Database 종류와 비교

— 이강우 2025/05/27 11:10

데이터베이스는 현대 정보 시스템의 핵심 구성 요소로, 데이터의 효율적인 저장, 관리, 검색을 지원합니다. 전통적인 관계형 데이터베이스(RDBMS) 외에도 다양한 요구사항을 충족하기 위한 여러 유형의 데이터베이스가 등장했습니다. 이 문서에서는 RDBMS, NoSQL, 시계열 데이터베이스(TSDB)를 포함한 주요 데이터베이스 유형을 소개합니다.

• 데이터를 정해진 스키마에 따라 테이블(Table) 형태로 저장 (행과 열 구조)
• SQL(Structured Query Language)을 사용하여 데이터 조작 및 질의
• ACID(원자성, 일관성, 고립성, 지속성) 트랜잭션을 통한 데이터 무결성 보장
• 정규화(Normalization)를 통해 데이터 중복 최소화
• 명확한 데이터 구조 및 관계 정의 가능

• 1970년대 에드거 F. 커드(Edgar F. Codd)에 의해 제안된 관계형 모델에 기반
• 기존 파일 시스템이나 계층형/네트워크형 데이터베이스의 복잡성과 데이터 종속성 문제를 해결하기 위해 등장
• 데이터의 논리적 구조와 물리적 저장 구조를 분리하여 유연성 증대

• 금융 시스템 (은행, 증권 거래)
• 전사적 자원 관리 (ERP) 시스템
• 고객 관계 관리 (CRM) 시스템
• 재고 관리, 인사 관리 등 대부분의 전통적인 기업 애플리케이션
• 데이터 일관성과 무결성이 매우 중요한 시스템

• Oracle Database
• MySQL
• PostgreSQL
• Microsoft SQL Server
• MariaDB
• SQLite

• 관계형 모델을 사용하지 않는 데이터베이스들을 통칭 (스키마 제약이 적거나 없음)
• 수평적 확장성(Horizontal Scaling) 및 고가용성(High Availability)에 용이
• 대용량 데이터 및 분산 환경 처리에 적합
• 다양한 데이터 모델 지원:
  • 키-값 (Key-Value)
  • 문서 (Document)
  • 컬럼 패밀리 (Column-Family)
  • 그래프 (Graph)
• BASE(Basically Available, Soft state, Eventually consistent) 속성을 따르는 경우가 많음 (ACID를 완전하게 지원하지 않을 수 있음)

• 2000년대 후반, 웹 2.0 시대의 도래와 함께 폭증하는 비정형/반정형 데이터, 높은 트래픽, 빠른 개발 속도 요구에 대응하기 위해 등장
• 기존 RDBMS의 엄격한 스키마와 수직적 확장(Scale-up)의 한계를 극복하고자 함

• 대규모 웹 애플리케이션 (소셜 미디어, 콘텐츠 플랫폼)
• 실시간 데이터 처리 및 분석
• 빅데이터 저장 및 처리
• IoT 데이터 관리
• 캐싱 시스템

• (각 모델별 상세는 아래 개별 항목 참조)
• MongoDB (문서)
• Apache Cassandra (컬럼 패밀리)
• Redis (키-값)
• Neo4j (그래프)

• 고유한 키(Key)와 그에 해당하는 값(Value)의 쌍으로 데이터를 저장하는 단순한 모델
• 매우 빠른 읽기 및 쓰기 속도 제공
• 단순한 API (GET, PUT, DELETE 등)
• 확장성이 뛰어남

• NoSQL의 한 형태로, 매우 간단한 데이터 모델을 통해 성능과 확장성을 극대화하려는 요구에서 출발
• 웹 애플리케이션의 세션 관리, 캐싱, 사용자 프로필 저장 등에 적합

