지난 6월, Snowflake는 차세대 Snowflake Hybrid Table의 성능을 프리뷰로 선보였습니다. 오늘 이러한 개선 사항이 정식 출시되어 기본적으로 활성화됩니다.
Hybrid Table은 이제 최대 8배 높은 처리량, 3배 낮은 p50 지연 시간, 2배 낮은 p99 지연 시간을 제공합니다.¹ 이미 Hybrid Table을 사용 중인 수천 곳의 고객사는 기존 워크로드의 속도와 비용 효율성이 자동으로 개선되고, 동일한 컴퓨팅 리소스로 더 많은 작업량을 처리할 수 있습니다.
별도 데이터베이스 없이 트랜잭션 데이터 처리
파이프라인, AI 에이전트, 내부 앱은 모두 빠른 트랜잭션 읽기 및 쓰기에 의존합니다. 작업 상태를 추적하거나 에이전트 컨텍스트를 저장하고, Streamlit 또는 Snowflake App Runtime으로 구축한 엔터프라이즈 앱에서 사용자의 활동을 기록할 때도 마찬가지입니다. 이를 위해 별도의 운영 데이터베이스를 구축하고, 이를 분석 환경과 동기화할 파이프라인을 만들고, 거버넌스 제어 체계도 따로 마련해야 하는 경우가 너무 많았습니다.
Hybrid Table은 이러한 구성 대신 Snowflake 데이터베이스 안에서 ACID를 준수하는 빠른 읽기 및 쓰기를 지원합니다. 트랜잭션 데이터와 분석 데이터가 동일한 거버넌스 프레임워크 아래 함께 저장되므로 단일 쿼리에서 조인할 수 있습니다. 이번 릴리스로 기존 앱과 워크플로우의 아키텍처를 변경하지 않고도 가격 대비 성능이 개선됩니다.
이번에 정식 출시된 Hybrid Table 개선 사항
최대 8배 향상된 처리량
반복적인 포인트 작업에 대한 단일 문 쿼리 실행이 이제 최대 8배 높은 처리량을 제공합니다.¹ 일부 워크로드의 경우 기존에 XS 웨어하우스 8개가 필요했던 작업을 1개로 처리할 수 있어 컴퓨팅 비용을 80% 이상 절감할 수 있습니다.2

중앙값과 상위 백분위 지연 시간 감소
새로운 Hybrid Table 엔진을 사용한 벤치마크 결과, p50 지연 시간은 3배, p99 지연 시간은 2배 감소했습니다.3 중앙값이 낮아지면 모든 요청에 대한 응답이 더 빨라집니다. 상위 백분위 지연 시간이 줄어들면 부하가 가장 높은 시점에 느린 요청이 감소합니다. 이는 사용자와 다운스트림 시스템이 가장 크게 체감하는 부분입니다.
더 빠르고 비용 효율적인 대량 로드
대량 삽입이 스토리지 엔진 수준에서 최적화되었습니다. 벤치마크 결과, 기존 데이터가 있는 테이블에서도 최대 10배 빠른 배치 쓰기를 10분의 1의 비용으로 처리했습니다.3 이전에는 신중한 오케스트레이션이 필요했던 백필과 대규모 동기화도 이제 간단한 INSERT로 처리할 수 있습니다.
간소화된 요금 체계
Hybrid Table은 Snowflake 고객에게 익숙한 컴퓨팅 및 스토리지 모델을 그대로 따릅니다. 다만 과금 기준 하나를 없애 청구 항목을 줄였습니다. 이제 고객은 평균 15%, 처리량이 높은 워크로드에서는 40% 이상 비용을 절감하고 있습니다.4
| Hybrid Table의 진화 | 결과 |
|---|---|
| 더 높은 처리량 | 최대 8배 높은 처리량 자동 적용 |
| 더 빠른 배치 성능 | 워크플로우 변경 없이 최대 10배 빠른 대량 로드와 10분의 1로 줄어든 비용 |
| 비용 절감 | 40% 이상의 비용 절감 |
Hybrid Table 고객 사용 사례
내부 앱 구축, 파이프라인 실행, AI 에이전트 오케스트레이션 등 어떤 작업이든 Hybrid Table 워크로드는 일반적으로 아래의 세 가지 패턴을 따릅니다. 많은 앱이 이 중 둘 이상을 결합합니다.
