데이터베이스 (Database, DB)

데이터 베이스란?

데이터 베이스란 데이터의 모음을 말한다.

일반적으로 컴퓨터 시스템에 전자적으로 저장되는 조직화된 데이터 모음을 말하며, 데이터를 조직화하면 데이터에 의미가 생기고, 대량의 데이터를 효율적으로 관리할 수 있다.

이러한 데이터를 조직화하는 방식(데이터베이스를 만드는 방식)에는 여러가지가 있다. 이러한 만들고 관리하는 방식에 따라 데이터베이스 유형을 구분할 수 있다.

데이터베이스 관리 시스템 (Database Management System, DBMS)

이러한 개념적인 데이터베이스를 실질적으로 구현하기 위해 일반적으로 데이터베이스 관리 시스템(DBMS) 이라는 것을 사용한다

연결할 애플리케이션, 데이터, DBMS 솔루션을 하나로 묶어 데이터베이스 시스템이라고 하고 단축하여 데이터베이스라고도 한다.

즉, 데이터베이스란 원론적으로는 데이터베이스의 모음을 뜻하지만, 데이터를 조직하는 유형별로, 혹은 DBMS 솔루션까지 묶어서 데이터베이스라고 부른다.

관계형 데이터베이스 (Relational Database)

관계형 데이터 베이스 특징

• 관계형 데이터베이스란 고정된 행(row)과 열(column)로 구성된 테이블에 데이터를 저장하는 데이터베이스이다.
• 각 열은 하나의 속성에 대한 정보를 저장하고, 행에는 각 열의 데이터 형식에 맞는 데이터가 저장된다.
• 테이블의 구조와 데이터 타입등을 사전에 정의하여 사용하며, 테이블에 정의된 내용에 알맞은 형태의 데이터만 삽입할 수 있다.
• 특정 형식을 지키기 때문에, 데이터를 정확히 입력했다면 데이터를 사용할 때 사용하기 좋다.
• 데이터의 중복을 피하기 위해 '관계'를 이용한다.하나의 테이블에서 중복 없이 하나의 데이터만을 관리하기 때문에 다른 테이블에서 부정확한 데이터를 다룰 위험이 없어지는 장점이 있다.

관계형 데이터베이스 관리 시스템 (Relational Database Management System, RDBMS)

관계형 데이터베이스의 대표적인 DBMS는 아래와 같다.
관계형 데이터베이스 관리 시스템을 따로 RDBMS라고 부른다.

• MySQL
• Oracle
• SQLite
• MariaDB
• PostgresSQL

SQL

관계형 데이터베이스 관리 시스템(RDBMS)의 데이터를 관리하기 위해 설계된 특수 목적의 프로그래밍 언어이다.
관계형 데이터베이스 관리 시스템에서 자료의 검색과 관리, 데이터베이스 스키마 생성과 수정, 데이터베이스 객체 접근 조정 관리를 위해 고안되었다.

관계형 데이터베이스를 SQL이라고 부르는 이유

관계형 데이터베이스는 데이터베이스의 한 유형을 말한다. 즉, 하나의 데이터 조직화의 컨셉이며 RDBMS 솔루션까지 묶어 관계형 데이터베이스라고도 한다. (예를 들어 'MySQL은 관계형 데이터베이스다.'라고도 말한다.)

이러한 관계형 데이터베이스에서는 모두 초창기 관계 데이터베이스 시스템을 위해 만들어진 SQL이라는 언어를 사용 하므로(문법이 조금씩 다른 부분도 있다.) 관계형 데이터베이스를 SQL이라고 부르는 것이다. 즉, SQL은 관계형 데이터베이스 전용 프로그래밍 언어이다.

RDBMS 프로그램에서 기본적인 SQL을 지원한다. 마치 각기 다른 브라우저가 있지만 JavaScript 표준이 있는 것처럼 말이다.
그래서 결론은 관계형 데이터베이스를 SQL이라고도 부른다.

