GSP1087

개요

PostgreSQL용 AlloyDB는 까다로운 엔터프라이즈 데이터베이스 워크로드를 위한 완전 관리형 PostgreSQL 호환 데이터베이스 서비스입니다. AlloyDB는 뛰어난 성능, 확장성, 가용성을 위해 가장 인기 있는 오픈소스 데이터베이스 엔진 중 하나인 PostgreSQL과 Google의 장점을 결합합니다.

열 기반 엔진은 AlloyDB가 SQL 스캔, 조인, 집계를 처리하는 속도를 크게 높일 수 있습니다. 열 기반 엔진은 1) 선택한 열의 테이블 데이터를 포함하며 열 중심 형식으로 재구성된 열 저장소와 2) 쿼리에서 열 저장소 사용을 지원하는 열 기반 쿼리 플래너 및 실행 엔진을 제공합니다.

이 실습에서는 AlloyDB 열 기반 엔진의 기능을 살펴봅니다.

실습할 내용

이 실습에서는 다음 작업을 수행하는 방법을 알아봅니다.

• 열 기반 엔진 테스트를 위한 기준 데이터 세트 만들기
• 기준 테스트 실행
• 열 기반 엔진의 데이터베이스 플래그 확인
• 열 기반 엔진의 데이터베이스 확장 프로그램 설정 또는 확인
• 열 기반 엔진 테스트

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

Cloud Shell 활성화

Cloud Shell은 다양한 개발 도구가 탑재된 가상 머신으로, 5GB의 영구 홈 디렉터리를 제공하며 Google Cloud에서 실행됩니다. Cloud Shell을 사용하면 명령줄을 통해 Google Cloud 리소스에 액세스할 수 있습니다.

1. Google Cloud 콘솔 상단에서 Cloud Shell 활성화 를 클릭합니다.

2. 다음 창을 클릭합니다.

   • Cloud Shell 정보 창을 통해 계속 진행합니다.
   • 사용자 인증 정보를 사용하여 Google Cloud API를 호출할 수 있도록 Cloud Shell을 승인합니다.

연결되면 사용자 인증이 이미 처리된 것이며 프로젝트가 학습자의 PROJECT_ID, (으)로 설정됩니다. 출력에 이 세션의 PROJECT_ID를 선언하는 줄이 포함됩니다.

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud는 Google Cloud의 명령줄 도구입니다. Cloud Shell에 사전 설치되어 있으며 명령줄 자동 완성을 지원합니다.

3. (선택사항) 다음 명령어를 사용하여 활성 계정 이름 목록을 표시할 수 있습니다.

gcloud auth list

4. 승인을 클릭합니다.

출력:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (선택사항) 다음 명령어를 사용하여 프로젝트 ID 목록을 표시할 수 있습니다.

gcloud config list project

출력:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 참고: gcloud 전체 문서는 Google Cloud에서 gcloud CLI 개요 가이드를 참고하세요.

작업 1. 열 기반 엔진 테스트를 위한 기준 데이터 세트 만들기

이 실습 환경에서는 실습을 시작할 때 AlloyDB 클러스터와 인스턴스가 프로비저닝됩니다.

1. Google Cloud 콘솔에서 탐색 메뉴 > 모든 제품 보기를 클릭합니다. 그런 다음 데이터베이스에서 PostgreSQL용 AlloyDB를 선택합니다.

AlloyDB 페이지에는 lab-cluster라는 클러스터와 lab-instance라는 인스턴스가 있습니다. 인스턴스를 만들고 초기화하는 작업은 몇 분 정도 걸립니다.

리소스 이름 열에서 lab-instance라는 인스턴스 옆에 녹색 체크표시(준비됨 상태)가 표시될 때까지 기다린 후 다음 단계로 진행하세요.

2. 다음 단계에서 값을 붙여넣을 수 있도록, lab-instance라는 인스턴스의 행에서 비공개 IP 주소 아래에 있는 비공개 IP 주소(예: 10.100.0.2)를 텍스트 파일에 복사합니다. 콜론과 포트 번호(:5432)는 포함해선 안 됩니다.

열 기반 엔진의 기능을 평가하려면 성능을 측정할 수 있는 상당한 크기의 데이터 세트가 필요합니다. 다음 단계에서는 PostgreSQL 도구인 pgbench를 사용하여 합성 데이터 세트를 생성해 열 기반 엔진을 평가합니다.

