파트너

Starburst (Trino)

Trino 기반 엔터프라이즈 레이크하우스 분석 플랫폼입니다. 여러 소스의 데이터를 한곳에 사전 적재하지 않아도 SQL로 분석할 수 있습니다. Starburst Enterprise와 완전 관리형 Galaxy를 통해 보안·거버넌스·운영 기능을 활용합니다.

제품 소개자료 (PDF)

하나의 SQL이 여러 데이터 소스를 연결하는 과정

모든 데이터를 한 저장소로 사전 통합하지 않고, 필요한 데이터를 연결해 분석합니다.

기존 Hadoop·Hive 환경의 단계적 현대화

연결부터 검증, 선택적 전환, 운영 정착까지 단계별 결과를 확인하며 전환 범위를 넓힙니다.

NiFi에서 S3·Iceberg를 거쳐 Starburst 조회까지

Parquet 업로드와 Iceberg 메타데이터 커밋을 분리해, 조회 가능한 테이블이 되는 과정을 보여줍니다.

Oracle과 Iceberg 테이블을 하나의 SQL로 JOIN

Oracle 고객 정보와 S3의 Iceberg 주문 데이터를 읽어 Starburst 워커에서 결합·집계합니다.

Oracle 푸시다운과 Iceberg 스캔 최적화

Oracle에서 줄이는 행·컬럼과 Iceberg에서 제외하는 파일·컬럼을 나눠 성능 개선 지점을 설명합니다.

Starburst AI — 기업 데이터를 AI 에이전트와 연결

데이터 페더레이션 위에 MCP, 자연어 분석, SQL AI 함수와 RAG를 연결합니다. 데이터에 접근하는 경로와 모델에 전달되는 컨텍스트를 함께 살펴보세요.

공식 문서 확인 기준: Starburst Enterprise 483-e STS · 2026-10-18. 아래 구성은 활용 예시이며, 도입 버전·라이선스·모델별 지원 범위를 확인합니다.

기업 데이터에서 AI 응답까지, 세 가지 연결 경로

AIDA, 외부 AI 에이전트, SQL 애플리케이션이 Starburst의 데이터 접근 기반을 활용합니다.

AIDA·MCP 클라이언트·SQL 애플리케이션에서 Starburst를 거쳐 여러 데이터 소스와 구성한 AI 모델에 연결하는 구조 — 데이터 조회 경로와 모델 호출 경로를 분리한 참조 아키텍처입니다.그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

1.사용 방식 선택: 업무 사용자는 AIDA, 외부 에이전트는 MCP, 개발자는 SQL AI 함수를 활용합니다. 외부 MCP 클라이언트의 모델 구성은 SEP 모델 설정과 별개입니다.
2.분산 데이터 조회: Oracle·PostgreSQL·SQL Server 등 연결한 소스와 MinIO AIStor의 Iceberg 데이터를 쿼리합니다. 페더레이션은 전체 사전 적재를 줄이며 쿼리 실행 중 데이터 전송은 발생합니다.
3.모델과 컨텍스트 연결: AIDA와 AI 함수가 구성한 모델 엔드포인트를 호출합니다. 질문·메타데이터·선택한 조회 결과 등 전달 범위를 확인하고 모델 접근 권한을 적용합니다.

Starburst가 모델 자체를 학습하거나 모든 모델을 내장하는 구성은 아닙니다. AWS Bedrock·OpenAI 호환 API 등 지원 연결 방식과 모델별 기능을 확인합니다.

공식 문서

MCP Server로 AI 에이전트에 데이터 조회 도구 제공

외부 에이전트가 인증된 연결을 통해 데이터를 탐색하고 읽기 전용 쿼리 결과를 받습니다.

외부 AI 에이전트에서 Starburst MCP 서버의 인증·탐색·읽기 전용 SQL·파라미터 도구를 거쳐 JSON 결과를 반환하는 흐름 — 일반 SQL 조회와 사전에 정의한 파라미터 쿼리 도구는 서로 다른 호출 방식입니다.그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

1.인증과 데이터 탐색: 에이전트는 코디네이터의 HTTPS /mcp 엔드포인트에 인증합니다. 필요한 경우 searchDataProducts 등으로 데이터 프로덕트를 찾아 분석 대상을 확인합니다.
2.SQL 또는 파라미터 도구: 읽기 전용 SQL을 전달하거나, 미리 정의한 도구에 지역·기간 등 값을 전달합니다. 파라미터 도구는 입력을 검증하고 최종 SQL이 읽기 전용인지 확인합니다.
3.권한 안에서 실행·반환: 연결된 사용자의 권한으로 분산 쿼리를 실행하고 컬럼·행·queryId가 포함된 JSON 결과를 반환합니다. 외부 에이전트가 이 결과를 답변에 활용합니다.

MCP Server 라이선스가 필요합니다. queryReadOnly는 동기 실행이며 실행 시간·결과 크기 제한을 적용합니다. 쓰기 작업을 허용하는 범용 DB 관리 도구로 설명하지 않습니다.

공식 문서

AIDA로 질문하고 SQL·표·차트로 결과 확인

데이터 프로덕트의 설명과 업무 규칙을 활용해 자연어 질문을 분석 작업으로 연결합니다.

