데이터베이스

에이전틱 데이터 클라우드의 새로운 소식: 실행 시스템 구축

Tue, 28 Apr 2026 01:00:00 +0000

* 본 아티클의 원문은 2026년 4월 23일 Google Cloud 블로그(영문)에 게재되었습니다.

기업들은 단순히 질문에 답하는 생성형 AI를 넘어, 기업을 대신해 인지하고 추론하며 행동하는 자율형 에이전트로 전환하고 있습니다. 이러한 에이전트를 기존의 레거시 스택에서 확장하려고 시도하면 거버넌스 파편화, 지속적인 신뢰 격차, 추론 루프의 단절과 같은 구조적 실패에 노출될 뿐만 아니라 비용 폭증을 초래할 수 있습니다.

이를 해결하기 위해 우리는 에이전틱 데이터 클라우드(Agentic Data Cloud)를 소개합니다. 이는 기업의 데이터 플랫폼을 정적인 저장소에서 동적인 추론 엔진으로 진화시킨 AI 네이티브 아키텍처입니다. 이 시스템은 '생각'과 '실행' 사이의 간극을 좁혀, AI 에이전트가 비즈니스 데이터와 맥락을 바탕으로 직접 행동할 수 있게 합니다. 지난 세대의 지능형 시스템(Systems of Intelligence)이 인간의 규모에 맞춰 설계되었다면, 에이전틱 데이터 클라우드는 에이전트의 규모에 맞춰 구축된 실행 시스템(System of Action)입니다.

선도적인 기업들은 이미 에이전틱 데이터 클라우드를 사용하여 가시적인 가치를 창출하고 있습니다.

Vodafone: 고객에게 중단 없는 서비스를 제공하기 위해 수백 개의 에이전트를 출시했으며, 이를 통해 매년 수백만 유로를 절감할 것으로 기대하고 있습니다.
American Express: 핵심 온프레미스 데이터 웨어하우스와 수백 개의 프로덕션 애플리케이션을 BigQuery로 이전하여, 신뢰할 수 있는 대규모 에이전틱 커머스를 구현하고 있습니다.
Virgin Voyages: 1,000개 이상의 전문 AI 에이전트를 사용하고 있으며, 그중 하나는 대규모 여정 재예약 시간을 6시간에서 단 11분으로 단축했습니다.

오늘 우리는 에이전틱 데이터 클라우드를 뒷받침하는 세 가지 새로운 혁신 분야를 발표합니다.

에이전트에게 신뢰할 수 있는 비즈니스 맥락을 제공하여 정확도를 높이는 유니버설 컨텍스트 엔진(Universal Context Engine).
데이터 전문가와 개발자의 역할을 에이전트 오케스트레이터로 진화시키는 에이전틱 우선의 실무자 경험(Agentic-first practitioner experiences).
전체 데이터 자산을 연결하여 데이터 사일로를 제거하는 AI 네이티브 멀티 클라우드 레이크하우스(Cross-cloud lakehouse).

유니버설 컨텍스트 엔진으로 에이전트 역량 강화

AI의 지능은 그 기반이 되는 '맥락(Context)'에 달려 있습니다. 만약 에이전트가 여러분이 정의한 '마진(Margin)'의 의미나 공급망의 복잡한 관계를 이해하지 못한다면 추측에 의존할 수밖에 없습니다. 에이전틱 엔터프라이즈 시대에는 데이터만으로는 부족하며, 과거의 거버넌스 모델 역시 불충분합니다. 이것이 우리가 Dataplex Universal Catalog를 Knowledge Catalog로 진화시킨 이유입니다. 이 카탈로그는 집계, 지속적인 강화, 검색이라는 엄격한 프레임워크를 사용하여 전체 데이터 자산에 걸쳐 비즈니스적 의미를 매핑하고 추론합니다.

동작 방식은 다음과 같습니다.

집계(Aggregation): 진정한 맥락을 구축하려면 모든 곳에서 데이터를 모아야 합니다. 우리는 Google Cloud와 파트너 데이터 플랫폼 전반에서 네이티브 맥락을 집계하고 있습니다. 여기에는 Palantir, Salesforce Data360, SAP, ServiceNow, Workday(프리뷰)와 같은 서드파티 카탈로그, 애플리케이션, 운영 체제 및 AI 플랫폼이 포함됩니다. 레이크하우스를 사용하면 서드파티 데이터 자산이 Knowledge Catalog에 자동으로 매핑됩니다. Google Cloud 소스의 경우, 전략 문서에서 시맨틱을 자율적으로 생성하는 새로운 LookML Agent(프리뷰)와 플랫폼에 비즈니스 로직을 네이티브하게 내장하는 BigQuery measures(프리뷰)를 통해 비즈니스 로직을 자동화하고 있습니다.
지속적인 강화(Continuous enrichment): Knowledge Catalog는 조직 전반의 사용 로그를 분석하고 백그라운드에서 데이터를 프로파일링하여 지속적인 강화를 수행합니다. 이는 데이터가 무엇인지뿐만 아니라, 기업이 데이터를 실제로 어떻게 사용하는지 학습합니다. 이는 비정형 데이터까지 확장됩니다. 파일이 Google Cloud Storage에 저장되는 즉시, Smart Storage(프리뷰)가 이미지와 PDF 객체(예정)를 즉시 태깅하고 강화합니다. 또한 유용한 비정형 데이터 컬렉션을 식별하고 Gemini를 사용하여 누락된 스키마를 자동으로 생성하며 복잡한 관계를 매핑하므로 AI가 더 이상 '맹목적으로' 작동하지 않게 됩니다.
검색 및 검색(Search and retrieval): 방대한 맥락 레이어를 만드는 것도 중요하지만, 에이전틱 시대에 검색은 새로운 쿼리 경로로 진화했습니다. 엔터프라이즈 규모에서 가장 어려운 문제는 속도, 관련성, 글로벌 도달 범위 및 보안입니다. 이를 해결하기 위해 Knowledge Catalog는 Google 검색의 혁신을 바탕으로 구축된 정교한 하이브리드 검색 스택을 사용합니다. 관련성을 높이기 위해 시맨틱 및 렉시컬 매칭을 지능형 머신러닝 기반 재순위화(re-ranking)와 결합합니다. 신뢰를 보장하기 위해 액세스 제어 인식 검색을 통해 보안 권한을 네이티브하게 적용하므로, 에이전트는 승인된 자산에만 액세스하고 조치를 취할 수 있습니다.

Knowledge Catalog는 현재 Deep Research Agent(프리뷰)를 구동하고 있습니다. Gemini Enterprise에서 제공되는 이 에이전트는 BigQuery와 같은 데이터 플랫폼은 물론 내부 문서와 웹 자산 전반에서 다단계 추론을 수행하여, 과거에 수주간의 수동 작업이 필요했던 복잡한 질문에 대해 인용구와 정밀도를 갖춘 답변을 제공합니다.

에이전틱 우선의 실무자 경험

새로운 아키텍처로 이동함에 따라 데이터 실무자의 역할은 수동으로 파이프라인을 작성하는 것에서 의도 중심의 엔지니어링을 조율하는 것으로 바뀝니다.

우리는 Google Cloud Data Agent Kit(프리뷰)를 통해 이러한 전환을 가속화하고 있습니다. 새로운 인터페이스를 도입하는 대신, 개발자들이 선호하는 환경(VS Code, Gemini CLI, Codex, Claude Code 등)에 바로 적용할 수 있는 도구, 확장 프로그램 및 플러그인 세트를 출시합니다. 이를 통해 IDE나 터미널을 네이티브 데이터 환경으로 변환하여, 시스템이 자율적으로 프레임워크(dbt, Apache Spark, Apache Airflow 등)를 선택하고 Google의 표준에 맞춘 프로덕션용 코드를 생성하도록 합니다.

이 키트는 단순히 도구를 연결하는 데 그치지 않고, 데이터를 이동시키지 않고도 페타바이트 규모까지 확장 가능한 고성능 기능을 개발자의 흐름에 직접 주입합니다. Data Agent Kit에는 다음과 같은 Google의 기본 에이전트들을 구동하는 것과 동일한 도구들이 포함되어 있습니다.

Data Engineering Agent (정식 출시): 처음부터 복잡한 파이프라인 변환을 구축하고 거버넌스 규칙을 적용하여 잘못된 데이터가 프로덕션에 유입되는 것을 방지합니다.
Data Science Agent (정식 출시): 데이터 랭글링부터 학습까지 모델 라이프사이클을 자동화하며, BigQuery Dataframes 및 서버리스 Apache Spark 전반으로 확장합니다.
Database Observability Agent (프리뷰): 인프라의 24/7 파수꾼 역할을 하며 근본 원인을 진단하고 데이터베이스 복구 조치를 실행합니다.

또한 에이전트의 원활한 실행을 돕기 위해 Google Cloud는 Model Context Protocol(MCP)을 전면 수용했습니다. 이는 에이전트가 BigQuery, Spanner(프리뷰), AlloyDB, Cloud SQL(정식 출시), Looker(프리뷰) 등 핵심 엔진 전반에서 데이터 자산을 검색하고 사용할 수 있게 해주는 보안 유니버설 인터페이스를 제공합니다.

비즈니스 사용자를 위한 경험도 재구상했습니다. 이제 BigQuery, Cloud SQL, Spanner, AlloyDB(프리뷰), Looker(정식 출시) 전반에서 Conversational Analytics(대화형 분석)가 지원됩니다. 조직은 이러한 맞춤형 분석 에이전트를 Gemini Enterprise에 게시하여, 직원들이 익숙한 인터페이스에서 실시간 데이터와 대화할 수 있게 함으로써 수동 보고서를 기다리는 시간을 없앨 수 있습니다.

에이전틱 규모를 위해 구축된 멀티 클라우드 토대

에이전트가 행동하기 위해서는 근본적으로 개방된 토대가 필요합니다. 만약 에이전트가 클라우드 간 지연 시간에 가로막히거나 특정 업체의 폐쇄적인 환경에 갇혀 있다면 자율성은 무너집니다. 이에 우리는 다음과 같은 기능을 통해 진정한 경계 없는 멀티 클라우드 레이크하우스(Cross-cloud Lakehouse)를 선보입니다.

분석 자산 연결: Cross-Cloud Interconnect(CCI)를 데이터 플레인에 직접 통합합니다. CCI의 전용 고속 프라이빗 네트워킹과 Apache Iceberg REST Catalog를 결합하여 지연 시간을 낮추고 막대한 이그레스(Egress) 비용을 제거합니다. 결과적으로 에이전트는 AWS와 Azure에 있는 데이터를 마치 Google Cloud에 있는 것처럼 원활하게 사용할 수 있습니다.
독점적 사일로 종식: 양방향 페더레이션(Bi-directional federation, 프리뷰)을 출시하여 독점 카탈로그 시대를 끝내고자 합니다. 엔진은 이제 Amazon S3의 Databricks Unity Catalog(프리뷰), Snowflake Polaris(프리뷰), Amazon S3의 AWS Glue Data Catalog(프리뷰)에서 직접 데이터를 읽을 수 있습니다. 이는 강화된 Lakehouse Governance(프리뷰)를 통해 보안 정책이 멀티 클라우드 환경 전반에 즉시 적용되도록 뒷받침됩니다.
운영 데이터의 해방: 세계에서 가장 확장성이 뛰어나고 글로벌 일관성을 갖춘 데이터베이스인 Spanner Omni(프리뷰)를 발표합니다. 이제 처음으로 클라우드, 온프레미스, 혹은 노트북 등 어디에서나 Google을 구동하는 것과 동일한 역량으로 Spanner 엔진을 실행할 수 있습니다.
인사이트와 실행 사이의 간극 해소: 대부분의 '통합' 데이터 플랫폼은 복잡한 ETL 파이프라인 구축을 강요하여 에이전트의 실시간 데이터 접근을 가로막습니다. AlloyDB용 레이크하우스 제휴(프리뷰)을 통해 프로토콜 수준의 제로-ETL 동기화를 제공함으로써, 에이전트가 운영 트랜잭션 내에서 낮은 지연 시간으로 깊이 있는 분석 이력에 접근할 수 있게 합니다.

미래를 자동화하다

에이전트 규모로 이동하면 워크로드가 수천 배 더 많아집니다. 이를 지원하기 위한 네 가지 주요 성능 혁신을 발표합니다.

Apache Spark용 Lightning Engine: 독점적인 시장 대안 대비 최대 2배의 가성비를 제공합니다.
Managed Lustre: 까다로운 모델에 데이터를 충분히 빠르게 공급할 수 있도록 최대 10TB/s의 처리량을 제공합니다.
Bigtable 인메모리 티어: 실시간 애플리케이션을 위해 1밀리초 미만의 읽기 지연 시간을 제공합니다. 이제 별도의 캐싱 레이어를 둘 필요가 없습니다.
BigQuery 유동적 확장(Fluid scaling): 오토스케일링 워크로드의 비용을 평균 최대 34% 절감하며, 에이전트가 행동할 때 리소스를 즉시 늘리고 사용하지 않을 때 줄여줍니다.

실행 시스템(System of Action) 위에서 성공을 구축하세요

수동적인 관찰의 시대는 끝났습니다. 미래는 Google의 에이전틱 데이터 클라우드가 가능케 하는 실행 시스템(System of Action)의 것입니다.

에이전틱 데이터 클라우드가 여러분의 비즈니스를 위해 무엇을 할 수 있는지 확인해 볼 준비가 되셨습니까? 실행 시스템을 통해 자율형 에이전트에게 데이터를 공급할 준비를 하는 방법에 대한 전략 워크숍을 지금 신청하세요.

에이전틱 데이터 클라우드에 대해 더 자세히 알고 싶으신가요? 수동적인 데이터를 능동적인 실행으로 전환하기 위한 당사의 청사진을 확인해 보시기 바랍니다.

Spanner Omni 발표: 고객의 인프라에서 누리는 Google의 혁신

Tue, 28 Apr 2026 01:00:00 +0000

* 본 아티클의 원문은 2026년 4월 23일 Google Cloud 블로그(영문)에 게재되었습니다.

오늘 우리는 Google Cloud를 넘어 업계 선도적인 분산 데이터베이스 역량을 확장하는 다운로드 가능 버전인 Spanner Omni의 프리뷰를 발표했습니다. 이를 통해 기업은 자체 데이터 센터, 멀티 클라우드, 혹은 노트북에서도 Spanner를 실행할 수 있습니다. 즉, 무한에 가까운 확장성, 고가용성, 강력한 일관성, 엔터프라이즈급 보안 및 멀티 모델 역량을 AI 기반 애플리케이션이 구동되는 그 어느 곳에서나 활용할 수 있게 되었습니다.

Spanner Omni가 중요한 이유

10여 년 전, Google은 Spanner를 통해 분산 SQL 시장을 개척했습니다. Spanner는 NoSQL의 수평적 확장성과 전통적인 관계형 데이터베이스의 ACID(원자성, 일관성, 격리성, 지속성) 준수 및 강력한 일관성을 결합한 '성배'와 같은 솔루션을 제공했습니다. 그 이후 Spanner는 상호 운용이 가능한 멀티모달 데이터베이스로 진화하여 SQL, 그래프(Graph), 키-값(Key-Value), 전체 텍스트 검색, 벡터 검색, 그리고 컬럼형 엔진을 통한 분석 처리를 통합했습니다. 이러한 진화는 AI 시대에 필요한 역량을 제공함과 동시에 고객의 워크로드를 단순화하고 통합할 기회를 약속하며, 이미 고객들에게 상당한 가치를 전달하고 있습니다.

고객들은 퍼블릭 클라우드부터 하이브리드 클라우드, 에어갭(Air-gapped, 폐쇄망) 환경에 이르기까지 다양한 IT 환경을 넘나들고 있습니다. Spanner Omni는 다음과 같은 현대 기업의 진화하는 요구사항을 해결하기 위해 고객이 운영 중인 바로 그 현장으로 찾아갑니다.

비즈니스 연속성: 미션 크리티컬 워크로드는 클라우드의 경계를 넘어 확장되는 진정으로 탄력적인 고가용성 아키텍처를 필요로 합니다. 이러한 워크로드는 비즈니스 상황이나 세계적인 사건으로 인해 클라우드 정책에 변화가 생기더라도 중단 없이 실행되어야 합니다.
규제 준수: 금융 서비스와 같이 규제가 엄격한 산업의 고객은 데이터 주권과 같은 규정 요구사항을 충족해야 합니다. 많은 기업이 규정 준수를 위해 여전히 대규모 온프레미스 인프라를 유지하고 있지만, 동시에 에이전틱 시대를 위한 현대화를 갈망하고 있습니다.
애플리케이션 이식성: SaaS 제공업체나 독립 소프트웨어 벤더(ISV)의 성장은 서로 다른 클라우드나 프라이빗 데이터 센터 등 고객이 있는 곳이라면 어디서든 대응하는 데 달려 있습니다. 이들은 개발 및 운영 오버헤드를 최소화하면서도 혁신을 위한 고급 기능을 포기하지 않도록 모든 환경에서 일관된 기술 스택을 원합니다.

Spanner Omni 소개

Spanner Omni는 완전 관리형 Spanner 서비스와 동일한 핵심 역량을 제공하면서, 필요한 곳 어디에나 배포할 수 있는 자유를 더했습니다. 가상 머신(VM)과 리눅스 컨테이너부터 쿠버네티스(Kubernetes) 클러스터에 이르기까지 유연한 구성 옵션을 제공합니다.

또한 고객은 온프레미스, 멀티 클라우드, 멀티 리전 및 하이브리드(지연 시간이 허용되는 토폴로지 내), 에어갭 또는 연결된 환경 등 매우 폭넓은 설정으로 Spanner Omni를 실행할 수 있으며, 단일 장비에서 수천 대의 서버 클러스터까지 확장이 가능합니다. 내부 벤치마크 테스트 결과, Spanner Omni는 단일 리전 배포 환경에서 페타바이트급 데이터에 대해 초당 수백만 건의 쿼리(QPS)를 처리할 수 있음을 확인했습니다.

What makes Spanner Omni unique

Spanner Omni는 새로운 가능성의 문을 엽니다. 초기 도입 고객들과의 협력을 통해 우리는 Spanner Omni를 배포하는 세 가지 주요 아키텍처를 확인했습니다.

하이브리드 및 멀티 클라우드 탄력성: 고객들은 Google Cloud의 Spanner 관리형 서비스를 주 데이터베이스로 사용하면서, Spanner Omni를 보조 클라우드나 온프레미스 데이터 센터에 '핫-콜드 페일오버(Hot-Cold Failover)' 사이트로 배포하고 있습니다. 이러한 주-보조 아키텍처는 규제 산업 분야의 조직들이 재해 복구 및 비즈니스 연속성 요구사항을 충족할 수 있도록 돕는 핵심적인 안전망 역할을 합니다. 또한 데이터 주권이 요구되지만 Google Cloud 데이터 센터가 하나뿐인 지역에서도 멀티 리전 고가용성(HA)을 구현할 수 있습니다.
환경 전반의 통합 기술 스택: 멀티 클라우드 또는 하이브리드 전략을 가진 조직에 Spanner Omni는 '한 번의 작성으로 어디서든 실행(Write once, run anywhere)'할 수 있는 애플리케이션 구축 경험을 제공합니다. 단일 데이터베이스 레이어로 표준화함으로써 운영 오버헤드를 획기적으로 줄이고, 최첨단 기술을 활용하면서 동시에 어떤 환경에서든 진정한 애플리케이션 이식성을 달성할 수 있습니다.
온프레미스 현대화: 온프레미스 비중이 높거나 자체 관리를 선호하는 조직들도 이제 더 이상 클라우드 네이티브 혁신에서 소외되지 않습니다. Spanner Omni를 통해 기존 하드웨어 인프라 위에서 Spanner의 멀티 모델 역량을 활용하여 차세대 AI 애플리케이션을 구축하거나 재작성할 수 있으며, 확장성 보장, 고가용성, 글로벌 일관성 등 Spanner의 혁신적인 기술력을 그대로 누릴 수 있습니다.

Spanner Omni의 기술적 배경

우리의 비전은 단순합니다. 컴퓨팅 자원과 데이터베이스 수준의 로컬 파일 시스템만 있다면 누구나 Spanner Omni를 실행할 수 있어야 한다는 것입니다. 이를 현실화하기 위해 우리는 Spanner의 Google 인프라 의존성을 제거하는 일련의 혁신을 단행했습니다. Paxos 합의 알고리즘, 자동 샤딩, 동기 복제와 같은 Spanner의 핵심 기술은 유지하되, Colossus나 TrueTime과 같이 Google에 종속된 구성 요소들을 새롭고 창의적인 솔루션으로 대체했습니다.

어디서나 구현되는 분산 스토리지를 위해, Spanner Omni는 "Colossus와 유사한" 추상화 레이어를 도입함으로써 Google의 분산 파일 시스템인 Colossus에 대한 Spanner의 의존성을 대체합니다. 이 레이어는 연결된 로컬 파일 시스템에 데이터를 기록하고, 이를 네트워크를 통해 다른 노드에서 사용할 수 있도록 합니다. 소프트웨어는 자동으로 샤드 분할(shard splitting) 및 재균형(rebalancing)을 처리하여 가용한 모든 서버에 스토리지를 균형 있게 분산시킴으로써 최상의 성능을 보장합니다. Spanner Omni의 파일 레이어가 Colossus 그 자체는 아니지만, 대부분의 워크로드에서 Spanner Omni가 관리형 Spanner 서비스와 대등한 성능을 발휘할 수 있게 해주는 충분한 대역 역할을 수행합니다.

우리는 또한 원자시계와 GPS를 사용하여 전 세계적으로 시간을 동기화하는 Spanner의 가장 잘 알려진 기술 중 하나인 TrueTime을 재구상했습니다. Spanner Omni를 위해 우리는 소프트웨어 기반의 TrueTime 대안 기술을 개발했으며, 이는 Google Cloud의 TrueTime과 마찬가지로 Spanner Omni 배포 환경 내의 서버 간에 오차가 제한된 고신뢰 시간 동기화를 제공합니다. Spanner는 강력한 외부 일관성을 달성하기 위해 시간 동기화에 의존하지만, 시간 불확실성에 따른 대기 시간을 다른 데이터베이스 작업과 겹쳐서 처리하는 능력을 통해 실제 TrueTime이 제공하는 것보다 더 넓은 불확실성 범위도 수용할 수 있습니다. TrueTime은 이러한 유연성을 활용하여 Spanner의 가용성이나 성능을 제한하지 않으면서도 다양하고 이질적인 환경 전반에 걸쳐 시간 기록(timekeeping) 기능을 제공합니다.

aside_block: <ListValue: [StructValue([('title', 'What customers are saying'), ('body', <wagtail.rich_text.RichText object at 0x7f0567fd3c40>), ('btn_text', ''), ('href', ''), ('image', None)])]>

액세스 방법

Spanner Omni의 개발자 에디션은 오늘부터 프리뷰(다운로드)로 제공됩니다. 이 에디션에는 Spanner의 핵심 역량이 포함되어 있어, 비상업적 목적의 비프로덕션 환경에서 개발 및 테스트를 진행하는 데 적합합니다. 엔터프라이즈 보안 기능은 제외되어 있으나, 여러분의 차기 프로젝트를 위한 최적의 샌드박스가 될 것입니다. 모든 기능이 포함된 상업용 에디션의 조기 액세스를 원하신다면 https://cloud.google.com/consulting/spanner-omni를 통해 문의해 주시기 바랍니다.

Gemini CLI extensions for Google Data Cloud 출시

Wed, 24 Sep 2025 15:00:00 +0000

* 본 아티클의 원문은 2025년 09월 25일 Google Cloud 블로그(영문)에 게재되었습니다.

