3. 데이터 모델링: 기본키, 역정규화, CQL

카산드라를 처음 접하는 개발자가 가장 많이 하는 실수는 RDBMS처럼 데이터 모델링을 하는 것입니다. 카산드라의 성능을 100% 활용하기 위해서는 RDBMS의 상식을 버리고, 카산드라의 철학에 맞는 새로운 접근법을 배워야 합니다.

"어떻게 저장할까?"가 아닌 "어떻게 조회할까?"

RDBMS는 데이터를 정규화하여 중복을 최소화하는 데 집중합니다. 그리고 필요할 때 JOIN을 사용해 원하는 데이터를 조합하여 조회합니다. 하지만 카산드라는 JOIN을 지원하지 않으며, 분산 환경에서 JOIN은 극심한 성능 저하를 유발합니다.

따라서 카산드라의 데이터 모델링은 "애플리케이션에서 어떤 쿼리로 데이터를 조회할 것인가?"라는 질문에서 시작합니다. 즉, 쿼리 우선 모델링(Query-First Modeling)이 핵심입니다.

카산드라의 심장, 기본키 (Primary Key)

카산드라에서 기본키는 단순히 데이터를 식별하는 것을 넘어, 데이터가 클러스터의 어느 노드에 저장되고(분산), 그 노드 안에서 어떻게 정렬될지(정렬)를 결정하는 핵심적인 역할을 합니다.

기본키는 하나 이상의 컬럼으로 구성되며, 파티션 키(Partition Key)와 선택적으로 클러스터링 키(Clustering Key)로 나뉩니다.

PRIMARY KEY ( (partition_key_1, partition_key_2), clustering_key_1, clustering_key_2 )
-- 괄호로 묶인 부분이 파티션 키, 그 뒤가 클러스터링 키입니다.

1. 파티션 키 (Partition Key)

데이터가 어느 노드에 저장될지를 결정합니다. 카산드라는 파티션 키의 값을 해시하여 토큰을 만들고, 이 토큰을 기준으로 데이터를 링 위의 특정 노드에 분산시킵니다.

• 데이터 분산의 기준: WHERE절에는 반드시 파티션 키에 대한 동등(=) 또는 IN 조건이 포함되어야 합니다. 그렇지 않으면 어떤 노드로 가야 할지 몰라 전체 클러스터를 스캔해야 하므로 쿼리가 실패합니다.
• 카디널리티(Cardinality): 파티션 키의 값은 최대한 다양해야 합니다. 모든 데이터가 소수의 파티션 키에 몰리면 '핫스팟(Hotspot)'이 발생하여 특정 노드에만 부하가 집중됩니다.

2. 클러스터링 키 (Clustering Key)

하나의 파티션 내에서 데이터가 어떤 순서로 디스크에 정렬될지를 결정합니다.

• 파티션 내 정렬 기준: 클러스터링 키를 사용하면 범위 조회(>, <)나 정렬(ORDER BY)을 매우 효율적으로 수행할 수 있습니다.
• 데이터 유일성 보장: 같은 파티션 키를 가진 데이터가 여러 개 있을 때, 클러스터링 키의 조합으로 각 로우(Row)를 고유하게 식별합니다.

CREATE TABLE user_posts (
    username TEXT,
    post_time TIMESTAMP,
    post_id UUID,
    title TEXT,
    content TEXT,
    PRIMARY KEY ( (username), post_time )
) WITH CLUSTERING ORDER BY (post_time DESC);

역정규화 (Denormalization): 카산드라의 미덕

RDBMS에서는 죄악시되는 역정규화가 카산드라에서는 최고의 미덕입니다. JOIN이 없기 때문에, 필요한 모든 데이터를 읽기 편한 형태로 미리 테이블에 저장해두는 전략입니다.

-- 쿼리 1번용 테이블
CREATE TABLE videos_by_id (
    video_id UUID PRIMARY KEY,
    title TEXT,
    uploader TEXT,
    upload_time TIMESTAMP,
    tags SET<TEXT>
);

-- 쿼리 2번용 테이블
CREATE TABLE videos_by_user (
    uploader TEXT,
    upload_time TIMESTAMP,
    video_id UUID,
    title TEXT,
    PRIMARY KEY ( (uploader), upload_time )
) WITH CLUSTERING ORDER BY (upload_time DESC);

-- 쿼리 3번용 테이블
CREATE TABLE videos_by_tag (
    tag TEXT,
    upload_time TIMESTAMP,
    video_id UUID,
    title TEXT,
    uploader TEXT,
    PRIMARY KEY ( (tag), upload_time )
) WITH CLUSTERING ORDER BY (upload_time DESC);

BEGIN BATCH
    -- 쿼리 1번용 테이블에 쓰기
    INSERT INTO videos_by_id (video_id, title, uploader, ...)
    VALUES (uuid(), '카산드라 모델링', 'gemini', ...);

    -- 쿼리 2번용 테이블에 쓰기
    INSERT INTO videos_by_user (uploader, upload_time, video_id, title)
    VALUES ('gemini', toTimestamp(now()), uuid(), '카산드라 모델링');

    -- 쿼리 3번용 테이블에 쓰기
    INSERT INTO videos_by_tag (tag, upload_time, video_id, title, uploader)
    VALUES ('cassandra', toTimestamp(now()), '카산드라 모델링', 'gemini');
APPLY BATCH;

CQL (Cassandra Query Language)의 특징

CQL은 SQL과 매우 유사해 보이지만, 분산 시스템의 제약을 이해하고 사용해야 합니다.

• WHERE절의 제약: 파티션 키 없이는 조회할 수 없습니다. 클러스터링 키는 파티션 키가 지정된 상태에서 범위 조회가 가능합니다.
• JOIN, 그룹 함수(일부) 미지원: JOIN은 지원되지 않으며, GROUP BY 같은 집계 연산도 제한적입니다. 이런 연산은 Spark 같은 별도의 분석 도구를 사용하는 것이 일반적입니다.
• ALLOW FILTERING 주의: 카산드라가 비효율적인 쿼리(e.g., 파티션 키 없이 클러스터링 키로만 조회)를 막지만, ALLOW FILTERING을 붙이면 강제로 실행할 수 있습니다. 이는 전체 클러스터를 스캔하는 재앙을 초래할 수 있으므로, 개발 환경에서 테스트 용도로만 사용하고 운영 코드에는 절대 포함해서는 안 됩니다.