📘 Partitioning & Sharding 정리

📌 개념 요약

---

항목	Partitioning	Sharding
적용 범위	하나의 DB 인스턴스	여러 개의 DB 인스턴스
목적	성능 최적화, 관리 용이	확장성 확보, 분산 처리
구조	파티션은 DB 내부 구성	샤드는 독립적인 DB
확장성	제한적 (Scale-up 중심)	뛰어남 (Scale-out 중심)
구현 위치	DBMS 내부 (Oracle, MySQL 등 지원)	애플리케이션 또는 샤딩 미들웨어
쿼리 처리	단일 인스턴스 내에서 가능	Cross-shard 쿼리는 복잡
예시	대형 ERP 시스템	대규모 SNS, 쇼핑몰, SaaS 등

---

✅ 1. Partitioning (파티셔닝)

Partitioning은 하나의 데이터베이스 내에서 테이블 데이터를 여러 파티션(partition)으로 분할하는 기법입니다.

🔹 종류

• 수평 파티셔닝 (Horizontal Partitioning) 행(Row) 기준으로 데이터 분할 → 예: 사용자 ID 1~10000 / 10001~20000 등
  
• 수직 파티셔닝 (Vertical Partitioning) 열(Column) 기준으로 데이터 분할 → 예: 자주 조회되는 컬럼 / 드물게 쓰이는 컬럼 구분
  

🔹 장점

• 쿼리 성능 최적화 (필요한 파티션만 조회)
• 데이터 관리 및 유지보수 용이
• 백업 및 복구 단위 설정 가능

🔹 단점

• 잘못된 파티셔닝 설계 시 성능 저하
• JOIN/집계 연산 복잡해질 수 있음
• 단일 DB 서버에 의존

---

✅ 2. Sharding (샤딩)

Sharding은 데이터를 여러 개의 DB 서버에 분산시켜 저장하는 방식입니다.

수평 파티셔닝을 분산 시스템 수준으로 확장한 개념입니다.

🔹 샤딩 방식

• Range-based Sharding: 값의 범위로 샤드 분할
• Hash-based Sharding: 키 값을 해시로 계산하여 샤드 결정
• Directory-based Sharding: 라우팅 테이블로 샤드 위치 추적

🔹 장점

• 수평 확장성 (서버 추가로 확장 가능)
• 부하 분산
• 장애 격리 가능

🔹 단점

• 샤딩 로직 복잡 (개발/운영 부담)
• Cross-shard JOIN, 트랜잭션 어렵다
• 샤드 재배치(Migration) 까다로움

---

💼 실무 활용 사례

🔹 Partitioning

활용 분야	설명
로그 데이터 관리	월별 파티션 생성 → 오래된 데이터 *아카이빙
거래/결제 내역	사용자 ID 또는 날짜로 분할해 조회 성능 향상
ERP 시스템	회계연도, 부서 기준으로 분할 → 보고서 효율적

📦 아카이빙이란…

📁 "오래된 파일을 백업 폴더로 옮기는 것"

⛔️ "삭제하는 게 아니라, 덜 중요한 위치로 보내는 것"

🔹 Sharding

활용 분야	설명
SNS 서비스	사용자 ID 해시로 샤딩 → 서버 간 부하 분산
전자상거래	지역/국가 기반 샤딩 → 지연 감소, 법률 대응
SaaS 플랫폼	고객사 단위로 데이터 분리 → 보안성 강화
게임 서버	서버(월드)별 샤딩 → 유저 접속량 분산 가능

---

🧠 보완 팁

• Partitioning은 MySQL, PostgreSQL, Oracle 등에서 기본 기능으로 제공
• Sharding은 MongoDB, Cassandra, Vitess, Citus 등 분산 DB에서 자주 사용
• 둘은 함께 사용하는 경우도 많음 (ex. 샤딩된 DB 안에 파티셔닝된 테이블)

---

🖼️ 구조 다이어그램

✅ Partitioning vs Sharding 비유 정리

---

📦 Partitioning (파티셔닝)

하나의 창고 안을 구역별로 나눠서 데이터 관리

• 창고는 하나지만
• 그 안에서 구역(파티션)을 나눠서 월별, ID별, 카테고리별 등으로 데이터를 관리

🟡 예시

복사편집
하나의 사용자 테이블을 월별로 나눔
└─ 1월 파티션
└─ 2월 파티션
└─ 3월 파티션

📌 특징 요약

• DB 인스턴스는 하나
• 성능 최적화, 관리 편의를 위한 내부 분할
• DBMS가 직접 파티션 처리 가능

---

🏢 Sharding (샤딩)

창고를 아예 여러 개 지어서 데이터를 나눠 보관

• 서울 지점에는 서울 고객 데이터
• 부산 지점에는 부산 고객 데이터
• 대구 지점에는 대구 고객 데이터

👉 이때 각 지점이 샤드(Shard)입니다.

🟢 핵심 개념 정리

• 양식은 똑같다 → 같은 테이블 구조 (스키마)
• 보관 중인 데이터는 다르다 → 지역별, ID 범위별 데이터 분산
• 지점끼리는 독립적이다 → DB 인스턴스도 각각 따로 존재

📌 특징 요약

• DB 인스턴스가 여러 개
• 대규모 시스템에서 확장성과 성능을 위해 사용
• 샤딩 로직은 직접 구현하거나 미들웨어 사용 필요