Prefix Rule 기반의 Compound Index 설계를 통한 쿼리 최적화
MongoDB Indexes Finally Clicked for Me: Understanding Indexes, Compound Indexes & the Prefix Rule 🚀
v4의 Index Fragmentation을 해결하는 v7 Timestamp 기반 PK 설계
How UUIDs Actually Work: v4 Randomness, v7 Timestamps, and the Collision Math
SQLite의 창시자, 리처드 힙과 함께하는 Turso, AI, 그리고 26년간의 코드 이야기 [유튜브]
26년 무결성 유지의 핵심: 외부 의존성 제거와 DO-178B 기반 초정밀 테스트 설계
Index 도입을 통한 쿼리 시간 복잡도 O(n)에서 O(log n)으로 개선
Indexes: Quickstart Using PostgreSQL (15 sec read)
데이터 100만 건 탐색 시간을 50만 번에서 20번으로 단축하는 Halving 전략
The Math Behind O(log n): Binary Search, log , and Why Halving Wins
UUIDv4의 B-Tree Page Split 해결을 위한 UUIDv7 도입 및 Dual-ID 전략
UUIDv4 vs UUIDv7 in PostgreSQL: A B-Tree Index Performance Deep Dive
Full Table Scan을 O(log n) Lookup으로 전환한 인덱싱 최적화 전략
Indexing & Query Optimization: How to Make Your Database Fast
SQLite에서 UUID 기본 키의 위험성
SQLite UUID4 PK 도입 시 삽입 성능 최대 16배 저하 확인
Extended RUM 도입으로 ESR 쿼리 성능 O(total)에서 O(result)로 최적화
Extended RUM in DocumentDB extension for PostgreSQL: Efficient ESR (Equality, Sort, Range) Queries
Covering Index 도입으로 6시간의 Batch Job을 40초로 단축
De 6 horas para 40 segundos: como um índice de banco de dados salvou um job crítico de produção
B-Tree 및 GIN 인덱스 최적화를 통한 쿼리 속도 수 분에서 수 초로 단축
Database Index Anatomy: Performance and Resource Management
B-Tree 한계를 극복한 2D Spatial Indexing 최적화 전략
The Problem with Traditional Indexes and Spatial Queries
iddqd, 또는 가장 어려운 종류의 unsafe Rust
GAT 기반 값-키 결합 구조로 Unsafe Rust의 Soundness 확보
Steganographic UUID 도입을 통한 인덱스 크기 50% 감소 및 프라이버시 보호
🚀 I Built UUIDs That Look Random But Sort Like Timestamps (50% Smaller Indexes!)
Lock Contention 해결로 벤치마크 수행 시간 3시간에서 6.6초로 단축
I Spent 3 Hours Watching My Benchmark Hang, Then 6 Seconds to Fix It
O(log n) 및 O(n log n) 기반의 데이터 처리 효율 극대화 전략
O(log n) & O(n log n): Search and Sort Masters
PostgreSQL Composite Index 최적화를 통한 Query Planner 효율 극대화
Indexing every WHERE column is not PostgreSQL optimization
UUID v7 도입을 통한 B-tree 인덱스 파편화 제거 및 쓰기 성능 최적화
UUID Best Practices: v4, v7, and When You Should Use Each
Covering Index 도입으로 쿼리 성능 2,000배 향상 (217ms → 0.106ms)
Why Standard Indexes Fail: The Architecture of the Covering Index
이진 검색보다 빠르게 만들 수 있음
메모리 대역폭과 CPU 파이프라인 최적화를 통한 Binary Search 성능 극대화