데이터베이스에는 어떤 종류가 있을까

관계형부터 벡터까지

"비개발자가 알아야 할 데이터베이스 이야기" 12부작 중 3편입니다. 데이터베이스 제품 이름이 수십 가지인 이유를 데이터의 모양과 질문의 종류로 설명합니다.

심화 읽기: 실제 제품 선택과 비용 구조 비교는 현대식 클라우드 데이터베이스 선택 가이드에서 다룹니다.

---

신발은 걷기 위해 신지만 등산화, 운동화, 구두의 모양은 다르다. 어떤 신발이 가장 좋은지보다 어디에서 무엇을 할지가 중요하다. 데이터베이스도 마찬가지다. 모든 상황에 가장 좋은 하나의 데이터베이스는 없다.

데이터베이스의 종류는 크게 두 가지로 나뉜다. 저장하는 데이터의 모양(표인가, 문서인가, 관계망인가)과 자주 하는 질문의 종류(정확한 조회인가, 대량 분석인가, 의미 검색인가)에 따라서다. 이 두 축을 잡고 보면 제품 이름의 숲에서 길을 잃지 않는다.

1. 관계형 데이터베이스: 표와 관계로 정리한다

**관계형 데이터베이스(relational database)**는 데이터를 행과 열로 된 표에 저장하고, 표끼리 관계를 맺는다. 고객 표, 주문 표, 상품 표를 따로 두고 고객 번호나 상품 번호로 연결하는 방식이다.

고객 표          주문 표              상품 표
고객번호 | 이름    주문번호 | 고객번호→ | 상품번호→    상품번호 | 상품명 | 가격

정해진 구조와 정확한 거래 처리(2편의 트랜잭션)가 중요한 업무에 잘 맞는다. 주문, 결제, 회계, 예약, 회원 관리 등에 50년 가까이 검증된 표준으로 쓰인다. SQL이라는 공통 언어로 데이터를 찾고 다루기 때문에 SQL 데이터베이스라고도 한다.

대표 예: PostgreSQL, MySQL, Microsoft SQL Server, Oracle Database

2. 문서형 데이터베이스: 한 묶음의 정보를 유연하게 담는다

**문서형 데이터베이스(document database)**는 한 사람이나 한 상품에 관한 정보를 하나의 '문서'처럼 묶어 저장한다. 상품마다 필요한 항목이 다른 온라인 카탈로그를 생각하면 쉽다. 신발에는 사이즈가, 노트북에는 메모리 용량이 필요해도 비교적 유연하게 담을 수 있다.

데이터 구조가 자주 바뀌거나 한 대상의 정보를 한 번에 읽는 서비스에 유용하다. 다만 구조가 자유롭다는 말이 규칙이 필요 없다는 뜻은 아니다. 기준 없이 항목을 늘리면 같은 뜻의 데이터가 여러 이름으로 쌓인다 — 자유로운 서류철이 곧 잡동사니 상자가 되는 식이다.

대표 예: MongoDB, Couchbase

3. 키-값 데이터베이스: 이름표로 값을 빠르게 찾는다

**키-값 데이터베이스(key-value database)**는 사물함 번호와 내용물처럼 고유한 열쇠(key)에 값(value)을 연결한다. 구조가 단순한 대신 매우 빠르게 읽고 쓰는 데 유리하다. 복잡한 검색은 못 하지만 "이 열쇠의 내용물 줘"에는 거의 최고 속도다.

로그인 상태 유지, 장바구니 임시 저장, 자주 조회하는 결과의 캐시(미리 꺼내두기) 등에 많이 쓴다.

대표 예: Redis, Amazon DynamoDB의 일부 사용 방식

4. 와이드 컬럼 데이터베이스: 매우 큰 규모로 넓게 펼쳐 저장한다

**와이드 컬럼 데이터베이스(wide-column database)**는 행마다 필요한 열이 달라도 되는 구조로, 큰 규모의 데이터를 여러 서버에 나누어 저장하도록 설계됐다. 엄청난 양의 이벤트, 메시지, 활동 기록을 끊임없이 받아들이는 서비스에 사용된다.

대표 예: Apache Cassandra, Google Cloud Bigtable

5. 그래프 데이터베이스: 관계 자체가 중요한 데이터를 다룬다

**그래프 데이터베이스(graph database)**는 사람, 상품, 계정 같은 대상을 점으로, 그 사이의 관계를 선으로 저장한다. "이 계정과 연결된 의심스러운 계정을 세 단계까지 찾아라"처럼 관계를 따라가는 질문에 강하다. 관계형 데이터베이스로는 "친구의 친구의 친구"를 찾는 게 매우 느린데, 그래프형은 이것이 전공이다.

소셜 관계, 추천, 금융 사기 탐지, 지식 그래프, 공급망 분석 등에 활용된다.

