Offcanvas

��������� ������������������

알리바바 앤트그룹, AWS 마켓플레이스에 오픈소스 DB 오션베이스 등록

알리바바의 계열사 앤트 그룹은 도달 범위를 늘리기 위해 AWS 마켓플레이스에 관계형 데이터베이스인 오션베이스(OceanBase)를 등록했다고 밝혔다.    앤트 그룹은 자사의 데이터베이스 서비스를 전 세계 고객들이 이용할 수 있도록 하기 위한 노력으로 목요일에 자사의 오션베이스 클라우드를 AWS 마켓플레이스에 상장했다고 발표했다. 분산 SQL 호환 데이터베이스를 사용하면 AWS 고객이 더 빨리 액세스하고 트랜잭션 및 운영 워크로드를 해결할 수 있다고 회사 측은 밝혔다. 오션베이스는 2017년에 공식 출시됐다. 오라클을 대체하고 알리바바의 금융 서비스 부문인 알리페이의 방대한 트랜잭션 워크로드를 지원하기 위해 2010년 한 프로젝트로 시작했다. 이 데이터베이스는 분석을 위해 나중에 다른 시스템에 복사된 데이터를 수집하는 아키텍처 접근 방식인 하이브리드 트랜잭션 분석 처리(HTAP)를 지원한다. 8월에 회사는 오션베이스 4.0을 발표했다. 복구 시간은 30초에서 8초로 대폭 줄였으며, 데이터 손실률 제로 등의 기능을 제공해 중소기업에 적합하다. 오션베이스는 또한 다른 퍼블릭 클라우드 서비스 제공업체를 곧 지원할 예정이다.  오션베이스의 퍼블릭 클라우드 서비스 부문 총괄 매니저 Yin Boxue는 보도 자료에서 "클라우드 중립적인 오션베이스는 데이터 집약적인 트랜잭션과 여러 실시간 분석 워크로드를 관리하는 데 있어 오랜 기간 검증된 기능에 대한 액세스를 확대하기 위해 클라우드 공급업체와 계속 협력할 것"이라고 말했다. AWS 마켓플레이스에 오션베이스를 올린 앤트 그룹의 전략은 아파치 도리스와 스타록스 같은 다른 중국 기반 데이터베이스들이 북미와 유럽 시장을 공략하기 시작하고 있는 추세를 따른다. ciokr@idg.co.kr

데이터베이스 관계형 데이터베이스 관계형데이터베이스 분산관계형데이터베이스

2022.10.14

알리바바의 계열사 앤트 그룹은 도달 범위를 늘리기 위해 AWS 마켓플레이스에 관계형 데이터베이스인 오션베이스(OceanBase)를 등록했다고 밝혔다.    앤트 그룹은 자사의 데이터베이스 서비스를 전 세계 고객들이 이용할 수 있도록 하기 위한 노력으로 목요일에 자사의 오션베이스 클라우드를 AWS 마켓플레이스에 상장했다고 발표했다. 분산 SQL 호환 데이터베이스를 사용하면 AWS 고객이 더 빨리 액세스하고 트랜잭션 및 운영 워크로드를 해결할 수 있다고 회사 측은 밝혔다. 오션베이스는 2017년에 공식 출시됐다. 오라클을 대체하고 알리바바의 금융 서비스 부문인 알리페이의 방대한 트랜잭션 워크로드를 지원하기 위해 2010년 한 프로젝트로 시작했다. 이 데이터베이스는 분석을 위해 나중에 다른 시스템에 복사된 데이터를 수집하는 아키텍처 접근 방식인 하이브리드 트랜잭션 분석 처리(HTAP)를 지원한다. 8월에 회사는 오션베이스 4.0을 발표했다. 복구 시간은 30초에서 8초로 대폭 줄였으며, 데이터 손실률 제로 등의 기능을 제공해 중소기업에 적합하다. 오션베이스는 또한 다른 퍼블릭 클라우드 서비스 제공업체를 곧 지원할 예정이다.  오션베이스의 퍼블릭 클라우드 서비스 부문 총괄 매니저 Yin Boxue는 보도 자료에서 "클라우드 중립적인 오션베이스는 데이터 집약적인 트랜잭션과 여러 실시간 분석 워크로드를 관리하는 데 있어 오랜 기간 검증된 기능에 대한 액세스를 확대하기 위해 클라우드 공급업체와 계속 협력할 것"이라고 말했다. AWS 마켓플레이스에 오션베이스를 올린 앤트 그룹의 전략은 아파치 도리스와 스타록스 같은 다른 중국 기반 데이터베이스들이 북미와 유럽 시장을 공략하기 시작하고 있는 추세를 따른다. ciokr@idg.co.kr

2022.10.14

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

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

'선택지 다양' 클라우드용 RDBMS 15선

빅데이터 환경에서 전통적인 행렬 테이블 형식으로 데이터를 저장하고 SQL로 프로그래밍하는 관계형 데이터베이스는 NoSQL같은 새로운 비정형 데이터 보관소 및 아파치 하둡과 하이브같은 오픈소스 솔루션에서 우선순위에 밀리는 경향이 있다.   클라우드에서 DBMS는 우선순위에서 밀리지 않는다. 아마존 웹 서비스(AWS), 마이크로소프트, 구글 등의 업체가 자사의 탄력적인 클라우드 스토리지 및 컴퓨팅 기능을 사용하여 기업이 전통적인 관계형 데이터베이스를 현대화하는 데 도움을 줄 것으로 기대되고 있기 때문이다. 대기업 고객은 클라우드 도입을 점점 더 익숙하게 받아들이는 추세다. 특히 클라우드 3대 공급 업체를 자사의 퍼블릭 클라우드로 수용하고 있다.  과거에 거대하고 규제가 엄격한 고객의 보안 및 컴플라이언스 문제로 주저했던 핵심 시스템과 데이터가 이제는 클라우드로 이동하기 시작했으며, 여기에는 관계형 데이터베이스도 포함된다. 오범의 수석 애널리스트인 토니 비어는 트랜잭션 데이터베이스를 이동하는 것이 아마도 가장 중요한 클라우드 전략의 일부가 될 것이며 마이그레이션하려는 마지막 작업일 것이라고 밝혔다.  비어는 "모든 조직이 모든 클라우드를 사용할 준비가 된 것은 아니다. 대기업은 단일 클라우드 업체에 종속되기를 원치 않기 때문에 멀티 클라우드의 중요성을 알게 될 것이다"고 말했다. 클라우드에서 관계형 데이터베이스를 사용하면 클라우드를 활용하여 비용을 낮추고 속도와 확장성을 높임으로써 비즈니스를 가속하는 동시에 친숙하고 대중적인 형식(특히 데이터 분석)이 가능하다는 장점이 있다. 이를 통해 기업은 기존의 라이선스(예 : 오라클)를 최대한 활용하고 클라우드 전략을 발전시킬 수 있다. 클라우드 스토리지가 저렴하기 때문에 데이터베이스를 클라우드로 이전하려는 조직은 훨씬 향상된 장애 조치를 확보하려면 공급업체와 최소한 6번 백업해 데이터를 복제하는 데서 이점을 얻을 수 있다.  또한 클라우드 업체가 DaaS(...

