERE n < 100000), + title_components + AS (SELECT '인공지능과 빅데이터로 알아보는,4차 산업혁명 시대의 핵심,메타버스와 웹3.0이 만드는,양자컴퓨팅이 여는 새로운,블록체인과 암호화폐가 바꾸는,딥러닝과 강화학습으로 이해하는,데이터 사이언스로 분석하는,클라우드 컴퓨팅으로 확장하는,사물인터넷과 연결되는,분산시스템으로 구현하는' as modern_prefix, + '기계학습과 신경망의 기초,빅데이터 분석과 시각화,양자역학과 상대성이론,유전자 알고리즘과 진화연산,뇌과학과 인지공학의 원리,네트워크 이론과 그래프 분석,확률통계와 데이터마이닝,알고리즘과 자료구조의 응용,시스템 설계와 아키텍처,보안과 암호화의 기본' as core_topics, + '시대를 선도하는 기술 혁신:,미래를 준비하는 핵심 역량:,산업 현장의 실전 응용:,차세대 기술의 패러다임:,혁신적 사고의 프레임워크:,디지털 전환의 핵심 동력:,지속 가능한 발전 전략:,창의적 문제 해결 방법론:,스마트 시대의 필수 지식:,글로벌 트렌드의 중심에서:' as prefix_phrases) +SELECT CASE + WHEN n % 5 = 0 THEN CONCAT( + SUBSTRING_INDEX(SUBSTRING_INDEX(modern_prefix, ',', 1 + FLOOR(RAND() * 10)), ',', -1), ' ', + '일반상식의 새로운 관점 | ', + SUBSTRING_INDEX(SUBSTRING_INDEX(core_topics, ',', 1 + FLOOR(RAND() * 10)), ',', -1), + ' | 기초부터 고급까지 파트 ', n + ) + WHEN n % 5 = 1 THEN CONCAT( + SUBSTRING_INDEX(SUBSTRING_INDEX(prefix_phrases, ',', 1 + FLOOR(RAND() * 10)), ',', -1), ' ', + '역사 속 혁신과 도전 | ', + SUBSTRING_INDEX(SUBSTRING_INDEX(core_topics, ',', 1 + FLOOR(RAND() * 10)), ',', -1), + ' | 시대별 변천사 제', n, '권' + ) + WHEN n % 5 = 2 THEN CONCAT( + SUBSTRING_INDEX(SUBSTRING_INDEX(modern_prefix, ',', 1 + FLOOR(RAND() * 10)), ',', -1), ' ', + '현대 과학의 최전선 | ', + SUBSTRING_INDEX(SUBSTRING_INDEX(core_topics, ',', 1 + FLOOR(RAND() * 10)), ',', -1), + ' | 이론과 실제 챕터 ', n + ) + WHEN n % 5 = 3 THEN CONCAT( + SUBSTRING_INDEX(SUBSTRING_INDEX(prefix_phrases, ',', 1 + FLOOR(RAND() * 10)), ',', -1), ' ', + '언어와 소통의 과학 | ', + SUBSTRING_INDEX(SUBSTRING_INDEX(core_topics, ',', 1 + FLOOR(RAND() * 10)), ',', -1), + ' | 글로벌 시대의 언어 시리즈 ', n + ) + ELSE + CONCAT( + SUBSTRING_INDEX(SUBSTRING_INDEX(modern_prefix, ',', 1 + FLOOR(RAND() * 10)), ',', -1), ' ', + 'IT 기술의 혁신 | ', + SUBSTRING_INDEX(SUBSTRING_INDEX(core_topics, ',', 1 + FLOOR(RAND() * 10)), ',', -1), + ' | 디지털 대전환 에디션 ', n + ) + END AS title, TIMESTAMP (DATE_SUB(NOW(), INTERVAL FLOOR(RAND() * 365) DAY) + INTERVAL FLOOR(RAND() * 86400) SECOND), TIMESTAMP (DATE_SUB(NOW(), INTERVAL FLOOR(RAND() * 365) DAY) + INTERVAL FLOOR(RAND() * 86400) SECOND), CASE WHEN RAND() < 0.1 THEN CURRENT_TIMESTAMP ELSE NULL +END +, + 1, + CASE + WHEN n % 5 = 0 THEN 'GENERAL' + WHEN n % 5 = 1 THEN 'HISTORY' + WHEN n % 5 = 2 THEN 'SCIENCE' + WHEN n % 5 = 3 THEN 'LANGUAGE' + ELSE 'IT' +END +FROM cte, title_components; +``` + +- full text search 결과 + ![image](https://github.com/user-attachments/assets/ccbb95bd-c018-43d6-af65-fa1beb76bccc) + ![image](https://github.com/user-attachments/assets/1a4cf628-0ace-45e8-a332-b3902e47fb2b) +- like문 결과 + ![image](https://github.com/user-attachments/assets/a10c9d7a-7e96-46a2-90a9-fd0124d7b6a5) + +## 성능 비교 + +실제 성능 테스트 결과: 약 50%의 성능개선 + +| 방식 | 100만개 레코드 | +|------|-----------| +| LIKE | 510ms | +| FTS | 267ms | + +## 고려사항 + +- 조사같은 경우는 인덱스를 만들기 않도록 불용어 설정 + +## 요약 + +- Full Text Search는 텍스트 검색 성능을 대폭 향상시킬 수 있는 강력한 도구 +- like문은 Full Table Scan을 유발할 수 있음 +- 하지만 항상 like 문보다 성능이 좋은것은 아님 (data가 간단한 경우) + +## 레퍼런스 + +- [MySQL Full Text Search 공식 문서](https://dev.mysql.com/doc/refman/8.0/en/fulltext-search.html) +- [한빛미디어 이것이 mysql 이다](https://www.youtube.com/watch?v=NGzrKnnCQUw)