워크플로우 상태
파이프라인, 앱, 에이전트에는 모두 작업 상태, 체크포인트, 세션, 중간 결과 등 상태를 추적할 공간이 필요합니다. 팀은 종종 이 목적만을 위해 외부 데이터베이스를 운영해 왔습니다. Hybrid Table은 워크플로우 상태의 트랜잭션 일관성을 유지하면서, 이 상태 데이터를 워크플로우가 생성하는 분석 데이터와 같은 Snowflake 데이터베이스에 보관하므로 두 데이터를 함께 쿼리할 수 있습니다.
예를 들어 MarketWise는 데이터 엔지니어링 파이프라인의 워크플로우 상태를 실시간으로 추적하기 위해 MySQL과 DynamoDB를 대체하여 인프라 비용을 35% 절감하고 불필요한 데이터 이동을 없앴습니다. Elementum은 Hybrid Table에서 기본 키와 외래 키 제약 조건을 적용하면서 여러 단계로 이루어진 프로세스의 AI 에이전트, 비즈니스 규칙, 사람의 작업 단계를 오케스트레이션합니다.
프리뷰 기간에 고객의 워크플로우 상태 워크로드는 p50에서 최대 5배, p99에서 최대 2.8배 빠르게 실행되었습니다. 한 고객은 작업을 55% 더 많이 실행하면서도 p90 지연 시간을 21밀리초에서 5밀리초로 줄였습니다.⁵
애플리케이션 데이터 서빙
앱이나 에이전트가 반품 승인 여부, 추천할 제품, 기계의 상태와 같은 질문에 즉시 답해야 할 때 Hybrid Table은 Snowflake를 서빙 계층으로 활용할 수 있게 합니다. 이번 릴리스에서 가장 큰 개선 효과를 얻는 것은 데이터 서빙 워크로드입니다. 프리뷰 기간에 데이터 서빙 워크로드의 p50 지연 시간은 최대 6.7배, p99 지연 시간은 최대 6.3배 감소했습니다.⁵ 이제 팀은 훨씬 적은 컴퓨팅 리소스로 훨씬 더 많은 동시 조회를 처리할 수 있습니다.
예를 들어 Grailed는 별도의 서빙 데이터베이스 없이 Hybrid Table에 미리 계산해 둔 ML 결과를 활용해 수백만 명의 사용자에게 개인화된 스타일 추천을 1초 이내에 제공합니다.
동일한 패턴은 제조, 물류, 공급망처럼 까다로운 운영 환경에도 적합합니다. 운영 담당자는 작업, 기계, 배송의 현재 상태를 밀리초 단위로 조회해야 하며, 기획 담당자는 동일한 데이터에 대한 분석을 실행합니다. Hybrid Table은 조회를 처리하고 표준 테이블은 대규모 조인을 처리합니다. 두 작업 모두 테이블별 튜닝 없이 단일 플랫폼에서 수행됩니다. 응답이 느린 상위 백분위 요청이 생산 라인이나 일정을 멈출 수 있는 이 환경에서는 p99 개선이 특히 중요합니다.
높은 동시성에서도 안정적인 쓰기
일부 워크로드는 데이터를 지속적으로 기록합니다. 앱과 서비스는 모든 사용자 행동, API 호출, 모델 호출, 트랜잭션을 안정적으로 저장해야 하는 레코드로 수집합니다. 표준 테이블은 분석용으로 설계되어 대량의 동시 쓰기가 발생하면 잠금 경합이 일어날 수 있습니다. Hybrid Table은 바로 이러한 패턴에 맞게 설계된 행 수준 잠금을 사용합니다.
프리뷰 기간에 이벤트 로그 및 레코드 수집 워크로드는 p50에서 최대 3.4배, p99에서 최대 3.7배 빠르게 실행되었습니다. 한 고객의 운영 로그 워크로드는 3배가 넘는 작업량을 처리하면서 p90 삽입 지연 시간이 66% 감소했습니다.⁵
엔터프라이즈 AI 플랫폼 Writer는 모델 옵저버빌리티와 QA를 지원하기 위해 매일 약 130만 건의 LLM 트레이스 레코드를 Snowflake에 기록합니다. 표준 테이블에서는 p50 삽입 지연 시간이 급증했고 쓰기의 최대 45%가 실패했습니다. Writer는 사실상 테이블만 바꾸는 작업으로 대상 테이블을 Hybrid Table로 전환했고, 그 결과 p50 삽입 지연 시간이 약 15배 감소했습니다. 실패 건수는 거의 0으로 줄었습니다. Hybrid Table은 쓰기를 처리하고, 타임스탬프 기준으로 클러스터링된 표준 테이블은 분석을 지원합니다. 이 모든 작업이 동일한 데이터베이스에서 이루어집니다.

