Offcanvas

������������������������������������������������������������������������������������������������������������������������������������������������������������������

칼럼 | 범용 DB의 귀환? 애초에 물러난 적이 없다

데이터베이스는 범용 모델에서 특화 모델로 발전해왔다. 하지만 최근 범용 모델로 돌아가려는 움직임이 보인다. 정말 그럴까?    작년 레드몽크(RedMonk) 애널리스트 스티븐 오그레이디는 ‘A Return to the General Purpose Database’(범용 데이터베이스의 귀환)이라는 제목의 글을 썼다. 글에 따르면 데이터베이스 시장 요구에 따라 ‘바닐라DB’(VanillaDB) 같은 관계형 데이터베이스를 넘어 NoSQL 같은 수많은 특화 데이터베이스가 만들어졌다(심지어 AWS는 수많은 종류의 맞춤형 데이터베이스를 만들어 판매했다). 그런데 10년 넘게 이어져 왔던 전환의 추세가 뒤집히는 듯했다는 것이 글의 핵심 주장이었다. 실제로 데이터베이스 관리 시스템별 사용률을 추적하는 DB엔진을 살펴보면 한때는 소수였던 데이터베이스가 2022년에는 무려 391개로 늘어났다. 오그레이디에 따르면 이제 소수의 범용 데이터베이스로 다시 간추려질 차례다. 과연 그럴까?  애초에 시장은 범용 데이터베이스를 떠난 적이 없다.  데이터 관리 도구를 만드는 모달 랩스(Modal Labs)의 CEO 에릭 베른하르트는 “궁극적으로 범용 도구(프로그래밍 언어, 데이터베이스, 프레임워크 등등)는 특화된 도구보다 더 많이 쓰일 수밖에 없다. 성능과 같은 특정한 측면에서 10배가 넘는 우위를 가졌더라도 말이다”라고 설명했다. 그는 “지난 10년 동안 데이터베이스, 프로그래밍 언어, 프레임워크의 역사를 통틀어봐도 범용 도구가 대부분 마지막 승자로 이름을 올려왔다”라고 덧붙였다.  왜일까? 개발자가 잡다한 특화 도구를 배울 여력이 없기 때문이다.   10년이 지나도 같은 도구가 상위권 유지  DB 엔진에 따르면 2012년 10월에 가장 많이 쓰인 데이터베이스는 다음과 같다.   오라클(Oracle) 마이크로소프트 SQL 서버(Microsoft SQL Server) 마이SQL(MySQL)&...

데이터베이스 백엔드 프로그래밍 언어

2022.04.19

데이터베이스는 범용 모델에서 특화 모델로 발전해왔다. 하지만 최근 범용 모델로 돌아가려는 움직임이 보인다. 정말 그럴까?    작년 레드몽크(RedMonk) 애널리스트 스티븐 오그레이디는 ‘A Return to the General Purpose Database’(범용 데이터베이스의 귀환)이라는 제목의 글을 썼다. 글에 따르면 데이터베이스 시장 요구에 따라 ‘바닐라DB’(VanillaDB) 같은 관계형 데이터베이스를 넘어 NoSQL 같은 수많은 특화 데이터베이스가 만들어졌다(심지어 AWS는 수많은 종류의 맞춤형 데이터베이스를 만들어 판매했다). 그런데 10년 넘게 이어져 왔던 전환의 추세가 뒤집히는 듯했다는 것이 글의 핵심 주장이었다. 실제로 데이터베이스 관리 시스템별 사용률을 추적하는 DB엔진을 살펴보면 한때는 소수였던 데이터베이스가 2022년에는 무려 391개로 늘어났다. 오그레이디에 따르면 이제 소수의 범용 데이터베이스로 다시 간추려질 차례다. 과연 그럴까?  애초에 시장은 범용 데이터베이스를 떠난 적이 없다.  데이터 관리 도구를 만드는 모달 랩스(Modal Labs)의 CEO 에릭 베른하르트는 “궁극적으로 범용 도구(프로그래밍 언어, 데이터베이스, 프레임워크 등등)는 특화된 도구보다 더 많이 쓰일 수밖에 없다. 성능과 같은 특정한 측면에서 10배가 넘는 우위를 가졌더라도 말이다”라고 설명했다. 그는 “지난 10년 동안 데이터베이스, 프로그래밍 언어, 프레임워크의 역사를 통틀어봐도 범용 도구가 대부분 마지막 승자로 이름을 올려왔다”라고 덧붙였다.  왜일까? 개발자가 잡다한 특화 도구를 배울 여력이 없기 때문이다.   10년이 지나도 같은 도구가 상위권 유지  DB 엔진에 따르면 2012년 10월에 가장 많이 쓰인 데이터베이스는 다음과 같다.   오라클(Oracle) 마이크로소프트 SQL 서버(Microsoft SQL Server) 마이SQL(MySQL)&...

2022.04.19

2022 인프라·운영 트렌드 진단··· 뜨는 7가지, 지는 7가지

변화와 안정성은 IT팀에게 상충되는 화두다. 기존 플랫폼의 신뢰성이 중요하지만 끝없는 개선을 갈망하기도 한다. 관건은 기업들이 필요로 하는 탄탄한 가용성을 희생하지 않으면서 새로운 것을 제공하는 것이다. 그 방법을 찾아가는 과정은 불여튼튼을 외치는 안정론자와 혁신을 원하는 반항적인 몽상가들 사이의 전쟁이 될 수 있다. 좋은 IT팀에는 두 캐릭터가 모두 필요하다. IT의 중요성을 강조한 팬데믹 사태 이후 그 중요성이 그 어느 때보다 커졌다. 기업들은 신뢰할 수 있는 디지털 네트워크 없이 기능할 수 없다. 하지만 빠르게 움직이고 실험하는 능력이 없다면 선진화를 통해 급변하는 시대의 요구를 충족시킬 수 없다. 신뢰성을 확보하면서도 혁신을 조성하기 위해 IT가 애용하는 접근법을 살펴본다. 이런 트렌드 중 일부는 새로운 혁신에 의한 것이며, 순수한 경제성 측면에 의한 것들도 있다. 또 일부는 정치적 현실에 기인한 것들이다. 이 모든 것들이 IT 인프라팀들이 안정성을 희생하지 않고 추가적인 보안과 더 빠른 속도를 제공해야 한다는 압박감을 상징하고 있다.   인기 : 멀티클라우드(Multicloud) 서버실에서 클라우드로 이전할 때의 장점은 이제 널리 인정받고 있다. 다른 사람이 유지관리하고 임대하는 기기들은 간헐적인 컴퓨팅 및 워크로드에 이상적이다. 신뢰와 보안에 대한 문제는 남아 있겠지만 클라우드 벤더들은 규모의 경제를 통해 이를 신중하게 해결해가고 있다. 1개의 클라우드가 좋다면 2개나 3개는 어떨까? 여러 개의 클라우드를 지원하는 것이 더 수고스러울 수 있지만 개발자가 코드를 신중하게 작성하면 제공업체에의 종속(Lock-in)이라는 위험을 없앨 수 있다. 그리고 기업 회계사들은 여러 클라우드를 벤치마크해 각 워크로드에 가장 저렴한 제공업체를 찾을 수 있다는 점에 기뻐할 것이다. 비인기 : 동적 웹 사이트 월드 와이드 웹(World Wide Web)은 처음부터 정적 파일로 구성되어 있었다. 웹 서버는 URL을 받고 모두에게 같은 파일로 ...

IT 인프라 IT 운영 혁신 안정성 서버리스 관리형 블록체인 멀티클라우드 동적 웹 웹3.0 데이터베이스 NFT

2022.04.08

변화와 안정성은 IT팀에게 상충되는 화두다. 기존 플랫폼의 신뢰성이 중요하지만 끝없는 개선을 갈망하기도 한다. 관건은 기업들이 필요로 하는 탄탄한 가용성을 희생하지 않으면서 새로운 것을 제공하는 것이다. 그 방법을 찾아가는 과정은 불여튼튼을 외치는 안정론자와 혁신을 원하는 반항적인 몽상가들 사이의 전쟁이 될 수 있다. 좋은 IT팀에는 두 캐릭터가 모두 필요하다. IT의 중요성을 강조한 팬데믹 사태 이후 그 중요성이 그 어느 때보다 커졌다. 기업들은 신뢰할 수 있는 디지털 네트워크 없이 기능할 수 없다. 하지만 빠르게 움직이고 실험하는 능력이 없다면 선진화를 통해 급변하는 시대의 요구를 충족시킬 수 없다. 신뢰성을 확보하면서도 혁신을 조성하기 위해 IT가 애용하는 접근법을 살펴본다. 이런 트렌드 중 일부는 새로운 혁신에 의한 것이며, 순수한 경제성 측면에 의한 것들도 있다. 또 일부는 정치적 현실에 기인한 것들이다. 이 모든 것들이 IT 인프라팀들이 안정성을 희생하지 않고 추가적인 보안과 더 빠른 속도를 제공해야 한다는 압박감을 상징하고 있다.   인기 : 멀티클라우드(Multicloud) 서버실에서 클라우드로 이전할 때의 장점은 이제 널리 인정받고 있다. 다른 사람이 유지관리하고 임대하는 기기들은 간헐적인 컴퓨팅 및 워크로드에 이상적이다. 신뢰와 보안에 대한 문제는 남아 있겠지만 클라우드 벤더들은 규모의 경제를 통해 이를 신중하게 해결해가고 있다. 1개의 클라우드가 좋다면 2개나 3개는 어떨까? 여러 개의 클라우드를 지원하는 것이 더 수고스러울 수 있지만 개발자가 코드를 신중하게 작성하면 제공업체에의 종속(Lock-in)이라는 위험을 없앨 수 있다. 그리고 기업 회계사들은 여러 클라우드를 벤치마크해 각 워크로드에 가장 저렴한 제공업체를 찾을 수 있다는 점에 기뻐할 것이다. 비인기 : 동적 웹 사이트 월드 와이드 웹(World Wide Web)은 처음부터 정적 파일로 구성되어 있었다. 웹 서버는 URL을 받고 모두에게 같은 파일로 ...

