데이터베이스 최적화

목차

• 데이터베이스 최적화 개요
• 인덱스 최적화
• 쿼리 최적화
• 데이터베이스 구조 최적화

데이터베이스 최적화 개요

데이터베이스 최적화의 중요성

데이터베이스 최적화는 현대 정보 시스템에서 매우 중요한 역할을 한다. 이는 데이터베이스의 성능을 극대화하고, 응답 시간을 최소화하며, 효율적인 자원 사용을 가능하게 한다. 데이터베이스 최적화는 사용자가 요구하는 데이터에 신속하게 접근할 수 있도록 하고, 시스템의 전반적인 안정성과 신뢰성을 향상시킨다. 따라서, 데이터베이스 최적화는 데이터베이스 관리 시스템(DBMS)의 성능을 결정짓는 주요 요소 중 하나이다. 특히, 대량의 데이터가 처리되는 환경에서는 데이터베이스 최적화의 필요성이 더욱 강조된다. 데이터베이스의 구조와 쿼리 성능을 최적화하면, 운영 비용을 절감하고, 비즈니스의 생산성을 높일 수 있다. 이러한 최적화 과정에는 인덱스 최적화, 쿼리 성능 개선, 데이터베이스 구조 조정 등이 포함된다. 결과적으로, 데이터베이스 최적화는 데이터 관리의 효율성을 높이고, 사용자의 경험을 개선하는 데 기여한다.

최적화의 원칙

최적화의 원칙은 데이터베이스 최적화 과정에서 반드시 고려해야 할 기본적인 요소이다. 이 원칙들은 데이터베이스의 성능을 극대화하고, 시스템 자원의 효율적인 사용을 도모하기 위해 필수적으로 적용되어야 한다. 첫째, 정확성이 중요하다. 데이터베이스의 모든 쿼리는 정확하고 일관된 결과를 도출해야 하며, 이를 위하여 데이터 무결성을 유지하는 것이 필수적이다. 둘째, 일관성 역시 중요한 원칙이다. 데이터베이스의 상태는 항상 일관성을 가져야 하며, 이를 위해 트랜잭션 관리와 동시성 제어를 철저히 수행해야 한다. 셋째, 효율성은 성능 최적화를 위해 필수적이다. 효율적인 데이터 구조와 쿼리 작성을 통해 시스템의 자원을 최소한으로 사용하면서 최대의 성능을 이끌어내는 것이 중요하다. 넷째, 확장성 또한 중요한 원칙으로, 데이터베이스는 미래의 데이터 양 증가에 대비하여 쉽게 확장할 수 있어야 한다. 마지막으로, 유지보수성이 강조된다. 데이터베이스 구조와 쿼리는 시간이 지나도 쉽게 이해하고 수정할 수 있어야 하며, 이는 시스템의 장기적인 안정성을 보장하는 데 기여한다. 이러한 원칙들은 데이터베이스를 설계하고 운영할 때 기본적인 지침이 되며, 데이터베이스 최적화의 성공적인 수행을 위한 필수 요소로 작용한다.

최적화의 일반적인 접근 방법

데이터베이스 최적화를 위한 일반적인 접근 방법은 여러 가지가 있다. 첫 번째로, 성능 모니터링이 중요하다. 데이터베이스의 성능을 지속적으로 모니터링하여 병목 현상을 식별하고 이를 해결하는 과정은 필수적이다. 이를 통해 쿼리 성능 저하, 인덱스 문제, 하드웨어 자원 부족 등을 조기에 발견할 수 있다. 두 번째로, 데이터베이스 구조의 재설계가 필요할 수 있다. 정규화와 비정규화, 테이블 파티셔닝 등을 통해 데이터베이스의 구조를 최적화함으로써 데이터의 접근 속도를 높일 수 있다. 세 번째 방법으로는 쿼리 최적화가 있다. 쿼리를 효율적으로 작성하는 방법과 실행 계획을 분석하여 쿼리 성능을 개선하는 것이 중요하다. 이외에도 인덱스 최적화를 통해 데이터 검색 속도를 높일 수 있으며, 적절한 인덱스를 생성하고 관리하는 것이 필요하다. 또한, 데이터베이스의 하드웨어 자원도 고려해야 한다. CPU, 메모리, 스토리지 등 하드웨어 자원의 효율적인 분배와 업그레이드는 데이터베이스의 전반적인 성능 향상에 기여할 수 있다. 마지막으로, 데이터베이스의 백업 및 복구 전략을 수립하여 데이터 손실을 방지하고, 시스템 장애 시 신속하게 복구할 수 있도록 준비하는 것이 중요하다. 이러한 접근 방법들은 데이터베이스 최적화의 성공에 크게 기여하며, 시스템의 안정성과 성능을 향상시키는 데 중요한 역할을 한다.