지난 6월, Google은 Gemini CLI를 소개했습니다. Gemini CLI는 Gemini의 기능을 터미널에서 직접 사용할 수 있도록 지원하는 오픈소스 AI 에이전트입니다. 오늘 Google 데이터 클라우드 서비스용 오픈소스 Gemini CLI 확장 프로그램을 발표하게 되어 기쁩니다.

Cloud SQL, AlloyDB, BigQuery와 같은 서비스를 사용하면 로컬 개발 환경에서 그 어느 때보다 쉽게 애플리케이션을 빌드하고 트렌드를 분석할 수 있습니다. 초보 개발자든 숙련된 개발자든 이러한 확장 프로그램을 사용하면 앱 개발, 배포, 운영, 데이터 분석과 같은 일반적인 데이터 상호작용을 더 생산적이고 쉽게 수행할 수 있습니다. 그럼 바로 시작하겠습니다.

데이터 클라우드 Gemini CLI 확장 프로그램 사용

시작하기 전에 특정 서비스에 액세스하는 데 필요한 API를 사용 설정하고 IAM 권한을 구성했는지 확인합니다.

최신 기능을 가져오려면 Gemini CLI(v0.6.0)의 최신 버전을 설치합니다.

npm install -g @google/gemini-cli@latest

다음으로 확장 프로그램을 설치합니다.

gemini extensions install https://github.com/gemini-cli-extensions/<EXTENSION>

<EXTENSION>을 사용하려는 서비스 이름으로 바꿉니다. 예를 들어 alloydb, cloud-sql-postgresql 또는 bigquery-data-analytics를 선택할 수 있습니다.

Gemini CLI를 시작하기 전에 필요한 환경 변수를 추가하여 Google Cloud 프로젝트와 연결되도록 확장 프로그램을 구성해야 합니다. 아래 표에는 필요한 구성에 대한 자세한 정보가 나와 있습니다.

확장 프로그램 이름	설명	구성
alloydb	PostgreSQL용 AlloyDB 데이터베이스 및 데이터로 리소스를 만들고 상호작용합니다.	구성
alloydb-observability	PostgreSQL용 AlloyDB 데이터베이스의 데이터베이스 성능과 상태를 모니터링합니다.	구성
bigquery-data-analytics	BigQuery 데이터에서 질문을 발견하고 질문합니다.	구성
bigquery-conversational-analytics	Conversational Analytics API에서 제공하는 기본 제공 스테이트리스 에이전트를 사용하여 BigQuery 데이터에서 인사이트를 발견하고 심층적으로 분석합니다.	구성
cloud-sql-mysql	MySQL용 Cloud SQL 데이터베이스 및 데이터에 연결하고 상호작용합니다.	구성
cloud-sql-mysql-observability	MySQL용 Cloud SQL 데이터베이스의 데이터베이스 성능과 상태를 모니터링합니다.	구성
cloud-sql-postgresql	PostgreSQL용 Cloud SQL 데이터베이스 및 데이터로 리소스를 만들고 상호작용합니다.	구성
cloud-sql-postgresql-observability	PostgreSQL용 Cloud SQL 데이터베이스의 데이터베이스 성능과 상태를 모니터링합니다.	구성
cloud-sql-sqlserver	SQL Server용 Cloud SQL 데이터베이스 및 데이터에 연결하고 상호작용합니다.	구성
cloud-sql-sqlserver-observability	SQL Server용 Cloud SQL 데이터베이스의 데이터베이스 성능과 상태를 모니터링합니다.	구성
dataplex	Dataplex Universal Catalog에 연결하여 데이터 플랫폼 전반에서 데이터 및 AI 아티팩트를 검색, 관리, 모니터링, 제어할 수 있습니다.	구성
firestore-native	Firestore 데이터베이스, 컬렉션, 문서에 연결하고 상호작용합니다.	구성
looker	Looker에 연결하여 데이터를 쿼리하고, Look을 실행하고, 대시보드를 만듭니다.	구성
mysql	MySQL 데이터베이스 및 데이터에 연결하고 상호작용합니다.	구성
postgres	PostgreSQL 데이터베이스 및 데이터에 연결하고 상호작용합니다.	구성
spanner	Spanner 데이터베이스 및 데이터에 연결하고 상호작용합니다.	구성
sql-server	SQL Server 데이터베이스 및 데이터에 연결하고 상호작용합니다.	구성
mcp-toolbox	데이터베이스용 MCP 도구 상자를 사용하여 커스텀 도구를 로드합니다.	구성

이제 gemini 명령어를 사용하여 Gemini CLI를 시작할 수 있습니다. /extensions 명령어를 사용해 설치된 확장 프로그램을 볼 수 있습니다.

/mcp list 명령어를 사용하여 확장 프로그램에 포함된 MCP 서버와 도구를 나열할 수 있습니다.

PostgreSQL용 Cloud SQL 확장 프로그램용 Gemini CLI 사용

PostgreSQL용 Cloud SQL 확장 프로그램을 사용하면 여러 작업을 수행할 수 있습니다. 주요 기능은 다음과 같습니다.

인스턴스 만들기: PostgreSQL(및 MySQL 또는 SQL Server)용 새 Cloud SQL 인스턴스를 만듭니다.
인스턴스 나열: 지정된 프로젝트의 모든 Cloud SQL 인스턴스를 나열합니다.
인스턴스 가져오기: 특정 Cloud SQL 인스턴스에 대한 정보를 검색합니다.
사용자 만들기: 지정된 Cloud SQL 인스턴스 내에서 표준 사용자와 Cloud IAM 사용자를 모두 지원하는 새 사용자 계정을 만듭니다.

이 기능을 어떻게 활용할 수 있는지 궁금하신가요? 여느 좋은 프로젝트에서 그러하듯이, 무엇을 하려고 하는지 명확하게 작성된 계획으로 시작하세요. 그런 다음 해당 프로젝트 계획을 일련의 프롬프트로 CLI에 제공하면 에이전트가 데이터베이스 및 기타 리소스 프로비저닝을 시작합니다.

새 데이터베이스에 연결하도록 확장 프로그램을 구성한 후에는 에이전트가 승인된 계획에 따라 필요한 테이블을 생성할 수 있습니다. 간단한 테스트를 위해 에이전트에 테스트 데이터를 추가하라는 프롬프트를 작성할 수 있습니다.

이제 에이전트는 보유한 컨텍스트를 사용하여 데이터에 액세스할 수 있도록 API를 생성할 수 있습니다.

보시다시피 이러한 확장 프로그램을 사용하면 Google Cloud 데이터베이스로 빌드를 매우 쉽게 시작할 수 있습니다.

BigQuery 분석 확장 프로그램 사용

분석 니즈를 충족하기 위해 BigQuery 데이터 분석 용 Gemini CLI 확장 프로그램을 처음으로 선보입니다. 또한 BigQuery 대화형 분석 확장 프로그램을 통해 Conversational Analytics API에 액세스할 수 있게 되어 기쁩니다 . 이것은 BigQuery의 모든 기능을 로컬 코딩 환경에 직접 제공하여 통합되고 통일된 워크플로를 만드는 여정의 첫 번째 단계입니다.

이 확장 프로그램을 사용하면 다음 작업이 가능합니다.

데이터 탐색: 자연어를 사용하여 테이블을 검색합니다.
분석: 데이터에 대해 비즈니스 질문을 하고 지능형 인사이트를 생성합니다.
심층 분석: 대화형 분석 API를 사용하여 인사이트를 더 자세히 살펴봅니다.
확장: 다른 도구나 확장 프로그램을 사용하여 차트 작성, 보고, 코드 관리 등 고급 워크플로로 확장합니다.

이번 최초 출시에서는 Gemini CLI에 다음과 같은 포괄적인 도구 모음을 제공합니다.

메타데이터 도구: BigQuery 데이터 환경을 파악하고 이해합니다.
쿼리 실행 도구: BigQuery 쿼리를 실행하고 결과를 콘솔에 요약하여 반환합니다.
AI 기반 예측: BigQuery의 기본 제공 AI.Forecast 함수를 활용하여 명령줄에서 직접 강력한 시계열 예측을 수행합니다.
심층적인 데이터 인사이트: 'ask_data_insights' 도구는 서버 측 BigQuery 에이전트에 액세스하여 더 풍부한 데이터 인사이트를 제공합니다.
이 외에도 다양한 기능이 제공됩니다.

[참고: 대화형 분석 확장 프로그램을 사용하려면 추가 API를 사용 설정해야 합니다. 자세한 내용은 문서를 참조하세요.]

분석 확장 프로그램을 사용한 여정의 예는 다음과 같습니다.

데이터 탐색 및 분석(예:

code_block: <ListValue: [StructValue([('code', '> PyPi 다운로드와 관련된 테이블 찾기\r\n✦ PyPi 다운로드와 관련된 다음 테이블을 찾았습니다.\r\n\u200b\r\n * file_downloads: projects/bigquery-public-data/datasets/pypi/tables/file_downloads\r\n * distribution_metadata: projects/bigquery-public-data/datasets/pypi/tables/distribution_metadata'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f05546ac520>)])]>

code_block: <ListValue: [StructValue([('code', '> Using bigquery-public-data.pypi.file_downloads show me top 10 downloaded pypi packages this month \r\n\r\n✦ Here are the top 10 most downloaded PyPI packages this month:\r\n\r\n 1. boto3: 685,007,866 downloads\r\n 2. botocore: 531,034,851 downloads\r\n 3. urllib3: 512,611,825 downloads\r\n 4. requests: 464,595,806 downloads\r\n 5. typing-extensions: 459,505,780 downloads\r\n 6. certifi: 451,929,759 downloads\r\n 7. charset-normalizer: 428,716,731 downloads\r\n 8. idna: 409,262,986 downloads\r\n 9. grpcio-status: 402,535,938 downloads\r\n 10. aiobotocore: 399,650,559 downloads'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f0568261e20>)])]>

더 심층적인 인사이트 실행

'ask_data_insights'를 사용하여 BigQuery(Conversational analytics API)에서 에이전트를 트리거하여 질문에 대한 답을 얻습니다. 서버 측 에이전트는 데이터에 대한 추가 컨텍스트를 수집하고 질문에 대한 더 깊은 인사이트를 제공할 수 있을 만큼 스마트합니다.

BigQuery 데이터를 로컬 도구와 혼합하여 차트와 보고서를 생성할 수도 있습니다. 다음과 같은 프롬프트를 시도해 볼 수 있습니다.

"bigquery-public-data.pypi.file_downloads를 사용하여 urllib3 패키지의 2025년 마지막 4개월 다운로드 수를 예측해 줘. 처음 8개월의 실제 다운로드 수와 마지막 4개월의 예측치를 포함하는 차트를 그려 줘.”

지금 시작하기

데이터 클라우드 서비스용 Gemini CLI 확장 프로그램을 업그레이드할 준비가 되셨나요? 자세한 내용은 확장 프로그램 문서를 참조하세요. 템플릿을 확인하고 나만의 확장 프로그램을 빌드하여 커뮤니티와 공유해 보세요.

Google Cloud DSPM으로 기본 데이터 보안을 넘어: 중요 데이터 보호를 위한 새로운 접근법

Wed, 20 Aug 2025 16:00:00 +0000

해당 블로그의 원문은 2025년 8월 21일 Google Cloud 블로그(영문)에 게재되었습니다.

데이터 민주화와 생성형 AI 시대에 조직이 데이터를 다루는 방식은 극적으로 변화했습니다. 이러한 진화는 새로운 기회를 창출함과 동시에 보안 위험을 야기합니다. 이제 보안팀이 직면한 과제는 단순히 데이터를 보호하는 것에 그치지 않고, 이러한 새로운 현실에 맞춰 보안 및 규정 준수 기능을 확장하는 것입니다.

기존의 보안 제어가 위험 완화에 필수적인 것은 맞지만, 많은 데이터 보안 태세 관리(DSPM) 솔루션은 오늘날의 조직에 필요한 역량을 갖추지 못하고 있습니다. 예를 들어, AI 워크로드를 운영하는 조직은 민감한 데이터가 학습 환경으로 유출되지 않도록 해야 하며, 모델이나 가중치와 같은 지적 재산이 외부로 유출되지 않도록 보호하고, 모든 모델이 "규정 준수 설명 가능성"을 지원하는지 확인해야 합니다.

강력한 데이터 보안을 위해 조직이 이해해야 할 네 가지 핵심 고려 사항은 다음과 같습니다: 민감한 데이터가 어디에 있는지, 어떻게 사용되는지, 어떤 제어를 통해 데이터를 보호할 수 있는지, 그리고 규정 준수 증거를 제공하는 데 사용할 수 있는 모니터링 도구는 무엇인지입니다. 현재 미리 보기로 제공되는 새로운 DSPM(Data Security Posture Management)은 데이터 보안, 개인 정보 보호, 그리고 규정 준수를 위한 종단간(end-to-end) 거버넌스를 제공합니다.

DSPM 기능에는 보안, 개인 정보 보호 및 규정 준수 요구 사항을 충족하고 비즈니스 요구에 부합하는 고급 데이터 제어 기능이 포함됩니다. Security Command Center의 일부로 제공되는 이 Google Cloud 네이티브 솔루션은 도구의 복잡성을 줄이고 네이티브 플랫폼 경험을 제공합니다.

aside_block: <ListValue: [StructValue([('title', 'Google Cloud 보안 제품을 경험해 볼 수 있는 $300의 무료 크레딧을 드립니다.'), ('body', <wagtail.rich_text.RichText object at 0x7f056738b820>), ('btn_text', ''), ('href', ''), ('image', None)])]>

DSPM은 Google Cloud 환경 전반의 데이터에 대한 전체적인 시야를 제공하는 데이터 맵을 구축하여, 데이터의 민감도 수준과 기본 보안 태세를 한눈에 파악할 수 있게 합니다. 이 검색 기능을 통해 정책을 적용하여 데이터를 모니터링하고 보호할 수 있으며, 선별된 제어 기능을 민감한 데이터 요구사항에 맞춰 적용할 수 있습니다.

Google Cloud DSPM을 통해 보안 및 규정 준수팀은 다음과 같은 이점을 얻을 수 있습니다.

데이터 검색: DSPM은 데이터 자산에 대한 포괄적인 가시성을 제공합니다. Google Cloud 환경 전반에 걸쳐 데이터 자산을 자동으로 검색하고, Sensitive Data Protection의 민감도 라벨을 활용하여 어떤 데이터가 어디에 있는지 파악하도록 돕습니다
위험 평가: DSPM은 현재의 데이터 보안 태세를 Google Cloud가 권장하는 모범 사례와 비교하여 평가하고, 잠재적인 취약점과 잘못된 구성을 식별하도록 돕습니다.
데이터 보호: DSPM은 보안 및 규정 준수 요구 사항을 제어 정책과 연결함으로써 데이터 보안 프레임워크를 배포하고, 이를 실시간에 가깝게 모니터링할 수 있도록 지원합니다.
규정 준수 간소화: DSPM은 관련 규정 준수 프레임워크에 맞춰 데이터를 감사하고, 격차를 정확히 찾아내며, 증거 기반의 상세 규정 준수 보고서를 생성할 수 있도록 돕습니다. 또한 HIPAA, GDPR, PCI DSS 준수 여부를 평가하는 데도 도움을 줄 수 있습니다.

Google Cloud의 데이터 보안 태세 관리(DSPM) 솔루션에 대한 시각적 개요

고급 DSPM 제어 기능이 보안 및 규정 준수 요구 사항에 어떻게 도움이 되는지

보안팀은 조직의 Google Cloud 환경에서 민감한 데이터를 식별하고, 원하는 보안 및 규정 준수 결과를 특정 데이터 제어와 연결하는 것부터 시작할 수 있습니다. 이 과정을 더 쉽게 만들기 위해 DSPM은 보안 및 규정 준수 결과를 충족하기 위한 데이터 접근 거버넌스, 흐름 거버넌스, 데이터 보호, 그리고 데이터 삭제 제어와 같은 고급 제어 기능을 제공합니다.

현재 이러한 제어 기능은 조직, 폴더, 프로젝트를 포함한 데이터 경계에서 탐지 모드로 적용될 수 있습니다. 또한 Google Cloud Sensitive Data Protection(SDP)을 사용하여 특정 유형의 민감한 데이터를 스캔할 수도 있습니다.

고급 데이터 제어 기능을 적용하여 데이터 보호하기

데이터 접근 거버넌스

데이터 접근 거버넌스 제어를 사용하면 민감한 데이터에 대한 접근을 관리하고, 승인된 주체에 대한 접근을 탐지 모드로 제한할 수 있습니다.

예를 들어, 고객 결제 데이터에 대한 거버넌스가 필요한 조직은 오직 사기 탐지팀만 민감한 고객 결제 정보에 접근하도록 허용하는 정책을 만들고, 이 제어 정책을 민감한 데이터 전반에 적용할 수 있습니다. 일단 적용되면, 정책은 데이터를 추적하며 규정을 준수하지 않는 모든 접근 이벤트를 표면화합니다.

흐름(Flow) 거버넌스

데이터 흐름 제어를 사용하면 데이터가 국가 경계를 넘어 이동하는 방식을 탐지 모드로 제한하여 민감한 고객 데이터가 국가 경계 밖으로 이동하지 않도록 할 수 있습니다. 예를 들어, 특정 국가 내에서 운영하며 고객 데이터를 해당 국가의 지리적 경계 밖으로 이동하지 않아야 하는 규정 준수 요건이 있는 조직을 생각해 봅시다. 데이터 흐름 거버넌스를 사용하면, 조직은 해당 국가 내에서만 데이터 흐름을 허용하는 정책을 만들고 이를 민감한 데이터에 적용할 수 있습니다. 일단 적용되면, 이 제어는 허용된 지리적 경계 외부로부터의 모든 규정 미준수 읽기 작업을 표면화합니다.

데이터 보호

데이터 보호 제어는 CMEK(고객 관리형 암호화 키)를 강제하는 것과 같은 암호화 키 구성을 관리하는 데 도움이 될 수 있습니다. 민감한 데이터를 보호하는 키에 CMEK를 정책으로 강제하는 정책을 생성할 수 있습니다.

데이터 삭제

데이터 삭제 제어를 사용하면 데이터가 보관되는 최대 기간을 관리할 수 있습니다. 허용된 최대 보관 기간을 설정하는 정책을 생성하고 이를 민감한 데이터에 적용할 수 있습니다.

데이터 보안의 미래를 만들어가는 데 동참하세요.

Google Cloud는 보안 및 규정 준수팀을 초대하여 Google Cloud DSPM의 강력한 기능을 가장 먼저 경험해 볼 수 있는 기회를 제공합니다. DSPM 미리 보기에 참여하는 조직은 다음을 할 수 있습니다.

DSPM을 활성화하고 특정 비즈니스 요구에 대한 기능을 평가하기 시작합니다. 자세한 가이드는 사용자 가이드를 참조하십시오.
기술 자문 위원회(Technical Advisory Council) 및 고객 디자인 패널(Customer Design Panels)에 참여하여 DSPM 개발에 영향을 줄 수 있는 귀중한 피드백을 제공합니다.
Google Cloud 전문가와 협력하여 데이터 보안 전략을 최적화하고 성공적인 구현을 보장합니다.

추가 문의사항은 Google Cloud 계정팀에 문의하거나 dspm-pm@google.com으로 피드백을 보내주시기 바랍니다.

정확도, 속도, 10억 이상의 규모 면에서 PostgreSQL 벡터 검색이 대폭 향상된 AlloyDB

Mon, 17 Mar 2025 08:22:00 +0000

* 본 아티클의 원문은 2024년 10월 4일 Google Cloud 블로그(영문)에 게재되었습니다.

Google이 20년 동안 AI를 실제 애플리케이션에 통합하는 과정에서 부상한 중요한 테마가 있습니다. 즉, 엔터프라이즈 생성형 AI 애플리케이션을 빌드하려면 대규모 워크로드의 규모와 성능 요구사항을 지원하는 확장 가능하고 신뢰할 수 있는 데이터 기반이 있어야 한다는 것입니다. 생성형 AI 또는 검색 애플리케이션을 빌드하고 있다면 애플리케이션의 최신 데이터에 근거한 고품질 결과를 실시간으로 얻을 수 있어야 합니다. 또한 개발자가 빌드 및 관리하기 쉽고 적은 비용으로도 대규모 실행이 가능한 솔루션이 있어야 합니다.

오늘 Google은 기업에서 확장 가능하고 정확하며 우수한 성능을 가진 생성형 AI 및 검색 애플리케이션을 빌드하는 데 도움이 되는 AlloyDB용 ScaNN 색인의 정식 버전을 발표했습니다. PostgreSQL용 AlloyDB는 까다로운 엔터프라이즈 워크로드를 위한 완전 관리형 PostgreSQL 호환 서비스로, 표준 PostgreSQL보다 4배 빠른 트랜잭션 워크로드 속도와 최대 100배 빠른 분석 쿼리 속도를 지원합니다. 이제 ScaNN 색인은 12년간 이루어진 Google의 연구 결과(10억 명 이상의 Google 사용자에게 제공되는 서비스 일부를 강화하는 데 사용된 것과 동일한 기술)를 PostgreSQL용 AlloyDB에 도입하여 벡터 데이터베이스 워크로드를 향상할 수 있습니다.

ScaNN 색인을 사용하는 AlloyDB는 벡터 최적화된 데이터베이스의 성능을 조합하여 빠른 시간 안에 정확한 결과를 전달하고 10억 개 이상의 벡터를 지원하도록 확장되며, 관계형 데이터베이스의 쿼리 유연성, 엔터프라이즈 기능, 멀티 워크로드 기능을 제공합니다.

AlloyDB용 ScaNN 색인

AlloyDB용 ScaNN 색인은 전체 스펙트럼에 걸쳐 최첨단 쿼리 성능을 유지하면서 10억 개 이상의 벡터를 지원하도록 확장 가능한 최초의 PostgreSQL 호환 색인입니다. 이 색인은 95%의 재현율로 10억 개의 벡터에서 25ms p95 지연 시간 미만의 우수한 성능을 제공합니다. 또한 표준 PostgreSQL의 HNSW 색인보다 최대 4배 더 빠른 벡터 쿼리를 제공합니다. 이 외에도 AlloyDB의 ScaNN 색인은 실제 워크로드에 중요한 이점인 매우 빠른 색인 빌드 시간을 제공하며 이를 통해 개발자 생산성을 향상하고 대규모 워크로드에서 발생하는 고비용 병목 현상을 줄일 수 있습니다. 또한 메모리 사용량을 효율적으로 관리하는 데에도 도움이 됩니다. 일반적으로 표준 PostgreSQL의 HNSW 색인보다 3~4배 더 적은 메모리를 사용하여 더 작은 머신에서 대규모 워크로드를 실행하고 하이브리드 워크로드의 성능을 높여 줍니다. 마지막으로 AlloyDB는 기본 메모리에 맞는 색인보다 훨씬 더 큰 다양한 색인을 지원하므로 고객이 특정 워크로드에 맞는 적정 규모의 색인을 선택할 수 있습니다. 종합하면 이러한 개선사항은 전문 도구의 필요성을 줄이는 동시에 AlloyDB에서 효율적으로 실행할 수 있는 벡터 데이터베이스 워크로드 세트를 방대하게 확장합니다.

동시에 AlloyDB는 상업용 관계형 데이터베이스의 모든 이점을 제공합니다. 완전한 호환성을 갖춘 PostgreSQL은 개발자에게 쿼리 벡터와 스칼라 데이터에 함께 사용할 수 있는 간단하고 유연한 쿼리 언어를 제공하여 단일 데이터베이스에서 간단한 필터부터 하이브리드 검색에 대한 복잡한 조인까지 모든 것을 지원합니다. AlloyDB는 완전한 트랜잭션 일관성과 높은 쓰기 처리량을 지원합니다. 실제로 AlloyDB의 ScaNN 색인은 표준 PostgreSQL의 HNSW 색인보다 쓰기 처리량이 최대 10배 더 높습니다. 따라서 업데이트 비율이 매우 높은 고객은 쓰기 작업의 성능이 우수하고 쓰기 작업을 쿼리에 간편하게 사용할 수 있다는 데서 안심하고 이를 사용할 수 있습니다. 마지막으로 AlloyDB에는 유지보수가 포함된 99.99%의 고객 친화적인 가용성 SLA와 고가용성, 재해 복구, 데이터 보호, 보안 등과 관련된 중요한 엔터프라이즈 기능이 있습니다.

