Page History

...

데이터베이스는 지루하면 안된다라는 슬로건을 내건 모던 DB

• https://ravendb.net/

전통 데이터베이스의 문제는 전문화된 기능을 각각 가지고 안정적으로 발전해온 그자체가 아니라 서비스가 확장되고 다양한 분석기능으로 확장되고

AI시대 특히 RAG를 강화 하기위해 다음과 같은 특화된 DB를 모두 필요로 하게됩니다. 

• RDB
• Elastic Search
• Mongo Document DB
• Neo4J Graph DB
• Vector DB

전통적 DB를포함 특화된 NoSQL 모두 다뤄 필연적으로 발생하는 불가피한 작업을 Boring 이라 표현하는것같습니다.

다양한 DB를 관리함으로 발생하는 관리비용뿐만 아니라~ 데이터가 이동됨에 따른 가공과정의 파이프라이닝을 다루는  높은수준의 ETL 능력을 가진 팀을 필요로하게됩니다. 

필요로하는 ETL 파이프라이닝

[RDB / Mongo]     [File Upload]        [API]
     │                │                  │
     ▼                ▼                  ▼
 ┌─────────┐    ┌──────────┐     ┌─────────────┐
 │ Debezium│    │ Fluent Bit│     │ REST Events │
 └─────────┘    └──────────┘     └─────────────┘
       ▼                ▼                 ▼
               ┌─────────────────────┐
               │    Apache Kafka     │
               └─────────────────────┘
                     ▼
         ┌─────────────────────┐
         │  Flink / Beam / NiFi│  ← 변환, 정제
         └─────────────────────┘
        ▼      ▼         ▼       ▼
  [Elastic] [Mongo] [Neo4j] [Vector DB]

데이터 엔지니어팀이 이미 존재하다면  이러한 파이프라인을 이미 구축하고 그 기반으로 성장을 가속화를 했을테지만

소규모로 구성된 스타트업은 핵심 서비스도 개발하면서 동시에 고도화된 데이터파이프라이닝을 구축할 여력이 없습니다.

대안으로 클라우드가 제공하는 파이프라인툴은 Nosql과 연동되어 ETL플랫폼을 제공하며 클라우드 비용으로 전환해 단순화할수도 있겠지만

관리하고 활용해야할 인프라요소가 많다고 복잡성이 높다고하면 클라우드와 상관없이 트래픽에 따른 인프비용 증가를 통제하기 쉽지않습니다.

AI OPS 등장

Image Removed

AI 를 활용하는 AI OPS의 등장으로 MSA의 API GateWay는 Context Gateway로 전환을 준비하고 기중중심에서 문맥중심으로 활용해야할 DB와 인프라는 더 복잡해자고

활용 인프라아키텍처는 더 복잡해지고 더 많은 이벤트를 처리할것이 분명해 보입니다. 

✅ 1. Next 아키텍처의 키워드

전통RDB진영 또한 Nosql기능을 탑재해가며 발전해 나가겠지만~ 스몰비즈니스 개발팀이 각각 특화된 모든 DB를 다루고 복잡한 파이프라인을 다룰 역량을 가지기 까지

너무오랜 시간이 걸리기때문에  다양한 데이터베이스를 다룸으로 발생하는 복잡성및 비용을 줄이기위해  하루가 다르게 변화하는 AI의 인기에는 가려질수 있겠지만

조용하게 이용이 될것으로 예상해봅니다. ( 전통DB를 필수로 사용해야하다는 인식의 전환)

AI OPS 등장

Image Added

AI 를 활용하는 AI OPS의 등장으로 MSA의 API GateWay는 Context Gateway로 전환을 준비하고 기중중심에서 문맥중심으로 활용해야할 DB와 인프라는 더 복잡해자고

활용 해야할 DB는 더 늘어나고 복잡해지고 더 많은 스트림 이벤트를 처리하면서 인프라사용증가는 불가피할것으로 보여집니다.

🧠 AI 시대, 데이터베이스는 지루하지 않아야 한다

"데이터베이스는 지루하면 안 된다."
이것은 RavenDB가 내세운 모토입니다. 이 슬로건은 단순한 마케팅 문구가 아니라, AI와 데이터 중심의 시대에서 우리가 겪고 있는 복잡성에 대한 직설적인 반응입니다.

...

