MPP 저장소를 사용하면 몇 달 간의 행동을 몇 초 만에 쿼리할 수 있습니다.
MPP(대규모 병렬 처리) 데이터베이스는 원시 저장소의 분석 부분을 담당합니다. 이 저장소는 트랜잭션 SQL 데이터베이스와 동일한 원시 레코드를 저장하지만, 컬럼 지향 방식으로 구성되어 여러 노드에 분산되어 있으므로 대규모 스캔(코호트, 퍼널, 평생 집계)이 운영 데이터베이스에 부담을 주지 않고 병렬로 실행됩니다. 변경 데이터 캡처를 통해 SQL 저장소와 동기화 상태를 유지하므로 분석 결과가 운영 결과와 동일하게 반영됩니다.
SQL 저장소가 보유한 동일한 원시 레코드에 대한 대규모 분석 쿼리에 응답하는 열 지향 대규모 병렬 저장소입니다.
그 가치는 단지 기술적인 것이 아니라 운영적인 것입니다.
AI가 대규모 추론(세그먼트의 모든 이벤트, 몇 달에 걸쳐 계산된 지표 등)을 수행할 때 트랜잭션 데이터베이스 대신 MPP 스토어를 사용합니다. 복잡한 분석 작업은 병렬로 실행되며 운영 읽기와 충돌하지 않으므로 두 작업 모두 빠르고 일관성 있게 유지됩니다.
노드 간 병렬로 대규모 분석 스캔을 실행하여 코호트 및 퍼널 쿼리 결과를 빠르게 반환합니다.
과도한 분석 작업을 트랜잭션 SQL 저장소에서 분리하여 운영 지연 시간을 줄입니다.
SQL과 동일한 원시 레코드를 보유하고 CDC에서 정렬 상태를 유지하므로 분석 데이터가 운영 데이터와 항상 일치합니다.
이 서비스는 특정 유형의 쿼리에 맞춰 구축된 저장소에서 메트릭 레이어의 대규모 집계 데이터를 제공합니다.
이 계층의 역할
분석 작업에 필요한 스캔 작업을 위해 원시 데이터를 컬럼 형식으로 저장합니다.
대규모 병렬 처리를 위해 여러 노드에 데이터와 쿼리 실행을 분산합니다.
일괄 복사 방식이 아닌 변경 데이터 캡처를 통해 SQL 저장소와 동기화됩니다.
운영 데이터베이스에 접근하지 않고 추상화 계층의 지표 및 코호트 쿼리를 제공합니다.
그것이 유용하게 만들어주는 것
이것이 레이어가 AI 결정을 향상시키는 방법입니다.
전용 분석 저장소가 없으면 트랜잭션 데이터베이스에 대해 대규모 쿼리가 실행되어 운영 읽기 속도가 느려지고, 대규모 스캔 시간이 초과되거나, 운영 진실보다 몇 시간씩 뒤쳐지는 별도의 웨어하우스가 강제로 실행됩니다.
1년 이상의 이벤트를 대상으로 하는 코호트 스캔은 운영 조회 속도를 저하시키지 않고 MPP 저장소에서 실행될 수 있습니다.
대규모 집계를 위해 구축된 스토어에서 전체 회원 기반의 평생 가치(LTV) 지표가 계산됩니다.
SQL 저장소의 확정된 변경 사항은 야간 로드가 아닌 CDC를 통해 MPP 저장소에 반영됩니다.