Cloud SQL, AlloyDB, Spanner, Bigtable, Firestore, BigQuery 비교: 문제가 원하는 데이터베이스를 가려내는 법
Google Cloud에는 같은 시험 문제에 보기로 함께 나오는 데이터 저장소가 여섯 개 있습니다. Cloud SQL, AlloyDB for PostgreSQL, Spanner, Bigtable, Firestore, BigQuery이며, 일곱 번째로 Memorystore가 자주 끼어듭니다. 모두 좋은 제품이므로 질문은 결코 "무엇이 가장 좋은가?"가 아닙니다. "이 데이터를 읽고 쓰는 방식에 무엇이 맞는가?"입니다. 이 비교 글은 거의 모든 경우를 정리해 주는 세 가지 질문과, 그 질문에 답해 주는 단서 단어를 알려 드립니다.
개념 비교 · GCP-ACE, GCP-CDL, GCP-PCA, GCP-PDE

네 시험에서 중요한 이유
이 선택은 모든 수준에서 나옵니다. 이 문제은행의 Associate Cloud Engineer, Cloud Digital Leader, Professional Cloud Architect, Professional Data Engineer 문제 중 27문제가 운영 데이터베이스(Cloud SQL, AlloyDB, Spanner, Bigtable, Firestore) 두 개 이상을 보기에 함께 담고 있으며, 네 시험 전체에서 Cloud SQL 하나만 해도 60문제의 지문이나 보기에 등장합니다. 깊이는 다릅니다(Cloud Digital Leader는 어떤 제품이 비즈니스에 맞는지 묻고, Data Engineer는 행 키와 파티션을 묻습니다). 하지만 논리는 같습니다.
질문 1: 애플리케이션인가, 분석인가?
운영 데이터베이스는 애플리케이션을 지원합니다. 각각 몇 행만 다루는 작은 읽기와 쓰기가 많고, 밀리초 단위로 응답해야 합니다. Cloud SQL, AlloyDB, Spanner, Bigtable, Firestore가 모두 여기에 속합니다. BigQuery는 종류가 다른 서비스입니다. 보고서, 대시보드, 분석을 위해 SQL로 대량의 데이터를 스캔하는 서버리스 데이터 웨어하우스로, 스토리지와 컴퓨트가 분리되어 있고 크기를 정하거나 패치할 것이 없습니다.
BigQuery의 단서 단어는 "분석가", "애드혹(ad hoc) SQL", "수년간의 이력", "테라바이트", "대시보드", "관리할 인프라 없음"입니다. 전형적인 오답은 분석용으로 더 큰 Cloud SQL 인스턴스를 쓰는 것입니다. 반대 실수도 나옵니다. 요청마다 레코드 하나를 읽거나 쓰는 장바구니나 모바일 앱의 백엔드로 BigQuery를 쓰는 것입니다.
질문 2: 관계형이라면, 기본(primary) 인스턴스 하나로 어디까지 갈 수 있는가?
트랜잭션이 있는 SQL을 쓰는 서비스는 셋이며, 쓰기를 확장하는 방식이 다릅니다.
- Cloud SQL은 관리형 MySQL, PostgreSQL, SQL Server를 실행합니다. 백업, 패치, 장애 조치는 Google이 처리합니다. 고가용성은 다른 영역에 대기 인스턴스를 추가하고, 읽기 복제본(read replica)은 읽기 용량을 늘립니다. 중간 규모의 리전 애플리케이션, 그리고 같은 엔진을 유지하면서 관리 부담만 줄이려는 리프트 앤 시프트(lift-and-shift) 이전에 알맞습니다.
- AlloyDB for PostgreSQL은 PostgreSQL과 호환되며 까다로운 워크로드를 위해 만들어졌습니다. 컬럼형 엔진(columnar engine)이 실시간 트랜잭션 데이터에 대한 분석 쿼리를 빠르게 하고, 읽기 풀(read pool) 인스턴스가 보고 부하를 기본 인스턴스에서 덜어 냅니다. 범용 구성으로는 감당하기 어려워진 PostgreSQL 시스템, 특히 무거운 보고서 때문에 주문 입력이 느려지는 시스템에 알맞습니다.
- Spanner는 데이터를 자동으로 샤딩하고, 트랜잭션의 강한 일관성을 유지하면서 읽기와 쓰기를 모두 수평 확장합니다. 단일 리전, 이중 리전, 멀티 리전 구성을 지원합니다. 여러 대륙에서 쓰는 사용자가 모두 하나의 올바른 답을 봐야 하는 경우에 알맞습니다. 글로벌 재고, 결제 원장, 좌석 예약 등입니다.