2022.04.08

'SQL을 넘어서...' 데이터 쿼리 처리용 새 언어 8종

지난 30년 동안 데이터베이스와 SQL은 동의어와 비슷했다. 데이터베이스에서 정보를 검색하고 싶은 사람은 SQL을 배워야 했다. 데이터베이스를 관리하거나 데이터베이스 관리자로써 직업을 얻고 싶은 사람은 그 뉘앙스를 이해해야 했다. SQL 자체는 과거의 향기를 물씬 풍긴다. 메인프레임 사용자와 같은 방식으로 생각하고 코딩한다고 표현할 수 있다. 다른 분야는 소문자를 도입했지만 SQL 사용자는 SELECT나 WHERE 같은 단어를 계속 입력한다.  실제로 데이터 검색에 있어서 SQL의 입지가 낮아지고 있다. 새로운 데이터베이스가 등장하고 일부는 완전히 새로운 언어를 사용한다. SQL의 인기가 적은 것이 아니다. SQL 작성 총량은 그 어느 때보다 많다. 단지 데이터 저장 세계가 더 빠르게 폭발적으로 성장하고 있을 뿐이다. 이 글에서는 데이터 검색에 대한 8가지 새로운 접근방식을 소개한다. 일부는 겉모습만 바뀐 혁신이다. 몇몇 개발자들은 SQL의 문법을 업데이트하여 좀 더 깔끔하고 읽기 쉽도록 했기 때문에 브라우저를 위한 코드 작성과 데이터 검색 사이의 차이가 줄어든 것이다. 이런 도구의 개발자들은 기본적인 구조가 SQL과 똑같다고 강조한다. SQL을 이해하는 이라면 배우기 쉽다는 의미다.  그러나 다른 몇몇 도구는 완전히 다른 사고방식을 요구한다. 특히 데이터를 그래프 또는 시계열로 저장하는 데이터베이스는 검색 대상을 지정하는 방식에 대한 새로운 패러다임을 제시한다. 이 모든 옵션이 SQL보다 반드시 나은 것은 아니다. 하지만 모두 정보의 바다에 대해 다르게 생각할 기회를 제공한다.     그래프QL(GraphQL) PRQL 웹어셈블리(WebAssembly) GQL 그렘린(Gremlin) N1QL 말로이(Malloy) 베이시스(Basis) 그래프QL(GraphQL) 그래프QL이라는 이름은 다소 헷갈린다. 그래프 데이터베이스로의 모든 가능성을 활용하도록 고안된 언어가 아니기 때문이다. JSO...

데이터베이스 SQL 데이터 검색 데이터 쿼리

2022.03.30

지난 30년 동안 데이터베이스와 SQL은 동의어와 비슷했다. 데이터베이스에서 정보를 검색하고 싶은 사람은 SQL을 배워야 했다. 데이터베이스를 관리하거나 데이터베이스 관리자로써 직업을 얻고 싶은 사람은 그 뉘앙스를 이해해야 했다. SQL 자체는 과거의 향기를 물씬 풍긴다. 메인프레임 사용자와 같은 방식으로 생각하고 코딩한다고 표현할 수 있다. 다른 분야는 소문자를 도입했지만 SQL 사용자는 SELECT나 WHERE 같은 단어를 계속 입력한다.  실제로 데이터 검색에 있어서 SQL의 입지가 낮아지고 있다. 새로운 데이터베이스가 등장하고 일부는 완전히 새로운 언어를 사용한다. SQL의 인기가 적은 것이 아니다. SQL 작성 총량은 그 어느 때보다 많다. 단지 데이터 저장 세계가 더 빠르게 폭발적으로 성장하고 있을 뿐이다. 이 글에서는 데이터 검색에 대한 8가지 새로운 접근방식을 소개한다. 일부는 겉모습만 바뀐 혁신이다. 몇몇 개발자들은 SQL의 문법을 업데이트하여 좀 더 깔끔하고 읽기 쉽도록 했기 때문에 브라우저를 위한 코드 작성과 데이터 검색 사이의 차이가 줄어든 것이다. 이런 도구의 개발자들은 기본적인 구조가 SQL과 똑같다고 강조한다. SQL을 이해하는 이라면 배우기 쉽다는 의미다.  그러나 다른 몇몇 도구는 완전히 다른 사고방식을 요구한다. 특히 데이터를 그래프 또는 시계열로 저장하는 데이터베이스는 검색 대상을 지정하는 방식에 대한 새로운 패러다임을 제시한다. 이 모든 옵션이 SQL보다 반드시 나은 것은 아니다. 하지만 모두 정보의 바다에 대해 다르게 생각할 기회를 제공한다.     그래프QL(GraphQL) PRQL 웹어셈블리(WebAssembly) GQL 그렘린(Gremlin) N1QL 말로이(Malloy) 베이시스(Basis) 그래프QL(GraphQL) 그래프QL이라는 이름은 다소 헷갈린다. 그래프 데이터베이스로의 모든 가능성을 활용하도록 고안된 언어가 아니기 때문이다. JSO...

2022.03.30

블로그 | '성급하면 골칫거리 된다' 데이터베이스 선택 팁 5가지

데이터베이스 선택은 먼 미래의 애플리케이션과 개발에까지 큰 영향을 미친다. 그런데도 개발자의 데이터베이스 선택은 감정적으로 흐르는 경향이 있고, 오로지 지금의 애플리케이션 요구사항만을 기준으로 데이터베이스를 고르는 경우가 많다.    예를 들어 어떤 데이터베이스에 대한 느낌이 좋다는 이유로 개발자는 단순히 직감을 따르곤 한다. 데이터베이스가 현재와 미래의 애플리케이션에 맞게 효과적으로 작동할지에 대한 분석은 생략한다. 선택할 수 있는 데이터베이스가 너무 많아 비교할 엄두를 내지 못하는 때도 있다. 이럴 때는 사고가 마비되고 결국 현재의 애플리케이션에 필요한 요소를 충족하는 데이터베이스를 선택하게 된다.  문제는 미래의 모든 애플리케이션 요구사항을 미리 알 수 없다는 것이다. 보통 애플리케이션은 처음에는 단순하게 시작했다가 시간이 지날수록 복잡해지기 마련이다. 실제로 많은 개발자가 포스트그레SQL로 시작한다. 반구조적 데이터를 다뤄야 하고 유연한 스키마가 필요해지면 몽고DB를 추가한다. 그런 다음 로그 검색이나 패싯 검색을 하기 위해 일래스틱서치(Elasticsearch)로 눈을 돌린다. 하지만 속도가 매우 빠르지 않다는 것을 발견하고, 레디스(Redis)를 캐시로 덧붙인다. 분석을 해야 할 때가 오면 스노우플레이크(Snowflake)와 같은 데이터 웨어하우스를 불러들인다. 결국 모든 상황이 이내 혼란스럽게 된다. 데이터베이스 난립으로 데이터베이스 간의 데이터 이동과 값비싼 ETL(추출, 변환, 로드) 프로세스가 개발자의 걱정거리가 된다.  이처럼 많은 개발자가 종종 실패의 길로 걸어가지만 필요한 모든 것을 얻을 수 있는 다른 방법도 있다. 모든 요구사항을 충족하는 데이터베이스를 선택하는 방법을 알아보자.    한 치 앞이 아니라 먼 미래를 보라 데이터베이스 마이그레이션과 플랫폼 변경은 간단한 일이 아니다. 데이터베이스를 한 번 선택하면 되돌리기 어렵고 한 아키텍처에 종속될 수 있음을 항상 의식해야 ...

데이터베이스

2022.03.23

데이터베이스 선택은 먼 미래의 애플리케이션과 개발에까지 큰 영향을 미친다. 그런데도 개발자의 데이터베이스 선택은 감정적으로 흐르는 경향이 있고, 오로지 지금의 애플리케이션 요구사항만을 기준으로 데이터베이스를 고르는 경우가 많다.    예를 들어 어떤 데이터베이스에 대한 느낌이 좋다는 이유로 개발자는 단순히 직감을 따르곤 한다. 데이터베이스가 현재와 미래의 애플리케이션에 맞게 효과적으로 작동할지에 대한 분석은 생략한다. 선택할 수 있는 데이터베이스가 너무 많아 비교할 엄두를 내지 못하는 때도 있다. 이럴 때는 사고가 마비되고 결국 현재의 애플리케이션에 필요한 요소를 충족하는 데이터베이스를 선택하게 된다.  문제는 미래의 모든 애플리케이션 요구사항을 미리 알 수 없다는 것이다. 보통 애플리케이션은 처음에는 단순하게 시작했다가 시간이 지날수록 복잡해지기 마련이다. 실제로 많은 개발자가 포스트그레SQL로 시작한다. 반구조적 데이터를 다뤄야 하고 유연한 스키마가 필요해지면 몽고DB를 추가한다. 그런 다음 로그 검색이나 패싯 검색을 하기 위해 일래스틱서치(Elasticsearch)로 눈을 돌린다. 하지만 속도가 매우 빠르지 않다는 것을 발견하고, 레디스(Redis)를 캐시로 덧붙인다. 분석을 해야 할 때가 오면 스노우플레이크(Snowflake)와 같은 데이터 웨어하우스를 불러들인다. 결국 모든 상황이 이내 혼란스럽게 된다. 데이터베이스 난립으로 데이터베이스 간의 데이터 이동과 값비싼 ETL(추출, 변환, 로드) 프로세스가 개발자의 걱정거리가 된다.  이처럼 많은 개발자가 종종 실패의 길로 걸어가지만 필요한 모든 것을 얻을 수 있는 다른 방법도 있다. 모든 요구사항을 충족하는 데이터베이스를 선택하는 방법을 알아보자.    한 치 앞이 아니라 먼 미래를 보라 데이터베이스 마이그레이션과 플랫폼 변경은 간단한 일이 아니다. 데이터베이스를 한 번 선택하면 되돌리기 어렵고 한 아키텍처에 종속될 수 있음을 항상 의식해야 ...

2022.03.23

'유형따라 다르다'··· 데이터베이스 백업 ABC

데이터베이스를 백업하려면 먼저 어떤 종류의 데이터베이스가 활용되는지 알아야 한다. 13종이 넘는 데이터베이스 중에서 백업 질문이 많이 생기는 관계형, 키-값, 문서, 와이드 컬럼 등 4종을 살펴보고, 각 유형에 따른 모범 수칙을 살펴본다. 이들 데이터베이스 모델을 이해하면 백업 팀과 데이터베이스 관리자 사이에 원활한 소통이 가능해져 서로 도움이 된다. 데이터베이스 4종 관계형(Relational) 관계형 데이터베이스는 스키마(레이아웃)가 정해져 있고 속성(값)이 하나 이상인 행에 레코드가 있는 일련의 테이블이다. 이들 테이블 사이에는 관계가 존재하기 때문에 관계형 데이터베이스라고 불리며, 백업 시에 모든 것을 백업하고 복원해야 한다. 관계형 데이터베이스의 예로는 오라클(Oracle), SQL 서버(SQL Server), 마이SQL(MySQL), 포스트그레SQL(PostgreSQL) 등이 있다. 키-값(Key-value) 키-값 데이터베이스는 키를 알면 값을 검색할 수 있는 노SQL(NoSQL) 데이터베이스의 일종으로 키와 값으로 구성된 스키마가 하나 있다. 키-값 데이터베이스의 예로는 레디스(Redis), 다이나모DB(DynamoDB) 등이 있다. 문서(Document) 문서 데이터베이스는 문서 저장에 특화된 노SQL 데이터베이스이다. 어떠한 획일적인 표준도 따를 필요가 없는 레코드에 매우 상이한 종류의 데이터를 저장할 수 있다. 그러한 데이터베이스에 문서를 저장할 때 JSON이 자주 사용된다. 문서 모델만 지원하는 데이터베이스로는 몽고DB가 단연 인기있다. 와이드 컬럼(Wide column) 와이드 컬럼 데이터베이스 역시 스키마가 없는 노SQL 데이터베이스로서 프리스키마(preschema) 없이 다수의 데이터 컬럼을 저장할 수 있다. 컬럼 이름과 키는 데이터베이스 전체에 걸쳐 정의할 수 있다. 와이드 컬럼 데이터베이스 중에서는 카산드라(Cassandra)가 가장 유명하다. 대부분의 관리자가 익숙한 관계형 데이터베이스 백업은, 매일 데이터베이스 덤프...