새로운 AlloyDB용 ScaNN 색인은 PostgreSQL 및 pgvector와 완벽하게 호환되므로 현재 가장 많이 사용하는 오픈소스 데이터베이스인 PostgreSQL을 사용하는 전문 개발자들은 이 기술을 쉽게 사용할 수 있습니다.

다음 단계

AlloyDB용 ScaNN 색인을 더 자세히 알아보려면 Google의 AlloyDB용 ScaNN 색인 개요를 확인하거나 Google의 ScaNN 알고리즘 심층 분석 및 PostgreSQL과 AlloyDB에 ScaNN 색인을 구현한 방법에 관한 AlloyDB용 ScaNN 백서를 읽어보세요.

AlloyDB용 ScaNN은 이제 Google Cloud의 AlloyDB에서 정식으로 사용할 수 있습니다. AlloyDB 인스턴스 생성에 관한 빠른 시작 가이드를 따라 단계를 수행한 다음 쉽고 빠른 벡터 쿼리를 시작하기 위한 Google 문서를 참조하세요. 이제 30일 무료 체험판으로 AlloyDB를 무료로 사용해 볼 수도 있습니다.

Memorystore for Valkey 8.0 소개: 비할 데 없는 성능과 완전한 오픈소스

Mon, 17 Mar 2025 08:13:00 +0000

편집자 주: Ping Xie는 Valkey 기술 운영 위원회(TSC)의 Valkey 유지보수 담당자입니다.

* 본 아티클의 원문은 2024년 10월 4일 Google Cloud 블로그(영문)에 게재되었습니다.

오늘 Memorystore에서 Valkey 8.0 프리뷰 버전이 출시되었다는 기쁜 소식을 알려드립니다. 이로써 Google Cloud는 Valkey 8.0을 완전 관리형 서비스로 제공하는 첫 번째 주요 클라우드 플랫폼이 되었습니다. 2024년 8월에 출시된 Memorystore for Valkey 7.2에서 한 발짝 더 나아간 이번 프리뷰는 Valkey 오픈소스 생태계의 유용한 최신 기능을 개발자 여러분에게 제공하며, 오픈소스에 대한 Google Cloud의 노력을 확고히 합니다.

Memorystore for Valkey 8.0은 Google Cloud가 Major League Baseball(MLB)과 같은 고객을 열심히 지원하고 있다는 것을 여실히 보여줍니다. 가장 역사적인 프로 스포츠 리그인 MLB는 실시간 분석을 지원하는 데 Memorystore를 사용하여 방대한 데이터를 처리하고 경기 중 팬들에게 인사이트와 통계를 제공합니다.

"MLB에서는 팬들에게 최상의 경험을 제공하는 데 사활을 걸고 있습니다. Valkey의 캐싱에 대한 진정한 오픈소스 접근 방식은 획기적이며, 팬들과 계속 소통하고 팬들의 참여를 유도하는 데 필요한 성능과 혁신을 보장합니다. 이 커뮤니티의 일원인 것이 기쁘며, Memorystore에서 Valkey의 지속적인 혁신이 기대됩니다." - Rob Engel, Major League Baseball 소프트웨어 엔지니어링 부문 부사장

Valkey 8.0 출시

올해 초, Redis Inc.가 Redis OSS의 라이선스를 허용적인 BSD 3-Clause 라이선스에서 Restrictive Source Available License(제한적 소스 이용 가능 라이선스, RSAL)로 변경하자 오픈소스 커뮤니티는 Valkey(1, 2, 3)를 BSD 3-Clause 라이선스 하에 완전 오픈소스 대안으로 개발하기 위해 결집했습니다. 몇 달 만에 Valkey 커뮤니티는 오픈소스 Valkey 8.0 정식 버전을 출시하며 오픈소스 협업과 제한받지 않는 혁신의 힘을 보여주었습니다.

Memorystore for Valkey 8.0은 Google 완전 관리형 서비스로서 향상된 성능, 개선된 안정성, Redis OSS와의 완전 호환성을 모두 제공합니다.

Valkey 성능 벤치마크 개선은 새롭게 도입된 비동기 I/O 기능 덕분입니다. 향상된 I/O 스레딩 시스템은 메인 스레드와 I/O 스레드가 동시에 실행될 수 있게 하여, 명령어와 I/O 작업을 병렬 처리하고, 들어오는 요청 처리의 병목 현상을 줄여 처리량을 최대화합니다. Memorystore for Valkey 8.0은 Memorystore for Redis Cluster와 비교하여 마이크로초 단위의 지연 시간에서 최대 2배의 초당 쿼리 수(QPS) 를 제공하므로, 애플리케이션에서 비슷한 크기의 클러스터로 더 많은 처리량을 처리할 수 있습니다. 이로 인해 Valkey 8.0은 높은 처리량이 요구되고 우수한 반응형 사용자 경험을 제공하고자 하는 실시간 애플리케이션에 적합합니다.

처리량 향상과 함께, Valkey 8.0은 다음과 같이 서비스의 전체 속도를 더욱 향상하는 여러 최적화를 포함합니다.

SUNION 명령어는 더 빠른 합집합 작업을 위해 최적화되었습니다.
SDIFF 및 ZUNIONSTORE 명령어는 실행 시간을 개선하기 위해 리팩터링되었습니다.
DEL 명령어는 만료된 키의 중복 삭제를 방지합니다.
CLUSTER SLOTS 응답은 클러스터 작업의 처리량을 개선하고 지연 시간을 줄이기 위해 캐시됩니다.
CRC64 성능은 대용량 데이터 배치에 맞게 개선되어, RDB 스냅샷 및 슬롯 마이그레이션 시나리오에서 중요한 역할을 합니다.

Valkey 8.0은 또한 키 메모리 효율성을 개선하여 애플리케이션 변경 없이 더 많은 데이터를 저장할 수 있습니다. 이제 키는 기본 사전 안에 직접 임베딩되어 메모리 오버헤드를 줄이고 성능을 개선합니다. 또한 새로운 슬롯별 사전은 기본 사전을 슬롯별로 분할하여 성능 저하 없이 키-값 쌍당 16바이트의 메모리 오버헤드를 추가로 줄입니다.

한편, Valkey 8.0은 Google에서 개발한 여러 기능 덕분에 안정성을 개선했습니다. 이러한 Google의 기능은 다음과 같이 프로젝트에 기여하면서 클러스터의 복원력과 가용성을 많이 개선했습니다.

자동 장애 조치는 빈 샤드에 대해 초기 확장 단계에서도 고가용성을 보장하여 새로운 슬롯리스 샤드가 원활하게 장애 조치를 수행할 수 있도록 돕습니다.
슬롯 마이그레이션 상태 복제는 모든 CLUSTER SETSLOT 명령어가 기본 노드에서 실행되기 전에 복제본 전반에 동기화되도록 하여 장애 조치 이벤트 중 데이터 비가용성의 리스크를 줄이고, 새 복제본이 자동으로 적절한 상태를 상속받을 수 있게 합니다.
또한 슬롯 마이그레이션 상태 복구는 장애 조치 후 소스 및 대상 노드를 자동으로 업데이트하여 운영자의 개입 없이 요청이 기본 노드로 알맞게 라우팅되도록 유지합니다.

이러한 개선사항 덕분에 Valkey 8.0 클러스터는 슬롯 이동 중에 장애에 대한 복원력이 높아졌으며, 고객은 복잡한 확장 작업 중에도 안심하고 데이터를 계속 사용할 수 있습니다.

Redis OSS 7.2와의 호환성

Valkey 8.0은 Valkey 7.2와 마찬가지로 Redis OSS 7.2 API와 완벽하게 하위 호환되므로 Redis로부터의 원활한 마이그레이션을 지원합니다. Jedis, redis-py, node-redis 및 go-redis와 같은 인기 있는 Redis 클라이언트가 완벽하게 지원되므로 Valkey로 워크로드를 마이그레이션할 때 애플리케이션 코드를 수정할 필요가 없습니다.

오픈소스의 유연성과 관리형 서비스의 안정성이 결합되어 제어와 편의성 간 균형을 확보하면서 Valkey는 Redis OSS 워크로드를 위한 훌륭한 선택지가 되었습니다.

지금 Memorystore for Valkey 8.0 시작하기

지금 Memorystore for Valkey 8.0을 시작하고 앞서 소개한 향상된 기능을 직접 경험해 보세요. Memorystore for Valkey 8.0은 제로 다운타임 확장, 고가용성, RDB 스냅샷 및 AOF 로깅 기반 지속성 등의 기능을 통해 오늘날 매우 까다로운 워크로드에 필요한 성능, 안정성, 확장성을 제공합니다.

지금 바로 Google Cloud 콘솔 또는 gcloud를 통해 완전 관리형 Valkey 클러스터를 생성하고, 진정한 오픈소스 데이터 관리의 미래를 만들면서 성장 중인 커뮤니티에 참여하세요.

Google Cloud와 Oracle의 클라우드 혁신 가속화

Mon, 17 Jun 2024 14:00:00 +0000

* 본 아티클의 원문은 2024년 06월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

2024년 6월 12일, Google Cloud와 Oracle은 고객이 Google Cloud 및 Oracle Cloud Infrastructure(OCI) 전반에서 업무상 중요한 엔터프라이즈 워크로드를 원활하게 마이그레이션하고 실행할 수 있도록 지원하는 흥미로운 새 전략적 클라우드 파트너십을 발표했습니다.

이번 파트너십을 통해 양사 공동의 고객이 Oracle 기반 애플리케이션을 클라우드에서 쉽게 마이그레이션, 현대화, 관리할 수 있는 상호 운용 가능한 다양한 솔루션을 제공할 수 있게 되었습니다. 통합 엔지니어링, 제품, 상용 모델을 갖춘 이 통합 솔루션은 양사 공동의 고객이 수년간 사용해 온 엔드 투 엔드 엔터프라이즈급 협업 지원 모델을 통해 다양한 선택권과 유연성을 제공합니다. 이 파트너십의 중심에는 Oracle Database@Google Cloud가 있습니다. Oracle은 기본적으로 Google Cloud 데이터 센터에서 Oracle 데이터베이스 서비스를 직접 호스팅, 운영, 관리할 예정이며 북미와 유럽의 지역 거점을 시작으로 전 세계로 빠르게 확장해 나갈 계획입니다.

지난 수년간 공통 기업 고객들은 Oracle의 데이터베이스와 엔터프라이즈 애플리케이션 서비스를 계속 활용하면서 Gemini, Vertex AI와 같은 Google Cloud 서비스 및 AI 솔루션으로 이를 원활하게 보완하여 클라우드 마이그레이션을 현대화 및 가속화할 수 있는 통합 프레임워크에 관심을 보였습니다. 하지만 기존의 여러 공급업체가 제공하는 멀티 클라우드 옵션을 살펴보면 솔루션에 고객의 기술적, 상업적 요구사항을 충족할 수 있는 충분한 선택권과 기본 통합 옵션이 없었습니다. 결국 고객이 교차 클라우드 데이터 전송 요금과 같은 추가 비용을 부담하거나 이러한 아키텍처에 대한 엔드 투 엔드 엔터프라이즈급 지원의 부족을 감수해야 했습니다.

이번 파트너십은 양사 공동의 고객을 대신하여 이러한 문제를 해결하기 위한 투자이자 혁신 조치입니다. 이를 통해 Exadata Cloud Service, Oracle Autonomous Database를 비롯한 Oracle 데이터베이스 서비스를 Google 데이터 센터에서 직접 원활하게 호스팅할 수 있게 됩니다. 또한 고객은 교차 클라우드 데이터 전송 요금 없이 Oracle Cloud Infrastructure(OCI)와 Google Cloud를 상호 연결할 수 있으며, 양사는 Oracle E-Business Suite 등의 Oracle 애플리케이션을 Google Cloud에서 실행할 수 있도록 지원할 예정입니다.

Oracle Database@Google Cloud는 OCI 하드웨어에서 실행되는 Google Cloud 데이터 센터에 최신 데이터베이스 서비스를 배포합니다. 이제 고객은 Oracle Database의 최첨단 관리형 서비스인 Oracle Autonomous Database를 활용할 수 있습니다. 나아가 업무상 중요한 데이터베이스 워크로드를 Oracle Database의 최첨단 플랫폼인 Oracle Exadata Database Cloud Service로 마이그레이션할 수도 있습니다. 또한 Oracle 데이터베이스를 Google Compute Engine에서도 실행할 수 있게 됩니다.

고객은 Google Marketplace에서 사용 가능한 서비스를 직접 조달하고 Google Cloud 콘솔에서 바로 관리할 수 있습니다. 통합 솔루션이 어떻게 결합되는지는 이 데모를 통해 확인하실 수 있습니다.

이번 파트너십으로 고객들에게 더 많은 기회를 제공할 수 있게 되어 매우 기쁩니다. 양사는 고객을 위해 통합 솔루션을 계속 혁신하고 까다로운 애플리케이션 및 데이터베이스 워크로드의 성능과, 가용성 및, 보안 요구사항을 충족할 수 있는 비용 효율적인 선택권을 제공하고자 최선을 다하고 있습니다.

자세한 내용은 여기에서 'Google Cloud 기반 Oracle'을 확인하세요. 시작 방법을 자세히 알아보려면 이 양식을 작성하거나 ask-oracle-db@google.com으로 이메일을 보내주세요.

Google Cloud를 위한 Gemini를 만나보세요

Tue, 23 Apr 2024 01:00:00 +0000

*본 아티클의 원문은 2024년 4월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

기쁜 마음으로 Google Cloud를 위한 Gemini 출시 소식을 전합니다. 지난 한 해 동안 생성형 AI의 능력은 엄청나게 성장했으며, Google Cloud는 이러한 기능을 제품 포트폴리오 전반에 적용해 왔습니다.

Google Cloud를 위한 Gemini는 개발자, 서비스, 애플리케이션을 위한 차세대 AI 어시스턴트입니다. 이 어시스턴트는 사용자가 보다 효과적으로 작업 및 코딩하고, 더 심층적인 데이터 인사이트를 확보하고, 보안 문제를 해결하도록 지원하며, 그 외에도 다양한 기능을 제공합니다. Google의 Gemini 모델 제품군을 사용하는 Google Cloud를 위한 Gemini를 통해 팀은 클라우드에서 더 많은 성과를 낼 수 있습니다.

업계 최고의 가용성을 자랑하는 Google Cloud를 위한 Gemini는 강력한 보안, 규정 준수, 개인 정보 보호 설정 등을 갖춘 엔터프라이즈 지원 AI 기능을 제공합니다.

이제 Google Cloud가 Gemini를 어떻게 제품 및 서비스에 통합하고 있는지 자세히 살펴보도록 하겠습니다.

Gemini Code Assist로 소프트웨어 배포 가속화

개발자용 Duet AI의 진화된 형태로서 이제 최신 Gemini 모델을 사용하는 Gemini Code Assist를 소개합니다. Gemini Code Assist는 개발자가 VS Code, JetBrains와 같은 인기 있는 코드 편집기에서 더 빠른 속도로 보다 고품질의 애플리케이션을 빌드할 수 있도록 AI 기반 지원을 제공합니다. 엔터프라이즈급 코딩 지원 솔루션인 Gemini Code Assist는 비공개 코드베이스가 온프레미스, Gitlab, GitHub, Bitbucket 등 어디에 있든, 심지어 여러 저장소에 걸쳐 저장된 경우에도 지원을 제공합니다. 강력한 엔터프라이즈 기능을 기반으로 빌드된 이 서비스를 사용하면 조직이 AI 지원을 대규모로 도입하는 동시에 보안, 개인 정보 보호, 규정 준수 요구사항을 충족할 수 있습니다.

"Google Cloud의 Gemini Code Assist 런칭 파트너로서 LLM 기반 코드 가속화 워크플로를 채택하여 효율성이 30% 넘게 향상되었음을 알려드릴 수 있어 기쁩니다. Gemini Code Assist의 시간을 아껴 주는 코드 완성 기능 및 버그 해결 기능을 통해 혁신과 생산성의 한계를 뛰어넘을 수 있었습니다." - Asif Hasan, Quantiphi Inc. 공동 설립자

Next에서는 Gemini Code Assist의 멋진 신기능 여러 가지가 소개됩니다.

전체 코드베이스 인식: 현재 비공개 프리뷰 버전으로 제공되는 이 기능을 활용하면 새 기능 추가, 파일 간 종속 항목 업데이트, 버전 업그레이드 지원, 포괄적인 코드 검토 등 전체 코드베이스에 대한 대규모 변경 작업을 수행할 수 있습니다. 이 기능은 업계 최대 규모인 100만 개의 토큰으로 구성된 컨텍스트 윈도우를 제공하는 Google의 Gemini 1.5 Pro 모델을 기반으로 합니다.
코드 맞춤설정: 현재 비공개 프리뷰가 진행 중인 이 기능을 기업에서 사용하면 Gemini Code Assist를 비공개 코드베이스에 연결해 맞춤설정하여 개발자에게 컨텍스트 인식 코드 생성 기능을 제공할 수 있습니다. 또한 Gemini Code Assist는 GitLab, GitHub, Bitbucket을 포함한 여러 소스 코드 저장소에 연결할 수 있습니다.
"Gemini Code Assist와 함께 RAG를 사용한 코드 맞춤설정은 Gemini가 개발자에게 제공하는 지원의 품질을 코드 완성 및 생성 측면에서 획기적으로 개선했습니다. 코드 맞춤설정 덕분에 전반적인 코드 인수율이 크게 높아질 것으로 예상됩니다. " Kai Du, Turing 엔지니어링 부문 이사 겸 생성형 AI 부문 책임자
통합 서비스: 고객의 애플리케이션에 원활하게 액세스하고 연결할 수 있도록 Apigee 및 Application Integration을 통해 Gemini Code Assist의 도달범위를 확장하고 있습니다.
생태계 개선: 지난 12월의 생태계 관련 발표 이후 Datadog, Datastax, Elastic, HashiCorp, Neo4j, Pinecone, Redis, Singlestore, Snyk, Stack Overflow 등 여러 파트너의 데이터 및 기술 자료를 사용하여 Gemini Code Assist를 개선하고 있습니다.

"이 기념비적이고 다차원적인 AI 중심 파트너십을 통해 Stack Overflow는 Google Cloud의 최신 AI 기술을 도입하고 있으며, Google Cloud는 Stack Overflow의 기술을 AI 도구에 통합하고 있습니다. 이러한 파트너십은 양사가 개발자의 창조력을 끌어올리고, 정확성 저하 없이 생산성을 향상하고, 사회적으로 책임감 있는 AI를 제공하는 데 얼마나 노력하고 있는지 잘 보여줍니다. 두 기업의 강점을 결합함으로써 다양한 업계에서 혁신을 가속화할 수 있습니다." - Prashanth Chandrasekar, Stack Overflow CEO

Gemini Cloud Assist를 사용하여 효율적으로 애플리케이션 수명 주기 관리

Gemini Cloud Assist는 클라우드팀이 애플리케이션 수명 주기를 설계, 운영, 최적화하는 데 도움이 됩니다. Gemini가 컨텍스트에 맞춰 제공하는 맞춤형 AI 가이드는 새로운 디자인을 만들고, 워크로드를 배포하며, 애플리케이션을 관리하고, 문제를 해결하며, 성능과 비용을 최적화하는 데 도움이 되도록 사용자의 Google Cloud 리소스를 이해합니다. 이 덕분에 복잡한 작업을 가속화하고 생산성을 높여 비즈니스에 계속 집중할 수 있습니다. Gemini Cloud Assist는 다음과 같은 기능을 제공합니다.

목표 중심 설계: 원하는 설계 결과를 설명하면 Gemini Cloud Assist가 니즈에 맞는 아키텍처 구성을 생성할 수 있으며, 심지어 해당 구성을 제안한 근거까지 설명합니다.
운영 및 문제 해결 안내: Gemini Cloud Assist는 문제를 진단하고 근본 원인을 찾아내며 해결책을 추천하여 이슈를 신속하게 해결할 수 있도록 도와줍니다.
맞춤형 최적화: 비용 절감, 성능 또는 고가용성 중 무엇을 우선시하든 Gemini Cloud Assist는 개선이 필요한 영역을 식별하고 목표 달성 방법을 제안합니다.

Cloud Assist는 알림 요약, 로그 설명, 문맥에 맞는 문제 해결을 통해 시간을 절약합니다.

Gemini Cloud Assist는 Google Cloud 콘솔의 채팅 인터페이스를 통해 직접 액세스할 수 있으며, 각 클라우드 제품 및 리소스를 관리하는 인터페이스에 바로 삽입되어 있습니다. Gemini Cloud Assist는 현재 비공개 프리뷰를 진행 중입니다.

"Gemini Cloud Assist는 Ford의 Google Cloud 환경을 최적화하는 데 유용하며 발생한 문제를 해결하는 데 도움이 됩니다." - Sai Dutta, Ford Motor Company 엔터프라이즈 설계자

보안의 Gemini로 보안 역량 강화

지난해 Google Cloud는 시장의 주요 클라우드 제공업체 중 최초로 보안기능 사용자에게 생성형 AI를 정식 버전으로 제공하였습니다. 이제 보안팀의 기술을 강화하고 생산성을 높여 더 쉽게 위협을 감지하고 조사하여 대응할 수 있도록 보안 운영의 Gemini 를 Chronicle에 추가하고 있습니다. 이번 달 말에 정식 버전으로 출시되는 새로운 지원 조사 기능을 활용하면 자연어를 새로운 감지 기능으로 전환하고, 이벤트 데이터를 요약하고, 취해야 할 조치를 제안하고, 대화형 채팅을 통해 플랫폼 내에서 사용자를 안내할 수 있습니다.

사용자는 보안 운영의 Gemini를 통해 Chronicle에서 대화형 채팅을 사용하여 인시던트와 알림을 신속하게 조사할 수 있습니다.

"보안 운영의 Gemini 덕분에 운영 우수성을 도모하면서 사이버 보안 운영 센터 프로그램의 효율성을 향상할 수 있었습니다." - Ronald Smalley, Fiserv 사이버 보안 운영 부문 수석 부사장

여기에 더해 Google Cloud는 보안 포트폴리오 전반에 새 AI 기능을 도입하고 있습니다.

Threat Intelligence의 Gemini: 공개 프리뷰가 진행 중인 기능으로, 대화형 검색을 통해 Mandiant의 일선 위협 인텔리전스를 활용하여 위협 행위자의 행동에 대한 유용한 정보를 몇 초 만에 얻을 수 있습니다. 또한 관련 오픈소스 인텔리전스(OSINT) 기사에 대한 웹 크롤링을 자동화하고, 정보를 수집하며, 애널리스트에게 도움이 되는 요약을 제공하여 사용자가 위협 연구의 효율성을 개선하는 데 도움이 됩니다.
Security Command Center의 Gemini: 공개 프리뷰 버전으로 제공되며, 잘못된 구성 및 취약점에 대한 중요하고 우선순위가 높은 알림을 요약하고, 시뮬레이션된 공격 경로에서 잠재적인 취약점 공격을 차단하는 방법에 대한 권장사항을 제공하여 조직이 위험을 선제적으로 완화할 수 있도록 지원합니다.

보안의 Gemini 기능은 SecLM API를 기반으로 구축되었습니다. 이 덕분에 Gemini는 더욱 보안에 특화되었으며 확장성까지 갖추게 되었습니다.