빅데이터 포스트그레SQL AWS RDS AWS 오로라 IBM Db2 SAP SQL 애니웨어 구글 클라우드 SQL 구글 클라우드 스패너 스노우플레이크 컴퓨팅 마이크로소프트 SQL 서버 마리아DB SAP HANA 데이터베이스 DBMS 사이베이스 MySQL 테라데이타 엔터프라이즈DB RDB 관계형 데이터베이스 오라클 데이터베이스 클라우드 서비스

2019.04.18

빅데이터 환경에서 전통적인 행렬 테이블 형식으로 데이터를 저장하고 SQL로 프로그래밍하는 관계형 데이터베이스는 NoSQL같은 새로운 비정형 데이터 보관소 및 아파치 하둡과 하이브같은 오픈소스 솔루션에서 우선순위에 밀리는 경향이 있다.   클라우드에서 DBMS는 우선순위에서 밀리지 않는다. 아마존 웹 서비스(AWS), 마이크로소프트, 구글 등의 업체가 자사의 탄력적인 클라우드 스토리지 및 컴퓨팅 기능을 사용하여 기업이 전통적인 관계형 데이터베이스를 현대화하는 데 도움을 줄 것으로 기대되고 있기 때문이다. 대기업 고객은 클라우드 도입을 점점 더 익숙하게 받아들이는 추세다. 특히 클라우드 3대 공급 업체를 자사의 퍼블릭 클라우드로 수용하고 있다.  과거에 거대하고 규제가 엄격한 고객의 보안 및 컴플라이언스 문제로 주저했던 핵심 시스템과 데이터가 이제는 클라우드로 이동하기 시작했으며, 여기에는 관계형 데이터베이스도 포함된다. 오범의 수석 애널리스트인 토니 비어는 트랜잭션 데이터베이스를 이동하는 것이 아마도 가장 중요한 클라우드 전략의 일부가 될 것이며 마이그레이션하려는 마지막 작업일 것이라고 밝혔다.  비어는 "모든 조직이 모든 클라우드를 사용할 준비가 된 것은 아니다. 대기업은 단일 클라우드 업체에 종속되기를 원치 않기 때문에 멀티 클라우드의 중요성을 알게 될 것이다"고 말했다. 클라우드에서 관계형 데이터베이스를 사용하면 클라우드를 활용하여 비용을 낮추고 속도와 확장성을 높임으로써 비즈니스를 가속하는 동시에 친숙하고 대중적인 형식(특히 데이터 분석)이 가능하다는 장점이 있다. 이를 통해 기업은 기존의 라이선스(예 : 오라클)를 최대한 활용하고 클라우드 전략을 발전시킬 수 있다. 클라우드 스토리지가 저렴하기 때문에 데이터베이스를 클라우드로 이전하려는 조직은 훨씬 향상된 장애 조치를 확보하려면 공급업체와 최소한 6번 백업해 데이터를 복제하는 데서 이점을 얻을 수 있다.  또한 클라우드 업체가 DaaS(...

2019.04.18

SAP HANA, S/4HANA, HANA 클라우드 플랫폼, 뭐가 다르지?

SAP가 2015년 차세대 ERP 솔루션인 S/4HANA를 발표했을 때 CEO인 빌 맥더못이 23년 만의 가장 큰 출시라며 높이 평가했다. 그 후 2년 동안 SAP는 S/4HAN를 공급했는데, S/4HANA와 인메모리시스템인 HANA가 널리 채택됨에 따라 고객들 사이에 혼란이 빚어지고 있다.  HANA는 새로운 유형의 데이터베이스며, S/4HANA는 메모리 내 데이터베이스를 기반으로 실행되는 ERP다. 이 솔루션 중 하나 또는 둘 다를 SAP의 관리형 프라이빗 클라우드 플랫폼이나 AWS, 애저, 구글 클라우드 등의 퍼블릭 클라우드, 또는 온프레미스 형 데이터센터에서 실행할 수 있다. 2010년에 처음 출시된 SAP의 HANA는 기존 관계형 데이터베이스와 근본적으로 다른 아키텍처라는 점에 유의해야 한다. 이는 메모리 내에서 실행되므로 데이터가 로(row) 대신 칼럼(column)에 저장되므로 실시간 분석 및 컴퓨팅 기능에 더 빨리 근접할 수 있다. 과거에 SAP는 HANA가 무엇이며, 중요한 기업 데이터를 왜 이 새로운 데이터 저장소로 옮겨야 하는지를 설명하는 데 어려움이 있었다. 2015년 프랑스 니스에서 열린 SAP 인사이더 투어에서 SAP 크로스 플랫폼 제품 마케팅 담당 부사장인 매티아스 핸들리는 “HANA에 대해 헷갈리는 부분이 있다. 우리는 현재 각각의 제품이 고객을 위해 무엇을 할 수 있는지 정확히 설명할 수 있다"고 <컴퓨터월드UK>에 밝힌 바 있다. 그 후 2016년 영국 및 아일랜드 SAP 사용자 그룹 회의에서 필립 애덤스 회장은 “사용자 그룹의 12%가 S/4HANA에 대해 들어 본 적이 없다”며 "예전에는 나도 헷갈렸다. SAP 마케팅팀에서 고민이 많았던 것으로 안다"고 말했다. 현재 SAP의 2017년 2분기 결과에 따르면 S4/HANA를 도입한 고객 수는 지난해 같은 기간보다 70% 나 증가했으며, 구글과 에너지 거물인 센트...

구글 인메모리시스템 S/4HANA 관계형 데이터베이스 퍼블릭 클라우드 HANA RDBMS 프라이빗 클라우드 온프레미스 애저 AWS ERP 데이터베이스 SAP HANA 클라우드 플랫폼

2017.07.31

SAP가 2015년 차세대 ERP 솔루션인 S/4HANA를 발표했을 때 CEO인 빌 맥더못이 23년 만의 가장 큰 출시라며 높이 평가했다. 그 후 2년 동안 SAP는 S/4HAN를 공급했는데, S/4HANA와 인메모리시스템인 HANA가 널리 채택됨에 따라 고객들 사이에 혼란이 빚어지고 있다.  HANA는 새로운 유형의 데이터베이스며, S/4HANA는 메모리 내 데이터베이스를 기반으로 실행되는 ERP다. 이 솔루션 중 하나 또는 둘 다를 SAP의 관리형 프라이빗 클라우드 플랫폼이나 AWS, 애저, 구글 클라우드 등의 퍼블릭 클라우드, 또는 온프레미스 형 데이터센터에서 실행할 수 있다. 2010년에 처음 출시된 SAP의 HANA는 기존 관계형 데이터베이스와 근본적으로 다른 아키텍처라는 점에 유의해야 한다. 이는 메모리 내에서 실행되므로 데이터가 로(row) 대신 칼럼(column)에 저장되므로 실시간 분석 및 컴퓨팅 기능에 더 빨리 근접할 수 있다. 과거에 SAP는 HANA가 무엇이며, 중요한 기업 데이터를 왜 이 새로운 데이터 저장소로 옮겨야 하는지를 설명하는 데 어려움이 있었다. 2015년 프랑스 니스에서 열린 SAP 인사이더 투어에서 SAP 크로스 플랫폼 제품 마케팅 담당 부사장인 매티아스 핸들리는 “HANA에 대해 헷갈리는 부분이 있다. 우리는 현재 각각의 제품이 고객을 위해 무엇을 할 수 있는지 정확히 설명할 수 있다"고 <컴퓨터월드UK>에 밝힌 바 있다. 그 후 2016년 영국 및 아일랜드 SAP 사용자 그룹 회의에서 필립 애덤스 회장은 “사용자 그룹의 12%가 S/4HANA에 대해 들어 본 적이 없다”며 "예전에는 나도 헷갈렸다. SAP 마케팅팀에서 고민이 많았던 것으로 안다"고 말했다. 현재 SAP의 2017년 2분기 결과에 따르면 S4/HANA를 도입한 고객 수는 지난해 같은 기간보다 70% 나 증가했으며, 구글과 에너지 거물인 센트...