답을 가르는 사실은 이것입니다. Cloud SQL과 AlloyDB는 모든 쓰기를 기본 인스턴스 하나로 보냅니다. 복제본과 읽기 풀은 쓰기가 아니라 읽기를 확장합니다. 지문이 용량을 추가해 쓰기를 늘려야 한다거나, 리전 간에 강한 일관성을 유지해야 한다고 하면 Spanner만 맞습니다. 둘 다 아니라면 Spanner는 과잉 설계입니다. Spanner도 작게 시작할 수 있지만(컴퓨팅 용량을 처리 단위 100개씩 지정), 200GB짜리 리전 HR 애플리케이션은 쓰기 수평 확장에서 얻는 것이 없고 다른 데이터베이스로 옮기는 비용만 치릅니다.
초보자 팁: 데이터베이스 문제의 보기를 보기 전에 연습지에 빈칸 네 개를 채우십시오. "___(키, 쿼리, 스캔)로 읽음, ___(한 리전, 여러 리전)에서 씀, ___(강한 일관성 필수, 조금 오래된 값도 괜찮음)여야 함, 크기 ___". 그다음 네 단어를 아래 표와 맞춰 보십시오. 20초면 되고, 가장 흔한 실수를 막아 줍니다. 접근 패턴이 가리키는 제품이 아니라 가장 잘 아는 제품을 고르는 실수입니다.
질문 3: 관계형이 아니라면, 문서인가 키인가?
- Firestore는 서버리스 문서 데이터베이스입니다. 레코드는 컬렉션 안의 JSON 같은 문서이고, 문서마다 필드가 달라도 되며, 프로비저닝할 것이 없습니다. 모바일과 웹 SDK가 실시간 리스너와 오프라인 동기화를 제공합니다. 그래서 오프라인 편집이 되는 협업 모바일 앱이라면 Firestore를 가리킵니다.
- Bigtable은 단일 키로 접근하는 매우 큰 데이터를 낮은 지연 시간과 높은 처리량으로 다루는 와이드 컬럼(wide-column) NoSQL 데이터베이스입니다. IoT 측정값, 시계열, 금융 틱 데이터, 마케팅 이벤트 등입니다. 행 키나 키 범위로 읽고, 처리량은 노드 수에 따라 늘어나며, 테이블 간 조인은 없습니다.
- Memorystore는 기준 시스템(system of record)이 아니라 세션, 리더보드, 자주 읽는 행을 위한 관리형 인메모리 캐시(Valkey 또는 Redis 엔진. Memorystore for Memcached는 지원 중단됨)입니다. 여기에 있는 데이터는 모두 뒤에 있는 데이터베이스에서 다시 만들 수 있어야 합니다.
더 깊이: Bigtable 행 키가 모든 것을 결정하는 이유
Bigtable에는 인덱스가 행 키 하나뿐이고, 행은 이 키 순서로 정렬되어 저장됩니다. 연속된 키 범위는 같은 노드가 처리합니다. 여기서 시험이 묻는 결과가 두 가지 나옵니다. 첫째, 읽기는 키를 따를 때만 빠릅니다. sensor42#20261030T0815 같은 키라면 "이 센서의 최근 한 시간"이 짧은 범위 스캔 한 번이 되지만, 다른 열로 필터링하면 훨씬 많은 데이터를 스캔해야 합니다. 둘째, 타임스탬프로 시작하는 키는 모든 새 쓰기를 키 공간의 끝, 즉 노드 하나로 보냅니다. 그 노드가 핫스팟이 되는 동안 클러스터의 다른 노드는 놀게 됩니다. 기기나 사용자 식별자로 키를 시작하면 쓰기가 여러 노드에 분산되면서도 한 개체의 행은 함께 모여 있습니다. Bigtable 클러스터 간 복제는 최종 일관성(eventually consistent)을 따르므로, 자신이 쓴 값을 바로 읽어야 하는 애플리케이션은 단일 클러스터 라우팅을 씁니다. 멀티 클러스터 라우팅은 최신성보다 가용성을 우선합니다. 리전 간에 강한 일관성을 유지하는 관계형 트랜잭션이 필요하다면, 그것이 Bigtable과 Spanner를 가르는 선입니다.