보안의 Gemini를 통해 Pfizer와 같은 고객은 복잡한 분석을 더 신속하게 수행하고, 새로운 애널리스트가 더 빠르게 온보딩할 수 있도록 지원하며, 숙련된 애널리스트가 진화된 위협 추적에 집중할 수 있도록 시간을 절약하고 있습니다. 여기에서 새로운 기능에 대해 자세히 알아보고 여기에서 보안의 Gemini에 대해 더 자세히 알아볼 수 있습니다.

BigQuery의 Gemini로 분석 및 워크플로 가속화

오늘 Google Cloud는 BigQuery의 Gemini도 프리뷰 버전으로 제공된다고 발표했습니다. BigQuery의 Gemini는 데이터 엔지니어와 데이터 애널리스트가 생산성을 높이고, 쿼리 성능을 개선하며, 수집 및 파이프라인 생성부터 AI 기반 기능으로 유용한 정보를 도출하기까지 분석 수명 주기 전반에 걸쳐 비용을 최적화할 수 있도록 함으로써 획기적인 변화를 가져왔습니다.

BigQuery의 Gemini에는 자연어 지원 및 시각화 삽입 기능으로 노트북과 같은 환경을 선사하는 새로운 데이터 캔버스가 함께 제공됩니다.

자신이 공유자전거 회사의 데이터 애널리스트라고 가정해 보세요. BigQuery의 Gemini의 새로운 데이터 캔버스를 사용하면 동일한 인터페이스 내에서 자연어 프롬프트를 사용해 데이터 세트를 탐색하고 주요 운행 기록을 식별하여 맞춤설정된 시각화를 생성할 수 있습니다.

BigQuery의 Gemini에는 시각적 데이터 파이프라인을 로우 코드로 빌드하는 기능과 함께 사용자의 데이터 정리 및 랭글링을 지원하는 AI 보강 데이터 준비 기능도 포함되어 있습니다. 또한 쿼리 추천, 시맨틱 검색, 로우 코드형 시각적 데이터 파이프라인 개발 도구와 함께 쿼리 성능 개선, 오류 최소화, 비용 최적화를 위한 지능형 추천을 제공합니다. 사용자는 자연어 프롬프트를 사용하여 SQL 또는 Python 코드를 만들고 쿼리를 작성하는 동안 실시간으로 추천을 받을 수도 있습니다.

"BigQuery의 새로운 AI 기반 보조 기능과 다른 Google Workspace 제품과의 간편한 통합을 통해 팀은 데이터에서 유용한 정보를 얻을 수 있습니다. 자연어 기반 환경, 로우 코드 데이터 준비 도구, 자동 코드 생성 기능을 통해 우선순위가 높은 분석 워크플로를 간소화하여 데이터 실무자의 생산성을 높이고 영향력 있는 이니셔티브에 집중할 수 있는 여지를 확보할 수 있습니다. 또한 비즈니스 사용자를 비롯해 다양한 기술을 보유한 사용자는 보다 쉽게 접근할 수 있는 데이터 인사이트를 활용하여 유익한 변화를 가져옴으로써 결과적으로 조직 내에서 포용적인 데이터 기반 문화를 조성할 수 있습니다." - Tim Velasquez, Veo 분석 책임자

또한 BigQuery에서 Vertex AI로 원활한 연결이 구축되어 BigQuery에서 Vertex의 AI 모델에 직접 액세스할 수 있습니다. 이를 통해 AI 모델, 기본 ML 연산자, 통계 함수를 데이터 파이프라인에서 원활하게 결합하여 멀티모달 분석을 수행할 수 있습니다. 이 새로운 기능을 사용하면 구조화된 데이터와 함께 문서, 동영상, 이미지, 오디오 녹음을 분석할 수 있습니다.

Looker의 Gemini를 사용한 통계 자동화

Looker의 Gemini는 사용자에게 비즈니스 데이터를 활용하고 심지어 데이터와 채팅을 나눌 수도 있는 새로운 방법을 제공합니다. 오늘 Google Cloud는 새로운 대화형 분석 제품을 비공개 프리뷰 버전으로 발표하였습니다. 이 제품은 채팅에서 비즈니스 전문가에게 질문하는 것처럼 간단하게 데이터에 관해 질문할 수 있는 멀티턴 기능을 제공합니다. 대화형 분석을 위해 마련된 Looker 내 전용 공간에서 데이터와 관련해 채팅을 시작하면 몇 초만에 유용한 정보를 도출하고 이어서 탐색 및 분석 단계를 시작할 수 있습니다.

전자상거래 제공업체라고 가정해 보세요. Looker의 Gemini에 쿼리하여 판매 트렌드를 알아보고 유용한 정보를 즉시 탐색할 수 있습니다. 또한 차트가 어떻게 작성되었는지에 대한 세부 정보도 함께 제공됩니다.

또한 대화형 분석 외에도 새로운 기능이 공개 프리뷰 버전으로 출시됩니다. 이 새로운 기능은 빠르게 명확한 시각화 및 보고서를 만들어 Workspace에 연결하고 팀과 공유할 수 있도록 설계되었으며, 기능 사용을 위해 코드를 작성할 필요가 전혀 없습니다.

Looker의 Gemini는 항상 이용 가능한 지능형 어시스턴트로, 쿼리부터 생성, 검색, 공유까지 속도를 높이고 조직 내 대부분의 사용자에게 BI의 이점을 제공하도록 만들어졌습니다.

데이터베이스의 Gemini를 사용하여 데이터베이스 개발 및 관리 강화

데이터베이스의 Gemini는 데이터베이스 여정의 모든 측면을 간소화하는 AI 기반 지원을 제공하여 팀이 가장 중요한 업무에 집중할 수 있도록 도와줍니다

개발자, 운영자, 데이터베이스 관리자는 자연어를 사용하여 애플리케이션을 더 빠르게 빌드하고, 단일 제어 창에서 전체 데이터베이스를 관리, 최적화, 제어하며, 데이터베이스 마이그레이션 속도를 높일 수 있습니다. 데이터베이스의 Gemini는 현재 프리뷰 버전으로 제공됩니다.

Gemini는 Google Cloud 콘솔의 강력한 SQL 편집기인 Database Studio에 SQL 생성 및 요약 기능을 제공합니다. 이제 개발자는 권장사항을 기반으로 코딩 프로세스를 가속화하기 위한 고품질 지원을 받을 수 있습니다. 또한 AI 기반 채팅 인터페이스를 통해 질문에 답을 얻고 필요할 때마다 도움을 받을 수 있습니다.

운영자는 이제 데이터베이스 센터를 사용하여 단일 제어 창에서 전체 데이터베이스를 관리할 수 있습니다. 데이터베이스 센터는 가용성, 데이터 보호, 보안, 규정 준수 문제를 사전에 파악하고 유용한 정보와 도움말을 제공하는 지능형 대시보드를 통해 여러 데이터베이스의 관리를 단순화합니다. 스마트 추천을 사용하면 어시스턴트의 분석을 통해 제공된 조언을 따라 성능을 최적화하고 문제를 해결할 수 있습니다.

데이터베이스의 Gemini를 사용한다면, Gemini에 "모든 프로덕션 데이터베이스의 가용성이 높은가?(Are all my production databases highly available?)"라고 질문하고 데이터베이스 센터 내에서 문제의 영향을 받는 데이터베이스를 확인해 보세요.

데이터베이스의 Gemini는 Database Migration Service 내 데이터베이스 마이그레이션의 마무리 단계 작업에도 코드 변환을 포함한 지원을 제공합니다. 또한 SQL 개발자의 역량 강화와 재학습을 돕기 위해, 생성된 코드 및 추천에 대한 자세한 설명과 함께 여러 언어를 나란히 비교할 수 있는 설명 기능을 포함했습니다.

"데이터베이스의 Gemini를 사용하면 여러 데이터베이스의 상태에 대한 답변을 몇 초 만에 얻고 그 어느 때보다 신속하게 애플리케이션에 대한 잠재적 위험을 선제적으로 완화할 수 있습니다." - Bogdan Capatina, Ford Motor Company 데이터베이스 기술 부문 기술 전문가

Google Cloud를 위한 Gemini는 도입 첫날부터 엔터프라이즈를 위한 기능을 바로 제공합니다

Google Cloud는 대규모 비즈니스의 까다로운 니즈에 특화하여 Google Cloud를 위한 Gemini를 설계했습니다. 이 솔루션은 비즈니스의 현재 시스템과 통합되어 즉각적인 효율성 향상을 제공합니다. Google Cloud는 데이터 보안과 개인 정보 보호가 기업에 매우 중요하다는 것을 잘 알고 있습니다. 때문에 Gemini는 강력한 보호를 핵심 기능으로 제공합니다. Gemini를 이용하는 비즈니스는 다음과 같은 이점을 누릴 수 있습니다.

공동 운명체: Google Cloud는 AI를 둘러싼 잠재적인 저작권 문제를 잘 인지하고 있습니다. 저작권을 이유로 법적 문제가 제기된 경우 생성형 AI 면책과 관련된 법적 위험에 대한 책임을 Google이 부담할 것입니다.
데이터 관리: Google Cloud의 방대하고 확장 가능한 네트워크에서 이점을 얻는 동시에 데이터가 상주하는 위치를 원하는 대로 결정하여 회사의 요구사항을 충족할 수 있습니다.
책임감 있게 배포: Gemini는 책임감 있는 AI를 염두에 두고 빌드되었으므로 고객은 소스를 추적하고 AI의 응답을 자체 데이터에 직접 연결하여 책임성을 높일 수 있습니다.

AI로 무엇을 할 수 있을지 상상해 보세요

Google Cloud를 위한 Gemini를 사용하면 개발자, 클라우드 운영자, 보안 운영자, 비즈니스 애널리스트 등 모든 사용자가 AI의 강력한 기능을 활용할 수 있습니다. 업계의 AI 혁신 속도는 계속해서 가속화될 것이며, Google Cloud는 고객이 지금 당장 가치를 창출할 수 있도록 생산적이고 책임감 있는 혁신을 제공합니다. 이미 Google Cloud 고객은 생산성 향상, TTM 단축, 운영 비용 절감, 보안 상황 강화를 경험하고 있습니다. Google Cloud는 AI를 통한 비즈니스 혁신에 도전하고 있습니다. 앞서 말씀드린 새로운 소식 역시 시작에 불과하며, 앞으로 더 많은 혁신을 제공할 것입니다.

새로운 기능으로 생성형 AI 앱을 지원할 준비가 된 Google Cloud 데이터베이스

Thu, 11 Apr 2024 01:00:00 +0000

Google Cloud는 고객이 데이터를 통합하고 획기적인 AI와 연결하여 혁신적인 환경을 구축하도록 지원합니다. 운영 데이터베이스의 정형 데이터이든, 데이터 레이크의 비정형 데이터이든 데이터는 AI가 더 효과적으로 작동하도록 해줍니다. 기업에서 생성형 AI를 제대로 활용하기 위해서는 운영 및 분석 시스템 전반의 정형 데이터와 비정형 데이터에 액세스하여 이를 관리하고 활성화해야 합니다.

작년 Next ‘23에서 Google Cloud는 세계 최고 수준의 벡터 기능 제공, 개발자 생태계와의 강력한 통합 구축, AI 추론 서비스에 대한 손쉬운 연결을 포함하여 개발자가 엔터프라이즈 생성형 AI 애플리케이션을 빌드하도록 돕기 위한 비전을 제시했습니다. Google Cloud는 이 약속을 지키기 위해 열심히 노력해 왔으며, 오늘 엔터프라이즈 생성형 AI 앱을 손쉽게 빌드할 수 있는 AlloyDB 통합 기능 모음인 AlloyDB AI의 정식 버전(GA)을 출시합니다.

또한 개발자가 선호하는 데이터베이스를 사용하여 생성형 AI 앱을 빌드하도록 돕기 위해 Spanner, MySQL, Redis를 포함한 더 많은 데이터베이스 전반에 벡터 검색 기능을 구현하고, 언어 모델 기반의 애플리케이션 개발용으로 인기 있는 프레임워크인 LangChain과의 통합도 추가하고 있습니다.

개발자에게 통합 플랫폼을 제공하기 위해 이러한 모든 기능이 Vertex AI와의 기존 통합에 추가되고 있습니다. Spanner와 AlloyDB는 익숙한 SQL로 모델 서빙 및 추론을 수행할 수 있도록 Vertex AI와 기본적으로 통합되며, Firestore와 Bigtable은 Vertex AI 벡터 검색과 통합되어 생성형 AI 앱을 위한 의미 검색 기능을 제공합니다.

생성형 AI의 진정한 가치는 운영 데이터가 생성형 AI와 통합되어 엔터프라이즈 애플리케이션 전반에서 정확하고 상황에 맞는 실시간 경험을 제공할 때 발휘됩니다. 벡터 지원이 포함된 운영 데이터베이스는 기반 모델과 엔터프라이즈 생성형 AI 앱 간의 격차를 해소하는 데 도움이 됩니다. 또한 운영 데이터베이스는 일반적으로 애플리케이션 데이터의 대부분을 저장하므로 개발자가 새로운 AI 지원 사용자 환경을 구축하는 방식에 있어 핵심적인 역할을 합니다. 조직의 71%가 생성형 AI 기능이 통합된 데이터베이스를 사용할 계획인 것으로 나타나는 데에는 바로 이러한 이유가 있습니다. 성공적인 데이터베이스는 AI 우선 데이터베이스로 발전하면서 벡터 검색과 같은 기술을 심층적으로 통합하고, AI 모델에 대한 원활한 연결과 AI 도구 및 프레임워크와의 긴밀한 통합을 갖추게 될 것입니다. 이러한 모든 기술은 운영 데이터베이스 내에 또는 그 주변에 네이티브 방식으로 내장되는 기본 사양이 될 것입니다.

AlloyDB: 생성형 AI 워크로드를 위한 최신 PostgreSQL 데이터베이스

AlloyDB는 Google Cloud의 완전 관리형 PostgreSQL 호환 데이터베이스로, 뛰어난 성능과 규모, 가용성을 중심으로 설계되었습니다. 오늘 Google Cloud는 AlloyDB AI를 AlloyDB와 AlloyDB Omni에서 모두 정식 버전으로 출시합니다. 미래를 위해 설계된 AlloyDB의 특징은 다음과 같습니다.

정확한 실시간 응답이 필요한 엔터프라이즈 생성형 AI 앱에 최적화
트랜잭션, 분석, 벡터 워크로드를 위한 탁월한 성능 제공
온프레미스, 다른 클라우드를 포함해 어디서나 실행되므로 고객의 장소와 상관없이 현대화 및 혁신 가능

Character AI, FLUIDEFI, B4A, Regnology와 같은 고객이 AlloyDB를 사용하여 애플리케이션을 가동하고 있습니다. 예를 들어 Regnology의 규제 보고 챗봇은 자연어 처리를 활용하여 복잡한 규제 용어와 쿼리를 파악합니다.

"AlloyDB는 규제 가이드라인, 규정 준수 문서, 과거 보고 데이터의 저장소를 색인화하여 챗봇의 기반이 되는 동적 벡터 저장소 역할을 합니다. 규정 준수 분석가와 보고 전문가들은 대화 형식으로 챗봇과 상호작용하여 시간을 절약하고 다양한 규제 보고 질문을 처리합니다." - 앙투안 모로, Regnology CIO

모든 Google Cloud 데이터베이스에 걸친 벡터 검색

벡터 검색은 유용하고 정확한 생성형 AI 기반 애플리케이션을 빌드하기 위한 핵심적인 기능으로 부상했으며, 최근접 이웃 알고리즘을 사용하여 제품 카탈로그에서 텍스트, 이미지와 같은 비정형 데이터의 비슷한 검색 결과를 더 쉽게 찾을 수 있게 해줍니다. 오늘 Google Cloud는 MySQL용 Cloud SQL, Memorystore for Redis, Spanner를 포함한 여러 Google Cloud 데이터베이스 전반에 걸쳐 벡터 검색을 모두 프리뷰 버전으로 공개합니다.

작년에 PostgreSQL용 Cloud SQL과 AlloyDB에 출시한 pgvector 기능에 더해 이제 MySQL용 Cloud SQL은 근사(ANN) 또는 정확한 최근접 이웃(KNN) 벡터 검색을 모두 지원합니다. 이제 개발자는 이미 사용 중인 동일한 MySQL 인스턴스에 수백만 개의 벡터를 저장할 수 있습니다. MySQL이든 PostgreSQL이든 벡터 검색에 Cloud SQL을 활용하면 새로운 시스템을 배우거나 설정할 필요 없이 이미 사용 중인 운영 데이터베이스에서 직접 벡터 검색을 저장하고 수행할 수 있습니다.

Google Cloud는 또한 생성형 AI 애플리케이션에 초고속 성능을 제공하기 위해 벡터 스토리지에 대한 기본 지원과 Memorystore for Redis 검색을 출시합니다. 각 Redis 인스턴스는 수천만 개의 벡터를 저장할 수 있으며, 몇 밀리초의 지연 시간으로 벡터 검색을 수행할 수 있습니다. 이는 LLM 시맨틱 캐싱 및 추천 시스템과 같은 다양한 사용 사례를 위한 초저지연 데이터 스토어를 제공합니다.

Spanner는 분할 가능성이 높은 워크로드에 대해 벡터 검색을 확장할 수 있습니다. 수십억 개의 벡터와 초당 수백만 개의 쿼리가 포함된 대규모 벡터 워크로드를 감당할 수 있는 시스템은 많지 않습니다. 이러한 워크로드는 Spanner의 정확한 최근접 이웃 검색(KNN)과 아주 잘 맞습니다. Spanner가 검색 공간을 효율적으로 줄여 주므로 정확한 실시간 결과를 낮은 지연 시간으로 제공할 수 있기 때문입니다.

LangChain을 위한 생태계 지원 가속화

LangChain은 가장 인기 있는 오픈소스 LLM 조정 프레임워크 중 하나입니다. Google Cloud는 애플리케이션 개발자에게 생성형 AI 앱을 신속하게 빌드하는 데 도움이 되는 도구를 제공하기 위한 노력의 일환으로 모든 Google Cloud 데이터베이스에 대한 LangChain 통합을 오픈소스로 제공하고 있습니다. Google Cloud는 벡터 저장소, 문서 로더, 채팅 메시지 메모리를 포함한 세 가지 LangChain 통합을 지원합니다.

개발자는 Google Cloud 데이터베이스에서 LangChain의 강력한 기능을 활용하여 이제 문맥을 인지하는 생성형 AI 애플리케이션을 쉽고 더 빠르게 만들 수 있습니다. LangChain 통합은 개발자가 선호하는 데이터 소스 전반에서, 개발자가 선택한 엔터프라이즈급 Google Cloud 데이터베이스를 사용하는 검색 증강 생성(RAG) 워크플로를 기본 제공합니다. 사용 사례 예시에는 맞춤형 제품 추천, 질의 응답, 문서 검색 및 취합, 고객 서비스 자동화 등이 있습니다.

특정 LangChain 구성요소와의 통합은 Google 데이터베이스를 애플리케이션에 통합하는 프로세스를 간소화해 줍니다. 지원되는 구성요소에는 다음이 포함됩니다.

벡터 저장소: 벡터 유사성 쿼리 지원. LangChain 벡터 저장소 통합은 AlloyDB, PostgreSQL용 Cloud SQL, MySQL용 Cloud SQL, Memorystore for Redis, Spanner에서 제공됩니다.
문서 로더: 웹페이지 콘텐츠, YouTube 동영상 스크립트와 같은 다양한 외부 소스에서 원활한 데이터 로드를 지원합니다.
채팅 메시지 메모리: 과거 대화를 바탕으로 더욱 심층적인 문맥을 제공하여 나중에 참조할 수 있도록 채팅 기록을 저장할 수 있습니다.

문서 로더와 메모리 통합은 AlloyDB, Firestore, Bigtable, Memorystore for Redis, Spanner와 MySQL용, PostgreSQL용, SQL Server용 Cloud SQL을 포함한 모든 Google Cloud 데이터베이스에서 사용할 수 있습니다.

이 패키지는 현재 GitHub에서 사용할 수 있습니다.

AI 기반 미래 수용

운영 데이터베이스에는 미래의 혁신적인 생성형 AI 모델과 애플리케이션의 기반이 될 수 있는 데이터가 풍부하게 있습니다. 개발자는 엔터프라이즈급 운영 워크로드에 맞게 AlloyDB AI를 강화하고, Google Cloud 데이터베이스 포트폴리오 전반에 걸쳐 광범위한 벡터 검색 기능을 추가하며, 커뮤니티의 생성형 AI 프레임워크를 수용함으로써 엔터프라이즈 데이터베이스의 풍부한 데이터를 기반으로 하는, 지능적이고 정확하며 유용한 생성형 AI 기능을 애플리케이션에 추가하는 데 필요한 도구를 갖출 수 있습니다.

시작하는 방법을 자세히 알아보려면 2024년 3월 7일 오전 9~10시(태평양 표준시)에 라이브로 진행되는 데이터 클라우드 혁신 라이브 웹 세미나에 참석하세요. 제품 엔지니어링 리더들에게 이러한 최신 혁신에 대한 이야기를 들을 수 있습니다.

Bigtable로 금융 시장을 연결한 Symphony

기존 Cloud SQL 인스턴스를 그대로 사용하여 간편하게 데이터베이스 메이저 버전 업그레이드(In-place major version upgrade)

Fri, 16 Feb 2024 01:00:00 +0000

*본 아티클의 원문은 2024년 1월 13일 Google Cloud 블로그(영문)에 게재되었습니다.

Google Cloud의 완전 관리형 관계형 데이터베이스 서비스인 Cloud SQL을 사용하면 효과적으로 데이터베이스 작업을 간소화하고 혁신에 집중할 수 있습니다. Cloud SQL은 확장성과 가용성이 뛰어난 강력하고 안전한 관계형 데이터베이스 플랫폼을 제공하는 동시에 관리 작업을 간소화하고 운영 비용을 절감해 주는 등 데이터베이스 관리의 복잡성을 해결해 줍니다.

개방적인 완전 관리형 데이터베이스 서비스인 Cloud SQL은 다양한 버전의 데이터베이스 엔진을 지원하므로 사용자는 요구사항에 가장 적합한 MySQL, PostgreSQL 또는 Microsoft SQL Server 버전을 선택할 수 있습니다. Cloud SQL은 이전 버전의 데이터베이스 엔진을 유지보수할 수 있는 유연성을 제공하기도 하지만, 최신 버전으로 최신 상태를 유지하는 데 상당히 유용합니다. 최신 버전은 성능 향상, 보안 업그레이드, 확장된 기능 집합을 제공하여 애플리케이션을 최적화하고 데이터를 보호할 수 있도록 지원합니다. 이러한 Cloud SQL의 이점을 극대화하고 애플리케이션의 장기적인 안정성과 보안을 보장하려면 지원 종료(EOL)된 데이터베이스 엔진 버전에서 탈피하는 것이 중요합니다.

이 블로그에서는 Cloud SQL의 인플레이스(in-place) 메이저 버전 업그레이드 기능을 활용해 최신 버전의 MySQL 및 PostgreSQL로 전환할 경우의 주요 이점과 권장사항에 대해 알아보겠습니다. 또한 기본 및 복제본 인스턴스에서 성공적으로 메이저 버전 업그레이드를 수행하기 위한 전략에 대해서도 살펴보겠습니다.

Cloud SQL의 인플레이스(in-place) 메이저 버전 업그레이드 기능 소개

Cloud SQL의 인플레이스 메이저 버전 업그레이드 기능은 MySQL 또는 PostgreSQL 데이터베이스 인스턴스를 Cloud SQL 플랫폼 내에서 바로 최신 메이저 버전으로 업그레이드(즉, 인플레이스 업그레이드)할 수 있는 기본 제공 기능입니다. 이 기능을 사용하면 수동 데이터 마이그레이션과 복잡한 구성 변경이 필요 없고 이와 관련된 긴 다운타임도 사라집니다. 이 접근 방식의 가장 큰 이점 중 하나는 업그레이드 후에도 현재 인스턴스의 이름, IP 주소, 기타 설정을 유지할 수 있다는 것입니다.