• 인메모리 캐싱
• 세션 관리
• 사용자 프로필 저장
• 실시간 추천 데이터 저장
• 메시지 큐잉 시스템의 일부

• Redis
• Amazon DynamoDB (기본 모델은 키-값)
• Memcached
• Riak KV

• 데이터를 JSON, BSON, XML과 같은 문서(Document) 형태로 저장 및 질의
• 각 문서는 필드와 값의 쌍으로 구성되며, 스키마가 유연하여 문서마다 다른 구조를 가질 수 있음
• 객체 지향 프로그래밍의 객체와 유사한 형태로 데이터를 다룰 수 있어 개발 편의성 높음
• 문서 내 특정 필드에 대한 인덱싱 및 질의 지원

• NoSQL의 한 형태로, 웹 애플리케이션에서 많이 사용되는 JSON과 같은 유연한 데이터 구조를 효율적으로 저장하고 관리하기 위해 개발
• 개발자가 RDBMS의 스키마 변경 어려움 없이 빠르게 애플리케이션을 개발하고 데이터를 저장할 수 있도록 지원

• 콘텐츠 관리 시스템 (CMS)
• 블로그 및 사용자 생성 콘텐츠 플랫폼
• 전자상거래 상품 카탈로그
• 모바일 애플리케이션 백엔드
• 로그 데이터 저장 및 분석

• MongoDB
• Couchbase
• Amazon DocumentDB (MongoDB 호환)
• Elasticsearch (검색 엔진이지만 문서 저장 기능 강력)

• 데이터를 행(Row)이 아닌 컬럼(Column) 또는 컬럼 패밀리(Column Family) 단위로 저장
• 각 행은 서로 다른 컬럼을 가질 수 있어 스키마가 매우 유연함 (희소 행렬 저장에 유리)
• 대량의 데이터 쓰기 및 특정 컬럼 범위 읽기에 최적화
• 높은 확장성과 가용성을 제공하도록 설계

• Google의 Bigtable 논문에 기반한 NoSQL 데이터베이스 유형
• 페타바이트급의 초대용량 데이터를 분산 환경에서 효율적으로 처리하기 위해 개발

• 빅데이터 분석 애플리케이션
• 시계열 데이터 저장 (일부 경우)
• 로그 데이터, 이벤트 데이터 등 대량의 쓰기가 발생하는 시스템
• 추천 시스템의 사용자 활동 기록

• Apache Cassandra
• Apache HBase
• Google Cloud Bigtable
• ScyllaDB

• 데이터를 노드(Node), 관계(Edge/Relationship), 속성(Property)으로 표현하고 저장
• 복잡한 관계를 가진 데이터의 질의 및 탐색에 최적화 (예: 최단 경로, 패턴 매칭)
• 유연한 스키마 구조
• 직관적인 데이터 모델링 가능

• 소셜 네트워크, 추천 시스템 등 데이터 간의 '관계'가 중요한 애플리케이션에서 RDBMS의 한계를 극복하기 위해 등장
• 그래프 이론에 기반하여 연결된 데이터를 효율적으로 처리

• 소셜 네트워크 분석
• 추천 엔진
• 사기 탐지 시스템 (FDS)
• 지식 그래프 구축 및 관리
• 네트워크 및 IT 인프라 모니터링
• 공급망 분석

• Neo4j
• Amazon Neptune
• ArangoDB (멀티 모델 DB)
• JanusGraph
• TigerGraph

• 전문 검색(Full-text search) 및 정보 검색에 최적화
• 역 인덱스(Inverted Index)를 사용하여 텍스트 데이터의 빠른 검색 지원
• 복잡한 검색 질의, 집계, 필터링, 관련도 순위 지정, 자동 완성 등 다양한 검색 기능 제공
• 비정형 및 반정형 데이터 처리 용이
• 대량의 문서 및 로그 데이터에 대한 수평적 확장성 우수

• 웹 검색 엔진을 위해 개발된 기술에서 발전하여, 애플리케이션 내 검색 기능, 로그 분석 등 다양한 분야로 확장
• 기존 데이터베이스로는 복잡한 텍스트 검색 요건을 충족하기 어려웠음

• 웹사이트 및 전자상거래 상품 검색
• 기업 내부 자료 검색 (Enterprise Search)
• 로그 수집, 분석 및 시각화 (ELK Stack 등)
• 애플리케이션 성능 모니터링 (APM) 데이터 분석
• 보안 정보 및 이벤트 관리 (SIEM)