3. 탐색 메뉴()의 Compute Engine에서 VM 인스턴스를 클릭합니다.

4. alloydb-client라는 이름의 인스턴스에서 연결 열의 SSH를 클릭하여 터미널 창을 엽니다.

5. 다음 환경 변수를 설정하고 ALLOYDB_ADDRESS를 AlloyDB 인스턴스의 비공개 IP 주소로 바꿉니다.

export ALLOYDB=ALLOYDB_ADDRESS

6. 다음 명령어를 실행하여 AlloyDB 인스턴스의 비공개 IP 주소를 AlloyDB 클라이언트 VM에 저장합니다. 이렇게 하면 실습 전반에 걸쳐 IP 주소가 유지됩니다.

echo $ALLOYDB > alloydbip.txt

7. pgbench를 사용하는 첫 번째 단계는 샘플 테이블을 만들고 채우는 것입니다. 다음 명령어를 실행하여 4개의 테이블을 만듭니다. postgres 사용자의 비밀번호(Change3Me)를 입력하라는 메시지가 표시됩니다.

가장 큰 테이블인 pgbench_accounts에는 5천만 개의 행이 로드됩니다. 작업을 완료하는 데 몇 분 정도 걸립니다.

pgbench -h $ALLOYDB -U postgres -i -s 500 -F 90 -n postgres dropping old tables... NOTICE: table "pgbench_accounts" does not exist, skipping NOTICE: table "pgbench_branches" does not exist, skipping NOTICE: table "pgbench_history" does not exist, skipping NOTICE: table "pgbench_tellers" does not exist, skipping creating tables... generating data (client-side)... 50000000 of 50000000 tuples (100%) done (elapsed 91.26 s, remaining 0.00 s) creating primary keys... done in 167.61 s (drop tables 0.00 s, create tables 0.01 s, client-side generate 93.16 s, primary keys 74.43 s).

8. psql 클라이언트에 연결하고 다음 쿼리를 실행하여 pgbench_accounts 테이블의 행 수를 확인합니다. postgres 사용자의 비밀번호(Change3Me)를 입력하라는 메시지가 표시됩니다.

psql -h $ALLOYDB -U postgres select count (*) from pgbench_accounts; count ---------- 50000000 (1 row)

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 기준 데이터 세트 만들기

작업 2. 기준 테스트 실행

순차 스캔을 수행하는 매우 간단한 쿼리를 실행한 다음, 테스트 테이블을 열 기반 엔진에 추가하기 전과 후의 해당 쿼리에 대한 설명 쿼리 계획을 사용하면 평가를 수행할 수 있습니다.

1. alloydb-client 셸로 돌아갑니다. psql 클라이언트가 계속 활성 상태여야 합니다. 그렇지 않은 경우 작업 1의 안내에 따라 다시 연결합니다. 다음 쿼리를 실행하여 모든 쿼리 작업의 타이밍을 사용 설정합니다.

\timing on

2. 이제 다음 쿼리를 실행하여 실행 시간을 평가합니다. 이 쿼리는 전체 pgbench_accounts 테이블의 순차 스캔을 실행합니다.

참고: 이 샘플 쿼리는 데모용이므로 반환되는 행이 20개로 제한됩니다.

SELECT aid, bid, abalance FROM pgbench_accounts WHERE bid < 189 OR abalance > 100 LIMIT 20; aid | bid | abalance -----+-----+---------- 1 | 1 | 0 2 | 1 | 0 3 | 1 | 0 4 | 1 | 0 5 | 1 | 0 6 | 1 | 0 7 | 1 | 0 8 | 1 | 0 9 | 1 | 0 10 | 1 | 0 11 | 1 | 0 12 | 1 | 0 13 | 1 | 0 14 | 1 | 0 15 | 1 | 0 16 | 1 | 0 17 | 1 | 0 18 | 1 | 0 19 | 1 | 0 20 | 1 | 0 (20 rows)

3. 다음 쿼리를 실행하여 무제한 쿼리의 설명 계획을 생성합니다. 값은 샘플 출력의 값과 비슷하게 표시되지만 데이터 생성의 무작위 특성으로 인해 달라질 수 있습니다.