장점

• 명확하게 정의된 스키마, 데이터 무결성 보장
• 관계는 각 데이터를 중복없이 한번만 저장

단점

• 덜 유연함. 데이터 스키마를 사전에 계획하고 알려야 함. (나중에 수정하기 힘듬)
• 관계를 맺고 있어서 조인문이 많은 복잡한 쿼리가 만들어질 수 있음
• 대체로 수직적 확장만 가능함

비관계형 데이터베이스

비관계형 데이터베이스란

비관계형 데이터베이스란 관계형 데이터베이스를 뺀 나머지 유형을 총칭하는 뜻이다. 마치 한국어 외에는 다 외국어인 것 처럼 관계형 데이터베이스가 아닌 모든 곳에서는 NoSQL인 것이다.

관계형 데이터베이스를 SQL이라고 칭하는 것처럼 비관계형 데이터베이스를 칭할 때 NoSQL(또는 NoSQL 데이터베이스)라고 한다. NoSQL이란 누군가는 ‘non SQL(비 SQL)’의 약자로, 또 누군가는 ‘not only SQL(SQL만을 사용하지 않는)’라는 뜻으로 생각한다.

따라서 NoSQL 데이터베이스란 용어를 보통 비관계형 데이터베이스(관계형 데이터베이스 이외의 형식으로 데이터를 저장하는 데이터베이스)를 지칭할 때 사용한다.

다만, 주의할 점은 NoSQL 데이터베이스 또는 비관계형 데이터베이스로도 관계 데이터를 저장할 수 있다. 유연한 스키마를 제공하며, 대량의 데이터와 높은 사용자 부하에서도 손쉽게 확장이 가능하다.

관계형 데이터베이스에서는 데이터를 입력할 때 스키마에 맞게 입력해야 하는 반면, NoSQL에서는 데이터를 읽어올 때 스키마에 따라 데이터를 읽어 온다. 이런 방식을 ‘schema on read’라고도 한다.

읽어올 때에만 데이터 스키마가 사용된다고 하여, 데이터를 쓸 때 정해진 방식이 없다는 의미는 아니다.
데이터를 입력하는 방식에 따라, 데이터를 읽어올 때 영향을 미친다.

장점

• 스키마가 없어서 유연함. 언제든지 저장된 데이터를 조정하고 새로운 필드 추가 가능
• 데이터는 애플리케이션이 필요로 하는 형식으로 저장됨. 데이터 읽어오는 속도 빨라짐
• 수직 및 수평 확장이 가능해서 애플리케이션이 발생시키는 모든 읽기/쓰기 요청 처리 가능

단점

• 유연성으로 인해 데이터 구조 결정을 미루게 될 수 있음
• 데이터 중복을 계속 업데이트 해야 함
• 데이터가 여러 컬렉션에 중복되어 있기 때문에 수정 시 모든 컬렉션에서 수행해야 함 (SQL에서는 중복 데이터가 없으므로 한번만 수행이 가능)

NoSQL 데이터베이스 유형

Key-Value 타입

• 속성을 Key-Value의 쌍으로 나타내는 데이터를 배열 형태로 저장한다.
• Key는 속성 이름을 뜻하고, Value는 속성에 연결된 데이터 값을 의미한다.
• 대표적인 Key-Value 형식에 데이터베이스에는 Redis, Amazon DynamoDB 등이 있다.

문서형(Document) 데이터베이스

• 데이터를 테이블이 아닌 문서처럼 저장하는 데이터베이스를 의미한다.
• 많은 문서형 데이터베이스에서 JSON과 유사한 형식의 데이터를 문서화하여 저장한다.
• 각각의 문서는 하나의 속성에 대한 데이터를 가지고 있고, 컬렉션이라는 그룹으로 묶어 관리한다.
• 대표적인 문서형 데이터베이스에는 MongoDB 등이 있다.