• Elasticsearch
• Apache Solr
• OpenSearch (Elasticsearch의 포크)
• Algolia (서비스형)
• Meilisearch

• 시간 순서대로 정렬된 데이터 포인트(시계열 데이터)의 저장, 처리, 분석에 최적화
• 고속 데이터 수집(High Ingestion Rate) 및 대량의 시계열 데이터 처리 능력
• 특정 시간 범위에 대한 빠른 질의 성능 (Windowing, Aggregation 등)
• 데이터 압축, 자동 롤업(Roll-up), 데이터 보존 정책(Retention Policy) 등의 기능 제공
• 태그(Tag)를 이용한 다차원 데이터 모델링 지원

• IoT 센서 데이터, 시스템/애플리케이션 모니터링 데이터, 금융 시장 데이터 등 시간 축에 따라 발생하는 데이터가 급증하면서 기존 RDBMS나 범용 NoSQL로는 효율적인 처리가 어려워 등장

• IT 인프라 및 애플리케이션 모니터링 (서버 메트릭, 로그)
• 산업 IoT (IIoT) 데이터 분석, 스마트 팩토리
• 금융 시장 데이터 분석 (주가, 거래량, 환율 변동)
• 센서 데이터 수집 및 분석 (스마트 홈, 헬스케어, 환경 모니터링)
• 실시간 이상 탐지 및 예측

• InfluxDB
• Prometheus
• TimescaleDB (PostgreSQL 확장)
• OpenTSDB
• Graphite
• QuestDB

• RDBMS의 ACID 트랜잭션과 SQL 인터페이스를 유지하면서 NoSQL의 수평적 확장성과 고가용성을 제공
• 온라인 트랜잭션 처리(OLTP) 워크로드에 적합하도록 설계
• 분산 환경에서도 강력한 데이터 일관성 보장 목표

• 2010년대 초반, RDBMS의 확장성 문제와 NoSQL의 약한 일관성 문제를 동시에 해결하고자 등장
• 웹 스케일 애플리케이션에서 대량의 동시 트랜잭션을 데이터 무결성을 유지하며 처리해야 하는 요구에 부응

• 미션 크리티컬한 금융 애플리케이션 (은행 코어 시스템, 증권 거래)
• 대규모 전자상거래 플랫폼의 주문 및 결제 시스템
• 높은 트랜잭션 처리량을 요구하는 온라인 게임
• 실시간 입찰 및 광고 시스템

• Google Spanner
• CockroachDB
• VoltDB (인메모리 특성도 강함)
• NuoDB
• TiDB
• Clustrix

• 지리적 위치 정보, 공간 객체(점, 선, 면 등)를 저장, 질의, 관리
• 공간 인덱스(R-tree, Quadtree 등) 및 공간 연산(거리, 교차, 포함 관계 등)을 효율적으로 지원
• GIS(지리 정보 시스템) 표준(예: OGC 표준) 지원

• 지도 서비스, 위치 기반 서비스(LBS), 도시 계획 등에서 공간 데이터를 효율적으로 처리하기 위해 개발
• 기존 데이터베이스는 이러한 유형의 데이터와 질의에 최적화되어 있지 않았음

• GIS 애플리케이션 (지도 제작, 지리 분석)
• 내비게이션 시스템 및 위치 기반 서비스 (LBS)
• 도시 계획, 토지 관리, 환경 모니터링
• 물류 및 차량 경로 최적화, 자산 추적
• 부동산 정보 시스템

• PostGIS (PostgreSQL의 공간 데이터 확장)
• Oracle Spatial and Graph
• Microsoft SQL Server Spatial
• MySQL Spatial Extensions
• Esri ArcGIS 플랫폼의 지오데이터베이스

• 고차원 벡터 임베딩(Vector Embedding)의 저장, 인덱싱, 검색에 특화
• 유사도 검색(Similarity Search)에 최적화 (예: k-최근접 이웃(k-NN), 근사 최근접 이웃(ANN) 검색)
• AI/ML 애플리케이션에서 생성된 벡터 데이터를 효율적으로 관리

