1. NoSQL

• NoSQL은 Non SQL 또는 Non relational을 나타내는 말
  • 즉, 관계가 없는 형태의 데이터베이스를 의미
• 관계형 데이터베이스의 데이터 일관성 제약을 일부 완화함으로써, 수평적으로 확장 가능한 성능을 갖고 있다.
  • 또한 개발하기에 용이하며 짧은 지연 시간 및 복원력을 갖고 있다.
  • 이러한 NoSQL은 스키마 없는 데이터 모델에 최적화 되어 있다.
• 간단한 데이터 구조를 갖고 있으며, 열, 문서, 그래프, 인메모리 키-값 스토어 등의 다양한 데이터 모델을 사용할 수 있다.
  • 그래서 빅데이터, 모바일 및 웹 애플리케이션에 사용하기에 매우 적합하다

1.1 RDBMS와 NoSQL 데이터베이스 차이점

• RDBMS에서는 데이터를 유연하게 쿼리할 수 있지만,
  • 대신 쿼리 비용이 상대적으로 높으며 트래픽이 많은 상황에서는 확장성이 떨어진다.
• NoSQL 데이터베이스에서는 몇 가지 제한된 방법으로 데이터를 효율적으로 쿼리할 수 있으며,
  • 그 외에는 쿼리 비용이 높고 속도가 느리다는 특징을 갖고 있다

1.2 NoSQL 데이터베이스 종류

NoSQL 데이터베이스에는 4가지 주로 사용되는 유형이 있다.

• 열 기반 데이터베이스 : 데이터의 행이 아닌 데이터의 열을 읽고 쓰는 데 최적화되어 있다.
• 문서 데이터베이스 : JSON 또는 XML 형식의 문서와 같은 반정형 데이터를 저장하도록 설계 되어 있다
  • 문서별로 다른 스키마를 적용할 수 있으며, 유연하게 애플리케이션 데이터를 구성 및 저장할 수 있다.
• 그래프 데이터베이스 : 간선이라고 부르는 방향 링크와 정점을 저장하는 형태의 데이터베이스
• 인 메모리 키-값 스토어 : 읽기 중심의 애플리케이션 워크로드 또는 컴퓨팅 집약적 워크로드에 최적화되어 있다.
  • 인 메모리 캐싱은 핵심 데이터 조각을 메모리에 저장해 액세스 지연 시간을 줄여주므로 애플리케이션 성능이 향상된다.

이 데이터베이스들은 데이터가 저장되고, 액세스되고, 구조화되는 방식이 다르며, 서로 다른 사용 사례 및 애플리케이션에 최적화 되어 있습니다.

2. DynamoDB

• DynamoDB : AWS에서 제공하는 매우 빠르고 확장 가능한 완전관리형 클라우드 NoSQL 데이터베이스
• 규모와 관계없이 10ms 미만의 지연 시간을 보장하며, 유연한 데이터 모델을 사용할 수 있고 용량에 제한이 없다.
• 안정적인 성능 및 처리 용량 자동 조정 기능을 통해 안정적이고 확장 가능한 서비스를 제공할 수 있으며,
  • 용량과 읽기/쓰기 유닛에 대하여 과금됨
• DAX(DynamoDB Accelerator) : 가용성이 뛰어난 완전관리형 인 메모리 캐시
  • DAX를 사용하면 초당 수백만 개의 요청에도 DynamoDB 응답 시간을 밀리초에서 마이크로초로 단축 가능

2.1 DynamoDB Read 방식

• Eventually Consistent Read (기본으로 사용되는 방식)
  • 최근 완료된 쓰기 작업의 결과를 반영하지 않을 수 있기 때문에, 부실 데이터가 일부 포함될 수 있는 방식
  • 하지만 잠시 후에 읽기 요청을 반복하면 응답이 최신 데이터를 반환하게 된다.
• Strongly Consistent Read
  • 성공한 모든 이전 쓰기 작업의 업데이트를 반영하여 가장 최신 데이터로 응답을 반환하는 방식
  • 네트워크 지연 또는 중단이 발생한 경우에 사용이 어려울 수 있다.

2.2 DynamoDB 과금방식

과금 방식은 크게 스토리지 요금과 읽기/쓰기 용량 유닛에 대한 요금으로 나눠진다.