BigQuery
Spanner
AlloyDB for PostgreSQL
Cloud SQL
Bigtable
Firestore
다시 만들 수 있는 데이터를 1밀리초 미만으로 읽기: 데이터베이스 앞의 Memorystore
단서 표
| 지문 내용 | 대개의 정답 |
|---|---|
| 기존 MySQL, PostgreSQL, SQL Server 앱, 최소 변경, 단일 리전 | Cloud SQL |
| PostgreSQL, 고성능, 실시간 트랜잭션 데이터에 대한 보고서 | AlloyDB |
| 관계형, 전 세계에서 쓰기, 강한 일관성, 쓰기 수평 확장 | Spanner |
| 매우 높은 쓰기 처리량, 시계열, 기기와 시간으로 조회 | Bigtable |
| 모바일 또는 웹 앱, 유연한 문서, 실시간 동기화, 오프라인 | Firestore |
| 분석가, 대량 이력에 대한 애드혹 SQL, 대시보드, 서버 없음 | BigQuery |
| 다시 만들 수 있는 데이터를 1밀리초 미만으로 읽기 | 데이터베이스 앞의 Memorystore |
네 가지 함정과 각각을 정리하는 규칙
- 쓰기 병목에 "읽기 복제본 추가". 복제본과 읽기 풀은 읽기만 늘립니다. 모든 쓰기는 여전히 기본 인스턴스 하나로 갑니다. 쓰기를 수평 확장해야 한다면 복제본을 늘려도 소용없고, 답은 Spanner로 넘어갑니다.
- 전 세계적으로 일관된 트랜잭션에 "Bigtable 복제 사용". Bigtable 복제는 최종 일관성을 따르고, Bigtable에는 관계형 트랜잭션이 없습니다. 그 요구 사항은 Spanner의 몫입니다.
- 분석에 "더 큰 인스턴스". 대규모 스캔은 애플리케이션을 지원하는 운영 데이터베이스가 아니라 BigQuery에서 해야 합니다.
- "안전하게 가장 큰 제품". 시험은 명시된 요구를 충족하는 가장 작은 서비스에 점수를 줍니다. 과잉 구매는 비용과 복잡성을 더하며, 과소 구매와 똑같이 오답 처리됩니다.
여기 나온 모든 저장소에 적용되는 규칙이 하나 더 있습니다. 복제와 고가용성은 영역이나 리전 손실을 막아 줄 뿐, 잘못된 쓰기는 막지 못합니다. 삭제된 테이블은 모든 복제본에서도 함께 삭제됩니다. 여기서 복구하려면 백업이나 특정 시점 복구가 필요하며, 복원 방법은 제품마다 다릅니다.
연습하기
문제은행에서 연습하십시오. 모든 문제에 정답과 오답 보기마다 해설이 있습니다. 방금 공부한 도메인부터 시작하고, 그다음 시간 제한이 있는 모의고사를 보십시오.
- GCP-ACE 시험 안내 · GCP-ACE 문제 전체 335개 · 시간 제한 모의고사 · 22일 학습 계획
- 도메인별 (GCP-ACE): Setting up a cloud solution environment · Planning and implementing a cloud solution · Ensuring the successful operation of a cloud solution · Configuring access and security
- GCP-CDL 시험 안내 · GCP-CDL 문제 전체 338개 · 시간 제한 모의고사 · 15일 학습 계획
- 도메인별 (GCP-CDL): Digital Transformation with Google Cloud · Exploring Data Transformation with Google Cloud · Innovating with Google Cloud Artificial Intelligence · Modernize Infrastructure and Applications with Google Cloud · Trust and Security with Google Cloud · Scaling with Google Cloud Operations
- GCP-PCA 시험 안내 · GCP-PCA 문제 전체 334개 · 시간 제한 모의고사 · 26일 학습 계획
- 도메인별 (GCP-PCA): Designing and planning a cloud solution architecture · Managing and provisioning a cloud solution infrastructure · Designing for security and compliance · Analyzing and optimizing technical and business processes · Managing implementation · Ensuring solution and operations excellence
- GCP-PDE 시험 안내 · GCP-PDE 문제 전체 285개 · 시간 제한 모의고사 · 22일 학습 계획
- 도메인별 (GCP-PDE): Designing data processing systems · Ingesting and processing the data · Storing the data · Preparing and using data for analysis · Maintaining and automating data workloads
- GCP-PDE: Storing the data · GCP-ACE: Planning and implementing a cloud solution
- GCP-CDL: Exploring Data Transformation with Google Cloud · GCP-PCA: Designing and planning a cloud solution architecture
제품 기능은 Google Cloud 문서와 공식 시험 가이드의 설명을 따랐습니다. 데이터베이스 기능은 자주 바뀌므로, 세부 사항에 의존하기 전에 최신 제품 페이지를 확인하십시오.