데이터베이스 관계형 문서형 와이드 컬럼 키-값 데이터베이스 일관성 모델

2022.03.02

데이터베이스를 백업하려면 먼저 어떤 종류의 데이터베이스가 활용되는지 알아야 한다. 13종이 넘는 데이터베이스 중에서 백업 질문이 많이 생기는 관계형, 키-값, 문서, 와이드 컬럼 등 4종을 살펴보고, 각 유형에 따른 모범 수칙을 살펴본다. 이들 데이터베이스 모델을 이해하면 백업 팀과 데이터베이스 관리자 사이에 원활한 소통이 가능해져 서로 도움이 된다. 데이터베이스 4종 관계형(Relational) 관계형 데이터베이스는 스키마(레이아웃)가 정해져 있고 속성(값)이 하나 이상인 행에 레코드가 있는 일련의 테이블이다. 이들 테이블 사이에는 관계가 존재하기 때문에 관계형 데이터베이스라고 불리며, 백업 시에 모든 것을 백업하고 복원해야 한다. 관계형 데이터베이스의 예로는 오라클(Oracle), SQL 서버(SQL Server), 마이SQL(MySQL), 포스트그레SQL(PostgreSQL) 등이 있다. 키-값(Key-value) 키-값 데이터베이스는 키를 알면 값을 검색할 수 있는 노SQL(NoSQL) 데이터베이스의 일종으로 키와 값으로 구성된 스키마가 하나 있다. 키-값 데이터베이스의 예로는 레디스(Redis), 다이나모DB(DynamoDB) 등이 있다. 문서(Document) 문서 데이터베이스는 문서 저장에 특화된 노SQL 데이터베이스이다. 어떠한 획일적인 표준도 따를 필요가 없는 레코드에 매우 상이한 종류의 데이터를 저장할 수 있다. 그러한 데이터베이스에 문서를 저장할 때 JSON이 자주 사용된다. 문서 모델만 지원하는 데이터베이스로는 몽고DB가 단연 인기있다. 와이드 컬럼(Wide column) 와이드 컬럼 데이터베이스 역시 스키마가 없는 노SQL 데이터베이스로서 프리스키마(preschema) 없이 다수의 데이터 컬럼을 저장할 수 있다. 컬럼 이름과 키는 데이터베이스 전체에 걸쳐 정의할 수 있다. 와이드 컬럼 데이터베이스 중에서는 카산드라(Cassandra)가 가장 유명하다. 대부분의 관리자가 익숙한 관계형 데이터베이스 백업은, 매일 데이터베이스 덤프...

2022.03.02

"올해로 3년 차" 몽고DB 코리아, 국내 비즈니스 성과 및 현황 발표 

몽고DB 코리아가 국내 미디어 간담회를 열고 최근 한국 시장에서의 비즈니스 성과 및 고객유치 현황을 공유했다.   지난 2018년 설립된 몽고DB 코리아는 지속적인 성장세를 이어가며 국내 데이터베이스 플랫폼 강자로 자리 잡고 있다. 빠른 성장세와 더불어 시장 진입 초기인 2019년 140여 곳이었던 국내 고객사 수도 작년 말 기준 450개 이상으로 전년대비 50% 대폭 증가하며 기업들의 데이터 기반 디지털 전환을 지원하는 조력자로 입지를 다져가고 있다고 밝혔다. 대표적으로 국내에서 대기업과 IT 기업, 스타트업 등 다양한 규모 및 업계의 기업이 몽고DB 솔루션을 활용하며 데이터베이스 현대화를 추진하고 있다. 몽고DB 코리아 신재성 지사장은 “올해로 3년 차에 접어든 팬데믹은 데이터와 소프트웨어를 기반으로 하는 몽고DB의 비즈니스 성장을 가속화하는 기회로 작용했다”라며, “특히, 한국 시장에서 가파른 성장 속도를 달성한 배경에는 개발자에게 어느 환경에서든지 구동될 수 있는 개발자 친화적인 애플리케이션 개발 환경을 제공하기 때문”이라고 설명했다. 몽고DB의 대표 서비스인 아틀라스는 애플리케이션 데이터 플랫폼(Application Data Platform)으로 개발자가 더욱 빠르고 효과적으로 애플리케이션을 구축, 관리 및 배포할 수 있게 한다.  몽고DB 코리아 김준 기술총괄상무는 “기존의 레거시 데이터 인프라 환경은 점차 다양해지는 서비스 개발 및 구축 환경에서 비용 및 시간의 비효율성을 초래한다”라면서, “애플리케이션 데이터 플랫폼은 최신 애플리케이션 데이터 작업을 위한 통합 인터페이스로, 넓은 범위로 확장 가능한 워크로드와 통합된 검색 엔진, 엣지부터 클라우드까지 유연한 데이터 보관을 지원하는 데이터 중심의 안전하고 신뢰할 수 있는 소프트웨어”라고 설명했다. 신재성 지사장은 더 나은 개발자 경험을 제공하기 위한 몽고DB 코리아의 향후 지원 및 비즈니스 방향에 대해서도 공유했다. 몽고DB는 AWS, 마이크로소프트 애저(Azure), ...

몽고DB 코리아 데이터베이스 데이터 인프라

2022.02.23

몽고DB 코리아가 국내 미디어 간담회를 열고 최근 한국 시장에서의 비즈니스 성과 및 고객유치 현황을 공유했다.   지난 2018년 설립된 몽고DB 코리아는 지속적인 성장세를 이어가며 국내 데이터베이스 플랫폼 강자로 자리 잡고 있다. 빠른 성장세와 더불어 시장 진입 초기인 2019년 140여 곳이었던 국내 고객사 수도 작년 말 기준 450개 이상으로 전년대비 50% 대폭 증가하며 기업들의 데이터 기반 디지털 전환을 지원하는 조력자로 입지를 다져가고 있다고 밝혔다. 대표적으로 국내에서 대기업과 IT 기업, 스타트업 등 다양한 규모 및 업계의 기업이 몽고DB 솔루션을 활용하며 데이터베이스 현대화를 추진하고 있다. 몽고DB 코리아 신재성 지사장은 “올해로 3년 차에 접어든 팬데믹은 데이터와 소프트웨어를 기반으로 하는 몽고DB의 비즈니스 성장을 가속화하는 기회로 작용했다”라며, “특히, 한국 시장에서 가파른 성장 속도를 달성한 배경에는 개발자에게 어느 환경에서든지 구동될 수 있는 개발자 친화적인 애플리케이션 개발 환경을 제공하기 때문”이라고 설명했다. 몽고DB의 대표 서비스인 아틀라스는 애플리케이션 데이터 플랫폼(Application Data Platform)으로 개발자가 더욱 빠르고 효과적으로 애플리케이션을 구축, 관리 및 배포할 수 있게 한다.  몽고DB 코리아 김준 기술총괄상무는 “기존의 레거시 데이터 인프라 환경은 점차 다양해지는 서비스 개발 및 구축 환경에서 비용 및 시간의 비효율성을 초래한다”라면서, “애플리케이션 데이터 플랫폼은 최신 애플리케이션 데이터 작업을 위한 통합 인터페이스로, 넓은 범위로 확장 가능한 워크로드와 통합된 검색 엔진, 엣지부터 클라우드까지 유연한 데이터 보관을 지원하는 데이터 중심의 안전하고 신뢰할 수 있는 소프트웨어”라고 설명했다. 신재성 지사장은 더 나은 개발자 경험을 제공하기 위한 몽고DB 코리아의 향후 지원 및 비즈니스 방향에 대해서도 공유했다. 몽고DB는 AWS, 마이크로소프트 애저(Azure), ...

2022.02.23

분석을 위해 등장한 데이터베이스··· OLAP 따라잡기

OLAP(Online analytical processing ; 온라인 분석 처리) 데이터베이스는 분석 질의를 처리할 목적으로 구축된 데이터베이스이다.  분석 쿼리를 OLTP(online transaction-processing ; 온라인 트랜잭션 처리) 데이터베이스 상에서 실행하면 다음과 같은 이유로 회신 시간이 오래 걸린다. 첫째, OLTP 데이터베이스는 대개 제3정규형(3NF)이다. 복잡한 JOIN 연산을 여러 테이블에 수행해야 하므로 분석 질의에 컴퓨팅 자원이 많이 든다. 둘째, 읽기 작업이 많은 분석 질의는 인덱스가 더 많아야 유리한데 OLTP 데이터베이스는 쓰기 속도를 최적화하기 위해 인덱스가 적은 편이다. 셋째, 소규모 트랜잭션으로 계속 바쁜 OLTP 데이터베이스에서 긴 분석 질의를 실행하면 (주로 인덱스에 대한) 경쟁이 야기되어 트랜잭션 속도와 질의 속도 모두 저하된다. 이러한 문제를 해결하기 위해 OLAP 데이터베이스는 최적화된 별도의 분석 질의용 데이터베이스로 등장했다. 데이터베이스를 분석용으로 최적화하는 방법은 다음과 같다. OLAP에 대한 설명 OLAP 데이터베이스는 데이터 웨어하우스 또는 데이터 마트에서 나온 대량의 데이터를 다차원적으로 분석할 때 속도를 높일 목적으로 설계됐다. 분석 속도를 높이는 방법으로는 OLAP 큐브라는 다차원 형식으로 관계형 데이터를 추출해 넣는 방법, 분석할 데이터를 메모리 내에 불러들이거나 열 순서로 저장하는 방법, 여러 CPU를 병렬로 활용한(고도 병렬 처리(MPP)) 분석 수행 방법 등이 있다. ETL 및 ELT OLAP를 구현하려면 데이터를 트랜잭션 데이터베이스에서 꺼내 분석 데이터베이스로 넣는 프로세스를 정립해야 한다. 예전에는 이를 위해 밤마다 데이터 추출, 변환 및 로드(ETL) 작업이 일괄적으로 수행되곤 했다.  하드웨어와 소프트웨어가 개선되면서 ETL 일괄 작업 대신 연속 데이터 스트림이 사용되는 경우가 많아졌고 변환(T) 단계가 로드(L) 이후의 프로세스 말미로 미...