인덱스 최적화

인덱스란?

인덱스는 데이터베이스에서 특정 데이터에 대한 빠른 접근을 제공하기 위해 사용되는 데이터 구조이다. 인덱스는 책의 목차와 비슷한 역할을 하며, 데이터베이스 테이블의 특정 열(column)에 대한 값들을 정렬하여 저장함으로써 데이터 검색 속도를 향상시킨다. 인덱스를 사용하면 검색 쿼리가 훨씬 더 빠르게 수행될 수 있으며, 이는 특히 대량의 데이터가 저장된 테이블에서 더욱 두드러진다. 데이터베이스 관리 시스템(DBMS)은 인덱스를 통해 특정 값에 대한 위치를 쉽게 찾을 수 있도록 하여, 전체 테이블을 스캔하는 대신 인덱스를 참조하여 필요한 데이터를 신속하게 조회할 수 있다.인덱스는 여러 종류가 있으며, 각기 다른 용도와 특성을 가진다. 기본적으로 B-트리 인덱스가 가장 일반적으로 사용되며, 해시 인덱스, 비트맵 인덱스 등도 존재한다. B-트리 인덱스는 범위 검색에 유리하며, 해시 인덱스는 특정 값 검색에 최적화되어 있다. 비트맵 인덱스는 낮은 카디널리티의 데이터에 효과적이다. 이러한 다양한 인덱스 종류는 데이터베이스의 성격과 사용자 요구에 따라 선택할 수 있다.인덱스를 생성하고 관리하는 과정은 데이터베이스 최적화에 있어 매우 중요하다. 인덱스가 너무 많으면 데이터 수정(insert, update, delete) 시 성능 저하가 발생할 수 있으므로, 필요한 인덱스만을 적절하게 생성하고 주기적으로 분석하여 불필요한 인덱스를 제거하는 것이 필요하다. 또한, 인덱스 성능을 분석하기 위한 도구들이 제공되며, 이를 통해 인덱스의 효율성을 점검하고 최적화할 수 있다. 이러한 과정을 통해 데이터베이스의 전반적인 성능을 개선할 수 있으며, 결과적으로 사용자 경험을 높이는 데 기여한다.

인덱스의 종류

인덱스는 데이터베이스에서 데이터의 검색 속도를 향상시키기 위한 중요한 요소이다. 다양한 인덱스 종류가 존재하며, 각 인덱스는 특정한 데이터 구조와 검색 패턴에 최적화되어 있다. 대표적으로 B-트리 인덱스는 가장 널리 사용되는 형태로, 데이터가 정렬된 상태를 유지하여 효율적인 범위 검색을 가능하게 한다. 이 외에도 해시 인덱스는 특정 값을 빠르게 검색할 수 있도록 설계되었으며, 주로 고유한 키 값에 대한 검색에 적합하다. 비트맵 인덱스는 낮은 카디널리티를 가진 데이터에 효과적이며, 대량의 중복 데이터가 포함된 경우에 유용하다. 이러한 인덱스들은 데이터베이스의 쿼리 성능을 크게 향상시킬 수 있지만, 사용자가 선택할 인덱스의 종류는 데이터베이스의 용도와 구조에 따라 달라질 수 있다. 인덱스 최적화를 위해서는 각 인덱스의 성능을 정기적으로 분석하고 불필요한 인덱스를 제거하는 것이 중요하다. 또한, 각 인덱스의 생성 과정에서 적절한 인덱스 전략을 수립하면 데이터베이스의 전반적인 성능 향상에 기여할 수 있다.

