연결된 정보의 빠른 검색을 위한 Neo4j 인덱싱 전략#

연결된 정보를 효율적으로 검색하기 위해서는 Neo4j의 다양한 인덱스 타입과 최적화 기법을 전략적으로 활용해야 합니다. 다음은 검색 성능을 극대화하기 위한 포괄적인 인덱싱 방법들입니다.

핵심 인덱스 타입별 활용 전략#

표준 인덱스 (Standard Index)#

기본적인 속성 검색을 위한 범용 인덱스로, 대부분의 검색 시나리오에 적합합니다¹.

CREATE INDEX article_id IF NOT EXISTS FOR (a:Article) ON (a.id);
CREATE INDEX author_name IF NOT EXISTS FOR (p:Person) ON (p.name);

범위 인덱스 (Range Index)#

날짜, 숫자 등의 범위 검색에 최적화된 인덱스입니다²¹.

CREATE RANGE INDEX article_date_idx IF NOT EXISTS FOR (a:Article) ON (a.publishDate);
CREATE RANGE INDEX article_readtime_idx IF NOT EXISTS FOR (a:Article) ON (a.readTime);

텍스트 인덱스 (Text Index)#

문자열 속성의 정확한 매칭과 STARTS WITH 연산에 최적화되어 있습니다²¹.

CREATE TEXT INDEX article_title_idx IF NOT EXISTS FOR (a:Article) ON (a.title);

전문 검색 인덱스 (Full-text Index)#

복잡한 텍스트 검색과 유사도 기반 검색을 위한 Apache Lucene 기반 인덱스입니다³⁴¹.

CALL db.index.fulltext.createNodeIndex(
"article_content_search",
["Article"],
["title", "content", "summary"]
);

관계형 인덱싱의 중요성#

연결된 정보의 빠른 검색을 위해서는 관계 자체에 대한 인덱싱이 매우 중요합니다³⁵.

관계 속성 인덱싱#

CREATE INDEX FOR ()-[r:WRITTEN_BY]-() ON (r.date);
CREATE INDEX FOR ()-[r:TAGGED_WITH]-() ON (r.relevance);
CREATE INDEX FOR ()-[r:REFERENCES]-() ON (r.weight);

토큰 룩업 인덱스 (Token Lookup Index)#

라벨과 관계 타입에 대한 기본 인덱스로, Neo4j 4.3부터 자동으로 생성됩니다⁴.

CREATE LOOKUP INDEX person_lookup IF NOT EXISTS FOR (:Person);
CREATE LOOKUP INDEX written_by_lookup IF NOT EXISTS FOR ()-[:WRITTEN_BY]-();

복합 인덱스 (Composite Index) 전략#

여러 속성을 조합한 검색에서 성능을 크게 향상시킵니다³¹.

CREATE INDEX article_author_date IF NOT EXISTS
FOR (a:Article) ON (a.authorId, a.publishDate);

CREATE INDEX tag_relevance_composite IF NOT EXISTS
FOR (t:Tag) ON (t.name, t.category);

복합 인덱스 사용 시 주의사항:

속성 순서가 성능에 중요한 영향을 미칩니다¹
쿼리에서 첫 번째 속성부터 순차적으로 사용할 때 가장 효율적입니다¹

2계층 인덱스 아키텍처#

대규모 데이터에서 최적의 성능을 위해 2계층 인덱스 구조를 활용할 수 있습니다⁶.

객체 인덱싱 (Object Indexing)#

주요 엔티티에 대한 1차 인덱스를 구성합니다.

삼중체 인덱싱 (Triad Indexing)#

관계를 포함한 삼중체(Subject-Predicate-Object) 패턴에 대한 2차 인덱스를 구성하여 복잡한 패턴 매칭을 최적화합니다⁶.

하이브리드 검색 최적화#

벡터 인덱스와의 결합#

의미적 검색을 위한 벡터 인덱스를 기존 인덱스와 결합하여 사용할 수 있습니다.

CALL db.index.vector.createNodeIndex(
"article_embeddings",
"Article",
"embedding",
1536,
"cosine"
);

하이브리드 쿼리 예시#

CALL db.index.fulltext.queryNodes("article_content_search", "인공지능")
YIELD node as article, score as textScore
WITH article, textScore
CALL db.index.vector.queryNodes("article_embeddings", $query_embedding, 5)
YIELD node, score as vectorScore
WHERE node = article
RETURN article, (textScore + vectorScore) / 2 as combinedScore
ORDER BY combinedScore DESC
LIMIT 10;

쿼리 최적화 기법#

라벨 활용 최적화#

라벨을 효과적으로 사용하여 검색 범위를 제한합니다³.

// 비효율적
MATCH (n) WHERE n.name='홍길동' RETURN n

// 효율적
MATCH (p:Person {name: '홍길동'}) RETURN p

탐색 깊이 제한#

무제한 탐색을 피하고 명시적으로 깊이를 제한합니다³.

MATCH (a:Article)-[:REFERENCES*1..3]->(related:Article)
RETURN related.title

성능 모니터링 및 최적화#

실행 계획 분석#

EXPLAIN과 PROFILE 명령어를 사용하여 쿼리 성능을 분석합니다³⁷.

PROFILE MATCH (a:Article)-[:WRITTEN_BY]->(p:Person {name: '홍길동'})
RETURN a.title, a.publishDate
ORDER BY a.publishDate DESC

카테시안 곱 회피#

명시적인 관계를 사용하여 불필요한 교차 조인을 방지합니다³.

// 비효율적 - 카테시안 곱 발생
MATCH (a:Article), (p:Person) WHERE a.authorId = p.id RETURN a, p

// 효율적 - 직접적인 관계 사용
MATCH (a:Article)-[:WRITTEN_BY]->(p:Person) RETURN a, p

인덱스 관리 모범 사례#

인덱스 생성 전략#

자주 검색되는 속성에 우선적으로 인덱스를 생성합니다⁷
쓰기 성능에 미치는 영향을 고려하여 과도한 인덱싱을 피합니다⁴
복합 인덱스의 속성 순서를 쿼리 패턴에 맞게 최적화합니다¹

메모리 및 캐싱 최적화#

적절한 힙 메모리 설정으로 인덱스 캐싱을 최적화합니다⁷
페이지 캐시 크기를 데이터 크기에 맞게 조정합니다⁷

결론#

연결된 정보의 빠른 검색을 위해서는 다양한 인덱스 타입을 전략적으로 조합하여 사용해야 합니다. 특히 관계형 인덱싱과 복합 인덱스를 적극 활용하고, 정기적인 성능 모니터링을 통해 지속적으로 최적화하는 것이 중요합니다. 또한 하이브리드 검색 방법을 도입하여 키워드 기반 검색과 의미 기반 검색의 장점을 결합하면 더욱 정확하고 빠른 검색 결과를 얻을 수 있습니다.

Table of Contents