Wide-Column Store 데이터베이스

• 데이터베이스의 열(column)에 대한 데이터를 집중적으로 관리하는 데이터베이스이다.
• 각 열에는 key-value 형식으로 데이터가 저장되고, 컬럼 패밀리(column families)라고 하는 열의 집합체 단위로 데이터를 처리할 수 있다.
• 하나의 행에 많은 열을 포함할 수 있어서 유연성을 높다.
• 데이터 처리에 필요한 열을 유연하게 선택할 수 있다는 점에서 규모가 큰 데이터 분석에 주로 사용되는 데이터베이스 형식이다.
• 대표적인 Wide-Column 데이터베이스에는 Apache Cassandra, Apache HBase 등이 있다.

그래프(Graph) 데이터베이스

• 자료구조의 그래프와 비슷한 형식으로 데이터 간의 관계를 구성하는 데이터베이스이다.
• 노드(nodes)에 속성별(entities)로 데이터를 저장한다.
• 각 노드간 관계는 선(edge)으로 표현한다.
• 대표적인 그래프 데이터베이스에는 Neo4J, InfiniteGraph 등이 있다.

SQL vs NoSQL

SQL과 NoSQL 비교

데이터 저장 (Storage)

SQL

• 데이터를 테이블에 저장하며, 미리 작성된 스키마를 기반으로 정해진 형식에 맞게 데이터를 저장해야 한다.

NoSQL

• key-value, document, wide-column, graph 등의 방식으로 데이터를 저장한다.

스키마 (Schema)

SQL

• 고정된 형식의 스키마가 필요하다. 다시 말해, 처리하려는 데이터 속성별로 열(column)에 대한 정보를 미리 정해두어야 한다.
• 스키마는 나중에 변경할 수 있지만, 이 경우 데이터베이스 전체를 수정하거나 오프라인(down-time)으로 전환할 필요가 있다. 즉, 수정이 힘들다.

NoSQL

• 관계형 데이터베이스보다 동적으로 스키마의 형태를 관리할 수 있다.
• 행을 추가할 때 즉시 새로운 열을 추가할 수 있고, 개별 속성에 대해서 모든 열에 대한 데이터를 반드시 입력하지 않아도 된다.

쿼리 (Query)

쿼리는 데이터베이스에 대해서 정보를 요청하는 질의문이다.

SQL

• 관계형 데이터베이스는 테이블의 형식과 테이블간의 관계에 맞춰 데이터를 요청해야 한다. 그래서 정보를 요청할 때, SQL과 같이 구조화된 쿼리 언어를 사용한다.

NoSQL

• 비관계형 데이터베이스의 쿼리는 데이터 그룹 자체를 조회하는 것에 초점을 두고 있다. 그래서 구조화 되지 않은 쿼리 언어로도 데이터 요청이 가능하다.
• UnQL(UnStructured Query Language)이라고 말하기도 한다.

확장성 (Scalability)

데이터베이스 서버의 확장성은 '수직적' 확장과 '수평적' 확장으로 나누어진다.

• 수직적 확장 : 단순히 데이터베이스 서버의 성능을 향상시키는 것 (ex. CPU 업그레이드)
• 수평적 확장 : 더 많은 서버가 추가되고 데이터베이스가 전체적으로 분산됨을 의미 (하나의 데이터베이스에서 작동하지만 여러 호스트에서 작동)

SQL

• 일반적으로 수직적으로 확장한다.
• 데이터베이스가 구축된 하드웨어의 성능을 많이 이용하기 때문에 비용이 많이 든다.
• 여러 서버에 걸쳐서 데이터베이스의 관계를 정의할 수 있지만, 매우 복잡하고 시간이 많이 소모된다.