2017.07.31

'클라우드용 DBMS는 따로 있다' 데이터스택스의 도전

데이터스택스가 다양한 데이터 모델을 위해 키 값부터 태뷸러, 제이슨(JSON), 그래프까지 운영 데이터베이스 지원을 강화하고 있으며, 자사 제품군에 데이터스택스 엔터프라이즈 그래프를 추가했다. 아파치 카산드라와 아파치 팅커팝의 오픈소스재단에 구축된 클라우드 애플리케이션용 데이터베이스 소프트웨어 전문업체인 데이터스택스(DataStax)는 데이터 문제에 대한 포인트 솔루션의 시대가 지나갔다는 주장을 내놨다. 미국 캘리포니아 산타클라라에 있는 신생벤처인 데이터스택스의 엔지니어링 담당 수석 부사장 마틴 반 라이스윅은 “대신 운영 DBMS의 미래는 다양한 데이터 모델을 지원하는 것”이라고 밝혔다. 그는 “아주 놀라운 새 기술로 사람들은 이전까지 해결하지 못했던 문제들을 해결하기 위해 처음에는 포인트 솔루션을 사용하려 한다. 하지만 시간이 지나면 통합 제품군을 원한다”며 “현재 우리가 보는 추세는 진정세에 가깝다. 사람들은 수많은 문제 공간을 보완할 수 있는 플랫폼을 원한다”고 말했다. 가트너 애널리스트 닉 휴데커, 머브 애드리안, 에티샴 자이디도 반 라이스윅과 비슷한 의견을 이미 내놓은 바 있다. 이들 셋은 작년 8월에 발표한 ‘NoSQL DBMS의 시장 가이드’에서 “DBMS 아키텍처와 배치의 미래는 멀티 모델이 될 것이다”고 적었다. 또 가트너 세 애널리스트들은 “2017년까지 모든 선도적 운영 DBMS가 멀티 데이터 모델, 관계형 DBMS, NoSQL을 단일 플랫폼에서 제공할 것”이라고 덧붙였다. --------------------------------------------------------------- 클라우드용 데이터베이스 ->벤더 기고 | 하이브리드 클라우드에 맞는 데이터베이스란? 따져봐야 할 3가지 -> '빅데이터와 궁합 잘 맞는' 최신 데이터...

CIO 데이터스택스 DSE 운영 데이터베이스 클라우드용 데이터베이스 관계형 데이터베이스 분석 카산드라 NoSQL RDBMS 아파치 데이터베이스 가트너 빅데이터 DataStax

2016.04.18

데이터스택스가 다양한 데이터 모델을 위해 키 값부터 태뷸러, 제이슨(JSON), 그래프까지 운영 데이터베이스 지원을 강화하고 있으며, 자사 제품군에 데이터스택스 엔터프라이즈 그래프를 추가했다. 아파치 카산드라와 아파치 팅커팝의 오픈소스재단에 구축된 클라우드 애플리케이션용 데이터베이스 소프트웨어 전문업체인 데이터스택스(DataStax)는 데이터 문제에 대한 포인트 솔루션의 시대가 지나갔다는 주장을 내놨다. 미국 캘리포니아 산타클라라에 있는 신생벤처인 데이터스택스의 엔지니어링 담당 수석 부사장 마틴 반 라이스윅은 “대신 운영 DBMS의 미래는 다양한 데이터 모델을 지원하는 것”이라고 밝혔다. 그는 “아주 놀라운 새 기술로 사람들은 이전까지 해결하지 못했던 문제들을 해결하기 위해 처음에는 포인트 솔루션을 사용하려 한다. 하지만 시간이 지나면 통합 제품군을 원한다”며 “현재 우리가 보는 추세는 진정세에 가깝다. 사람들은 수많은 문제 공간을 보완할 수 있는 플랫폼을 원한다”고 말했다. 가트너 애널리스트 닉 휴데커, 머브 애드리안, 에티샴 자이디도 반 라이스윅과 비슷한 의견을 이미 내놓은 바 있다. 이들 셋은 작년 8월에 발표한 ‘NoSQL DBMS의 시장 가이드’에서 “DBMS 아키텍처와 배치의 미래는 멀티 모델이 될 것이다”고 적었다. 또 가트너 세 애널리스트들은 “2017년까지 모든 선도적 운영 DBMS가 멀티 데이터 모델, 관계형 DBMS, NoSQL을 단일 플랫폼에서 제공할 것”이라고 덧붙였다. --------------------------------------------------------------- 클라우드용 데이터베이스 ->벤더 기고 | 하이브리드 클라우드에 맞는 데이터베이스란? 따져봐야 할 3가지 -> '빅데이터와 궁합 잘 맞는' 최신 데이터...

2016.04.18

기고 | NoSQL의 '숨은 비용' 이야기

*본 기고문은 벤더가 작성한 것으로 네트워크 월드 편집진의 수정을 거쳤다. 그러나 벤더의 시각이 일부 남아 있을 수 있다. 이미지 출처 : Thinkstock NoSQL은 강력한 데이터 모델이지만 많은 다른 독립적인 데이터스토어를 평정하기에는 부족한 점이 있다. NoSQL 산업은 스키마(schema)에서 자유로운 설계, 무한한 클러스터 확장성, 탁월한 성능을 무기로 가파른 성장세를 이어왔다. 하지만 많은 이들은 여기에 적잖은 숨겨진 비용이 존재한다는 사실을 간과하고 있는 것이 현실이다. 데이터스토어의 무한 선택권(현재 225개)에서 오는 복잡성, 사용자에게 결과 산출물을 미리 요구한 결과 자주 발생하는 쿼리 지연, 하드웨어 이용의 비효율에서 야기되는 서버 확산 등이 바로 숨은 비용의 사례들이다. 꿈에 부풀어 NoSQL의 세계로 뛰어든 많은 기업들이 이러한 비용 앞에서 당황하곤 한다. 물론 특정 워크로드에 있어서는 NoSQL 데이터 모델이 핵심 가치와 데이터 유형 기술 전반에 있어 유효한 모델임이 분명하다. 또 이제는 NoSQL 데이터 모델을 멀티-모드, 멀티-모델 데이터베이스와 통합해 데이터 관리 방법론을 좀더 간소화해 하나로 만드는 경우를 발견하기도 한다. 이제 NoSQL의 진짜 모습에 관해, 그리고 SQL을 포기하는 당신의 결정이 옳은 지에 관해 이야기 해보자. NoSQL 운동의 시작과 쇠퇴 NoSQL의 성장을 견인한 것은 전통적인 디스크 기반 관계형 데이터베이스가 다룰 수 있는 범위를 벗어난 확장성에 대한 수요와, 대형 DBMS 업체들의 고가 정책에 대한 불만이었다. 데이터의 성장 추세 속에서 개발자들은 사용자, 프로필 정보 등 모바일 애플리케이션과 관계된 단순한 데이터 구조의 이용이 늘어나게 됐고, 이를 이용할 더 나은 방안을 모색하게 됐다. 이런 고민 속에 NoSQL은 만족스런 성능을 보장하는 간편한 경로를 약속하는 존재로 등장했다. NoSQL에 대한 시장의 지지는 한편으론 SQL은 배우기 어렵다는 인식에서 ...

빅데이터 스파크 관계형 데이터베이스 애널리틱스 분석 확장성 NoSQL 인메모리 컴퓨팅 SQL 복잡성 비용 성능 DBMS 가트너 데이터스토어

2016.01.07

*본 기고문은 벤더가 작성한 것으로 네트워크 월드 편집진의 수정을 거쳤다. 그러나 벤더의 시각이 일부 남아 있을 수 있다. 이미지 출처 : Thinkstock NoSQL은 강력한 데이터 모델이지만 많은 다른 독립적인 데이터스토어를 평정하기에는 부족한 점이 있다. NoSQL 산업은 스키마(schema)에서 자유로운 설계, 무한한 클러스터 확장성, 탁월한 성능을 무기로 가파른 성장세를 이어왔다. 하지만 많은 이들은 여기에 적잖은 숨겨진 비용이 존재한다는 사실을 간과하고 있는 것이 현실이다. 데이터스토어의 무한 선택권(현재 225개)에서 오는 복잡성, 사용자에게 결과 산출물을 미리 요구한 결과 자주 발생하는 쿼리 지연, 하드웨어 이용의 비효율에서 야기되는 서버 확산 등이 바로 숨은 비용의 사례들이다. 꿈에 부풀어 NoSQL의 세계로 뛰어든 많은 기업들이 이러한 비용 앞에서 당황하곤 한다. 물론 특정 워크로드에 있어서는 NoSQL 데이터 모델이 핵심 가치와 데이터 유형 기술 전반에 있어 유효한 모델임이 분명하다. 또 이제는 NoSQL 데이터 모델을 멀티-모드, 멀티-모델 데이터베이스와 통합해 데이터 관리 방법론을 좀더 간소화해 하나로 만드는 경우를 발견하기도 한다. 이제 NoSQL의 진짜 모습에 관해, 그리고 SQL을 포기하는 당신의 결정이 옳은 지에 관해 이야기 해보자. NoSQL 운동의 시작과 쇠퇴 NoSQL의 성장을 견인한 것은 전통적인 디스크 기반 관계형 데이터베이스가 다룰 수 있는 범위를 벗어난 확장성에 대한 수요와, 대형 DBMS 업체들의 고가 정책에 대한 불만이었다. 데이터의 성장 추세 속에서 개발자들은 사용자, 프로필 정보 등 모바일 애플리케이션과 관계된 단순한 데이터 구조의 이용이 늘어나게 됐고, 이를 이용할 더 나은 방안을 모색하게 됐다. 이런 고민 속에 NoSQL은 만족스런 성능을 보장하는 간편한 경로를 약속하는 존재로 등장했다. NoSQL에 대한 시장의 지지는 한편으론 SQL은 배우기 어렵다는 인식에서 ...

