[Computer Terms] NoSQL과 쿼리 최적화 (NoSQL, Query Optimization)

이 장을 읽기 전에

정규화와 인덱스에서 다룬 관계형 모델(테이블·조인·B-Tree 인덱스)을 안다고 가정한다. NoSQL은 이 관계형 모델을 대체하는 것이 아니라, 관계형 모델이 잘 맞지 않는 상황에서 선택할 수 있는 대안이라는 관점으로 접근한다.

관계형 모델이 항상 정답은 아니다

정규화된 관계형 모델은 데이터 무결성과 유연한 조회에 강하지만, 두 가지 상황에서 부담이 된다. 첫째, 데이터를 여러 서버에 분산 저장(샤딩)해야 할 만큼 규모가 커지면, 조인은 여러 서버에 걸친 데이터를 모아야 해서 급격히 느려진다. 둘째, 스키마가 자주 바뀌는 데이터(로그, 설정값처럼 구조가 문서마다 다를 수 있는 데이터)는 매번 테이블 구조를 변경(마이그레이션)해야 하는 관계형 모델과 잘 맞지 않는다. NoSQL은 이런 상황에서 정규화·조인을 포기하는 대신 확장성이나 스키마 유연성을 얻는 데이터베이스 계열을 통칭한다.

NoSQL의 네 갈래

문서(Document) DB(MongoDB 등)는 관련 데이터를 하나의 문서(JSON과 유사한 구조)에 통째로 저장해, 조인 없이 한 번의 조회로 필요한 데이터를 모두 가져온다. 정규화와 인덱스에서 분리했던 customers와 orders를 문서 DB에서는 주문 문서 안에 고객 정보를 함께 내장(embed)해 저장하는 경우가 많다 — 조회는 빨라지지만, 고객 정보가 바뀌면 관련된 모든 문서를 갱신해야 하는 정규화 이전의 이상 현상이 다시 나타날 수 있다.

키-값(Key-Value) DB(Redis 등)는 해시테이블 챕터에서 다룬 구조를 그대로 데이터베이스 수준으로 확장한 것이다. 복잡한 조회 없이 키로 값을 빠르게 읽고 쓰는 데 특화돼 있어, 세션 저장소나 캐시로 흔히 쓰인다. 컬럼 기반(Column-Family) DB(Cassandra 등)는 행이 아니라 컬럼 단위로 데이터를 묶어 저장해, 특정 컬럼만 대량으로 읽는 분석 워크로드에 유리하다. 그래프 DB(Neo4j 등)는 그래프 챕터의 인접 리스트 개념을 데이터베이스 수준으로 확장해, 관계 자체가 조회의 핵심인 경우(추천 시스템, 소셜 네트워크)에 관계형 조인보다 훨씬 빠른 순회를 제공한다.

쿼리 최적화: 실행 계획을 읽는다

관계형이든 NoSQL이든, 같은 결과를 내는 쿼리라도 실행 방식에 따라 속도가 크게 달라진다. 대부분의 데이터베이스는 쿼리를 실제로 어떻게 실행할지 보여주는 **실행 계획(Execution Plan)**을 제공한다.

1
2
3
4
5

EXPLAIN ANALYZE
SELECT o.order_id, c.customer_name
FROM orders o
JOIN customers c ON o.customer_id = c.customer_id
WHERE c.customer_id = 42;

이 계획에서 orders.customer_id에 인덱스가 없다면 “Seq Scan”(순차 스캔, 정규화와 인덱스에서 다룬 Full Table Scan)이 나타나고, 인덱스가 있다면 “Index Scan"이 나타난다. 쿼리 최적화의 첫 단계는 대개 이 실행 계획에서 예상보다 느린 Seq Scan을 찾아 인덱스를 추가하거나, 조인 순서를 조정하는 것이다.

비교: 관계형 vs NoSQL 네 갈래

흔한 오개념

“NoSQL은 SQL보다 항상 빠르다” — NoSQL이 빠른 것은 조인·정규화를 포기해 특정 접근 패턴에 최적화됐기 때문이지, 근본적으로 더 빠른 기술이라서가 아니다. 문서 DB에 정규화 없이 저장한 데이터에서 관계형 조인 같은 복잡한 조회를 하려 하면, 애플리케이션 코드에서 여러 번 조회해 직접 조합해야 해서 오히려 관계형 DB의 단일 조인 쿼리보다 느려질 수 있다.

“실행 계획에서 인덱스를 쓰면 항상 더 빠르다” — 테이블이 작거나, 조건에 맞는 행이 전체의 대부분을 차지한다면 인덱스를 거쳐 각 행을 따로 찾는 것보다 순차 스캔이 오히려 빠를 수 있다. 옵티마이저가 통계를 바탕으로 Seq Scan을 선택했다면, 무조건 인덱스 사용을 강제하기보다 그 판단이 맞는지 먼저 확인해야 한다.

다른 개념과의 연결

키-값 DB는 해시테이블을, 그래프 DB는 그래프를 데이터베이스 수준으로 확장한 것으로, 자료구조 갈래에서 다룬 트레이드오프(정렬 유지 여부, 임의 접근 비용)가 그대로 데이터베이스 선택 기준이 된다. 다음 챕터에서는 데이터를 여러 서버로 나누는 샤딩과 복제를 다룬다.

평가 기준

이 챕터를 읽은 후에는 다음을 할 수 있어야 한다. NoSQL의 네 갈래(문서·키-값·컬럼·그래프)가 각각 어떤 자료구조를 확장한 것인지, 어떤 접근 패턴에 유리한지 설명할 수 있다. 관계형과 NoSQL 중 데이터의 구조 변동성·조회 패턴·규모에 따라 근거를 갖고 선택할 수 있다. 실행 계획에서 Seq Scan과 Index Scan을 구분하고, 어느 쪽이 더 나은지 상황에 따라 판단할 수 있다.

참고 자료

Sadalage, P. J., & Fowler, M. (2012). NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison-Wesley.

• MongoDB Documentation: Data Modeling — 문서 DB에서 내장(embed) vs 참조(reference) 설계 트레이드오프
• PostgreSQL Documentation: Using EXPLAIN — 실행 계획을 읽고 쿼리를 최적화하는 공식 가이드