DBMS의 종류와 특징

송윤재·2024년 11월 11일
RDBMSdbnosql

🤝RDBMS

RDBMS(Relational DataBase Management System)란 관계형 데이터베이스 관리 시스템으로, 모든 데이터를 2차원 테이블 형태로 표현하는 데이터베이스이다. RDBMS는 테이블이라는 최소 단위로 구성이 되며, 테이블은 하나 이상의 열(column)과 행(row)으로 이루어져 있다.

MySQL

가벼우면서도 성능에 최적화된 DBMS로, 웹 애플리케이션에서 폭넓게 사용됩니다. SQL 표준을 지원하지만 일부 고급 SQL 기능은 제한적입니다.

  • 기본적으로 InnoDB 스토리지 엔진을 사용하여 트랜잭션을 지원하며, 다중 버전 동시성 제어(MVCC)를 통해 일관성을 관리합니다. 트랜잭션과 ACID가 필수적이지 않은 경우라면 더 가볍게 운영할 수 있습니다.
  • 오픈소스 라이센스를 따르기는 하지만, 상업적으로 사용할 때는 상업용 라이센스를 구입해야 한다는 특징이 존재함.

MariaDB

MySQL에서 파생된 오픈 소스 DBMS로, MySQL과 호환성을 유지하면서도 성능과 기능이 강화되었습니다. 기존 MySQL 사용자에게도 익숙하며, MySQL보다 빠르게 업데이트되고 있습니다.

  • 2009년 MySQL의 코드 포크로 MariaDB를 릴리스하게 됨
  • 두 개의 차이는 JSON을 String으로 보느냐(Maria), 바이너리 객체로 저장하느냐(MySQL)의 가장 두드러짐
  • 속도 측면에서는 포크를 떠서 지속적으로 버전업 중인 MariaDB가 더 빠름(캐싱/인덱싱 전반적으로 24% 정도 빠르다는 결과가 존재함 https://www.guru99.com/mariadb-vs-mysql.html)

PostgreSQL

강력한 SQL 표준 준수와 복잡한 쿼리 지원으로 정교한 데이터 무결성을 요구하는 애플리케이션에 적합합니다. ACID 특성을 완벽히 지원하며, NoSQL 기능도 지원해 다양성이 높은 DBMS입니다.

  • 기본적인 CRUD 성능이 MySQL 등 경쟁 DB에 비해 좋지 않은 편이라고 여겨진다.
  • MySQL에 비해서 SQL 표준을 더 잘 지원하고 기능이 더 강력하고 쿼리가 복잡해질수록 성능이 더 잘 나오는 편
  • 처리할 데이터의 양이 상당할 때 빛을 발하는 DBMS

번외

  • Amazon Aurora(오로라) 교체 용이성

    Amazon Aurora는 AWS에서 MySQL과 PostgreSQL을 클라우드 기반에 맞게 재구성한 데이터베이스이다. 공식 자료에 의하면 RDS MySQL 대비 5배, PostgreSQL보다 3배의 성능을 제공한다. 더군다나 AWS에서 직접 엔지니어링 하고 있기 때문에 계속해서 발전하고 있다.

🙌NoSQL

NoSQL 단어 뜻 그 자체를 따지자면 "Not only SQL"로, SQL만을 사용하지 않는 데이터베이스 관리 시스템(DBMS)을 지칭하는 단어입니다. 비정형 데이터나 대규모 데이터를 처리하기에 적합하며, 스키마가 유연하고 수평 확장이 가능합니다. Key-Value, Document, Column, Graph 등 다양한 데이터 모델이 있습니다. https://velog.io/@kts9534/NoSQL

MongoDB

MongoDB는 고성능, 고가용성 및 쉬운 확장성을 제공하는 NoSQL, Document 지향 데이터베이스입니다.
데이터를 배열 및 중첩 Document와 같은 복잡한 데이터 유형을 효율적으로 저장할 수 있는 유연한 JSON과 유사한 형식인 BSON(Binary JSON)으로 저장합니다.

RDBMS와 용어 비교

JSON vs BSON

BASE(Basically Available, Soft state, Eventual consistency) 기반 트랜잭션 처리

  • 기본적으로 사용 가능(Basically Available) : 시스템은 항상 응답을 제공하며, 일시적인 고장이나 네트워크 지연에도 높은 가용성을 유지합니다.

