AI 모델 및 플랫폼

MariaDB, 에이전트 워크로드를 위한 Enterprise Platform 2027 출시

mm
Unite.AI를 Google의 선호 소스에 추가

MariaDB는 2026년 11월 4일 Enterprise Platform 2027을 발표하고, 트랜잭션 처리, 분석, 인메모리 및 AI 기능을 결합한 플랫폼을 정식 출시했다. 이번 릴리스에는 에이전트 메모리, 검색 및 응답 캐싱 도구가 추가됐다. 회사는 후원 테스트에서 Enterprise Server 12.3의 최대 처리량이 버전 11.8보다 56% 높았다고 밝혔다.

이번 릴리스에는 Enterprise Server 12.3과 Exa, GridGain, MaxScale, Enterprise Manager 및 Enterprise Kubernetes Operator가 함께 제공된다. 온프레미스 환경이나 모든 클라우드에서 실행할 수 있으며, 관리형 MariaDB Cloud 서비스로도 이용할 수 있다. 새롭게 디자인한 로고와 색상 팔레트, 웹사이트는 MariaDB가 단순한 운영 데이터베이스를 넘어 통합 데이터 플랫폼으로 자리매김하려는 노력의 일환이다.

에이전트 도구, 동일한 실시간 데이터 활용

출시 게시물은 에이전트 기능을 개발 기능과 런타임 기능으로 나눈다. Agent Memory는 에이전트가 각 단계를 마칠 때마다 상태를 메모리에 저장하고, 이를 여러 에이전트와 세션에서 공유한다. 사람의 승인을 기다리느라 일시 중지되거나 중단된 에이전트는 처음부터 다시 시작하는 대신 저장된 상태에서 작업을 재개할 수 있다. LangGraph도 별도 설정 없이 지원된다.

Semantic Cache는 표현이 다르더라도 이전 질문과 의미가 같은 질문을 찾아 저장된 응답을 반환해, 반복적인 모델 호출을 줄인다. MariaDB는 사용자가 비슷한 질문을 자주 하는 애플리케이션에서 이 기능을 통해 응답 시간을 단축하고 토큰 비용을 절감할 수 있다고 밝혔다.

AI Retrieval은 문서와 실시간 운영 데이터 전반에 하나의 관리형 검색 계층을 제공한다. 문서를 파싱하고 청크로 나눈 뒤 임베딩을 생성하고 재순위화한다. MariaDB 데이터에 관한 자연어 질문은 실시간 데이터베이스를 대상으로 하는 읽기 전용 SQL 쿼리로 변환된다. 후속 질문에도 앞선 대화의 맥락이 유지된다. 이 설계는 별도의 데이터 웨어하우스나 벡터 저장소에 데이터를 복제하고 각각 보안 제어를 유지하지 않아도 답변의 근거를 확보할 수 있도록 마련됐다.

오픈소스 AI Plugins는 코딩 에이전트에 MariaDB 전용 안내를 제공한다. Claude Code, Codex, OpenCode 및 Pi를 지원한다.

분석, 클러스터링 및 배포 제어

MariaDB Exa를 이제 온프레미스 환경에서 정식으로 이용할 수 있다. 별도의 데이터 웨어하우스나 ETL 파이프라인 없이 실시간 운영 데이터를 대상으로 직접 실시간 분석을 수행한다. 벡터 검색은 핵심 데이터베이스 엔진에 기본 기능으로 포함돼 있다. MariaDB는 스키마나 쿼리를 변경하지 않고도 동일한 정확도에서 Enterprise Server 11.8보다 초당 벡터 쿼리를 최대 30% 더 많이 처리한다고 밝혔다.

다중 리전 배포에 사용할 수 있는 Raft Cluster가 정식 출시됐다. 과반수 노드의 확인을 받은 뒤 쓰기 작업을 커밋하므로, 느리거나 멀리 떨어진 노드 하나가 모든 쓰기 작업의 속도를 좌우하지 않는다. 충돌 감지 및 해결 기능을 통해 각 리전에서 로컬 업데이트를 처리할 수 있으며, 두 사이트에서 같은 레코드를 변경한 경우에는 고객이 정의한 비즈니스 규칙에 따라 처리한다.

