RDBMS vs NoSQL

용어

Database : 필요한 정보를 얻기 위해 논리적으로 연관된 데이터를 모아 구조적으로 통합해 놓은 것

DBMS(Database Management System) : 데이터베이스 관리 시스템으로 사용자와 데이터베이스를 연결해주는 소프트웨어

SQL(Structured Query Language) : 구조적 질의어로 데이터베이스를 제어하고 관리하는 언어

Scaling Out : 수평적 확장으로 서버를 증설하는 것

Scaling Up : 수직적 확장으로 서버의 성능을 향상시키는 것

CAP 이론

네트워크로 연결된 분산 데이터베이스 시스템은 일관성(Consistency), 가용성(Availability), 분할 내구성(Partition Tolerance) 이라는 3가지 특성 중 2가지 특성만 만족할 수 있다는 이론

• 3가지 특성을 모두 만족할 수 없다

3가지 특성

1. 일관성 (Consistency) : 여러 클라이언트에서 같은 시점에 조회하는 데이터는 항상 동일한 값임을 보장하는 특성

   • 데이터 일관성을 보장하기 위해서 Transaction과 같은 매커니즘이 필요하다

   • RDBMS에서는 기본적으로 지원하지만, NoSQL은 기본적으로 지원하지 않는다

   • NoSQL은 최종 일관성(궁극적 일관성) 을 지원한다. (궁극적 일관성이란 일관성을 완전히 보장하지 않지만, 궁극적으로 언젠가는 데이터의 일관성을 보장됨을 의미한다)

     • NoSQL의 동기식 일관성 유지법

       • 데이터가 업데이트 될 경우, 클라이언트에 응답하기 전에 모든 서버에 존재하는 데이터에 변경사항을 반영한 뒤에 응답하는 방법

       • 응답시간이 느리지만 데이터 정합성을 보장한다

     • NoSQL의 비동기식 일관성 유지법

       • 데이터가 업데이트 될 경우, 변경사항을 임시 파일에 기록하고 클라이언트에게 응답한 뒤에 변경사항을 모든 서버에 반영하는 방법

       • 응답시간이 빠르지만 변경사항을 반영하는 서버에 장애학 발생할 경우 데이터가 손실될 수 있다

2. 가용성 (Availability) : 모든 클라이언트의 Read/Write 요청에 대해 항상 응답 가능해야한다는 특성

   • 특정 노드에 장애가 발생해도 성공적으로 서비스를 지속하는 것

   • 데이터 저장소에 대한 모든 동작(read, write 등) 항상 성공적으로 리턴되어야한다.

   • RDBMS는 분산 구조를 가져가는 것이 가능하지만 Replication를 할 경우 퍼포먼스를 고려해야하고 Sharding의 경우 데이터의 관계가 무너질 수 있는 부담감이 있기 때문에 신뢰성이 깨지는 리스크가 발생할 수 있다

   • NoSQL은 여러 서버에 데이터 복제(Replication)를 하여 가용성을 보장한다

   • Replication 방식에는 Master-Slave, Peer-to-Peer 방식이 있다

3. 분할 내구성(Partition Tolerance) : 지역적으로 분할된 네트워크 환경에서 동작할 때, 두 지역간 네트워크가 단절되거나 네트워크 데이터 유실이 일어나도 각각의 지역 내의 DB 시스템은 정상동작해야 한다는 특성

   • RDBMS는 분산 구조를 가져가는 것이 가능하지만 Replication를 할 경우 퍼포먼스를 고려해야하고 Sharding의 경우 데이터의 관계가 무너질 수 있는 부담감이 있기 때문에 신뢰성이 깨지는 리스크가 발생할 수 있다

조합

1. CA : 일관성 + 가용성 → RDBMS

   • 시스템이 다운되어도 데이터 손실을 방지하고, 일관성을 유지하는 데이터베이스 시스템

2. CP : 일관성 : 분할 내구성 → NoSQL

   • 모든 Read/Write 연산에 대해 데이터 정합성을 유지하는 데이터베이스 시스템

   • 데이터보다는 성능이 중요한 시스템에 적합하다

3. AP : 가용성 + 분할 내구성 → NoSQL

   • 궁극적 일관성(Eventual Consistency)을 보장하는 시스템에 적합하다

   • 일관성을 요구하지 않는 시스템에 적합하다

RDBMS

RDBMS(Relational Database Management System) 이란 관계형 데이터베이스 관리 시스템이다.

특징

• Relational : 데이터는 관계를 가지고 여러 테이블에 분산되어 저장된다. (관계 라는 개념으로 데이터 중복을 피할 수 있다)

• Schema : RDBMS에 데이터는 정해진 스키마에 따라 테이블에 저장된다

• RDBMS는 NoSQL 데이터베이스보다 Scaling Out이 번거롭다 (관계를 맺는 데이터를 서로 다른 DB서버에 분산시키기 어렵다)

• 데이터의 일관성을 보장한다 (트랜잭션을 통해) = 데이터의 ACID 속성을 제공한다

• RDBMS는 CA(Consistency + Avaliablity) 시스템이다. (네트워크 분할 내구성 P을 보장하지 않기 때문에 Scaling Out을 통한 서버 Clustering 구조에 부적합하다)

장단점

장점

• 관계 라는 개념을 통해 데이터를 중복없이 저장할 수 있다.

