Offcanvas

NoSQL

클라우드 스케일!··· SQL과의 비교로 알아본 NoSQL

SQL 데이터베이스는 일관성과 신뢰도를 보장하기 위해 데이터 유형에 제약을 부여한다. NoSQL은 이러한 제약을 없애 속도, 유연성 및 확장성을 선사한다.    응용 프로그램을 개발할 때  흔한 고민은 데이터를 저장하기 위한 데이터베이스의 종류를 고르는 것이다. 가장 대표적으로 SQL과 NoSQL이 있다. 기존 SQL 데이터베이스(즉, 쿼리에 SQL을 사용하는 관계형 데이터베이스)는 수십 년간의 기술 진화, 모범 사례 및 테스트의 산물이다. 안정적인 트랜잭션 및 여러 현업 애플리케이션을 잇는 애드혹 쿼리에 적합하도록 설계돼 있다. 그러나 엄격한 스키마와 같은 한계로 인해 애플리케이션에 따라 적합하지 않기도 하다. 이러한 한계에 대안으로 나온 것이 NoSQL 데이터베이스다. NoSQL 시스템을 사용하면 개발자는 빠르고 유연성 있게 데이터를 저장하고 관리할 수 있다. 대부분의 NoSQL 데이터베이스는 구글, 아마존, 야후, 페이스북과 같은 대기업이 방대한 양의 콘텐츠를 저장하고 데이터를 처리하고자 개발했다. SQL 데이터베이스와 달리 NoSQL 데이터베이스는 수백 또는 수천 대의 서버로 스케일업 될 수 있다.  그러나 NoSQL에도 단점은 있다. SQL 데이터베이스가 검증된 ACID(Atomicity, Consistency, Isolation, Durability) 속성을 기반으로 트랜잭션의 안정성을 확보하는 데 중점을 두는 데 반해, NoSQL 시스템은 속도와 확장성을 우선시한다. 여기에 더해 수십 년 동안 축적된 SQL의 도메인 지식에 비하면 NoSQL 시스템의 프로그래밍 메타포(programming metaphor)는 생소하게 느껴질 가능성이 높다.  결과적으로 SQL과 NoSQL 데이터베이스는 서로 다른 장단점을 지닌다. 특정 프로젝트를 선택할 때는 양자택일이 불가피하지만, 큰 틀에서 보면 상호 보완적이기도 하다. 각각 다른 용도에 적합하며, 어느 하나가 다른 하나보다 절대적으로 우월하다고 할 수 없다....

SQL NoSQL 스키마 비공유아키텍처 최종일관성

2022.06.28

SQL 데이터베이스는 일관성과 신뢰도를 보장하기 위해 데이터 유형에 제약을 부여한다. NoSQL은 이러한 제약을 없애 속도, 유연성 및 확장성을 선사한다.    응용 프로그램을 개발할 때  흔한 고민은 데이터를 저장하기 위한 데이터베이스의 종류를 고르는 것이다. 가장 대표적으로 SQL과 NoSQL이 있다. 기존 SQL 데이터베이스(즉, 쿼리에 SQL을 사용하는 관계형 데이터베이스)는 수십 년간의 기술 진화, 모범 사례 및 테스트의 산물이다. 안정적인 트랜잭션 및 여러 현업 애플리케이션을 잇는 애드혹 쿼리에 적합하도록 설계돼 있다. 그러나 엄격한 스키마와 같은 한계로 인해 애플리케이션에 따라 적합하지 않기도 하다. 이러한 한계에 대안으로 나온 것이 NoSQL 데이터베이스다. NoSQL 시스템을 사용하면 개발자는 빠르고 유연성 있게 데이터를 저장하고 관리할 수 있다. 대부분의 NoSQL 데이터베이스는 구글, 아마존, 야후, 페이스북과 같은 대기업이 방대한 양의 콘텐츠를 저장하고 데이터를 처리하고자 개발했다. SQL 데이터베이스와 달리 NoSQL 데이터베이스는 수백 또는 수천 대의 서버로 스케일업 될 수 있다.  그러나 NoSQL에도 단점은 있다. SQL 데이터베이스가 검증된 ACID(Atomicity, Consistency, Isolation, Durability) 속성을 기반으로 트랜잭션의 안정성을 확보하는 데 중점을 두는 데 반해, NoSQL 시스템은 속도와 확장성을 우선시한다. 여기에 더해 수십 년 동안 축적된 SQL의 도메인 지식에 비하면 NoSQL 시스템의 프로그래밍 메타포(programming metaphor)는 생소하게 느껴질 가능성이 높다.  결과적으로 SQL과 NoSQL 데이터베이스는 서로 다른 장단점을 지닌다. 특정 프로젝트를 선택할 때는 양자택일이 불가피하지만, 큰 틀에서 보면 상호 보완적이기도 하다. 각각 다른 용도에 적합하며, 어느 하나가 다른 하나보다 절대적으로 우월하다고 할 수 없다....

2022.06.28

에어로스파이크, ‘SQL 쿼리’ 지원으로 고객 확대 노린다

에어로스파이가 널리 쓰이는 SQL 기반의 비즈니스 인텔리전스 및 애널리틱스 도구로 데이터를 쿼리할 수 있게 하여 더 광범위한 고객 기반을 확보하고자 하는 최근 NoSQL 데이터베이스 제공업체들의 추세에 합류했다.    문서 모델에 기본 JSON 지원을 추가한지 한 달 만에 에어로스파이크가 여러 비즈니스 인텔리전스(BI) 도구 (대표적으로 타블로, 퀼릭, 파워 BI)로 NoSQL 데이터베이스에서 SQL 쿼리를 실행하게 해주는 새로운 통합 도구(Aerospike SQL Powered by Starburst)를 공개했다.  회사는 엔터프라이즈 데이터 관리 및 애널리틱스 플랫폼 제공업체 스타버스트와 협력하여 이 새로운 도구를 개발했다. 이 도구를 활용하면 사용자는 에어로스파이크 데이터베이스를 기반으로 ‘에어로스파이크 실시간 데이터 플랫폼(Aerospike Real-time Data Platform)’에서 대규모의 병렬 SQL 쿼리를 실행할 수 있다.    에어로스파이크 SQL은 트리노(Trino)를 기반으로 한다. 트리노는 빅데이터를 처리하기위해 개발된 분산형 오픈소스 SQL 쿼리 엔진으로, 사용자가 단일 쿼리 내에서 NoSQL 데이터베이스를 포함한 여러 데이터 소스의 데이터를 쿼리할 수 있게 해준다는 장점이 있다.  SQL 쿼리 언어는 수많은 데이터 과학자와 애널리스트가 사용하는 데이터 분석의 기본 언어로 꼽힌다. 대부분의 인기 있는 애널리틱스 및 BI 애플리케이션은 SQL 데이터베이스와 함께 작동하며, NoSQL 데이터베이스를 쿼리하기 위한 일종의 커넥터 도구가 필요하다. 에어로스파이크가 공개한 도구가 바로 이 커넥터 역할을 한다.  NoSQL 데이터베이스에 SQL 기능 추가로 고객층 확장 디비인사이트(dbInsights)의 수석 애널리스트 토니 배어는 이처럼 제품 고객층을 확장하기 위해 SQL 애널리틱스를 통합하는 것이 최근 NoSQL 데이터베이스 및 데이터베이스 서비스 제공업체들...

SQL NoSQL DBaaS BI

2022.06.17

에어로스파이가 널리 쓰이는 SQL 기반의 비즈니스 인텔리전스 및 애널리틱스 도구로 데이터를 쿼리할 수 있게 하여 더 광범위한 고객 기반을 확보하고자 하는 최근 NoSQL 데이터베이스 제공업체들의 추세에 합류했다.    문서 모델에 기본 JSON 지원을 추가한지 한 달 만에 에어로스파이크가 여러 비즈니스 인텔리전스(BI) 도구 (대표적으로 타블로, 퀼릭, 파워 BI)로 NoSQL 데이터베이스에서 SQL 쿼리를 실행하게 해주는 새로운 통합 도구(Aerospike SQL Powered by Starburst)를 공개했다.  회사는 엔터프라이즈 데이터 관리 및 애널리틱스 플랫폼 제공업체 스타버스트와 협력하여 이 새로운 도구를 개발했다. 이 도구를 활용하면 사용자는 에어로스파이크 데이터베이스를 기반으로 ‘에어로스파이크 실시간 데이터 플랫폼(Aerospike Real-time Data Platform)’에서 대규모의 병렬 SQL 쿼리를 실행할 수 있다.    에어로스파이크 SQL은 트리노(Trino)를 기반으로 한다. 트리노는 빅데이터를 처리하기위해 개발된 분산형 오픈소스 SQL 쿼리 엔진으로, 사용자가 단일 쿼리 내에서 NoSQL 데이터베이스를 포함한 여러 데이터 소스의 데이터를 쿼리할 수 있게 해준다는 장점이 있다.  SQL 쿼리 언어는 수많은 데이터 과학자와 애널리스트가 사용하는 데이터 분석의 기본 언어로 꼽힌다. 대부분의 인기 있는 애널리틱스 및 BI 애플리케이션은 SQL 데이터베이스와 함께 작동하며, NoSQL 데이터베이스를 쿼리하기 위한 일종의 커넥터 도구가 필요하다. 에어로스파이크가 공개한 도구가 바로 이 커넥터 역할을 한다.  NoSQL 데이터베이스에 SQL 기능 추가로 고객층 확장 디비인사이트(dbInsights)의 수석 애널리스트 토니 배어는 이처럼 제품 고객층을 확장하기 위해 SQL 애널리틱스를 통합하는 것이 최근 NoSQL 데이터베이스 및 데이터베이스 서비스 제공업체들...

