Graph DB

4 minute read

Ontology, Knowledge Graph, Graph DB는 모두 데이터를 그래프 형태로 다룬다는 공통점이 있다. 하지만 각각이 답하는 질문은 다르다.

Ontology         무엇을 어떤 의미와 규칙으로 표현할 것인가?
Knowledge Graph  실제로 어떤 지식이 연결되어 있는가?
Graph DB         그 연결을 어떻게 저장하고 탐색할 것인가?

1. Ontology

Ontology(온톨로지)는 특정 도메인의 개념과 관계를 정의한 의미 모델이다.

예를 들어 회사와 문서를 다루는 시스템이라면 다음과 같은 내용을 정의할 수 있다.

(Document)-[:MENTIONS]->(Company)

Ontology는 데이터 자체보다 데이터가 가져야 하는 의미와 규칙에 초점을 둔다. 따라서 다음과 같은 질문에 답한다.

RDF Schema나 OWL은 이러한 모델과 규칙을 표현하는 대표적인 방법이다.

Knowledge Graph(지식 그래프)는 Entity와 Relation을 연결하여 만든 실제 지식 데이터다.

Ontology가 설계도라면 Knowledge Graph는 그 설계도에 실제 데이터를 채운 결과에 가깝다.

(보고서A)-[:MENTIONS]->(삼성전자)
(삼성전자)-[:LOCATED_IN]->(대한민국)
(삼성전자)-[:INDUSTRY]->(반도체)

여기서 보고서A, 삼성전자, 대한민국, 반도체는 Entity이고, MENTIONS, LOCATED_IN, INDUSTRY는 Entity 사이의 의미 있는 Relation이다.

Knowledge Graph의 핵심은 단순히 데이터가 연결되어 있다는 데 있지 않다. 각 연결이 무엇을 의미하는지 해석할 수 있어야 한다는 점이 중요하다.

다만 모든 Knowledge Graph가 반드시 정교한 Ontology를 사용하는 것은 아니다. 작은 시스템에서는 간단한 스키마나 암묵적인 규칙만으로 지식 그래프를 구성하기도 한다.

Graph DB는 Node와 Edge를 저장하고 탐색하는 데 최적화된 데이터베이스 시스템이다.

관계형 데이터베이스에서는 여러 테이블의 관계를 조회할 때 JOIN을 사용한다.

User
  ↓ JOIN
Order
  ↓ JOIN
Product

Graph DB에서는 관계를 직접 연결하고 그 경로를 따라 탐색한다.

(User)-[:ORDERED]->(Order)-[:CONTAINS]->(Product)

따라서 Graph DB는 다음과 같은 작업에 적합하다.

대표적으로 Neo4j 같은 Property Graph DB와 RDF 데이터를 저장하는 Triple Store가 있다.

Graph DB는 데이터를 저장하는 기술이므로 그 자체가 Ontology나 Knowledge Graph를 의미하지는 않는다. 소셜 네트워크나 배송 경로처럼 지식 모델이 아닌 그래프도 Graph DB에 저장할 수 있다.

세 개념을 하나의 시스템에 적용하면 다음과 같은 흐름이 된다.

Ontology
무엇을 그래프로 표현할지 정의한다.
        ↓
Knowledge Graph
정의에 따라 실제 Entity와 Relation을 연결한다.
        ↓
Graph DB
그래프를 저장하고 빠르게 탐색할 수 있게 한다.

이 셋은 함께 사용되는 경우가 많지만 항상 한 묶음은 아니다.

가장 간단하게 구분하면 다음과 같다.

Ontology: 의미와 규칙
Knowledge Graph: 실제 지식의 연결
Graph DB는 저장과 탐색 기술

실무에서는 Graph DB 제품부터 선택하기보다 먼저 어떤 Entity를 만들고 어떤 Relation으로 연결할지 결정해야 한다. 이 모델링이 불명확하면 같은 Entity가 중복되거나 불필요한 Edge가 계속 늘어나고, 결국 탐색 범위와 성능에도 영향을 준다.