2016.01.07

빅데이터와 잘 맞는 RDBMS '스플라이스 머신'... 이유는?

스플라이스 머신의 관계형 데이터베이스 2.0 버전이 최근 소개됐는데, 이 제품은 하둡의 확장성과 스파크의 인메모리 성능을 모두 갖췄다는 것이 특징이다. 이미지 출처 : Thinkstock 스플라이스 머신(Splice Machine)이 지난 11월 17일 자사 관계형 데이터베이스 관리 시스템(RDBMS, Rational DataBase Management System) 2.0 버전을 새로이 공개했다. 스플라이스 머신의 RDBMS 솔루션은 사용자에게 직원 재교육이나 수 년 분량의 SQL 재작성 등의 번거로움 없이도 하둡의 확장성과 스파크의 성능을 누릴 수 있도록 하는 것을 목표로 한다. 스플라이스 머신의 공동 설립자이자 CEO인 몬테 츠위벤은 “우리는 이 새 버전의 RDBMS가 데이터베이스 테크놀로지의 새로운 지평을 열었다고 평가하고 있다. 단일 데이터베이스로 복합적인 워크로드를 다루는 작업은 지금까지 매우 어려운 과정이었다. 지금까지 기업들은 한 곳의 플랫폼에서 자신들의 실시간, 공동 업무 작업을 진행한 뒤 그 모든 데이터를 ETL을 통해 별도의 플랫폼으로 이전하는 과정을 거치고서야 온전한 분석, 시각 도출 작업을 진행할 수 있었다”라고 이야기했다. 츠위벤은 “이러한 구조에서 기업들은 어제의 데이터를 이용해 의사결정을 내리게 된다. 모든 것이 실시간으로 변화하는 오늘날의 비즈니스 환경에서 이는 상당히 비효율적인 방식이다”라고 지적했다. --------------------------------------------------------------- 빅데이터와 DBMS 인기기사 -> '빅데이터와 궁합 잘 맞는' 최신 데이터베이스 11선 -> '옛 것 vs. 새 것' 빅데이터가 바꿔가는 데이터베이스 지형도 -> NoSQL, 데이터베이스 시장에 '폭풍'을 몰고 오다 -> 기고 | MySQL의 8가지 단점 ...

CIO 스플라이스 머신 비용 압박 OLAP OLTP 관계형 데이터베이스 클라우데라 RDBMS 하둡 비정형 데이터 ETL 성능 인메모리 빅데이터 Splice Machine

2015.11.30

스플라이스 머신의 관계형 데이터베이스 2.0 버전이 최근 소개됐는데, 이 제품은 하둡의 확장성과 스파크의 인메모리 성능을 모두 갖췄다는 것이 특징이다. 이미지 출처 : Thinkstock 스플라이스 머신(Splice Machine)이 지난 11월 17일 자사 관계형 데이터베이스 관리 시스템(RDBMS, Rational DataBase Management System) 2.0 버전을 새로이 공개했다. 스플라이스 머신의 RDBMS 솔루션은 사용자에게 직원 재교육이나 수 년 분량의 SQL 재작성 등의 번거로움 없이도 하둡의 확장성과 스파크의 성능을 누릴 수 있도록 하는 것을 목표로 한다. 스플라이스 머신의 공동 설립자이자 CEO인 몬테 츠위벤은 “우리는 이 새 버전의 RDBMS가 데이터베이스 테크놀로지의 새로운 지평을 열었다고 평가하고 있다. 단일 데이터베이스로 복합적인 워크로드를 다루는 작업은 지금까지 매우 어려운 과정이었다. 지금까지 기업들은 한 곳의 플랫폼에서 자신들의 실시간, 공동 업무 작업을 진행한 뒤 그 모든 데이터를 ETL을 통해 별도의 플랫폼으로 이전하는 과정을 거치고서야 온전한 분석, 시각 도출 작업을 진행할 수 있었다”라고 이야기했다. 츠위벤은 “이러한 구조에서 기업들은 어제의 데이터를 이용해 의사결정을 내리게 된다. 모든 것이 실시간으로 변화하는 오늘날의 비즈니스 환경에서 이는 상당히 비효율적인 방식이다”라고 지적했다. --------------------------------------------------------------- 빅데이터와 DBMS 인기기사 -> '빅데이터와 궁합 잘 맞는' 최신 데이터베이스 11선 -> '옛 것 vs. 새 것' 빅데이터가 바꿔가는 데이터베이스 지형도 -> NoSQL, 데이터베이스 시장에 '폭풍'을 몰고 오다 -> 기고 | MySQL의 8가지 단점 ...

2015.11.30

'옛 것 vs. 새 것' 빅데이터가 바꿔가는 데이터베이스 지형도

‘데이터베이스’란 말에 대부분의 사람들은 30년 이상 이 세계를 지배한 RDBMS를 떠올릴 것이다. 하지만 이러한 이런 시기는 조만간 막을 내릴 전망이다. 오늘날 여러 새로운 도전자들이 이 핵심 기업 시장을 두고 경쟁을 벌이고 있다. 이들은 다양한 방식으로 이 시장에 접근하고 있지만 대부분 빅데이터를 노리고 있다는 점에서 유사하다. 이들 새로운 대안들이 확산되는 배경에는 빅데이터의 근본에 있는 ‘3V’(Volume, Velocity, Variety) 속성이 있다. 기본적으로 오늘날의 데이터는 그 어느 때보다도 많은 양이 더욱 빠르게 생성되고 있으며 더욱 다양하기도 하다. 다시 말해, 이것은 새로운 데이터 세계다. 하지만 전통적인 관계형 데이터베이스 관리 시스템은 이런 상황에 맞춰 개발되지 않았다. 분석 및 데이터 공학 컨설팅 기업 KD너겟(KDnuggets)의 사장 그레고리 피아테스키 샤피로는 "RDBMS는 태생적으로 용량이 크고 빠르며 다양한 데이터에 맞추어 확장할 수 없는 한계를 지니고 있다"라고 말했다. 하테 행크스(Harte Hanks)가 최근 이를 실감한 기업이다. 2013년경까지 이 마케팅 서비스 기업은 마이크로소프트 SQL 서버(Microsoft SQL Server)와 오라클 RAC(Oracle Real Application Clusters) 등의 여러 데이터베이스 조합을 사용하고 있었다. 하테 행크스의 기술 및 개발 책임자 신 아아누찌는 "시간이 지남에 따라 데이터가 증가하면서 기존 시스템이 정보를 충분히 빠르게 처리하지 못한다는 사실을 깨달았다. 서버를 계속 구매한다고 해결될 문제가 아니었다. 우리는 외적으로 확장할 수 있는 플랫폼이 필요했다"라고 말했다. 이아누찌는 이어 장애를 최소화하는 것이 핵심 과제였기에 단순하게 하둡(Hadoop)으로 전향할 수는 없었다고 덧붙였다. 이 기업이 선택한 대안은, 하...