2022.06.17

2022년 ‘기업 데이터’를 둘러싼 전망 5가지

원유나 금, 핵폐기물, 심지어 베이컨까지 어떤 비유를 사용해도 비즈니스에서 데이터의 역할은 줄어들지 않는다. 기업은 가진 데이터를 활용해 애플리케이션과 서비스 매출을 늘리길 원한다. 하지만 데이터 활용은 그리 간단하지 않다. 장기적인 분석에 사용하는 데이터 분석 서비스는 비즈니스에 힘을 실어주는 서비스와는 다르기 때문이다.   데이터를 활용한 시장 분석 분야에는 이미 많은 관심과 자금이 들어갔다. 2022년에는 신속한 데이터 처리 측면에서 큰 변화가 일어날 것으로 예상한다. 이와 관련한 5가지 전망을 살펴보자. 1. ‘레거시 NoSQL’이 흥미로운 주제가 될 것 지난 몇 년간 차세대 언어로 여겨졌던 NoSQL은 이제 장기 운영 사례를 볼 수 있을 정도로 자리잡았다. 이와 같은 최신 기술로의 마이그레이션은 IT 분야와 상관없이 언제나 논의되는 주제다. 클라우드 및 클라우드 네이티브 데이터 분야에서도 마찬가지다. 기업 IT팀은 향후 10년 동안 추진할 올바른 선택이 무엇인지 토론하게 될 것이다.  2022년에 벌어질 이런 토론에서 쿠버네티스에서 네이티브로 실행되지 않는 기존 시스템이 화두가 된다면, ‘레거시 NoSQL(Legacy NoSQL)’이 흥미로운 주제가 될 전망이다. 주류 NoSQL은 클라우드 네이티브 애플리케이션과 더욱 긴밀하게 연결될 것이며, NoSQL 데이터베이스를 클라우드 배포의 일환으로 실행하는 방법이 등장할 것으로 예상한다. 2. 데이터 반출 비용이 낮아질 것 클라우드 서비스 업체의 서비스 가격은 꽤 오래전부터 데이터의 유입 및 반출에 따라 크게 차이가 났다. 일반적으로 유입 데이터는 무료였는데, 이는 클라우드 마이그레이션을 촉진하는 매력적인 요소였다. 반면 클라우드 서비스 업체에서 데이터를 반출할 때는 많은 비용을 내야 했다. 이 역시 기업의 클라우드 채택을 촉진할뿐더러 기업 사용자가 클라우드를 계속 사용하도록 하는 방법이었다.  하지만 데이터 유입 및 반출 비용이 변하기 시작했다. 일부 소규모 ...

데이터 전망 2022년 레거시 NoSQL NoSQL 메타 메타버스 페이스북 쿠버네티스 데이터 반출 클라우드 개인정보보호 프라이버시

2021.12.30

원유나 금, 핵폐기물, 심지어 베이컨까지 어떤 비유를 사용해도 비즈니스에서 데이터의 역할은 줄어들지 않는다. 기업은 가진 데이터를 활용해 애플리케이션과 서비스 매출을 늘리길 원한다. 하지만 데이터 활용은 그리 간단하지 않다. 장기적인 분석에 사용하는 데이터 분석 서비스는 비즈니스에 힘을 실어주는 서비스와는 다르기 때문이다.   데이터를 활용한 시장 분석 분야에는 이미 많은 관심과 자금이 들어갔다. 2022년에는 신속한 데이터 처리 측면에서 큰 변화가 일어날 것으로 예상한다. 이와 관련한 5가지 전망을 살펴보자. 1. ‘레거시 NoSQL’이 흥미로운 주제가 될 것 지난 몇 년간 차세대 언어로 여겨졌던 NoSQL은 이제 장기 운영 사례를 볼 수 있을 정도로 자리잡았다. 이와 같은 최신 기술로의 마이그레이션은 IT 분야와 상관없이 언제나 논의되는 주제다. 클라우드 및 클라우드 네이티브 데이터 분야에서도 마찬가지다. 기업 IT팀은 향후 10년 동안 추진할 올바른 선택이 무엇인지 토론하게 될 것이다.  2022년에 벌어질 이런 토론에서 쿠버네티스에서 네이티브로 실행되지 않는 기존 시스템이 화두가 된다면, ‘레거시 NoSQL(Legacy NoSQL)’이 흥미로운 주제가 될 전망이다. 주류 NoSQL은 클라우드 네이티브 애플리케이션과 더욱 긴밀하게 연결될 것이며, NoSQL 데이터베이스를 클라우드 배포의 일환으로 실행하는 방법이 등장할 것으로 예상한다. 2. 데이터 반출 비용이 낮아질 것 클라우드 서비스 업체의 서비스 가격은 꽤 오래전부터 데이터의 유입 및 반출에 따라 크게 차이가 났다. 일반적으로 유입 데이터는 무료였는데, 이는 클라우드 마이그레이션을 촉진하는 매력적인 요소였다. 반면 클라우드 서비스 업체에서 데이터를 반출할 때는 많은 비용을 내야 했다. 이 역시 기업의 클라우드 채택을 촉진할뿐더러 기업 사용자가 클라우드를 계속 사용하도록 하는 방법이었다.  하지만 데이터 유입 및 반출 비용이 변하기 시작했다. 일부 소규모 ...

2021.12.30

'NoSQL로의 초대' 개발자를 위한 몽고DB 개론

NoSQL 데이터 저장소는 더 유연한 데이터 관리 방법을 통해 소프트웨어 개발에 혁신을 불러왔다. 이런 NoSQL 중 대표적인 솔루션 중 하나가 바로 문서 지향 데이터 저장소인 몽고DB다. 몽고DB의 정의와 이 DB가 애플리케이션 요구사항을 어떻게 처리하는지 알아보자.   몽고DB, 문서 데이터 저장소  관계형 데이터베이스는 엄격하게 통제되는 테이블과 열에 정보를 저장한다. 반면 문서 저장소인 몽고DB는 컬렉션과 문서에 정보를 저장한다. 이것은 몽고DB의 가장 특징이기도 한데, 컬렉션과 문서가 비구조적이라는 점이다. 스키마리스(schema-less)라고 불리는 것도 이 때문이다. 몽고DB 인스턴스(컬렉션 및 문서) 구조는 사전에 정의되지 않고, 저장되는 데이터에 적합하도록 유연하게 변형된다.  몽고DB의 문서는 키-값 집합으로 그 동작 방식은 자바스크립트와 같은 코드의 객체와 매우 비슷하다. 안에 들어가는 데이터에 따라 구조가 변경된다. 덕분에 몽고DB와 같은 데이터 저장소를 대상으로 한 코딩은 관계형 데이터 저장소에 대한 코딩에 비해 더 쉽고 민첩하다. 간단히 말해 애플리케이션 코드와 문서 데이터 저장소 간의 상호작용이 더 자연스럽게 느껴진다. <그림 1>은 몽고DB의 컬렉션과 문서 구조를 시각적으로 보여준다.    이 데이터 모델링 형태는 매우 유연해 데이터를 그때그때 필요에 맞게 처리할 수 있고, 결과적으로 성능 혜택으로 이어진다. 몽고DB와 기존 DB의 차이점을 확실히 이해하기 위해 같은 작업(레코드를 만든 다음 애플리케이션에서 필드를 추가하기)을 처리하는 방법을 비교해 보자.  먼저 관계형 데이터베이스에서는 보통 다음과 같이 시작한다.   # create a database: CREATE DATABASE menagerie; # create a table in the database:  USE menagerie; CREATE TABLE pet (name VARCH...

몽고DB NoSQL

2021.07.08

NoSQL 데이터 저장소는 더 유연한 데이터 관리 방법을 통해 소프트웨어 개발에 혁신을 불러왔다. 이런 NoSQL 중 대표적인 솔루션 중 하나가 바로 문서 지향 데이터 저장소인 몽고DB다. 몽고DB의 정의와 이 DB가 애플리케이션 요구사항을 어떻게 처리하는지 알아보자.   몽고DB, 문서 데이터 저장소  관계형 데이터베이스는 엄격하게 통제되는 테이블과 열에 정보를 저장한다. 반면 문서 저장소인 몽고DB는 컬렉션과 문서에 정보를 저장한다. 이것은 몽고DB의 가장 특징이기도 한데, 컬렉션과 문서가 비구조적이라는 점이다. 스키마리스(schema-less)라고 불리는 것도 이 때문이다. 몽고DB 인스턴스(컬렉션 및 문서) 구조는 사전에 정의되지 않고, 저장되는 데이터에 적합하도록 유연하게 변형된다.  몽고DB의 문서는 키-값 집합으로 그 동작 방식은 자바스크립트와 같은 코드의 객체와 매우 비슷하다. 안에 들어가는 데이터에 따라 구조가 변경된다. 덕분에 몽고DB와 같은 데이터 저장소를 대상으로 한 코딩은 관계형 데이터 저장소에 대한 코딩에 비해 더 쉽고 민첩하다. 간단히 말해 애플리케이션 코드와 문서 데이터 저장소 간의 상호작용이 더 자연스럽게 느껴진다. <그림 1>은 몽고DB의 컬렉션과 문서 구조를 시각적으로 보여준다.    이 데이터 모델링 형태는 매우 유연해 데이터를 그때그때 필요에 맞게 처리할 수 있고, 결과적으로 성능 혜택으로 이어진다. 몽고DB와 기존 DB의 차이점을 확실히 이해하기 위해 같은 작업(레코드를 만든 다음 애플리케이션에서 필드를 추가하기)을 처리하는 방법을 비교해 보자.  먼저 관계형 데이터베이스에서는 보통 다음과 같이 시작한다.   # create a database: CREATE DATABASE menagerie; # create a table in the database:  USE menagerie; CREATE TABLE pet (name VARCH...

2021.07.08

'대체물에서 그린필드로'··· 변화하는 포스트그레SQL 시장

포스트그레SQL(PostgreSQL)은 1986년에 나왔지만, 어떻게 된 일인지 해가 갈수록 더 젊어지면서 인기를 끌고 있다. 타임스케일(Timescale)과 같은 신생업체는 오래된 포스트그레SQL을 핵심 요소로 사용해 새로운 데이터베이스 제품을 구축하면서 엔터프라이즈DB(EnterpriseDB) 같은 업체와 함께 포스트그레SQL의 인기를 더욱 높이는 데 일조하고 있다. 사실 엔터프라이즈DB는 얼마 전에 44분기 연속으로 연간 순환 매출 성장을 기록했다. 포스트그레SQL이 11년 동안 엔터프라이즈DB에 돈을 벌어주고 있는 것이다.  이처럼 한결같은 포스트그레SQL이지만 발전은 밋밋하지 않다. 13년째 엔터프라이즈DB CEO를 맡고 있는 에드 보야진은 최근 필자에게 포스트그레SQL 성장의 필수적인 요소에 대해 말했다. 첫 번째는 개발자, 가장 오래된 온프레미스 요구 사항에 맞춰 최적화하는 중에도 클라우드의 새로운 요건을 충족하도록 포스트그레SQL을 발전시키는 개발자들이다.    복고를 향하는 개발자들  지난 몇 년 동안 시장은 NoSQL과 NewSQL을 비롯해 그 외에도 상상할 수 있는 온갖 데이터베이스 형태를 집적거렸다. 또한 자체 관리 데이터센터 호스팅부터 퍼블릭 클라우드에 이르기까지 다양한 변형도 거쳤다.  엔터프라이즈DB는 초기에 애플리케이션이 포스트그레SQL에서 실행되면서 오라클 데이터베이스를 실행 중인 것처럼 인지하도록 하는 호환성 계층으로 오라클에 도전했다. 초창기 엔터프라이즈DB는 그렇게 알려져 있다. 그러나 보야진에 따르면, 기업이 포스트그레SQL을 도입하는 주된 이유는 그게 아니다. 보야진은 엔터프라이즈DB 비즈니스의 약 1/3이 순수한 신규 고객이며, 그 중 절반은 다른 데이터베이스, 주로 오라클에서 마이그레이션하고자 하는 기업이라고 말했다. 나머지 절반은 신규 애플리케이션 분야다.  오라클 대체 솔루션에서 벗어나 새로운 애플리케이션 개발을 향하는 이 변화는 포스트그레SQL의 성장을...

