다양한 데이터 저장소 요약 (DB, DW, DM)

1. 관계형 데이터베이스 시스템 (RDBMS)

• 특성: 데이터는 테이블 형식으로 저장되고, 각 테이블은 고유한 스키마를 가집니다. SQL을 사용하여 데이터를 관리하고 쿼리합니다.
• 장점: 강력한 트랜잭션 처리, ACID 속성(Atomicity, Consistency, Isolation, Durability) 보장, 데이터 무결성 유지.
• 활용 예시: 전통적인 비즈니스 애플리케이션, 금융 시스템, ERP 시스템.
• 대표적인 예: MySQL, PostgreSQL, Oracle Database, Microsoft SQL Server.

2. NoSQL 데이터베이스

• 특성: 스키마가 없거나 느슨한 스키마를 가지며, 다양한 데이터 모델(키-값, 문서, 열 가족, 그래프)을 지원합니다.
• 장점: 높은 확장성, 유연한 데이터 모델링, 대규모 데이터 처리에 적합.
• 활용 예시: 실시간 웹 애플리케이션, 빅데이터 분석, 소셜 네트워크, IoT.
• 대표적인 예: MongoDB(문서), Cassandra(열 가족), Redis(키-값), Neo4j(그래프).

3. 클라우드 데이터 웨어하우스

• 특성: 대규모 데이터 분석 및 비즈니스 인텔리전스를 위해 최적화된 데이터 저장소로, 클라우드 환경에서 제공됩니다.
• 장점: 확장성, 관리의 용이성, 고속 쿼리 처리, 비용 효율성.
• 활용 예시: 데이터 분석, 리포팅, 비즈니스 인사이트 도출.
• 대표적인 예: Amazon Redshift, Google BigQuery, Snowflake.

4. 온프레미스 데이터 웨어하우스

• 특성: 조직의 내부 인프라에서 운영되는 데이터 웨어하우스로, 데이터 분석을 위해 최적화됨.
• 장점: 데이터 보안 및 통제, 커스터마이제이션 가능.
• 활용 예시: 데이터 분석, 리포팅, 비즈니스 인사이트 도출.
• 대표적인 예: Teradata, IBM Netezza, Oracle Exadata.

5. 데이터 레이크

• 특성: 정형, 비정형 데이터를 대규모로 저장하는 시스템으로, 원시 형식으로 데이터를 유지함.
• 장점: 다양한 데이터 소스와 형식을 저장 가능, 대규모 데이터 처리 및 분석에 유리.
• 활용 예시: 빅데이터 분석, 머신러닝, 데이터 아카이빙.
• 대표적인 예: AWS S3 기반 데이터 레이크, Azure Data Lake, Google Cloud Storage.

6. 데이터 레이크하우스

• 특성: 데이터 레이크의 유연성과 데이터 웨어하우스의 성능을 결합한 하이브리드 아키텍처.
• 장점: 유연한 데이터 저장과 고성능 쿼리 처리, 일관된 데이터 관리.
• 활용 예시: 데이터 분석, 머신러닝, 실시간 데이터 처리.
• 대표적인 예: Databricks Lakehouse, Snowflake.