  • 소프트 상태(Soft state) : 시스템의 상태는 시간에 따라 변할 수 있으며, 일관성이 항상 보장되지 않습니다.

  • 최종 일관성(Eventual consistency) : 시스템은 일정 시간이 지난 후에야 최종적으로 일관된 상태를 달성합니다.

    이러한 BASE 기반 트랜잭션 처리의 특성 때문에, MongoDB는 높은 성능과 확장성을 제공할 수 있지만, 관계형 데이터베이스의 ACID 트랜잭션 처리만큼 엄격한 트랜잭션 처리를 보장하지 않습니다.

DynamoDB

Amazon DynamoDB는 AWS(Amazon Web Services)에서 제공하는 관리형 NoSQL 데이터베이스 서비스로, 고속 성능, 무제한 확장성, 자동화된 관리를 제공하는 시스템입니다. DynamoDB는 주로 key-value 및 document 데이터 모델을 지원하며, 서버 관리 없이 애플리케이션의 요구 사항에 맞게 데이터를 효율적으로 저장하고 관리할 수 있습니다.

특징

  • 자동 확장성 (Auto Scaling)
    • 자동으로 확장되는 특징이 있습니다. 필요에 따라 읽기 및 쓰기 용량을 자동으로 조정하여 트래픽 변화에 유연하게 대응합니다. 서버 관리가 필요 없고, 클러스터 크기를 조정하는 수고를 덜 수 있습니다.
  • 초저지연 (Low Latency)
    • 단일 밀리초(ms) 수준의 읽기/쓰기 지연 시간을 제공합니다. 이는 빠른 응답 속도가 중요한 실시간 애플리케이션에서 유리합니다.
  • 글로벌 분산 (Global Tables)
    • 글로벌 테이블을 통해 여러 리전에서 데이터를 복제하고, 지리적으로 분산된 애플리케이션을 구축할 수 있습니다. 이를 통해 글로벌 사용자를 대상으로 한 서비스에서 고가용성을 보장합니다.

데이터 모델

  • Key-Value Store: 기본적으로 각 항목은 고유한 primary key를 가지고, 이를 통해 데이터를 빠르게 조회할 수 있습니다.
  • Document Store: JSON 형식으로 데이터를 저장하며, 복잡한 구조의 데이터를 효율적으로 처리할 수 있습니다.

일관성 모델

  • Eventually Consistent Reads: 기본적으로 DynamoDB는 최종 일관성(Eventual Consistency)을 제공하며, 이는 데이터가 여러 노드에 복제되는 동안 잠시 일관성이 없을 수 있음을 의미합니다. 그러나 읽기 성능을 향상시킬 수 있습니다.
  • Strongly Consistent Reads: 선택적으로 강력한 일관성(Strong Consistency)을 제공할 수 있습니다. 이 옵션을 선택하면, 읽은 데이터가 최신 상태임을 보장하지만 성능은 다소 저하될 수 있습니다.

Redis

Redis는 인메모리 데이터 구조 저장소로 데이터를 RAM에 저장며 메모리에서 직접 데이터에 액세스할 수 있습니다. 빠른 성능과 간단한 사용법 덕분에 주로 캐시와 세션 관리, 메시지 큐와 같은 고속 데이터 처리가 필요한 애플리케이션에서 널리 사용됩니다.

  • Redis는 데이터를 키-값 페어로 저장하며, 각 데이터 항목에는 고유한 키가 있습니다. 정렬된 세트, 해시, 세트, 목록 및 문자열과 같은 다양한 데이터 유형을 지원합니다. 키의 길이는 최대 512MB까지 가능합니다.
  • 기본적으로 Redis는 기본 작업에 단일 샤드만 사용합니다. 해시를 기반으로 샤딩을 수동으로 유지 관리해야 하므로 관리하기가 더 복잡합니다. Redis에는 샤드 간 기능도 없습니다.
  • Redis는 복잡한 쿼리 및 검색 기능보다는 빠른 키-값 액세스 작업에 최적화되어 있습니다. Redis는 주로 키를 제공하고 해당 데이터를 검색하는 방식으로 사용됩니다. Redis에는 MQL과 같은 쿼리 언어가 없습니다. 대신 데이터와 상호 작용하기 위한 명령을 다양하게 제공합니다. 예를 들어 GET 명령을 사용하여 해당 키를 제공함으로써 값을 검색할 수 있습니다.