데이터베이스 NoSQL 포스트그레SQL 오라클

2021.02.10

포스트그레SQL(PostgreSQL)은 1986년에 나왔지만, 어떻게 된 일인지 해가 갈수록 더 젊어지면서 인기를 끌고 있다. 타임스케일(Timescale)과 같은 신생업체는 오래된 포스트그레SQL을 핵심 요소로 사용해 새로운 데이터베이스 제품을 구축하면서 엔터프라이즈DB(EnterpriseDB) 같은 업체와 함께 포스트그레SQL의 인기를 더욱 높이는 데 일조하고 있다. 사실 엔터프라이즈DB는 얼마 전에 44분기 연속으로 연간 순환 매출 성장을 기록했다. 포스트그레SQL이 11년 동안 엔터프라이즈DB에 돈을 벌어주고 있는 것이다.  이처럼 한결같은 포스트그레SQL이지만 발전은 밋밋하지 않다. 13년째 엔터프라이즈DB CEO를 맡고 있는 에드 보야진은 최근 필자에게 포스트그레SQL 성장의 필수적인 요소에 대해 말했다. 첫 번째는 개발자, 가장 오래된 온프레미스 요구 사항에 맞춰 최적화하는 중에도 클라우드의 새로운 요건을 충족하도록 포스트그레SQL을 발전시키는 개발자들이다.    복고를 향하는 개발자들  지난 몇 년 동안 시장은 NoSQL과 NewSQL을 비롯해 그 외에도 상상할 수 있는 온갖 데이터베이스 형태를 집적거렸다. 또한 자체 관리 데이터센터 호스팅부터 퍼블릭 클라우드에 이르기까지 다양한 변형도 거쳤다.  엔터프라이즈DB는 초기에 애플리케이션이 포스트그레SQL에서 실행되면서 오라클 데이터베이스를 실행 중인 것처럼 인지하도록 하는 호환성 계층으로 오라클에 도전했다. 초창기 엔터프라이즈DB는 그렇게 알려져 있다. 그러나 보야진에 따르면, 기업이 포스트그레SQL을 도입하는 주된 이유는 그게 아니다. 보야진은 엔터프라이즈DB 비즈니스의 약 1/3이 순수한 신규 고객이며, 그 중 절반은 다른 데이터베이스, 주로 오라클에서 마이그레이션하고자 하는 기업이라고 말했다. 나머지 절반은 신규 애플리케이션 분야다.  오라클 대체 솔루션에서 벗어나 새로운 애플리케이션 개발을 향하는 이 변화는 포스트그레SQL의 성장을...

2021.02.10

몽고DB 아틀라스, 멀티클라우드 클러스터 지원

이제 몽고DB 아틀라스(MongoDB Atlas) 데이터베이스에서 분산된 몽고DB 데이터베이스를 아마존, 구글, 마이크로소프트 클라우드 전반에 걸쳐 사용할 수 있게 됐다.  NoSQL 데이터베이스 업체 몽고DB가 20일(현지 시각) 몽고DB 아틀라스에서 ‘멀티클라우드 클러스터’를 지원한다고 발표했다.    이제 사용자는 몽고DB 아틀라스 클라우드 데이터베이스 서비스에 추가된 멀티클라우드 클러스터 기능을 사용해 분산된 몽고DB 데이터베이스를 AWS, 구글 클라우드, 마이크로소프트 애저에 배포할 수 있다.   또한 몽고DB는 멀티클라우드 클러스터 기능을 사용하면 클라우드 간 데이터 복제 및 마이그레이션 관리라는 운영 복잡성에서 벗어날 수 있다고 전했다. 이 밖에 클라우드별 고유 기능 및 서비스를 사용할 수 있도록 지원하며, 서로 다른 클라우드 업체를 활용하는 동시에 가동 시간도 보장한다고 회사 측은 덧붙였다.  오늘부터 AWS, 구글 클라우드, 마이크로소프트 애저의 전 세계 79개 리전에서 사용할 수 있는 몽고DB 아틀라스는 이제 동일한 리전에서 서비스를 제공하는 다른 클라우드에 자동 장애조치를 지원한다. 이를 통해 짧은 지연시간 액세스를 유지하고, 데이터 복원 요구사항을 준수한다는 게 회사 측 설명이다. 이전에는 배포할 때마다 클라우드 업체를 선택해야 했다.  몽고DB에서 밝힌 멀티클라우드 클러스터 지원의 다른 이점은 아래와 같다.  • 클라우드별 기능을 활용할 수 있다. 이를테면 기본 클라우드는 AWS이지만 구글 클라우드 머신러닝 기능을 사용하는 것이다.  • 데이터 이동성(Data mobility): 다운타임 없이 한 클라우드에서 다른 클라우드로 데이터를 이동시킬 수 있다. • 고가용성(High availability): 3개 업체에 중복성을 분산할 수 있다. 이 가운데 한 곳에서 전면적인 운영 중단이 발생하더라도 이를 견딜 수 있다.  • 기업이 기존 플랫폼을 넘어...

몽고DB 몽고DB 아틀라스 데이터베이스 클라우드 아마존 AWS 구글 마이크로소프트 애저 멀티클라우드 클러스터 데이터 복제 데이터 이동성 고가용성 NoSQL 오라클 관계형 데이터베이스

2020.10.21

이제 몽고DB 아틀라스(MongoDB Atlas) 데이터베이스에서 분산된 몽고DB 데이터베이스를 아마존, 구글, 마이크로소프트 클라우드 전반에 걸쳐 사용할 수 있게 됐다.  NoSQL 데이터베이스 업체 몽고DB가 20일(현지 시각) 몽고DB 아틀라스에서 ‘멀티클라우드 클러스터’를 지원한다고 발표했다.    이제 사용자는 몽고DB 아틀라스 클라우드 데이터베이스 서비스에 추가된 멀티클라우드 클러스터 기능을 사용해 분산된 몽고DB 데이터베이스를 AWS, 구글 클라우드, 마이크로소프트 애저에 배포할 수 있다.   또한 몽고DB는 멀티클라우드 클러스터 기능을 사용하면 클라우드 간 데이터 복제 및 마이그레이션 관리라는 운영 복잡성에서 벗어날 수 있다고 전했다. 이 밖에 클라우드별 고유 기능 및 서비스를 사용할 수 있도록 지원하며, 서로 다른 클라우드 업체를 활용하는 동시에 가동 시간도 보장한다고 회사 측은 덧붙였다.  오늘부터 AWS, 구글 클라우드, 마이크로소프트 애저의 전 세계 79개 리전에서 사용할 수 있는 몽고DB 아틀라스는 이제 동일한 리전에서 서비스를 제공하는 다른 클라우드에 자동 장애조치를 지원한다. 이를 통해 짧은 지연시간 액세스를 유지하고, 데이터 복원 요구사항을 준수한다는 게 회사 측 설명이다. 이전에는 배포할 때마다 클라우드 업체를 선택해야 했다.  몽고DB에서 밝힌 멀티클라우드 클러스터 지원의 다른 이점은 아래와 같다.  • 클라우드별 기능을 활용할 수 있다. 이를테면 기본 클라우드는 AWS이지만 구글 클라우드 머신러닝 기능을 사용하는 것이다.  • 데이터 이동성(Data mobility): 다운타임 없이 한 클라우드에서 다른 클라우드로 데이터를 이동시킬 수 있다. • 고가용성(High availability): 3개 업체에 중복성을 분산할 수 있다. 이 가운데 한 곳에서 전면적인 운영 중단이 발생하더라도 이를 견딜 수 있다.  • 기업이 기존 플랫폼을 넘어...

2020.10.21

"커브사이드 픽업으로 옴니채널 강화"··· 美 리테일 업체 사례

지난 4월, 코로나19 확산 우려로 오프라인 매장을 폐쇄한 이 리테일 업체는 신속하게 ‘비접촉식 커브사이드 픽업’을 도입했다. 이는 온라인으로 주문한 제품을 차에서 내릴 필요 없이 지정 장소에서 픽업할 수 있는 서비스를 일컫는다. 이러한 즉각적인 변경은 그야말로 위기 속 생존 묘안이었다.  성공적인 디지털 전략의 한 가지 특징은 바로 민첩성(agility)이다. 즉 계속해서 변화하는 비즈니스 환경에 침착하게 대응한다면 기업을 흑자 상태로 유지할 수 있다는 의미다.    미국의 스포츠용품 체인점 딕스 스포팅 굿즈(Dick’s Sporting Goods, 이하 딕스)는 그동안 점진적으로 구축해온 '디지털 전략'이 코로나19 위기를 신속히 대처하는 데 큰 도움을 줬다고 전했다.  회사에 따르면 지난 4월 딕스는 코로나19 확산 우려로 무려 800개 매장을 폐쇄했다. 그리고 폐쇄 직후 기존 ‘온라인 구매 후 매장 픽업(BOPIS)’ 전략을 수정해 ‘비접촉식 커브사이드 픽업’ 전략으로 즉각 전환했다.  커브사이드 픽업의 구조는 간단하다. (1) 사용자가 딕스의 온라인 사이트에서 제품을 구매하고, 픽업 매장을 선택한다. (2) 제품이 준비되면 알림 이메일이 발송된다. (3) 차를 타고 해장 매장에 가서 체크인을 한다. 이때 직원에게 고객의 차량 정보가 전송된다. (4) 직원이 제품을 들고 나와 고객 차량 트렁크에 실어준다.  코로나19 사태 초기, 포춘 500대 리테일 업체 대부분이 심각한 매출 감소를 겪었던 것과 비교하면 딕스는 이처럼 판매 방식을 즉각 전환한 덕분에 위기를 무사히 헤쳐 나갈 수 있었다.  물론 딕스도 4월 코로나19 여파로 4만 명의 전직원 가운데 다수를 일시 해고하긴 했다. 하지만 소규모 팀을 신속하게 꾸려서 비접촉식 커브사이드 픽업을 시행했다. 그 결과, 이러한 방식을 도입하지 못했거나 선택하지 않았던 다른 업체들에 비해 더 나은 자리를 차지할 수 있었다.  디지...

