대부분의 백엔드 개발자는 EXPLAIN 출력을 읽는 법은 알지만, 그 출력을 만들어내는 옵티마이저가 어떻게 동작하는지는 모른다. 면접에서 "왜 인덱스가 있는데 안 타죠?", "조인 순서는 누가 결정하나요?", "옵티마이저가 잘못된 선택을 할 때 어떻게 강제하나요?" 같은 질문을 받으면 막힌다. 옵티마이저는 SQL 한 문장을 수십\수백 개의 후보 실행 계획으...
대부분의 백엔드 개발자는 EXPLAIN 출력을 읽는 법은 알지만, 그 출력을 만들어내는 옵티마이저가 어떻게 동작하는지는 모른다. 면접에서 "왜 인덱스가 있는데 안 타죠?", "조인 순서는 누가 결정하나요?", "옵티마이저가 잘못된 선택을 할 때 어떻게 강제하나요?" 같은 질문을 받으면 막힌다.
옵티마이저는 SQL 한 문장을 수십~수백 개의 후보 실행 계획으로 펼쳐 놓고, 각 계획의 비용을 추정한 뒤 최저 비용을 선택한다. 이 결정 과정에 다음 같은 수많은 변수가 개입한다.
EXPLAIN은 그 결정의 결과일 뿐이고, optimizer_trace는 그 결정의 과정을 보여준다.
이 문서는 실행 계획을 읽는 단계에서 만들어지는 원리를 이해하는 단계로 넘어가기 위한 학습 가이드다. EXPLAIN 출력 컬럼 해석은 EXPLAIN / EXPLAIN ANALYZE, 복합 인덱스 설계는 복합 인덱스 완전 정복, B-Tree 인덱스 구조는 B-Tree 인덱스에서 다룬다. 본 문서는 그 위에 올라가는 옵티마이저 레이어를 집중적으로 본다.
MySQL 서버는 SQL을 받으면 다음 단계를 거친다.
| 단계 | 책임 |
|---|---|
| 1. Parser | 토큰화·문법 검사. parse tree 생성 |
| 2. Resolver | 테이블·컬럼·권한 확인. 식별자 바인딩 |
| 3. Logical transformation | 서브쿼리 평탄화, 뷰 머지, 조건 정규화, 상수 폴딩 |
| 4. Optimizer (Cost-based) | 조인 순서·접근 방법·인덱스 선택. 후보 계획 생성 → 비용 추정 → 최적 계획 선택 |
| 5. Plan refinement | ICP/MRR/BKA 적용, range optimizer가 sargable 조건 정리 |
| 6. Executor | 선택된 계획으로 storage engine handler API 호출 |
EXPLAIN은 4~5단계 결과를 보여주는 스냅샷이고, optimizer_trace는 3~5단계 내부 의사결정 로그다. 인터뷰에서 "EXPLAIN을 어떻게 진단하나요?"보다 더 깊은 질문은 "옵티마이저가 그 계획을 왜 선택했나요?"인데, 이 질문에 답하려면 비용 모델을 알아야 한다.
MySQL 옵티마이저는 각 후보 계획의 비용을 추정값으로 계산한다. 비용 단위는 추상화된 cost unit이며, 두 가지 축으로 합산된다.
8.0 이후로 mysql.engine_cost, mysql.server_cost 테이블에서 단가를 조회·튜닝할 수 있다.
SELECT * FROM mysql.engine_cost;
SELECT * FROM mysql.server_cost;기본값을 그대로 쓰는 게 거의 대부분이고, 단가를 바꿀 일은 매우 드물지만, 존재한다는 것만 알아도 면접 답변의 깊이가 달라진다.
옵티마이저는 통계 정보가 부정확하면 잘못된 계획을 고른다. 이게 운영에서 가장 자주 보는 "EXPLAIN은 정상인데 본번에서 느린" 증상의 원인이다.