OLAP OLTP 데이터베이스 ETL ELT MOLAP ROLAP HOLAP

2022.02.15

OLAP(Online analytical processing ; 온라인 분석 처리) 데이터베이스는 분석 질의를 처리할 목적으로 구축된 데이터베이스이다.  분석 쿼리를 OLTP(online transaction-processing ; 온라인 트랜잭션 처리) 데이터베이스 상에서 실행하면 다음과 같은 이유로 회신 시간이 오래 걸린다. 첫째, OLTP 데이터베이스는 대개 제3정규형(3NF)이다. 복잡한 JOIN 연산을 여러 테이블에 수행해야 하므로 분석 질의에 컴퓨팅 자원이 많이 든다. 둘째, 읽기 작업이 많은 분석 질의는 인덱스가 더 많아야 유리한데 OLTP 데이터베이스는 쓰기 속도를 최적화하기 위해 인덱스가 적은 편이다. 셋째, 소규모 트랜잭션으로 계속 바쁜 OLTP 데이터베이스에서 긴 분석 질의를 실행하면 (주로 인덱스에 대한) 경쟁이 야기되어 트랜잭션 속도와 질의 속도 모두 저하된다. 이러한 문제를 해결하기 위해 OLAP 데이터베이스는 최적화된 별도의 분석 질의용 데이터베이스로 등장했다. 데이터베이스를 분석용으로 최적화하는 방법은 다음과 같다. OLAP에 대한 설명 OLAP 데이터베이스는 데이터 웨어하우스 또는 데이터 마트에서 나온 대량의 데이터를 다차원적으로 분석할 때 속도를 높일 목적으로 설계됐다. 분석 속도를 높이는 방법으로는 OLAP 큐브라는 다차원 형식으로 관계형 데이터를 추출해 넣는 방법, 분석할 데이터를 메모리 내에 불러들이거나 열 순서로 저장하는 방법, 여러 CPU를 병렬로 활용한(고도 병렬 처리(MPP)) 분석 수행 방법 등이 있다. ETL 및 ELT OLAP를 구현하려면 데이터를 트랜잭션 데이터베이스에서 꺼내 분석 데이터베이스로 넣는 프로세스를 정립해야 한다. 예전에는 이를 위해 밤마다 데이터 추출, 변환 및 로드(ETL) 작업이 일괄적으로 수행되곤 했다.  하드웨어와 소프트웨어가 개선되면서 ETL 일괄 작업 대신 연속 데이터 스트림이 사용되는 경우가 많아졌고 변환(T) 단계가 로드(L) 이후의 프로세스 말미로 미...

2022.02.15

구름에 올라타라··· 거부할 수 없는 ‘클라우드 혁신’ 16가지

‘퍼블릭 클라우드’와 관련해 대부분 가장 먼저 고려하는 것이 바로 비용이다. 대용량 데이터센터에서 클라우드로 워크로드를 이동시키면 자본 지출(CapEx)은 감소하더라도 운영 비용(OpEx)이 증가하기 때문이다. 이는 CFO에게 매력적이거나 매력적이지 않을 수 있다. 하지만 개발팀, 운영팀 또는 데브옵스 팀에게는 환영할 만한 일이다. 클라우드 컴퓨팅이 이를테면 신규 소프트웨어 서비스를 위해 새로운 서버 하드웨어 또는 엔터프라이즈 소프트웨어 제품군을 구매해야 할 때 (기존에는) 누릴 수 없었던 수많은 이점을 제공하기 때문이다. 예를 들어 온프레미스에 배포하는 데 6개월이 걸렸던 작업을 클라우드에서는 10분 만에 끝낼 수 있다. 또 온프레미스에서는 3개 관리 계층의 서명이 필요하던 작업을 클라우드에서는 신용카드로 청구할 수 있다.  단순히 시간과 편의의 문제가 아니다. 예를 들면 클라우드를 통해 소프트웨어 개발 속도를 높여 출시 시간(Time To Market; TTM)을 단축할 수 있고, 더 많은 테스트가 가능해져 소프트웨어 품질을 향상시킬 수도 있다.  클라우드에는 즉각적인 이점을 제공할 뿐만 아니라 온프레미스 컴퓨팅의 오래된 문제를 해결할 수 있는 ‘진정한 혁신’이 있다. 여기서는 매력적인 클라우드 기능 16가지를 소개한다.    온디맨드 컴퓨팅 인스턴스 자체 온프레미스 서버에 새 데이터베이스가 필요한가? (비유하자면) 기존에는 줄을 서서 몇 년은 아니더라도 몇 개월을 기다려야 했다. 또는 물리적인 서버 대신에 온프레미스 VM을 사용하고, VM웨어나 유사한 기술을 쓰고 있다면 (이 과제를) 몇 주 만에 해결할 수 있었다. 하지만 퍼블릭 클라우드에서 서버 인스턴스를 생성한다면 약 15분 만에 (이를) 프로비저닝하고 실행할 수 있으며, 필요에 따라 크기를 설정하고, 사용하지 않을 때는 끌 수 있다. 사전 구축된 VM 이미지 원하는 운영체제로 VM을 실행할 수 있는 기능은 편리하지만 (이를 위해서는) 필요한 애플리케이션...

클라우드 VM 서버리스 컨테이너 도커 쿠버네티스 데이터베이스 하이브리드 클라우드 머신러닝 모니터링 엣지 컴퓨팅

2022.01.12

‘퍼블릭 클라우드’와 관련해 대부분 가장 먼저 고려하는 것이 바로 비용이다. 대용량 데이터센터에서 클라우드로 워크로드를 이동시키면 자본 지출(CapEx)은 감소하더라도 운영 비용(OpEx)이 증가하기 때문이다. 이는 CFO에게 매력적이거나 매력적이지 않을 수 있다. 하지만 개발팀, 운영팀 또는 데브옵스 팀에게는 환영할 만한 일이다. 클라우드 컴퓨팅이 이를테면 신규 소프트웨어 서비스를 위해 새로운 서버 하드웨어 또는 엔터프라이즈 소프트웨어 제품군을 구매해야 할 때 (기존에는) 누릴 수 없었던 수많은 이점을 제공하기 때문이다. 예를 들어 온프레미스에 배포하는 데 6개월이 걸렸던 작업을 클라우드에서는 10분 만에 끝낼 수 있다. 또 온프레미스에서는 3개 관리 계층의 서명이 필요하던 작업을 클라우드에서는 신용카드로 청구할 수 있다.  단순히 시간과 편의의 문제가 아니다. 예를 들면 클라우드를 통해 소프트웨어 개발 속도를 높여 출시 시간(Time To Market; TTM)을 단축할 수 있고, 더 많은 테스트가 가능해져 소프트웨어 품질을 향상시킬 수도 있다.  클라우드에는 즉각적인 이점을 제공할 뿐만 아니라 온프레미스 컴퓨팅의 오래된 문제를 해결할 수 있는 ‘진정한 혁신’이 있다. 여기서는 매력적인 클라우드 기능 16가지를 소개한다.    온디맨드 컴퓨팅 인스턴스 자체 온프레미스 서버에 새 데이터베이스가 필요한가? (비유하자면) 기존에는 줄을 서서 몇 년은 아니더라도 몇 개월을 기다려야 했다. 또는 물리적인 서버 대신에 온프레미스 VM을 사용하고, VM웨어나 유사한 기술을 쓰고 있다면 (이 과제를) 몇 주 만에 해결할 수 있었다. 하지만 퍼블릭 클라우드에서 서버 인스턴스를 생성한다면 약 15분 만에 (이를) 프로비저닝하고 실행할 수 있으며, 필요에 따라 크기를 설정하고, 사용하지 않을 때는 끌 수 있다. 사전 구축된 VM 이미지 원하는 운영체제로 VM을 실행할 수 있는 기능은 편리하지만 (이를 위해서는) 필요한 애플리케이션...

2022.01.12

귀중한 정보 망친다··· 데이터베이스 보안 '지뢰' 12가지

오늘날 대부분의 기업 인프라에서 ‘데이터베이스’는 모든 비밀이 기다리는 곳이다. 부분적으로 이는 지극히 개인적이거나 굉장히 가치 있을 수 있는 정보의 은신처이자 대기실이며 활동 무대다. 모든 침입에 맞서 이러한 데이터베이스를 보호하는 일은 데이터베이스 관리자, 개발자, 데브옵스 팀에게 가장 중요한 일이다.  안타깝게도, 그 일은 쉽지 않다. 제공 업체는 모든 도구를 제공하며, 적절한 보안 조치를 구축하고 문서화한다. 그런데도 (바보 같은 것이든 이해할 수 있는 것이든) 수십 가지의 잠재적인 오류와 실수가 존재하며, 이로 인해 데이터베이스 보호는 끝없는 과제가 된다.  공격자가 악용하려고 하는 데이터베이스의 주요 취약점을 소개한다.    1. 부적절한 액세스 관리 많은 데이터베이스가 자체 시스템에 상주하기 때문에 이 시스템은 가능한 한 잠겨 있어야 한다. 필수 사용자만 데이터베이스 관리자로 로그인할 수 있어야 하며, 로그인은 협소한 범위의 네트워크 및 기타 시스템으로 제한돼야 한다.  방화벽은 IP주소를 차단할 수 있다. 동일한 규칙이 운영체제 계층에도 적용돼야 하며, 가상 머신에서 실행 중이라면 이는 하이퍼바이저 또는 클라우드 관리에도 적용돼야 한다. 이런 제한 조치는 소프트웨어 업데이트 및 문제 해결 작업을 지연시키지만 공격자가 갈 수 있는 경로를 제한하는 일은 그만한 가치를 지닌다.  2. 손쉬운 물리적 접근 공격자가 서버실 안에서 무슨 짓을 할지 알 수 없다. 클라우드 회사와 코로케이션 시설은 접근이 제한되고 경비가 삼엄한 건물 내에 잠금 장치된 케이지를 제공한다. 데이터가 자체 데이터센터에 로컬로 보관돼 있다면 똑같은 규칙을 따라야 한다. 디스크 드라이브가 보관돼 있는 방에는 반드시 신뢰할 수 있는 소수만이 접근할 수 있도록 조치해야 한다. 3. 보호되지 않은 백업 데이터베이스 서버의 보안 작업은 훌륭하게 수행하면서도 백업 보안은 소홀히 하는 경우가 드물지 않다. 백업에도 동일한 정보가 ...

