AWS 데이터베이스 개요

AWS

• 다양한 데이터 저장 및 관리 요구 충족을 위한 클라우드 데이터베이스 플랫폼
• 데이터 구조와 목적에 따라 여러 유형의 데이터베이스 제공

주요 유형

• 관계형 데이터베이스 (Relational DB)
• 키-값 데이터베이스 (Key-Value DB)
• 문서 데이터베이스 (Document DB)
• 인메모리 데이터베이스 (In-Memory DB)
• 그래프 데이터베이스 (Graph DB)
• 타임시리즈 데이터베이스 (Time-Series DB)
• 원장 데이터베이스 (Ledger DB)
• 검색 데이터베이스 (Search DB)
• 벡터 데이터베이스 (Vector DB)

AWS 데이터베이스 서비스 종류

유형	AWS 서비스	주요 특징
관계형	RDS, Aurora, Redshift	SQL 기반, ACID 준수
키-값	DynamoDB	빠른 읽기/쓰기, 서버리스 구조
문서	DocumentDB	JSON 기반, 유연한 스키마
인메모리	ElastiCache, MemoryDB	초고속 캐싱, 낮은 지연시간
그래프	Neptune	관계 중심 데이터, 추천 시스템 활용
타임시리즈	Timestream	시간 기반 데이터, IoT 로그 분석
원장	QLDB	불변 데이터 저장, 감사 및 추적 기능
검색	OpenSearch	대량 데이터 검색, 로그 분석
벡터	OpenSearch kNN, Bedrock 기반	고차원 벡터 검색, AI 최적화

관계형 데이터베이스 (Relational DB)

서비스

• Amazon RDS
• Amazon Aurora
• Amazon Redshift

특징

• SQL 지원, ACID(Atomicity, Consistency, Durability, Isolation) 트랜잭션 보장

• 기존 DB
  • MySQL, PostgreSQL, Oracle, SQL Server, MariaDB, IBM DB2 지원
• Amazon Native DB
  • Amazon Aurora

• Aurora: RDS 대비 최대 5배 성능 향상

분류(OLTP VS OLAP)

• OLTP (Online Transactional Processing)
  실시간 트랜잭션 중심
  예시: 상거래 주문, 계좌 이체, 실시간 조회
  서비스: Amazon RDS
• OLAP (Online Analytical Processing)
  분석 중심 데이터베이스
  대용량 데이터 분석 및 통계 생성
  예시: 제품 판매량 분석, 보고서 생성
  서비스: Amazon Redshift

키-값 데이터베이스 (Key-Value DB)

서비스

• Amazon DynamoDB(고성능 NoSQL 키값 데이터베이스)

특징

• 고유한 키를 식별자로 사용하여 데이터를 저장
• 키(Key)와 값(Value) 쌍 구조
• 관계형 데이터베이스와 다르게 테이블 스키마가 필요 없음
• 키를 사용해 빠르게 데이터를 조회 가능 (고속 성능)
• 수평적 확장 가능 대량의 데이터를 빠르게 처리할 수 있도록 파티셔닝 지원
• 고속 읽기/쓰기 성능 실시간 애플리케이션에 적합
• 단순한 데이터 저장 구조 복잡한 관계 없이 데이터 저장 가능

사용 사례

• 세션 관리
  • 사용자 로그인 이후 인증된 세션 데이터를 저장
• 장바구니 데이터 저장
  • 대량의 데이터를 실시간으로 저장 및 조회
• IoT 센서 데이터 수집
  • 수많은 센서 데이터의 빠른 기록 및 검색

핵심 키워드

NoSQL, 수평 확장, 고성능, 서버리스

문서 데이터베이스 (Document DB)

서비스

• Amazon DocumentDB (MongoDB 호환 NoSQL 문서 데이터베이스)

특징

• JSON/BSON 형식 데이터 저장
• NoSQL DB
• 유연한 스키마 구조
• 계층적 데이터 저장
• 빠른 읽기/쓰기 성능 제공
• JSON 기반 문서를 그대로 저장하여 애플리케이션과의 연동이 용이
• 정해진 테이블 구조 없이 자유롭게 데이터 저장 가능
• 수평 확장성
  • 대량의 데이터를 효율적으로 저장 및 조회 가능

사용 사례

• 웹 및 모바일 애플리케이션
  • 사용자 프로필, 상품 정보 저장
• 콘텐츠 관리 시스템(CMS)
  • 블로그, 뉴스 기사 등 문서 기반 데이터 저장
• IoT 데이터 처리
  • 센서 데이터의 계층적 저장 및 분석

예시 데이터

{
  "userId": "u001",
  "name": "Alice",
  "address": { "city": "Seoul", "zipcode": "12345" },
  "orders": [
    {"orderId": "o001", "item": "book", "qty": 2},
    {"orderId": "o002", "item": "pen", "qty": 5}
  ]
}

인메모리 데이터베이스 (In-Memory DB)

서비스

• Amazon ElastiCache (Redis, Memcached)
• Amazon MemoryDB

특징

• RAM 기반 데이터 저장
• 초고속 데이터 접근
• 디스크가 아닌 메모리에 데이터를 저장하여 지연시간 감소
• 대규모 트랜잭션 처리 및 실시간 데이터 분석에 적합