-- 통계 갱신 강제
ANALYZE TABLE product;
ANALYZE TABLE orders;
-- 컬럼 수준 히스토그램(8.0+) — non-indexed 컬럼의 분포 추정
ANALYZE TABLE product UPDATE HISTOGRAM ON status, price WITH 16 BUCKETS;
-- 적용된 히스토그램 확인
SELECT * FROM information_schema.column_statistics
WHERE schema_name = 'shopdb';히스토그램은 인덱스가 없는 컬럼의 선택도 추정을 보강한다. 인덱스를 추가하기 곤란한 분석성·임시성 컬럼에 카디널리티 정보를 옵티마이저에 주입할 수 있다는 점이 핵심이다.
EXPLAIN은 "어떤 계획을 선택했나"만 보여준다. optimizer_trace는 왜 다른 계획을 버렸는가까지 보여준다.
SET optimizer_trace = "enabled=on";
SET optimizer_trace_max_mem_size = 1048576;
-- 분석하고 싶은 쿼리 한 번 실행
SELECT p.id, p.name
FROM product p
JOIN orders o ON o.product_id = p.id
WHERE p.category_id = 3 AND o.ordered_at > '2026-01-01';
SELECT trace
FROM information_schema.optimizer_trace\G
SET optimizer_trace = "enabled=off";| 섹션 | 의미 |
|---|---|
condition_processing | WHERE 조건의 상수 폴딩·equality propagation 결과 |
rows_estimation | 각 테이블에서 옵티마이저가 추정한 읽기 행 수 |
considered_execution_plans | 후보 조인 순서·접근 방법별 비용 |
chosen_plan | 최종 선택 |
attaching_conditions_to_tables | ICP(인덱스 컨디션 푸시다운) 적용 여부 |
운영에서 "왜 이 인덱스를 안 탔지?"가 막힐 때, trace의 considered_execution_plans를 보면 옵티마이저가 그 인덱스도 평가는 했지만 비용 추정이 높아서 버렸음을 직접 확인할 수 있다.
3개 테이블을 조인할 때 가능한 순서는 3! = 6가지다.
실제 OLTP에서는 5~6개 테이블 조인이 흔하고, 5개 테이블이면 5! = 120가지 순서가 있다.
이걸 다 비교하면 시간이 폭발하므로 MySQL은 optimizer_search_depth로 검색 깊이를 제한한다.
SHOW VARIABLES LIKE 'optimizer_search_depth';
-- 기본 62. 0이면 자동 선택.8개 이상 테이블 조인부터는 옵티마이저가 휴리스틱으로 자르며, 이 지점에서 사람이 잘못된 순서를 선택하기 쉬워진다.
옵티마이저가 명백히 틀린 순서를 고를 때만 강제한다. 정상 쿼리에 힌트를 박으면 통계 변화에 따라가지 못해 장기적으로 손해다.
-- 8.0 권장 방식: 옵티마이저 힌트
SELECT /*+ JOIN_ORDER(p, o) */ p.id, COUNT(o.id)
FROM product p JOIN orders o ON o.product_id = p.id
WHERE p.category_id = 3
GROUP BY p.id;
-- 5.7 호환 방식: STRAIGHT_JOIN
SELECT STRAIGHT_JOIN p.id, COUNT(o.id)
FROM product p JOIN orders o ON o.product_id = p.id
WHERE p.category_id = 3
GROUP BY p.id;힌트는 "옵티마이저가 틀렸다는 증거(trace + EXPLAIN ANALYZE 비교)를 본 뒤"에만 박는다. 추측으로 박지 않는다.
가장 흔한 형태. 외부 테이블 한 행마다 내부 테이블 인덱스 lookup. 내부 테이블에 적절한 인덱스가 있어야 효율적이다.
내부 테이블에 인덱스가 없을 때 외부 행을 join buffer에 쌓아 내부 테이블 풀스캔 횟수를 줄이는 방법.
Extra: Using join buffer (Block Nested Loop)로 표시된다. 인덱스 부재 신호다.
equi-join이고 양쪽이 인덱스가 없을 때 옵티마이저가 BNL 대신 hash join을 자동 선택할 수 있다. 대용량 분석성 쿼리에서 BNL 대비 큰 폭으로 빨라진다.
