티베로6 vs 티베로7 비교

출처: 티베로6 vs 티베로7 비교 (Tibero7 기능 강화/추가) - 티맥스티베로 공식 블로그

티베로6 vs 티베로7 비교 (Tibero7 기능 강화/추가)

현대 디지털 사회는 데이터 중심적이고, 데이터 기반으로 빠르게 변화하고 있습니다. 이러한 환경에서 효율적이고 안정적인 데이터 관리 솔루션은 필수입니다. 티맥스티베로의 ‘티베로7(Tibero7)’은 이러한 요구를 반영하여 설계된 DBMS로, 이전 버전인 티베로6(Tibero6)의 강점을 강화하는 동시에 클라우드 환경에 최적화된 기능을 제공합니다. 이번 글에서는 티베로6 대비 티베로7에 새롭게 적용된 기능을 상세히 다뤄보겠습니다.

티베로7(Tibero7)의 주요 개선 사항

1. 클라우드 지원 강화

Tibero7은 클라우드 환경에서도 온프레미스와 동일한 성능과 확장성을 제공하도록 설계되었습니다. 클라우드 내에서도 Single, TSC(Tibero Standby Cluster), TAC(Tibero Active Cluster) 구성을 지원하고 있습니다.

현재 티베로는 AWS, MS Azure, KT클라우드, 네이버클라우드 등의 국내외 주요 퍼블릭 클라우드 플랫폼에서 만나보실 수 있습니다.

관련 글: Tibero on CSPs

2. 대용량 데이터 처리 성능 향상

• OLTP Compression: Online Transaction 압축 기능은 일반적인 압축 방식과 달리, DML 작업 발생 시에도 압축을 유지할 수 있습니다. OLTP Compression 기능을 통해 DML 작업이 이루어지는 테이블에서도 압축 상태를 유지함으로써 지속적인 압축 효과를 제공합니다. 이로 인해 DML이 빈번히 발생하면서도 효율적인 공간 활용이 요구되는 업무에 활용됩니다.

• Index Prefix Compression: Index의 공통 부분(Prefix)들을 공유 및 압축하여 Symbol Table을 통해 관리합니다. Index Key의 공통 부분을 압축 관리함으로써 중복을 방지하고 대용량 데이터의 자원 효율성을 높입니다.

• In-Memory Column Store(IMCS): 기존의 일반적인 RDBMS는 Data CRUD 작업에서 주로 Row 단위로 데이터를 접근합니다. 하지만 데이터 분석을 위해서는 Column 단위 접근이 요구됩니다. 이에 IMCS 기능을 활용하여 Column 단위 접근을 지원하는 동시에 필요한 데이터만 메모리에 적재함으로써 빠른 데이터 접근을 제공합니다. 이를 통해 데이터 분석 및 조회 속도를 크게 향상시켰습니다. 특히, 실시간 OLTP 업무와 OLAP 기반의 분석 작업이 동시에 요구되는 경우나 DW 구축 시 높은 활용도를 자랑합니다.

3. 고가용성 기능 강화

• Flashback Database: 백업 파일을 이용한 복원이 아닌, Flashback Log를 보유한 과거 시점까지 데이터베이스를 신속하게 복구함으로써 데이터베이스의 크기와 관계 없이 신속하게 복구가 가능해집니다.

• TAC Recovery Parallel Reconfiguration: 다중 노드로 구성된 TAC(Tibero Active Cluster)에서 장애로 인한 노드 다운 또는 추가 노드 구성 시, 공유 자원을 병렬로 재분배 처리합니다. 이를 통해 자원 재분배 시간을 단축하고, 부하가 집중되는 상황에서도 TAC 재구성 속도를 개선하여 안정적인 시스템 운영이 가능합니다.

• Standby 다중 구성: Tibero의 TAC(Tibero Active Cluster) 구성 외에도 Active-Standby 형식의 TSC(Tibero Standby Cluster) 구성에서 유휴 서버로 간주되던 Standby 서버의 활용도를 높이기 위한 기능이 추가되었습니다.
  
  – Multi-node Standby: 기존에는 TAC 구성 시 DR(Disaster Recovery) 목적으로 Standby DB를 단일 노드로만 구성할 수 있었지만, 이제 Standby DB도 TAC 형태로 구성할 수 있습니다. Standby DB를 Read-Only 모드로 조회성 업무에 활용할 수 있으며, TAC DR 구성 시 안정적인 Standby 운용과 부하 분산이 가능합니다.
  
  – Cascade Standby: 기존 TSC에서 다중 Standby 구성 시 Primary 노드에서 다중 Standby로의 동기화를 수행하여 Primary 노드의 부하가 가중되었지만 Cascade Standby 기능을 통해 Standby DB간의 동기화를 지원함으로써 Primary DB의 동기화로 인한 부하를 낮추는 효과를 제공합니다.
  
