다섯 살도 알 수 있게 · DB/데이터

분산 데이터베이스가 뭐예요?

분산 데이터베이스를, 하나의 거대한 창고 대신 여러 지역 지점으로 나눠 서로 맞춰가는 이야기로 풀어봤어요. 깊은 분산 이론은 SRE 분야에서 더 다뤄요.

전국 모든 주문이 창고 하나로만 몰려요.창고가 멀면 배송도 느려요.

지점마다 다 복제해두면 되는 거 아냐?두 지점에서 동시에 고치면 복제본 숫자가 서로 달라져요.

분산 데이터베이스는 여러 지점으로 나눈 창고 네트워크예요.요청은 가까운 지점이 빠르게 받고, 밖에서는 창고 하나처럼 보여요.

지역별로 나누기샤딩/파티셔닝이에요

복제해서 안전하게지점 하나가 멈춰도 다른 지점이 답해요

합의로 맞추기여러 지점이 투표해 같은 값을 정해요

적당한 지연 받아들이기복제본이 조금 늦게 맞춰져도 괜찮게 둬요

중앙집중과 분산 중 어느 쪽을 고르느냐는 응답 속도와 정합성을 맞바꾸는 선택이에요.지점 간 조인 비용까지 함께 따져서 골라야 해요.

나누기·복제·합의는 분산 DB 모델링의 기본기예요.분산 이론 자체는 SRE 분야에서 더 깊이 다뤄요.

한 줄로

분산 데이터베이스는 하나의 논리적 DB를 여러 지점(노드)에 나눠 저장하고, 복제·합의 같은 기법으로 하나처럼 보이게 맞추는 구조예요.

DB 모델링 관점에서는 데이터를 어떻게 나눌지(샤딩 키 설계), 어떻게 복제할지(동기/비동기), 조인·트랜잭션 비용이 어떻게 늘어나는지를 다뤄요. CAP 정리·합의 알고리즘 같은 분산 시스템 이론 자체는 SRE 분야의 관련 페이지에서 더 깊이 설명해요.

샤딩 Sharding: 지점별로 나눠 담기. 나누는 기준(키) 설계는 이 분야에서 더 다뤄요. → 너무 커진 창고를 구역으로 쪼개기
복제 Replication: 지점마다 복제 상자 두기. 동기/비동기 복제의 차이를 다뤄요. → 복제 상자의 세계
합의 알고리즘 Consensus: 여럿이 투표해서 하나로 정하기. Raft/Paxos 같은 알고리즘을 다뤄요. → 여러 명이 투표로 정하기
CAP 정리 CAP Theorem: 세 가지 성질을 다 완벽히 가질 순 없다는 법칙. 일관성·가용성·분단내성의 트레이드오프예요. → 세 가지를 동시에 가질 수 없는 법칙
최종적 일관성 Eventual Consistency: 복제본이 조금 늦게라도 결국 같아짐. 복제본 숫자가 당장은 달라도 괜찮아요. → 결국엔 맞춰지는 이야기
데이터 지역성 Data Locality: 요청을 가까운 지점에서 처리하기. 지점이 가까울수록 응답이 빨라요.
분산 트랜잭션(2PC) Distributed Transaction (2PC): 여러 지점에 걸친 출납 전표. 모든 지점이 동의해야 전표가 확정돼요.
NoSQL NoSQL: 고정된 선반 칸이 아닌 창고. 분산에 유리하게 구조를 느슨하게 둬요.

다음 이야기

다른 용어도 그림책으로 보고 싶다면 요청하기 →