Amazon ElastiCache

: 기존 DB 워크로드 분산 및 캐싱
사용 사례

• 쿼리 캐싱
• 세션 저장
• 임시 데이터 저장

Amazon MemoryDB

: 메인 DB로 직접 사용 가능
사용 사례

• 타임시리즈 데이터
• IoT 기기의 실시간 데이터 저장

그래프 데이터베이스 (Graph DB)

서비스

• Amazon Neptune

특징

• 데이터보다 데이터 간 관계가 더 중심인 데이터베이스
• 각 데이터 주체간 관계와 연결 분석에 최적화
• Property Graph 및 RDF 모델 지원
• 소셜 네트워크, 추천 시스템 등에 활용

• “친구의 친구 중 관심사가 비슷한 사람은 누구인가”
• “이 사용자는 몇 단계로 인플루언서와 연결되어 있는가”
• “이 영화를 본 사람은 이 영화도 좋아했어요”
• 지식그래프
• 사기 탐지

타임시리즈 데이터베이스 (Time-Series DB)

서비스

• Amazon Timestream(고성능 타임시리즈 DB)

특징

• 시계열 데이터 최적화
• IoT, 로그, 모니터링 데이터 분석 가능
• 서버리스 운영
• 시간 단위 데이터 저장/분석
• 수십만~수백만 이벤트 처리
• 데이터를 시간에 따라 정렬하여 관리
• 실시간 데이터 처리가 중요
• 특정 시점의 이벤트를 빠르게 조회 가능
• 고속 데이터 삽입 및 조회 최적화

• 많은 I/O 연산이 발생하여 고성능 처리가 필수적

• 실시간 스트리밍 데이터 분석 지원
• 자동 계층화 저장
• 최근 데이터는 빠르게, 오래된 데이터는 비용 효율적으로 관리
• SQL 호환
• 기존 데이터 분석 환경과 통합 용이

사용 사례

• IoT 기기의 이벤트 관리
  : 대규모 IoT 센서 데이터 기록 및 분석
• 실시간 로그 분석
  : 애플리케이션 로그 및 성능 모니터링
• 금융 및 거래 데이터 분석
  : 주식 시장 데이터, 트랜잭션 기록 분석
• 스마트 공장 및 에너지 관리
  : 기계 상태 모니터링 및 이상 감지

원장 데이터베이스 (Ledger DB)

서비스

• Amazon QLDB (Quantum Ledger Database)

특징

• 신뢰성과 투명성이 중요
• 변경 불가능한 트랜잭션 로그 유지
• 데이터 조작이 불가능하여 신뢰성이 높음
• 금융, 감사 로그, 공급망 관리 등에 활용
• 블록체인과 유사한 구조
• 불변성 (Immutability) 기존 기록 변경 불가
• 내장된 감사 기능 데이터 변경 내역 자동 저장
• 고성능 원장 관리 SQL 인터페이스 제공

사용 사례

• 금융 거래 기록
  : 블록체인 유사 기능으로 안전한 거래 내역 저장
• 규정 준수 및 감사 (Compliance & Audit)
• 급망 추적 (Supply Chain Tracking)

핵심 키워드
신뢰성, 투명성, 불변성

검색 데이터베이스 (Search DB)

서비스

• Amazon OpenSearch Service (Elasticsearch 호환)

특징

• 대량 데이터 검색 및 분석
• 로그 분석, 보안 분석, 데이터 검색 가능
• 머신러닝 기반 이상 탐지 지원
• 데이터 검색에 특화된 데이터베이스
• 인덱싱과 카테고리 기능에 최적화
• 원하는 데이터를 빠르게 찾는 것이 목적
• 저장 목적보다는 특수한 검색 기능 제공

사용 사례

• 콘텐츠 검색
  : 로그 검색, 유저 정보 검색, 색인 등
• 로그 분석
  : 방대한 로그에서 원하는 조건에 맞는 검색 및 시각화

벡터 데이터베이스 (Vector DB)

서비스

• Amazon OpenSearch Service ( kNN 검색 지원)
• Amazon Bedrock 기반 벡터 검색

특징

• 고차원 벡터 데이터 저장 및 검색
• AI·ML 응용에 최적화
• 추천 시스템, 유사 이미지 검색 등에 활용
• AWS 의 벡터 데이터베이스는 고차원 데이터 검색 및 AI 기반 애플리케이션을 지원
• 고차원 벡터 데이터 저장 및 검색
• AI 및 머신러닝 애플리케이션 최적화 고성능 유사성 검색 지원
• AWS 생태계 내 서비스와 통합

사용 사례

• 추천 시스템
  : 사용자 행동 패턴을 분석하여 최적의 상품 추천
• 이미지 검색
  : 이미지 벡터화 후 유사 이미지 검색
• 자연어 검색
  : 문장을 벡터로 변환하여 의미 기반 검색 수행
• 사기 및 이상 탐지
  : 벡터 패턴 분석을 통한 이상 탐지