ML 팀이 가장 큰 어려움을 겪는 지점은 거의 어김없이 서빙 계층입니다. 피처 엔지니어링 단계는 비교적 단순합니다. 웨어하우스에서 SQL을 작성하면 됩니다. 필요한 데이터가 모두 있고, 실제로 잘 작동합니다. 하지만 예측 시점에는 해당 피처를 낮은 지연 시간과 고처리량으로 제공해야 합니다. 그 순간부터 동기화 작업을 둔 두 번째 시스템을 중간에 이어 붙여야 하는 상황이 생깁니다.
Snowflake ML 팀이 Snowflake Online Feature Store를 구축할 때 원했던 구조는 명확했습니다. Snowflake에서 컴퓨팅하고, Postgres에서 서빙하며, 중간 계층은 두지 않는 것입니다.
Snowflake ML 팀이 Snowflake Postgres를 선택한 이유는 다음과 같습니다.
Day-1부터 프로덕션 준비 완료: SLA, 보안, 확장성 기본 제공
Snowflake Postgres는 Crunchy Data가 축적해 온 수년간의 Postgres 전문성을 기반으로 구축되었습니다. 견고한 프로덕션 기반은 가동 시간 약속, 보안 제어, 대규모로 지속적인 운영이 필요한 앱과 AI 등 가장 까다로운 엔터프라이즈 워크로드를 처리하도록 설계되었습니다.
바로 이 지점에서 Snowflake Postgres의 강점이 드러납니다. 현재 제공되는 기능은 다음과 같습니다.
Day 1부터 프로덕션 준비 완료: 99.95% 가동 시간 서비스 수준 계약(SLA), 관리형 연결 풀링, 중단을 최소화하는 인플레이스 주요 Postgres 버전 업그레이드를 통해 안정적으로 운영할 수 있습니다.
연결된 데이터: Snowflake Postgres의 변경 사항을 몇 초 만에 분석 환경으로 복제합니다. 이는 Snowflake가 읽는 동일한 오브젝트 스토리지 계층에 직접 쓰는 오픈소스 확장 프로그램인 pg_lake로 구동되며, 중간 매개체나 숨겨진 프로세스가 필요하지 않습니다.
간소화된 개발자 경험: 100% Postgres 호환성, Postgres 18, 64TB 스토리지 한도, 네이티브 논리 복제를 기반으로 코드 변경 없이 앱을 리프트 앤드 시프트할 수 있습니다.
보안 및 규정 준수 기능: PrivateLink, 고객 관리형 키와 같은 고급 제어 기능을 활용하고, 트랜잭션 데이터와 분석 데이터 전반에 하나의 보안 경계를 적용할 수 있습니다.
프로덕션 벤치마크 기준, 지연 시간 2.5배 단축 및 처리량 7배 향상
Snowflake의 ML 팀이 Online Feature Store(퍼블릭 프리뷰)를 구축하기 위해 Snowflake Postgres에 주목한 이유도 여기에 있습니다. 이 서비스는 예측 시점에 위험 점수, 활동 패턴, 행동 피처와 같은 최신의 지연 시간 민감형 ML 신호를 모델에 제공합니다. 이러한 워크로드는 초당 수천 건의 예측을 처리해야 하며, 각 예측에 필요한 피처는 밀리초 단위로 반환되어야 합니다.
Snowflake Postgres를 사용하면 ML 팀은 핵심 Snowflake 엔진에서 복잡한 피처 엔지니어링을 실행하고, 데이터를 온라인 저장소로 원활하게 동기화할 수 있습니다. 초기 테스트에서 별도 튜닝 없이도 필요한 낮은 지연 시간을 입증했으며, Snowflake 최대 고객들이 요구하는 높은 확장성 요건도 손쉽게 충족했습니다. 또한 Snowflake Postgres를 선택함으로써 팀은 pg_vector와 같은 확장 프로그램을 포함한 더 폭넓은 Postgres 생태계를 활용해 향후 피처 제공 속도를 높일 수 있습니다.
Databricks Lakebase를 기반으로 하는 Databricks 온라인 Feature Store와의 프로덕션 벤치마크에서 Snowflake Postgres는 다음과 같은 성능을 입증했습니다.
지연 시간 2.5배 단축, 동일한 처리량 기준
초당 쿼리 수(QPS) 7배 증가, 유사한 인스턴스 기준
1,500 QPS 지속 시 10ms P50
Snowflake Postgres 활용 사례
Snowflake Online Feature Store는 하나의 활용 사례일 뿐입니다. 전 세계 기업들은 Snowflake Postgres를 활용해 데이터를 다루는 방식을 혁신하고 있습니다. 대표적인 사용 사례를 몇 가지 살펴보겠습니다.