옴니채널 커브사이드 픽업 코로나19 코로나바이러스 리테일 소매업체 민첩성 디지털 트랜스포메이션 IBM 레디스 랩 NoSQL 데이터베이스 고객경험

2020.07.23

지난 4월, 코로나19 확산 우려로 오프라인 매장을 폐쇄한 이 리테일 업체는 신속하게 ‘비접촉식 커브사이드 픽업’을 도입했다. 이는 온라인으로 주문한 제품을 차에서 내릴 필요 없이 지정 장소에서 픽업할 수 있는 서비스를 일컫는다. 이러한 즉각적인 변경은 그야말로 위기 속 생존 묘안이었다.  성공적인 디지털 전략의 한 가지 특징은 바로 민첩성(agility)이다. 즉 계속해서 변화하는 비즈니스 환경에 침착하게 대응한다면 기업을 흑자 상태로 유지할 수 있다는 의미다.    미국의 스포츠용품 체인점 딕스 스포팅 굿즈(Dick’s Sporting Goods, 이하 딕스)는 그동안 점진적으로 구축해온 '디지털 전략'이 코로나19 위기를 신속히 대처하는 데 큰 도움을 줬다고 전했다.  회사에 따르면 지난 4월 딕스는 코로나19 확산 우려로 무려 800개 매장을 폐쇄했다. 그리고 폐쇄 직후 기존 ‘온라인 구매 후 매장 픽업(BOPIS)’ 전략을 수정해 ‘비접촉식 커브사이드 픽업’ 전략으로 즉각 전환했다.  커브사이드 픽업의 구조는 간단하다. (1) 사용자가 딕스의 온라인 사이트에서 제품을 구매하고, 픽업 매장을 선택한다. (2) 제품이 준비되면 알림 이메일이 발송된다. (3) 차를 타고 해장 매장에 가서 체크인을 한다. 이때 직원에게 고객의 차량 정보가 전송된다. (4) 직원이 제품을 들고 나와 고객 차량 트렁크에 실어준다.  코로나19 사태 초기, 포춘 500대 리테일 업체 대부분이 심각한 매출 감소를 겪었던 것과 비교하면 딕스는 이처럼 판매 방식을 즉각 전환한 덕분에 위기를 무사히 헤쳐 나갈 수 있었다.  물론 딕스도 4월 코로나19 여파로 4만 명의 전직원 가운데 다수를 일시 해고하긴 했다. 하지만 소규모 팀을 신속하게 꾸려서 비접촉식 커브사이드 픽업을 시행했다. 그 결과, 이러한 방식을 도입하지 못했거나 선택하지 않았던 다른 업체들에 비해 더 나은 자리를 차지할 수 있었다.  디지...

2020.07.23

'NoSQL을 넘는다' 분산 SQL의 당위성

처음에는 파일이 있었다. 이후 구조적 파일을 기반으로 한 탐색형 데이터베이스가 나왔다. 그 다음으로 IMS와 CODASYL에 이어 약 40년 전에 최초의 관계형 데이터베이스가 등장했다. 1980년대와 1990년대에 걸쳐 “데이터베이스”는 곧 “관계형 데이터베이스”를 의미했다. SQL이 지배했던 시기다. 이후 객체 지향 프로그래밍 언어가 인기를 끌자 객체 지향 언어와 관계형 데이터베이스 간의 “임피던스 불일치”에 대한 해결책은 데이터베이스에 객체를 매핑하는 것이라고 생각하는 사람들이 나타났다. 그 결과로 나온 것이 “객체 지향 데이터베이스”다. 객체 데이터베이스에서 재미있는 점은 많은 경우 기본적으로 일반 데이터베이스에 객체 매퍼가 내장된 형태였다는 것이다. 이와 같은 데이터베이스의 인기가 식은 후 등장한 진정한 보편적 솔루션이 바로 2010년대의 “NoSQL”이다.     SQL에 대한 공격 NoSQL은 같은 맥락에서 관계형 데이터베이스와 SQL을 모두 공격했다. 이 당시의 가장 큰 문제는 인터넷이 40년 된 관계형 데이터베이스 관리 시스템(RDBMS) 아키텍처의 기반 전제를 무너뜨렸다는 것이다. 이들 데이터베이스는 귀중한 디스크 공간을 절약하고 수직으로 확장되도록 만들어진 것이다.  그런데 사용자 수가 너무 많아져서 하나의 대형 서버로는 감당할 수 없게 됐다. NoSQL 데이터베이스의 중심 개념은 조인(join)이 없고 표준 쿼리 언어도 없고(SQL 구현에는 시간이 소요되므로) 데이터 무결성도 없는 데이터베이스가 있다면, 수평 확장이 가능하고 막대한 볼륨의 데이터를 처리할 수 있다는 것이다. 이렇게 해서 수직 확장의 문제는 해결됐지만 대신 새로운 문제가 발생했다. 온라인 트랜잭션 처리 시스템(OLTP)과 함께 온라인 분석 처리 시스템(OLAP)으로 불린 또 다른 형태의 관계형 데이터베이스가 개발됐다. OLAP 데이터베이스는 관계형 구조를 지원했지만 방대한 데이터가 반환된다는 점을 전제로 쿼리를 실행했다. 1980년대와 19...

NoSQL 데이터베이스 객체지향 SQL RDBMS

2020.07.23

처음에는 파일이 있었다. 이후 구조적 파일을 기반으로 한 탐색형 데이터베이스가 나왔다. 그 다음으로 IMS와 CODASYL에 이어 약 40년 전에 최초의 관계형 데이터베이스가 등장했다. 1980년대와 1990년대에 걸쳐 “데이터베이스”는 곧 “관계형 데이터베이스”를 의미했다. SQL이 지배했던 시기다. 이후 객체 지향 프로그래밍 언어가 인기를 끌자 객체 지향 언어와 관계형 데이터베이스 간의 “임피던스 불일치”에 대한 해결책은 데이터베이스에 객체를 매핑하는 것이라고 생각하는 사람들이 나타났다. 그 결과로 나온 것이 “객체 지향 데이터베이스”다. 객체 데이터베이스에서 재미있는 점은 많은 경우 기본적으로 일반 데이터베이스에 객체 매퍼가 내장된 형태였다는 것이다. 이와 같은 데이터베이스의 인기가 식은 후 등장한 진정한 보편적 솔루션이 바로 2010년대의 “NoSQL”이다.     SQL에 대한 공격 NoSQL은 같은 맥락에서 관계형 데이터베이스와 SQL을 모두 공격했다. 이 당시의 가장 큰 문제는 인터넷이 40년 된 관계형 데이터베이스 관리 시스템(RDBMS) 아키텍처의 기반 전제를 무너뜨렸다는 것이다. 이들 데이터베이스는 귀중한 디스크 공간을 절약하고 수직으로 확장되도록 만들어진 것이다.  그런데 사용자 수가 너무 많아져서 하나의 대형 서버로는 감당할 수 없게 됐다. NoSQL 데이터베이스의 중심 개념은 조인(join)이 없고 표준 쿼리 언어도 없고(SQL 구현에는 시간이 소요되므로) 데이터 무결성도 없는 데이터베이스가 있다면, 수평 확장이 가능하고 막대한 볼륨의 데이터를 처리할 수 있다는 것이다. 이렇게 해서 수직 확장의 문제는 해결됐지만 대신 새로운 문제가 발생했다. 온라인 트랜잭션 처리 시스템(OLTP)과 함께 온라인 분석 처리 시스템(OLAP)으로 불린 또 다른 형태의 관계형 데이터베이스가 개발됐다. OLAP 데이터베이스는 관계형 구조를 지원했지만 방대한 데이터가 반환된다는 점을 전제로 쿼리를 실행했다. 1980년대와 19...

2020.07.23

칼럼ㅣ이렇게 많은 ‘데이터베이스’가 필요한가? 

오늘날 데이터를 저장하기 위해 선택할 수 있는 수백 개의 데이터베이스가 있다. 하지만 우리는 더 많은 데이터베이스가 필요하다.  과거에는 약간의 데이터베이스만으로도 세상은 그럭저럭 돌아갔다. 이를테면 오라클(Oracle), 마이크로소프트 SQL 서버(Microsoft SQL Server), 인그레스(Ingres), IBM DB2와 같은 신뢰할 수 있는 관계형 데이터베이스를 예로 들 수 있겠다.  그러나 얼마 지나지 않아 ‘MySQL’과 ‘PostgreSQL’이라는 오픈소스 데이터베이스가 등장하면서 상업용 DB 제품에 도전장을 내밀었다. 그 이후 ‘NoSQL’ 데이터베이스가 출시되면서 대표주자 격인 몽고DB(MongoDB), 레디스(Redis), 아파치 카산드라(Apache Cassandra) 등이 인기를 끌고 있다.    숫자만 놓고 보자면 이 변화를 더 빠르게 체감할 수 있다. DB 엔진(DB-Engines)의 2013년 인기 순위 목록에는 총 109개의 데이터베이스가 있었다. 현재는 어떨까? 올해 목록에는 7년 전보다 3배 이상 늘어난 총 356개의 데이터베이스가 존재한다.  이제 자연스럽게 의문이 들기 마련이다. 데이터베이스의 증가가 좋은 일인가? 무려 365개나 되는 데이터베이스가 정말 필요한가? PostgreSQL(DB엔진 순위 4위)이 계속 사용될 텐데 굳이 Yanza(336위)나 Upscaledb(299위)가 필요한가? 대답은 ‘그렇다’일 가능성이 크다.  “소수만 성공할 것이다” 모두가 동의하는 것은 아니다. 이를테면 몽고DB의 CEO 데브 이티체리아는 한 인터뷰에서 “실제로 성공하는 플랫폼이나 기술은 소수다”라고 의견을 피력했다. 그렇다면 그 ‘소수’는 누구인가? 그는 “레거시 표준이나 관계형 데이터베이스(예: 오라클 또는 오픈소스)를 가진 기업들이 머지않아 ‘최신 표준’을 갖추게 될 것”이라고 전했다. 당연히 이티체리아는 몽고DB를 ‘최신 표준’으로 보고 있으며, 이 ...