EXPLAIN FORMAT=TREE
SELECT p.name, c.name
FROM product p JOIN category c ON p.category_id = c.id
WHERE p.status = 'ACTIVE';
-- -> Hash Join ... 형태가 보이면 hash join 적용외부 행을 모아서 내부 테이블 인덱스 lookup을 정렬된 키로 한 번에 처리. MRR(Multi-Range Read)과 같이 동작하며 랜덤 I/O를 시퀀셜에 가깝게 변환한다. 8.0 기본값으로 끄여 있어 다음처럼 켤 수 있다.
SET optimizer_switch = 'batched_key_access=on,mrr=on,mrr_cost_based=off';운영 전체에 켜기 전 워크로드별 검증을 거치는 게 안전하다.
WHERE col IN (SELECT ...) 처럼 "존재만 확인하는" 서브쿼리는 옵티마이저가 semi-join으로 변환한다.
중복 매칭 행을 한 번만 반환하면 되므로 일반 조인과 처리 전략이 다르다.
MySQL은 5가지 semi-join 전략을 후보로 두고 비교한다.
| 전략 | 의미 | 좋은 경우 |
|---|---|---|
| FirstMatch | 내부 매칭 1건 만나면 즉시 중단 | 외부 행이 작고 매칭 빨리 끝남 |
| LooseScan | 인덱스 정렬을 이용해 중복 제거 | 내부 테이블에 정렬 인덱스 있음 |
| Materialization | 서브쿼리 결과를 임시 테이블화 후 조인 | 서브쿼리 결과 작고 재사용 |
| DuplicateWeedout | 일반 조인 후 마지막에 중복 제거 | 조건이 복잡한 경우 |
| Table Pull-out | 1:1 관계로 입증되면 일반 조인으로 평탄화 | unique 제약이 있는 경우 |
SET optimizer_switch = 'semijoin=on,firstmatch=on,materialization=on,loosescan=on,duplicateweedout=on'; 로 켤 수 있다. 운영 환경은 보통 모두 ON.
옛날 통념인 "EXISTS가 항상 빠르다"는 5.6 이전 한정이다. 5.7~8.0의 옵티마이저는 IN/EXISTS를 동일한 semi-join으로 변환할 수 있다. 중요한 건 다음이다.
trace에서 transformations_to_nested_joins를 보면 변환 결과를 확인할 수 있다.
복합 인덱스 (a, b)가 있을 때 WHERE a = ? AND b LIKE 'X%' 같은 쿼리에서 b 조건을 인덱스 레벨에서 미리 거른다.
테이블 본문으로 가는 랜덤 I/O를 줄인다.
EXPLAIN의 Extra: Using index condition이 그 표시다.
range 스캔 결과를 PK 순서로 정렬한 뒤 테이블 본문을 읽어 랜덤 I/O를 시퀀셜에 가깝게 변환한다.
대용량 range 조회에서 IO 시간을 큰 폭으로 줄일 수 있지만, 8.0 기본값은 cost-based(mrr_cost_based=on)라 옵티마이저가 비용상 유리하다고 판단할 때만 적용된다.
설계 시 ICP/MRR을 의식한 컬럼 순서를 잡으면 같은 인덱스로도 옵티마이저가 더 좋은 계획을 만든다. 인덱스 컬럼 순서 선택 자체는 복합 인덱스 완전 정복에서 다룬다.
-- Bad: 인덱스 컬럼에 함수 적용 → 옵티마이저가 range 변환 못 함
EXPLAIN SELECT * FROM orders WHERE DATE(ordered_at) = '2026-05-17';
-- Good: 범위 조건으로 표현하면 옵티마이저가 range 스캔 선택
EXPLAIN SELECT * FROM orders
WHERE ordered_at >= '2026-05-17 00:00:00'
AND ordered_at < '2026-05-18 00:00:00';8.0의 functional index(CREATE INDEX ... ON orders ((DATE(ordered_at))))로 우회는 가능하지만 인덱스 설계가 복잡해지는 대가가 있다.
-- 인덱스: (category_id, status, ordered_at)
-- Bad: 옵티마이저가 ordered_at의 range를 선두 prefix로 못 씀
WHERE ordered_at > '2026-05-01' AND status = 'PAID';
-- Good: 선두 컬럼부터 같다 비교가 있어야 인덱스 활용 폭이 넓어진다
WHERE category_id = 3 AND status = 'PAID' AND ordered_at > '2026-05-01';leftmost prefix 원칙은 옵티마이저가 어기는 게 아니라 어길 수 없다는 점을 면접에서 분명히 말해야 한다.
