GraphDB / Stardog/ Neo4j - 트리플스토어(Triple Store)와의 비교

GraphDB

만든 곳: 불가리아 Ontotext (1995년 창업, 시맨틱 웹 전문 회사)

핵심 강점

• OWL 2 추론 전체 스펙 지원. "이 클래스의 하위 클래스는 뭐다, 이 속성은 대칭이다" 같은 복잡한 논리 규칙도 처리한다.
• SPARQL 쿼리 언어 지원. RDF 데이터 표준이라 다른 시스템과 연동이 쉽다.
• 시각화 UI가 기본 내장되어 있어서 그래프를 바로 눈으로 볼 수 있다.
• 무료 버전(Free Edition) 이 꽤 쓸만하다. 개인 프로젝트나 PoC 수준에선 돈 안 써도 된다.

약점

• 대용량 데이터에서 성능이 Stardog보다 떨어진다는 평가가 있다.
• 엔터프라이즈 기능(클러스터링, 고가용성)은 유료다.

주요 사용처

BBC, 유럽 의약청(EMA), 각국 국립도서관, 바이오 데이터 연구소

---

Stardog

만든 곳: 미국 Stardog Union (2012년 창업)

핵심 강점

• Virtual Graphs 기능이 독보적이다. 기존 RDBMS(MySQL, PostgreSQL 등)나 데이터 레이크를 건드리지 않고, 그 위에 지식 그래프 레이어를 얹어서 마치 하나의 그래프처럼 쿼리할 수 있다.
• 추론 성능이 GraphDB보다 빠르다는 벤치마크가 많다.
• SPARQL + 자체 Path 쿼리를 섞어 쓸 수 있어서 복잡한 탐색도 가능하다.
• 보안 기능(행 단위 접근 제어 등)이 엔터프라이즈 수준으로 잘 되어 있다.

약점

• 비싸다. 연간 라이선스 기준으로 중소기업이 쓰기 부담스러운 수준이다.
• 무료 버전은 트리플 수 제한이 있어서 실제 프로덕션엔 못 쓴다.

주요 사용처

NASA, 미국 국방부, 대형 제약사(Pfizer 등), 금융 기관

---

둘 다 좋아 보이는데 왜 Neo4j가 더 유명한가

Neo4j GraphDB / Stardog

쿼리 언어	Cypher (배우기 쉬움)	SPARQL (배우기 어려움)
진입장벽	낮음	높음
커뮤니티	매우 크다	작다
추론	없음	강력함
주요 용도	앱 개발, 추천, 소셜	의미 추론, 온톨로지, 연구

SPARQL이 결정적인 진입장벽이다. Cypher는 SQL이랑 비슷하게 생겨서 개발자들이 금방 배우는데, SPARQL은 RDF 개념을 먼저 이해해야 써먹을 수 있어서 러닝커브가 꽤 높다.

---

실무에서 선택 기준

GraphDB 쓸 때

• 예산이 없거나 PoC 단계
• 의료, 공공, 연구 도메인
• 온톨로지 기반 시맨틱 검색이 목적

Stardog 쓸 때

• 기존 DB를 그대로 두고 그래프 레이어만 얹고 싶을 때 (Virtual Graphs)
• 엔터프라이즈 환경, 예산 있음
• 추론 속도가 중요한 대용량 환경

Neo4j 쓸 때

• 추론보다 관계 탐색이 핵심 (추천 시스템, 사기 탐지, 소셜 네트워크)
• 개발팀이 빠르게 배워서 써야 할 때
• 커뮤니티 레퍼런스가 풍부해야 할 때