데이터베이스 데이터 보안 백업 암호화 네트워크

2021.09.13

오늘날 대부분의 기업 인프라에서 ‘데이터베이스’는 모든 비밀이 기다리는 곳이다. 부분적으로 이는 지극히 개인적이거나 굉장히 가치 있을 수 있는 정보의 은신처이자 대기실이며 활동 무대다. 모든 침입에 맞서 이러한 데이터베이스를 보호하는 일은 데이터베이스 관리자, 개발자, 데브옵스 팀에게 가장 중요한 일이다.  안타깝게도, 그 일은 쉽지 않다. 제공 업체는 모든 도구를 제공하며, 적절한 보안 조치를 구축하고 문서화한다. 그런데도 (바보 같은 것이든 이해할 수 있는 것이든) 수십 가지의 잠재적인 오류와 실수가 존재하며, 이로 인해 데이터베이스 보호는 끝없는 과제가 된다.  공격자가 악용하려고 하는 데이터베이스의 주요 취약점을 소개한다.    1. 부적절한 액세스 관리 많은 데이터베이스가 자체 시스템에 상주하기 때문에 이 시스템은 가능한 한 잠겨 있어야 한다. 필수 사용자만 데이터베이스 관리자로 로그인할 수 있어야 하며, 로그인은 협소한 범위의 네트워크 및 기타 시스템으로 제한돼야 한다.  방화벽은 IP주소를 차단할 수 있다. 동일한 규칙이 운영체제 계층에도 적용돼야 하며, 가상 머신에서 실행 중이라면 이는 하이퍼바이저 또는 클라우드 관리에도 적용돼야 한다. 이런 제한 조치는 소프트웨어 업데이트 및 문제 해결 작업을 지연시키지만 공격자가 갈 수 있는 경로를 제한하는 일은 그만한 가치를 지닌다.  2. 손쉬운 물리적 접근 공격자가 서버실 안에서 무슨 짓을 할지 알 수 없다. 클라우드 회사와 코로케이션 시설은 접근이 제한되고 경비가 삼엄한 건물 내에 잠금 장치된 케이지를 제공한다. 데이터가 자체 데이터센터에 로컬로 보관돼 있다면 똑같은 규칙을 따라야 한다. 디스크 드라이브가 보관돼 있는 방에는 반드시 신뢰할 수 있는 소수만이 접근할 수 있도록 조치해야 한다. 3. 보호되지 않은 백업 데이터베이스 서버의 보안 작업은 훌륭하게 수행하면서도 백업 보안은 소홀히 하는 경우가 드물지 않다. 백업에도 동일한 정보가 ...

2021.09.13

스프레드시트를 생산성 도구로...'구글 테이블' A to Z

아직도 구글의 ‘테이블(Tables)’ 도구를 살펴보지 않았다면 지금 당장 시도해볼 것을 추천한다.  데이터를 다루는 게 확실히 예전 같지 않다. 현대 컴퓨팅의 선사시대로 거슬러 올라가 보자(대략 2012년 정도를 말하는 것이다). 당시 비즈니스를 체계화하려면 지저분한 스프레드시트와 온갖 복잡한 공식을 관리해야 했다. 그리고 이를 처리하기 위해 ‘공식(formulae)’과 같은 단어를 사용하는 그런 사람이 돼야 했다.    요즘에는 보통 사람이라면 누구나 코드 없이 정보를 다룰 수 있는 도구가 많아졌다. 이를테면 에어테이블(Airtable)부터 마이크로소프트 리스트(Microsoft Lists), 다른 여러 종류의 고급 데이터 관리 앱까지 최소한의 노력으로 정보를 정리하고 체계화할 수 있도록 해주는 프로그램이 아주 많다.  당연히 구글도 이 분야에 뛰어들었다. 지난 2020년 9월 구글은 흔히 해왔던 ‘실험(Experiments)’의 일환으로 작업 추적 도구인 테이블(Tables)을 출시했다. 그리고 현재 이 테이블을 본격적인 구글 클라우드 생산성 제품으로 전환하고 있는 중이다.  다만 최종 버전은 가까운 시일 내에 제공되긴 어려울 전망이다. 하지만 완전히 무료인 베타 버전을 테스트해 구글이 내놓은 요리를 맛볼 순 있다(구글은 내년 중에 출시를 계획하고 있다고 밝혔다). 경쟁 제품과 비교해 테이블의 가장 큰 장점은 단순하다는 것 그리고 구글 생태계와 원활하게 통합된다는 것이다. 여기서는 테이블의 기능과 이것이 어떻게 비즈니스 효율성을 향상시킬 수 있는지 살펴본다.  기본 사항 구글 테이블을 시작하는 가장 쉬운 방법은 웹 사이트를 열고, 사이트의 왼쪽 사이드바 메뉴에서 ‘템플릿(Templates)’ 탭을 클릭하는 것이다. 그러면 시작 지점으로 사용할 수 있도록 미리 만들어진 테이블 목록이 표시된다. 이를 사용자의 니즈에 맞게 수정할 수 있다. 템플릿은 ‘관리 및 IT(Admin & IT)...

구글 테이블 구글 워크스페이스 생산성 소프트웨어 협업 소프트웨어 노코드 스프레드시트 데이터베이스

2021.08.26

아직도 구글의 ‘테이블(Tables)’ 도구를 살펴보지 않았다면 지금 당장 시도해볼 것을 추천한다.  데이터를 다루는 게 확실히 예전 같지 않다. 현대 컴퓨팅의 선사시대로 거슬러 올라가 보자(대략 2012년 정도를 말하는 것이다). 당시 비즈니스를 체계화하려면 지저분한 스프레드시트와 온갖 복잡한 공식을 관리해야 했다. 그리고 이를 처리하기 위해 ‘공식(formulae)’과 같은 단어를 사용하는 그런 사람이 돼야 했다.    요즘에는 보통 사람이라면 누구나 코드 없이 정보를 다룰 수 있는 도구가 많아졌다. 이를테면 에어테이블(Airtable)부터 마이크로소프트 리스트(Microsoft Lists), 다른 여러 종류의 고급 데이터 관리 앱까지 최소한의 노력으로 정보를 정리하고 체계화할 수 있도록 해주는 프로그램이 아주 많다.  당연히 구글도 이 분야에 뛰어들었다. 지난 2020년 9월 구글은 흔히 해왔던 ‘실험(Experiments)’의 일환으로 작업 추적 도구인 테이블(Tables)을 출시했다. 그리고 현재 이 테이블을 본격적인 구글 클라우드 생산성 제품으로 전환하고 있는 중이다.  다만 최종 버전은 가까운 시일 내에 제공되긴 어려울 전망이다. 하지만 완전히 무료인 베타 버전을 테스트해 구글이 내놓은 요리를 맛볼 순 있다(구글은 내년 중에 출시를 계획하고 있다고 밝혔다). 경쟁 제품과 비교해 테이블의 가장 큰 장점은 단순하다는 것 그리고 구글 생태계와 원활하게 통합된다는 것이다. 여기서는 테이블의 기능과 이것이 어떻게 비즈니스 효율성을 향상시킬 수 있는지 살펴본다.  기본 사항 구글 테이블을 시작하는 가장 쉬운 방법은 웹 사이트를 열고, 사이트의 왼쪽 사이드바 메뉴에서 ‘템플릿(Templates)’ 탭을 클릭하는 것이다. 그러면 시작 지점으로 사용할 수 있도록 미리 만들어진 테이블 목록이 표시된다. 이를 사용자의 니즈에 맞게 수정할 수 있다. 템플릿은 ‘관리 및 IT(Admin & IT)...

2021.08.26

칼럼|데이터베이스의 '주류 교체', 숨막히게 더딜지라도...

데이터베이스의 인기는 몇 년이 아닌 십수 년을 주기로 오르내린다. 미래에 기업 전반에서 대세로 자리잡을 데이터베이스가 지금은 현재 개발자의 눈길을 끄는 단계일 수 있다.  한번 손에 익은 데이터베이스는 여간해선 바꾸기 어렵다. 오라클 데이터베이스가 그렇다. 스택오버플로우가 올해 7만 2,517명의 개발자를 대상으로 실시한 설문조사에 따르면 개발자들은 '가장 두려운'(most dreaded) 데이터베이스로 오라클을 꼽았다. 그럼에도 오라클은 데이터베이스로 수십억 달러의 매출을 끊임없이 달성하고 있다.    하지만 이를 꼭 나쁘게 볼 필요는 없다. 지난해(그리고 2019년, 2018년, 2017년, 2016년에도) 레디스는 개발자들이 '가장 선호하는' 데이터베이스로 꼽혔고, 포스트그레SQL과 몽고 DB가 그 뒤를 이었다. 이는 지난 2017년 데이터베이스 선호 순위와 대체로 같았다. 다만 SQL서버는 그때 이후로 순위가 하락했고 구글의 파이어베이스는 순위가 상승했다. 즉 개발자들의 데이터베이스 선호도는 잘 바뀌지 않는다. 선호도가 자주 변화하는 웹 프레임워크와 비교된다. 가트너의 머브 아드리안은 "레거시 데이터베이스를 존속시키는 가장 큰 힘은 관성"이라고 말한 바 있다. 그런 이유로 새로운 데이터베이스를 구축하는 데는 오랜 시간이 걸리지만 한때 사랑받았던 데이터베이스를 폐기하는 데는 더 오랜 시간이 걸린다. 심지어 개발자가 이직하더라도 기업은 사용하던 데이터베이스를 바꾸지 않곤 한다.  한 걸음 나아가 생각하면 다음과 같은 예측도 가능하다. 현재 개발자들이 선호하는 데이터베이스가 앞으로 10년간 기업 전반에 자리잡게 될 것이라는 예측이다. 많은 것이 변화하지만... 오늘날처럼 선택 가능한 데이터베이스가 많은 시대도 없다. DB-엔진에 따르면 현재 시중에는 373개의 데이터베이스가 있다. 그중 오라클, 마이SQL, 마이크로소프트 SQL 서버처럼 비교적 역사가 오래된 것과 몽고 DB,...

