새학기가 시작된지도 어느 정도 지났지만, 아직까지도 주변에 이사 하는 광경을 쉽게 볼 수 있습니다.
그때마다 우리는 쉽게 낡은 가구들을 포함하여 다양한 버려진 물건들을 볼 수 있습니다.

데이터 이행에 있어서도 우리가 일상 생활에서 이사하는 것과 큰 차이가 없으며,
데이터 이행을 어떻게 하면 잘 할 수 있을까에 대해서
IT전문가가 아닌 일반인들도 쉽게 이해할 수 있도록, 이사에 비유해서 설명해 보려고 합니다.

우리가 이사를 하기 위해서는
가장 먼저 이사 일정을 계획하고, 대부분은 이사 전문 업체에 견적을 받고 의뢰하게 됩니다.
데이터 이행도 서비스 Downtime을 고려하여 사업부서와 협의를 통해 데이터 이행 일정을 결정하고, 데이터 이행의 규모 및 난이도에 따라서 데이터 전문 업체에 맡기게 됩니다.
가령, 원룸에 살며 짐도 많지 않다면 이사 전문 업체에 맡길 필요가 없겠지만,
20평대의 아파트 이상만 되어도 이사 전문 업체에 맡기지 않고, 이사를 한다는 것은 상상하기도 힘들 것입니다.
데이터 이행도 테이블 몇개 정도를 데이터 구조 변경도 없이 그대로 다른 서버로 이행하는 것은
데이터 전문 업체에 맡기지 않더라도 어렵지 않게 데이터를 이행할 수 있지만,
차세대 프로젝트와 같이 규모가 크고 데이터 구조 변경도 많을수록 데이터 전문 업체에 맡길 수밖에 없습니다.

이사를 효과적으로 빠르게 하기 위해서는 이사 전문가 외에도
이사짐을 실을 수 있는 차량과 추가로 사다리차가 필요할 수 있습니다.
데이터 이행 또한 데이터 이행 전문가 외에도 이행 데이터를 담을 수 있을 저장 공간이 반드시 필요하며, 추가로 데이터 이행을 효과적으로 하기 위해 ETL 도구의 도움을 받을 수 있습니다.

그렇다면, 어떻게 하는 것이 이사를 잘하는 방법일까요
필자가 생각하기에는
최대한 적은 비용으로 가장 빠르고 안전하게 이사짐이 옮겨지고, 이사 후에는 별도의 정리 정돈이 필요없을 정도로 원하는 위치에 짐들이 잘 정리되는 것이라고 생각합니다.

데이터 이행을 잘하는 방법 또한유사합니다.
최대한 적은 비용으로 빠르게 원하는 위치에 데이터를 이행하고, 이행 후에는 별도의 클린징 작업이 없어야 합니다.

이사 전문가 중에도 누가 이사를 해야 잘 할 수 있을까요
물론, 이사를 한 경험이 많은 분이 이사를 잘하는 것이 당연하지만
현재의 집 구조와 이사갈 집 구조를 잘 이해하고 있고,
어떠한 이사짐들이 있는지를 잘 파악하고 있는 이사 전문가분이 이사를 잘 할 수 있을 것입니다.
데이터 이행 또한, 이행 경험이 많으며 현행 데이터 아키텍처와 목표 데이터 아키텍처를 잘 이해하고 있고, 데이터를 잘 파악하고 있는 이행 전문가 분이 데이터 이행을 잘 할 수 있습니다.
가령, 아무리 이사 경험이 많고 현재의 집 구조와 이사짐을 잘 알고 있더라도
이사갈 집의 구조를 이해하지 못한다면 이사를 할 수 없으며
마찬가지로, 데이터 이행 경험이 많고, 현행 데이터 아키텍처와 데이터를 잘 알고 있더라도
목표 시스템이 패키지 기반이라, 패키지 내부 데이터 구조를 이해하지 못한다면,
완전한 데이터 이행을 할 수 없을 것입니다.

마지막으로 이사 비용과 시간을 줄이기 위해서는 무엇보다도 이사짐을 줄이는 것이 중요합니다.
사용하지 않는 오래된 물건들은 미리 미리 정리해서 버려야만, 이사를 위해 필요한 차량과 이사 작업을 줄일 수 있어 비용을 줄이는데 큰 역할을 합니다. 그렇기 때문에 필자가 서두에 이야기 했던 것과 같이 많은 사람들이 이사할 때 불필요한 물건들은 버리는 것을 쉽게 볼 수 있습니다.
데이터 이행 비용을 줄이기 위해서도
사전에 사용하지 않는 데이터를 정리하는 것이 데이터 이행을 위한 저장 공간과 이행 작업을 줄일 수 있을 뿐만 아니라 이행 시간을 줄여줄 수 있습니다.
하지만, 평상시 현행 데이터 아키텍처를 잘 관리하지 못하는 시스템일수록 사용하지 않는 데이터를 식별하기 위해 많은 노력과 비용이 들어갑니다.
집에서 물건들이 정리 정돈이 잘 되어 있지 못하고, 불필요한 물건들이 많을 수록 버려야할 물건들을 식별하는 데 더 많은 노력이 필요한 것과 같은 이치입니다.
추가적으로 자주 사용하지 않는 부피가 큰 짐들은 압축팩에 보관하거나, 별도의 창고에 보관하듯이 자주 조회되지 않는 데이터를 압축하거나, 별도의 ILM 저장소에 보관한다면 더욱 더 효과적으로 비용을 절감할 수 있습니다.