NoSQL

• 일반적으로 수평적으로 확장한다.
• NoSQL 데이터베이스를 위한 서버를 추가적으로 구축하면, 많은 트래픽을 보다 편리하게 처리할 수 있다.
• 저렴한 범용 하드웨어나 클라우드 기반의 인스턴스에 NoSQL 데이터베이스를 호스팅할 수 있어서, 수직적 확장보다 상대적으로 비용이 저렴하다.

SQL과 NoSQL 중에서 어떤 것을 사용하는 것이 좋을까?

데이터베이스를 구축하는 방법을 선택하는 것에 완벽한 솔루션은 없다.
그렇기 때문에 많은 개발자들은 유저의 요구를 충족하기 위해 관계형, 비관계형 데이터베이스를 모두 사용하여 서비스에 맞게 설계하고 있다.

NoSQL 기반의 비관계형 데이터베이스가 확장성이나 속도면에서 더 뛰어나다.
그러나 고차원으로 구조화된 SQL 기반의 데이터베이스가 더 좋은 성능을 보여주는 서비스도 있다.

여러 사용 사례를 살펴보고 적절한 데이터베이스를 선택하는 것이 중요하다.

SQL 기반의 관계형 데이터베이스를 사용하기 좋은 경우

1. 데이터베이스의 ACID 성질을 준수해야 하는 경우
   • SQL을 사용하면 데이터베이스와 상호 작용하는 방식을 정확하게 규정할 수 있기 때문에 데이터베이스에서 데이터를 처리할 때 발생할 수 있는 예외적인 상황을 줄이고, 데이터베이스의 무결성을 보호할 수 있다.
   • 전자 상거래를 비롯한 모든 금융 서비스를 위한 소프트웨어 개발 에서는 반드시 데이터베이스의 ACID 성질을 준수해야 한다.
   • 그래서 이런 경우에는 일반적으로 SQL을 이용한 관계형 데이터베이스를 사용한다.

ACID는 아래 단어들을 의미한다.
- Atomicity(원자성)
- Consistency(일관성)
- Isolation(격리성)
- Durability(지속성)
각 단어는 데이터베이스에서 실행되는 하나의 트랜잭션(Transaction)에 의한 상태의 변화를 수행하는 과정에서, 안전성을 보장하기 위해 필요한 성질이다.

2. 소프트웨어에 사용되는 데이터가 구조적이고 일관적인 경우

   • 소프트웨어(프로젝트)의 규모가 많은 서버를 필요로 하지 않고 일관된 데이터를 사용하는 경우, 관계형 데이터베이스를 사용하는 경우가 많다.
   • 다양한 데이터 유형과 높은 트래픽을 지원하도록 설계된 NoSQL 데이터베이스를 사용해야만 하는 이유가 없기 때문이다.

3. 관계를 맺고 있는 데이터가 자주 변경되는 애플리케이션의 경우

   • NoSQL에서는 여러 컬렉션을 모두 수정해야 하기 때문에 비효율적이다.

NoSQL 기반의 비관계형 데이터베이스를 사용하기 좋은 경우

1. 정형화되지 않은 대용량의 데이터를 저장하는 경우
   • 대부분의 NoSQL 데이터베이스는 저장할 수 있는 데이터의 유형에 제한이 없다. 즉, 필요에 따라, 언제든지 데이터의 새 유형을 추가할 수 있다.
   • 소프트웨어 개발에 정형화 되지 않은 많은 양의 데이터가 필요한 경우, NoSQL을 적용하는 것이 더 효율적일 수 있다.
2. 클라우드 컴퓨팅 및 저장공간을 최대한 활용하는 경우
   • 클라우드 기반으로 데이터베이스 저장소를 구축하면, 저렴한 비용의 솔루션을 제공받을 수 있다.
   • 소프트웨어에 데이터베이스의 확장성이 중요하다면, 별다른 번거로움 없이 확장할 수 있는 NoSQL 데이터베이스를 사용하는 것이 좋다.
3. 빠르게 서비스를 구축하는 과정에서 데이터 구조를 자주 업데이트 하는 경우
   • 스키마를 미리 준비할 필요가 없기 때문에 빠르게 개발하는 과정에 매우 유리하다.
   • 시장에 빠르게 프로토타입을 출시해야 하는 경우가 이에 해당한다.
   • 소프트웨어 버전별로 많은 다운타임(데이터베이스 서버를 오프라인으로 전환하여 데이터 처리를 진행하는 작업 시간) 없이 데이터 구조를 자주 업데이트 해야하는 경우, 스키마를 매번 수정해야 하는 관계형 데이터베이스 보다 NoSQL 기반의 비관계형 데이터베이스를 사용하는 게 더 적합하다.
4. 읽기를 자주 하지만, 데이터 변경은 자주 없는 경우
   • 성능과 비용적인 측면에서 이득을 얻을 수 있다.