• 데이터 스토리지 :

  • 테이블에서 사용한 디스크 공간(GB)당 시간당 요금을 부과
  • GB당 월 0.27 USD

• 읽기 용량 유닛

  • 1 읽기 용량 유닛은 초당 최대 2건의 읽기 작업을 제공 (월별 5백 2십만 건)
  • 읽기 요청 유닛 100만 건당 0.271 USD

• 쓰기 용량 유닛 요금

  • 1 쓰기 용량 유닛은 초당 최대 1건의 쓰기 작업을 제공 (월별 2백 6십만 건)
  • 쓰기 요청 유닛 100만 건당 1.3556 USD

cf. 이 요금은 현재 시점의 서울 리전 기준 요금이며, 프리티어에서는 매월 25GB 스토리지 및 읽기/쓰기 용량 유닛이 각 25개씩 제공됨

2.3 DynamoDB 기본 구성

• Table : Item의 집합
• Item : Attribute의 집합
• Attribute : Key-Value방식의 데이터를 의미하며, Key는 문자열

3. DynamoDB 데이터 타입

3.1 스칼라 데이터 형식

하나의 값만을 표현할 수 있는 스칼라 데이터 형식은 다음과 같다.

• Number (N) : 양수, 음수 또는 0. 최대 38자리까지 지원.
• String (S) : UTF-8 이진 인코딩 을 사용하는 유니코드.
• Binary (B) : 압축 텍스트, 암호화 데이터, 또는 이미지 같은 모든 이진수 데이터 저장 가능.
• Boolean (S, "0"또는 1") : true 또는 false를 저장할 수 있음.
• Null (NULL) : 알려지지 않았거나 정의되지 않은 상태의 속성.

3.2 문서 형식

내포 속성이 있는 복잡한 구조를 표현하기 위한 문서 형식이 있다.

• List (L) : 순서가 지정된 값 모음을 저장할 수 있음.
• Мар (M) : 정렬되지 않은 이름-값 쌍의 모음을 저장할 수 있음

3.2 다중 값 형식

여러 스칼라 값을 표현할 수 있는 다중 값 형식이 있다.

• String Set (SS) : 문자열 집합
• Number Set (NS) : 숫자 집합
• Binary Set (BS) : 이진 집합

4. DynamoDB 파티션 및 키

4.1 DynamoDB 파티션

DynamoDB의 파티션 : DynamoDB가 데이터를 저장하는 곳

• SSD(Solid State Drive)로 백업되는 테이블용 스토리지 할당을 의미하며,
• 하나의 AWS 리전 내의 여러 가용 영역에 자동으로 복제된다.
• 이 파티션은 사용자가 직접 관리할 필요 없이 전적으로 DynamoDB에서 처리한다.

DynamoDB는다음과 같은 상황에 테이블에 추가 파티션을 할당한다.

• 기존 파티션이 지원할 수 있는 한도를 초과하여 테이블의 할당된 처리량 설정을 늘리는 경우
• 기존 파티션 용량이 다 차서 추가 스토리지 공간이 필요한 경우

4.2 DynamoDB 키

보통 DB에서 key라고 하면 Table내에서 각 Item을 구분하는 고유 식별자를 의미한다.

• 기본키 (Primary Key)
  • Table내에서 각 ltem을 구분하는 고유 식별자
  • 단순 기본 키 : 파티션 키만 사용
  • 복합 기본 키 : 파티션 키와 정렬 키를 함께 사용
• 파티션 키(Partition Key)
  • 데이터가 저장되어 있는 파티션을 결정하기 위한 키
  • 내부 해시 함수에 대한 입력으로 파티션 키 값을 사용
  • 출력에 따라 항목을 저장할 파티션이 결정됨
• 정렬 키 (Sort Key) : 파티션 키가 동일한 모든 항목들을 정렬하는 키 값

DynamoDB에서는 파티션 키만 사용하거나 파티션 키와 정렬 키를 함께 사용하는 형태로 테이블의 기본 키를 설정할 수 있다.

• 먼저 기본 키로 파티션 키만 사용하는 경우, 파티션 키를 통해서 Item을 찾을 수 있다.
• 다음은 기본 키로 파티션 키와 정렬 키를 함께 사용하는 경우,
  • 파티션 키를 해시 함수의 입력으로 전달하여 Item이 저장되어 있는 파티션을 찾고,
  • 이후에 해당 파티션 내에서 정렬 키를 사용하여 Item을 찾는다.

5. DynamoDB 보조 인덱스

DynamoDB의 테이블에서는 하나 이상의 보조 인덱스를 생성할 수 있다.

• 보조 인덱스는 파티션 키에 대한 쿼리는 물론이고, 정렬 키를 사용하여 테이블 데이터에 대한 쿼리까지 실행할 수 있다.
• DynamoDB는 인덱스를 사용하도록 요구하지는 않으면서도 데이터를 쿼리할 때 애플리케이션에 보다 많은 유연성을 제공한다.
• 테이블에서 보조 인덱스를 생성한 후에는, 테이블에서 데이터를 읽는 것과 같은 방식으로 인덱스에서 데이터를 읽을 수 있다.