-- Bad: 옵티마이저가 index_merge_union을 시도하지만 비용상 풀스캔 선택할 가능성
WHERE status = 'PAID' OR user_id = 1234;
-- Good: UNION ALL로 각 인덱스 독립 활용
SELECT * FROM orders WHERE status = 'PAID'
UNION ALL
SELECT * FROM orders WHERE user_id = 1234 AND status <> 'PAID';optimizer_switch=index_merge=on 여부와 index_merge_union/intersection/sort_union 세부 플래그가 결과를 좌우한다.
-- Bad: 깊은 오프셋에서 옵티마이저가 정렬을 일찍 끊지 못 함
SELECT * FROM orders ORDER BY ordered_at DESC LIMIT 100 OFFSET 100000;
-- Good: 키셋 페이지네이션(cursor)
SELECT * FROM orders
WHERE ordered_at < :last_seen_ordered_at
ORDER BY ordered_at DESC
LIMIT 100;옵티마이저는 OFFSET을 100,000행 만큼 물리적으로 건너뛰는 비용을 줄여주지 못한다. 운영 페이지네이션은 키셋이 표준이다.
docker run --name mysql8-optimizer \
-e MYSQL_ROOT_PASSWORD=root \
-e MYSQL_DATABASE=shopdb \
-p 3306:3306 \
-d mysql:8.0
docker exec -it mysql8-optimizer mysql -uroot -proot shopdb-- 작은 테이블 1개로 옵티마이저 거동 실습
CREATE TABLE orders (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
user_id BIGINT NOT NULL,
product_id BIGINT NOT NULL,
status VARCHAR(16) NOT NULL,
amount INT NOT NULL,
ordered_at DATETIME NOT NULL
);
CREATE INDEX idx_orders_user_ordered ON orders(user_id, ordered_at);
CREATE INDEX idx_orders_status_ordered ON orders(status, ordered_at);-- 1만 행 시드
INSERT INTO orders (user_id, product_id, status, amount, ordered_at)
WITH RECURSIVE g(n) AS (SELECT 1 UNION ALL SELECT n+1 FROM g WHERE n < 10000)
SELECT (n % 200) + 1,
(n % 500) + 1,
ELT((n % 3) + 1, 'PAID','CANCELED','REFUNDED'),
(n % 100) * 1000,
DATE_SUB(NOW(), INTERVAL n MINUTE)
FROM g;
ANALYZE TABLE orders;-- 같은 쿼리를 두 인덱스 중 하나로 강제해 비용 비교
EXPLAIN FORMAT=JSON
SELECT * FROM orders
WHERE user_id = 7 AND status = 'PAID'
ORDER BY ordered_at DESC LIMIT 50;
EXPLAIN FORMAT=JSON
SELECT * FROM orders FORCE INDEX (idx_orders_user_ordered)
WHERE user_id = 7 AND status = 'PAID'
ORDER BY ordered_at DESC LIMIT 50;
EXPLAIN FORMAT=JSON
SELECT * FROM orders FORCE INDEX (idx_orders_status_ordered)
WHERE user_id = 7 AND status = 'PAID'
ORDER BY ordered_at DESC LIMIT 50;EXPLAIN FORMAT=JSON의 cost_info를 비교하면 옵티마이저가 각 인덱스에 어떤 비용을 매겼는지 직접 볼 수 있다. 이 실습 한 번이 비용 모델을 이론으로 외우는 것보다 훨씬 빨리 감을 잡게 한다.
"EXPLAIN은 옵티마이저가 선택한 최종 계획의 추정값을 보여줍니다. EXPLAIN ANALYZE는 실제로 쿼리를 실행해 추정값과 실측값을 함께 보여주므로, 통계 오차로 인한 잘못된 추정을 잡아낼 때 씁니다. optimizer_trace는 더 깊은 단계로, 옵티마이저가 어떤 후보 계획들을 비교했고 왜 그것을 버렸는지까지 보여줍니다. 운영에서 '인덱스가 있는데 안 타요' 같은 상황은 보통 EXPLAIN으로 안 보이고, trace의 considered_execution_plans에서야 비용 추정이 왜 그렇게 되었는지가 드러납니다."
