데이터베이스 KOCW
NoSQL
- Not Only SQL의 약자
- 기존의 RDB 와는 다른 종류의 데이터베이스
- 크게 Key-Value, Column-Family, Document, Graph 모델로 나눌 수 있다.
Key-Value
- key값을 통해 value의 값을 얻는 방법으로 dictionary와 같은 것이라고 할 수 있다.
- key used to access opaque blobs of data
- value ca contain any type of data
- 장점 : scalable, simple API(get,put,delete)
- 단점 : content-based search가 불가능(value가 opaque해서?)
- 대표적으로
redis
- Open source in-memory key-value store with optional durability
- Focus on high speed reads & writes of common data structure to RAM
- Allows simple lists, sets and hashes to be stored with the value and manipulated
- Many features that developers like
- expiration, transaction, partitioning
- pub/sub : publish 하면 subscribe한 사람에게 보여짐
Columns-Family stores
- key가 row, column family, column name, timestamp으로 구성됨
- 하나의 row에는 여러개의 column family가 존재하며, column family에는 여러개의 column이 존재
- timestamp가 필요한 이유는 multiple version of values를 저장하기위해(value는 시간에 따라 변한다)
- store versioned blobs in one large table
- queries can be done on rowss, column families and column names
- RDBMS 처럼 table-structure로 보존
- Join에 최적화 안됨
- 하나의 row가 million의 collumn을 가질수도 있다. 그런경우 sparse matrix일 가능성이 높다.
- column추가를 비교적 쉽게할 수 있음
- column-family를 또 모아 super column을 만들 수도 있다.
- 성능을 위해서 유사한 특성을 지닌 그룹을 묶는 것이 좋음
- 장점 : good scale out, versioning
- 단점 :
1. cannot query blob content
- blob data의 저장을 지원하지 않는다.
2. row and column designs are critical
- 데이터의 분산이 불균형하게 되어 일부 노드의 부하가 증가하거나, 쿼리 성능이 저하될 수 있다.
- 대표적으로
big table
- Tightly coupled with MapReduce
- Technically a "sparse matrix" were most cells have no data
- Generating a list of all columns is non-trivial(Column-wise storage는 아님)
- ex) Google bigtable, Hadoop HBase
HBase
- Java 로 쓰여져있고 MapReduce 지원
- Column-oriented data store
- 특히 Hadoop과의 호환성에 집중해 design함
- High-level query language (Pig)
- Strong support by many vendors
cassandra
- Apache open source column family db supported by DataStax
- Peer-to-peer distribution model(모든 노드가 동등한 지위를 가진다.) <-> Centered model
- Strong reputation for linear scale out(millions of writes/second)
- linear scale out : node 수 와 성능 비례
- Database side security
- Written in Java and HDFS,MapReduce와 잘 동작
Graph Store
- Data is stored in a series of nodes, relationships and properties
- Queries are really graph traversals
- Ideal when relationships between data is key(eg. social network)
- 장점 : fast network search, works with public linked data sets
- 단점 : Poor scalability when graphs don't fit into RAM, specialied query languages (RDF uses SPARQL)
- RDF(Relational Description Framework) : Subject, Preidicate(속성), Object로 데이터를 표현하는 방식
- SPARQL : RDF 표준 질의 언어
Document Store
- Data stored in nested hierarchies (eg. json, xml)
- Logical data remains stored together as a unit(no shredding) (RDB 에 나눠서 저장할 수도 있음, but 번거로움)
- Any item in the document can be queried
- 장점 : No object-relational mapping layer, ideal for search
- 단점 : Complex to implement, incompatible with SQL
mongoDB
- Open source JSON data store created by 10gen
- Master-slave scale out model
- Strong developer community
- Sharding built-in, automatic (Sharding : 데이터를 여러 조각으로 나눠 저장하는 기술)
- Implemented in C++ with may APIs(C++,JavaScript,Java,Perl,Python etc.)