장점

  • 빠른 성능 : 메모리 기반 데이터 저장소로, 읽기/쓰기 성능이 매우 뛰어납니다.
  • 다양한 데이터 구조 : 다양한 데이터 타입을 지원하여 유연한 데이터 모델링이 가능합니다.
  • 고가용성 및 확장성 : 분산 시스템을 지원하며, 고가용성 환경을 쉽게 구축할 수 있습니다.
  • 단순한 사용법 : 간단한 API로 매우 쉽게 사용할 수 있으며, 많은 프로그래밍 언어에서 지원됩니다.
  • 영속성 옵션 : 데이터를 메모리에 저장하면서도 영속성 옵션을 통해 데이터 손실을 방지할 수 있습니다.

단점

  • 메모리 의존성 : 모든 데이터를 메모리에 저장하기 때문에 메모리 용량이 제한적일 수 있습니다. 큰 데이터를 저장하는 데에는 비용이 많이 들 수 있습니다.
  • 복잡한 설정 : 복제나 클러스터링 등을 설정할 때, 복잡한 환경에서는 운영과 관리가 어려울 수 있습니다.

요약

Redis는 빠른 성능, 다양한 데이터 구조 지원, 고가용성 등의 특징으로 인해 캐시나 메시지 큐, 세션 관리 등 다양한 고속 처리 시스템에서 널리 사용됩니다. 또한, 실시간 애플리케이션이나 대규모 분산 시스템에서 매우 유용한 데이터베이스입니다.

🔍Search Engine

Elasticsearch

Elasticsearch는 분산형 검색 엔진으로, 실시간 데이터 검색 및 분석에 특화된 오픈소스 도구입니다. 주로 대량의 데이터를 처리하고 검색하는 데 사용되며, 빠른 검색 속도와 분석 기능 덕분에 로그 분석, 모니터링, 텍스트 검색, 실시간 분석 등을 수행하는 데 매우 유용합니다.

특징

  • 분산형 시스템
    • Elasticsearch는 분산형 아키텍처를 기반으로 설계되었습니다. 이를 통해 수평 확장이 가능하여, 데이터가 많아져도 여러 서버에 데이터를 분산하여 처리할 수 있습니다.
    • 샤딩(Sharding)과 복제(Replication)을 통해 데이터를 여러 노드에 분산하여 저장하고, 데이터의 고가용성을 보장할 수 있습니다. 샤드(Shard)로 분할된 데이터를 복제본(Replica)을 만들어 장애 발생 시에도 데이터가 손실되지 않도록 합니다.
  • 검색 및 분석 기능
    • Elasticsearch는 검색과 분석을 모두 지원하는 도구로, 문서 지향 데이터베이스이면서 검색 엔진으로도 활용됩니다.
    • 검색 쿼리를 빠르고 효율적으로 처리할 수 있으며, 복잡한 텍스트 검색 및 정규식 검색, 자동완성, 다양한 필터링 기능을 제공합니다.
    • 집계(Aggregation) 기능을 통해 대규모 데이터에서 실시간 분석을 할 수 있습니다. 예를 들어, 특정 기간 동안의 판매 통계, 키워드의 빈도 분석 등을 빠르게 수행할 수 있습니다.
  • RESTful API
    • Elasticsearch는 RESTful API를 제공하여, HTTP 요청을 통해 데이터를 인덱싱하고 검색할 수 있습니다. 이로 인해 다양한 언어에서 Elasticsearch와 연동할 수 있습니다.
    • JSON 형식으로 데이터를 주고받기 때문에, 다른 시스템과의 통합이 용이하고, 개발자에게 직관적입니다.
  • 풀 텍스트 검색
    • Elasticsearch는 전체 텍스트 검색에 매우 뛰어난 성능을 제공합니다. 검색할 텍스트 데이터를 역색인(Inverted Index) 방식으로 저장하여 빠른 검색 속도를 구현합니다.
    • 어퍼스트링(UTF-8)과 같은 텍스트 처리를 통해 다양한 언어의 텍스트도 효율적으로 검색할 수 있습니다.
    • 지속적인 색인화(Real-time indexing)를 지원하여, 데이터가 추가되면 거의 실시간으로 인덱싱하여 즉시 검색이 가능합니다.
  • 호환성 및 통합
    • Elasticsearch는 다른 Elastic Stack 제품들과 잘 통합됩니다. 예를 들어, Logstash와 Kibana와 함께 ELK Stack을 형성하여 로그 수집 및 분석, 데이터 시각화 등을 쉽게 할 수 있습니다.