빅데이터 RDBMS NoSQL 몽고DB 관계형 데이터베이스 마크로직 NewSQL DeepSQL

2015.11.12

‘데이터베이스’란 말에 대부분의 사람들은 30년 이상 이 세계를 지배한 RDBMS를 떠올릴 것이다. 하지만 이러한 이런 시기는 조만간 막을 내릴 전망이다. 오늘날 여러 새로운 도전자들이 이 핵심 기업 시장을 두고 경쟁을 벌이고 있다. 이들은 다양한 방식으로 이 시장에 접근하고 있지만 대부분 빅데이터를 노리고 있다는 점에서 유사하다. 이들 새로운 대안들이 확산되는 배경에는 빅데이터의 근본에 있는 ‘3V’(Volume, Velocity, Variety) 속성이 있다. 기본적으로 오늘날의 데이터는 그 어느 때보다도 많은 양이 더욱 빠르게 생성되고 있으며 더욱 다양하기도 하다. 다시 말해, 이것은 새로운 데이터 세계다. 하지만 전통적인 관계형 데이터베이스 관리 시스템은 이런 상황에 맞춰 개발되지 않았다. 분석 및 데이터 공학 컨설팅 기업 KD너겟(KDnuggets)의 사장 그레고리 피아테스키 샤피로는 "RDBMS는 태생적으로 용량이 크고 빠르며 다양한 데이터에 맞추어 확장할 수 없는 한계를 지니고 있다"라고 말했다. 하테 행크스(Harte Hanks)가 최근 이를 실감한 기업이다. 2013년경까지 이 마케팅 서비스 기업은 마이크로소프트 SQL 서버(Microsoft SQL Server)와 오라클 RAC(Oracle Real Application Clusters) 등의 여러 데이터베이스 조합을 사용하고 있었다. 하테 행크스의 기술 및 개발 책임자 신 아아누찌는 "시간이 지남에 따라 데이터가 증가하면서 기존 시스템이 정보를 충분히 빠르게 처리하지 못한다는 사실을 깨달았다. 서버를 계속 구매한다고 해결될 문제가 아니었다. 우리는 외적으로 확장할 수 있는 플랫폼이 필요했다"라고 말했다. 이아누찌는 이어 장애를 최소화하는 것이 핵심 과제였기에 단순하게 하둡(Hadoop)으로 전향할 수는 없었다고 덧붙였다. 이 기업이 선택한 대안은, 하...

2015.11.12

벤더 기고 | NoSQL이 SQL보다 나은 10가지 경우

* 본 기고문은 벤더가 작성한 것으로 네트워크 월드 편집진의 수정을 거쳤다. 그러나 벤더의 시각이 일부 남아 있을 수 있다. 구글, 아마존, 페이스북과 같은 IT 대기업을 필두로 많은 기업들이 핵심 애플리케이션 구축과 관련해 유연성과 확장성이라는 두 가지 장점을 지닌 NoSQL 데이터베이스를 관계형 데이터베이스 대신 선택하고 있다. 다음은 기업 측면에서 NoSQL이 SQL보다 유용한 10가지 경우다. 개인화 개인화된 경험은 데이터, 특히 인구통계적·맥락적·행동적인 차원에서 대량의 데이터를 요구한다. 더 많은 데이터를 사용 가능할수록, 더 많은 경험이 개인화된다. 그러나 관계형 데이터베이스는 개인화 시 발생하는 대량의 데이터를 감당하지 못 한다. 반면 분산형 NoSQL 데이터베이스는 데이터 처리량이 최대치에 도달하는 경우에도 유연한 확장성을 바탕으로 요청 작업을 문제없이 처리한다. 방문자 프로필을 적절하게 관리하며, 대기 시간(latency)을 최소화한다는 장점도 있다. 사용자 프로필 관리 사용자 프로필 관리는 전자상거래, 사용자 취향 분석, 사용자 인증 등과 관련된 웹과 모바일 애플리케이션에 핵심적인 요소다. 현재 웹과 모바일 애플리케이션은 수백만 명부터 최대 수억 명에 이르는 사용자들을 관리하고 있다. 그런 점에서 관계형 데이터베이스는 1개의 서버를 사용하기 때문에 많은 양의 사용자 프로필 정보를 다루기 어렵다. 그러나 분산형 데이터베이스는 업그레이드 시 다수의 서버를 활용한 수평적 확장(scale-out) 방식을 사용하기 때문에 대량의 정보 처리에 유용하다. 다시 말해 NoSQL의 경우 상업용 서버를 추가하는 방식으로 용량을 늘리기 때문에 적은 비용으로 간편하게 업그레이드할 수 있다는 장점이 있다. 실시간 빅데이터 애자일 기업에는 실시간으로 운용 데이터에서 정보를 추출할 수 있는 능력이 매우 중요하다. 이 능력이 있어야 효율성을 높이고, 비용을 절감하며, 보다 많은 수익을 창출할 수 있다. 과거 운용형(o...

클라우드 빅데이터 데이터베이스 SQL NoSQL 관계형 데이터베이스 IoT 카우치베이스 분산형 데이터베이스

2015.11.02

* 본 기고문은 벤더가 작성한 것으로 네트워크 월드 편집진의 수정을 거쳤다. 그러나 벤더의 시각이 일부 남아 있을 수 있다. 구글, 아마존, 페이스북과 같은 IT 대기업을 필두로 많은 기업들이 핵심 애플리케이션 구축과 관련해 유연성과 확장성이라는 두 가지 장점을 지닌 NoSQL 데이터베이스를 관계형 데이터베이스 대신 선택하고 있다. 다음은 기업 측면에서 NoSQL이 SQL보다 유용한 10가지 경우다. 개인화 개인화된 경험은 데이터, 특히 인구통계적·맥락적·행동적인 차원에서 대량의 데이터를 요구한다. 더 많은 데이터를 사용 가능할수록, 더 많은 경험이 개인화된다. 그러나 관계형 데이터베이스는 개인화 시 발생하는 대량의 데이터를 감당하지 못 한다. 반면 분산형 NoSQL 데이터베이스는 데이터 처리량이 최대치에 도달하는 경우에도 유연한 확장성을 바탕으로 요청 작업을 문제없이 처리한다. 방문자 프로필을 적절하게 관리하며, 대기 시간(latency)을 최소화한다는 장점도 있다. 사용자 프로필 관리 사용자 프로필 관리는 전자상거래, 사용자 취향 분석, 사용자 인증 등과 관련된 웹과 모바일 애플리케이션에 핵심적인 요소다. 현재 웹과 모바일 애플리케이션은 수백만 명부터 최대 수억 명에 이르는 사용자들을 관리하고 있다. 그런 점에서 관계형 데이터베이스는 1개의 서버를 사용하기 때문에 많은 양의 사용자 프로필 정보를 다루기 어렵다. 그러나 분산형 데이터베이스는 업그레이드 시 다수의 서버를 활용한 수평적 확장(scale-out) 방식을 사용하기 때문에 대량의 정보 처리에 유용하다. 다시 말해 NoSQL의 경우 상업용 서버를 추가하는 방식으로 용량을 늘리기 때문에 적은 비용으로 간편하게 업그레이드할 수 있다는 장점이 있다. 실시간 빅데이터 애자일 기업에는 실시간으로 운용 데이터에서 정보를 추출할 수 있는 능력이 매우 중요하다. 이 능력이 있어야 효율성을 높이고, 비용을 절감하며, 보다 많은 수익을 창출할 수 있다. 과거 운용형(o...