• 데이터 변경이 용이하다 (데이터 일관성을 지키는 관계 개념 덕분에)

• 명확히 정의된 스키마 덕분에 데이터 무결성을 보장한다

단점

• NoSQL에 비해 DB 서버의 Scaling Out이 번거롭다. Scaling Up으로 서버 성능을 향상할 수 밖에 없다

• 스키마 때문에 저장할 수 있는 데이터의 형태가 제한된다. (때에 때라 장점이 될 수도)

• 테이블 관계가 복잡해 질수록 JOIN 연산의 수행시간이 길어진다.

NoSQL

NoSQL(Not Only SQL) 이란 비관계형 데이터베이스들을 칭하는 단어이다.

NoSQL이 나타난 배경

빅데이터의 등장으로 DB 서버로의 트래픽 증가

→ RDB의 성능 향상 필요성 대두

→ Scaling Out은 RDB 특성상 부적절, Scaling Up은 비용 문제가 큼

→ 데이터 일관성은 포기하되 Scaling Out이 가능한 NoSQL이 등장하게 됨

특징

• Not Relational : 저장되는 데이터에 관계라는 개념이 존재하지 않는다.

• No Schema : 데이터에 대한 스키마가 없다 (서로 다른 구조의 데이터를 같은 컬렉션에 저장할 수 있다.)

• 서버의 Scaling Up, Scaling Out 방식을 지원한다

• 데이터 일관성을 완벽하게 보장하지 못한다. (궁극적 일관성) = 완화된 데이터의 ACID 속성을 제공한다

• 분산형 구조 : 데이터를 여러 대의 서버에 복제하여 분산 저장한다. (특정 DB 서버에 장애가 발생해도 무중단 서비스 제공 가능)

• NoSQL은 CP(Consistency + Partition Tolerance) 또는 AP(Avaliablity + Partition Tolerance) 시스템이다.

장단점

장점

• 스키마가 없어서 저장되는 데이터 구조에 대한 제약이 비교적 없다

• 어플리케이션이 필요로 하는 형식으로 데이터를 저장할 수 있다

• Read 연산 속도가 RDB보다 빠르다

• Scaling Out이 가능하다.

단점

• 저장되는 데이터 구조를 직접 결정해야 한다

• 데이터 중복 문제가 심하다 (데이터 업데이트 시, 여러 collection의 중복된 데이터를 찾아 갱신해야 한다)

NoSQL의 데이터 저장 방식

1. Key-Value 방식 : key를 데이터의 고유 식별자로 사용하여 key-value 쌍의 데이터를 저장한다.

   • Partitioning, Scaling out이 가능하다

   • Redis, Riak, Voldmort

2. Document 방식 : 데이터를 document라는 타입으로 저장한다

   • document는 XML, JSON, YAML과 같은 형식으로 JSON을 많이 사용한다.

   • document들을 collection으로 관리한다. collection에는 document의 id가 저장되어 있고, O(1) 시간복자도로 document를 조회할 수 있다

   • Write보다 Read연산이 많은 서비스에 적합하다

   • MongoDB, CouchDB

3. Column Model 방식 : 하나의 key에 Column 이름 - Column 값 쌍의 데이터를 저장하고 조회한다

   • Column은 Column 이름, Column 값, Timestamp 로 구성된다

   • Read보다 Write 연산이 많은 서비스에 적합하다

   • 구글의 Big Table

4. Graph 방식 : 데이터를 노드로 표현하고 노드 사이의 관계를 화살표로 표현하는 방식

   • 데이터들의 관계를 중요시한다.

   • Sones, Allegro Graph

RDBMS vs NoSQL

용어 비교 (참고)

SQL	MongoDB	DynamoDB	Cassandra	Couchbase
테이블	컬렉션	테이블	테이블	데이터 버킷
열	문서	항목	열	문서
컬럼	필드	속성	컬럼	필드
기본 키	ObjectId	기본 키	기본 키	문서 ID
인덱스	인덱스	보조 인덱스	인덱스	인덱스
보기	보기	글로벌 보조 인덱스	구체화된 보기	보기
중첩된 테이블 또는 객체	포함 문서	맵	맵	맵
배열	배열	목록	목록	목록

RDBMS가 적합한 경우

• 데이터 구조가 변경될 여지가 없고, 저장될 데이터의 규칙이 중요한 경우

• 관계를 맺고 있는 데이터가 자주 변경되는 경우(NoSQL의 경우 여러 컬렉션에 중복 저장된 데이터를 하나씩 찾아 업데이트 해줘야 한다)

NoSQL이 적합한 경우

• 저장되는 데이터의 구조를 정확히 알 수 없거나 자주 변경되고 확장될 경우

• Read 연산이 많고 Write 연산이 드문경우

• 막대한 양의 데이터를 다루기 때문에 서버의 Scaling Out이 불가피할 경우