옥스턴님의 면접 결과

인덱스의 기본 개념과 목적을 정확히 이해하고 계시고, 클러스터드와 넌클러스터드 인덱스의 구분도 잘 설명해주셨습니다. 하지만 자료구조 구현 부분에서 개선이 필요한데, 실제로는 Map보다는 B-Tree나 B+Tree 같은 트리 구조가 주로 사용됩니다. 또한 클러스터드 인덱스는 단순히 정렬된 상태가 아니라 물리적 데이터 저장 순서 자체를 인덱스 키 순서와 일치시키는 방식이고, 넌클러스터드는 별도의 구조로 실제 데이터 위치를 가리키는 포인터를 가지는 방식입니다. B-Tree 계열 자료구조의 특성과 인덱스에서 왜 이런 구조를 사용하는지에 대해 더 학습해보시면 좋을 것 같습니다.

B-Tree가 검색 속도 최적화와 균형 트리의 중요성에 대해 잘 이해하고 계시는 점이 좋습니다. 하지만 답변에서 일반적인 균형 트리의 특징을 설명하셨는데, B-Tree가 Map이나 다른 자료구조보다 데이터베이스에서 선호되는 구체적인 이유를 놓치셨습니다. B-Tree는 디스크 I/O를 최소화하기 위해 설계된 자료구조로, 한 노드에 여러 키를 저장하여 디스크 블록 크기에 최적화되어 있고, 범위 검색(range query)에 매우 효율적이며, 순차 접근 패턴을 지원한다는 점이 핵심적인 장점입니다. 앞으로는 특정 자료구조가 선택되는 실무적인 배경과 하드웨어 특성을 고려한 최적화 관점에서 학습하시면 더욱 깊이 있는 답변을 하실 수 있을 것 같습니다.

B-Tree에서 노드 분할의 기본 개념과 과정을 잘 이해하고 계시는 것 같습니다. 자식 노드가 꽉 찼을 때 중간값을 기준으로 분할하고, 부모 노드로 전파되는 과정까지 정확하게 설명해주셨네요. 다만 더 정확하게 표현하자면, '자식 노드에 새로운 자식을 추가'가 아니라 '해당 노드에 새로운 키를 삽입'할 때 노드 분할이 발생한다고 하는 것이 맞습니다. 추가로 B-Tree의 차수(order)나 최대/최소 키 개수와 관련된 구체적인 조건들을 학습하시면, 노드 분할 조건을 더욱 명확하게 설명할 수 있을 것입니다.