데이터베이스 오라클 레디스 포스트그레SQL 몽고 DB 파이어베이스 DB-엔진 마이 SQL 마이크로소프트 SQL

2021.08.11

데이터베이스의 인기는 몇 년이 아닌 십수 년을 주기로 오르내린다. 미래에 기업 전반에서 대세로 자리잡을 데이터베이스가 지금은 현재 개발자의 눈길을 끄는 단계일 수 있다.  한번 손에 익은 데이터베이스는 여간해선 바꾸기 어렵다. 오라클 데이터베이스가 그렇다. 스택오버플로우가 올해 7만 2,517명의 개발자를 대상으로 실시한 설문조사에 따르면 개발자들은 '가장 두려운'(most dreaded) 데이터베이스로 오라클을 꼽았다. 그럼에도 오라클은 데이터베이스로 수십억 달러의 매출을 끊임없이 달성하고 있다.    하지만 이를 꼭 나쁘게 볼 필요는 없다. 지난해(그리고 2019년, 2018년, 2017년, 2016년에도) 레디스는 개발자들이 '가장 선호하는' 데이터베이스로 꼽혔고, 포스트그레SQL과 몽고 DB가 그 뒤를 이었다. 이는 지난 2017년 데이터베이스 선호 순위와 대체로 같았다. 다만 SQL서버는 그때 이후로 순위가 하락했고 구글의 파이어베이스는 순위가 상승했다. 즉 개발자들의 데이터베이스 선호도는 잘 바뀌지 않는다. 선호도가 자주 변화하는 웹 프레임워크와 비교된다. 가트너의 머브 아드리안은 "레거시 데이터베이스를 존속시키는 가장 큰 힘은 관성"이라고 말한 바 있다. 그런 이유로 새로운 데이터베이스를 구축하는 데는 오랜 시간이 걸리지만 한때 사랑받았던 데이터베이스를 폐기하는 데는 더 오랜 시간이 걸린다. 심지어 개발자가 이직하더라도 기업은 사용하던 데이터베이스를 바꾸지 않곤 한다.  한 걸음 나아가 생각하면 다음과 같은 예측도 가능하다. 현재 개발자들이 선호하는 데이터베이스가 앞으로 10년간 기업 전반에 자리잡게 될 것이라는 예측이다. 많은 것이 변화하지만... 오늘날처럼 선택 가능한 데이터베이스가 많은 시대도 없다. DB-엔진에 따르면 현재 시중에는 373개의 데이터베이스가 있다. 그중 오라클, 마이SQL, 마이크로소프트 SQL 서버처럼 비교적 역사가 오래된 것과 몽고 DB,...

2021.08.11

칼럼ㅣ공공 데이터의 가치를 활용하는 6가지 방법

공공 및 민간기관들은 각종 데이터를 무료로 제공하고 있다. 이 공공 데이터를 활용해 비즈니스 성공을 도모할 수 있는 6가지 방법을 살펴본다.  세계은행, IMF, 세계보건기구 같은 NGO뿐만 아니라 각국 중앙 및 지방 정부는 웹 포털을 통해 데이터세트를 제공하고 있다.  이를테면 미국은 data.gov라는 공공 데이터 포털에서 32만 개의 데이터세트를 제공한다. 영국의 경우 data.gov.uk에서 5만 1,000개, 유럽은 EU 포털로 136만 개의 데이터세트를 지원한다. 이를 통해 소비자 지출, 날씨, 지도 작성, 기업 재정, 공공 조달 계약 등에 관한 데이터를 무료로 다운로드할 수 있다.    구글과 옐프 같은 기업에서 제공하는 민간 데이터도 있다. 구글은 전 세계의 검색 행태 데이터를, 옐프는 16만 1,000개의 미국 기업에 대한 860만 개의 리뷰를 공공 데이터세트로 지원한다.  이 데이터의 경제적 가치를 추산하긴 어렵지만 맥킨지는 이를 효율적으로 사용한다면 세계 경제 전반에 걸쳐 미화 3조 달러(한화 약 3,425조 원)의 가치가 창출될 것이라고 전망했다. EU는 2020년에 공공 데이터가 898억 달러(한화 약 102조 5,800억 원)의 가치를 지닐 것이라고 예상하기도 했다.  기업은 이같은 공공 데이터를 활용해 혁신을 가속화하고, 비용을 절감하며, 경쟁력을 향상시킬 수 있다. 구체적인 방법 6가지는 다음과 같다.  1. 신규 및 잠재 시장에 대한 이해도 향상 구글 검색 데이터를 조회하면 소비자 선호도와 관심사를 바로 파악할 수 있다. 구글 트렌드를 통해서는 시간과 지역에 따른 검색어의 상대적 인기도를 추적할 수 있다. 구글의 인터넷 검색 시장 점유율은 90%를 상회한다. 다시 말해, 해당 데이터를 활용하면 소비자 행동을 파악하기가 훨씬 쉽다는 의미다. 이 밖에 검색 인사이트와 소비자 지출에 관한 공공 데이터(예: 미국 개인...

공공 데이터 민간 데이터 구글 트렌드 데이터베이스 오픈코퍼레이트 판지바 시티매퍼 투셀 공공 DB

2021.08.06

공공 및 민간기관들은 각종 데이터를 무료로 제공하고 있다. 이 공공 데이터를 활용해 비즈니스 성공을 도모할 수 있는 6가지 방법을 살펴본다.  세계은행, IMF, 세계보건기구 같은 NGO뿐만 아니라 각국 중앙 및 지방 정부는 웹 포털을 통해 데이터세트를 제공하고 있다.  이를테면 미국은 data.gov라는 공공 데이터 포털에서 32만 개의 데이터세트를 제공한다. 영국의 경우 data.gov.uk에서 5만 1,000개, 유럽은 EU 포털로 136만 개의 데이터세트를 지원한다. 이를 통해 소비자 지출, 날씨, 지도 작성, 기업 재정, 공공 조달 계약 등에 관한 데이터를 무료로 다운로드할 수 있다.    구글과 옐프 같은 기업에서 제공하는 민간 데이터도 있다. 구글은 전 세계의 검색 행태 데이터를, 옐프는 16만 1,000개의 미국 기업에 대한 860만 개의 리뷰를 공공 데이터세트로 지원한다.  이 데이터의 경제적 가치를 추산하긴 어렵지만 맥킨지는 이를 효율적으로 사용한다면 세계 경제 전반에 걸쳐 미화 3조 달러(한화 약 3,425조 원)의 가치가 창출될 것이라고 전망했다. EU는 2020년에 공공 데이터가 898억 달러(한화 약 102조 5,800억 원)의 가치를 지닐 것이라고 예상하기도 했다.  기업은 이같은 공공 데이터를 활용해 혁신을 가속화하고, 비용을 절감하며, 경쟁력을 향상시킬 수 있다. 구체적인 방법 6가지는 다음과 같다.  1. 신규 및 잠재 시장에 대한 이해도 향상 구글 검색 데이터를 조회하면 소비자 선호도와 관심사를 바로 파악할 수 있다. 구글 트렌드를 통해서는 시간과 지역에 따른 검색어의 상대적 인기도를 추적할 수 있다. 구글의 인터넷 검색 시장 점유율은 90%를 상회한다. 다시 말해, 해당 데이터를 활용하면 소비자 행동을 파악하기가 훨씬 쉽다는 의미다. 이 밖에 검색 인사이트와 소비자 지출에 관한 공공 데이터(예: 미국 개인...

2021.08.06

블로그 | '대화가 필요한' 클라우드 데이터베이스와 클라우드 인프라

개발팀과 배치팀 대부분은 이전보다는 클라우드 컴퓨팅 관련 작업을 잘한다. 또한 애자일과 데브옵스/데브섹옵스의 부상으로 운영팀과 개발팀이 좀 더 밀접하게 일할 수 있는 기반이 마련됐다. 이제 개발팀은 운영팀과 함께 일하는 데 부담을 느끼지 않는다.   하지만 이런 체계에도 빈틈은 있다. 말하자면, 클라우드 데이터베이스 설계 담당자는 인프라 아키텍트와 제대로 동기화되지 않은 것으로 보인다. 스토리지와 컴퓨트 등 클라우드 데이터베이스에 중요한 자원을 제공하는 사람인데 말이다. 이런 관계는 결국 나쁜 결과물로 이어진다. 핵심 비즈니스를 처리하는 데이터베이스가 자원이 부족해지고, 누군가의 모니터링 콘솔에 경고 메시지가 나타난 후에나 고쳐진다. 하지만 그러는 동안 데이터베이스를 제 기능을 못하고 중요한 비즈니스 트랜잭션은 타격을 받는다. 확실한 서비스 중단이 발생할 수도 있다. 트랜잭션을 처리 중에 자원이 떨어진 데이터베이스가 아무런 경고도 없이 동작을 멈추는 것이다. 이 사태는 데이터베이스 자체를 붕괴시킬 수 있기 때문에 마지막 백업만이 살 길이 된다. 문제는 클라우드 기반 데이터베이스가 모두 똑같지 않은데, 클라우드 인프라 엔지니어는 똑같다고 생각한다는 것이다. 물론 일부 서버리스 방식 데이터베이스는 필요한 자원을 자동으로 할당하고 담당자는 월말에 사용한 만큼의 비용만 내면 된다. 하지만 대부분 클라우드 데이터베이스는 인프라 담당자가 데이터베이스에 대한 상당한 지식을 갖출 것을 요구한다. 데이터베이스의 수는 물론, 용량, 필요한 스토리지의 종류, 데이터베이스 성장 속도, 데이터 캐시 사용, CPU 종류와 규모 등을 파악해야 한다. 온프레미스 데이터베이스를 구성하고 서버 규모를 잡는 것과 너무 비슷하게 느껴질 것이다. 사실이 그렇다. 인기있는 전통 데이터베이스 중 다수가 여전히 온프레미스와 퍼블릭 클라우드를 구분하지 않는다. 그래서 특정 데이터베이스를 위한 시스템 규모를 설정하고 사용량을 가정하는 과정은 거의 같다. 해법은 모두가 알고 있다. 진짜 ...

데이터베이스 아키텍트 데브옵스 커뮤니케이션

2021.08.05

개발팀과 배치팀 대부분은 이전보다는 클라우드 컴퓨팅 관련 작업을 잘한다. 또한 애자일과 데브옵스/데브섹옵스의 부상으로 운영팀과 개발팀이 좀 더 밀접하게 일할 수 있는 기반이 마련됐다. 이제 개발팀은 운영팀과 함께 일하는 데 부담을 느끼지 않는다.   하지만 이런 체계에도 빈틈은 있다. 말하자면, 클라우드 데이터베이스 설계 담당자는 인프라 아키텍트와 제대로 동기화되지 않은 것으로 보인다. 스토리지와 컴퓨트 등 클라우드 데이터베이스에 중요한 자원을 제공하는 사람인데 말이다. 이런 관계는 결국 나쁜 결과물로 이어진다. 핵심 비즈니스를 처리하는 데이터베이스가 자원이 부족해지고, 누군가의 모니터링 콘솔에 경고 메시지가 나타난 후에나 고쳐진다. 하지만 그러는 동안 데이터베이스를 제 기능을 못하고 중요한 비즈니스 트랜잭션은 타격을 받는다. 확실한 서비스 중단이 발생할 수도 있다. 트랜잭션을 처리 중에 자원이 떨어진 데이터베이스가 아무런 경고도 없이 동작을 멈추는 것이다. 이 사태는 데이터베이스 자체를 붕괴시킬 수 있기 때문에 마지막 백업만이 살 길이 된다. 문제는 클라우드 기반 데이터베이스가 모두 똑같지 않은데, 클라우드 인프라 엔지니어는 똑같다고 생각한다는 것이다. 물론 일부 서버리스 방식 데이터베이스는 필요한 자원을 자동으로 할당하고 담당자는 월말에 사용한 만큼의 비용만 내면 된다. 하지만 대부분 클라우드 데이터베이스는 인프라 담당자가 데이터베이스에 대한 상당한 지식을 갖출 것을 요구한다. 데이터베이스의 수는 물론, 용량, 필요한 스토리지의 종류, 데이터베이스 성장 속도, 데이터 캐시 사용, CPU 종류와 규모 등을 파악해야 한다. 온프레미스 데이터베이스를 구성하고 서버 규모를 잡는 것과 너무 비슷하게 느껴질 것이다. 사실이 그렇다. 인기있는 전통 데이터베이스 중 다수가 여전히 온프레미스와 퍼블릭 클라우드를 구분하지 않는다. 그래서 특정 데이터베이스를 위한 시스템 규모를 설정하고 사용량을 가정하는 과정은 거의 같다. 해법은 모두가 알고 있다. 진짜 ...