• 머신러닝, 특히 딥러닝의 발전으로 텍스트, 이미지, 오디오 등을 고차원 벡터로 변환하여 의미를 표현하는 방식이 일반화됨
• 이러한 벡터 데이터를 대규모로 저장하고 빠르게 유사성 검색을 수행할 필요성으로 등장

• 의미 기반 검색 (Semantic Search) 시스템
• 이미지/오디오/비디오 검색 및 추천 시스템
• 자연어 처리(NLP) 기반의 질의응답, 텍스트 분류
• 이상 탐지, 사기 탐지 시스템
• 신약 개발, 유전체 분석 등 생명과학 연구

• Pinecone
• Weaviate
• Milvus
• Chroma DB
• Qdrant
• Vespa.ai (검색 엔진 및 벡터 DB 기능)
• Faiss (라이브러리, 직접적인 DB는 아니나 핵심 기술 제공)

• 데이터를 객체 지향 프로그래밍(OOP)에서와 같이 객체(Object) 형태로 표현하고 저장
• 클래스, 객체, 상속, 다형성, 캡슐화 등 OOP 개념 지원
• 프로그래밍 언어의 객체와 데이터베이스 객체 간의 임피던스 불일치(Impedance Mismatch) 해소
• 복잡한 관계 및 계층 구조를 가진 데이터 모델링 용이

• 1980년대와 1990년대, 객체 지향 프로그래밍 패러다임의 확산과 함께 등장
• OOP로 개발된 애플리케이션의 데이터를 보다 자연스럽게 영속화(Persistence)하려는 시도

• 복잡한 데이터 모델을 사용하는 공학 분야 (CAD/CAM, CAE)
• 과학 연구 데이터 관리 (생물정보학, 물리학)
• 통신 및 네트워크 관리 시스템
• 멀티미디어 데이터 관리
• (상대적으로 RDBMS나 NoSQL에 비해 시장 점유율은 낮음)

• ObjectStore (단종)
• GemStone/S
• Objectivity/DB
• InterSystems Caché (멀티 모델 DB, 객체 기능 포함)
• db4o (단종되었으나 영향력 있었음, 오픈소스)

• XML(eXtensible Markup Language) 문서를 네이티브(Native) 형식으로 저장 및 관리
• XML 데이터 모델(트리 구조, 요소, 속성 등)에 최적화된 질의 언어 지원 (XQuery, XPath)
• 유연한 스키마 또는 스키마리스(Schemaless) 운영 가능
• 문서 중심적 데이터 처리

• 1990년대 후반 및 2000년대 초반, XML이 데이터 교환 및 문서 표현의 표준으로 널리 채택되면서 등장
• 기존 RDBMS는 계층적인 XML 구조를 저장하고 질의하는 데 비효율적이었음

• 콘텐츠 관리 시스템(CMS), 특히 XML 기반 문서 관리
• 출판 및 디지털 아카이빙
• XML 기반의 데이터 통합 및 교환
• 기술 문서, 법률 문서 등 구조화된 문서 관리
• 웹 서비스의 메시지 저장

• BaseX
• eXist-db
• MarkLogic (멀티 모델 NoSQL 기능도 제공, XML 처리 강력)
• Oracle XML DB (Oracle Database 내 기능)

• 모든 또는 주요 데이터를 디스크가 아닌 주기억장치(RAM)에 저장하여 운영
• 디스크 I/O 병목 현상을 제거하여 극도로 빠른 데이터 접근 및 처리 속도 제공
• 실시간 데이터 처리 및 분석에 매우 효과적
• 데이터 영속성을 위해 디스크 백업, 스냅샷, 로그 기록 등의 메커니즘 사용

• RAM 가격 하락 및 용량 증가와 함께, 빠른 응답 속도를 요구하는 애플리케이션(금융 거래, 실시간 게임, 통신 등)의 증가로 발전
• 디스크 기반 DB의 성능 한계를 극복하고자 함

• 실시간 분석 및 보고 시스템
• 고성능 캐싱 계층 (Caching Layer)
• 웹 애플리케이션 세션 관리
• 온라인 게임 서버 (빠른 상태 업데이트 및 동기화)
• 금융 거래 시스템 (고빈도 거래)
• 통신 네트워크 장비 (라우팅 테이블, 사용자 인증)