데이터베이스 몽고DB 레디스 아파치 카산드라 오라클 마이크로소프트 SQL 서버 인그레스 IBM Db2 관계형 데이터베이스 오픈소스 데이터베이스 MySQL PostgreSQL NoSQL

2020.06.30

오늘날 데이터를 저장하기 위해 선택할 수 있는 수백 개의 데이터베이스가 있다. 하지만 우리는 더 많은 데이터베이스가 필요하다.  과거에는 약간의 데이터베이스만으로도 세상은 그럭저럭 돌아갔다. 이를테면 오라클(Oracle), 마이크로소프트 SQL 서버(Microsoft SQL Server), 인그레스(Ingres), IBM DB2와 같은 신뢰할 수 있는 관계형 데이터베이스를 예로 들 수 있겠다.  그러나 얼마 지나지 않아 ‘MySQL’과 ‘PostgreSQL’이라는 오픈소스 데이터베이스가 등장하면서 상업용 DB 제품에 도전장을 내밀었다. 그 이후 ‘NoSQL’ 데이터베이스가 출시되면서 대표주자 격인 몽고DB(MongoDB), 레디스(Redis), 아파치 카산드라(Apache Cassandra) 등이 인기를 끌고 있다.    숫자만 놓고 보자면 이 변화를 더 빠르게 체감할 수 있다. DB 엔진(DB-Engines)의 2013년 인기 순위 목록에는 총 109개의 데이터베이스가 있었다. 현재는 어떨까? 올해 목록에는 7년 전보다 3배 이상 늘어난 총 356개의 데이터베이스가 존재한다.  이제 자연스럽게 의문이 들기 마련이다. 데이터베이스의 증가가 좋은 일인가? 무려 365개나 되는 데이터베이스가 정말 필요한가? PostgreSQL(DB엔진 순위 4위)이 계속 사용될 텐데 굳이 Yanza(336위)나 Upscaledb(299위)가 필요한가? 대답은 ‘그렇다’일 가능성이 크다.  “소수만 성공할 것이다” 모두가 동의하는 것은 아니다. 이를테면 몽고DB의 CEO 데브 이티체리아는 한 인터뷰에서 “실제로 성공하는 플랫폼이나 기술은 소수다”라고 의견을 피력했다. 그렇다면 그 ‘소수’는 누구인가? 그는 “레거시 표준이나 관계형 데이터베이스(예: 오라클 또는 오픈소스)를 가진 기업들이 머지않아 ‘최신 표준’을 갖추게 될 것”이라고 전했다. 당연히 이티체리아는 몽고DB를 ‘최신 표준’으로 보고 있으며, 이 ...

2020.06.30

NoSQL, 뉴 스택 소프트웨어의 확실한 선두주자

관계형 데이터베이스는 지난 몇십 년 동안 엄청난 인기를 누렸지만, 모건 스탠리의 최신 데이터에 따르면 호시절은 얼마 남지 않았을 수도 있다. 물론 데이터베이스 분야는 변화가 느리다. 그러나 확실히 변화하고 있다. 실제로 모건 스탠리 연구에 따르면, 이른바 ‘뉴 스택(New Stack)’ 소프트웨어에 대한 관심 중에서도 NoSQL에 대한 관심이 가장  큰 것으로 나타났다.      “뉴 스택”에 동참하기 모건 스탠리 연구 팀은 “뉴 스택” 기술이 무엇인지 구체적으로 정의하지는 않았지만, “애자일 개발과 데브옵스 등 개발자 생산성과 자동화 수준을 높이고 궁극적으로는 더 빠른 소프트웨어 개발을 촉진하는 새로운 개념”이 이러한 기술에 포함된다고 설명했다. 모건 스탠리는 뉴 스택 세계의 주요 범주를 다음과 같이 분류한다. - 개발자 계획 및 자동화 툴 - NoSQL 데이터베이스 - 로우코드/노코드 앱 플랫폼 - iPaaS 및 API 관리 - 현대 성능 모니터링 및 로그 분석 - 컨테이너 및 클라우드 시스템 소프트웨어 - PaaS/CaaS 플랫폼 - 서비스형 데이터 통합 - 소프트웨어 정의 네트워킹 서비스 이런 서비스를 제공하는 퍼블릭 클라우드 서비스 업체도 있지만, 모건 스탠리 팀은 뉴 스택의 특징에서 퍼블릭 클라우드 서비스 업체는 제외했다. 퍼블릭 클라우드 서비스 업체를 배제한다 해도 시장 규모는 2018년 무려 220억 달러를 기록했으며, 2022년에는 480억 달러에 이를 전망이다. 엄청난 성장 속도가 아닐 수 없다. 더 흥미로운 점은 뉴 스택 중에서 NoSQL 데이터베이스의 비중이 가장 크다는 것이다. NoSQL 데이터베이스 시장 규모는 2022년 133억 달러를 기록할 것으로 예측된다.   큰 규모의 시장이지만 NoSQL을 도입하는 이유는 여전히 예전과 같은 스키마 유연성, 수평 확장 등이다.   환영 받는 NoSQL 지금과 같은 상황은 아무도 예상하지 못했다. 몽고DB를 거쳐 현재 깃허브의 경...

데이터베이스 NoSQL 뉴스택 올드스택

2019.10.28

관계형 데이터베이스는 지난 몇십 년 동안 엄청난 인기를 누렸지만, 모건 스탠리의 최신 데이터에 따르면 호시절은 얼마 남지 않았을 수도 있다. 물론 데이터베이스 분야는 변화가 느리다. 그러나 확실히 변화하고 있다. 실제로 모건 스탠리 연구에 따르면, 이른바 ‘뉴 스택(New Stack)’ 소프트웨어에 대한 관심 중에서도 NoSQL에 대한 관심이 가장  큰 것으로 나타났다.      “뉴 스택”에 동참하기 모건 스탠리 연구 팀은 “뉴 스택” 기술이 무엇인지 구체적으로 정의하지는 않았지만, “애자일 개발과 데브옵스 등 개발자 생산성과 자동화 수준을 높이고 궁극적으로는 더 빠른 소프트웨어 개발을 촉진하는 새로운 개념”이 이러한 기술에 포함된다고 설명했다. 모건 스탠리는 뉴 스택 세계의 주요 범주를 다음과 같이 분류한다. - 개발자 계획 및 자동화 툴 - NoSQL 데이터베이스 - 로우코드/노코드 앱 플랫폼 - iPaaS 및 API 관리 - 현대 성능 모니터링 및 로그 분석 - 컨테이너 및 클라우드 시스템 소프트웨어 - PaaS/CaaS 플랫폼 - 서비스형 데이터 통합 - 소프트웨어 정의 네트워킹 서비스 이런 서비스를 제공하는 퍼블릭 클라우드 서비스 업체도 있지만, 모건 스탠리 팀은 뉴 스택의 특징에서 퍼블릭 클라우드 서비스 업체는 제외했다. 퍼블릭 클라우드 서비스 업체를 배제한다 해도 시장 규모는 2018년 무려 220억 달러를 기록했으며, 2022년에는 480억 달러에 이를 전망이다. 엄청난 성장 속도가 아닐 수 없다. 더 흥미로운 점은 뉴 스택 중에서 NoSQL 데이터베이스의 비중이 가장 크다는 것이다. NoSQL 데이터베이스 시장 규모는 2022년 133억 달러를 기록할 것으로 예측된다.   큰 규모의 시장이지만 NoSQL을 도입하는 이유는 여전히 예전과 같은 스키마 유연성, 수평 확장 등이다.   환영 받는 NoSQL 지금과 같은 상황은 아무도 예상하지 못했다. 몽고DB를 거쳐 현재 깃허브의 경...

2019.10.28

RDBMS·NoSQL 장점만 모았다··· '분산 관계형' 데이터베이스 5종

1980년대부터 써온 관계형 SQL 데이터베이스는 흔히 중앙 처리 장치나 단일 서버에서 실행됐다. 그것밖에 없었기 때문이다.   당시에는 데이터베이스의 처리 데이터양이나 실행 속도를 개선하려면 성능이 더 좋고 더 많은 CPU, 메모리, 디스크가 있는 더 큰 서버에 데이터베이스를 배치해야 했다. 즉, 수직 확장성, 즉, '스케일 업(Scale-Up)'에 의존했다. 여기서 가용성 개선을 위해 수동 전환 기능이 필요하다면, 핫 백업 서버와 활성 서버를 '액티브-패시브' 클러스터에 함께 배치했는데, 이때는 공유 스토리지를 이용하는 것이 일반적이다.   네트워크 분할, 정전 등의 오류 시에도 데이터베이스 트랜잭션이 항시 제대로 수행되게 하려면 4가지 ACID 속성(원자성(A), 일관성(C), 고립성(I), 지속성(D))이 준수돼야 한다. 이 ACID 측면에서 단일 서버에 있는 데이터베이스는 ACID 속성을 전부 만족하기가 비교적 쉽다. 반면 분산 데이터베이스는 이행하기가 약간 더 까다롭다. 실제로 2009년경부터 확산한 NoSQL 데이터베이스는 '수평 확장성(Scale-Out, 다수의 서버에서 실행 가능하다는 의미)'의 장점이 있었지만 ACID 전체를 따르지 못하는 경우가 많았다. 또한 독자적인 SQL 언어를 쓰는 경우도 많았다.   이는 NoSQL 데이터베이스가 개념부터 달랐기 때문이다. 즉 '궁극적 일관성'이라는 개념을 사용했다. 한 서버의 데이터베이스에 작성한 내용을 즉시 다른 서버로부터 읽으면 방금 작성한 서버로부터 읽는 것과는 같은 결과를 보지 못할 수도 있다는 의미다. 물론 조금 시간이 지나면 새로운 데이터가 클러스터 내 모든 서버에 복제되고 궁극적으로 일관성을 갖게 된다. 이러한 '궁극적 일관성' 개념은 온라인 카탈로그와 같은 일부 애플리케이션에서는 충분히 효과적이지만 재무 데이터까지 적용하기에는 부족했다.   이런 가운데 최근 수평으로 확장 가능한 '스케일 아웃' SQL 데이터베이스가 새롭게 부상하고 있다. 가장...