2021.08.05

칼럼|'현재'와 '과거'를 결합하라··· 데이터 플랫폼의 넥스트 스텝

데이터가 생성되자마자 인사이트, 액션, 가치를 제공해줄 수 있는 새 플랫폼은 데이터 처리가 나아가야 할 다음 단계다. 코로나19 사태 이후 디지털 이니셔티브가 가속화됨에 따라, IT 지출이 내년쯤이면 2019년 수준으로 회복될 것으로 예상된다. 가트너는 데이터베이스, 애널리틱스 및 비즈니스 인텔리전스를 비롯한 기업용 소프트웨어에 대한 지출이 가장 빠르게 늘어날 것이라고 전망했다.   데이터로부터 인사이트든 거래든 모종의 가치를 이끌어내는 일은 비즈니스 성과를 개선하는 데 있어 핵심적이다. 이는 데이터베이스 및 애널리틱스 시장의 가치가 2,000억 달러(한화 약 228조 원)에 달하는 이유이기도 하다.  디지털화는 데이터에서 가치를 도출하는 데 있어 실시간성이라는 새로운 벡터를 만들어냈다. 포레스터 컨설팅의 보고서에 따르면, 경영진의 80% 이상은 이벤트와 시장 상황에 대한 즉각적인 인사이트를 기반으로 실시간 의사결정을 내릴 필요가 있다고 생각한다. 그럼에도 불구하고... 희망과 역량 사이에는 커다란 격차가 있다. 포레스터에 따르면, 기업 임원의 3분의 2 이상은 소속 조직이 실시간으로 데이터 기반 인사이트와 액션을 도출하지 못했다고 응답했다.  데이터가 쇄도한다 디지털화로 인해 엄청난 양의 실시간 데이터가 생산되고 있다. 서버, 기기, 센서 및 IoT 장치 등으로부터다. 지난 30년간 생성된 데이터보다 향후 3년간 생산될 데이터가 더 많을 것으로 추정된다.  모든 새로운 데이터는 실시간으로 만들어진다. 지금 막 생성된 데이터에는 방금 발생한 사건과 관련된 고유의 가치가 담겨 있다. 하지만, 그 가치는 시간의 흐름과 함께 소멸될 수 있으며, 데이터는 시의성을 잃게 된다.  기업 임원진은 실시간 데이터를 활용하여 가치를 발견하고 싶어 하지만 대부분 실패한다. 새롭게 생성되는 데이터의 양이 막대하기 때문이다. 다수 임원을 대상으로 진행한 델 테크놀로지 2020 디지털 변혁 인덱스 조사에 따르면, 이들은 소속...

실시간 데이터 축적 데이터 데이터베이스 애널리틱스 비즈니스 인텔리전스

2021.07.19

데이터가 생성되자마자 인사이트, 액션, 가치를 제공해줄 수 있는 새 플랫폼은 데이터 처리가 나아가야 할 다음 단계다. 코로나19 사태 이후 디지털 이니셔티브가 가속화됨에 따라, IT 지출이 내년쯤이면 2019년 수준으로 회복될 것으로 예상된다. 가트너는 데이터베이스, 애널리틱스 및 비즈니스 인텔리전스를 비롯한 기업용 소프트웨어에 대한 지출이 가장 빠르게 늘어날 것이라고 전망했다.   데이터로부터 인사이트든 거래든 모종의 가치를 이끌어내는 일은 비즈니스 성과를 개선하는 데 있어 핵심적이다. 이는 데이터베이스 및 애널리틱스 시장의 가치가 2,000억 달러(한화 약 228조 원)에 달하는 이유이기도 하다.  디지털화는 데이터에서 가치를 도출하는 데 있어 실시간성이라는 새로운 벡터를 만들어냈다. 포레스터 컨설팅의 보고서에 따르면, 경영진의 80% 이상은 이벤트와 시장 상황에 대한 즉각적인 인사이트를 기반으로 실시간 의사결정을 내릴 필요가 있다고 생각한다. 그럼에도 불구하고... 희망과 역량 사이에는 커다란 격차가 있다. 포레스터에 따르면, 기업 임원의 3분의 2 이상은 소속 조직이 실시간으로 데이터 기반 인사이트와 액션을 도출하지 못했다고 응답했다.  데이터가 쇄도한다 디지털화로 인해 엄청난 양의 실시간 데이터가 생산되고 있다. 서버, 기기, 센서 및 IoT 장치 등으로부터다. 지난 30년간 생성된 데이터보다 향후 3년간 생산될 데이터가 더 많을 것으로 추정된다.  모든 새로운 데이터는 실시간으로 만들어진다. 지금 막 생성된 데이터에는 방금 발생한 사건과 관련된 고유의 가치가 담겨 있다. 하지만, 그 가치는 시간의 흐름과 함께 소멸될 수 있으며, 데이터는 시의성을 잃게 된다.  기업 임원진은 실시간 데이터를 활용하여 가치를 발견하고 싶어 하지만 대부분 실패한다. 새롭게 생성되는 데이터의 양이 막대하기 때문이다. 다수 임원을 대상으로 진행한 델 테크놀로지 2020 디지털 변혁 인덱스 조사에 따르면, 이들은 소속...

2021.07.19

데이터베이스 보안을 향상시키는 11가지 기술

데이터베이스에는 매우 민감한 내용을 포함한 방대한 양의 개인정보가 저장되므로 책임이 있는 기업이라면 관리에 신경쓸 수밖에 없다. 이제 데이터베이스 개발자는 정교한 도구와 기술을 사용해 정보를 안전하게 지키면서 원하는 작업을 할 수 있다. 비유하자면 살찔 걱정 없이 케이크를 먹을 수 있는 셈이다.   이와 같은 솔루션에는 정교한 수학이 적용된다. 가장 간단한 메커니즘은 현대판 비밀 코드, 즉 고전적인 디코더 휠의 디지털 버전이라고도 할 수 있다. 더 깊은 수학으로 들어가 높은 유연성과 책임성을 제공하는 더 복잡한 확장 형태도 있다. 연구실에서 수십년 전부터 존재했지만 이제서야 신뢰할 만큼의 안정성에 이른 아이디어를 실제로 구현한 버전이 많다. 이 알고리즘들은 비즈니스 관계를 접합하고 정확한, 사기로부터 안전한(fraud-free) 워크플로우를 보장하기 위한 기반이 되고 있다. 이런 접근 방식은 기업에서 고객의 비밀을 보호하면서 더 간편하게 개인화된 서비스를 제공할 수 있게 해준다. 또한 서비스 제공에 지장을 초래하지 않으면서 데이터 흐름에 대한 규정도 더 철저히 준수할 수 있게 해준다. 데이터베이스 신뢰를 간편하게 해주는 11가지 도구와 기술을 소개한다. 1. 기본 암호화(Basic encryption) 가장 간단한 솔루션으로 충분할 때도 있다. 현대 암호화 알고리즘은 하나의 키로 데이터를 잠가 그 키를 소유한 사람만 데이터를 읽을 수 있도록 한다. 많은 데이터베이스가 AES와 같은 표준을 사용해 데이터를 암호화할 수 있다. 이 솔루션은 절도와 같은 하드웨어 분실에 대비한 가장 강력한 보호 수단이다. 올바른 암호화 키가 없으면 데이터를 열어볼 수 없기 때문이다. 그러나 가동 중인 컴퓨터에 공격자가 침입하는 경우, 대칭 암호화 알고리즘이 보호할 수 있는 범위에는 한계가 있다. 데이터베이스의 정상적인 작업을 허용하는 키를 공격자가 찾아낼 수 있기 때문이다. 많은 데이터베이스는 “미사용(at rest)” 상태의 정보를 암호화하는 옵션을 제공한다. ...

데이터베이스 암호화 Basic encryption Differential privacy 해시함수 Hash functions 디지털서명 SNARK 동형암호화 연합처리 합성데이터

2021.07.15

데이터베이스에는 매우 민감한 내용을 포함한 방대한 양의 개인정보가 저장되므로 책임이 있는 기업이라면 관리에 신경쓸 수밖에 없다. 이제 데이터베이스 개발자는 정교한 도구와 기술을 사용해 정보를 안전하게 지키면서 원하는 작업을 할 수 있다. 비유하자면 살찔 걱정 없이 케이크를 먹을 수 있는 셈이다.   이와 같은 솔루션에는 정교한 수학이 적용된다. 가장 간단한 메커니즘은 현대판 비밀 코드, 즉 고전적인 디코더 휠의 디지털 버전이라고도 할 수 있다. 더 깊은 수학으로 들어가 높은 유연성과 책임성을 제공하는 더 복잡한 확장 형태도 있다. 연구실에서 수십년 전부터 존재했지만 이제서야 신뢰할 만큼의 안정성에 이른 아이디어를 실제로 구현한 버전이 많다. 이 알고리즘들은 비즈니스 관계를 접합하고 정확한, 사기로부터 안전한(fraud-free) 워크플로우를 보장하기 위한 기반이 되고 있다. 이런 접근 방식은 기업에서 고객의 비밀을 보호하면서 더 간편하게 개인화된 서비스를 제공할 수 있게 해준다. 또한 서비스 제공에 지장을 초래하지 않으면서 데이터 흐름에 대한 규정도 더 철저히 준수할 수 있게 해준다. 데이터베이스 신뢰를 간편하게 해주는 11가지 도구와 기술을 소개한다. 1. 기본 암호화(Basic encryption) 가장 간단한 솔루션으로 충분할 때도 있다. 현대 암호화 알고리즘은 하나의 키로 데이터를 잠가 그 키를 소유한 사람만 데이터를 읽을 수 있도록 한다. 많은 데이터베이스가 AES와 같은 표준을 사용해 데이터를 암호화할 수 있다. 이 솔루션은 절도와 같은 하드웨어 분실에 대비한 가장 강력한 보호 수단이다. 올바른 암호화 키가 없으면 데이터를 열어볼 수 없기 때문이다. 그러나 가동 중인 컴퓨터에 공격자가 침입하는 경우, 대칭 암호화 알고리즘이 보호할 수 있는 범위에는 한계가 있다. 데이터베이스의 정상적인 작업을 허용하는 키를 공격자가 찾아낼 수 있기 때문이다. 많은 데이터베이스는 “미사용(at rest)” 상태의 정보를 암호화하는 옵션을 제공한다. ...