참고: 쿼리 설명 계획을 살펴보려면 스페이스바를 눌러야 할 수 있습니다. EXPLAIN (ANALYZE,COSTS,SETTINGS,BUFFERS,TIMING,SUMMARY,WAL,VERBOSE) SELECT count(*) FROM pgbench_accounts WHERE bid < 189 OR abalance > 100; QUERY PLAN --------------------------------------------------------------------------------------------------------------- --------------------------------------------------- Finalize Aggregate (cost=1242226.53..1242226.54 rows=1 width=8) (actual time=11010.409..11014.083 rows=1 loop s=1) Output: count(*) Buffers: shared hit=20921 read=888170 I/O Timings: read=19536.769 -> Gather (cost=1242226.32..1242226.53 rows=2 width=8) (actual time=11010.398..11014.075 rows=3 loops=1) Output: (PARTIAL count(*)) Workers Planned: 2 Workers Launched: 2 Buffers: shared hit=20921 read=888170 I/O Timings: read=19536.769 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ !! Section removed for pasting !! ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Filter: ((pgbench_accounts.bid < 189) OR (pgbench_accounts.abalance > 100)) Rows Removed by Filter: 10400000 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ !! Section removed for pasting !! ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Buffers: shared hit=6 Planning Time: 0.117 ms Execution Time: 11014.169 ms (38 rows)

4. 결과에서 Planning Time(계획 시간) 및 Execution Time(실행 시간) 값에 특히 주의하세요. 샘플 출력에서 계획 시간은 0.117밀리초이고 실행 시간은 11014.169밀리초 또는 11.014초입니다. 값은 샘플 출력의 값과 비슷하게 표시되지만 데이터 생성의 무작위 특성으로 인해 달라질 수 있습니다.

5. 나중에 열 기반 엔진을 사용 설정한 후의 결과와 비교할 수 있도록 실행 결과에서 Planning Time과 Execution Time 값을 텍스트 파일에 복사합니다. 전체 쿼리 계획 결과를 텍스트 파일에 복사해도 됩니다.

6. Q 키를 눌러 쿼리 계획을 닫습니다.

작업 3. 열 기반 엔진의 데이터베이스 플래그 확인

이 작업에서는 인스턴스의 열 기반 엔진 데이터베이스 플래그를 검사합니다.

1. Google Cloud 콘솔에서 탐색 메뉴() > 모든 제품 보기를 클릭합니다. 그런 다음 데이터베이스에서 PostgreSQL용 AlloyDB를 선택합니다.

2. lab-instance라는 인스턴스 행에서 작업(세로 점 3개 아이콘)을 클릭한 다음 수정을 클릭합니다.

3. 고급 구성 옵션 섹션을 펼칩니다.

4. 플래그에서 데이터베이스 플래그 추가를 클릭합니다.

5. 플래그 선택을 클릭하여 사용 가능한 플래그 목록을 살펴보고 지원되는 옵션을 파악합니다.

google_columnar_engine.enabled라는 플래그가 이미 사용 설정되어 있습니다(켜짐 상태). 이 실습에서는 다른 플래그를 추가하지 않습니다.

6. 취소를 클릭하여 수정 인스턴스 페이지에서 나갑니다.

작업 4. 열 기반 엔진의 데이터베이스 확장 프로그램 설정 또는 확인

이 작업에서는 이전 섹션에 이어 데이터베이스 확장 프로그램을 계속 설정하여 AlloyDB 클러스터에 대해 열 기반 엔진 기능을 완전히 사용 설정합니다.

플래그를 구성할 때와는 달리 데이터베이스 확장 프로그램을 사용 설정하려면 psql 클라이언트를 통해 인스턴스에 연결해야 합니다.

1. alloydb-client 셸로 돌아갑니다. psql 클라이언트가 계속 활성 상태여야 합니다. 그렇지 않은 경우 작업 1의 안내에 따라 다시 연결합니다.

2. 다음 쿼리를 실행하여 postgres 데이터베이스에 연결되어 있는지 확인합니다.

\c postgres

3. 다음 시스템 쿼리를 실행하여 데이터베이스에서 사용 설정된 확장 프로그램에 관한 세부정보를 확인합니다.

