"친구의 친구의 친구"를 찾는 데 5분이 걸린다면?

왜 중요한가?

소셜 네트워크 회사에서 실제 있었던 일입니다.

문제 상황:

• "나와 3촌 이내 연결된 사람 추천" 기능 개발
• PostgreSQL로 구현했더니 쿼리 응답 시간 5분
• 사용자들이 페이지를 떠나기 시작

원인 분석:

결과:

• 관계가 깊어질수록 JOIN이 기하급수적 증가
• 1000만 사용자 x 평균 500친구 = 폭발적 연산

---

실무 시나리오 1: 금융 사기 탐지

은행에서 이상 거래를 추적하는 상황을 생각해보세요.

PayPal: 그래프 DB로 전환 후 사기 탐지율 40% 향상, 오탐율 60% 감소

---

실무 시나리오 2: 추천 시스템

Netflix가 "이 영화를 좋아하셨다면..." 추천을 만드는 방법:

---

실무 시나리오 3: IT 인프라 장애 분석

그래프 DB로 인프라 의존성을 모델링하면:

• "이 서버가 죽으면 어떤 서비스가 영향받나?" -> 1줄 쿼리
• "이 장애의 근본 원인(root cause)은?" -> 역방향 탐색
• Cisco, SAP가 네트워크 토폴로지에 그래프 DB 사용

어떻게 작동하는가?

그래프 DB의 해결책

응답 시간: 0.3초 (1000배 빠름!)

왜 이렇게 빠른가? - Index-free Adjacency

성능 벤치마크 (실측 데이터)

핵심: 관계형 DB는 깊이가 깊어질수록 기하급수적 느려지지만, 그래프 DB는 선형적으로만 증가합니다.

그래프 DB가 빛나는 순간

사용 사례	왜 그래프?	실제 기업	성과
소셜 네트워크	친구 관계, 영향력 분석	Facebook, LinkedIn	실시간 추천
추천 엔진	"이 상품 산 사람들이 본 것"	Amazon, Netflix	매출 35% 증가
사기 탐지	순환 거래, 공모 패턴	PayPal, 은행	탐지율 40% 향상
지식 그래프	개념 연결, 추론	Google, Wikipedia	검색 정확도 향상
네트워크 분석	IT 인프라, 공급망	Cisco, SAP	장애 분석 90% 단축
의료/생명과학	약물 상호작용, 질병 경로	AstraZeneca	신약 개발 가속
공급망 관리	부품 추적, 리스크 분석	Walmart	공급망 가시성 확보

그래프 DB가 적합하지 않은 경우

모든 문제에 그래프 DB가 답은 아닙니다:

사용 사례	더 나은 선택	이유
단순 CRUD	PostgreSQL, MySQL	관계 탐색 없으면 불필요
로그/시계열	InfluxDB, TimescaleDB	시계열 최적화 DB가 적합
비정형 문서	MongoDB	문서 단위 저장/조회
대량 집계	ClickHouse, BigQuery	컬럼나 분석 DB가 빠름

핵심 통찰

"관계형 DB는 데이터를 테이블로 본다. 그래프 DB는 데이터를 네트워크로 본다."

이 차이가 중요한 이유:

• 현실 세계의 데이터는 원래 연결되어 있음
• 관계가 핵심인 문제에서 그래프 DB가 압도적 성능
• 질문 자체가 "어떻게 연결되어 있나?"일 때 적합
• "데이터 간의 관계를 탐색하는가?" -> Yes면 그래프 DB 고려