인덱스 생성 및 관리

인덱스 생성 및 관리는 데이터베이스 최적화에서 필수적인 과정이다. 인덱스는 데이터베이스의 성능을 향상시키기 위한 중요한 도구로, 쿼리의 실행 속도를 높이는 데 기여한다. 인덱스를 생성할 때는 데이터베이스의 구조와 쿼리 패턴을 고려해야 하며, 적절한 컬럼에 인덱스를 적용하는 것이 중요하다. 예를 들어, 자주 검색되는 컬럼이나 조인에 사용되는 컬럼에 인덱스를 생성하는 것이 일반적이다. 인덱스 생성 시 SQL 문법을 사용하여 다음과 같이 정의할 수 있다. CREATE INDEX index_name ON table_name (column_name); 이와 같이 인덱스를 생성한 후에는 정기적으로 인덱스의 성능을 모니터링하고, 필요에 따라 인덱스를 수정하거나 삭제해야 한다. 특히, 데이터가 자주 변경되는 테이블에서는 인덱스가 오히려 성능 저하를 초래할 수 있으므로 주의가 필요하다. 인덱스 관리는 인덱스의 유효성을 주기적으로 점검하고, 불필요한 인덱스를 제거하는 과정을 포함한다. 이러한 관리 작업은 데이터베이스의 전반적인 성능을 유지하는 데 필수적이다. 또한, 인덱스를 최적화하기 위해서는 데이터베이스의 용도와 데이터 접근 패턴에 맞는 적절한 인덱스 전략을 수립하는 것이 필요하다. 이러한 전략은 데이터베이스의 성능을 극대화하고 쿼리 실행 시간을 단축시키는 데 기여한다.

인덱스 성능 분석

인덱스 성능 분석은 데이터베이스 최적화에서 중요한 역할을 한다. 인덱스는 데이터 접근 속도를 향상시키는 기능을 제공하지만, 인덱스의 성능을 적절히 분석하지 않으면 오히려 데이터베이스의 성능 저하를 초래할 수 있다. 인덱스 성능 분석의 첫 단계는 쿼리 성능 모니터링이다. 데이터베이스 관리 시스템(DBMS)에서 제공하는 성능 분석 도구를 사용하여 쿼리의 실행 시간을 측정하고, 자주 사용되는 쿼리를 식별할 수 있다. 이를 통해 인덱스가 필요한지 여부를 판단하게 된다. 또한, 인덱스 성능 분석 시 인덱스의 선택도 중요하다. 인덱스가 특정 쿼리에서 유용하게 작용하는지, 아니면 불필요한 자원 소모를 초래하는지를 평가해야 한다. 인덱스 성능 분석을 통해 비효율적인 인덱스를 제거하거나 조정함으로써 데이터베이스의 성능을 극대화할 수 있다. 마지막으로, 인덱스의 통계 정보를 주기적으로 업데이트하는 것이 필요하다. 통계 정보는 쿼리 최적화기가 최적의 쿼리 실행 계획을 생성하는 데 중요한 역할을 한다. 따라서, 인덱스 성능 분석은 데이터베이스 관리의 필수적인 요소로, 이를 통해 데이터베이스의 효율성과 성능을 향상시킬 수 있다.

쿼리 최적화

쿼리 성능 분석 도구

쿼리 성능 분석 도구는 데이터베이스의 쿼리 성능을 평가하고 최적화하기 위해 필수적인 역할을 한다. 이러한 도구들은 쿼리의 실행 시간을 측정하고, 자원 소모를 분석하며, 쿼리의 실행 계획을 시각화한다. 이를 통해 데이터베이스 관리자는 비효율적인 쿼리를 식별하고 개선할 수 있다. 일반적으로 사용되는 쿼리 성능 분석 도구로는 SQL Server Profiler, MySQL EXPLAIN, PostgreSQL의 EXPLAIN ANALYZE 등이 있다. 쿼리 성능 분석 도구는 쿼리의 실행 과정을 추적하여 병목 현상을 찾고, 이를 해결하기 위한 유용한 정보를 제공한다. 이러한 도구들은 쿼리의 성능을 정량적으로 측정할 수 있는 기능을 제공하며, 쿼리 최적화 과정에서 필수적인 자료를 수집할 수 있다. 예를 들어, SQL Server Profiler는 이벤트와 성능 데이터를 수집하여 쿼리의 실행 시간을 확인할 수 있는 기능을 갖추고 있다. 또한, MySQL의 EXPLAIN 명령어를 사용하면 쿼리 실행 계획을 분석하고, 쿼리의 성능을 개선할 수 있는 방향으로 조정할 수 있는 정보를 얻을 수 있다. 이러한 도구는 데이터베이스의 성능을 지속적으로 모니터링하고 최적화하는 데 도움을 줄 수 있다. 따라서, 쿼리 성능 분석 도구는 데이터베이스 최적화의 중요한 요소로 자리 잡고 있다.

