학습 목표B+ Tree의 내부·리프 노드 구조와 범위 검색에 유리한 이유를 설명할 수 있다.삽입·분할(split) 이 트리 높이를 로그적으로 유지함을 설명할 수 있다.해시 인덱스가 등치 검색에 적합하고 범위 검색에 약한 이유를 설명할 수 있다.클러스터드·논클러스터드·커버링 인덱스의 I/O 차이를 설명할 수 있다.문제 상황WHERE user_id = 42가 테이블 500만 행에서 Seq Scan으로 8초 걸린다힙 전 페이지를 읽는다user_id에 인덱스를 만들었더니 0.3ms로 떨어졌다B+ Tree로 후보 페이지만 좁힌다복합 인덱스 (status, created_at) 없이 WHERE status = 'OPEN'만 자주 쓴다선택도가 낮으면 옵티마이저가 인덱스보다 Seq Scan을 고를 수 있다SELECT ..