  – Snapshot Standby: TSC 구성의 Standby DB를 테스트 서버로 활용 가능한 기능입니다. Standby DB의 스냅샷을 찍어 Clone DB로 역할을 바꾸어 DDL/DML을 수행 가능하게 제공합니다. 필요한 테스트 및 다른 용도의 업무 활용 가능하며 이후 종료시 Flashback 기능을 통하여 기존 Standby의 역할로 회귀합니다. 이를 통하여 운영 DB에서 필요한 Data를 별도의 업무 DB나 테스트 DB로 구축 및 이관 없이 유휴서버로 사용되는 Standby DB를 활용하여 사용 가능합니다.

4. 강력한 데이터 보안 기능

• Fine Grained Auditing: 기존 Audit 기능에서는 Where 조건을 활용한 감사가 불가능하여 특정 컬럼 데이터에 대한 감사가 어려웠습니다. 하지만 FGA 기능을 통해 테이블 단위 감사뿐만 아니라, Where 조건을 활용하여 특정 컬럼의 데이터 단위로 세부적인 감사가 가능해졌습니다.

• Label Security: DB User와 각 Data Row마다 Level(예시 : 대외비, 공개 등), Compartment(예시 : 팀별 구성), Group(예시 : 본사, 한국 지사, 일본 지사 등)의 3가지 Label을 조합하여 접근 권한을 설정합니다. Label이 생성되지 않은 Table 또는 Schema는 Default로 액세스 가능합니다. 높은 보안성과 유연한 보안 모델을 요구하는 군, 정부, 금융기관 등 세부적인 보안 업무 시스템에 활용됩니다.

• HSM(Hardware Security Module) 지원: 데이터 암호화 및 복호화에 사용되는 키를 안전하게 저장/관리할 수 있도록 제작된 전용 하드웨어 장비를 지원합니다. 일반적인 암호화는 암호화 Data가 위치한 동일한 서버 내에 암호 Key를 저장하는 경우가 있지만 HSM 지원을 통해 암호 Key를 전용 HSM 장비에 분리 보관하여 2차 보안의 효과를 제공합니다. 현재 Tibero 7은 D’Amo KMS, Vormetric Data Security Manager HSM 장비를 지원하고 있습니다. (25년 1월 기준)

5. 다양한 데이터 타입 지원

• JSON 지원: JSON 데이터의 명시적 Type을 지원합니다. Object, Array 및 사용자 편의성 향상을 위해 다양한 함수도 지원하고 있습니다. NoSQL과 관계형 개념을 동일한 데이터베이스에서 결합할 수 있게 됨으로써 빠른 조회보다는 데이터 저장에 초점을 둔 빅데이터 산업에서도 활용할 수 있습니다.

• Spatial Data 강화: 스칼라 계산, 위상 관계 계산 등 보다 섬세하고 정교한 공간 데이터 처리를 위해 Geometry 기능과 Geography 신규 함수를 추가 개발하였습니다. 빠른 공간 데이터 검색을 위한 공간 인덱스를 지원함으로써 공간 데이터 분석 비즈니스에 향상된 기능을 제공하게 되었습니다.

 

추가된 주요 함수

티베로7 추가 함수	설명	비고
BIN_TO_NUM	bit vector를 해당 정수 값으로 변환해주는 함수
JSON_ARRAY	인자로 사용된 표현식을 JSON 값으로 변환하고, 해당 JSON 값들이 포함된 JSON 배열을 반환하는 함수
JSON_EACH_TEXT	JSON 객체를 JSON KEY/VALUE 쌍의 세트로 확장하는 함수	•FROM 절에서만 사용 가능
JSON_EQUAL	두 JSON 값을 비교하여 같은지 판단하는 함수
JSON_EXISTS	지정된 JSON 값이 JSON data에 존재하는지 확인하는 함수
JSON_OBJECT	KEY/VALUE 쌍의 시퀀스를 인자로 받아 각 object 멤버가 포함된 JSON 객체를 반환하는 함수
JSON_OBJECT_KEYS	outermost JSON 객체의 key 세트를 반환하는 함수
JSON_QUERY	JSON 데이터에서 경로에 해당하는 하나 이상의 값을 선택하여 반환하는 함수
JSON_TABLE	JSON 데이터의 관계형 뷰를 생성하는 함수	•FROM 절에서만 사용 가능
JSON_VALUE	JSON data에서 경로에 해당하는 scalar JSON 값을 반환하는 함수
QOUTED_STRING	문자열 str의 값을 반환하는 함수
STATS_MODE	expr의 최빈값을 반환하는 함수	•만약 최빈값이 여러 개이면 그 중 한 개의 값을 반환 NULL은 최빈값이 될 수 없으나 모든 값이 NULL이면 NULL을 반환
TO_NCHAR(character)	CLOB 타입의 데이터를 데이터베이스 문자 집합을 사용한 문자열로 변환해 주는 함수	•Tibero6의 TO_NCHAR 함수의 확장
TO_NCHAR(datetime)	파라미터로 주어진 날짜형 데이터 타입과 간격 리터럴의 값을 format에 따라 NATIONAL 문자 집합의 값으로 변환하는 함수
TO_NCHAR(number)	파라미터로 주어진 숫자형 타입의 값을 format에 따라 NATIONAL 문자 집합의 값으로 변환하는 함수
TO_NCLOB	파라미터로 주어진 lob_column 또는 char을 NCLOB 타입으로 변환하는 함수