2015.11.02

기고 | MySQL의 8가지 단점

MySQL은 설치가 간편하고 상대적으로 빠르며 다양한 기능을 지원한다. 유명한 오픈소스 프로젝트 중 하나이기도 하다. 하지만 직접 사용해 본 사람이라면 여러 가지 이유로 놀라움을 감추지 못했을 것이다. 이를테면 인터넷에서 쓸데 없는 것들만 모으고 아무런 시도도 하지 않는 기술처럼 여겨지기도 한다. 많은 이들이 선택하는 이 오픈소스 관계형 데이터베이스와 관련해 불편하거나 당황스러운 8가지 특성을 정리했다. 단 아래의 모든 이유가 비단 MySQL에만 국한된 것은 아니다. 일부는 일반적인 관계형 데이터베이스에 모두 적용되는 이야기이다. 하지만 관계형 데이터베이스와 MySQL에 대해 명확하게 생각하지 않는다면 1990년대에 영원히 갇히게 될지도 모른다. 쌓기 위해서는 먼저 무너뜨릴 필요가 있다. (또는 이런 목록을 작성할 수 있을 정도로 오래 되지 않은 새로운 데이터베이스로 전환해야 할 필요가 있을 것이다.) 깊숙이 자리 잡은 버그와 특이함 대형 소프트웨어 패키지는 버그가 있게 마련이다. 하지만 좀 더 깊이 파보면 MySQL의 버그는 고질적이다. NULL이 늘 언제나 동일하게 동작하거나 외부 키 제약이 강제되거나 자동 증가가 올바르게 진행되는지 알 수 없기 때문에 주의해야 한다. 수십 가지의 작은 문제들이 존재하며 이런 문제가 항상 해결되는 것은 아니다. 이 때문에 사람들이 이와 같은 갓차(gotcha) 리스트를 유지하는 것이다. MySQL이 상시 버그 보고 시스템을 유지하는 점만 보아도 문제가 실제로 존재한다는 사실을 알 수 있다. 다른 사람들도 같은 불만감을 느끼고 있다. 관계형 테이블의 비유연성 테이블은 원칙을 제공하며 원칙은 좋은 것이다. 하지만 프로그래머가 강제로 데이터를 조작하거나 스키마(Schema)로 정의한 불가변 행에 데이터를 넣을 때는 그렇지 못하다. NoSQL이 인기를 얻고 있는 이유 중 하나는 프로그래머가 상황에 따라 데이터 모델을 개선할 수 있는 유연성 때문이다. 주소에 1줄을 추가해야 하는 경우 No...

오픈소스 MySQL DB 관계형 데이터베이스 JSON JOIN

2015.07.27

MySQL은 설치가 간편하고 상대적으로 빠르며 다양한 기능을 지원한다. 유명한 오픈소스 프로젝트 중 하나이기도 하다. 하지만 직접 사용해 본 사람이라면 여러 가지 이유로 놀라움을 감추지 못했을 것이다. 이를테면 인터넷에서 쓸데 없는 것들만 모으고 아무런 시도도 하지 않는 기술처럼 여겨지기도 한다. 많은 이들이 선택하는 이 오픈소스 관계형 데이터베이스와 관련해 불편하거나 당황스러운 8가지 특성을 정리했다. 단 아래의 모든 이유가 비단 MySQL에만 국한된 것은 아니다. 일부는 일반적인 관계형 데이터베이스에 모두 적용되는 이야기이다. 하지만 관계형 데이터베이스와 MySQL에 대해 명확하게 생각하지 않는다면 1990년대에 영원히 갇히게 될지도 모른다. 쌓기 위해서는 먼저 무너뜨릴 필요가 있다. (또는 이런 목록을 작성할 수 있을 정도로 오래 되지 않은 새로운 데이터베이스로 전환해야 할 필요가 있을 것이다.) 깊숙이 자리 잡은 버그와 특이함 대형 소프트웨어 패키지는 버그가 있게 마련이다. 하지만 좀 더 깊이 파보면 MySQL의 버그는 고질적이다. NULL이 늘 언제나 동일하게 동작하거나 외부 키 제약이 강제되거나 자동 증가가 올바르게 진행되는지 알 수 없기 때문에 주의해야 한다. 수십 가지의 작은 문제들이 존재하며 이런 문제가 항상 해결되는 것은 아니다. 이 때문에 사람들이 이와 같은 갓차(gotcha) 리스트를 유지하는 것이다. MySQL이 상시 버그 보고 시스템을 유지하는 점만 보아도 문제가 실제로 존재한다는 사실을 알 수 있다. 다른 사람들도 같은 불만감을 느끼고 있다. 관계형 테이블의 비유연성 테이블은 원칙을 제공하며 원칙은 좋은 것이다. 하지만 프로그래머가 강제로 데이터를 조작하거나 스키마(Schema)로 정의한 불가변 행에 데이터를 넣을 때는 그렇지 못하다. NoSQL이 인기를 얻고 있는 이유 중 하나는 프로그래머가 상황에 따라 데이터 모델을 개선할 수 있는 유연성 때문이다. 주소에 1줄을 추가해야 하는 경우 No...

2015.07.27

기고 | 빅 데이터 길들이기

빅 데이터가 예상보다 빠르게 기업 속으로 파고들었다. 하지만 관리 솔루션들이 넘쳐나고 있어 빅 데이터를 관리하는 게 수월해 지고 있다고 빅인사이트(BigInsights)의 리서치 담당 이사 샤움 라힘은 전했다. 지난 해, 빅 데이터에 대한 인식이 크게 바뀌었다. 최근까지도 빅 데이터는 IT 업체들이 자사 솔루션을 더 많이 판매하기 위해 만든 '광고문구'나 유행어라는 인식이 강했다. 흥미롭게도 빅 데이터의 탄생과 IT업체 사이에는 아무런 상관관계가 없다. 빅 데이터는 디지털 방식의 처리를 원하는 소비자들에 의해 생겨났다. 기업들은 점차 더 많은 비즈니스 기능을 온라인, 모바일 기기, 센서, 기계로 이행하면서 이런 수요를 충족시켰다. 오늘날 우리가 하는 거의 모든 일들이 디지털화되면서 전통적인 IT부문에서는 다룰 수 없었던 엄청난 양의 데이터가 생겨나고 있다. IT업체 중에서도 특히 RDBMS 업체는 시장에서 어느 정도 자리를 잡았지만, 데이터의 폭발적인 증가로 엄청난 특수를 누리고자 그 누구보다도 신속하게 움직이고 있다. 물론, 그들에게 빅 데이터는 꼭 새로운 개념은 아니었다. 많은 대기업 고객들이 이미 수백 테라바이트의 데이터를 보유하고 있었다. 시스템 대체작동이 전혀 없는 최신 데이터 웨어하우징 기능이나 이용성이 높은 백업 또는 증권 시장 거래소보다 더욱 다양한 옵션 등에서 데이터 량은 전혀 문제가 되지 않았다. 일반적인 비즈니스와 크게 다르지 않았다. IT업체들이 생각하기 쉽지 않았던 부분은 속도와 다양성이라는 빅 데이터의 속성이었다. 그 어느 때보다도 다양한 종류의 데이터가 다양한 곳에서 만들어졌다. 데이터 웨어하우징은 이 문제를 해결하기에 비용 부담이 너무 컸다. 업계에서는 비용 효율적이면서도 대용량의 다양한 데이터를 신속하게 처리하고 관리할 수 있는 충분한 용량을 제공할 수 있는 무엇인가가 필요했다.   --------------------------------...

CIO IoT 사물인터넷 관계형 데이터베이스 RDBMS 하둡 비정형 데이터 빅데이터 오픈소스 더그 컷팅

2014.10.14

빅 데이터가 예상보다 빠르게 기업 속으로 파고들었다. 하지만 관리 솔루션들이 넘쳐나고 있어 빅 데이터를 관리하는 게 수월해 지고 있다고 빅인사이트(BigInsights)의 리서치 담당 이사 샤움 라힘은 전했다. 지난 해, 빅 데이터에 대한 인식이 크게 바뀌었다. 최근까지도 빅 데이터는 IT 업체들이 자사 솔루션을 더 많이 판매하기 위해 만든 '광고문구'나 유행어라는 인식이 강했다. 흥미롭게도 빅 데이터의 탄생과 IT업체 사이에는 아무런 상관관계가 없다. 빅 데이터는 디지털 방식의 처리를 원하는 소비자들에 의해 생겨났다. 기업들은 점차 더 많은 비즈니스 기능을 온라인, 모바일 기기, 센서, 기계로 이행하면서 이런 수요를 충족시켰다. 오늘날 우리가 하는 거의 모든 일들이 디지털화되면서 전통적인 IT부문에서는 다룰 수 없었던 엄청난 양의 데이터가 생겨나고 있다. IT업체 중에서도 특히 RDBMS 업체는 시장에서 어느 정도 자리를 잡았지만, 데이터의 폭발적인 증가로 엄청난 특수를 누리고자 그 누구보다도 신속하게 움직이고 있다. 물론, 그들에게 빅 데이터는 꼭 새로운 개념은 아니었다. 많은 대기업 고객들이 이미 수백 테라바이트의 데이터를 보유하고 있었다. 시스템 대체작동이 전혀 없는 최신 데이터 웨어하우징 기능이나 이용성이 높은 백업 또는 증권 시장 거래소보다 더욱 다양한 옵션 등에서 데이터 량은 전혀 문제가 되지 않았다. 일반적인 비즈니스와 크게 다르지 않았다. IT업체들이 생각하기 쉽지 않았던 부분은 속도와 다양성이라는 빅 데이터의 속성이었다. 그 어느 때보다도 다양한 종류의 데이터가 다양한 곳에서 만들어졌다. 데이터 웨어하우징은 이 문제를 해결하기에 비용 부담이 너무 컸다. 업계에서는 비용 효율적이면서도 대용량의 다양한 데이터를 신속하게 처리하고 관리할 수 있는 충분한 용량을 제공할 수 있는 무엇인가가 필요했다.   --------------------------------...

