llmwiki

01_NoSQL의_종류

Properties2
tags지식, 데이터베이스
aliases04-지식/데이터베이스/02_NoSQL/01_NoSQL의_종류, 04-지식/데이터·시스템설계/01_NoSQL의_종류, 04-지식/개발/데이터·시스템설계/01_NoSQL의_종류

12 min read

NoSQL 데이터베이스 종류 상세 분석

NoSQL이란?

NoSQL은 “Not Only SQL”의 약자로, 관계형 데이터베이스의 한계를 극복하기 위해 등장한 비관계형 데이터베이스입니다. 고정된 스키마가 없거나 유연하며, 대용량 데이터 처리와 수평적 확장(Scale-out)에 최적화되어 있습니다.

NoSQL의 특징

1. 스키마리스 (Schema-less)

  • 고정된 스키마 없음
  • 유연한 데이터 구조
  • 빠른 개발 및 변경

2. 수평 확장 (Horizontal Scaling)

  • 여러 서버에 분산 저장
  • 샤딩(Sharding) 지원
  • 대용량 데이터 처리

3. 높은 성능

  • 단순한 데이터 모델
  • 빠른 읽기/쓰기
  • 낮은 지연시간

4. 유연성

  • 다양한 데이터 타입 지원
  • 복잡한 구조 표현 가능
  • 애플리케이션 요구사항에 맞춤

5. 분산 처리

  • 여러 노드에 분산
  • 고가용성
  • 장애 복구

NoSQL의 4가지 주요 유형

1. Key-Value Store (키-값 저장소)

가장 단순하고 기본적인 NoSQL 형태입니다. 모든 데이터는 고유한 ‘Key’와 그에 대응하는 ‘Value’의 쌍으로 저장됩니다.

특징:

  • Value는 어떤 데이터 타입도 될 수 있음 (String, List, Set 등)
  • 조회 속도가 매우 빠름 (O(1))
  • 복잡한 쿼리나 조인(Join) 기능이 없음
  • 단순한 구조로 인한 빠른 성능

주요 용도:

  • 캐싱(Caching)
  • 세션 관리
  • 사용자 설정 저장
  • 실시간 추천 시스템
  • 카운터 및 통계

대표 제품:

  • Redis: 인메모리 데이터 구조 저장소, 가장 인기 있는 Key-Value DB
  • Memcached: 분산 메모리 캐싱 시스템
  • Amazon DynamoDB: 관리형 NoSQL 데이터베이스
  • Riak: 분산 Key-Value 저장소
  • Hazelcast: 인메모리 데이터 그리드

데이터 모델 예시:

Key: "user:1001"
Value: "John Doe"

Key: "session:abc123"
Value: {"user_id": 1001, "expires_at": "2024-01-01"}

장점:

  • 매우 빠른 읽기/쓰기 성능
  • 단순한 구조로 이해하기 쉬움
  • 높은 확장성
  • 낮은 지연시간

단점:

  • 복잡한 쿼리 불가능
  • 관계형 데이터 처리 어려움
  • Value 구조 제한

2. Document Store (문서 지향 저장소)

데이터를 JSON, BSON, XML과 같은 ‘Document’ 형태로 저장합니다. Key-Value의 확장된 개념으로, Value 자체가 구조화된 문서입니다.

특징:

  • 객체 지향 프로그래밍의 객체와 구조가 비슷해 개발자가 이해하기 쉬움
  • 스키마가 유연하여(Schema-less) 각 문서가 서로 다른 필드를 가질 수 있음
  • 문서 내부의 필드를 이용한 인덱싱 및 쿼리가 가능함
  • 중첩된 구조 지원

주요 용도:

  • 콘텐츠 관리 시스템(CMS)
  • 이커머스 상품 정보
  • 모바일 앱 백엔드
  • 블로그 및 위키
  • 사용자 프로필 관리

대표 제품:

  • MongoDB: 가장 인기 있는 문서 데이터베이스
  • CouchDB: 웹 기반 문서 데이터베이스
  • Firebase Realtime DB: 실시간 동기화 문서 DB
  • Amazon DocumentDB: MongoDB 호환 관리형 서비스
  • RavenDB: .NET 생태계 문서 DB