데이터베이스 RDBMS NoSQL 분산 관계형 DBMS

2019.07.10

1980년대부터 써온 관계형 SQL 데이터베이스는 흔히 중앙 처리 장치나 단일 서버에서 실행됐다. 그것밖에 없었기 때문이다.   당시에는 데이터베이스의 처리 데이터양이나 실행 속도를 개선하려면 성능이 더 좋고 더 많은 CPU, 메모리, 디스크가 있는 더 큰 서버에 데이터베이스를 배치해야 했다. 즉, 수직 확장성, 즉, '스케일 업(Scale-Up)'에 의존했다. 여기서 가용성 개선을 위해 수동 전환 기능이 필요하다면, 핫 백업 서버와 활성 서버를 '액티브-패시브' 클러스터에 함께 배치했는데, 이때는 공유 스토리지를 이용하는 것이 일반적이다.   네트워크 분할, 정전 등의 오류 시에도 데이터베이스 트랜잭션이 항시 제대로 수행되게 하려면 4가지 ACID 속성(원자성(A), 일관성(C), 고립성(I), 지속성(D))이 준수돼야 한다. 이 ACID 측면에서 단일 서버에 있는 데이터베이스는 ACID 속성을 전부 만족하기가 비교적 쉽다. 반면 분산 데이터베이스는 이행하기가 약간 더 까다롭다. 실제로 2009년경부터 확산한 NoSQL 데이터베이스는 '수평 확장성(Scale-Out, 다수의 서버에서 실행 가능하다는 의미)'의 장점이 있었지만 ACID 전체를 따르지 못하는 경우가 많았다. 또한 독자적인 SQL 언어를 쓰는 경우도 많았다.   이는 NoSQL 데이터베이스가 개념부터 달랐기 때문이다. 즉 '궁극적 일관성'이라는 개념을 사용했다. 한 서버의 데이터베이스에 작성한 내용을 즉시 다른 서버로부터 읽으면 방금 작성한 서버로부터 읽는 것과는 같은 결과를 보지 못할 수도 있다는 의미다. 물론 조금 시간이 지나면 새로운 데이터가 클러스터 내 모든 서버에 복제되고 궁극적으로 일관성을 갖게 된다. 이러한 '궁극적 일관성' 개념은 온라인 카탈로그와 같은 일부 애플리케이션에서는 충분히 효과적이지만 재무 데이터까지 적용하기에는 부족했다.   이런 가운데 최근 수평으로 확장 가능한 '스케일 아웃' SQL 데이터베이스가 새롭게 부상하고 있다. 가장...

2019.07.10

"몽고DB부터 카우치베이스까지"··· 우리 회사에 맞는 NoSQL 고르기

NoSQL 데이터베이스는 기존의 표 기반 데이터베이스(SQL)보다 작업 속도가 빠르고, 소프트웨어 개발자를 포함한 사용자에게 더 큰 '유연성'을 제공한다. NoSQL의 데이터 구조(키-값, 와이드 컬럼, 그래프, 도큐먼트)는 관계형 데이터베이스와 다르다. NoSQL 데이터베이스라는 이름이 붙은 것도 이 때문이다. 간혹 데이터 일관성을 상실하는 단점이 있지만, 수 많은 서버로 확장이 가능한 강력한 장점이 있다. 최근 NoSQL 데이터베이스가 인기를 끄는 이유는 수 많은 분산형 데이터 처리에 적합하기 때문이다. 즉 빅데이터와 분석 프로젝트에 안성맞춤이다. NoSQL 데이터베이스 선택하기: 핵심 기준 현재 시장에 나온 오픈소스와 상용 NoSQL 데이터베이스는 수십 종이 넘는다. 그렇다면 이들 중 우리 회사에 적합한 제품이나 클라우드 서비스를 어떻게 골라야 할까? IDC의 리서치 담당 부사장 칼 올프슨에 따르면, 가장 중요한 선택 기준은 데이터베이스에 저장할 데이터의 용도다. NoSQL 데이터베이스는 아키텍처와 기능이 다양하므로, 원하는 작업과 용도를 가장 효과적으로 지원하는 제품을 골라야 한다. - 일반적으로 키-값 DB는 특정 애플리케이션에서 마이크로서비스나 여러 프로세스가 데이터를 반영구적으로 공유하는 작업에 가장 좋다. - 유사성 계산, 부정행위 감지, 연동 구조 평가에 심층 관계 분석을 사용할 계획이라면 그래프 데이터베이스가 더 나은 선택이 될 수 있다. - 신속하게 많은 데이터를 수집해 분석할 계획이라면 와이드 컬럼(Wide Column) DB를 조사한다. 이 종류의 NoSQL 데이터베이스는 도큐먼트와 함께 그래프를 지원하는 경향이 있다. 또한, 초기에 검토한 프로젝트로만 데이터베이스를 활용할 것이라고 가정하면 안 된다. 정적 데이터, 세션 데이터 관리에서 시작해 트랜잭션 처리가 추가되고, 나중에는 분석도 할 수 있다. 포레스터 리서치의 수석 애널리스트인 노엘 유하나에 따르면, 성능과 확장성, 보안, 다...

NoSQL 몽고DB 카우치베이스

2018.03.13

NoSQL 데이터베이스는 기존의 표 기반 데이터베이스(SQL)보다 작업 속도가 빠르고, 소프트웨어 개발자를 포함한 사용자에게 더 큰 '유연성'을 제공한다. NoSQL의 데이터 구조(키-값, 와이드 컬럼, 그래프, 도큐먼트)는 관계형 데이터베이스와 다르다. NoSQL 데이터베이스라는 이름이 붙은 것도 이 때문이다. 간혹 데이터 일관성을 상실하는 단점이 있지만, 수 많은 서버로 확장이 가능한 강력한 장점이 있다. 최근 NoSQL 데이터베이스가 인기를 끄는 이유는 수 많은 분산형 데이터 처리에 적합하기 때문이다. 즉 빅데이터와 분석 프로젝트에 안성맞춤이다. NoSQL 데이터베이스 선택하기: 핵심 기준 현재 시장에 나온 오픈소스와 상용 NoSQL 데이터베이스는 수십 종이 넘는다. 그렇다면 이들 중 우리 회사에 적합한 제품이나 클라우드 서비스를 어떻게 골라야 할까? IDC의 리서치 담당 부사장 칼 올프슨에 따르면, 가장 중요한 선택 기준은 데이터베이스에 저장할 데이터의 용도다. NoSQL 데이터베이스는 아키텍처와 기능이 다양하므로, 원하는 작업과 용도를 가장 효과적으로 지원하는 제품을 골라야 한다. - 일반적으로 키-값 DB는 특정 애플리케이션에서 마이크로서비스나 여러 프로세스가 데이터를 반영구적으로 공유하는 작업에 가장 좋다. - 유사성 계산, 부정행위 감지, 연동 구조 평가에 심층 관계 분석을 사용할 계획이라면 그래프 데이터베이스가 더 나은 선택이 될 수 있다. - 신속하게 많은 데이터를 수집해 분석할 계획이라면 와이드 컬럼(Wide Column) DB를 조사한다. 이 종류의 NoSQL 데이터베이스는 도큐먼트와 함께 그래프를 지원하는 경향이 있다. 또한, 초기에 검토한 프로젝트로만 데이터베이스를 활용할 것이라고 가정하면 안 된다. 정적 데이터, 세션 데이터 관리에서 시작해 트랜잭션 처리가 추가되고, 나중에는 분석도 할 수 있다. 포레스터 리서치의 수석 애널리스트인 노엘 유하나에 따르면, 성능과 확장성, 보안, 다...

2018.03.13

그래프 데이터베이스란 무엇인가? 어떻게 활용하나?

그래프 데이터베이스란 무엇이고, 현재 관심을 기울여야 할까? 그래프 데이터베이스의 가능성은 오픈소스 공급업체가 실제 사례로 엔터프라이즈 지원을 시작하면서 주류로 필터링하기 시작했다. 그렇다면, 여기에 관심을 가져야 하는 이유는 무엇인가? 지난 4월 파나마 페이퍼(Panama Papers) 유출 사건 기사를 읽은 독자라면, 그래프 데이터베이스(Graph Database)에 대해 들어봤을 것이다. 그래프 데이터베이스 기술은 언론인이 수많은 데이터 세트를 조사하고, 신속하게 개인과 기관, 조세 피난처를 연결할 수 있도록 도와줬다. 다양한 산업의 대기업들이 그래프 데이터베이스를 사용하는 사례가 느는 추세다. 예를 들어, 세계적인 대형 금융기관 가운데 상당수는 복잡한 데이터의 연결, 상관관계와 패턴이 데이터만큼 중요하다는 점을 인식하기 시작했다. 그래프 데이터베이스는 이런 상관관계를 찾아 활용할 수 있는 방법을 제공한다. 시맨틱(semantic) 웹 회사인 온투텍스트(Ontotext)의 매니징 컨설턴트 자레드 맥기니스는 “그래프는 항상 이치에 맞았다. 더 나아가 이론적으로는 더 우수하다. 하지만 관계형 데이터베이스가 너무 우수해 항상 따라잡아야 하는 처지였다. 그러던 것이 ‘티핑포인트’에 도달했다. 이제 더 이상 난해하지 않다. 충분히 성숙해졌다. 기업 환경에서 효과가 있음을 보여주는 사례들이 많다”고 말했다. 그래프 데이터베이스란? 그래프 데이터베이스는 그래프 이론에 토대를 둔 일종의 NoSQL 데이터베이스다. 객체나 노드로 불리는 데이터 포인트를 플롯하고, 그래프에서 이들을 연결하는 컴퓨터 과학 학문의 방법론이다. 기존 관계형 데이터베이스는 데이터를 열과 행으로 저장하고, NoSQL 데이터베이스는 많은 비정형 데이터를 저장한다. 그런데 그래프 데이터베이스는 여기에서 한 걸음 더 나아간다. 데이터 포인트를 연결, 데이터 네트워크를 구축한다. 오픈소스 소프트웨...

구글 네오테크놀로지 소셜 그래프 그래프 데이터베이스 ICIJ 국제탐사보도언론인협회 조세회피 Neo4j JSON 데이터 세트 분석 아마존 웹 서비스 NoSQL AWS 데이터베이스 빅데이터 페이스북 시맥틱 웹

2017.12.11

그래프 데이터베이스란 무엇이고, 현재 관심을 기울여야 할까? 그래프 데이터베이스의 가능성은 오픈소스 공급업체가 실제 사례로 엔터프라이즈 지원을 시작하면서 주류로 필터링하기 시작했다. 그렇다면, 여기에 관심을 가져야 하는 이유는 무엇인가? 지난 4월 파나마 페이퍼(Panama Papers) 유출 사건 기사를 읽은 독자라면, 그래프 데이터베이스(Graph Database)에 대해 들어봤을 것이다. 그래프 데이터베이스 기술은 언론인이 수많은 데이터 세트를 조사하고, 신속하게 개인과 기관, 조세 피난처를 연결할 수 있도록 도와줬다. 다양한 산업의 대기업들이 그래프 데이터베이스를 사용하는 사례가 느는 추세다. 예를 들어, 세계적인 대형 금융기관 가운데 상당수는 복잡한 데이터의 연결, 상관관계와 패턴이 데이터만큼 중요하다는 점을 인식하기 시작했다. 그래프 데이터베이스는 이런 상관관계를 찾아 활용할 수 있는 방법을 제공한다. 시맨틱(semantic) 웹 회사인 온투텍스트(Ontotext)의 매니징 컨설턴트 자레드 맥기니스는 “그래프는 항상 이치에 맞았다. 더 나아가 이론적으로는 더 우수하다. 하지만 관계형 데이터베이스가 너무 우수해 항상 따라잡아야 하는 처지였다. 그러던 것이 ‘티핑포인트’에 도달했다. 이제 더 이상 난해하지 않다. 충분히 성숙해졌다. 기업 환경에서 효과가 있음을 보여주는 사례들이 많다”고 말했다. 그래프 데이터베이스란? 그래프 데이터베이스는 그래프 이론에 토대를 둔 일종의 NoSQL 데이터베이스다. 객체나 노드로 불리는 데이터 포인트를 플롯하고, 그래프에서 이들을 연결하는 컴퓨터 과학 학문의 방법론이다. 기존 관계형 데이터베이스는 데이터를 열과 행으로 저장하고, NoSQL 데이터베이스는 많은 비정형 데이터를 저장한다. 그런데 그래프 데이터베이스는 여기에서 한 걸음 더 나아간다. 데이터 포인트를 연결, 데이터 네트워크를 구축한다. 오픈소스 소프트웨...