DynamoDB의 보조 인덱스에는 2가지 종류가 있다.

• LSI (Local Secondary Index, 로컬 보조 인덱스)
  • 테이블과 파티션 키는 동일하지만 정렬 키는 다른 인덱스
  • 테이블에 정렬 키(Sort Key)를 추가로 더 만든다고 생각하면 된다.
• GSI (Global Secondary Index, 글로벌 보조 인덱스)
  • 파티션 키 및 정렬 키가 테이블의 파티션 키 및 정렬 키와 다를 수 있는 인덱스

DynamoDB에서는 테이블당 최대 20개의 GSI 및 5개의 LSI를 정의할 수 있다.

5.1 GSI와 LSI의 차이점

보조 인덱스를 사용할 때는 각각의 특징을 꼭 잘 확인하고 사용하자.

5.2 로컬 보조 인덱스(LSI) 예

• 테이블의 파티션 키는 Name이고 정렬 키는 Subject
• LSI의 파티션 키는 Name으로 테이블과 동일하며, 정렬 키는 Score로 테이블과 다른 것을 볼 수 있다.
• 이렇게 로컬 보조 인덱스(LSI)를 만들어서 사용하게 되면,
  • Name과 Score 값을 이용해서 테이블 내에서 아이템을 찾을 수 있다.

5.3 글로벌 보조 인덱스(GSI) 예

• 글로벌 보조 인덱스의 파티션 키는 Subject가 되고, 정렬 키는 Name이다.
• 글로벌 보조 인덱스를 사용하면 다른 값으로 파티션을 나눌 수 있고,
  • 해당 파티션 내에서 아이템들을 정렬할 수 있다.

6. DynamoDB 데이터 조회

DynamoDB의 데이터 조회 방식에는 크게 Query와 Scan이 있다.

• Query : 기본 키 값을 기반으로 항목을 찾는 방식
  • 복합 기본 키가 있는 테이블 또는 보조 인덱스를 쿼리할 수 있음
  • 파티션 키 속성의 이름과 해당 속성의 단일 값을 제공해야 하며, 해당 파티션 키 값을 갖는 모든 항목을 반환함
  • 선택적으로 정렬 키 속성을 제공하고, 비교 연산자를 사용하여 검색 결과의 범위를 좁힐 수 있음
• Scan : 테이블 또는 보조 인덱스의 모든 항목을 읽어오는 방식
  • 기본적으로 테이블이나 인덱스에 속한 항목의 데이터 속성을 모두 반환한다.
  • ProjectionExpression 파라미터를 사용하면 일부 속성만 가져올 수 있다.
  • 항상 결과 집합을 반환하는데, 만약 일치하는 항목이 없다면 비어있는 결과 집합이 반환된다.
  • 단일 Scan 요청은 최대 1MB까지 데이터를 가져올 수 있다.
  • 이때 옵션으로 필터 표현식을 적용하면 반환되는 결과의 범위를 좁힐 수도 있다.

정리 : Query는 키 값으로 찾는 것이고, Scan은 전체 데이터를 가져와서 필터링 하는 것

e.g. 학교에서 학생을 찾는다면,

• Query는 학번으로 곧바로 부르는 것
  • 데이터를 조회하기 위해서는 Query를 사용
• Scan은 1명씩 불러서 학번이 일치하는지 확인하는 것

데이터를 조회하기 위해서는 Query를 사용하고, Scan은 속도도 느리고 비싸므로 웬만하면 사용하지 않는다.

7. (실습) DynamoDB 테이블 설계

DynamoDB의 테이블 설계는 일반적인 DB와는 조금 다르다.

• 전교생의 시험 점수를 DynamoDB에 넣어서 관리하려고 함
• 학생들은 저마다 고유 학번을 갖고 있음
• 시험 과목은 영어, 과학, 수학 총 3과목
• 아래와 같은 데이터 조회가 가능해야 함
  • 한 학생의 영어, 과학, 수학 점수를 다 가져오기
  • 각 과목별 점수로 정렬하여 학생 목록 가져오기

7.1 기본키 구성

• 단순 기본 키로 할 경우
  • 파티션 키 : 학생의 학번
• 복합 기본 키로 할 경우
  • 파티션 키 : 학생의 학번
  • 정렬 키 : 과목명

조건을 만족시키려면, 복합기본키를 사용하고 보조인덱스를 추가해야 한다.

