MySQL vs MongoDB — Chat Benchmark

DAU ~1,000 규모의 실시간 채팅 서비스에서 MySQL과 MongoDB 중 어느 DB가 적합한지 판단하기 위한 성능 벤치마크

---

배경

채팅 기능 도입을 앞두고 "MongoDB가 채팅에 좋다고 하던데, DAU 1,000 수준에서도 의미 있는 차이가 날까?" 라는 질문에 정량적으로 답하기 위해 진행했다.

기존 블로그 벤치마크(users 테이블 + JMeter)와의 차이:

• 실제 채팅 쿼리 패턴 반영: 페이지 조회, 읽음 처리, 발신자별 검색
• k6 + Grafana 실시간 대시보드 (자동 프로비저닝, 수동 설정 불필요)
• Python faker로 재현 가능한 10만 건 시드 데이터

---

핵심 결과

테스트 데이터: 채팅 메시지 10만 건 / 각 시나리오 5회 평균 / 인덱스 없음(1차) · 인덱스 추가(2차) 두 차례 측정

1차 — 인덱스 없음

시나리오	MySQL avg	MongoDB avg	승자
전체 조회	1,440 ms	1,890 ms	MySQL 1.3x
PK 조회	5.42 ms	4.69 ms	MongoDB 1.2x
조건 조회 (Full Scan)	363 ms	524 ms	MySQL 1.4x
페이지 조회 ← 채팅 핵심	195 ms	604 ms	MySQL 3.1x
삽입	1.46 ms	0.678 ms	MongoDB 2.2x
수정	3.03 ms	2.49 ms	MongoDB 1.2x
삭제	23.7 ms	3.99 ms	MongoDB 5.9x

2차 — 인덱스 추가 후

추가 인덱스: MySQL idx_sender_id, idx_room_id, idx_created_at / MongoDB senderId_1, roomId_1, createdAt_-1

시나리오	MySQL avg	MongoDB avg	승자	1차 대비 변화
전체 조회	1,730 ms	1,920 ms	MySQL 1.1x	유사
PK 조회	6.49 ms	3.82 ms	MongoDB 1.7x	유사
조건 조회 (인덱스 사용)	9.13 ms	7.02 ms	MongoDB 1.3x	양쪽 -97%+
페이지 조회 ← 채팅 핵심	226 ms	658 ms	MySQL 2.9x	우위 유지
삽입	1.52 ms	0.731 ms	MongoDB 2.1x	유사
수정	3.21 ms	2.50 ms	MongoDB 1.3x	유사
삭제	28.6 ms	6.95 ms	MongoDB 4.1x	양쪽 소폭 악화

전체 지표 비교

지표	MySQL 1차	MySQL 2차	MongoDB 1차	MongoDB 2차
전체 평균 응답 시간	111 ms	73.3 ms	222 ms	142 ms
평균 RPS	102 req/s	57.0 req/s	40.7 req/s	83.8 req/s
P95 평균	975 ms	1,850 ms	1,800 ms	2,050 ms
P99 평균	1,100 ms	1,990 ms	1,960 ms	2,200 ms

---

결론

MySQL 단독 유지 — 1차·2차 모두 동일한 결론

채팅의 핵심 쿼리(페이지 조회)에서 MySQL이 인덱스 유무와 관계없이 일관되게 앞선다 (3.1x → 2.9x). 인덱스 추가로 조건 조회 격차는 사라졌으나, 페이지 조회 우위는 인덱스로 해결되지 않는다. MongoDB 도입 시 이중 DB 운영 복잡도(백업·모니터링·마이그레이션)를 정당화할 성능 이득이 없다.

DAU 10,000 이상 도달하거나 채팅 메시지 스키마가 다형적으로 변경될 시점에 재검토한다.

---

테스트 환경

항목	사양
OS	macOS 26.3.1
CPU	8 cores
RAM	16 GB
구동 방식	Docker Compose 단일 머신
MySQL	8.0 (innodb_buffer_pool_size 기본값 128MB)
MongoDB	7.0 (WiredTiger cache 기본값 ~7.5GB)

모든 컴포넌트를 단일 머신에서 동시 실행했으므로 절대 수치보다 MySQL:MongoDB 상대 비율에 의미가 있다.

---

How to Run

# 1. 전체 스택 기동
docker compose up -d

# 2. 앱 기동 확인 (약 60초 소요)
docker compose logs -f app

# 3. 데이터 시딩 (앱 기동 완료 후)
cd seed
python3 -m pip install -r requirements.txt
python3 seed.py

# 4. k6 테스트 실행
cd ../k6
./run-all.sh        # 전체 14개 시나리오 × 5회

# 5. 결과 확인
# Grafana: http://localhost:3000  (admin / admin)
# 대시보드: Benchmark > MySQL vs MongoDB Benchmark

---

프로젝트 구조

.
├── docker-compose.yml        — MySQL, MongoDB, Spring Boot, InfluxDB, Grafana
├── seed/
│   ├── seed.py               — 10만 건 시드 데이터 생성 (Python faker)
│   └── requirements.txt
├── k6/
│   ├── config.js             — 공통 옵션 (VUs, iterations)
│   ├── mysql/                — MySQL 시나리오 7개
│   ├── mongo/                — MongoDB 시나리오 7개
│   └── run-all.sh            — 전체 시나리오 5회 순차 실행
├── grafana/
│   └── provisioning/         — Grafana 자동 설정 (datasource + dashboard)
├── spring-app/               — Spring Boot 3.5.3 벤치마크 앱
└── report/
    ├── db-benchmark-report.md  — 상세 보고서 (배경 · 설계 · 분석 · 결론)
    └── visualization/          — Grafana 스크린샷

---

상세 보고서

배경·가설·시나리오 설계·상세 분석·결론 전문 → report/db-benchmark-report.md