https://www.youtube.com/watch?v=81JnYGT2HVQ
MongoDB 소개
- key-value와 다르게 여러 용도로 사용이 가능 (범용적)
- 스키마를 고정하지 않는 형태
- 스키마 변경으로 오는 문제 없음
- 데이터를 구조화해서 json 형태로 저장 (데이터를 key-value화 저장) - Join이 불가능하기ㄷ 때문에 join이 필요없도록 데이터 설계 필요
MongoDB 특징
- 메모리맵 형태의 파일엔진 DB이기 때문에 메모리에 의존적
- 메모리 크기가 성능을 좌우
- 메모리를 넘어서는 경우 성능이 급격히 저하됨 - 쌓아놓고 삭제가 없는 경우가 적합
- 로그 데이터
- 이벤트 참여 내역
- 세션 - 트랜잭션이 필요한 금융, 결제, 빌링, 회원 정보 등에는 부적합 (이런 것들은 RDBMS 사용)
도큐먼트 데이터 모델 - 데이터 설계를 "종이문서" 설계하듯이 설계해야 한다.
- 속성의 이름과 값으로 이루어진 쌍의 집합
- 속성은 문자열이나 숫자, 날짜 가능
- 배열 또는 다른 도큐먼트를 지정하는것도 가능함
- 하나의 document에 필요한 정보를 모두 담아야 함
- one query로 모두 해결이 되게끔 collection model 설계를 해야 함
- Join이 불가능하므로 미리 embedding 시켜야 함
장점
- Schema-less 구조
- 다양한 형태의 데이터 저장 가능
- 데이터 모델의 유연한 변화 가능 (데이터 모델 변경, 필드 확장 용이) - Read/Write 성능 뛰어남
- Scale Out 구조
- 많은 데이터 저장 가능
- 장비 확장이 간단함 - JSON 구조 : 데이터 직관적 이해 가능
- 사용 방법 쉽고, 개발이 편리함
단점
- 데이터 업데이트 중 장애 발생 시, 데이터 손실 가능
- 많은 인덱스 사용 시, 충분한 메모리 확보 필요
- 데이터 공간 소모가 RDBMS에 비해 많음 (비효율적인 Key 중복 입력)
- 복잡한 JOIN 사용시 성능 제약이 따름
- transactions 지원이 RDBMS 대비 미약함
- 제공되는 MapReduce 작업이 Hadoop에 비해 성능이 떨어짐
빅데이터 처리 특화
- Memory Mapped (데이터 쓰기 시에 가상 메모리에 데이터를 넣은 후 비동기로 디스크에 기록하는 방식)를 사용
- 방대한 데이터를 빠르게 처리 가능
- OS의 메모리를 활용하기 때문에 메모리가 차면 하드디스크로 데이터 처리하여 속도가 급격히 느려짐
- 하드웨어적인 측면에서 투자가 필요
MongoDB 불안정성
- 데이터의 양이 많을 경우
- 일부 데이터가 손실 가능성 존재
- 샤딩의 비정상적인 동작 가능성
- 레플리카 프로세스의 비정상 동작 가능성
MongoDB 인덱스
- 다수 인덱스 설정 가능
- 복합 인덱스 지원
- 빠른 검색 지원
- 도큐먼트에 저장된 데이터와 중복 저장 문제
- 메모리가 부족한 시스템에서는 검색 속도 저하 문제
MongoDB 복제
- Master - Slave 구조 구성
- 데이터 복사본을 Slave에 배치
- Master 장애에 따른 데이터 손실 없이 Slave 데이터 사용 가능
- Master 장애가 발생했을때, Slave에서 Master를 선출 가능 (중단 없는 서비스 가능)
- 데이터 손실을 최소화하기 위해 저널링 지원 (MongoDB의 데이터 변화에 따른 모든 연산에 대한 로그 적재)
MongoDB 샤딩
- 대용량의 데이터를 저장하기 위한 방법
- 소프트웨어적으로 데이터베이스를 분산시켜 처리하는 구조 - 샤딩 방식
- 데이터베이스가 저장하고 있는 테이블을 테이블 단위로 분리하는 방법
- 데이터베이스가 저장하고 있는 테이블 자체를 분할하는 방법 - 분산 데이터베이스의 전통적인 분할 3계층 구조 지원
- 응용 계층, 중개자 계층, 데이터 계층
- 응용 계층은 데이터에 접근하기 위해 중개자를 통해 모든 데이터의 입출력을 처리
- 추상화된 한 개의 데이터베이스가 존재하는 것처럼 운용
MongoDB 맵리듀스
- 대용량의 데이터를 안전하고 빠르게 처리하기 위한 방법
- 데이터를 분산하여 연산하고 다시 합치는 기술
- 맵과 리듀스 단계로 나누어 처리하며, 사용자가 임의 코딩 가능
- 입/출력 데이터는 Key - Value 형태로 구성 - 한 대 이상의 하드웨어를 활용하는 분산 프로그래밍 모델
- 분산을 통해 분할된 조각으로 처리한 다음, 다시 모아서 훨씬 짧은 시간에 계산을 완료 - 대용량 파일에 대한 로그 분석, 색인 구축 검색 등에 활용
- 일괄처리 방식으로 전체 데이터 셋을 분석할 필요가 있는 문제에 적합