메이저 버전 업그레이드 시 철저히 계획하고 테스트하는 것이 좋습니다. 테스트 전략 중 하나는 현재 기본 인스턴스를 클론하고 해당 클론에서 메이저 버전 업그레이드를 수행하는 것입니다. 문제를 미리 해결하면 안심하고 프로덕션 업그레이드를 수행할 수 있습니다.

Cloud SQL의 메이저 버전 업그레이드 기능은 MySQL와 PostgreSQL 사이에 약간의 차이가 있습니다. 자세한 내용은 아래의 전용 섹션을 확인하세요.

MySQL용 Cloud SQL

2023년 10월에 MySQL Community 버전 5.7이 지원 종료되었습니다. 아직 MySQL 5.6 및 5.7을 실행 중이라면 차세대 쿼리 기능, 개선된 성능, 향상된 보안을 제공하는 MySQL 8.0으로 업그레이드하시기 바랍니다. 예를 들면 다음과 같은 이점을 얻을 수 있습니다.

MySQL 8.0의 인스턴트 DDL 덕분에 테이블 ALTER 속도가 획기적으로 개선되고 동시 DML 변경도 가능합니다.
InnoDB는 읽기-쓰기, IO-바운드, 높은 경합 시나리오 등 다양한 워크로드에 최적화되었습니다.
SKIP LOCKED 및 NOWAIT 옵션으로 잠금 대기를 방지합니다.
MySQL 8.0의 윈도우 함수가 쿼리 로직을 간소화하고 CTE가 재사용 가능한 임시 결과 집합을 지원합니다.
MySQL 8.0은 JSON 기능을 향상하고 보안 기능을 추가적으로 더욱 강화해 줍니다.
복제 성능이 크게 개선되어 데이터 동기화 속도가 빨라집니다. 병렬 복제가 기본 설정이됩니다.
내림차순 색인, 표시되지 않는 색인과 같은 새로운 기능으로 성능이 더욱 향상되었습니다.

자세한 내용은 여기를 클릭하세요.

MySQL 8.0으로 업그레이드하는 방법

Cloud SQL의 메이저 버전 업그레이드 기능을 활용하면 8.0으로 업그레이드할 수 있습니다. 이미 워크플로에 사전 점검이 통합되어 있지만 이를 별도로 실행할 수 있는 옵션도 제공됩니다. MySQL 셸에서 Upgrade Checker Utility를 사용해 사전 점검을 실행할 수 있습니다. 업그레이드 전에 현재 사용 중인 기본/복제본 토폴로지를 검토하고 이에 따라 계획을 세우세요.

메이저 버전 업그레이드를 사용한 업그레이드: 읽기 복제본이 없는 기본 인스턴스인 경우 Cloud SQL의 메이저 버전 업그레이드 기능을 통해 인스턴스를 인플레이스 업그레이드할 수 있습니다. MySQL에서는 낮은 메이저 버전에서 높은 메이저 버전으로의 복제가 가능합니다. 기본 인스턴스를 업그레이드하기 전에 읽기 복제본을 업그레이드할 수 있으므로 이 기능은 읽기 복제본이 있는 경우에 유용합니다.

아래 다이어그램은 메이저 버전 업그레이드의 단계를 보여줍니다.

참고: 이 시나리오에서는 IP 주소가 유지됩니다.

연쇄 복제본을 사용한 업그레이드: 아래 시나리오의 메이저 버전 업그레이드와 함께 연쇄 복제본을 활용할 수 있습니다. 이 접근 방식을 통해 가능한 작업은 다음과 같습니다.

전체 토폴로지를 그대로 유지한 채 이전 기본 인스턴스로 돌아갑니다.
현재 배포에 추가하여 새 영역 또는 새 리전에서 전체 스택을 새롭게 설정합니다.

예를 들어 파트너 마케팅 플랫폼을 만드는 Google Cloud 고객인 Everflow는 연쇄 복제본과 인플레이스 메이저 버전 업그레이드를 활용해 사용자 다운타임 또는 서비스 중단을 최소화하면서 원활하게 MySQL 8.0으로 업그레이드했습니다.

연쇄 복제본을 사용해 메이저 버전 업그레이드를 수행하려면 다이어그램을 참조하고 다음 단계를 수행하세요.

현재 5.7 기본 인스턴스에서 기존 또는 신규 영역/리전에 대한 읽기 복제본을 만듭니다.
메이저 버전 업그레이드 기능을 통해 복제본을 8.0으로 업그레이드합니다.
복제를 사용 설정하고 필요한 경우 새로운 8.0 읽기 복제본 아래에 복제본을 만듭니다.
다운타임을 최소화하기 위해 미리 IP 주소를 변경할 애플리케이션을 준비합니다.
트래픽을 라우팅하고 새 마스터로 전환할 애플리케이션을 준비합니다. Cloud Load Balancing을 사용하면 이 단계를 효율적으로 진행할 수 있습니다.
참고: 이 기간을 전환 기간으로 간주하고 버전 불일치 시간을 짧게 유지하세요.
준비가 되면 8.0 읽기 복제본을 승격합니다.
이전 기본 MySQL 5.7 인스턴스를 삭제합니다.

참고: 앞서 언급했듯이 위의 프로세스를 진행하려면 애플리케이션의 IP 주소를 변경해야 합니다. 새 읽기 복제본을 승격하기 전에 IP 주소를 변경하여 컷오버가 수행될 때 중단을 최소화하는 것이 가장 이상적입니다.

PostgreSQL용 Cloud SQL

PostgreSQL에서는 5년의 지원 기간을 두고 매년 메이저 버전을 업데이트합니다. PostgreSQL 11은 2023년 11월에 지원 종료되었습니다. PostgreSQL 12 또는 13으로 업그레이드할 수도 있지만 PostgreSQL의 지원 종료 정책을 고려하면 PostgreSQL 14 이상 버전으로 업그레이드하는 것이 좋습니다. PostgreSQL 14 이상 버전에는 상당한 이점을 제공하는 몇 가지 새로운 기능과 개선사항이 도입되었습니다. 주요 변경사항은 다음과 같습니다.

GROUP BY 및 JOIN 작업의 병렬 쿼리 실행, VACUUM 및 REINDEX 작업 속도 향상 등 성능이 개선됨
필터링, 행 수준 리플레이, 여러 대상에 대한 복제를 지원하는 논리적 복제 기능이 개선되어 다양한 사용 사례에 맞게 유연성과 확장성이 향상됨
보안이 강화되었을 뿐 아니라 개선된 JSON 기능 및 향상된 테이블 파티셔닝과 같은 고급 기능이 지원됨

자세한 내용은 여기를 클릭하세요.

PostgreSQL 14 이상 버전으로 업그레이드할 때의 고려사항 및 전략

데이터베이스가 이전 버전인 경우 최신 버전으로 업그레이드하시기 바랍니다. 이를 위해 사용할 수 있는 다양한 전략이 있습니다. PostgreSQL은 버전 간 복제를 지원하지 않으므로 인스턴스가 읽기 복제본으로 복제되는 동안에는 기본 인스턴스를 업그레이드할 수 없습니다. 기본 인스턴스보다 먼저 읽기 복제본을 업그레이드하는 것도 불가능할 수 있습니다. 따라서 업그레이드 과정에서 기본 인스턴스를 먼저 업그레이드해야 합니다. 진행하기 전에 기존 복제본에 대한 복제를 사용 중지해야 합니다. 기본 인스턴스가 업그레이드된 후에 읽기 복제본을 하나씩 업그레이드하고 복제를 다시 사용 설정할 수 있습니다. 또는 읽기 복제본을 삭제하고 기본 인스턴스가 업그레이드된 후에 다시 만드는 방법도 있습니다.

MVU를 통한 업그레이드: 최신 버전의 PostgreSQL(14.0 이상)로 업그레이드할 때 Cloud SQL의 메이저 버전 업그레이드 기능을 활용하는 것이 좋습니다. 인플레이스 업그레이드를 사용하면 업그레이드 후에도 현재 인스턴스의 이름, IP 주소, 기타 설정을 유지할 수 있습니다. PostgreSQL용 Cloud SQL 인플레이스 업그레이드 작업에서는 pg_upgrade 유틸리티를 사용합니다. 진행하기 전에 먼저 베타 또는 스테이징 환경에서 업그레이드를 테스트하거나 위에서 나온 대로 인스턴스를 클론하시기 바랍니다. PostgreSQL용 Cloud SQL 메이저 버전 업그레이드는 사용자를 대신하여 사전 검증 단계와 백업을 수행합니다.

Enterprise Plus로 가용성 및 가격 대비 성능 향상 실현

MySQL 8.0이나 PostgreSQL 14 또는 15로 업그레이드하면 고급 기능을 제공하는 Cloud SQL Enterprise Plus 버전으로 빠르게 인플레이스 업그레이드할 수 있습니다. Cloud SQL Enterprise Plus 버전은 다음과 같은 이점을 제공합니다.

99.99% 가용성 SLA(유지보수 포함)
인스턴스 다운타임이 10초 미만으로 사실상 다운타임이 거의 없는 계획된 유지보수
데이터 캐시 옵션으로 최대 3배 빠른 처리량을 지원하고 더 빨라진 하드웨어로 더 큰 규모와 최적의 성능 제공
vCPU 96개 및 메모리 624GB를 제공하는 Enterprise 버전에 비해 vCPU 최대 128개 및 메모리 864GB를 제공하는 보다 큰 머신 구성 지원
PITR(point-in-time recovery) 기간이 7일인 Enterprise 버전과 달리 PITR을 최대 35일 지원

Cloud SQL Enterprise Plus 버전으로 인플레이스 업그레이드하는 데 몇 분밖에 안 걸리며 다운타임도 60초 미만에 불과합니다. 자세한 내용은 여기를 클릭하세요.

마치며

업그레이드가 합리적인 이유를 되짚어 보자면 데이터베이스 인프라의 보안, 성능, 기능에 대한 투자이기 때문입니다. 최신 기술을 받아들임으로써 데이터를 보호하고 애플리케이션을 최적화하며 조직의 역량을 강화할 수 있습니다. Cloud SQL의 인플레이스 메이저 버전 업그레이드 기능을 사용하면 데이터베이스를 간단하게 효율적으로 업그레이드하여 최신 버전으로 원활하게 전환할 수 있습니다. 시작하려면 여기를 클릭하세요.

AlloyDB Omni의 AlloyDB AI가 가진 힘

Thu, 23 Nov 2023 01:00:00 +0000

*본 아티클의 원문은 2023년 10월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

소개

생성형 AI를 실제로 업무에 활용할 수 있을까요? 아니면 그냥 재미로 플레이 하는 미완성 데모의 가치밖에 없을까요?

은행, 소매, 엔터테인먼트 등의 업계에서 AI를 사용하면 운영 데이터를 다른 각도로 바라볼 수도 있고 특정 유형의 작업을 오프로드해 생산성을 높일 수도 있습니다. 전통적으로 사람이 직접 처리하던 여러 일상 업무를 이 새로운 기술로 단순화하고 간소화할 수 있습니다. 이제 모델을 쉽게 사용할 수 있게 되었고 개발자 도구든 데이터베이스의 기본 인터페이스든 이미 익숙한 도구로 바로 사용할 수 있으므로 생성형 AI를 이용하는 애플리케이션을 구축하기가 훨씬 쉬워졌습니다. 최근에 프리뷰 버전으로 발표된 AlloyDB AI 기능을 포함해 PostgreSQL 호환 관계형 데이터베이스인 AlloyDB Omni의 사용 사례를 살펴보겠습니다.

AI의 지원 방식

온라인 판매업체에서 고객 경험을 개선하기 위해 데이터에 정보를 추가하거나, 제품 세부정보를 더 제공하거나, 제품 설명에 짧게 요약을 덧붙이기 원한다고 가정해 보겠습니다. 상품 수가 적을 때는 어렵지 않은 일이지만 인벤토리에 있는 제품이 수천 개라면 일이 커질 수 있습니다. 어떻게 하면 프로세스를 개선하고 효율성을 더 높일 수 있을까요? 이 예시는 생성형 AI의 좋은 사용 사례가 될 수 있을 것으로 보입니다.

이 목표를 달성하기 위해 데이터베이스에서 AI 모델을 호출할 수 있다면 어떨까요? 또한 AlloyDB를 사용해서 다운로드 가능한 버전인 AlloyDB Omni를 통해 자체 데이터 센터나 클라우드에서 이러한 작업을 수행할 수 있다면요? 맞습니다. AlloyDB의 생성형 AI 기능 모음인 AlloyDB AI를 사용하면 데이터베이스에서 직접 이러한 호출을 수행할 수 있습니다. 이제 작동 방식을 설명해 드리겠습니다.

예를 들어 대여 및 스트리밍 서비스의 백엔드로 AlloyDB Omni 데이터베이스를 사용하는 중이며 이 데이터베이스에 'titles'라는 이름의 테이블이 있고 여기에 제공되는 TV 프로그램 목록이 있다고 가정해 보겠습니다. 이 테이블에는 제목 열과 설명 열이 있습니다. 설명이 좀 짧기 때문에 이 설명을 확장하여 각 TV 프로그램에 대해 보다 자세한 내용을 제공하려고 합니다. 생성형 AI를 위한 Vertex AI 기반 모델 중 하나인 'text-bison' 대규모 언어 모델(LLM)을 사용하여 확장된 설명을 작성하고 제목과 원래 설명을 프롬프트로 사용해 AlloyDB Omni 데이터베이스에서 모델을 직접 호출하겠습니다.

배포 및 설치

AlloyDB Omni 배포부터 시작합니다. 설치 및 설정은 프로세스가 간단하며 이 문서에 자세히 설명되어 있으므로 여기에서 중복해 다루지는 않겠습니다. 하지만 최종 'database-server install' 명령어를 실행하기 전에 Vertex AI 통합을 사용 설정하는 몇 가지 추가 단계를 수행해야 합니다.

개략적으로 설명하자면 AlloyDB Omni 인스턴스가 Vertex AI API를 호출할 수 있어야 하며 Google Cloud에서 인증과 승인이 필요 합니다. 이 단계는 AlloyDB Omni 문서에 나와 있습니다.

Vertex AI API가 사용 설정된 Google Cloud 프로젝트의 서비스 계정이 필요합니다.
이 서비스 계정에 Vertex AI 사용 권한을 부여합니다.
JSON 형식의 서비스 계정 키를 만들어 AlloyDB Omni 데이터베이스 서버에 저장합니다.
그런 다음 AlloyDB CLI 'database-server install' 명령어의 키 경로를 사용해 인스턴스에 Vertex AI 통합을 사용 설정합니다.

다음은 이 아키텍처의 개략적인 다이어그램입니다.

AlloyDB Omni ML 통합

Vertex AI와의 통합을 사용 설정한 후 애플리케이션에 커스텀 또는 사전 빌드된 Vertex AI 기반(foundation) 모델을 사용할 수 있습니다.

데모 실행

첫 번째 시도

다시 예시로 돌아가 보겠습니다. 데모 쿼리를 실행하기 위해 영화와 TV 프로그램 제목 몇 가지를 샘플 AlloyDB Omni 데이터베이스에 로드했습니다. 'titles' 테이블에는 TV 프로그램 이름이 있는 제목 열과 영화 또는 TV 프로그램에 대한 간략한 설명이 있는 설명 열이 있습니다. '피노키오'의 원래 설명은 다음과 같습니다.

code_block: <ListValue: [StructValue([('code', "store=# select title,description from titles where title='Pinocchio';\r\n title | description\r\n-----------+--------------------------------------------------------------------\r\n Pinocchio | Lonely toymaker Geppetto has his wishes answered when the Blue Fai.\r\n |.ry arrives to bring his wooden puppet Pinocchio to life. Before be.\r\n |.coming a real boy, however, Pinocchio must prove he's worthy as he.\r\n |. sets off on an adventure with his whistling sidekick and conscien.\r\n |.ce, Jiminy Cricket.\r\n(1 row)"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f0567b814f0>)])]>

이제 웹사이트의 각 영화 또는 TV 프로그램에 대해 보다 자세한 설명을 제공하려고 합니다. 이를 위해 추가 열을 만들고 앞서 설명한 제목 및 설명 열을 프롬프트로 Vertex AI의 ‘text-bison’ 모델을 통해 생성한 데이터를 추가 열에 채웁니다.

개선하기

프롬프트 자체는 매우 간단하며 'Can you create a summary for the <column title value> based on the following description - <column description value>?' 줄을 따릅니다. 이 프롬프트는 'ml_predict_row' 함수의 두 번째 인수로 사용됩니다. 첫 번째 인수는 Vertex AI 모델의 엔드포인트, 즉 Google Cloud에서의 모델 위치를 나타냅니다. 이 경우에는 'publishers/google/models/text-bison'입니다.

이 함수가 '피노키오'에 대해 반환하는 결과는 다음과 같습니다.

code_block: <ListValue: [StructValue([('code', 'store=# select title,ml_predict_row(FORMAT(\'publishers/google/models/%s\', \'text-bison\'),json_build_object(\'instances\', json_build_object(\'prompt\',\'can you create a summary for the \'||title||\' based on the following description - \'||description||\'?\'),\'parameters\',json_build_object(\'maxOutputTokens\',256)))->\'predictions\'->0->\'content\' from titles where title=\'Pinocchio\';\r\n title | ?column?\r\n-----------+--------------------------------------------------------------------\r\n Pinocchio | " Pinocchio is a classic tale about a wooden puppet who is brought.\r\n |. to life by a kind toymaker named Geppetto. The Blue Fairy grants .\r\n |.Geppetto\'s wish, but Pinocchio must prove himself worthy before he.\r\n |. can become a real boy. Pinocchio sets off on an adventure with hi.\r\n |.s whistling sidekick and conscience, Jiminy Cricket. Along the way.\r\n |., he encounters many challenges and temptations, but he ultimately.\r\n |. learns the importance of honesty, kindness, and courage."\r\n(1 row)'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f05547f2670>)])]>

정보가 추가되었으며 이것만으로도 충분할 수 있습니다. 하지만 아시다시피 생성형 AI의 모든 것은 프롬프트에 의해 결정됩니다. 좀 더 자세한 설명을 요청하면 어떻게 될까요? 다음은 'elaborate'라는 단어를 추가해 약간 수정한 프롬프트와 그 결과입니다.

code_block: <ListValue: [StructValue([('code', 'store=# select title,ml_predict_row(FORMAT(\'publishers/google/models/%s\', \'text-bison\'),json_build_object(\'instances\', json_build_object(\'prompt\',\'can you create an elaborate summary for the \'||title||\' based on the following description - \'||description||\'?\'),\'parameters\',json_build_object(\'maxOutputTokens\',256)))->\'predictions\'->0->\'content\' from titles where title=\'Pinocchio\';\r\n title | ?column?\r\n-----------+--------------------------------------------------------------------\r\n Pinocchio | " Once upon a time, there was a lonely toymaker named Geppetto who.\r\n |. lived in a small village. He had always wanted a son, and one day.\r\n |. he carved a wooden puppet that he named Pinocchio. Pinocchio was .\r\n |.a mischievous puppet, and he often got into trouble. But Geppetto .\r\n |.loved him very much, and he always forgave him.\\n\\nOne day, the Bl.\r\n |.ue Fairy came to visit Geppetto. She was impressed by Pinocchio\'s .\r\n |.kindness and his desire to be a real boy. She told him that if he .\r\n |.could prove himself to be brave, honest, and unselfish, she would .\r\n |.grant his wish.\\n\\nPinocchio set off on an adventure with his whis.\r\n |.tling sidekick and conscience, Jiminy Cricket. Along the way, he m.\r\n |.et many challenges. He was tempted by the Fox and the Cat to go to.\r\n |. Pleasure Island, where he could have all the fun he wanted. But J.\r\n |.iminy Cricket reminded him that if he did, he would become a donke.\r\n |.y.\\n\\nPinocchio also met Stromboli, a puppeteer who wanted to use .\r\n |.him in his show. Pinocchio was almost tricked into signing a contr.\r\n |.act with Stromboli, but Jiminy Cricket saved him.\\n\\nFinally, Pino.\r\n |.cchio found himself in the belly of a whale. He was reunited with .\r\n |.Geppetto,"\r\n(1 row)'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f0564085ca0>)])]>

이 출력은 '피노키오'의 줄거리를 거의 다 보여주기 때문에 좀 더 주의가 필요할 수 있습니다. 이 모델에서는 요청 및 기타 모델 관련 파라미터에 대해 응답의 관련성을 나타내는 temperature 등 다수의 파라미터를 허용합니다. 'text-bison' 모델과 파라미터에 대한 자세한 내용은 이 문서에서 확인할 수 있습니다.

시작하기

이는 AlloyDB AI가 일부 작업의 속도를 높이는 데 어떤 도움을 주는지 보여주는 간단한 예시에 불과합니다. 훨씬 더 많은 사용 사례를 활용하여 비즈니스 요구사항을 충족하고 아이디어를 구현할 수 있습니다. Vertex AI에는 다양한 유형의 데이터 및 반환되는 값과 함께 사용할 수 있는 기반 모델 모음이 있습니다. 예를 들면 비슷한 값의 벡터 검색 모델과 이미지 작업 모델 등이 있습니다. 자세한 내용은 Vertex AI 문서에서 확인할 수 있습니다.

Vertex AI 문서에 포함된 튜토리얼에 따라 자체 데이터를 가져와 사례에 맞게 기반 모델 중 하나를 튜닝하여 실습해 보세요. 먼저 기반 모델 튜닝 튜토리얼부터 시작하는 것이 좋습니다.

Vertex AI 기반 모델 조정

AlloyDB 신규 사용자라면 클라우드 기반 버전 무료 체험판 이용 자격이 있을 수 있습니다. 또는 AlloyDB Omni 무료 개발자 버전을 다운로드할 수도 있습니다. 시작하려면 이 페이지로 이동하여 무료 개발자 버전을 선택하고 시작해보세요.

AlloyDB의 다운로드 가능한 버전인 AlloyDB Omni 정식 버전 출시

Wed, 15 Nov 2023 06:00:00 +0000

*본 아티클의 원문은 2023년 10월 12일 Google Cloud 블로그(영문)에 게재되었습니다.

Google Cloud에서 PostgreSQL용 AlloyDB를 출시함에 따라 고객 친화적이지 않은 라이선스를 사용하는 고비용의 기존 데이터베이스에 대한 종속에서 벗어나 비용 효율적이고 개방적이며 완벽하게 지원되는 고성능 데이터베이스로 이전하는 데 관심을 보이는 고객이 늘고 있습니다. 그러나 일부 고객의 경우 규제 또는 데이터 주권 요구사항으로 인해 워크로드가 온프레미스 데이터 센터로 제한되거나 에지에서 워크로드를 실행해야 합니다. 지리적 또는 기록상의 이유로 워크로드를 여러 클라우드에서 실행하는 고객도 있습니다.

AlloyDB의 다운로드 가능한 에디션인 AlloyDB Omni 정식 버전이 오늘 발표되었습니다. 이 버전은 기존 데이터베이스보다 훨씬 적은 비용으로 불리한 라이선스 조건 없이 Google 엔터프라이즈 지원 조직의 도움을 받아 환경 전반에서 동일한 엔터프라이즈급 데이터베이스를 실행할 수 있는 유연성을 제공하므로 위와 같은 워크로드에 유용한 선택지가 되어줍니다. AlloyDB는 Google Cloud, AWS, Azure, Google Distributed Cloud Hosted, 온프레미스, 개발자 노트북 등 거의 모든 곳에서 실행됩니다. AlloyDB Omni를 지금 시작하세요.