운영 스토어
기업들은 Snowflake Postgres를 통해 분산된 데이터베이스 자산을 통합하고, 레거시 시스템을 정리하며, 멀티벤더 배포를 간소화하고 있습니다. 이 모든 과정에서 코드를 다시 작성할 필요가 없습니다.
Ericsson은 전 세계 모든 고객 네트워크에서 소프트웨어 버전, 하드웨어, 라이선스 등 데이터를 수집해 AI부터 고객 지원까지 1,000개 이상의 사용 사례를 지원합니다. 특히, 4개의 레거시 데이터베이스를 Snowflake Postgres로 통합하고, 동기화 파이프라인을 제거했으며, 데이터 처리 시간을 99% 단축했습니다.
SimCorp는 40년 이상 축적된 투자 데이터를 관리하며, 복잡한 워크플로우 상태와 세분화된 잠금이 필요한 환경에서 분당 수천 건의 동시 트랜잭션 업데이트를 처리합니다. 마이그레이션 후 SimCorp는 이전 Postgres 솔루션 대비 디스크 작업 속도가 10배 향상되는 효과를 확인했습니다.
더 빠른 분석
최신 운영 데이터는 ETL이라는 숨은 비용 없이 곧바로 분석에 활용될 수 있어야 합니다. Snowflake Postgres는 이를 가능하게 합니다.
Sigma Computing은 유지 관리해야 할 외부 시스템이나 파이프라인 인프라 없이, Snowflake 내부에서 직접 쿼리되는 최신 트랜잭션 데이터에 대한 실시간 분석을 고객에게 제공합니다.
최신 AI 및 앱 개발
지능형 앱과 에이전트에는 최신 운영 컨텍스트에 대한 즉각적인 액세스가 필요합니다. Snowflake Postgres는 단일 플랫폼에서 고처리량 트랜잭션과 대규모 분석을 동시에 지원하도록 설계되었습니다.
BlueCloud는 단일 플랫폼에서 분석 및 AI와 함께 낮은 지연 시간의 트랜잭션 워크로드를 구동해 인프라 오버헤드를 줄이고 고객사가 더 빠르게 움직일 수 있도록 지원합니다.
Superblocks는 개발자가 Snowflake의 코딩 에이전트인 Snowflake CoCo를 사용해 풀스택 엔터프라이즈 앱을 구축할 수 있도록 지원합니다. Superblocks가 Snowflake Postgres에 직접 연결되므로 개발자는 파이프라인 없이도 라이브 데이터에 익숙한 SQL 도구를 그대로 사용할 수 있습니다.
Lakebase보다 더 빠르고 안정적인 Snowflake Postgres
관리형 Postgres 제품을 대규모로 평가하면 차이는 더욱 뚜렷해집니다. Snowflake Postgres는 Databricks Lakebase보다 약 4배 빠른 벤치마크 성능으로 차별화됩니다.1 또한 공개된 99.95% 가동 시간 SLA를 제공하는 반면, Lakebase는 공개 SLA 약정이 없습니다. Snowflake Postgres는 최대 64TB의 스토리지를 지원해 Lakebase의 제약 요인인 16TB 한도를 크게 뛰어넘습니다.
운영 측면에서도 Snowflake Postgres는 중단을 최소화하는 인플레이스 주요 Postgres 버전 업그레이드를 통해 관리를 단순화하고, 부담스러운 다운타임을 피할 수 있게 합니다. 또한 표준 논리적 복제를 지원해 데이터 이동, 마이그레이션 및 통합 시나리오에서 조직에 더 큰 유연성을 제공합니다. 반면 Lakebase는 논리적 복제를 지원하지 않습니다.
이러한 기능을 종합하면 Snowflake Postgres는 선도적인 Postgres 성능, 확장성 및 회복탄력성을 원하는 엔터프라이즈에 강력한 선택지가 됩니다.
시작하기
Snowflake Postgres는 현재 프로덕션 준비 상태로 오늘부터 GA로 제공됩니다. Snowflake Online Feature Store는 퍼블릭 프리뷰로 제공됩니다. 시작하려면 다음 리소스를 확인하세요.
미래 전망 진술: 이 페이지에는 당사의 향후 제품 제공에 대한 미래 전망 진술이 포함되어 있으며, 이는 제품 제공에 대한 보장이 아닙니다. 실제 결과 및 제공 내용은 다를 수 있으며, 알려지거나 알려지지 않은 위험 및 불확실성의 영향을 받을 수 있습니다. 보다 자세한 내용은 최신 10-Q를 참조하세요.
2026년 4월 내부 벤치마크를 기준으로 한 성능 비교입니다. 실제 결과는 워크로드, 구성 및 리전에 따라 달라질 수 있습니다.
1 PostgreSQL 분당 트랜잭션 수를 기준으로 Snowflake Postgres HIGHMEM_4XL(96 WH)과 Databricks Lakebase 64 CU(96 WH)를 비교한 결과입니다.