요약

항목	SQL	NoSQL
적합업무	- 데이터 무결성 및 일관성이 중요한 트랜잭션 업무 - 온라인에서 다양한 집계 및 통계를 분석하는 업무 - 복잡한 계산 및 실시간 데이터 정합성이 필요한 업무	- 오프라인에서 정형 및 비정형 데이터 분석 업무 - 초당 동시 처리가 중요한 업무 - 로그 및 이력 등의 단순 기록형 업무
데이터 모델	- 엔티티 및 각 엔티티 간 관계를 정의함 - 엔티티 정의 시 정규화에 의한 설계가 중요함 - 테이블, 칼럼 등 DB요소에 대한 스키마를 엄격히 관리함	- 서비스에 맞는 DB 선택이 중요함 - 반 정규화에 의한 설계를 기본으로 함 - 비정형화 스키마 구조로 미리 스키마를 선언하지 않음
성능	- 성능 향상을 위해서는 성능 최적화 작업이 필요함	- 클러스터 크기, 네트워크 및 애플리케이션에 의해 성능이 결정됨
인터페이스	- SQL을 통해서만 데이터 저장 및 검색이 가능함	- 쿼리 외 다양한 API를 통한 데이터 저장 및 검색이 가능함
확장성	- 수직적 확장	- 수평적 확장
장점	- 명확하게 정의된 스키마, 데이터 무결성 보장 - 관계는 각 데이터를 중복없이 한번만 저장 - 데이터 중복 배제로 데이터 이상 발생 및 용량 증가를 최소화함	- 스키마가 없어서 유연함. 언제든지 저장된 데이터를 조정하고 새로운 필드 추가 가능 - 수직 및 수평 확장이 가능해서 애플리케이션이 발생시키는 모든 읽기/쓰기 요청 처리 가능 - 데이터는 애플리케이션이 필요로 하는 형식으로 저장됨. 데이터 읽어오는 속도 빨라짐 - 쿼리 프로세싱이 단순화되어 대용량 데이터 처리 성능이 향상됨
단점	- 덜 유연함. 데이터 스키마를 사전에 계획하고 알려야 함. (나중에 수정하기 힘듬) - 관계를 맺고 있어서 조인문이 많은 복잡한 쿼리가 만들어질 수 있음 - 대체로 수직적 확장만 가능함 - 조인이 복잡한 경우 쿼리 프로세싱도 복잡해져 성능이 저하됨	- 유연성으로 인해 데이터 구조 결정을 미루게 될 수 있음 - 데이터 중복을 계속 업데이트 해야 함 - 데이터가 여러 컬렉션에 중복되어 있기 때문에 수정 시 모든 컬렉션에서 수행해야 함 (SQL에서는 중복 데이터가 없으므로 한번만 수행이 가능) - 데이터 중복에 의해 데이터 일관성이 저하되고 용량이 증가함

참고자료
https://overcome-the-limits.tistory.com/283
https://devuna.tistory.com/25
https://hanamon.kr/%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4-sql-vs-nosql/