2021.07.15

"데이터 관리는 DT 디딤돌"··· 美 타이어 체인 이야기

고객이 타이어를 현장에서 구매할지 아니면 온라인이나 전화로 구매할지 선택할 수 있다는 건 여러 데이터베이스가 통합돼 있다는 의미다.  美 전역의 기업들은 코로나 이후 사무실 공간의 필요성을 재고 중이다. 지식 근로자와 관리 직원들이 집에서 로그인할 수 있게끔 하는 컨퍼런스 및 협업 도구를 내려놓을 기미가 보이지 않기 때문이다.  미국 타이어 및 휠 소매업체 ‘디스카운트 타이어(Discount Tire)’의 CIO 게리 데사이는 또 다른 공간 문제를 재고하고 있다. IT가 어떻게 회사의 일반적인 타이어 매장 공간을 줄일 수 있도록 지원할 수 있는지에 관해서다. 그래야 상대적으로 인구 밀도가 높은 시장에 신규 매장을 열 수 있기 때문이다.   그에 따르면 디스카운트 타이어는 미국 전역에 약 1,100개 매장을 운영 중이며, 직원 수는 2만 2,000명에 달한다. 또 매년마다 50여 개의 매장을 늘리고 있다. 일반적인 디스카운트 타이어 매장은 전면에 타이어와 휠이 전시된 진열 공간이 있다. 여기에 더해 판매 직원이 컴퓨터로 고객을 체크인하고 고객이 필요한 서비스를 선택할 수 있는 사무실 겸 서비스 공간 그리고 매장 뒤편의 차량 정비 구역이 있다. 60년 역사의 가족 기업인 디스카운트 타이어에 지난 2020년 1월 취임한 데사이는 “현재 대부분의 매장이 땅이 넓은 텍사스, 애리조나, 플로리다, 조지아에 있다”라고 말했다.  그러나 뉴욕이나 보스턴의 상황은 매우 다르다. 그는 “이 지역들은 땅이 부족하다. 이런 지역에 진입하고 싶다면 기존 매장의 절반 수준으로 진출해야 했다”라고 전했다.  매장 줄이기 데사이는 앞으로 생길 매장에 전면 진열 공간은 물론 작업장 공간을 할애해 쓰고 있는 타이어 보관 공간까지 없앨 계획이라고 밝혔다. 그는 “진열 공간을 없애고 재고를 너무 많이 들여놓지 않는 게 골자다. 익일 주문을 확인하고 전날 타이어를 배송받으면 매장 공간을 쉽게 절반으로 줄일 수 있다”라고 설명했다.  ...

코로나 팬데믹 고객 경험 데이터 관리 데이터 통합 데이터베이스 인포매티카 데이터 정리 디지털 트랜스포메이션

2021.07.08

고객이 타이어를 현장에서 구매할지 아니면 온라인이나 전화로 구매할지 선택할 수 있다는 건 여러 데이터베이스가 통합돼 있다는 의미다.  美 전역의 기업들은 코로나 이후 사무실 공간의 필요성을 재고 중이다. 지식 근로자와 관리 직원들이 집에서 로그인할 수 있게끔 하는 컨퍼런스 및 협업 도구를 내려놓을 기미가 보이지 않기 때문이다.  미국 타이어 및 휠 소매업체 ‘디스카운트 타이어(Discount Tire)’의 CIO 게리 데사이는 또 다른 공간 문제를 재고하고 있다. IT가 어떻게 회사의 일반적인 타이어 매장 공간을 줄일 수 있도록 지원할 수 있는지에 관해서다. 그래야 상대적으로 인구 밀도가 높은 시장에 신규 매장을 열 수 있기 때문이다.   그에 따르면 디스카운트 타이어는 미국 전역에 약 1,100개 매장을 운영 중이며, 직원 수는 2만 2,000명에 달한다. 또 매년마다 50여 개의 매장을 늘리고 있다. 일반적인 디스카운트 타이어 매장은 전면에 타이어와 휠이 전시된 진열 공간이 있다. 여기에 더해 판매 직원이 컴퓨터로 고객을 체크인하고 고객이 필요한 서비스를 선택할 수 있는 사무실 겸 서비스 공간 그리고 매장 뒤편의 차량 정비 구역이 있다. 60년 역사의 가족 기업인 디스카운트 타이어에 지난 2020년 1월 취임한 데사이는 “현재 대부분의 매장이 땅이 넓은 텍사스, 애리조나, 플로리다, 조지아에 있다”라고 말했다.  그러나 뉴욕이나 보스턴의 상황은 매우 다르다. 그는 “이 지역들은 땅이 부족하다. 이런 지역에 진입하고 싶다면 기존 매장의 절반 수준으로 진출해야 했다”라고 전했다.  매장 줄이기 데사이는 앞으로 생길 매장에 전면 진열 공간은 물론 작업장 공간을 할애해 쓰고 있는 타이어 보관 공간까지 없앨 계획이라고 밝혔다. 그는 “진열 공간을 없애고 재고를 너무 많이 들여놓지 않는 게 골자다. 익일 주문을 확인하고 전날 타이어를 배송받으면 매장 공간을 쉽게 절반으로 줄일 수 있다”라고 설명했다.  ...

2021.07.08

노드.js 및 타입스크립트용 ORM, 프로덕션 릴리즈 출시

노드.js(Node.js) 및 타입스크립트(TypeScript)용 오픈소스 ORM(Object-Relational Mapping) 툴셋 ‘프리즈마(Prisma)’가 이제 프로덕션 릴리즈로 제공된다.  관계형 데이터베이스 작업의 병목현상을 해결하고자 고안된 프리즈마는 현재 마이SQL(MySQL), 포스트그레SQL(PostgreSQL), SQ라이트(SQLite) 및 SLQ 서버(SQL Server)를 프리뷰로 지원한다. 몽고DB(MongoDB)용 커넥터는 현재 작업 중이다.    2년간의 작업 끝에 지난 4월 21일 프로덕션 릴리즈를 출시한 프리즈마 개발사는 “애플리케이션 개발에서 데이터베이스 작업은 가장 어려운 영역”이라면서, “데이터 모델링, 스키마 마이그레이션, 데이터베이스 쿼리 생성은 개발자가 매일 처리해야 하는 일반적인 작업이다”라고 말했다.  이어서 데이터베이스 기반 애플리케이션 구축에서 점점 더 널리 사용되고 있는 노드.js 생태계가 이런 작업을 처리하는 도구를 제공하지 않는다고 회사 측은 밝혔다. 그리고 프리즈마는 이 틈새를 메우는 도구라면서, 애플리케이션 개발자가 ‘SQL’보다 ‘데이터’에 관심을 가져야 한다고 덧붙였다.  회사에 따르면 프리즈마 ORM은 데이터베이스 쿼리를 제출하고 이전 자바스크립트 객체를 반환하기 위한 타입 안정성을 갖춘 API를 제공한다. 노드.js나 타입스크립트 프로젝트에서 함께 또는 개별적으로 사용할 수 있는 다음의 3가지 도구가 제공된다. • 프리즈마 클라이언트(Prisma Client): 자동 생성되며 타입 안정성을 갖춘 쿼리 빌더 • 프리즈마 마이그레이트(Prisma Migrate): 데이터베이스 스키마를 프리즘 스키마와 동기화하고 데이터베이스의 기존 데이터를 유지하는 필수 데이터베이스 스키마 마이그레이션 도구 • 프리즈마 스튜디오(Prisma Studio): 데이터베이스의 데이터를 확인하고 편집할 수 있는 GUI 한편 프리즈마를 사용하는 모든 프로젝트는 프...

프리즈마 ORM 노드.js 타입스크립트 데이터베이스 애플리케이션 개발

2021.04.28

노드.js(Node.js) 및 타입스크립트(TypeScript)용 오픈소스 ORM(Object-Relational Mapping) 툴셋 ‘프리즈마(Prisma)’가 이제 프로덕션 릴리즈로 제공된다.  관계형 데이터베이스 작업의 병목현상을 해결하고자 고안된 프리즈마는 현재 마이SQL(MySQL), 포스트그레SQL(PostgreSQL), SQ라이트(SQLite) 및 SLQ 서버(SQL Server)를 프리뷰로 지원한다. 몽고DB(MongoDB)용 커넥터는 현재 작업 중이다.    2년간의 작업 끝에 지난 4월 21일 프로덕션 릴리즈를 출시한 프리즈마 개발사는 “애플리케이션 개발에서 데이터베이스 작업은 가장 어려운 영역”이라면서, “데이터 모델링, 스키마 마이그레이션, 데이터베이스 쿼리 생성은 개발자가 매일 처리해야 하는 일반적인 작업이다”라고 말했다.  이어서 데이터베이스 기반 애플리케이션 구축에서 점점 더 널리 사용되고 있는 노드.js 생태계가 이런 작업을 처리하는 도구를 제공하지 않는다고 회사 측은 밝혔다. 그리고 프리즈마는 이 틈새를 메우는 도구라면서, 애플리케이션 개발자가 ‘SQL’보다 ‘데이터’에 관심을 가져야 한다고 덧붙였다.  회사에 따르면 프리즈마 ORM은 데이터베이스 쿼리를 제출하고 이전 자바스크립트 객체를 반환하기 위한 타입 안정성을 갖춘 API를 제공한다. 노드.js나 타입스크립트 프로젝트에서 함께 또는 개별적으로 사용할 수 있는 다음의 3가지 도구가 제공된다. • 프리즈마 클라이언트(Prisma Client): 자동 생성되며 타입 안정성을 갖춘 쿼리 빌더 • 프리즈마 마이그레이트(Prisma Migrate): 데이터베이스 스키마를 프리즘 스키마와 동기화하고 데이터베이스의 기존 데이터를 유지하는 필수 데이터베이스 스키마 마이그레이션 도구 • 프리즈마 스튜디오(Prisma Studio): 데이터베이스의 데이터를 확인하고 편집할 수 있는 GUI 한편 프리즈마를 사용하는 모든 프로젝트는 프...

2021.04.28

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.

10.4.0.13