- Apache Spark용 NVIDIA cuDF 통합 확대, 3TB 이상 데이터 분석 50~100배 처리 향상
EDB가 엔비디아 GPU 가속 기술을 포스트그레스(Postgres) AI 플랫폼에 결합하며 에이전틱 AI 환경에서 요구되는 대규모 데이터 분석 처리 속도를 최대 100배 높였다. 아파치 스파크(Apache Spark)용 엔비디아 cuDF(NVIDIA cuDF) 통합을 확대해 CPU 기반 분석 병목을 GPU 병렬 연산 구조로 전환하고, 테라바이트(TB)급 데이터 처리 시간을 단축했다.
GPU 기반 Spark 분석 처리 구조
EDB는 아파치 스파크(Apache Spark)용 엔비디아 cuDF(NVIDIA cuDF)를 포스트그레스(Postgres) 분석 엔진에 연결해 대규모 데이터 처리 경로를 GPU 메모리 기반 컬럼 연산 구조로 이동시켰다. CPU 중심 직렬 처리 과정에서 발생하던 지연 구간을 병렬 연산 방식으로 전환하면서 3TB 이상 데이터 분석 속도를 기존 대비 50~100배 수준으로 높였다. 복잡한 데이터 변환 과정 없이 기존 아파치 스파크(Apache Spark) 워크로드를 유지하면서 성능 개선 효과를 확보했다.
GPU 가속 환경은 인터랙티브 애널리틱스(Interactive Analytics)에도 적용된다. 여러 분석 작업을 동시에 실행해도 작업 간 리소스 충돌을 줄이고 처리 시간을 예측 가능한 범위에서 유지하도록 지원한다.
레이크하우스 기반 데이터 통합 구조
EDB 포스트그레스(Postgres) AI는 아파치 아이스버그(Apache Iceberg) 기반 레이크하우스 구조를 결합해 트랜잭션 데이터와 분석 데이터를 단일 데이터 계층에서 통합 관리한다. 데이터 이동과 중복 적재 과정을 줄이고 접근 권한과 보안 정책을 하나의 거버넌스 체계로 적용한다. 포스트그레스 데이터와 데이터 레이크 간 복제 단계를 단순화해 분석 준비 시간을 단축했다.
데이터 웨어하우스와 레이크 환경을 분리 운영할 때 발생하는 관리 복잡도를 줄이고, 분석 워크로드가 확장되는 환경에서도 동일한 데이터 거버넌스 정책을 일관된 기준으로 유지한다.
에이전틱 AI 워크로드 대응
AI 에이전트가 실제 업무에 적용되기 위해서는 실시간 거래 데이터, 과거 기록 데이터, 통계 분석 데이터를 동시에 처리할 수 있어야 한다. EDB PG AI는 분산 데이터를 단일 분석 경로로 연결해 에이전트가 실시간 분석과 의사결정을 수행하도록 처리 흐름을 통합했다.
GPU 기반 분석 구조는 멀티 에이전트(Multi-Agent) 환경에서도 안정적인 처리 성능을 유지한다. 여러 AI 에이전트가 동시에 작업을 수행하더라도 처리 속도 저하 없이 병렬 분석을 수행할 수 있다. EDB 조사에 따르면 AI 에이전트를 실제 업무에 적용한 상위 13% 기업은 평균 대비 5배 높은 ROI를 기록했으며 운영 중인 AI 애플리케이션 수도 2배 많은 것으로 나타났다.
소버린 데이터 통제 구조
EDB PG AI는 온프레미스 환경에서 AI 모델 실행을 지원한다. 엔비디아 NIM(NVIDIA NIM) 기반 모델 서빙 구조를 통해 외부 클라우드 의존 없이 기업 내부 환경에서 LLM을 운영할 수 있다. 인터넷과 분리된 폐쇄망 환경에서도 AI 컨테이너와 모델 운영이 가능해 금융, 공공, 국방 환경에서도 적용 가능하다.
엔비디아 네모 리트리버(NVIDIA NeMo Retriever) 기반 RAG 검색 구조도 함께 제공된다. 기업 내부 문서와 데이터를 실시간으로 검색해 AI 응답에 반영하며 최신 데이터를 기반으로 의사결정을 수행하도록 지원한다.
EDB 퀘이스 타라키 CTO는 GPU 가속 처리 성능뿐 아니라 예측 가능한 처리 구조와 통제 가능한 데이터 운영 환경이 실제 기업 환경에서 중요하다고 밝혔다.
#EDB #PostgresAI #엔비디아 #GPU가속 #ApacheSpark #NVIDIAcuDF #ApacheIceberg #AgenticAI #RAG #NeMoRetriever #NIM #데이터주권
