MySQL부터 Qdrant 까지 DB 종류 한눈에 보기

 

MySQL이나 PostgreSQL 같은 관계형 DB는 익숙하지만,
실무에선 검색, 분석, 추천 등 목적에 따라 전혀 다른 DB들이 함께 사용되는 걸 보고 의문이 들었습니다.

“DB는 그냥 하나 쓰면 되는 거 아닌가?”

이 질문을 품고 현업과 스터디를 통해 배운 내용을 바탕으로,
요즘 실무에서 자주 쓰이는 DB의 종류와 그 차이점을 정리해보려 합니다.

 

 

우리가 흔히 아는 DB는 MySQL 같은 관계형 데이터베이스(RDB)입니다.
하지만 검색, 분석, AI 기반 추천, 그래프 탐색 등 목적마다 완전히 다른 종류의 DB들이 존재합니다.

 

DB 종류

종류	설명	대표 제품
관계형 (RDB)	전통적인 SQL 기반 DB	MySQL, PostgreSQL
문서형 (NoSQL)	유연한 스키마, JSON 저장	MongoDB, DynamoDB
검색엔진	텍스트 중심, 역색인 기반	Elasticsearch
분석형 (OLAP)	대용량 로그/지표 분석	ClickHouse, Druid
벡터 DB	의미 기반 검색, AI 추천	Qdrant, FAISS
시계열 DB	시간 흐름 데이터 저장	InfluxDB
그래프 DB	관계 중심 데이터 모델링	Neo4j

 

 현대 서비스에서는 하나의 DB로 모든 요구사항을 처리하기 어렵습니다.
기능에 따라 특화된 DB들이 등장했고, 각각의 용도에 맞춰 조합해서 사용하는 게 일반적입니다.

 

• 관계형 DB는 전통적인 CRUD 기반 서비스에 적합하고,
• 검색엔진 DB는 빠른 텍스트 검색에,
• 벡터 DB는 AI 기반 의미 검색에 최적화돼 있습니다.
• 분석 DB는 대규모 로그 집계나 대시보드에 강점을 가집니다.
• 이 외에도 문서형, 시계열, 그래프 DB처럼

 데이터 형태와 목적에 맞춰 선택할 수 있습니다.

 

기능 비교 표 

기준	RDB	검색DB	벡터DB	분석DB
SQL 지원	✅	🔸 일부	🔸 일부	✅
자유 검색	❌	✅	✅	🔸
AI/의미 검색	❌	🔸	✅	🔸
실시간 집계	❌	🔸	❌	✅
복잡 관계 표현	🔸	❌	❌	❌

 

위 표는 각 DB가 어떤 기능에 특화되어 있는지를 정리한 것입니다.

• SQL 지원 여부는 익숙한 쿼리 문법 사용 가능성을 뜻하고,
• 자유 검색은 키워드 기반의 유연한 탐색 기능,
• AI/의미 검색은 임베딩 기반 유사도 탐색 가능성,
• 실시간 집계는 초당 수만 건 이상 데이터를 빠르게 처리할 수 있는 능력,
• 복잡 관계 표현은 소셜 그래프나 조직도처럼 관계형 데이터 구조 표현력을 뜻합니다.

 

서비스	사용DB조합	설명
쿠팡	PostgreSQL + Elasticsearch + ClickHouse	상품/주문 정보는 RDB에, 검색은 Elasticsearch, 매출·트래픽 분석은 ClickHouse
왓챠	PostgreSQL + ClickHouse + 벡터 DB (Qdrant 등)	사용자 행동 분석은 ClickHouse, 추천은 벡터 검색 기반
당근마켓	PostgreSQL + Elasticsearch + Redis	사용자/게시글은 RDB, 동네 기반 검색은 Elasticsearch, 실시간 메시징은 Redis
배달의민족	MySQL + Elasticsearch + Druid	음식점/주문은 MySQL, 검색은 ES, 운영 지표 분석은 Druid
네이버 쇼핑	다양한 RDB + 검색엔진 + 자체 벡터 인프라	쇼핑 검색에 AI 추천까지 접목해 하이브리드 형태 사용

 

 요즘 서비스는 CRUD, 검색, 분석, 추천 기능을 분리해서 DB도 분산 설계합니다.
이제는 하나로 끝나는 DB 아키텍처는 찾아보기 어렵습니다.