참고: 확장 프로그램 목록은 다를 수 있습니다. \dx List of installed extensions Name | Version | Schema | Description ------------------------+---------+------------+--------------------------------------- google_columnar_engine | 1.0 | public | Google extension for columnar engine google_db_advisor | 1.0 | public | Google extension for Database Advisor hypopg | 1.3.2 | public | Hypothetical indexes for PostgreSQL plpgsql | 1.0 | pg_catalog | PL/pgSQL procedural language (4 rows)

4. google_columnar_engine이 목록에 표시되면 다음 작업(작업 5)으로 건너뜁니다. google_columnar_engine이 목록에 표시되지 않으면 다음 명령어를 실행합니다.

CREATE EXTENSION IF NOT EXISTS google_columnar_engine;

5. 확장 프로그램 쿼리를 다시 실행하여 google_columnar_engine 확장 프로그램이 사용 설정되어 있는지 확인합니다.

\dx

작업 5. 열 기반 엔진 테스트

기본 테이블(pgbench_accounts)이 비교적 작으므로, 평가를 위해 열 기반 엔진에 직접 추가해도 됩니다. 실제 배포에서는 열 기반 엔진의 추천 프레임워크를 활용하여, 모든 테이블에서 가장 많이 사용되는 열을 자동으로 식별합니다. 이러한 열은 엔진에서 관리할 때 가장 큰 이점을 제공합니다.

1. alloydb-client 셸로 돌아갑니다. 다음 쿼리를 실행하여 pgbench_accounts를 열 기반 엔진에 추가합니다. 쿼리를 완료하는 데 몇 분 정도 걸립니다.

SELECT google_columnar_engine_add('pgbench_accounts');

2. 그런 다음 이전에 실행한 것과 동일한 설명 계획 쿼리를 실행하여 열 기반 엔진의 효과를 확인합니다. 값은 샘플 출력의 값과 비슷하게 표시되지만 데이터 생성의 무작위 특성으로 인해 달라질 수 있습니다.

EXPLAIN (ANALYZE,COSTS,SETTINGS,BUFFERS,TIMING,SUMMARY,WAL,VERBOSE) SELECT count(*) FROM pgbench_accounts WHERE bid < 189 OR abalance > 100; QUERY PLAN ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Finalize Aggregate (cost=142400.72..142400.73 rows=1 width=8) (actual time=75.948..78.680 rows=1 loops=1) Output: count(*) -> Gather (cost=142400.51..142400.72 rows=2 width=8) (actual time=71.555..78.667 rows=3 loops=1) Output: (PARTIAL count(*)) Workers Planned: 2 Workers Launched: 2 -> Partial Aggregate (cost=141400.51..141400.52 rows=1 width=8) (actual time=45.768..45.771 rows=1 loops=3) ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Section removed for pasting ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Rows Removed by Columnar Filter: 10400000 Rows Aggregated by Columnar Scan: 4505600 Columnar cache search mode: native ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Section removed for pasting ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Buffers: shared hit=22 read=3 dirtied=1 I/O Timings: read=0.560 Planning Time: 2.022 ms Execution Time: 78.804 ms (29 rows)

3. 결과에서 Planning Time(계획 시간) 및 Execution Time(실행 시간) 값에 특히 주의하세요. 사후 열 기반 엔진 샘플에서 계획 시간은 2.022밀리초이고 실행 시간은 78.804밀리초입니다. 값은 샘플 출력의 값과 비슷하게 표시되지만 데이터 생성의 무작위 특성으로 인해 달라질 수 있습니다.

4. 제공된 샘플에서 사전 열 기반 엔진과 사후 열 기반 엔진 간 실행 시간 값의 차이는 10935.365밀리초 또는 10.9초입니다. 이는 141배 감소한 수치입니다. 또한 사후 열 기반 엔진 샘플에서는 핵심 데이터베이스 엔진이 아닌 열 기반 스캔을 사용하여 450만 개가 넘는 행이 집계되었다는 사실에 주목하세요.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 열 기반 엔진 테스트

참고: 모든 작업을 완료한 후에도 점수가 완전히 업데이트되지 않으면 점수 체크포인트 상자(페이지 오른쪽의 노란색 사이드바)를 펼치고 각 작업의 내 진행 상황 확인하기를 클릭하여 점수를 업데이트하세요.

수고하셨습니다

AlloyDB 열 기반 엔진의 강력한 기능을 살펴보았습니다.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2025년 1월 16일

실습 최종 테스트: 2025년 12월 15일

Copyright 2026 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.