2014.10.14

엑셀 2013에서 관계형 데이터베이스 만들기

엑셀을 데이터베이스로 이용하는 이들이 있기는 했다. 그러나 그저 잘 정렬된 스프레드시트로서의 활용이 대부분이었다. 룩업(LOOKUP) 기능을 통해 좀더 정교한 무언가를 생성할 수 있기는 했지만 셋업 작업이 지나치게 어려웠다. 엑셀 2013에 주목할 만한 이유 중 하나가 이것이다. 새로운 표 기능은 차트와 셀을 연결하고 검색을 수행하며, 역동적으로 업데이트되는 보고서를 생성하는 작업을 한층 쉽게 해주는 도구가 포함돼 있다. 사실상 ‘관계형 데이터베이스’와 같다. 엑셀을 보다 강력한 무기로 만들어주는 새로운 기능을 예제를 통해 살펴본다. 엑셀로 관계형 데이터베이스를 만드는 방법 저장된 정보의 관계를 인식하도록 구조화된 관계형 데이터베이스는 수많은 비즈니스 데이터를 처리할 때 그야말로 요긴하다. 신속하게 특정 정보를 검색하고, 동일한 데이터세트를 여러 방법으로 확인하고, 데이터 오류와 중복을 줄여주는 역할을 한다. 스프레드시트로도 이와 같은 작업을 처리할 수 있다. 우리는 엑셀을 활용하는 방법을 보여주기 위해 마스터 테이블과 상세 테이블이라는 2개 테이블을 만들 계획이다. 마스터 테이블은 (이름, 주소, 도시, 주 등) 레코드가 기록된 1차(주) 테이블이다. 이 테이블은 통상 개별 레코드를 추가 또는 삭제하지 않는 한 변경되지 않는다. 마스터 테이블의 레코드에는 여기에 다시 연결될 (슬레이브나 차일드 테이블 등) 상세 테이블에 포함될 많은 레코드가 있을 수 있다. 이를 '1대 다'의 관계라고 부른다. 그리고 일일 매출, 제품 가격, 수량 등 상세 테이블의 데이터는 일반적으로 수시로 바뀌게 된다. 모든 상세 테이블에 마스터 정보 일체를 반복하는 것을 피하기 위해서는 Sales ID 같은 독창적인 필드를 사용해 관계를 생성한 후, 나머지는 엑셀이 처리하도록 한다. 예를 들어, 각자의 인구통계 정보(마스터 테이블)을 가진 10명의 세일즈 담당자가 있을 수 있다. 각 세일즈 담...

보고서 엑셀 차트 관계형 데이터베이스

2014.08.11

엑셀을 데이터베이스로 이용하는 이들이 있기는 했다. 그러나 그저 잘 정렬된 스프레드시트로서의 활용이 대부분이었다. 룩업(LOOKUP) 기능을 통해 좀더 정교한 무언가를 생성할 수 있기는 했지만 셋업 작업이 지나치게 어려웠다. 엑셀 2013에 주목할 만한 이유 중 하나가 이것이다. 새로운 표 기능은 차트와 셀을 연결하고 검색을 수행하며, 역동적으로 업데이트되는 보고서를 생성하는 작업을 한층 쉽게 해주는 도구가 포함돼 있다. 사실상 ‘관계형 데이터베이스’와 같다. 엑셀을 보다 강력한 무기로 만들어주는 새로운 기능을 예제를 통해 살펴본다. 엑셀로 관계형 데이터베이스를 만드는 방법 저장된 정보의 관계를 인식하도록 구조화된 관계형 데이터베이스는 수많은 비즈니스 데이터를 처리할 때 그야말로 요긴하다. 신속하게 특정 정보를 검색하고, 동일한 데이터세트를 여러 방법으로 확인하고, 데이터 오류와 중복을 줄여주는 역할을 한다. 스프레드시트로도 이와 같은 작업을 처리할 수 있다. 우리는 엑셀을 활용하는 방법을 보여주기 위해 마스터 테이블과 상세 테이블이라는 2개 테이블을 만들 계획이다. 마스터 테이블은 (이름, 주소, 도시, 주 등) 레코드가 기록된 1차(주) 테이블이다. 이 테이블은 통상 개별 레코드를 추가 또는 삭제하지 않는 한 변경되지 않는다. 마스터 테이블의 레코드에는 여기에 다시 연결될 (슬레이브나 차일드 테이블 등) 상세 테이블에 포함될 많은 레코드가 있을 수 있다. 이를 '1대 다'의 관계라고 부른다. 그리고 일일 매출, 제품 가격, 수량 등 상세 테이블의 데이터는 일반적으로 수시로 바뀌게 된다. 모든 상세 테이블에 마스터 정보 일체를 반복하는 것을 피하기 위해서는 Sales ID 같은 독창적인 필드를 사용해 관계를 생성한 후, 나머지는 엑셀이 처리하도록 한다. 예를 들어, 각자의 인구통계 정보(마스터 테이블)을 가진 10명의 세일즈 담당자가 있을 수 있다. 각 세일즈 담...

2014.08.11

페이스북·구글·트위터·링크드인, 오픈소스 MySQL 프로젝트 참여

페이스북, 구글, 링크드인, 트위터의 엔지니어링팀이 웹에서 MySQL을 실행하는 문제를 해결하기 위해 공동으로 나서 오픈소스 프로젝트인 ‘웹스케일SQL(WebScaleSQL)’ 작업을 시작한다고 밝혔다. 페이스북의 소프트웨어 엔지니어 스테판 그린은 "페이스북을 사용하는 12억 3,000만 명에게 신뢰할 수 있는 개인화된 경험을 제공하기 위해 광대한 대규모 인프라가 필요하다"며 먼저 말을 꺼냈다. "페이스북이 성장하면서 MySQL을 도입하게 됐고 이는 현재 세계에서 가장 큰 규모 중 하나가 됐다. 그러면서 MySQL 커뮤니티가 만든 코드 변경에서 배우고 혜택을 얻었다"라고 그는 설명을 이어나갔다. 이 혜택에 대한 대가를 지불하고 대규모로 MySQL을 운영하는 다른 조직을 돕고자 4개 회사의 엔지니어링팀은 오픈소스를 통해 각자가 기여해 사용할 수 있도록 업스트림 MySQL에 대한 변경 사항을 공유하기 시작했다. 그린은 이 협업이 MySQL 커뮤니티의 기존 노력을 확장하고, 웹스케일SQL이 현재의 MySQL 5.6을 지속적으로 추적할 것이라고 전했다. "웹스케일SQL 출시에 대한 우리의 목표는 우리에게 가장 중요한 측면의 우선 순위를 정하기 위해 MySQL 커뮤니티의 원래 회원들이 서로 좀더 긴밀하게 작업할 수 있도록 하는 것이다"라고 그린은 강조했다. "우리는 대규모 환경에서 개발에 특화된 더 많은 기능을 구축하고 추가하면서 MySQL5.6에서 이미 발견된 훌륭한 기능들을 기업들이 활용하도록 돕는 지식 공유 통합 시스템을 만들고자 한다"라고 그는 덧붙였다. 그린은 웹스케일SQL에 기여하는 사람들이 이미 다음과 같은 몇 가지 결과를 만들어 냈다고 밝혔다. •각각 제안된 변경을 위해 MySQL에 장착된 테스트 시스템(mtr)을 배포하고 실행할 자동화 프레임워크 •스트레스 테스트와 성능 테스트 시스템을 자동화한 프로토타입의 새로...