"비용 기반으로 후보 순서를 비교합니다. n개 테이블 조인이면 이론상 n! 후보가 있지만, optimizer_search_depth로 검색 폭을 제한하고 휴리스틱으로 가지치기합니다. 각 후보 순서마다 통계 정보로 추정한 row 수와 인덱스 접근 비용을 곱해 누적 비용을 계산하고, 최저 비용 순서를 고릅니다. 옵티마이저가 명백히 틀렸다는 증거가 trace로 확인되면 JOIN_ORDER 힌트나 STRAIGHT_JOIN으로 강제하지만, 통계 변화에 약해지므로 추측으로는 박지 않습니다."
"옵티마이저는 인덱스 카디널리티와 컬럼 분포로 행 수를 추정합니다. ANALYZE TABLE이 통계를 갱신하지 못한 상태면 추정이 어긋나 잘못된 계획을 고릅니다. MySQL 8.0의 히스토그램은 인덱스가 없는 컬럼에도 분포 정보를 제공해, status 같은 비-인덱스 컬럼이 카디널리티 낮은 값에 몰려 있을 때 옵티마이저가 그 사실을 알고 인덱스를 더 선호하게 만듭니다. 운영에서는 대량 적재·삭제 후 ANALYZE TABLE을 잊으면 EXPLAIN 결과가 일관성을 잃습니다."
"양쪽 테이블에 조인 키 인덱스가 없는 equi-join에서 BNL을 대체하는 용도입니다. NLJ는 외부 1행마다 내부 인덱스 lookup이 일어나므로 외부 카디널리티가 크면 비용이 폭발합니다. Hash Join은 내부 테이블 전체를 해시 테이블로 만들고 외부를 한 번 스캔하므로 두 테이블이 모두 크고 인덱스가 없을 때 유리합니다. 다만 메모리 예산과 hash 충돌을 옵티마이저가 추정하므로, 인덱스를 추가해 NLJ로 갈 수 있다면 OLTP에서는 NLJ가 보통 더 좋습니다."
[ ] EXPLAIN / EXPLAIN ANALYZE / optimizer_trace의 역할 차이를 한 문장으로 말한다
[ ] mysql.engine_cost, mysql.server_cost 단가 테이블의 존재와 의미를 안다
[ ] ANALYZE TABLE이 안 도는 상황이 어떤 증상으로 운영에 드러나는지 설명한다
[ ] 8.0 히스토그램이 어떤 컬럼에 유효한지 말한다
[ ] optimizer_search_depth가 너무 큰 조인에서 어떻게 동작하는지 안다
[ ] JOIN_ORDER 힌트와 STRAIGHT_JOIN의 차이와 권장 시점을 설명한다
[ ] NLJ / BNL / Hash Join이 각각 어느 상황에서 선택되는지 비교한다
[ ] BKA와 MRR이 랜덤 I/O를 시퀀셜로 변환한다는 원리를 안다
[ ] 5가지 semi-join 전략(FirstMatch / LooseScan / Materialization / DuplicateWeedout / Table Pull-out)을 구분한다
[ ] IN vs EXISTS가 8.0에서 같은 계획으로 평탄화될 수 있다는 사실을 안다
[ ] ICP가 적용된 EXPLAIN 표식(Using index condition)을 즉시 인식한다
[ ] 인덱스 컬럼에 함수가 들어가면 sargability가 깨진다는 원리를 설명한다
[ ] 깊은 OFFSET 페이지네이션 대신 키셋 페이지네이션이 옵티마이저 비용 측면에서 왜 우월한지 말한다
[ ] FORCE INDEX는 통계 변화에 약하므로 trace 증거 없이 박지 않는다는 원칙을 안다
[ ] EXPLAIN FORMAT=JSON의 cost_info를 읽어 두 후보 계획의 비용을 비교할 수 있다