역색인(Inverted Index)

전통적인 인덱스(Forward Index)는 문서에서 각 단어가 어디에 포함되어 있는지에 대한 정보를 저장합니다. 예를 들어, 한 문서 내에서 "apple"이라는 단어가 몇 번째 위치에 있는지에 대한 정보를 저장하는 방식입니다.
반면, 역색인(Inverted Index)은 단어를 기준으로 각 단어가 어떤 문서에 포함되어 있는지에 대한 정보를 저장합니다. 즉, 검색어에 해당하는 단어가 포함된 문서 목록을 빠르게 찾을 수 있도록 해줍니다.

  • 역색인 구조 예시
    예를 들어, 3개의 문서가 있다고 가정해봅시다.

    • 문서 1: "apple banana apple"
    • 문서 2: "banana cherry apple"
    • 문서 3: "cherry grape apple"

    위 문서들에서 각 단어를 추출하여 역색인을 만든다면

    이와 같은 방식으로 역색인 구조가 만들어집니다. 이 정보를 사용하면 "apple"을 검색할 때 문서 1, 문서 2, 문서 3을 빠르게 찾을 수 있습니다.

  • 장점

    • 빠른 검색 속도: 역색인은 검색어에 해당하는 단어를 기준으로 문서를 빠르게 찾을 수 있기 때문에, 매우 빠른 검색 속도를 제공합니다. 특히 대규모 데이터셋에서 키워드 검색을 빠르게 처리할 수 있습니다.
    • 효율적인 텍스트 검색: 전체 텍스트를 검색하는 것보다 특정 단어에 대한 정보를 빠르게 조회할 수 있어, 부분 문자열 검색이나 전체 텍스트 검색을 효율적으로 할 수 있습니다.
    • 자동완성 및 유사어 검색: 역색인은 자동완성이나 동의어 처리 등의 기능에도 활용될 수 있습니다. 예를 들어, 사용자가 "app"을 입력하면 "apple"로 자동완성하는 등의 기능을 지원합니다.

  • 단점

    • 저장 공간 요구: 역색인을 만들기 위해서는 각 단어가 등장한 문서들의 정보가 필요하므로, 메모리와 디스크 공간을 많이 사용합니다. 대규모 데이터셋에서는 상당한 저장 공간을 차지할 수 있습니다.
    • 초기 처리 시간: 데이터를 인덱싱하는 초기 처리 시간이 필요합니다. 즉, 데이터를 추가할 때마다 역색인 구조를 업데이트해야 하므로 지연 시간이 발생할 수 있습니다.

RDBMS와 용어 비교

출처

https://velog.io/@hbtopkr/%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4-%EC%A2%85%EB%A5%98-%EC%A0%95%EB%A6%AC-SQL-%EC%99%80-NoSQL
https://velog.io/@jakeseo_me/%EC%97%98%EB%9D%BC%EC%8A%A4%ED%8B%B1%EC%84%9C%EC%B9%98-%EC%95%8C%EC%95%84%EB%B3%B4%EA%B8%B0-2-DB%EB%A7%8C-%EC%9E%88%EC%9C%BC%EB%A9%B4-%EB%90%98%EB%8A%94%EB%8D%B0-%EC%99%9C-%EA%B5%B3%EC%9D%B4-%EA%B2%80%EC%83%89%EC%97%94%EC%A7%84
https://rural-mouse.tistory.com/37
https://benlee73.tistory.com/178
https://parkhong-python.tistory.com/entry/RDBMS%EB%B9%84%EA%B5%90-MySQL-vs-MariaDB-vs-PostgreSQL-%EC%B0%A8%EC%9D%B4
https://colevelup.tistory.com/45

profile
송윤재
CS 공부를 해봅시다
이전 포스트

손코딩 (1)

다음 포스트

Thread Safe

0개의 댓글