• SAP HANA
• Redis (주로 키-값 저장소/캐시지만, 인메모리 DB로 분류 가능)
• MemSQL (현 SingleStore)
• Oracle TimesTen
• VoltDB
• Apache Ignite

• 탈중앙화되고 분산된 원장(Ledger)에 데이터를 블록(Block) 단위로 저장하고, 각 블록을 암호학적으로 연결(Chain)
• 불변성(Immutability): 한번 기록된 데이터는 변경하거나 삭제하기 매우 어려움
• 투명성(Transparency): 참여자 간 데이터 공유 및 검증 가능 (설정에 따라 다름)
• 합의 메커니즘(Consensus Mechanism)을 통해 데이터의 유효성 확보
• 중앙 관리자 없이 P2P 네트워크 기반으로 운영 가능

• 2008년 사토시 나카모토의 비트코인 논문에서 처음 소개된 기술로, 신뢰할 수 있는 제3자 없이 안전한 P2P 거래를 가능하게 하기 위해 고안
• 데이터의 위변조 방지 및 투명한 공유에 대한 요구 증가

• 암호화폐 (Bitcoin, Ethereum 등)
• 공급망 관리 및 추적 (제품 이력, 원산지 증명)
• 스마트 계약 (Smart Contracts) 실행 플랫폼
• 디지털 신원 확인 및 관리
• 전자 투표 시스템
• 의료 기록 및 지적 재산권 관리 (보안성 및 투명성 강화)

• (엄밀히 말해 DB 제품이라기보다는 플랫폼 또는 기술 스택에 가까움)
• Hyperledger Fabric
• Ethereum (플랫폼)
• Corda
• Bitcoin Core (소프트웨어)
• Amazon Quantum Ledger Database (QLDB) (AWS의 관리형 원장 DB)

• 클라우드 컴퓨팅 환경에서 서비스 형태로 제공되는 데이터베이스
• 사용자는 물리적 인프라 관리(설치, 유지보수, 패치, 백업 등) 부담 없이 데이터베이스 사용 가능
• 탄력적인 확장성(Scalability) 및 고가용성(High Availability) 제공
• 사용한 만큼 비용을 지불하는 종량제(Pay-as-you-go) 또는 구독 모델
• RDBMS, NoSQL 등 다양한 유형의 데이터베이스 엔진을 서비스로 제공

• 클라우드 컴퓨팅의 발전과 함께 기업 및 개발자들이 인프라 관리 부담을 줄이고 핵심 비즈니스에 집중할 수 있도록 지원하기 위해 등장
• 초기 비용 절감 및 빠른 서비스 구축 요구 증가

• 웹 및 모바일 애플리케이션 백엔드
• 개발 및 테스트 환경
• 빅데이터 분석 및 머신러닝 플랫폼
• 재해 복구(DR) 및 백업 솔루션
• 스타트업부터 대기업까지 다양한 규모의 조직에서 사용

• Amazon Web Services (AWS):
  • Amazon RDS (Relational Database Service - MySQL, PostgreSQL, Oracle, SQL Server 등 지원)
  • Amazon Aurora (MySQL 및 PostgreSQL 호환 고성능 RDBMS)
  • Amazon DynamoDB (NoSQL Key-Value 및 Document)
  • Amazon Redshift (데이터 웨어하우스)
  • Amazon Neptune (Graph DB)
• Microsoft Azure:
  • Azure SQL Database (RDBMS)
  • Azure Cosmos DB (Multi-model NoSQL)
  • Azure Database for MySQL/PostgreSQL/MariaDB
• Google Cloud Platform (GCP):
  • Cloud SQL (MySQL, PostgreSQL, SQL Server)
  • Cloud Spanner (글로벌 분산 RDBMS - NewSQL)
  • Cloud Bigtable (NoSQL Column-Family)
  • Firestore (NoSQL Document)
• 기타:
  • MongoDB Atlas (MongoDB의 완전 관리형 서비스)
  • Oracle Cloud Database Services