AlloyDB Omni 정식 버전은 개발자가 자신의 운영 데이터를 사용해 엔터프라이즈급 생성형 AI 애플리케이션을 빌드할 수 있도록 PostgreSQL용 AlloyDB에 기본 제공되는 통합 기능 모음인 AlloyDB AI도 지원합니다. AlloyDB AI는 표준 PostgreSQL보다 10배 더 빠른 벡터 쿼리, SQL을 사용한 간편한 임베딩 생성, Vertex AI Model Garden 및 오픈소스 생성형 AI 도구 등 Google Cloud AI 생태계와의 통합을 제공합니다.

고객이 중요한 애플리케이션에 대해 최상의 지원을 받을 수 있도록 AlloyDB Omni에 표준 지원(Standard Support) 수준(여기 참조)의 Google Cloud Customer Care가 제공됩니다. 고객이 Google Cloud 계정에 선택한 지원 요금제는 해당 계정에서 구매한 AlloyDB Omni SKU에 자동으로 적용됩니다.

미리보기 버전의 AlloyDB Omni Kubernetes Operator도 출시됩니다. 데이터베이스 프로비저닝, 백업, 안전한 연결, 모니터링 및 관찰(Observability)을 포함한 일반적인 데이터베이스 작업을간소화해 주므로 대부분의 Kubernetes 환경에서 AlloyDB Omni를 실행할 수 있습니다. Kubernetes operator의 기능을 확장하여 가장 중요한 데이터베이스 워크로드를 Kubernetes 환경에서 실행하는 데 필요한 기능을 고객에게 제공할 계획입니다.

기존 데이터베이스 비용에 대한 고객 우려를 해소하기 위해 AlloyDB Omni 가격 책정 방식을 단순하고 경제적이고 관리가 간편하며 워크로드 성장에 따라 쉽게 확장할 수 있도록 설계했습니다. AlloyDB Omni는 월 $1,295의 16-vCPU 시작 패키지(Starter Pack) 월간 구독이나 월 $6,995의 100-vCPU 블록 월간 구독으로 사용할 수 있습니다. 1년 약정 및 3년 약정의 경우 기존 엔터프라이즈 할인 요금제(EDP)에 추가로 할인이 적용됩니다. 각 패키지의 vCPU는 필요에 따라 여러 서버 또는 가상 머신에서 사용할 수 있습니다. 한 패키지의 모든 vCPU를 꼭 설정된 수의 서버나 단일 서버에서 사용할 필요는 없습니다. AlloyDB Omni에는 고객이 Google Cloud 계정에 선택한 Google Cloud 지원 요금제가 적용됩니다. 지원에 대한 자세한 내용은 https://cloud.google.com/support에서 확인할 수 있습니다.

기술 파트너, 시스템 통합업체, ISV는 고객이 차별화된 애플리케이션을 현대화하고 빌드하도록 돕는 중요한 역할을 합니다. AlloyDB Omni 정식 버전 출시와 함께 AlloyDB Omni를 포함하도록 AlloyDB Cloud Ready 프로그램을 확장하여 파트너 생태계에서 고객이 AlloyDB Omni의 혜택을 최대한 누리도록 지원할 수 있게 되었습니다. 검증된 파트너는 AlloyDB Omni 제품 사이트와 문서 페이지에 나와 있습니다. 고객은 이러한 검증된 파트너 제품과 AlloyDB Omni가 연동된다는 확신을 얻고, 비즈니스 가치를 창출해줄 데이터베이스 워크로드 및 애플리케이션의 현대화에 역량을 집중할 수 있습니다. 관심이 있는 파트너는 이 접수 양식을 작성하여 Google Cloud Ready - PostgreSQL용 AlloyDB Omni 이니셔티브에 지원해 주시기 바랍니다.

AlloyDB Omni는 지금 바로 사용 가능합니다. 자세히 알아보고 시작하시려면 https://cloud.google.com/alloydb/omni를 방문하세요. AlloyDB Omni 문서는 여기에서, AlloyDB Omni 가격 책정에 관한 자세한 내용은 여기에서 확인하실 수 있습니다.

Firestore에 PITR(point-in-time recovery) 및 예약 백업 추가

Thu, 02 Nov 2023 06:00:00 +0000

*본 아티클의 원문은 2023년 9월 9일 Google Cloud 블로그(영문)에 게재되었습니다.

Firestore에 두 가지 새로운 재해 복구 기능인 PITR(point-in-time recovery)과 예약 백업의 출시 소식을 전하게 되어 기쁩니다. 이러한 기능은 인적 오류와 재해로부터 데이터를 보호합니다.

Firestore의 자동 및 중복 데이터 백업에 추가된 이 기능 덕분에 서비스는 0 RPO와 0 RTO를 보여주는 장애 백업 조치를 통해 SLA 가용성을 최대 99.999% 보장할 수 있습니다.

PITR(point-in-time recovery)은 지난 7일간의 데이터 버전들을 제어 및 쿼리하고 필요한 데이터를 데이터베이스에 다시 직접 작성할 수 있는 기능을 제공하여 실수로 데이터를 삭제하거나 작성하지 못하도록 보호합니다.

예약 백업을 사용하면 매일 또는 매주 선택한 주기로 전체 데이터베이스를 콜드 스토리지에 백업할 수 있습니다. 이러한 백업은 동일한 프로젝트의 새 데이터베이스로 복원하는 데 사용할 수 있습니다.

PITR(point-in-time recovery) 예시 살펴보기

PITR(point-in-time recovery)을 사용 설정하는 상황을 가정해 보겠습니다. Google Cloud 콘솔에서 이 기능을 사용 설정하는 방법은 다음과 같습니다.

PITR(point-in-time recovery)을 사용 설정하려면 'Disaster recovery(재해 복구)' 페이지로 이동한 후 'EDIT' 아이콘을 선택합니다.

'Enable point-in-time recovery' 체크박스를 선택한 후 'SAVE'를 클릭합니다.

현재 'Disaster recovery(재해 복구)' 페이지에는 'Earliest version time(가장 초기 버전)' 및 'Retention period(보관 기간)'이 포함됩니다.

상기의 스텝을 따라오면 이제 PITR(point-in-time recovery)이 사용 설정되어 데이터 저장을 시작합니다. 자세한 내용은 문서를 참조하세요

예약 백업 예시 살펴보기

이제 gcloud 명령어를 사용하여 일일 및 주간 백업 일정을 생성하고 백업 생성을 확인하는 방법을 알려 드리겠습니다.

준비 작업은 다음과 같습니다.

gcloud를 최신 버전으로 업그레이드
백업을 관리할 프로젝트에 대해 'gcloud config set project <project-id>'를 실행

일일 백업 일정을 만들려면 'backups schedules create' 명령어를 사용합니다. 다음은 일일 백업 일정 생성의 예시입니다.

code_block: <ListValue: [StructValue([('code', "$ gcloud alpha firestore backups schedules create --database=''(default)'' --retention='7d' --recurrence='daily'"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f05230f16a0>)])]>

주간 백업 일정을 만들려면 'backups schedules create' 명령어를 사용합니다. 주간 백업 일정 생성의 예시는 다음과 같습니다.

code_block: <ListValue: [StructValue([('code', "$ gcloud alpha firestore backups schedules create --database='testdb' --retention='14w' --recurrence=’weekly’ --day-of-week=’MON’"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f05230f1b50>)])]>

백업 일정이 성공적으로 생성되었는지 확인하려면 'backup schedules list' 명령어를 사용합니다.

code_block: <ListValue: [StructValue([('code', '$ gcloud alpha firestore backups schedules list'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f05230f1b80>)])]>

다음 단계

이러한 기능을 설정하고 구성하는 방법에 관한 자세한 내용은 PITR(point-in-time recovery) 및 예약 백업 문서를 확인하세요.

^{본문 작성에 도움을 주신 Firestore Product Manager Lead이신 Minh Nguyen님께 감사의 말을 전합니다.}

마이크로초 단위의 지연 시간과 최대 60배 더 많은 처리량을 제공하는 Memorystore for Redis Cluster 출시

Tue, 31 Oct 2023 06:00:00 +0000

*본 아티클의 원문은 2023년 8월 31일 Google Cloud 블로그(영문)에 게재되었습니다.

Redis는 데이터베이스의 부하를 줄여 비용을 절감하거나 대기 시간을 단축하여 최종 사용자의 경험을 개선하거나 또는 그저 개발자들이 Redis를 좋아하는 등의 이유로 인기가 계속 높아지고 있습니다. 그러나 게임(리더보드, 세션 저장), 금융(사기 행위 감지), 광고(매우 짧은 지연 시간 서빙), 소매(결제)와 같은 산업의 워크로드들은 독립형 Redis 샤드(shard)의 경계를 뛰어넘고 있어 Redis Cluster의 성능 및 수평 확장이 필요한 상황입니다.

이러한 까다로운 Redis 워크로드를 서빙하기 위해 Google Cloud Next를 통해 Memorystore for Redis Cluster의 프리뷰 버전을 발표한 바 있습니다. Memorystore for Redis Cluster는 기존 서비스 대비 마이크로초 단위의 지연 시간과 60배 더 많은 처리량을 제공하며 10배 더 많은 데이터를 지원합니다. 새로운 완전 관리형 Redis Cluster 서비스는 오픈소스와 완벽하게 호환되고, 설정이 간편하며, 매우 짧고 예측 가능한 지연 시간으로 다운타임 없는 확장이 가능합니다. Memorystore for Redis Cluster를 통해 지능형 자동 노드 영역 분산을 통한 고가용성과 탄력성, 자동화된 복제본 관리와 승격 그리고 정식 버전이 출시되면 99.99% 가용성 SLA를 얻을 수 있습니다.

매우 짧고 예측 가능한 지연 시간

고객들은 짧은 지연 시간과 안정성 때문에 Memorystore를 사용합니다. 이제 Memorystore for Redis Cluster를 통해 확장성과 성능이 한 차원 더 향상되었습니다. 이제 마우스 클릭 한 번 또는 gcloud 명령어로 클러스터를 다운타임 없이 손쉽게 테라바이트 규모의 키스페이스(keyspace)로 확장하고 Redis용 Memorystore의 처리량을 최대 60배까지 높일 수 있습니다. 무엇보다 좋은 점은 확장 개선사항을 Redis 엔진에 직접 적용하였고 Redis 확장 환경을 개선하여 차별화했다는 것입니다.

Verve Group은 실시간 광고를 게재하기 위해 지연 시간이 매우 짧은 Redis Cluster를 활용하는 광고 기술 생태계로 최근 Memorystore for Redis Cluster를 테스트했습니다. Verve에서는 관리 편의성 외에도 슬롯 마이그레이션을 향상하고, 확장 과정의 위험을 제거하고, 오픈소스 Redis Cluster 확장에 존재하는 데이터 손상 위험을 직접적으로 해결하기 위해 Google Cloud에서 Redis 엔진에 적용한 확장 개선사항을 직접 경험했습니다.

"Memorystore for Redis Cluster의 성능은 기대 이상이었습니다. 처리량은 매우 높고 지연 시간은 매우 짧았습니다. 또한 노드를 10개로 즉시 축소할 수 있어 다운타임 없이 쉽게 확장/축소 할 수 있는 제품임을 확인했습니다." - 빌 라미넨, Verve Group의 DevOps 관리자

간편한 관리와 손쉬운 비용 절감

Memorystore for Redis Cluster의 가치 제안은 총소유비용(TCO)을 낮추고 운영 오버헤드를 줄여 비용을 절감하는 것을 기반으로 합니다. 이 새로운 서비스를 사용하면 더 이상 고가용성을 위한 영역 분산, VM 장애, Redis 튜닝, 복제본 관리, 복잡한 확장 작업과 같이 넘치는 반복 업무와 지루한 작업을 걱정하면서 Compute Engine의 수천 개 Redis 노드를 직접 관리하지 않아도 됩니다. 대신 Memorystore for Redis Cluster의 10배 큰 확장성을 이용해 작은 워크로드들을 복원력이 높은 고성능 클러스터로 통합하여 비용을 절감하고 운영 오버헤드를 줄일 수 있습니다. 그리고 '사용한 만큼만 지불(PAYG)' 모델을 통해 다운타임 없는 확장 기능을 손쉽게 활용하여 워크로드 수요를 충족하고 블랙 프라이데이/사이버 먼데이와 같은 이벤트를 마우스 클릭 한 번이면 되는 간단한 작업으로 전환할 수 있습니다.

"Memorystore for Redis Cluster를 사용하면 클러스터를 손쉽게 확장해 최대 워크로드 수요를 충족할 수 있습니다. 무엇보다 좋은 점은 클러스터 관리의 복잡성을 Google로 오프로드하여 Compute Engine에서 직접 관리하지 않아도 되고 사내에 Redis Cluster 전문 지식이 없어도 된다는 것입니다. Memorystore for Redis Cluster를 직접 테스트하여 이 새 제품의 사용 편의성, 높은 성능, 손쉬운 확장성을 확인했습니다." - 애니메시 차투르베디, Palo Alto Networks의 우수 엔지니어

고가용성, 간소화

개념적으로는 간단하지만, 실질적으로 가용성 영역 전반에 걸쳐 노드와 복제본 배치를 직접 관리하면 반복적인 엔지니어링 업무가 상당히 많이 발생하는 데다가 비용이 많이 드는 문제로 이어지기 쉽습니다. Memorystore for Redis Cluster를 사용하면 Redis Cluster 노드를 전체 영역에 자동으로 배포하여 가용성과 복원력을 최대로 달성할 수 있습니다. 엔지니어가 복제본 노드를 추가하면 기본 영역과는 다른 영역에 자동으로 배치되어 클러스터의 복원력을 높이고 영역별 서비스 중단으로부터 데이터를 보호합니다.

또한 Google Cloud에는 최적의 성능과 최대한 짧은 지연 시간을 달성할 수 있도록 인프라를 프로비저닝하고 구성할 책임이 있습니다. Google Cloud가 백그라운드에서 소프트웨어와 보안 패치를 관리하고, 장애를 감지하며, 자동 장애 조치 및 VM 교체를 트리거하므로 엔지니어링 조직은 오픈소스 소프트웨어와 Compute Engine 인프라를 관리하는 대신에 애플리케이션을 빌드하는 데 집중할 수 있습니다.

안전한 비공개 액세스

연결 환경을 간소화하고 최고 수준의 관리형 경험을 제공하기 위해 Google Cloud에서는 Private Service Connect(PSC)가 포함된 Memorystore for Redis Cluster를 출시합니다. PSC는 트래픽이 Google의 네트워크를 벗어나지 않는 안전한 비공개 기본 연결 옵션을 제공합니다. PSC가 포함된 Memorystore for Redis Cluster는 클러스터 프로비저닝을 한 번에 처리하는 단순한 온보딩 환경을 제공하므로 네트워킹 전문가가 아니어도 비공개 네트워킹을 구성할 수 있습니다. PSC는 최소한의 IP 소비(샤드가 100개 이상이어도 클러스터당 단 2개의 IP 주소)로 세분화된 연결을 제공합니다. 또한 PSC는 Virtual Private Cloud(VPC) 피어링 제한을 해결하고 모든 리전에서 액세스할 수 있으며 고급 보안 제어 기능을 제공합니다.

클러스터 시작하고 설정하기

현재 Memorystore for Redis Cluster 프리뷰 버전을 사용할 수 있습니다. 우수한 확장성과 성능을 달성하는 데 어떤 도움이 되는지 경험해 보시기 바랍니다.(Google Cloud 콘솔 연결 링크). Identity and Access Management(IAM), Cloud Monitoring, 감사 로그와의 통합 및 전송 중 암호화 사용 설정 방법과 같은 추가 기능을 자세히 알아보려면 관련 문서를 확인하세요. 궁금한 점이나 의견이 있으면 언제든지 cloud-memorystore-pm@google.com으로 문의해 주세요.

Google Cloud 데이터베이스의 새로운 소식과 Next

Tue, 12 Sep 2023 07:00:00 +0000

*본 아티클의 원문은 2023년 8월 30일 Google Cloud 블로그(영문)에 게재되었습니다.

Google Cloud는 고객이 개방적이고 통합된 지능형 데이터 생태계를 통해 혁신 속도를 높일 수 있도록 데이터베이스 서비스를 향상하기 위한 노력을 기울이고 있습니다. 이를 위해 고객에게 다음과 같이 도움이 되는 여러 새로운 기능을 발표하게 되어 기쁩니다.

어디에서나 손쉽게 엔터프라이즈 생성형 AI 애플리케이션 빌드
Duet AI로 데이터베이스 작업 간소화
트랜잭션 시스템과 분석 시스템 간의 장벽 제거
개방형 데이터 자산 현대화 및 구축

어디에서나 손쉽게 엔터프라이즈 생성형 AI 애플리케이션 빌드

운영 데이터베이스는 많은 애플리케이션의 중심에 위치하며 개발자가 새로운 AI 기반 고객 경험을 구축하는 방식에 있어 핵심적인 역할을 합니다. 오늘 Google Cloud Next에서는 엔터프라이즈 생성형 AI 앱을 어디에서나 손쉽게 빌드할 수 있는 통합 기능 모음인 AlloyDB AI를 소개합니다. AlloyDB AI는 Google Cloud의 PostgreSQL 호환 데이터베이스 서비스인 AlloyDB의 핵심적인 기능으로, 표준 PostgreSQL보다 최대 10배 더 빠르고 4배 더 큰 벡터를 지원하는 pgvector 호환 고성능 벡터 검색을 제공합니다. 또한 AlloyDB AI를 사용하면 데이터베이스 내부에서 임베딩을 간편하게 생성하고 Vertex AI 및 오픈소스 생성형 AI 도구와 완전히 통합할 수 있습니다. 종합적으로 이러한 기능은 다양한 AI 경험을 제공하는 데 도움이 됩니다.

AlloyDB AI는 AlloyDB의 다운로드 가능 버전인 AlloyDB Omni를 통해 프리뷰 버전으로 제공되며, 올해 말 AlloyDB 클라우드 서비스에 출시될 예정입니다. AlloyDB AI 자세히 알아보기

Duet AI로 데이터베이스 작업 간소화

Google Cloud의 Duet AI는 상시 사용 가능한 AI 공동작업 도구로, 생성형 AI를 사용하여 모든 유형의 클라우드 사용자에게 필요한 도움을 제공합니다.

Google Cloud는 데이터베이스 서비스에 Duet AI 기능을 적용하여 SQL 생성, 데이터베이스 운영, 심지어 기존 데이터베이스의 마이그레이션에도 도움을 주고 있습니다. Cloud Spanner의 Duet AI를 사용하면 코드를 생성하여 자연어로 데이터를 구조화하거나 수정하거나 쿼리할 수 있습니다. 예를 들어 '메시지 테이블의 모든 데이터를 표시하는 쿼리를 작성해줘'와 같은 간단한 명령어를 사용하면 Duet AI로 필요한 SQL을 자동으로 생성할 수 있고, 추가로 검토하거나 수정할 수도 있습니다. 덕분에 애플리케이션용 코드 개발 시간이 크게 줄어 생산성을 높이는 데 도움이 됩니다. 또한 Duet AI의 이러한 기능을 Cloud SQL과 AlloyDB 같은 다른 데이터베이스에도 적용할 계획입니다.

많은 Google 고객이 AlloyDB와 오픈소스 호환성의 이점을 누리기 위해 기존 데이터베이스의 현대화를 고려하고 있습니다. 고객들은 혁신 로드맵의 일환으로 보다 개방적인 최신 기술을 수용하고자 합니다. 오늘 Google Cloud는 기업이 통합된 방식으로 손쉽게 PostgreSQL용 Cloud SQL 및 AlloyDB로 마이그레이션할 수 있도록 Oracle에서 PostgreSQL로 마이그레이션하는 기능을 Database Migration Service의 정식 버전으로 출시했습니다.

또한 Oracle 데이터베이스를 보다 간편하게 현대화할 수 있도록 Database Migration Service의 Duet AI 기능이 Oracle에서 PostgreSQL로 마이그레이션하는 최종 단계에 적용됩니다. 이 기능을 통해 개발자는 AI 지원 코드 변환을 사용하여 저장 프러시저, 함수, 트리거, 패키지, 커스텀 PL/SQL과 같은 데이터베이스 코드를 PostgreSQL로 자동 변환할 수 있습니다. 지금 가입하여 프리뷰 버전을 사용해 보세요.

"Chicago Mercantile Exchange(CME) Group은 가장 까다로운 엔터프라이즈 워크로드를 위해 AlloyDB 사용을 고려하고 있으며, 이미 일부 데이터베이스를 Oracle에서 AlloyDB로 마이그레이션하고 있습니다."

트랜잭션 시스템과 분석 시스템 간의 장벽 제거

기존에는 기업이 별도의 트랜잭션 시스템과 분석 시스템을 사용하여 데이터를 저장하고 처리했기 때문에 데이터를 최대한 활용하는 것이 어려웠습니다. Google Cloud는 기업이 이러한 시스템 간의 장벽을 제거하도록 돕고 있습니다.

오늘 Google Cloud는 BigQuery, Spark on Dataproc, Dataflow와 같은 서비스를 통해 Spanner 데이터를 분석할 수 있으면서도 트랜잭션 워크로드에는 영향을 거의 미치지 않는 획기적인 기술인 Cloud Spanner Data Boost의 정식 버전을 발표했습니다. Data Boost는 Google의 분산형 컴퓨팅 및 스토리지 아키텍처를 활용하여 운영 데이터를 워크로드가 격리된 고성능의 온디맨드 방식으로 처리하여 분석과 보고 등의 업무를 지원합니다.

브라질의 금융 기관인 CERC와 같은 Google Cloud 고객은 빠르게 Data Boost를 도입하고 있습니다.

"브라질 금융 시장을 혁신하고 있는 회사인 CERC는 짧은 지연 시간으로 초당 100,000회 이상의 금융 거래를 처리하고 있습니다. Cloud Spanner Data Boost를 사용하면 거래 워크로드에 영향을 주지 않으면서도 더 우수한 성능으로 이 데이터와 관련된 분석 쿼리를 실행할 수 있으며, 이는 CERC에게 매우 중요한 부분입니다. Data Boost는 복제본 생성이나 리소스 오버프로비저닝에 대한 오버헤드 없이 더 저렴한 비용으로 거래 데이터를 실시간으로 분석할 수 있도록 지원하는 혁신적인 제품입니다." - CERC 수석 엔지니어 앙드레 게르골레

또한 Google Cloud는 BigQuery에서 HBase 호환 NoSQL 데이터베이스인 Bigtable과 같은 운영 데이터베이스로 클릭 몇 번만에 손쉽게 데이터를 수집할 수 있도록 돕고 있습니다. 오늘은 BigQuery에서 Bigtable로의 Reverse ETL 지원 기능을 발표합니다. 새로운 기능인 Bigtable로의 BigQuery Export를 사용하면 ETL 도구를 사용하지 않고도 애플리케이션에서 유용한 분석 정보를 제공할 수 있습니다. 이 기능을 사용하려면 프리뷰 버전을 신청하세요.

개방형 데이터 자산 현대화 및 구축

Google Cloud는 가장 개방적인 클라우드 제공업체로서 고객이 최신 데이터 기반 애플리케이션을 빌드할 수 있도록 지원하는 일에 역량을 집중하고 있습니다. Google Cloud는 소스와 표준을 공개하고 MySQL용 Cloud SQL, PostgreSQL용 Cloud SQL, Memorystore for Redis 등 가장 널리 사용되는 오픈소스 엔진과 완벽하게 호환되는 관리형 서비스를 제공하기 위해 노력하고 있습니다.

지난달에는 MySQL 및 PostgreSQL용 Enterprise Plus 버전을 발표하여 Cloud SQL에 새로운 가용성, 성능, 데이터 보호 관련 개선사항을 제공했습니다. Cloud SQL의 MySQL용 Enterprise Plus 버전은 Amazon의 유사한 MySQL 서비스와 비교해 최대 3배 우수한 성능을 제공합니다.