마치며

티베로7은 클라우드 환경에 최적화된 기능 뿐만 아니라, 오라클과 100% 이상의 호환성을 보장하여 기존 오라클 사용 기업들이 손쉽게 전환할 수 있는 장점을 제공합니다. 또한, 높은 수준의 고가용성 기능과 비용 효율성을 바탕으로 최근 탈오라클을 고려하는 기업들에게 매력적인 대안으로 자리 잡고 있습니다. 기업의 디지털 전환을 가속화하고 데이터 관리의 새로운 기준을 제시하는 티베로7은 데이터 기반 미래를 설계하는 데 있어 최고의 파트너가 될 것입니다.

티베로7으로 업그레이드를 원하시거나, 타 DBMS에서 티베로로 전환을 고려하고 계신다면 티맥스티베로의 ‘DBMS Modernization 서비스‘를 확인해보세요. DBMS 전환을 위한 사전 점검과 전환 전략 설계부터 마지막 검증까지의 모든 과정을 상세하게 컨설팅 해드립니다.

관련글: DBMS Modernization: 서비스 구성과 방법론

출처: [DATABASE] OLTP와 OLAP의 개념과 차이 :: 심루트의 연구노트

[DATABASE] OLTP와 OLAP의 개념과 차이

2021. 8. 7. 20:04

OLAP(온라인 분석 처리), OLTP(온라인 트랜잭션 처리), OLTP와 OLAP의 개념과 차이

 

Database가 있으면 크게 두가지의 처리 방법이 있다. OLTP와 OLAP인데, 이 두가지의 대략적인 개념과 실 사용하는 예시를 알아보자. 먼저 이 두가지는 시스템의 개념으로 생각해볼 수 있다.

* OLTP : 온라인 트랜잭션 처리(Online transaction processing)

#실시간 #트랜잭션처리 #소규모데이터처리 

트랜잭션 지향 애플리케이션을 손쉽게 관리할 수 있도록 도와주는 정보 시스템의 한 계열이다. OLTP는 시스템이 사용자의 요청에 즉각 반응하는 처리를 가리키는 용어이며 은행 ATM기기의 트랜잭션 처리를 예로 들 수 있다. 보통 이 방법을 금융권, 전산상에서 많이 사용한다. 은행이나 증권거래같은 경우 즉각적인 반응이 매우 중요하기 때문이다.

 

이 시스템은 AWS의 RDS에 저장된다. 그러면 아마존의 RDW 어디쪽에 저장이 될까? RDS는 MySQL, postgreSQL, MariaDB에 저장된다. 참고로 RDS는 Amazon Relational Database Service를 말한다.

 

* OLAP : 온라인 분석 처리(Online Analytical Processing)

#대화식정보분석 #데이터분석 #정보변환 #대용량데이터처리

사용자가 동일한 데이터를 가지고 여러 기준으로, 다차원 데이터 분석을 할 수 있도록 도와준다. 의사결정 지원 시스템 중 대표적인 예라 할 수 있다. DW(Data Warehouse)같은 시스템과 연관되어서 데이터를 분석하며 적극적인 데이터의 활용을 통한 의사결정을 할 수 있게 한다. OLAP의 특성은 다음과 같다.

- 다차원 정보 제공
다차원정보에 직접적으로 대화 형태로 분석하는 것이 OLAP의 특징이다. 보통 데이터베이스는 2차원인데, 현업에서 요구하는 것은 다차원이다. 그래서 다차원 데이터베이스를 만들고 전문화된 데이터베이스 엔진으로 정보를 추출하는 것이 OLAP이다.

- 중간 매개자 없이 사용자가 직접 데이터 접근
OLAP는 중간 매개자가 없이 사용자가 온라인으로 접근한다. 홈뱅킹, VOD,또는 TV쇼핑 등에 사용할 수 있다.

- 대화형태 정보분석
OLAP는 대화 형태로 정보가 분석된다. 대화로 진행되기 때문에 사용자는 명령을 하고 오래 기다리지 않는다. 따라서 신속성이 중요하다. 사용자가 질의했을 때 신속하게 처리해야 한다.

- 의사 결정지원
질의, 목표탐색, 원인-결과 분석
보통 데이터베이스는 2차원인데, 현업에서 요구하는 것은 다차원이다. 그래서 다차원 데이터베이스를 만들고 전문화된 데이터베이스 엔진으로 정보를 추출하는 것이 OLAP이다.

 

 

OLAP는 AWS의 Redshift을 사용한다. 이번에 새로운 프로젝트를 준비하면서 Redshift에 대해서도 스터디하고 정리한 내용을 업로드 해볼 예정이다. 아직까지는 프로젝트의 큰 틀과 흐름을 잡고있는데 "AWS based EDW 구축"이라는 주제를 한번 고민해봐야겠다.

 

OLTP와 OLAP의 차이