시간이 흐름에 따라 데이터의 양은 급증한다. 하드웨어의 성능은 그만큼 따라가지 못하고 처리 성능은 제한적일 수밖에 없다. 이로인해 B-Tree 인덱스 알고름 또한 한계에 도달할 것으로 보여 만들어지게 된 인덱스이다.
Fractal-Tree는 나름 최근에 개발된 인덱스이지만 특허권이 있어 많은 DBMS에 구현되지 못하고있다. 현재는 TokuTek이라는 회사에서 개발된 MySQ의 스토리지 엔진인 TokuDB에만 적용되어 있다.
B-Tree 인덱스에서 인덱스 키를 검색하거나 변경하는 과정 중에 발생하는 가장 큰 문제는 디스크의 랜덤 I/O가 상대적으로 많이 필요하다는 것이다. Factal-Tree는 이러한 B-Tree의 단점을 최소화 하기고, 이를 순차 I/O로 변환해서 처리할 수 있다는 것이 가장 큰 장점이다. 그래서 Fractal-Tree를 스트리밍 B-Tree라고도 한다. Fractal-Tree는 인덱스 키가 추가되거나 삭제될 때 B-Tree 인덱스보다 더 많은 정렬 작업이 필요하며, 이 때문에 더 많은 CPU 처리가 필요할질도 모른다. 하지만 인덱스의 단편화가 발생하지 않도록 구성할 수 있고, 인덱스 키값을 클러스터링하기 떄문에 B-Tree 보다는 대용량 테이블에서 높은 성능을 보장한다. 또한 B-Tree 인덱스는 일정 수준을 넘어서면 급격한 성능 저하가 발생하는데, Fractal-Tree는 이런 급격한 성능 저하 현상이 없다.
오랜 시간 동안 데이터가 변경되면서 단편화가 발생하고, 그 떄문에 인덱스의 효율이 떨어지는 현상을 에이징(Aging)이라고 한다. 이러한 현상 때문에 테이블이나 인덱스 최적화하는데 Fractal-Tree에서는 이러한 현상이 발생하지 않기 때문에 별도의 최적화 작업이 필요하지 않다.
(소개 끝)
Fractal-Tree의 또 다른 장점은 B-Tree의 장점 그대로 Fractal-Tree도 가지고 있다는 것이다. 그래서 현재 B-Tree로 생성된 인덱스를 Fractal-Tree로 변경해도 충분히 동일한 효과를 얻을 수 있다. 또한 B-Tree에서 인덱스를 효율적으로 사용하지 못하는 쿼리는 Fractal-Tree에서 적용되더라도 같은 결과를 보인다고 할 수 있다. B-Tree를 Fractal-Tree로 변환하더라도 별도의 학습이 필요하지 않은 것도 큰 장점이라고 볼 수 있다.
현재의 TokuDB는 동시성이 떨어지기 때문에 웹서비스와 같은 OLTP 환경에는 아직 적용하기에 무리가 있다. 하지만 OLAP 또는 DW와 같은 대용향 분석 시스템에는 상당히 적합할 것으로 보인다. 또한 Fractal-Tree가 적용된 DBMS는 MySQL의 TokuDB가 유일하므로 Fractal-Tree를 사용하려면 TokuDB 스토리지 엔진으로 테이블을 생성하는 방법밖에 없다.