효율적인 쿼리 작성법

효율적인 쿼리 작성법는 데이터베이스 성능 최적화에 중요한 요소이다. 효율적인 쿼리를 작성하기 위해서는 몇 가지 원칙을 따르는 것이 필요하다. 첫째, 필요한 데이터만 선택하는 것이 중요하다. SELECT 문을 사용할 때, ‘*’ 대신 필요한 컬럼만 명시하여 데이터 전송량을 줄이는 것이 바람직하다. 예를 들어, 다음과 같은 쿼리가 있다.SELECT name, age FROM users WHERE age > 30;둘째, WHERE 절을 사용하여 불필요한 데이터 필터링을 수행해야 한다. 조건을 설정하여 데이터의 양을 줄이면 쿼리 성능이 향상된다. 셋째, JOIN을 사용할 때는 필요한 테이블만 결합하고, JOIN 조건을 명확히 하여 성능을 최적화해야 한다. 예를 들어,SELECT u.name, o.order_id FROM users u JOIN orders o ON u.id = o.user_id WHERE u.active = 1;와 같이 필요한 정보만 가져오는 쿼리를 작성할 수 있다.넷째, 인덱스를 적절히 활용하는 것이 중요하다. 인덱스가 설정된 컬럼을 WHERE 절이나 JOIN 조건에 사용하면 쿼리 성능이 크게 향상된다. 다섯째, 집계 함수 사용 시 GROUP BY 절을 최적화하고, HAVING 절보다는 WHERE 절을 우선적으로 사용하는 것이 좋다. 마지막으로, 쿼리 실행 계획을 분석하여 비효율적인 부분을 찾아 리팩토링하는 것이 필요하다. 이를 통해 쿼리 성능을 최적화할 수 있다.

쿼리 실행 계획 이해하기

쿼리 실행 계획은 데이터베이스에서 쿼리를 실행하기 위해 선택된 최적의 접근 방법을 보여주는 정보이다. 데이터베이스 관리 시스템(DBMS)은 쿼리를 분석하고, 다양한 실행 경로를 평가하여 가장 효율적인 경로를 선택한다. 이러한 실행 계획은 쿼리의 성능을 이해하고 개선하는 데 중요한 역할을 한다. 사용자는 실행 계획을 통해 쿼리가 어떻게 처리되는지, 어떤 인덱스가 사용되는지, 그리고 데이터가 어떻게 접근되는지를 확인할 수 있다. 실행 계획은 일반적으로 SQL 쿼리의 성능을 분석하기 위한 주요 도구로 사용된다. 예를 들어, SQL Server의 경우, SET SHOWPLAN_ALL 명령어를 사용하여 쿼리의 실행 계획을 볼 수 있다. 이 명령어를 통해 쿼리의 예상 실행 경과 시간, 사용되는 인덱스, 그리고 데이터 액세스 방법 등을 알 수 있다. 쿼리 실행 계획의 분석 결과는 쿼리 리팩토링의 기초 자료로 활용될 수 있다. 쿼리 실행 계획을 주의 깊게 분석하면, 쿼리 최적화의 기회를 찾을 수 있으며, 이는 결과적으로 시스템 성능을 향상시키는 데 기여한다. 예를 들어, 실행 계획에서 특정 인덱스가 사용되지 않는 것으로 나타나면, 해당 인덱스를 추가하거나 쿼리 조건을 변경하여 성능을 개선할 수 있다. 따라서 쿼리 실행 계획을 이해하는 것은 데이터베이스 성능 최적화의 필수 요소로 간주된다.