아울러 Google Cloud는 새로운 완전 관리형 서비스인 Memorystore for Redis Cluster를 통해 Memorystore for Redis 서비스를 향상하기 위한 노력을 기울이고 있습니다. 오늘부터 프리뷰 버전으로 제공됩니다. Memorystore for Redis Cluster를 사용하면 Memorystore for Redis 대비 최대 60배의 처리량을 제공하고 오픈소스와 호환되는 Redis Cluster 서비스를 마이크로초 단위의 지연 시간으로 간편하게 사용할 수 있습니다.

마지막으로, 개방형 서비스는 파트너의 개방형 생태계를 활성화하는 노력과도 관련이 있습니다. 현재 1,000곳 이상의 소프트웨어 파트너가 Google의 데이터 클라우드를 사용하여 애플리케이션을 구동하고 있습니다. 파트너를 위한 노력을 배가하기 위해 Cloud SQL과의 통합 요구사항을 충족한 파트너 솔루션을 검증하는 프로그램인 Google Cloud Ready for Cloud SQL을 선보이게 되어 기쁩니다. 이 프로그램은 기존의 Google Cloud Ready for AlloyDB 파트너 프로그램과 통합됩니다.

시작하기

Google Cloud 데이터베이스에서 준비하고 실행하는 것을 돕기 위해 Google Cloud는 종합적인 데이터베이스 마이그레이션 프로그램을 제공합니다. 고객이 안심하고 마이그레이션 경험을 빠르고 간편하며 비용 효율적으로 쌓을 수 있는 프로그램입니다.

데이터와 AI의 미래는 밝으며 Google Cloud 데이터베이스는 고객이 미래를 위한 혁신 기술을 개발할 수 있는 지능적이고 통합된 개방형 플랫폼을 제공합니다.

자세한 내용은 Google Cloud의 데이터베이스 포트폴리오를 참고하세요. 또한 Next '23의 자세한 내용은 Google Cloud 데이터베이스의 미래 스포트라이트 세션과 데이터베이스 전문가 트랙의 심층 탐구 세션을 확인해 보세요.

AI 기반 공동작업 도구인 Duet AI를 Google Cloud 전반에 확대 적용

Mon, 11 Sep 2023 07:00:00 +0000

*본 아티클의 원문은 2023년 8월 30일 Google Cloud 블로그(영문)에 게재되었습니다.

고객들은 보다 스마트하게 업무를 처리할 방법을 모색하면서도 성장에 집중하고 업계에서 경쟁력을 유지하고 싶다는 의견을 주었습니다. 이러한 바람을 실현하기 위해 Google은 생성형 AI를 통해 Google Cloud 제품을 개편하고 있습니다.

오늘, 새로운 기능으로 확장된 Google Cloud의 Duet AI를 프리뷰 버전으로 선보이며, 올해 말에는 정식 버전을 제공할 예정입니다. 이제 광범위한 Google Cloud 제품 및 서비스에서 Duet AI를 사용한 AI 지원 기능이 제공되어 개발자, 운영자, 데이터 실무자, 사이버 보안 전문가 등 더 많은 클라우드 사용자가 서비스를 이용할 수 있습니다.

Duet AI: 상시 사용 가능한 AI 공동작업 도구

Google Cloud는 AI 기능을 통해 모든 사용자에게 클라우드를 제공할 새로운 방법을 마련하기 위해 노력하고 있습니다. Google이 AI와 관련하여 기울이고 있는 모든 노력에서 핵심적인 부분을 차지하는 Duet AI는 사용자가 Google Cloud로 작업하는 방식에 혁신을 일으키고 있습니다. 그 결과 사용자가 생산성을 높이고 경쟁력을 확보하고 궁극적으로 수익을 개선하는 데 도움이 될 것입니다.

지난 5월에 개최된 Google I/O에서는 Google Cloud의 Duet AI를 공개했으며 코드와 채팅 지원 등의 개발자 기능을 선보였습니다. 이후 전 세계의 신뢰할 수 있는 테스터들이 Duet AI의 기능을 경험했으며, Google은 이 기능을 확장하여 포트폴리오 전반의 다양한 제품과 서비스에 통합하기 위한 작업을 진행했습니다.

Next에서 Google은 이제 Duet AI가 더 많은 분야에서 AI 지원 기능을 제공함으로써 Google Cloud 전반에 생성형 AI 기능을 적용하여 애플리케이션 개발, 운영, 데이터베이스 관리 및 마이그레이션, 데이터 분석 및 시각화, 사이버 보안을 지원한다는 소식을 전할 예정입니다.

애플리케이션 개발 가속화

Google Cloud의 Duet AI는 소프트웨어 개발 수명 주기 전반에서 전문적인 지원을 제공합니다. 여기에는 코드 생성, 출처 인용, 테스트 범위, API 설계 및 게시, 애플리케이션 마이그레이션 및 현대화 등이 포함됩니다.

개발자는 Duet AI를 통해 자연어를 사용하여 복잡한 코드와 API를 빠르게 이해하고, 코딩 관련 권장사항을 따르고, 단위 테스트를 신속하게 생성하는 등의 이점을 누릴 수 있습니다. Duet AI의 코드 및 채팅 지원 기능은 Google Cloud 콘솔, Cloud Workstations, Cloud Shell 편집기와 같은 Google 개발 환경에서 사용할 수 있습니다. 또한 Cloud Code IDE 확장 프로그램을 설치하면 VSCode 같은 서드 파티 IDE와 CLion, GoLand, IntelliJ, PyCharm, Rider, WebStorm 같은 JetBrains IDE에서 Duet AI를 사용할 수 있습니다. 개발자가 코드를 개발할 때 시간을 들이는 부분에 Duet AI가 지원되므로 더 오랫동안 작업에 집중하고 컨텍스트 전환을 최소화할 수 있습니다.

오늘 Google은 AI 코드 지원의 범위를 확대하기 위해 Duet AI에 다음과 같은 여러 유용한 개발자 기능을 도입합니다.

애플리케이션 현대화: Duet AI는 코드 리팩터링 관련 지원을 통해 애플리케이션 현대화 속도를 높이는 데 도움이 될 수 있습니다. 일반적으로 기존 애플리케이션을 리팩터링하려면 한 언어에서 다른 언어로 코드를 마이그레이션하고 리팩터링해야 합니다. 이 작업은 비용이 많이 들고 수개월이 걸릴 수 있습니다. Duet AI를 활용하면 보다 빠르고 쉽게 코드를 리팩터링하고 Google Cloud로 마이그레이션할 수 있습니다. 프론트엔드 웹사이트를 백엔드 제품 데이터베이스에 연결하는 제품 카탈로그 서비스를 업데이트하는 경우를 예로 들어보겠습니다. 업데이트의 일환으로 C++에서 Go로 마이그레이션하고, Google Cloud의 관리형 관계형 데이터베이스인 Cloud SQL을 사용하고자 합니다. 이를 수동으로 진행한다면 코드를 C++에서 Go로 변환하고, Cloud SQL 구조를 파악한 다음, Cloud SQL을 사용하도록 데이터베이스 연결을 업데이트해야 합니다. 하지만 Duet AI를 활용하면 개발 환경에서 바로 Duet AI 채팅을 열고 '이 함수를 Go로 변환하고 Cloud SQL을 사용하세요'라는 내용의 간단한 자연어 프롬프트를 작성하기만 하면 됩니다. 그러면 함수가 Go로 다시 작성되고 데이터베이스 연결이 Cloud SQL로 자동 변환됩니다. 정말 간단해집니다.

채팅 인터페이스를 통해 자연어 프롬프트에 응답해 함수를 Go로 변환하고 백엔드 데이터베이스를 Cloud SQL로 업데이트하는 Duet AI

컨텍스트 인식 코드 생성: Google은 조직의 라이브러리와 코드베이스에서 도출한 조직별 지식을 토대로 Duet AI를 맞춤설정하여 컨텍스트 인식 코드를 제안할 수 있도록 일부 기업과 협업을 시작했습니다. 예를 들어 Duet AI에 회사의 제품 카탈로그에서 $10 미만의 모든 제품을 찾는 함수를 얻기 위한 코드를 생성해 달라고 요청할 수 있습니다. 그러면 제품 카탈로그와 상호작용하는 데 사용되는 회사의 클래스 및 메서드를 바탕으로 함수가 생성됩니다.

조직별 콘텐츠를 바탕으로 코드를 생성하도록 지원하는 Duet AI

API 관리 및 애플리케이션 통합: 통합은 애플리케이션 개발의 또 다른 중요한 요소입니다. 애플리케이션은 여러 서비스 간의 통신을 조정할 때 API와 통합 서비스를 사용합니다. 이제 개발자는 Apigee API 관리와 Application Integration 같은 통합 서비스에서 Duet AI를 사용하여 간단한 자연어 프롬프트를 통해 손쉽게 API를 설계하고, 만들고, 게시할 수 있습니다.

자연어 프롬프트에 응답해 기업 애셋과 컨텍스트를 바탕으로 API 사양, 통합 흐름, 설명, 테스트 사례를 자동으로 생성하는 Duet AI

"Wayfair는 개발자 생산성을 가장 중요하게 생각합니다. Duet AI의 도입으로 Wayfair 개발자들이 매우 빠르게 애플리케이션을 빌드할 수 있도록 지원할 수 있게 되어 기쁩니다. Duet AI를 사용하면 개발자의 생산성뿐 아니라 만족도도 높일 수 있습니다." - Mark Quigley, Wayfair 엔지니어링 지원 부문 책임자

"Duet AI는 지금까지 사용해 본 코딩 지원 기능 중 가장 성능이 뛰어납니다. Duet AI를 사용한 지 얼마 되지 않았지만 벌써 생산성이 약 33% 향상되어 전망이 밝습니다. 현재 색인 생성과 디버깅 등 최신 기능을 사용해 보고 있는데 생산성이 더욱 향상될 것으로 기대합니다." - Kai Du, Turing 엔지니어링 부문 책임자

인프라와 애플리케이션 운영 및 관리 간소화

배포를 구축 및 보호하고 애플리케이션 전반의 문제를 조사하기 위한 실마리를 찾는 데는 오랜 시간이 걸립니다. Duet AI를 활용하면 배포를 자동화하고, 애플리케이션이 올바르게 구성되었는지 확인하고, 빠르게 문제를 파악하고, 디버깅할 수 있습니다. 그뿐만 아니라 안전성과 안정성이 더 우수한 애플리케이션을 만들 수 있습니다.

예를 들어 Google Cloud의 Duet AI에는 모니터링과 로깅이 통합되어 있어 개발자, 사이트 안정성 엔지니어, 운영자가 성능을 모니터링하고 빠르게 문제를 해결할 수 있습니다. Duet AI는 애플리케이션 전반에서 상관관계를 식별할 수 있도록 지원하므로 개발자가 알림을 수신한 후 빠르게 문제를 해결할 수 있습니다. Cloud Monitoring에서는 자연어 프롬프트를 PromQL 쿼리로 변환하여 시간의 경과에 따른 CPU 사용량과 같은 시계열 측정항목을 분석할 수 있습니다. 또한 Duet AI는 로그 탐색기를 통해 복잡한 로그 항목에 대한 직관적 설명을 제공하므로 근본 원인 분석 과정이 보다 수월합니다. 나아가 Error Reporting에 문제 해결 방법에 대한 제안을 제공합니다.

서비스 문제를 빠르게 해결하도록 지원하고 문제 해결 방법을 추천하는 Duet AI

데이터에서 가치를 창출할 수 있도록 지원

데이터 및 비즈니스 분석가는 BigQuery의 Duet AI를 활용하여 빠르게 데이터를 분석할 수 있습니다. BigQuery의 Duet AI는 데이터 액세스 및 분석을 위해 SQL과 Python을 작성하기 위한 컨텍스트 기반 지원을 제공합니다. 덕분에 데이터팀이 논리와 결과에 역량을 집중할 수 있습니다. Duet AI는 완전한 함수와 코드 블록을 생성하고, 완성된 코드 버전을 자동으로 추천하며, 코드와 SQL 쿼리를 설명해 줄 수 있습니다. Duet AI는 데이터와 데이터의 사용 패턴을 집중적으로 파악하고 이를 토대로 질문을 추천하여 분석 과정을 지원합니다.

또한 BigQuery에서 데이터에 Vertex AI 기능을 사용할 수 있습니다. SQL 문 하나만으로 BigQuery 테이블을 Vertex AI의 기반 모델에 연결하거나, BigQuery Studio에서 데이터로 프롬프트를 최적화하거나, 텍스트 분석을 수행하거나, 새로운 속성을 생성하여 BigQuery 데이터 모델을 보강할 수 있습니다. 아울러 Duet AI를 사용하면 BigQuery에서 벡터 임베딩을 생성하여 효과적인 시맨틱 검색 및 추천 쿼리를 만들 수 있습니다.

BigQuery Studio에서 고객 세분화와 같은 작업을 수행하기 위해 간편하게 SQL 또는 Python 코드를 만들 수 있는 Duet AI

"L’Oréal의 데이터팀은 BigQuery의 Duet AI 덕분에 데이터를 더욱 간편하게 탐색하고, 이해하고, 사용하게 되어 혁신에 박차를 가할 수 있었습니다. Duet AI를 사용하면 데이터를 빠르게 쿼리하여 필요한 정보를 도출하고 보다 효과적인 비즈니스 관련 의사 결정을 내릴 수 있습니다. 계속해서 Duet AI를 통해 더 큰 혁신을 이루고 비즈니스 목표를 달성할 수 있게 되어 기쁩니다." - Antoine Castex, L’Oréal 데이터 플랫폼 설계자

또한 Google은 비즈니스 사용자가 더욱 빠르게 데이터를 분석할 수 있도록 Looker에 Duet AI를 도입합니다. 모든 의사 결정권자가 제때 적절한 형식으로 적절한 정보를 얻을 수 있도록 지원하기 위해 Looker에 Duet AI를 도입하게 되었습니다. Looker의 Duet AI를 통해 대화형 데이터 분석, 프레젠테이션 자동 생성, 보고서를 토대로 한 지능형 텍스트 요약, 자연어를 사용한 계산값 및 시각화 결과 생성, 신속한 LookML 모델 생성이 가능합니다. 올해 하반기에는 노트북 공동작업 경험을 통해 데이터를 분석할 수 있도록 Looker에 새로운 Duet AI 경험을 추가할 예정입니다.

데이터를 빠르게 분석 및 시각화한 후 시각화 자료를 슬라이드로 내보내도록 지원하는 Duet AI

데이터베이스 가속화 및 현대화

데이터베이스의 Duet AI는 개발자 생산성을 새로운 차원으로 끌어올리는 데 도움이 됩니다. 오늘 Google은 이 기능을 Cloud Spanner에 도입하며, 앞으로 AlloyDB와 Cloud SQL에도 도입할 계획입니다. Cloud Spanner의 Duet AI를 활용하면 자연어를 사용하여 데이터를 구조화하거나 수정하거나 쿼리하기 위한 코드를 생성할 수 있습니다. 예를 들어 '메시지 테이블의 모든 데이터를 표시하는 쿼리를 작성해줘'와 같은 간단한 명령어를 사용하면 Duet AI로 필요한 SQL을 자동으로 생성할 수 있고, 추가로 검토하거나 수정할 수도 있습니다. 이에 따라 애플리케이션용 코드 개발 시간을 크게 줄일 수 있습니다.

또한 데이터베이스를 더 쉽게 현대화할 수 있도록 Database Migration Service(DMS)에 Duet AI를 도입합니다. DMS의 Duet AI는 저장 프러시저, 함수, 트리거, 패키지, 커스텀 PL/SQL 코드 등 기존의 변환 기술로는 변환할 수 없었던 데이터베이스 코드의 변환 작업을 자동화하는 데 도움이 됩니다. 올해 하반기에는 Oracle에서 AlloyDB 및 PostgreSQL용 Cloud SQL로 각각 마이그레이션하는 최종 단계에 DMS의 Duet AI를 사용할 수 있도록 지원할 계획입니다.

Oracle에서의 마이그레이션 최종 단계에서 코드 변환을 자동화하는 Duet AI

보안 대응 및 문제 해결 가속화

Duet AI는 보안 전문가가 위협을 예방하고, 보안 워크플로의 반복적인 업무를 줄이고, 보안 인력의 역량을 높이는 데 도움이 됩니다. 이제 Chronicle Security Operations, Mandiant Threat Intelligence, Security Command Center와 같은 보안 제품에 Duet AI가 통합됩니다. Duet AI는 신속하게 위협 관련 정보를 요약 및 분류하고, 자연어 검색을 쿼리로 변환하고, 문제를 해결하기 위한 다음 단계를 추천할 수 있습니다. 이에 따라 감지와 대응에 걸리는 시간이 단축되고 업무 부담이 과중한 보안 전문가의 생산성이 향상됩니다. Duet AI가 보안 전문가에게 도움이 될 수 있는 방법에 대한 자세한 내용은 이 블로그를 참조하세요.

클라우드 애셋이 공격에 취약할 수 있는 이유를 설명하고 위험을 완화하기 위한 추천사항을 제공하는 Security Command Center의 Duet AI

맞춤형 방식으로 책임감 있는 지원을 제공하는 Duet AI

Duet AI는 더욱 스마트하고 컨텍스트에 맞는 추천사항을 제공하도록 학습되었습니다. Google Cloud 사용자에게 더 나은 서비스를 제공하기 위해 문서, 코드 예시, Google Cloud 권장사항과 같은 Google Cloud 관련 콘텐츠로 AI 기반 모델을 학습하고 세부 조정했습니다. Google은 Duet AI를 통해 인텐트에 기반하며 맞춤화된 새로운 클라우드 경험을 선사하고, 고객의 팀이 안전하고 안정적이면서 확장 가능한 애플리케이션을 구축할 수 있도록 지원하는 한편 전문적인 가이드를 제공하고자 합니다.

Duet AI를 설계할 때 Google은 고객의 보안과 개인 정보뿐 아니라 Google의 AI 원칙을 지키기 위한 포괄적인 접근 방식을 취했습니다. 다시 말해 고객은 코드, Duet AI에 입력하는 정보, Duet AI를 통해 생성되는 추천사항이 공유 모델을 학습시키거나 제품 개발에 사용되지 않을까 걱정하지 않아도 됩니다. 데이터와 지식 재산은 언제나 고객의 소유입니다. 또한 라이선스 요구사항과 정책을 준수하는 데 도움이 되도록 Duet AI 사용 시 추천된 코드의 올바른 출처가 인용됩니다.

자세히 알아보기

오늘부터 Google Cloud의 Duet AI가 프리뷰 버전으로 제공됩니다. Google Cloud의 Duet AI에 대해 자세히 알아보고 프리뷰 프로그램에 참여하려면 제품 페이지(cloud.google.com/duet-ai)를 방문하세요.

Database Migration Service를 활용한 PostgreSQL용 AlloyDB 정식 버전 출시

Thu, 03 Aug 2023 06:00:00 +0000

*본 아티클의 원문은 2023년 6월 28일 Google Cloud Blog(영문)에 게재되었습니다.

2022년 12월 Google Cloud는 기존의 독자적 데이터베이스를 현대화하고 기존 PostgreSQL 워크로드를 확장하는 데 강력한 옵션을 제공하는 완전 관리형 PostgreSQL 호환 데이터베이스 서비스인 PostgreSQL용 AlloyDB의 정식 버전을 발표했습니다. 2022년 초에는 Database Migration Service(DMS)를 활용한 PostgreSQL용 AlloyDB 마이그레이션의 미리보기 버전을 출시한 바 있습니다. 오늘은 PostgreSQL 소스에서 AlloyDB로 마이그레이션하는 데 사용되는 DMS의 정식 버전을 소개하게 되어 기쁩니다.

PostgreSQL용 AlloyDB에서 표준화를 모색하는 고객은 원활한 마이그레이션 경로를 기대합니다. 고객은 설정과 사용이 간편하고 관리 오버헤드가 없는 솔루션을 필요로 합니다. 또한 정확하고 안전한 데이터 이전에 대해 신뢰할 수 있어야 하고 동시에 애플리케이션의 중단도 최소화해야 합니다. 이것이 바로 Database Migration Service가 제공하는 혜택입니다.

PostgreSQL용 AlloyDB는 대상 데이터베이스에 대해 매력적인 선택이 될 만한 다양한 혜택을 제공합니다. 오픈소스 PostgreSQL에 비해 개선된 확장성, 더 높은 가용성, 보다 빠른 성능을 제공합니다. 성능 테스트 결과, AlloyDB는 표준 PostgreSQL에 비해 트랜잭션 워크로드가 속도가 4배 이상 더 빠르고 분석 쿼리 속도는 최대 100배 더 빠른 것으로 확인되었습니다. PostgreSQL과의 완전한 호환성 덕분에 쉽고 원활하게 이 기술을 활용할 수 있습니다.

AlloyDB는 기존 PostgreSQL 데이터베이스에 비해 현저하게 개선된 성능을 제공하는 한편 고객의 마이그레이션 요구사항도 충족해야 합니다. DMS는 사용하기 쉽고 관리 오버헤드가 없는 마이그레이션 솔루션을 제공합니다. 또한 데이터를 정확하고 안전하게 전송하고 애플리케이션 중단을 최소화하므로 표준 데이터베이스 솔루션을 AlloyDB로 전환하고자 하는 조직이 믿고 선택할 수 있습니다.

프리뷰 버전에서 배운 내용

Google Cloud는 AlloyDB 마이그레이션용 DMS 지원을 출시한 이후 모든 규모의 비즈니스 조직에서 데이터베이스의 성능, 확장성, 가용성을 개선할 수 있도록 지원해 왔습니다. 고객들은 색인 자문, 적응형 자동 청소와 같이 관리 오버헤드를 줄이고 성능을 개선해 준 기능으로 혜택을 누렸습니다. 또한 인프라 확장성과 복원력이 우수한 AlloyDB로 마이그레이션하여 높은 애플리케이션 가용성을 달성할 수 있었습니다. 완전한 PostgreSQL 호환성과 투명한 가격 책정 덕분에 이 기술을 손쉽게 활용할 수 있습니다.

DMS는 이러한 고객에게 온프레미스 데이터베이스, Google Cloud의 자체 관리형 데이터베이스, Amazon Aurora와 같은 클라우드 데이터베이스 등 고객의 소스 위치와 관계없이 PostgreSQL 소스에서 PostgreSQL용 AlloyDB로 빠르고 안전하게 이전할 수 있는 서버리스 마이그레이션 경로를 제공했습니다.

"DMS 사용 경험은 실로 놀라웠습니다. 구성과 설정이 매우 간단했고 다운타임을 잡아먹지 않고 워크로드를 마이그레이션할 수 있었어요. AlloyDB로 전환한 후에 최대 트래픽 처리를 포함한 당사의 모든 요구사항을 충족하는 원활하고 완벽한 환경에 놀랐습니다."라고 dinii inc의 풀 스택 Node.js 개발 및 클리우드 기반 인프라 관리자인 카라사와 히로아키는 설명했습니다.

"클라우드 기반 SaaS 티켓 판매 플랫폼을 운영하는 당사의 작업에는 데이터 연속성과 시스템 업타임이 매우 중요합니다. 당사는 2021년에 DMS를 사용해 Amazon Aurora에서 Cloud SQL로 이전했고 2022년 말에는 PostgreSQL용 AlloyDB로 마이그레이션했으며 이때에도 DMS를 사용했습니다. 당사의 주된 관심사는 다운타임을 최소화하는 것이었고 바로 이 부분에서 DMS의 역량을 확인할 수 있었습니다."라고 말한 Ventrata의 CEO 올리버 모건은 "DMS의 매력은 단순성과 안정성에 있습니다. Google의 DMS가 아니었다면 우리는 계속 Amazon Aurora를 사용했을 겁니다. 다행히 일 년 동안 두 번에 걸쳐 중요한 데이터베이스 마이그레이션을 수행하면서 당사 팀은 Google Cloud와 같은 클라우드 제공업체가 제공하는 우수한 최신 제품을 따라갈 수 있는 유연성을 갖추게 되었습니다."라고 덧붙였습니다.