2017.12.11

마이크로서비스용 데이터베이스 선택하기

지난 10년 동안 대규모 분산 시스템이 폭발적으로 증가했다. 이에 따라 데이터베이스 분야에서도 소프트웨어 산업 역사상 전례 없을 만큼 창의적 기술이 쏟아져 나왔다. 그 결과 소비자의 선택을 기다리는 다양한 플랫폼이 존재하는 건강하고 경쟁적인 데이터베이스 시장이 됐다. 하지만 도대체 어떻게 선택을 해야 할까? 여기서는 애플리케이션에 맞는 데이터베이스 모델을 선택하는 방법을 중심으로 알아보자. 물론 모델은 여러 개일 수 있다. 또한 데이터 모델 선택이 데이터 계층에 포함할 기술을 결정하는 데 어떻게 도움이 되는지에 대해서도 살펴본다. 클라우드 아키텍처, NoSQL, 마이크로서비스 소프트웨어 개발자가 웹 스케일 애플리케이션을 만들기 시작하자 오랜 기간 데이터 아키텍처를 지배해 온 관계형 데이터베이스는 큰 시련에 직면했다. 엄청나게 인기 있는 소셜 애플리케이션이 개발되고 점점 더 많은 기기가 사물 인터넷(IoT)에 연결되기 시작했다. 방대한 수의 클라이언트가 데이터를 읽고 쓰면서 데이터 계층을 확장할 필요성이 생겼고, 이와 같은 높은 확장성 요구를 충족하기 위해 새로운 데이터베이스가 등장했다. 많은 경우 이런 새 데이터베이스는 "NoSQL" 또는 "비관계형"이었다. 문서, 키-값, 컬럼 지향, 심지어 그래픽 데이터베이스 등 기존의 지배적인 관계형 모델 이외의 데이터 모델을 기반으로 한 솔루션이다. 이런 데이터베이스는 강력한 일관성과 ACID 트랜잭션, 조인과 같은 관계형 데이터베이스에서 보장되는 익숙한 여러 기능을 지원하지 않는 경우가 많았다. 데이터베이스 기술의 혁신과 동시에 2000년대 초반 SOA(서비스 지향 아키텍처) 추세가 마이크로서비스 아키텍처 스타일로 성숙화되고 많은 조직이 엔터프라이즈 서비스 버스(ESB)와 같은 무거운 SOA 인프라에서 벗어나 분산된 접근 방식을 취하기 시작했다. 마이크로서비스 아키텍처의 매력은 서비스를 독립적으로 개발, 관리, 확장할 수 있다는 점이...

데이터베이스 NoSQL 카산드라 마이크로서비스

2017.11.14

지난 10년 동안 대규모 분산 시스템이 폭발적으로 증가했다. 이에 따라 데이터베이스 분야에서도 소프트웨어 산업 역사상 전례 없을 만큼 창의적 기술이 쏟아져 나왔다. 그 결과 소비자의 선택을 기다리는 다양한 플랫폼이 존재하는 건강하고 경쟁적인 데이터베이스 시장이 됐다. 하지만 도대체 어떻게 선택을 해야 할까? 여기서는 애플리케이션에 맞는 데이터베이스 모델을 선택하는 방법을 중심으로 알아보자. 물론 모델은 여러 개일 수 있다. 또한 데이터 모델 선택이 데이터 계층에 포함할 기술을 결정하는 데 어떻게 도움이 되는지에 대해서도 살펴본다. 클라우드 아키텍처, NoSQL, 마이크로서비스 소프트웨어 개발자가 웹 스케일 애플리케이션을 만들기 시작하자 오랜 기간 데이터 아키텍처를 지배해 온 관계형 데이터베이스는 큰 시련에 직면했다. 엄청나게 인기 있는 소셜 애플리케이션이 개발되고 점점 더 많은 기기가 사물 인터넷(IoT)에 연결되기 시작했다. 방대한 수의 클라이언트가 데이터를 읽고 쓰면서 데이터 계층을 확장할 필요성이 생겼고, 이와 같은 높은 확장성 요구를 충족하기 위해 새로운 데이터베이스가 등장했다. 많은 경우 이런 새 데이터베이스는 "NoSQL" 또는 "비관계형"이었다. 문서, 키-값, 컬럼 지향, 심지어 그래픽 데이터베이스 등 기존의 지배적인 관계형 모델 이외의 데이터 모델을 기반으로 한 솔루션이다. 이런 데이터베이스는 강력한 일관성과 ACID 트랜잭션, 조인과 같은 관계형 데이터베이스에서 보장되는 익숙한 여러 기능을 지원하지 않는 경우가 많았다. 데이터베이스 기술의 혁신과 동시에 2000년대 초반 SOA(서비스 지향 아키텍처) 추세가 마이크로서비스 아키텍처 스타일로 성숙화되고 많은 조직이 엔터프라이즈 서비스 버스(ESB)와 같은 무거운 SOA 인프라에서 벗어나 분산된 접근 방식을 취하기 시작했다. 마이크로서비스 아키텍처의 매력은 서비스를 독립적으로 개발, 관리, 확장할 수 있다는 점이...

2017.11.14

디지털 변혁 프로젝트 십중팔구 실패··· 왜?

NoSQL 데이터베이스 업체 카우치베이스의 연구에 따르면, 디지털 변혁 프로젝트 10개 가운데 9개가 실패하고 구형 기술이 주로 비난받는 것으로 나타났다 디지털 변혁은 현재 피할 수 없는 유행어지만, 성공적인 프로젝트가 거의 없는 것으로 파악됐다. 디지털 변혁은 기본적으로 디지털 기술을 활용하여 비즈니스 모델을 크게 바꾸려는 전략적 시도를 의미한다. 포드가 새로운 CEO인 짐 해켓의 진두지휘로 자율주행차량으로 전환하거나 금융회사 UBS가 자체 로보 어드바이스 서비스를 구축하는 사례가 대표적이다. 디지털 변혁의 주요 목표는 코닥처럼 되거나 우버처럼 되는 것이다.  NoSQL 데이터베이스 업체인 카우치베이스가 발표한 연구에 따르면 디지털 변혁 프로젝트 10개 중 9개가 실패했다. 설문 조사에 참여한 응답자의 95%는 최종 사용자에게 진정한 독창적인 경험을 제공해야 한다는 데 동의했지만 디지털 프로젝트 중 90 %는 기대에 미치지 못하고 점진적 개선에 그쳤다고 밝혔다.  이 연구는 밴슨본(Vanson Bourne)이 실시했으며 여기에는 미국, 영국, 독일에 있는 임직원 수 1,000명 이상인 기업에서 근무하는 450명의 CIO, CTO, 최고 디지털 책임자(CDO)를 대상으로 했다.  응답자들에게는 현실적인 두려움이 있었다. 응답자 중 89%는 자신들의 산업이 시간이 지나면 나아지겠지만 현재는 디지털 기술로 혼란을 겪고 있다고 말했다.  이는 &P 500의 포춘 500대 기업 중 40%가 10년 후에 더 이상 존재하지 않을 것으로 추정된다는 워싱턴대학교의 존 M. 올린 비즈니스 스쿨(John M. Olin School of Business)의 유명한 2014년 연구를 반영한 것이다.  카우치베이스의 연구는 디지털 변혁 프로젝트에 투자하는 평균 금액이 연간 미화 570만 달러로 집계했다. 디지털 변혁이 실패하는 이유는? 문제는 급변하는 기술 환경과 소비자 기대...

조사 우버 디지털 변혁 밴슨본 코닥 포드 NoSQL UBS 오범 실패 카우치베이스

2017.07.27

NoSQL 데이터베이스 업체 카우치베이스의 연구에 따르면, 디지털 변혁 프로젝트 10개 가운데 9개가 실패하고 구형 기술이 주로 비난받는 것으로 나타났다 디지털 변혁은 현재 피할 수 없는 유행어지만, 성공적인 프로젝트가 거의 없는 것으로 파악됐다. 디지털 변혁은 기본적으로 디지털 기술을 활용하여 비즈니스 모델을 크게 바꾸려는 전략적 시도를 의미한다. 포드가 새로운 CEO인 짐 해켓의 진두지휘로 자율주행차량으로 전환하거나 금융회사 UBS가 자체 로보 어드바이스 서비스를 구축하는 사례가 대표적이다. 디지털 변혁의 주요 목표는 코닥처럼 되거나 우버처럼 되는 것이다.  NoSQL 데이터베이스 업체인 카우치베이스가 발표한 연구에 따르면 디지털 변혁 프로젝트 10개 중 9개가 실패했다. 설문 조사에 참여한 응답자의 95%는 최종 사용자에게 진정한 독창적인 경험을 제공해야 한다는 데 동의했지만 디지털 프로젝트 중 90 %는 기대에 미치지 못하고 점진적 개선에 그쳤다고 밝혔다.  이 연구는 밴슨본(Vanson Bourne)이 실시했으며 여기에는 미국, 영국, 독일에 있는 임직원 수 1,000명 이상인 기업에서 근무하는 450명의 CIO, CTO, 최고 디지털 책임자(CDO)를 대상으로 했다.  응답자들에게는 현실적인 두려움이 있었다. 응답자 중 89%는 자신들의 산업이 시간이 지나면 나아지겠지만 현재는 디지털 기술로 혼란을 겪고 있다고 말했다.  이는 &P 500의 포춘 500대 기업 중 40%가 10년 후에 더 이상 존재하지 않을 것으로 추정된다는 워싱턴대학교의 존 M. 올린 비즈니스 스쿨(John M. Olin School of Business)의 유명한 2014년 연구를 반영한 것이다.  카우치베이스의 연구는 디지털 변혁 프로젝트에 투자하는 평균 금액이 연간 미화 570만 달러로 집계했다. 디지털 변혁이 실패하는 이유는? 문제는 급변하는 기술 환경과 소비자 기대...