쿼리 리팩토링 기법

쿼리 리팩토링 기법은 데이터베이스 쿼리의 성능을 개선하기 위해 쿼리 구조를 재구성하는 과정을 의미한다. 쿼리 리팩토링의 주요 목표는 쿼리 실행 시간을 단축하고, 시스템 리소스를 효율적으로 사용하며, 전체적인 데이터베이스 성능을 향상시키는 것이다. 이를 위해 여러 가지 기법을 적용할 수 있다. 첫 번째로, 서브쿼리 대신 조인을 사용하는 방법이 있다. 서브쿼리는 경우에 따라 성능 저하를 초래할 수 있으므로, 조인을 통해 데이터를 결합하면 쿼리 성능이 향상될 수 있다. 두 번째로, 불필요한 컬럼을 선택하지 않도록 쿼리를 수정하는 것이 중요하다. SELECT 문에서 필요한 데이터만 선택하게 되면, 데이터 전송량이 줄어들어 성능이 개선된다. 또한, WHERE 절에서 적절한 필터링을 적용함으로써 검색 범위를 제한할 수 있다. 세 번째로, 인덱스를 활용하여 성능을 높이는 방법이 있다. 인덱스가 적절하게 사용되면 쿼리 실행 시간이 크게 줄어들 수 있다. 마지막으로, 쿼리의 실행 계획을 분석하여 비효율적인 부분을 찾아내고 개선하는 것이 필수적이다. 이러한 쿼리 리팩토링 기법을 통해 데이터베이스 쿼리의 효율성을 극대화할 수 있으며, 이는 궁극적으로 시스템의 전반적인 성능 향상으로 이어진다.

데이터베이스 구조 최적화

정규화와 비정규화

정규화는 데이터베이스 설계에서 데이터의 중복성을 최소화하고 데이터 무결성을 보장하기 위한 프로세스이다. 이를 위해 데이터를 여러 개의 테이블로 나누고, 각 테이블 간의 관계를 정의하는 방식으로 이루어진다. 정규화는 일반적으로 1차, 2차, 3차 정규형으로 나뉘며, 각 단계에서 특정 규칙을 준수해야 한다. 예를 들어, 1차 정규형은 모든 컬럼이 원자값을 가져야 하며, 2차 정규형은 모든 비주요 속성이 기본키에 완전 함수 종속해야 한다. 이러한 정규화 과정은 데이터의 일관성과 무결성을 높이는 데 기여한다. 그러나 지나치게 정규화가 진행되면 조인 연산이 증가하여 성능이 저하될 수 있다. 이로 인해 데이터베이스의 쿼리 성능이 악화될 위험이 있다. \n\n이에 반해 비정규화는 성능 최적화를 목적으로 일부 테이블을 통합하거나 중복 데이터를 허용하는 방식이다. 이는 데이터베이스의 조회 성능을 향상시키는 데 유리하게 작용할 수 있다. 비정규화의 예로는 자주 사용되는 데이터를 한 테이블에 모아둠으로써 조인 연산을 최소화하는 방법이 있다. 그러나 비정규화는 데이터 무결성 문제를 야기할 수 있으며, 데이터의 변경 시 일관성 유지가 어려울 수 있다. 따라서 비정규화는 신중하게 적용해야 하며, 특정 비즈니스 요구 사항에 따라 적절한 균형을 찾아야 한다. 이처럼 정규화와 비정규화는 데이터베이스 구조 최적화 과정에서 상반된 접근 방식으로, 각각의 장단점을 고려하여 적절하게 활용해야 한다.

테이블 파티셔닝

테이블 파티셔닝은 데이터베이스 구조 최적화의 일환으로, 대량의 데이터를 관리하고 성능을 향상시키기 위해 데이터를 여러 개의 파티션으로 나누는 기법이다. 이 방법은 데이터 검색 속도를 높이고, 관리의 용이성을 제공하며, 특정 쿼리의 성능을 개선하는 데 기여한다. 테이블 파티셔닝의 주요 이점 중 하나는 데이터의 물리적 저장 방식을 최적화함으로써 데이터 접근 효율성을 높이는 것이다. 이를 통해 데이터베이스는 특정 파티션만을 검색하여 쿼리 성능을 향상시킬 수 있다. 테이블 파티셔닝은 일반적으로 범위 기반 파티셔닝, 리스트 기반 파티셔닝, 해시 기반 파티셔닝 등 여러 방식으로 구현될 수 있다. 범위 기반 파티셔닝은 특정 범위의 값을 기준으로 데이터를 나누고, 리스트 기반 파티셔닝은 특정 값의 목록을 기준으로 파티션을 나눈다. 해시 기반 파티셔닝은 해시 함수를 사용하여 데이터를 분산시킨다. 이러한 각 방식은 데이터의 유형과 사용 패턴에 따라 적절하게 선택할 수 있다. 테이블 파티셔닝은 데이터베이스의 성능을 향상시킬 수 있지만, 설계와 관리가 복잡해질 수 있으므로 신중한 계획이 필요하다. 최적의 파티셔닝 전략을 설정하기 위해서는 데이터 사용 패턴 분석과 충분한 테스트가 요구된다. 테이블 파티셔닝은 데이터베이스 성능 최적화와 관리의 효율성을 높이는 데 중요한 역할을 한다.