최신 데이터로 사기를 방지하는 Appriss Retail
Appriss Retail은 반품 및 클레임 관련 사기를 방지하도록 지원하며, 미국 상위 100개 리테일 기업 중 60곳 이상에서 99.99%의 정확도를 보이고 있습니다. 모든 반품과 클레임에 실시간으로 점수를 매깁니다. 각 고객의 구매, 반품, 클레임을 하나의 프로필로 연결합니다. 반품 시점에 이 이력에서 리스크 신호를 계산해 승인, 경고 또는 거부를 결정합니다.
Hybrid Table을 도입하기 전에는 맞춤형 ETL 파이프라인이 데이터를 공급하는 별도의 SQL Server 데이터베이스를 기반으로 점수를 산정했습니다. 엔지니어링 팀은 탐지 기능을 개선하는 대신 파이프라인 유지 관리에 시간을 쏟았습니다. 시스템 간 데이터 이동으로 인해 사기 판정에는 지연된 데이터가 사용되었습니다. 또한 데이터를 로드하면 실시간 반품과 클레임을 처리하는 동일한 데이터베이스의 속도가 느려졌습니다.
이제 리테일 기업의 반품 및 클레임 앱은 Hybrid Table을 직접 조회하고, 데이터 사이언스 팀은 동일한 플랫폼에서 표준 테이블을 쿼리합니다. 조회는 빠르게 완료되고 분석은 테라바이트 규모의 데이터를 스캔합니다. 이 모든 작업이 Snowflake에서 이루어집니다. 맞춤형 파이프라인이 사라졌고 데이터가 생성되는 즉시 이를 바탕으로 판정을 내립니다.

“현재 저희의 최대 리테일 고객사가 처리하는 모든 반품과 청구 건은 Hybrid Tables를 기반으로 검증됩니다. 하루 100만 건이 넘는 조회를 데이터를 Snowflake 밖으로 내보내지 않고 처리하고 있습니다.”
Kenny Vu
VP of Engineering, Appriss Retail
Hybrid Table 시작하기
이미 Hybrid Table을 사용하고 있다면 별도의 작업이 필요 없습니다. 개선 사항은 기본적으로 활성화됩니다.
Hybrid Table을 처음 사용하시나요? 문 하나로 Hybrid Table을 생성할 수 있고, 생성 즉시 기존 테이블과 조인할 수 있습니다.
파이프라인 작업 상태를 추적할 Hybrid Table 생성
CREATE HYBRID TABLE job_state (
job_id INT PRIMARY KEY,
status VARCHAR,
updated_at TIMESTAMP_NTZ,
INDEX idx_status (status)
);
빠른 포인트 쓰기 및 조회
INSERT INTO job_state VALUES (1001, 'RUNNING', CURRENT_TIMESTAMP());
SELECT status FROM job_state WHERE job_id = 1001;
단일 쿼리에서 트랜잭션 상태와 분석 데이터 조인
SELECT j.job_id, j.status, r.rows_processed
FROM job_state j
JOIN job_run_metrics r ON j.job_id = r.job_id
WHERE j.status = 'FAILED';
이후 Quickstart 가이드에서 전체 예제를 따라 해 보고, 설명서에서 Hybrid Table 모범 사례를 살펴보세요.
¹ Gen2 XS 웨어하우스에서 100% 읽기 워크로드로 Yahoo Cloud Serving Benchmark를 실행한 벤치마크를 바탕으로 한 데이터입니다.
2 XS 웨어하우스 1개에서 처리량이 8배 향상된 결과를, 동일한 부하를 처리하는 데 XS 웨어하우스 8개가 필요했던 경우와 비교해 산출했습니다.
3 2XL 웨어하우스를 사용해 Hybrid Table에 50 GB를 로드한 내부 벤치마크를 바탕으로 한 데이터입니다.
4 2026년 2월 실제 프로덕션 크레딧 사용량을 측정해 Snowflake가 추정한 고객 전반의 평균 비용 절감을 바탕으로 한 데이터입니다.
⁵ 퍼블릭 프리뷰 기간에 새로운 Hybrid Table 엔진을 활성화하기 전후의 고객 프로덕션 워크로드에 대한 p50, p90, p99 쿼리 지연 시간을 Snowflake가 관찰한 데이터를 바탕으로 합니다.