7.2 보조 인덱스

로컬 보조 인덱스 : 여기서는 굳이 필요없음

글로벌 보조 인덱스 :

• 복합 기본 키
  • 파티션 키 : 과목명
  • 정렬키 : 점수

과목명으로 파티션을 나누고 파티션 내에서 점수를 기준으로 정렬할 수 있다.

8. (실습) DynamoDB 테이블 생성

[DynamoDB] → 왼쪽 메뉴 [테이블]페이지로 이동해서 [테이블 생성] 버튼을 클릭. 그러면 (테이블 생성) 페이지가 나온다.

• 테이블 이름 : StudentScore
• 파티션 키 : id, 숫자 타입
• 정렬 키 : subject, 문자열 타입
• 테이블 설정 : 설정 사용자 지정
  • 선택하면, 테이블 클래스, 용량 계산기 등이 나온다.
• 보조 인덱스에서 [글로벌 인덱스] 생성 버튼을 클릭
  • 파티션 키 : subject, 문자열 타입
  • 정렬키 : score, 숫자 타입
  • [인덱스 생성] 버튼을 클릭
  • 그럼 보조인덱스가 목록에 추가된 것을 볼 수 있다.
• 화면을 제일 하단으로 내려서 [테이블 생성] 버튼을 클릭한다.
• 테이블을 생성하는 것은 대략 1, 2분 정도가 소요된다.

생성된 테이블을 클릭해서 상세 정보를 보면, 파티션 키와 정렬 키도 확인 가능하다.

• [인덱스] 탭을 클릭해보면, 생성한 글로벌 보조 인덱스가 목록에 나온다.

9. (실습) DynamoDB 테이블 입력

[테이블 상세] 페이지에서 [작업] 메뉴를 클릭한다.

• 이후 나오는 목록에서 [항목 생성]을 클릭한다.
• 그럼 항목을 생성할 수 있는 화면이 나온다.
• [새 항목 추가] 버튼을 눌러서 타입별로 추가할 수 있다.

다음과 같이 입력해준뒤에 [항목 생성] 버튼을 클릭한다.

동일한 과정을 총 9번 반복하여, 다음 데이터들을 모두 입력한다.

10. (실습) DynamoDB 테이블 조회

10.1 쿼리

[테이블] 메뉴에서 목록을 클릭해 상세페이지로 이동한다.

• [표 항목 탐색] 버튼을 클릭한다.
• 쿼리는 테이블의 키를 이용해서 항목을 탐색하는 방식이기 때문에,
  • [쿼리]를 선택하면, 인덱스를 선택하는 옵션이 나온다.
• 여기서 테이블 또는 인덱스 선택 메뉴를 펼쳐보면,
  • 테이블의 기본키로 조회할 것인지 보조인덱스로 조회할 것인지 선택할 수 있다.
  • 먼저 테이블의 기본키로 조회할 것이다.

먼저 1번 학생의 전과목 점수를 조회하려면,

• id : 1을 입력하고 [실행] 버튼을 클릭

이번에는 과목으로 조회하기 위해서, 직접 만든 글로벌 보조 인덱스를 선택한다.

• 테이블 또는 인덱스 선택 : 만들어둔 subject-score-index 선택
• 글로벌 보조 인덱스를 선택하면, 파티션 키가 id가 아닌 subject로 바뀐다.
• 여기에 조회하려는 과목명을 입력하면 된다. (cf. Math)

10.2 스캔

스캔 방식은 전체 데이터를 가져온다.

• [스캔] 버튼을 누르고 [실행] 버튼을 클릭한다.
• 그러면, 모든 데이터가 나온다.
• 스캔에서 [필터] 버튼을 누르면, 스캔에서 필터를 추가할 수 있다.

1번 학생의 모든 과목 점수를 조회하려면,

• 속성이름 : id
• 유형 : 숫자
• 조건 : 같음
• 값 : 1
• 위와 같이 설정하고 [실행] 버튼을 클릭

수학 과목의 학생 목록을 조회하려면,

• 속성이름 : subject
• 유형 : 문자열
• 조건 : 같음
• 값 : Math
• 위와 같이 설정하고 [실행] 버튼을 클릭

11. (실습) DynamoDB 테이블 삭제

테이블 상세 페이지에서 [작업] 메뉴를 클릭한다.

• 이후 [테이블 삭제]를 클릭합니다.
• 그러면 테이블을 삭제하기 전에 한 번 더 확인하기 위한 다이얼로그가 나온다.
  • 여기에 확인이라고 입력한다.
  • 테이블 삭제가 진행되고, 시간이 조금 지나면 테이블 삭제가 완료된다.