오픈소스 페이스북 트위터 MySQL RDBMS 관계형 데이터베이스 링크드인 웹스케일SQL

2014.03.28

페이스북, 구글, 링크드인, 트위터의 엔지니어링팀이 웹에서 MySQL을 실행하는 문제를 해결하기 위해 공동으로 나서 오픈소스 프로젝트인 ‘웹스케일SQL(WebScaleSQL)’ 작업을 시작한다고 밝혔다. 페이스북의 소프트웨어 엔지니어 스테판 그린은 "페이스북을 사용하는 12억 3,000만 명에게 신뢰할 수 있는 개인화된 경험을 제공하기 위해 광대한 대규모 인프라가 필요하다"며 먼저 말을 꺼냈다. "페이스북이 성장하면서 MySQL을 도입하게 됐고 이는 현재 세계에서 가장 큰 규모 중 하나가 됐다. 그러면서 MySQL 커뮤니티가 만든 코드 변경에서 배우고 혜택을 얻었다"라고 그는 설명을 이어나갔다. 이 혜택에 대한 대가를 지불하고 대규모로 MySQL을 운영하는 다른 조직을 돕고자 4개 회사의 엔지니어링팀은 오픈소스를 통해 각자가 기여해 사용할 수 있도록 업스트림 MySQL에 대한 변경 사항을 공유하기 시작했다. 그린은 이 협업이 MySQL 커뮤니티의 기존 노력을 확장하고, 웹스케일SQL이 현재의 MySQL 5.6을 지속적으로 추적할 것이라고 전했다. "웹스케일SQL 출시에 대한 우리의 목표는 우리에게 가장 중요한 측면의 우선 순위를 정하기 위해 MySQL 커뮤니티의 원래 회원들이 서로 좀더 긴밀하게 작업할 수 있도록 하는 것이다"라고 그린은 강조했다. "우리는 대규모 환경에서 개발에 특화된 더 많은 기능을 구축하고 추가하면서 MySQL5.6에서 이미 발견된 훌륭한 기능들을 기업들이 활용하도록 돕는 지식 공유 통합 시스템을 만들고자 한다"라고 그는 덧붙였다. 그린은 웹스케일SQL에 기여하는 사람들이 이미 다음과 같은 몇 가지 결과를 만들어 냈다고 밝혔다. •각각 제안된 변경을 위해 MySQL에 장착된 테스트 시스템(mtr)을 배포하고 실행할 자동화 프레임워크 •스트레스 테스트와 성능 테스트 시스템을 자동화한 프로토타입의 새로...

2014.03.28

“빅 데이터, 크기만 할 뿐 스마트하지는 않다” 전 오토노미 CEO 경고

지난해 HP에 인수된 오토노미의 전임 CEO인 마이크 린치에 따르면, IT업계가 직면한 가장 큰 변화는 기계가 더 똑똑해지고 있다는 점이며 이는 전통적인 데이터베이스의 한계를 뛰어 넘었음을 의미한다고 한다. 10월 18일 런던에서 열린 IT엑스포의 연사로 나선 린치는 “1960년대 사람들은 컴퓨터가 업무를 수행하는 데 쓰일 수 있다는 점을 알았지만 현실은 기계가 이를 처리하기에는 너무 복잡했다”라고 말했다. 따라서 사람들은 정형 정보로 바꿀 수는 간단한 업무를 찾다보니 관계형 데이터베이스를 구축하게 됐다. "IT산업이 탄생하고 우리는 늘어난 인력들 중 일부를 해고했다"라고 그는 밝혔다. 그 이후, IT기업들은 단순히 업계의 성장을 유지하기 위해 해당 데이터베이스의 업데이트 버전을 만들어 내고 여기에 새로운 이름을 붙였다. 관계형 데이터베이스, 데이터웨어하우스(DW), BI와 비즈니스 분석(BA)는 모두 IT업계의 성장을 위한 변형에 불과하다고 린치는 지적했다. "이제 우리가 다른 것보다 훨씬 더 큰 데이터베이스를 팔려고 할 것이며 그 데이터베이스의 이름은 바로 빅 데이터다”라고 린치는 밝혔다. "여기서 중요한 것은 빅 데이터가 용량이 크지만, 똑똑한가? 실제로 빅 데이터의 한계는 데이터베이스가 이해 하지 못했던 정보의 유형이다. 정보의 95%는 이메일, 텍스트, 영상, 음성으로 이뤄졌는데 바로 이 정보들이 진짜 경쟁력 있는 가치를 가져다 줄 수 있기 때문이다.” 린치는 대부분의 기업들이 진짜 빅 데이터 기술을 필요로 하는 규모로 정형 데이터를 가지고 있지 않다고 말했다. 대부분의 기업은 비정형 또는 ‘인간 친화적인’ 데이터를 보유하고 있을 것이다. "이메일을 읽고 전화를 받거나 TV의 화면을 보고 그게 무슨 뜻인지를 이해하는 수준의 컴퓨터 능력은 우리가 새로운 자동화의 세계에 도달했다는 의미다"라고 린치는 ...

CEO 오토노미 RDB 마이크 린치 관계형 데이터베이스

2012.10.19

지난해 HP에 인수된 오토노미의 전임 CEO인 마이크 린치에 따르면, IT업계가 직면한 가장 큰 변화는 기계가 더 똑똑해지고 있다는 점이며 이는 전통적인 데이터베이스의 한계를 뛰어 넘었음을 의미한다고 한다. 10월 18일 런던에서 열린 IT엑스포의 연사로 나선 린치는 “1960년대 사람들은 컴퓨터가 업무를 수행하는 데 쓰일 수 있다는 점을 알았지만 현실은 기계가 이를 처리하기에는 너무 복잡했다”라고 말했다. 따라서 사람들은 정형 정보로 바꿀 수는 간단한 업무를 찾다보니 관계형 데이터베이스를 구축하게 됐다. "IT산업이 탄생하고 우리는 늘어난 인력들 중 일부를 해고했다"라고 그는 밝혔다. 그 이후, IT기업들은 단순히 업계의 성장을 유지하기 위해 해당 데이터베이스의 업데이트 버전을 만들어 내고 여기에 새로운 이름을 붙였다. 관계형 데이터베이스, 데이터웨어하우스(DW), BI와 비즈니스 분석(BA)는 모두 IT업계의 성장을 위한 변형에 불과하다고 린치는 지적했다. "이제 우리가 다른 것보다 훨씬 더 큰 데이터베이스를 팔려고 할 것이며 그 데이터베이스의 이름은 바로 빅 데이터다”라고 린치는 밝혔다. "여기서 중요한 것은 빅 데이터가 용량이 크지만, 똑똑한가? 실제로 빅 데이터의 한계는 데이터베이스가 이해 하지 못했던 정보의 유형이다. 정보의 95%는 이메일, 텍스트, 영상, 음성으로 이뤄졌는데 바로 이 정보들이 진짜 경쟁력 있는 가치를 가져다 줄 수 있기 때문이다.” 린치는 대부분의 기업들이 진짜 빅 데이터 기술을 필요로 하는 규모로 정형 데이터를 가지고 있지 않다고 말했다. 대부분의 기업은 비정형 또는 ‘인간 친화적인’ 데이터를 보유하고 있을 것이다. "이메일을 읽고 전화를 받거나 TV의 화면을 보고 그게 무슨 뜻인지를 이해하는 수준의 컴퓨터 능력은 우리가 새로운 자동화의 세계에 도달했다는 의미다"라고 린치는 ...

2012.10.19

IDG 설문조사

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.

10.4.0.6