2017.07.27

블로그 | NoSQL 열풍에도 MySQL이 여전히 왕좌에 있는 이유

MySQL이 여전히 관심을 독차지하고 있다. NoSQL이 부상하면서 관계형 데이터베이스가 임종을 맞이할 것으로 보였고, MySQL 역시 역사의 뒤편으로 은퇴할 것이 예상됐다. 하지만 데이터베이스 인기 투표에서 MySQL은 여전히 오라클과 치열한 접전을 벌이고 있다. 더욱 눈에 띄는 것은 오라클의 인기는 서서히 떨어지는 반면, MySQL은 기존의 인기를 그대로 유지하고 있다는 것. 이유가 뭘까? DB엔진의 조사에 따르면, MySQL과 오라클 모두 다른 데이터베이스에 비해 지지자를 잃었지만, MySQL은 여전히 인기가 높으며, 오라클과 극히 작은 차이로 2위를 차지했다. 주요 데이터베이스의 인기 추세를 살펴보면, MySQL의 인기는 일관성 있게 증가하고 있다는 것을 알 수 있다. MySQL에 대한 일반적인 검색 관심도는 지난 수년 동안 꾸준히 떨어졌으며, 하락폭은 오라클이나 마이크로소프트 SQL 서버와 비슷하다. 하지만 스택 오버플로우(Stack Overflow)의 조사에 따르면, 전문적인 관심도은 제법 굳건하게 남아 있다. 게다가 이런 추세는 다른 데이터베이스를 초라하게 만들 정도이다. 원래 필자의 예상은 이런 것이 아니었다. NoSQL이 현대적인 데이터의 규모와 속도, 다양성을 관리하느라 쩔쩔 매던 기업 환경에서 큰 인기를 얻는 것이었다. 어쨌든 MySQL은 살아남는 정도에 그치지 않고 번창하고 있다. 물론 NoSQL도 충분한 지지층을 찾았다. 특히 몽고DB는 상당한 관심을 모았고, 현재는 매출 1억 달러를 돌파하며 올해 말 IPO를 목표로 하고 있다. 하지만 아직 몽고DB도 아파치 카산드라도, 아파치 하둡도 MySQL을 넘어서지는 못했다. 전임 MySQL 임원 잭 언로커는 필자에게 “몽고DB와 카산드라, 하둡은 모두 관계형 데이터베이스로는 제대로 다루기 힘든 전문화된 사용례에서 가치를 갖는다. 때문에 이들은 매출 1억 달러 정도의 쓸만한 기업이 될 수는 있지만, 관계형 데이터베이스처럼 범용화되기...

오라클 MySQL NoSQL 인기 확장성

2017.05.12

MySQL이 여전히 관심을 독차지하고 있다. NoSQL이 부상하면서 관계형 데이터베이스가 임종을 맞이할 것으로 보였고, MySQL 역시 역사의 뒤편으로 은퇴할 것이 예상됐다. 하지만 데이터베이스 인기 투표에서 MySQL은 여전히 오라클과 치열한 접전을 벌이고 있다. 더욱 눈에 띄는 것은 오라클의 인기는 서서히 떨어지는 반면, MySQL은 기존의 인기를 그대로 유지하고 있다는 것. 이유가 뭘까? DB엔진의 조사에 따르면, MySQL과 오라클 모두 다른 데이터베이스에 비해 지지자를 잃었지만, MySQL은 여전히 인기가 높으며, 오라클과 극히 작은 차이로 2위를 차지했다. 주요 데이터베이스의 인기 추세를 살펴보면, MySQL의 인기는 일관성 있게 증가하고 있다는 것을 알 수 있다. MySQL에 대한 일반적인 검색 관심도는 지난 수년 동안 꾸준히 떨어졌으며, 하락폭은 오라클이나 마이크로소프트 SQL 서버와 비슷하다. 하지만 스택 오버플로우(Stack Overflow)의 조사에 따르면, 전문적인 관심도은 제법 굳건하게 남아 있다. 게다가 이런 추세는 다른 데이터베이스를 초라하게 만들 정도이다. 원래 필자의 예상은 이런 것이 아니었다. NoSQL이 현대적인 데이터의 규모와 속도, 다양성을 관리하느라 쩔쩔 매던 기업 환경에서 큰 인기를 얻는 것이었다. 어쨌든 MySQL은 살아남는 정도에 그치지 않고 번창하고 있다. 물론 NoSQL도 충분한 지지층을 찾았다. 특히 몽고DB는 상당한 관심을 모았고, 현재는 매출 1억 달러를 돌파하며 올해 말 IPO를 목표로 하고 있다. 하지만 아직 몽고DB도 아파치 카산드라도, 아파치 하둡도 MySQL을 넘어서지는 못했다. 전임 MySQL 임원 잭 언로커는 필자에게 “몽고DB와 카산드라, 하둡은 모두 관계형 데이터베이스로는 제대로 다루기 힘든 전문화된 사용례에서 가치를 갖는다. 때문에 이들은 매출 1억 달러 정도의 쓸만한 기업이 될 수는 있지만, 관계형 데이터베이스처럼 범용화되기...

2017.05.12

구글, 클라우드 데이터베이스 '스패너' 출시

구글이 자사 인프라에서 구동하는 고 가용성 데이터베이스를 출시했다. 14일 구글이 내놓은 새로운 클라우드 스패너(Spanner)는 전통적인 데이터베이스의 트랜잭션 일관성과 NoSQL 데이터베이스의 확장성 및 성능을 제공하는 것이 특징이다. 클라우드 스패너는 구글의 자체 스패너 데이터베이스를 내부적으로 실행하는 동일한 시스템을 기반으로 한다. 일반적으로 기업은 기존 데이터베이스나 NoSQL 데이터베이스 중 하나를 선택해야 하는데 이들은 각각의 장단점이 있다. 기존 데이터베이스는 트랜잭션 일관성을 향상시키지만 확장하기는 어려울 수 있다. NoSQL 데이터베이스는 확장성이 우수하지만 일관성이 떨어진다. 클라우드 스패너는 이러한 상충 관계를 줄이기 위해 설계됐으며 완전한 관리 서비스로도 제공된다. 다른 말로 하면 구글이 여러 데이터센터로 확장될 수 있는 데이터베이스의 하드웨어, 소프트웨어, 콘텐츠 복제를 관리한다는 의미다. 가트너의 연구 책임자인 닉 헤이데커에 따르면, 이 서비스는 전 세계 데이터베이스에서 1/1000초 수준의 일관성이 필요한 기업에 유용하다. 헤이데커는 인터뷰에서 클라우드 스패너로 혜택을 얻을 2개의 산업으로 금융과 광고를 지목했다.   또한 헤이데커는 기업이 기존 애플리케이션을 이 서비스로 옮겨야 하는데 이 점이 문제가 될 수 있다고 지적했다. 클라우드 스패너의 제품 관리자인 딥티 스리바스타바에 따르면, 구글은 파트너와 협력하여 고객의 마이그레이션을 지원하고 있다. 헤이데커는 비공개 알파 테스트 반응을 볼 때 클라우드 스패너가 다른 새로운 구글 서비스보다 더 많은 관심을 불러일으켰다고 밝혔다. 클라우드 스패너는 2007년 구글 직원 팀이 NoSQL과 기존 데이터베이스 중 하나를 선택하는 문제를 해결하기 위해 추진한 프로젝트에서 시작됐다. 그 결과 2012년에 발표된 스패너 데이터베이스는 시간 일관성을 유지하기 위해 데이터센터 내부의 원자 및 GPS 시계를 비롯한 여러 가지 새로운 기술을 사용했던 ...

구글 스패너 퍼블릭 클라우드 아마존 웹 서비스 NoSQL 애저 AWS DBMS 마이크로소프트 데이터베이스 가트너 Spanner

2017.02.15

구글이 자사 인프라에서 구동하는 고 가용성 데이터베이스를 출시했다. 14일 구글이 내놓은 새로운 클라우드 스패너(Spanner)는 전통적인 데이터베이스의 트랜잭션 일관성과 NoSQL 데이터베이스의 확장성 및 성능을 제공하는 것이 특징이다. 클라우드 스패너는 구글의 자체 스패너 데이터베이스를 내부적으로 실행하는 동일한 시스템을 기반으로 한다. 일반적으로 기업은 기존 데이터베이스나 NoSQL 데이터베이스 중 하나를 선택해야 하는데 이들은 각각의 장단점이 있다. 기존 데이터베이스는 트랜잭션 일관성을 향상시키지만 확장하기는 어려울 수 있다. NoSQL 데이터베이스는 확장성이 우수하지만 일관성이 떨어진다. 클라우드 스패너는 이러한 상충 관계를 줄이기 위해 설계됐으며 완전한 관리 서비스로도 제공된다. 다른 말로 하면 구글이 여러 데이터센터로 확장될 수 있는 데이터베이스의 하드웨어, 소프트웨어, 콘텐츠 복제를 관리한다는 의미다. 가트너의 연구 책임자인 닉 헤이데커에 따르면, 이 서비스는 전 세계 데이터베이스에서 1/1000초 수준의 일관성이 필요한 기업에 유용하다. 헤이데커는 인터뷰에서 클라우드 스패너로 혜택을 얻을 2개의 산업으로 금융과 광고를 지목했다.   또한 헤이데커는 기업이 기존 애플리케이션을 이 서비스로 옮겨야 하는데 이 점이 문제가 될 수 있다고 지적했다. 클라우드 스패너의 제품 관리자인 딥티 스리바스타바에 따르면, 구글은 파트너와 협력하여 고객의 마이그레이션을 지원하고 있다. 헤이데커는 비공개 알파 테스트 반응을 볼 때 클라우드 스패너가 다른 새로운 구글 서비스보다 더 많은 관심을 불러일으켰다고 밝혔다. 클라우드 스패너는 2007년 구글 직원 팀이 NoSQL과 기존 데이터베이스 중 하나를 선택하는 문제를 해결하기 위해 추진한 프로젝트에서 시작됐다. 그 결과 2012년에 발표된 스패너 데이터베이스는 시간 일관성을 유지하기 위해 데이터센터 내부의 원자 및 GPS 시계를 비롯한 여러 가지 새로운 기술을 사용했던 ...

2017.02.15

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.31