데이터 모델 예시:

{
  "_id": "507f1f77bcf86cd799439011",
  "username": "johndoe",
  "email": "john@example.com",
  "profile": {
    "firstName": "John",
    "lastName": "Doe",
    "age": 30
  },
  "tags": ["developer", "mongodb"],
  "created_at": "2024-01-01T00:00:00Z"
}

장점:

  • 개발자 친화적인 구조
  • 유연한 스키마
  • 복잡한 중첩 구조 표현 가능
  • JSON/BSON 직접 저장

단점:

  • JOIN 연산 제한적
  • 트랜잭션 지원 제한적
  • 데이터 중복 가능성

3. Wide-Column Store (열 지향 저장소)

행(Row)마다 다른 수의 컬럼을 가질 수 있는 ‘Column Family’ 구조를 사용합니다. 대량의 데이터를 여러 서버에 분산 저장하는 데 최적화되어 있습니다.

특징:

  • 구조적으로는 테이블과 비슷해 보이지만, 열(Column) 단위로 데이터를 읽고 씀
  • 수 페타바이트(PB) 급의 대규모 데이터 처리에 매우 강력한 확장성을 가짐
  • 쓰기(Write) 성능이 매우 뛰어남
  • 시간 기반 데이터에 최적화

주요 용도:

  • 빅데이터 분석
  • 타임스탬프 데이터(로그)
  • IoT 센서 데이터
  • 시계열 데이터
  • 이벤트 스트리밍

대표 제품:

  • Apache Cassandra: 가장 인기 있는 Wide-Column DB
  • HBase: Hadoop 생태계의 분산 데이터베이스
  • Google Bigtable: Google의 분산 저장소
  • Amazon DynamoDB: 관리형 Wide-Column 서비스
  • ScyllaDB: Cassandra 호환 고성능 DB

데이터 모델 예시:

Row Key: "user:1001"
  Column Family: "profile"
    Column: "name" -> "John Doe"
    Column: "email" -> "john@example.com"
  Column Family: "activity"
    Column: "2024-01-01:login" -> "true"
    Column: "2024-01-02:login" -> "true"

장점:

  • 매우 높은 확장성
  • 빠른 쓰기 성능
  • 대용량 데이터 처리
  • 시간 기반 데이터 최적화

단점:

  • 복잡한 쿼리 제한
  • 관계형 쿼리 어려움
  • 학습 곡선 높음
  • 읽기 성능 최적화 필요

4. Graph Database (그래프 데이터베이스)

데이터를 노드(Node, 객체)와 간선(Edge, 관계)으로 표현합니다. 데이터 간의 ‘관계’를 저장하고 탐색하는 데 특화되어 있습니다.

특징:

  • 관계형 DB에서 여러 단계의 Join이 필요한 복잡한 관계를 빠르게 조회 가능
  • 데이터 간의 연결 고리를 시각화하고 분석하는 데 최적
  • 패턴 매칭 및 그래프 알고리즘 지원
  • 관계 중심의 데이터 모델

주요 용도:

  • 소셜 네트워크 서비스(SNS) 친구 추천
  • 사기 탐지(Fraud Detection)
  • 지식 그래프
  • 추천 시스템
  • 네트워크 분석
  • 경로 탐색

대표 제품:

  • Neo4j: 가장 인기 있는 그래프 데이터베이스
  • JanusGraph: 분산 그래프 데이터베이스
  • Amazon Neptune: 관리형 그래프 데이터베이스
  • ArangoDB: 멀티 모델 데이터베이스 (문서 + 그래프)
  • OrientDB: 멀티 모델 데이터베이스

데이터 모델 예시:

Node: User {id: 1001, name: "John"}
Node: User {id: 1002, name: "Jane"}
Node: Product {id: 2001, name: "Laptop"}

Edge: FRIENDS (User:1001) -> (User:1002)
Edge: PURCHASED (User:1001) -> (Product:2001)
Edge: RECOMMENDS (User:1002) -> (Product:2001)

장점:

  • 복잡한 관계 빠른 탐색
  • 관계 중심 쿼리 최적화
  • 패턴 매칭 강력
  • 시각화 용이

단점:

  • 특수한 사용 사례에만 적합
  • 학습 곡선 높음
  • 대용량 데이터 처리 제한
  • 비용이 높을 수 있음

NoSQL vs RDBMS 비교

구분RDBMSNoSQL
데이터 모델테이블 (행/열)문서, 키-값, 그래프 등
스키마고정 (엄격)유연 (스키마리스)
확장성수직 확장 (Scale-up)수평 확장 (Scale-out)
ACID완전 지원제한적 지원
쿼리 언어SQL (표준)제품별 고유 언어
복잡한 관계JOIN 지원제한적
일관성강한 일관성최종 일관성
트랜잭션완전 지원제한적
사용 사례트랜잭션 시스템, ERP빅데이터, 실시간 분석
성능복잡한 쿼리 우수단순 쿼리 빠름

NoSQL 선택 가이드

데이터 구조에 따른 선택

Key-Value Store 선택 시:

  • 단순한 데이터 구조
  • 빠른 읽기/쓰기 필요
  • 캐싱 및 세션 관리
  • 예: Redis, Memcached

Document Store 선택 시:

  • JSON/BSON 형태의 데이터
  • 유연한 스키마 필요
  • 중첩된 구조
  • 예: MongoDB, CouchDB

Wide-Column Store 선택 시:

  • 대용량 시계열 데이터
  • 높은 쓰기 성능 필요
  • 분산 저장 필요
  • 예: Cassandra, HBase

Graph Database 선택 시:

  • 복잡한 관계 탐색
  • 소셜 네트워크 분석
  • 추천 시스템
  • 예: Neo4j, JanusGraph

요구사항에 따른 선택

성능 우선:

  • Key-Value Store (Redis)
  • Document Store (MongoDB)

확장성 우선:

  • Wide-Column Store (Cassandra)
  • Document Store (MongoDB)

관계 탐색 우선:

  • Graph Database (Neo4j)

유연성 우선:

  • Document Store (MongoDB)
  • Key-Value Store

NoSQL 모범 사례

1. 데이터 모델링

  • 관계형 DB와 다른 사고 방식 필요
  • 비정규화 고려
  • 접근 패턴에 맞춘 설계

2. 확장성 계획

  • 수평 확장 설계
  • 샤딩 전략 수립
  • 데이터 분산 고려

3. 일관성 관리

  • 최종 일관성 이해
  • 적절한 일관성 레벨 선택
  • 충돌 해결 전략

4. 인덱싱

  • 적절한 인덱스 생성
  • 쿼리 패턴 분석
  • 인덱스 오버헤드 고려

5. 보안

  • 접근 제어 설정
  • 데이터 암호화
  • 정기적인 보안 감사

NoSQL의 장점

  • 확장성: 수평 확장 용이
  • 성능: 빠른 읽기/쓰기
  • 유연성: 스키마 변경 용이
  • 비용: 오픈소스 옵션 많음
  • 개발 속도: 빠른 프로토타이핑

NoSQL의 단점

  • 일관성: 최종 일관성으로 인한 복잡성
  • 트랜잭션: 제한적인 트랜잭션 지원
  • 쿼리: 복잡한 쿼리 제한
  • 학습 곡선: 새로운 개념 학습 필요
  • 도구: 성숙도가 RDBMS보다 낮음

하이브리드 접근법

많은 현대 애플리케이션은 RDBMS와 NoSQL을 함께 사용합니다:

  • RDBMS: 트랜잭션 데이터, 관계형 데이터
  • NoSQL: 캐싱, 로그, 대용량 데이터
  • Graph DB: 관계 분석, 추천 시스템

이를 통해 각 데이터베이스의 장점을 활용할 수 있습니다.

참고

  • NoSQL은 특정 사용 사례에 최적화된 도구입니다
  • 프로젝트 요구사항에 맞는 NoSQL 타입을 선택하세요
  • RDBMS와 NoSQL을 함께 사용하는 하이브리드 접근을 고려하세요
  • 데이터 모델링은 접근 패턴에 맞춰 설계하세요
  • 확장성과 일관성 사이의 트레이드오프를 이해하세요

그래프 뷰

백링크