데이터베이스 스키마 설계 방법

데이터베이스 스키마 설계 방법은 데이터베이스 최적화의 중요한 요소 중 하나이다. 스키마는 데이터베이스의 구조를 정의하며, 데이터 간의 관계를 명확히 하고 데이터 무결성을 보장하는 역할을 한다. 효과적인 스키마 설계는 효율적인 쿼리 성능을 보장하고, 데이터 중복을 최소화하며, 관리의 용이성을 향상시킨다. 스키마를 설계할 때는 먼저 요구사항을 분석하고, 데이터 모델링 기법을 활용하여 엔티티와 그 관계를 정의하는 것이 중요하다. 이 과정에서 정규화 과정을 통해 데이터 중복을 줄이고, 데이터 무결성을 유지하기 위한 제약조건을 설정해야 한다. 정규화는 데이터베이스의 설계를 체계적으로 만들어 주지만, 비정규화는 성능 개선을 위해 필요한 경우에 고려될 수 있다. 비정규화는 데이터 조회 시 성능을 높일 수 있으나, 데이터 중복이 발생할 수 있으므로 신중히 판단해야 한다. 또한, 데이터베이스 스키마 설계 시에는 미래의 확장성도 고려해야 한다. 이는 데이터베이스의 용량 증가나 새로운 기능 추가를 쉽게 할 수 있도록 하는 데 필수적이다. 마지막으로, 최적의 데이터 타입을 선택하고, 필요한 경우 인덱스를 설계하여 쿼리 성능을 향상시킬 수 있다. 이러한 모든 과정은 데이터베이스 최적화의 중요한 기초가 된다.

데이터 타입 및 제약조건 최적화

데이터 타입은 데이터베이스의 효율적인 운영에 있어 기본적인 요소로, 각 컬럼에 저장될 수 있는 데이터의 종류를 정의한다. 적절한 데이터 타입을 선택함으로써 저장 공간을 절약하고 쿼리 성능을 향상시킬 수 있다. 예를 들어, 정수형 데이터 타입을 사용해야 할 경우, INT 또는 SMALLINT와 같은 타입을 선택하는 것이 좋으며, 문자열 데이터는 VARCHAR 또는 CHAR를 활용하는 것이 일반적이다. 각 데이터 타입마다 저장 가능한 값의 범위와 메모리 사용량이 다르므로, 데이터베이스 설계 시 신중하게 고려해야 한다. 제약조건은 데이터베이스에서 데이터의 무결성을 유지하기 위해 설정하는 규칙이다. 이는 데이터가 특정 기준을 충족하도록 보장하며, 일반적으로 사용되는 제약조건으로는 NOT NULL, UNIQUE, PRIMARY KEY, FOREIGN KEY 등이 있다. 이러한 제약조건들은 데이터의 품질을 높이고 데이터베이스의 신뢰성을 강화하는 데 중요한 역할을 한다. 또한, 데이터 타입과 제약조건을 적절히 조합함으로써 데이터 중복을 줄이고, 데이터의 일관성을 유지할 수 있다. 따라서 데이터베이스 구조를 최적화하기 위해서는 올바른 데이터 타입의 선택과 적절한 제약조건의 설정이 필수적이다. 이러한 과정은 데이터베이스의 성능을 높이고, 관리의 용이성을 증가시킬 수 있는 기반을 마련한다.

자주 묻는 질문

참고자료

• 11 Database Optimization Techniques | by Daniel Foo – Medium
• Understanding Database Performance: A Guide to Optimization
• How Does Indexing Work | Atlassian
• 8 Indexing Strategies to Optimize Database Performance
• A detailed guide on Database Indexes – AlgoMaster Newsletter
• Execution plan overview – SQL Server
• Database normalization description – Microsoft 365 Apps
• Data Partitioning Techniques in System Design
• Database design basics