📈 복잡해지는 데이터 아키텍처

오늘날 AI 기반 서비스, 특히 RAG(Retrieval-Augmented Generation)를 구축하려면 단순히 전통적인 RDBMS만으로는 부족합니다. 보통 다음과 같은 데이터베이스들이 함께 필요해집니다:

• ✅ RDB: 정형화된 트랜잭션 데이터 저장

• 🔍 ElasticSearch: 실시간 검색 및 로그 분석

• 📄 MongoDB: 문서 기반의 유연한 저장

• 🔗 Neo4j: 그래프 기반의 관계 분석

• 🧠 Vector DB: 임베딩 기반의 유사도 검색

이 조합은 "기능 최적화"라는 이름으로 합리화되지만, 실상은 데이터 이동, 변환, 파이프라이닝이라는 복잡성을 끌어안게 됩니다. 이는 규모 있는 조직에는 ‘가능한 선택’일지 몰라도, 소규모 팀에게는 감당하기 어려운 난제입니다.

...

⚠️ 스타트업이 마주하는 현실

대기업은 이미 데이터 엔지니어링 팀과 ETL 파이프라인을 갖추고, 이를 기반으로 AI 역량을 확대해나갑니다. 그러나 스타트업은?

• 핵심 서비스를 개발하면서

• 데이터 ETL 파이프라인을 설계하고

• 각기 다른 DB와 연동하며

• 클라우드 인프라 비용을 관리하는 일까지

"모든 것을 동시에 잘하는 것"은 사실상 불가능합니다.

...

☁️ 클라우드로는 충분할까?

클라우드는 NoSQL 연동, ETL 도구, 매니지드 인프라까지 제공합니다. 하지만 서비스가 커질수록 사용량 기반 요금은 제어하기 어려운 비용 폭탄으로 돌아옵니다. 단순한 아키텍처가 아니라면, 복잡한 아키텍처를 클라우드에 옮긴다고 해서 복잡성이 줄어들지는 않습니다.

...

🧩 RavenDB가 주는 메시지

RavenDB는 전통 RDB와 NoSQL, 문서 저장, 분산처리를 아우르며 하나의 DB로 다중 기능을 흡수하려는 전략을 택했습니다. 이는 기술적으로도, 비즈니스 전략적으로도 다음을 의미합니다:

• 하나의 DB, 하나의 파이프라인

• ETL 부담 최소화

• AI 및 RAG 연계도 간단히 구성

• 운영 복잡도와 인프라 비용 절감

**“모든 기능을 외부에 위임하기보다, 핵심 기능은 내부로 끌어안자”**는 전략이자, 작지만 강력한 조직이 선택할 수 있는 현실적인 대안입니다.

...

🔮 AI-Native 아키텍처 시대, 데이터 전략은?

다가오는 AI-Native 아키텍처에서는 다음과 같은 키워드들이 중심이 됩니다:

이런 시대에 데이터 인프라는 더욱 **문맥 중심(Context-Aware)과 이벤트 중심(Event-Driven)**으로 진화합니다. 그리고 그것은 더 많은 DB, 더 많은 이벤트, 더 복잡한 흐름을 의미합니다.

...

✅ 우리는 모든 것을 다룰 필요는 없다

전통 RDB가 계속해서 NoSQL 기능을 흡수하고 진화하고 있듯이, 모든 DB를 조합해 구축하는 시대는 AI처럼 빠르게 지나갈 수 있습니다.

AI 기술의 대중화는 인프라 복잡성을 가리는 화려한 조명이지만, 지속 가능한 아키텍처는 단순함에서 출발해야 합니다.

하나의 DB로 문서, 트랜잭션, 검색, 분석, 분산처리까지 아우를 수 있다면?

복잡성은 줄고, 핵심 서비스에 집중할 수 있습니다.
그리고 그것이 AI 시대, 지루하지 않은 데이터베이스가 가져다주는 진짜 가치입니다.

전통적 DB가 왜 지루하지? RavenDB의 모토를 분석하는 GPT가 생성해낸 글이긴하지만 필자도 복잡한 DB를 모두이해하고

ETL 파이프라인을 구축하는데 많은시간과 힘을빼기도 했습니다.

본론으로 들어가 서론이 길었으며~ 다양한 하이브리드 모던 DB중 하나인 RavenDB의 특징과 사용법 그리고 Akka.net에서의 확장 사용법을 간단하게 알아보겠습니다.

...