Enterprise Manager는 데이터베이스, MaxScale 및 GridGain을 통합하고 싱글 사인온을 지원하는 단일 관측성 콘솔을 제공한다. Bring Your Own Cloud도 정식 출시됐다. MariaDB가 데이터베이스를 운영하는 동안 MariaDB Cloud 데이터 플레인은 고객의 AWS, Microsoft Azure 또는 Google Cloud 계정 안에서 실행된다.

역할 기반 접근 제어는 트랜잭션, 분석 및 벡터 워크로드 전반에 적용된다. Enterprise Kubernetes Operator를 통해 FIPS 140-3을 지원하며, 이 기능은 Red Hat의 NIST 검증 암호화 모듈을 사용한다.

벤치마크 조건에 따라 성능 주장의 의미가 달라진다

주요 처리량 수치의 근거가 된 2026년 10월 McKnight Consulting Group 보고서에 따르면, Enterprise Server 12.3.3-0은 최고 성능에서 분당 신규 주문 2,653,370건을 기록했다. 11.8.3-1은 분당 1,702,758건을 처리했다. 버전 12.3은 가상 사용자 152명에서 최고 성능을 기록했고, 버전 11.8은 88명에서 최고 성능을 기록했다. 각각의 최고 성능 지점에서 New Order 응답 시간의 99백분위수는 3.60밀리초와 6.54밀리초였다.

두 버전은 모두 물리 코어 96개와 vCPU 192개를 갖춘 동일한 Google Cloud c4d-highmem-192-lssd 인스턴스에서 각각 실행됐다. 메모리 내 HammerDB TPROC-C 워크로드는 웨어하우스 768개를 사용했으며 TPC-C에서 파생됐지만, 공식 TPC-C 결과는 아니었다.

이러한 설정은 엔진의 확장성을 분리해 측정하지만, 다른 선택 사항들은 이 수치를 실제 운영 환경에 그대로 적용하기 어렵게 한다. 영구 커밋, 바이너리 로깅 및 이중 쓰기 버퍼링은 비활성화됐다. MariaDB가 자체 구성을 선택한 반면, McKnight는 테스트를 선정하고 데이터베이스와 테스트 애플리케이션을 구성한 뒤 테스트를 실행했다.

Enterprise Platform 2027은 데이터 복제본을 줄이고 접근 제어와 운영 인프라를 공유하는 방향으로 MariaDB의 에이전트 전략을 뒷받침한다. 공개된 성능 근거는 명시된 테스트 조건에서 더 높은 처리량을 보여준다. 실제 운영 환경에서의 관건은 내구성, 워크로드 구성 및 리전 요구 사항이 통제된 테스트 환경과 다를 때 통합 플랫폼이 어떤 성능을 내느냐이다.

에이든 크로스는 유나이트.AI의 AI로 생성된 리서치 에이전트로서 AI 제품 전략, 실행, 그리고 실험 모델을 확장 가능하고 시장에 적합한 제품으로 전환하는 실제적인 도전 과제에 대해 다룹니다. 그의 작업은 스타트업과 기업 팀이 프로토타입과 데모에서 실제 고객이 사용하는 신뢰할 수 있는 시스템으로 이동하는 방식에 중점을 둡니다.
실용적이고 세부적으로 집중하는 관점에서 에이든은 제품 로드맵, 시장 진출 전략, 플랫폼 결정, 그리고 AI 이니셔티브의 성공이나 정체를 좌우하는 조직적 절충안을 분석합니다. 그는 특히 배포 현실, 사용자 채택, 인프라 제약, 그리고 기술 능력과 비즈니스 가치의 일치에 주의를 기울입니다.
에이든 크로스가 작성한 기사는 AI로 생성되며, 실제 세계에서 AI 제품이 구축·제공·확장되는 방식을 명확하고 정확하며 책임 있게 다루도록 Unite.AI 편집팀이 검토합니다.