대표 예: Neo4j, Amazon Neptune

6. 시계열 데이터베이스: 시간에 따라 계속 쌓이는 값을 다룬다

**시계열 데이터베이스(time-series database)**는 시간과 함께 기록되는 데이터를 위해 만들어졌다. 스마트워치의 심박수, 공장의 온도, 서버 사용량, 주가처럼 "언제 측정했는가"가 핵심인 데이터다.

"최근 한 시간의 평균", "지난달 같은 시간대와의 비교"처럼 시간 구간을 기준으로 한 분석에 유리하다. IoT 센서나 서버 모니터링 데이터를 관계형 DB에 그냥 쌓으면 금세 감당이 안 되는데, 시계열 DB는 압축과 보관 정책이 시간 데이터에 최적화되어 있다.

대표 예: InfluxDB, TimescaleDB

7. 검색 데이터베이스: 정확히 같은 단어가 없어도 찾는다

**검색 엔진(search engine database)**은 문서 안의 단어를 빠르게 찾고, 관련성이 높은 결과를 앞에 보여 주는 데 특화되어 있다. 오타를 고쳐주고, "자켓"으로 검색해도 "재킷" 상품을 찾아주는 식의 유연한 문서 검색이 강점이다. 상품 검색, 사내 문서 검색, 로그 분석 등에 사용된다.

대표 예: Elasticsearch, OpenSearch

8. 벡터 데이터베이스: 의미가 비슷한 것을 찾는다

**벡터 데이터베이스(vector database)**는 문장, 이미지 같은 자료의 특징을 숫자 묶음(임베딩)으로 바꾸어 저장한다. 사용자가 "환불받는 방법"이라고 검색했을 때 '반품 및 결제 취소 안내' 문서를 찾아내듯, 단어가 정확히 같지 않아도 의미가 가까운 자료를 찾을 수 있다.

생성형 AI가 사내 문서를 찾아 답하게 하는 검색 증강 생성(RAG), 추천, 이미지 검색 등에 쓰인다. AI 시대의 신참이지만 중요한 주의가 있다: 고객, 결제, 권한 같은 핵심 업무 기록까지 모두 벡터 DB로 옮기는 것은 대개 적절하지 않다. 기존 데이터베이스와 함께 쓰는 경우가 많다(12편에서 자세히 다룬다).

대표 예: Pinecone, Weaviate, Milvus, 그리고 벡터 검색 기능을 갖춘 PostgreSQL·MongoDB 등

SQL과 NoSQL, 둘 중 하나만 골라야 할까?

NoSQL은 관계형이 아닌 여러 데이터베이스를 넓게 부르는 말이다. 'SQL을 절대 쓰지 않는다'는 뜻이 아니라 "Not Only SQL"로 읽는 게 정확하다. 오늘날 많은 제품이 서로의 기능을 받아들이고 있다. 관계형 DB가 문서나 벡터를 다루기도 하고, NoSQL 제품이 거래 기능과 검색 언어를 제공하기도 한다.

큰 서비스가 여러 종류의 데이터베이스를 함께 사용하는 것도 자연스럽다. 주문은 관계형에, 로그인 상태는 키-값 저장소에, 상품 검색은 검색 엔진에 두는 식이다. 이를 **폴리글롯 퍼시스턴스(polyglot persistence)**라고 부른다.

그러나 종류가 늘어날수록 운영과 보안, 데이터 일치 관리도 어려워진다. 데이터베이스가 하나 늘 때마다 백업, 권한, 모니터링, 장애 대응 대상도 하나씩 늘어난다. 작은 서비스라면 익숙하고 범용적인 데이터베이스 하나로 시작하는 편이 더 나을 수 있다.

핵심 정리 데이터베이스의 종류는 데이터의 모양과 자주 하는 질문에 따라 나뉜다. 관계형은 구조와 거래, 문서형은 유연한 묶음, 그래프형은 관계 탐색, 시계열은 시간 변화, 벡터형은 의미 검색에 강점이 있다. "가장 좋은 DB"가 아니라 "우리 데이터와 질문에 맞는 DB"가 정답이며, 종류를 늘리는 결정에는 운영 복잡성이라는 비용도 따른다.

한눈에 보는 선택 단서

생각해 볼 질문

• 우리 서비스의 데이터는 주로 어떤 모양인가 — 규칙적인 표, 제각각인 문서, 관계망, 시간별 측정값 중?
• 우리가 가장 자주 하는 질문은 정확한 조회인가, 대량 분석인가, 의미 검색인가?
• 지금 쓰고 있는 데이터베이스가 몇 종류이고, 각각이 왜 도입됐는지 설명할 수 있는가?

다음 글: 운영용 데이터베이스와 분석용 데이터 저장소(웨어하우스, 레이크)는 왜 나누는지 알아본다.

---

시리즈 목차

1. 데이터베이스란 무엇인가 — 엑셀 파일과 무엇이 다를까?
2. 데이터베이스는 어떻게 정확성을 지킬까
3. 데이터베이스에는 어떤 종류가 있을까 ← 현재 글
4. 데이터베이스, 데이터 웨어하우스, 데이터 레이크
5. 올바른 데이터베이스 선택이 중요한 이유
6. 데이터 모델과 데이터 품질
7. 데이터 거버넌스란 무엇인가
8. 개인정보는 적게, 필요한 만큼만
9. 데이터 보안의 기본
10. 데이터 침해는 왜 일어나며, 발생하면 무엇을 해야 할까
11. 클라우드와 서버리스 데이터베이스
12. AI 시대의 데이터베이스