정식 버전의 새로운 기능

정식 버전은 암호화 정책이 엄격한 조직을 위해 고객 관리 암호화 키(CMEK)로 더 강력한 보안을 제공합니다. 이제 PostgreSQL에서 AlloyDB로 마이그레이션할 때 CMEK가 제공되므로 저장 데이터 암호화에 사용하는 키를 더 확실히 제어할 수 있기 때문에 마이그레이션 프로세스가 진행되는 동안과 그 이후까지 가장 높은 수준에서 데이터를 보호할 수 있습니다.

많은 Google Cloud 서비스가 CMEK를 지원합니다(지원되는 서비스 목록은 여기에서 확인). CMEK로 Google Cloud 서비스의 데이터를 보호하면 CMEK 키를 제어할 수 있습니다.

Database Migration Service를 사용해 AlloyDB로 마이그레이션하기

DMS를 사용하면 AlloyDB로 간편하게 마이그레이션할 수 있습니다. 시작하려면 Google Cloud 콘솔의 데이터베이스 마이그레이션 페이지로 이동하여 새 마이그레이션 작업을 만든 후 간단하게 다음의 다섯 가지 단계를 따릅니다.

마이그레이션할 데이터베이스 유형을 선택한 후, 소스 설정을 위해 어떤 조치를 취해야 하는지 확인합니다.
소스 데이터베이스에 관한 정보를 포함하는 소스 연결 프로필을 만듭니다. 연결 프로필은 나중에 추가 마이그레이션에 사용할 수 있습니다. 여기에서 고객 관리 암호화 키(CMEK)를 설정할 수 있습니다.
비즈니스 요구사항에 맞는 PostgreSQL용 AlloyDB 대상 클러스터를 만듭니다.
연결 방법을 정의합니다. DMS는 연결을 돕기 위해 가이드가 있는 연결 경로를 제공합니다.
마이그레이션 작업을 테스트하고 언제든지 준비가 되면 시작합니다.

마이그레이션 작업이 시작되면 DMS는 데이터의 초기 스냅샷을 생성하고 새로운 변경사항이 발생할 때마다 복제합니다. 마이그레이션 작업의 소스 데이터 복제는 작업자가 컷오버 시작을 결정할 때까지 계속됩니다. 컷오버가 시작되면 복제는 중단되며, 모든 소스 데이터가 준비된 새로운 AlloyDB 클러스터를 사용하도록 애플리케이션을 리디렉션할 수 있습니다.

데이터베이스 여정 자세히 알아보기 및 시작하기

마이그레이션 여정을 시작하는 데 도움이 되는 자세한 정보를 알아보려면 문서로 이동하거나 이 Database Migration Service Qwiklab에서 교육을 받아보세요. AlloyDB 콘솔로 이동해 첫 번째 클러스터를 만들면 AlloyDB 무료 체험을 시작할 수 있습니다. PostgreSQL에서 AlloyDB로 마이그레이션하기 위해 새 Database Migration Service를 시작하려면 콘솔의 데이터베이스 마이그레이션 페이지를 방문하세요.

Cloud SQL Enterprise Plus 소개: MySQL 성능이 최대 3배 향상된 새 버전

Wed, 02 Aug 2023 07:00:00 +0000

*본 아티클의 원문은 2023년 7월 13일 Google Cloud Blog(영문)에 게재되었습니다.

Cloud SQL은 MySQL, PostgreSQL, SQL Server 워크로드 실행을 위한 Google Cloud의 엔터프라이즈급 완전 관리형 데이터베이스 서비스입니다. 디지털 서비스부터 은행, 소매에 이르기까지 다양한 업종에서 사용되고 있으며 현재 Google Cloud의 상위 고객사 100곳 중 95% 이상이 Cloud SQL을 사용하고 있습니다. 점점 까다로운 워크로드가 클라우드로 이전되면서 일부 고객은 더 높은 성능과 가용성을 요구하고 있습니다. 이에 더해 개별 워크로드의 요구사항에 맞게 구성을 최적화할 수 있도록 더 많은 선택권을 제공하고 유연성을 높여 달라는 요청도 있었습니다.

오늘 Google에서는 세 가지 주요 개선사항이 반영된 MySQL 및 PostgreSQL용 Cloud SQL Enterprise Plus 버전을 출시합니다. 첫째, 다양한 소프트웨어를 최적화하고, 머신 유형 및 구성을 개선하고, SSD 지원 데이터 캐시 옵션을 통합해 읽기와 쓰기 성능 모두를 크게 향상시켰습니다. MySQL용 Cloud SQL Enterprise Plus를 사용하면 현재 Cloud SQL 제품보다 읽기 처리량은 최대 3배, 쓰기 지연 시간은 최대 2배 개선할 수 있습니다. 둘째, 계획된 유지보수 작업에 다운타임이 거의 발생하지 않으며 유지보수를 포함한 99.99% 가용성 SLA를 제공해 비즈니스에 중요한 애플리케이션에 필요한 가용성 목표를 충족할 수 있습니다. 셋째, 엄격한 규정 준수 요건을 갖춘 조직에 반드시 필요한 35일 로그 보관으로 데이터 보호 기능을 강화했습니다. Cloud SQL Enterprise Plus 버전은 이러한 요구사항을 충족하는 동시에 이미 입증된 Cloud SQL 기능을 토대로 구축되었습니다.

기존 Cloud SQL 버전은 기능이나 가격 변경 없이 계속 제공되지만 이제 명칭이 Cloud SQL Enterprise 버전으로 변경됩니다.

MySQL용 Enterprise Plus의 혁신 기능 살펴보기

MySQL용 Cloud SQL Enterprise Plus는 공동으로 최적화된 하드웨어 및 소프트웨어 구성을 통해 탁월한 성능을 제공하는 동시에 완벽한 오픈소스 호환성을 유지합니다. 읽기 집약적인 트랜잭션 워크로드의 경우 MySQL용 Enterprise Plus 버전은 데이터 캐시를 구성할 수 있으며 엔터프라이즈 버전보다 읽기 처리량이 최대 3배 더 높습니다. 데이터 캐시는 DRAM을 기반으로 캐시를 투명하게 확장하기 위한 방식으로 플래시 메모리를 활용하여 읽기 지연 시간을 단축하고 처리량을 개선하고 더 큰 데이터 세트로 확장할 수 있습니다. 또한 소프트웨어 최적화는 트랜잭션 커밋 지연 시간을 최대 2배 단축하고 쓰기 처리량을 최대 2배 개선하므로 가장 까다로운 MySQL 워크로드에는 Cloud SQL이 더없이 적합한 서비스입니다.

"Google Cloud와 협력하여 MySQL용 Cloud SQL Enterprise Plus 버전을 출시하게 되어 기쁩니다."라고 Everflow Technologies의 CTO 겸 공동 설립자인 조나단 블라이스가 말합니다. "새로운 버전을 사용하면 애플리케이션을 수정하지 않고도 향상된 성능, 가용성, 데이터 보호의 이점을 즉시 누릴 수 있습니다. 특히 데이터 캐시를 통합한 후 플랫폼에서 상세 보고서를 실행하는 고객의 쿼리 성능이 3배 이상 향상된 것으로 나타났습니다. 향후 Google Cloud 및 Cloud SQL과 협력해 혁신을 이어가기를 기대합니다."

Cloud SQL Enterprise Plus 버전은 가용성과 안정성에 주안점을 두며 유지보수를 포함해 99.99% SLA를 제공합니다. 계획된 유지보수 기간 중 Enterprise Plus 인스턴스는 백그라운드에서 순차적 업데이트를 실행하고 추가 하드웨어 리소스를 사용해 다운타임을 10초 미만으로 줄입니다.

또한 Enterprise Plus 버전은 PITR(point-in-time recovery)을 위한 35일 로그 보관 기능을 제공하여 더 높은 수준의 데이터 보호를 제공하며, 비즈니스에 중요한 워크로드에 필요한 까다로운 규제 요건과 데이터 보호 요건을 충족합니다.

"Workday는 고객에게 훌륭한 사용자 경험을 제공하는 것이 중요한데, 퍼블릭 클라우드로 이전하는 과정에서 요구사항을 지원할 고성능 데이터베이스가 필요하다는 사실을 분명히 깨달았습니다. Workday는 Google Cloud팀과 긴밀히 협력하여 Cloud SQL의 개선에 투자했으며 이번에 Cloud SQL Enterprise Plus 버전이 출시됨에 따라 가장 까다로운 워크로드에 대해 고성능과 가용성이라는 옵션을 확보하여 더 우수한 읽기 및 쓰기 성능, 더 높은 가용성, 계획된 다운타임 최소화를 활용할 수 있게 되었습니다. Google과 함께 혁신을 이루며 관리형 서비스의 엔터프라이즈급 기능과 더불어 새로운 기능이 제공하는 혜택을 누리게 된 점을 기쁘게 생각합니다."라고 Workday의 지속성 및 LifeCycle 엔지니어링 부문 치라그 안다니 부사장은 말합니다.

PostgreSQL용 Enterprise Plus

PostgreSQL용 Cloud SQL Enterprise Plus는 엔터프라이즈 버전과 비교해 쓰기 처리량이 최대 2배 향상되었습니다. PostgreSQL용 Cloud SQL Enterprise Plus는 MySQL 제품과 유사하게 하드웨어와 소프트웨어를 공동으로 최적화하여 향상된 성능을 제공합니다.

앞서 MySQL과 관련해 언급된 모든 가용성, 안정성, 데이터 보호 향상 기능은 PostgreSQL용 Cloud SQL Enterprise Plus에서도 누릴 수 있습니다. 즉, 99.99% 가용성 SLA(유지보수 포함), 10초 미만으로 계획된 다운타임 단축, 35일 로그 보관으로 데이터 보호 강화를 기대할 수 있습니다.

"Google Cloud와 협력하여 PostgreSQL용 Cloud SQL Enterprise Plus 버전을 사용하면서 애플리케이션에 필요한 오픈소스 PostgreSQL 호환성을 유지하는 한편 성능, 가용성, 데이터 보호 기능 향상에 따른 이점을 즉시 누릴 수 있었습니다. 첫 번째 워크로드에서는 지속 성능(TPS 및 쿼리 지연 시간)이 즉시 2배 향상된 것을 확인했습니다."라고 Salesloft의 데이터베이스 엔지니어링 부문 관리자인 리처드 헬름스는 말합니다.

비즈니스에 중요한 트랜잭션 워크로드를 실행하도록 설계된 새로운 Cloud SQL Enterprise Plus 버전으로 애플리케이션 성능을 높이는 방법을 알아보세요.

시작하기

Cloud SQL Enterprise Plus 버전은 현재 gcloud와 API를 통해 일부 Google Cloud 리전에서 이용할 수 있으며 2023년 7월 17일까지 Cloud 콘솔에서 제공됩니다. SQL Server용 Cloud SQL Enterprise Plus 버전은 추후 출시될 예정입니다.

간단한 시작: Cloud SQL 콘솔을 방문하여 클릭 몇 번으로 데이터베이스 인스턴스를 생성해 보세요. 신규 Google Cloud 고객은 무료 체험판 인스턴스를 만들고 $300의 무료 크레딧을 받을 수 있습니다. Enterprise Plus 버전에 관한 자세한 내용은 문서를 확인하세요.

먼저 평가를 실시하여 시간과 비용을 절약하고 기존 데이터베이스 자산을 현대화하기

Tue, 01 Aug 2023 07:00:00 +0000

*본 아티클의 원문은 2023년 7월 13일 Google Cloud 블로그(영문)에 게재되었습니다.

기업에서 애플리케이션과 인프라를 현대화할 때 많은 IT 이해관계자는 오픈소스 기술을 활용해 도움을 얻고자 합니다. 오픈소스가 인기를 얻고 있는 분야 중 하나는 관계형 데이터베이스 관리 시스템(RDBMS)입니다. PostgreSQL과 같은 오픈소스 RDBMS는 Oracle과 Microsoft SQL Server와 같은 상용 RDBMS의 대안으로 갈수록 많은 인기를 얻고 있습니다. 이 같은 전환이 일어나는 데는 여러 이유가 있습니다.

첫째, 오픈소스 RDBMS가 기존의 독자적인 RDBMS에 비해 비용 효율성이 높은 경우가 많습니다. 일반적으로 무료로 다운로드해서 사용할 수 있으며 라이선스 요금이 없습니다.

둘째, 오픈소스 RDBMS는 기존 RDBMS에 비해 유연성과 확장성이 더 뛰어난 경우가 많습니다. 조직의 특정 요구사항을 충족하도록 손쉽게 맞춤설정할 수 있으며 필요에 따라 확장 또는 축소할 수 있습니다.

이러한 요인들 덕분에 오픈소스 RDBMS는 규모에 관계없이 모든 조직에서 널리 인기를 얻고 있습니다. 오픈소스 RDBMS는 비용 효율성, 유연성, 확장성을 비롯해 기존 RDBMS에 비해 여러 이점을 제공합니다.

Oracle/SQL Server에서 PostgreSQL로 마이그레이션

Oracle/SQL Server에서 PostgreSQL로 마이그레이션하는 작업은 까다로울 수 있습니다. 마이그레이션 전략은 조직의 목표에 따라 다르지만 마이그레이션 프로세스를 원활하게 수행하는 데 도움이 되는 다음과 같은 몇 가지 일반적인 전략이 있습니다.

데이터베이스 마이그레이션 평가(DMA) 활용: Oracle 또는 SQL Server 데이터베이스를 PostgreSQL로 현대화하는 데 필요한 작업의 수준을 세부적으로 알려주는 여러 평가 도구로 유용한 정보를 얻을 수 있습니다. 이 단계의 속도를 높이려는 고객은 DMA라는 Google Cloud 퍼스트 파티 도구를 활용하여 Oracle/SQL Server 데이터베이스의 복잡성을 평가하면 됩니다. 이 도구는 Google Cloud의 '무료' 데이터베이스 평가 솔루션으로, 마이그레이션 작업, 비용, 예상 투자수익을 추정합니다. DMA에 대한 더 자세한 내용은 아래에서 다루겠습니다.
코드/스키마 변환 도구 활용: 사람의 실수를 줄이고 마이그레이션의 전체적인 효율성을 개선하는 데 도움이 될 수 있습니다. Google Cloud 도구를 활용하여 Oracle/SQL Server의 스키마 및 코드를 PostgreSQL로 자동 변환합니다.
단계별로 데이터 마이그레이션: 모든 데이터를 한 번에 마이그레이션하는 것은 위험할 수 있습니다. 소규모 데이터 하위 집합부터 시작한 다음 시간이 흐름에 따라 점진적으로 더 많은 데이터를 마이그레이션하는 단계적 데이터 마이그레이션이 보다 바람직한 경우가 많습니다. Google Cloud와 함께라면 고객의 요구사항에 따라 데이터 마이그레이션 전략을 수립할 수 있습니다. 다운타임을 허용하는 고객이든 실시간 복제가 필요한 고객이든 Google Cloud는 고객의 요구사항에 맞는 데이터 마이그레이션 솔루션을 제공합니다.
애플리케이션 변경: 데이터베이스 엔진이 전환되면 애플리케이션이 변경되는 경우가 많습니다. Google Cloud로 애플리케이션 저장소를 스캔하고 새로운 데이터베이스 엔진에서 실행하기 위해 변경이 필요할 수 있는 SQL 문을 식별할 수 있습니다.
마이그레이션된 데이터 테스트: 데이터를 마이그레이션한 다음에는 테스트를 통해 데이터가 올바르게 작동하는지 확인하는 것이 중요합니다. 이 단계에서는 여러 작업이 필요합니다. 우선, 소스와 대상 간에 모든 데이터가 동기화되어 있는지 확인해야 하며, Google 도구를 사용하여 이 작업을 수행할 수 있습니다. 둘째, 애플리케이션 기능 테스트를 수행하여 애플리케이션이 예상대로 작동하는지 확인해야 합니다. 마지막으로, 성능 테스트를 수행하는 것이 좋습니다.

이러한 일반적인 전략을 따르면 Oracle/SQL Server에서 PostgreSQL로의 마이그레이션을 원활하고 성공적으로 수행하는 데 도움이 됩니다.

이 글의 뒷부분에서는 이 클라우드 여정의 출발지인 Google 데이터베이스 평가 프로세스에 대해 중점적으로 살펴보겠습니다. 데이터베이스 평가에서는 업계 권장사항, 데이터베이스 전문가 및 데이터 수집 도구를 한데 모아 Oracle과 SQL Server에서 PostgreSQL로 마이그레이션하는 작업에 착수하기 위한 마이그레이션 전략을 제공합니다.

PostgreSQL로 마이그레이션: 데이터베이스 마이그레이션 평가부터 시작

데이터베이스 마이그레이션 평가(DMA)는 고객에게 제공되는 무료 서비스로, 데이터베이스 메타데이터를 수집하여 세부적인 맞춤형 고객 판독 값을 제공합니다. 수집되는 데이터에는 데이터베이스 객체 유형, PL/SQL 또는 T-SQL 코드, 사용 중인 데이터베이스 기능, 현재 리소스 사용량, 워크로드 특성을 비롯한 세부적인 메타데이터가 포함됩니다. 이 데이터는 Google의 *새로운* 퍼스트 파티 DMA 도구를 사용하여 수집됩니다.

메타데이터가 수집되고 나서 처리를 거치면 Google 데이터베이스 전문가팀이 다음을 포함한 세부적인 맞춤형 판독 값을 제공합니다.

현재 온프레미스 데이터베이스 워크로드 특성을 기반으로 한 Google Cloud 대상 상태 데이터베이스 추천이 제공됩니다.
마이그레이션 작업: Oracle/SQL Server 스키마 및 코드를 PostgreSQL과 같은 오픈소스 데이터베이스로 변환하는 데 필요한 작업의 정도를 시간 단위로 반영합니다.
클라우드를 위한 적정 크기 조정: 실제로 필요한 리소스에 대해서만 비용을 지불하도록 현재 온프레미스 리소스 사용량 정보를 사용하여 Google Cloud 데이터베이스의 크기를 적절히 조정합니다.
마이그레이션 계획 완성: 처음으로 마이그레이션할 데이터베이스를 식별하고 후속 데이터베이스를 위한 마이그레이션 웨이브를 만듭니다.

다음은 14개의 Oracle 데이터베이스를 관찰한 고객 판독 값의 일부입니다. 이 예시의 고객은 Oracle에서 PostgreSQL용 Cloud SQL 또는 PostgreSQL용 AlloyDB로 현대화하기를 원했습니다. 처음에 고객은 Oracle 데이터베이스를 현대화하는 작업이 매우 복잡하고 상당한 노력이 필요할 것이라고 생각했습니다. DMA로 마이그레이션 평가를 실행하고 난 후 Google Cloud 스키마/코드 변환 도구를 사용하면 고객 데이터베이스 환경의 89%를 자동으로 변환할 수 있음이 확인되었습니다. 이러한 판단은 아래 그래프에 기반한 것입니다. 그래프에는 각 데이터베이스가 나열되어 있고, Oracle/SQL Server와 PostgreSQL 간의 호환성이 표시되어 있습니다.

각 데이터베이스를 대상으로 데이터베이스 객체와 코드가 세 가지 버킷으로 분류되어 있습니다. 녹색 버킷은 Google Cloud 도구를 사용하여 자동으로 변환할 수 있는 데이터베이스 객체를 식별합니다. 노란색 버킷은 어느 정도 수동 작업이 필요한 데이터베이스 객체/코드를 식별합니다. 마지막으로, 빨간색 버킷은 Google Cloud 스키마/코드 변환 도구로 객체를 자동 변환할 수 없기 때문에 완전히 리팩터링해야 하는 데이터베이스 객체를 식별합니다. 요약하면, 차트에서 녹색이 많을수록 Google Cloud 변환 도구를 사용하여 자동으로 변환할 수 있는 객체가 많기 때문에 고객의 수고를 덜 수 있습니다.

이 고객의 경우 고객의 예상보다 더 좋은 결과가 나왔습니다. 원래 고객은 이러한 Oracle 데이터베이스에 PL/SQL 코드가 많아 자동 변환이 쉽지 않으리라는 인식을 전반적으로 가지고 있었습니다. 그러나 이 시각화 자료에서 고객의 Oracle 객체와 코드 대부분을 자동 변환할 수 있는 것으로 나타났습니다.

고객 데이터베이스 마이그레이션 복잡성 평가 보고서(샘플)

다음으로, Google은 고객에게 각 데이터베이스를 변환하는 데 필요한 작업량의 수준을 보여주었습니다. 아래 그래프에는 마이그레이션을 완료하는 데 필요한 작업량 수준(시간 단위로 표시)별로 모든 데이터베이스가 정렬되어 있습니다. 첫 번째 나열된 데이터베이스는 마이그레이션에 가장 적은 시간이 걸리는 반면 마지막 데이터베이스는 마이그레이션에 가장 많은 시간이 소요됩니다. 이 데이터는 가장 먼저 마이그레이션할 데이터베이스를 파악하고 마이그레이션 웨이브를 정의하는 데 유용합니다. 즉, 단계별로 마이그레이션할 데이터베이스 그룹을 정의할 수 있습니다.

데이터베이스 마이그레이션 작업 점수(샘플)

그렇다면 어떻게 시작해야 할까요? 가장 복잡한 데이터베이스가 아닌 가장 복잡성이 덜한 데이터베이스부터 시작하는 것이 좋습니다. 그러면 반복 가능한 프로세스로 마이그레이션 청사진을 구축하고, Google Cloud 스키마/코드 변환 및 데이터 이동 도구 활용에 익숙해질 수 있습니다. 이러한 학습과 반복 가능한 프로세스가 결합되어 더 복잡한 데이터베이스를 신속하게 마이그레이션할 수 있는 기반이 마련됩니다.

이러한 결과를 보고 고무된 고객은 Oracle 데이터베이스를 AlloyDB로 현대화하는 데 필요한 작업 수준 대비 투자수익(ROI)이 많다는 결론을 내렸습니다. 값비싼 라이선스/지원 구조에서 벗어나 비용 효율적인 완전 관리형 데이터베이스 서비스로 전환할 수 있기 때문입니다.

이 예시에는 Google이 고객에게 제공한 판독 값의 일부만 표시되어 있습니다. 하지만 고객의 전체 판독 값에는 더 유의미한 정보가 포함됩니다. 고객은 작업 시간 계산을 구성하는 개별 데이터베이스 객체에 이르기까지 여러 수준을 상세히 살펴볼 수 있습니다.

주요 특징

DMA 도구는 오픈소스이며 GitHub에서 제공됩니다. 현재 Oracle과 SQL Server 데이터베이스를 지원합니다.

Oracle의 경우 DMA는 고객 라이선스 정책에 따라 AWR과 AWR(statspack) 이외의 데이터베이스 평가를 모두 지원합니다.
MS SQL의 경우 DMA는 Perfmon 데이터를 활용하며 메타데이터만 수집합니다.

아래 표에는 DMA 도구로 수집되는 데이터의 유형이 나열되어 있습니다.

결론

현재 Oracle 또는 SQL Server 데이터베이스를 사용 중이고 이를 PostgreSQL과 같은 오픈소스 데이터베이스로 현대화하는 방안을 고려 중인 경우 Google GitHub 저장소에서 DMA 도구를 다운로드하면 됩니다. 또는 Google Cloud 영업 담당자에게 연락하여 평가일정을 조율하세요. Google Cloud 데이터베이스 전문가는 이러한 데이터베이스의 현대화에 관한 추천과 권장사항 및 지침을 제공함으로써 Oracle 또는 SQL Server 데이터베이스 현대화가 적절한 선택인지 여부를 평가하기 위한 데이터 기반 접근 방식을 안내합니다.