AIDA에서 데이터 프로덕트 선택, 모델을 통한 SQL 생성, 쿼리 실행, 결과 분석과 후속 질문을 수행하는 구조 — 예시 질문: “지난달 매출이 감소한 지역과 주요 고객을 분석해줘.”그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

1.분석 컨텍스트 선택: 언어 모델과 데이터 프로덕트를 선택하고, 지표 정의·기간 기준·업무 규칙을 확인합니다. 기본 분석 범위는 선택한 데이터 프로덕트입니다.
2.질문에서 실행 결과까지: AIDA가 SQL을 생성·실행하고 필요에 따라 탐색 쿼리와 후속 분석을 수행합니다. 생성 SQL, 요약, 표 또는 차트를 확인하며 질문을 구체화합니다.
3.외부 도구로 확장: 선택적으로 Skills의 업무 지침과 외부 MCP 도구를 사용합니다. 이 방향은 AIDA → 외부 서버이며, 외부 에이전트 → Starburst MCP Server 접속과 구분합니다. 도구 권한·호출 승인도 별도로 확인합니다.

AIDA에는 AI workflows와 Agentic layer 라이선스, 구성한 모델과 데이터 프로덕트가 필요합니다. Studio의 Skills·외부 MCP 서버 연결은 퍼블릭 프리뷰입니다.

공식 문서

SQL AI 함수로 텍스트 처리와 RAG 구성

임베딩 생성·유사도 검색·LLM 호출을 데이터 처리 흐름에 결합합니다.

텍스트 청크의 임베딩을 Iceberg에 저장하고 질문 임베딩으로 검색한 컨텍스트를 언어 모델에 전달하는 RAG 흐름 — 상단은 검색용 데이터 준비, 하단은 질문 시 검색과 답변 생성입니다. 원문 ID를 함께 보존합니다.그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

1.텍스트와 임베딩 준비: 준비한 텍스트에 starburst.ai.generate_embedding()을 적용합니다. 원문 ID·텍스트·임베딩·접근 속성을 Iceberg 등 선택한 테이블에 저장합니다.
2.검색 결과로 답변 생성: 같은 임베딩 모델로 질문을 변환하고 유사도 계산·필터로 관련 데이터를 찾습니다. 선택한 텍스트와 원문 ID를 starburst.ai.prompt()의 컨텍스트로 사용합니다.
3.업무 SQL에 AI 적용: starburst.ai.classify(), analyze_sentiment(), translate() 등으로 문의 분류·감정 분석·번역을 수행합니다. AI 함수에는 AI workflows 라이선스, 구성한 모델과 내장 접근 제어가 필요합니다.

참조 RAG 구성입니다. PDF 파싱·청크 분할은 별도 준비 단계이며, 검색 품질·지연·스캔량과 모델 비용을 검증합니다. 전용 벡터 DB나 ANN 인덱스가 항상 불필요하다는 뜻은 아닙니다.

공식 문서

AI가 이해할 수 있도록 데이터 프로덕트 설명 보강

컬럼과 데이터셋의 의미를 AI가 제안하고 담당자가 검토해 저장합니다.

메타데이터와 업무 문맥을 모델에 전달해 설명을 제안하고 사람이 검토한 뒤 데이터 프로덕트에 저장하는 과정 — 샘플링은 선택 사항이며, 제안한 설명을 저장하기 전에 의미와 관계를 검토합니다.그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

1.기존 정보 활용: 컬럼명·타입·기존 설명·데이터셋 SQL·업무 문맥을 바탕으로 컬럼, 데이터셋과 데이터 프로덕트의 설명을 생성합니다.
2.필요할 때만 샘플링: 사용자가 실행마다 허용하면 자신의 읽기 권한, 행 필터와 컬럼 마스킹 안에서 제한된 샘플·통계를 수집합니다. 이 정보가 선택한 모델에 전달됩니다.
3.사람이 검토·저장: 추론한 컬럼 의미와 데이터 관계를 검토·수정한 뒤 저장합니다. 원본 데이터 값을 바꾸는 기능이 아니며, 정리한 설명은 AIDA 분석과 데이터 탐색에 활용합니다.

AI workflows·Agentic layer 라이선스와 데이터 프로덕트 쓰기 권한이 필요합니다. 샘플링·프로파일링은 퍼블릭 프리뷰이고 기본적으로 꺼져 있습니다.

공식 문서

데이터 권한·모델 권한·AI 동작을 각각 관리

조회할 수 있는 데이터, 호출할 수 있는 모델, 에이전트의 응답 정책을 구분합니다.

데이터 접근 제어와 모델 연결 설정, AIDA 가드레일, MCP 제한과 토큰 사용량을 구분한 AI 운영 구조 — 가드레일은 응답 동작을 관리하며 데이터 권한을 대체하지 않습니다.그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

1.데이터·모델 접근 제어: 데이터 권한·행 필터·컬럼 마스킹과 모델 USE 권한을 구분합니다. Trusted connection의 엔드포인트·자격 증명은 시크릿 참조로 관리합니다.
2.AIDA 가드레일: 에이전트 보호, 데이터 프로덕트 범위, 입력 길이와 선택적 주제 필터를 설정합니다. 모델 지침 기반 제어를 포함하므로 데이터베이스 보안 정책과 함께 적용합니다.
3.사용량과 실행 확인: 모델·기능·사용자별 토큰 사용량을 확인하고 MCP 실행 시간·결과 크기를 제한합니다. 필요한 AIDA 상호작용 감사 로그를 구성해 운영 절차에 반영합니다.

외부 모델에 전달되는 질문·컨텍스트·결과의 범위를 확인합니다. 가드레일의 모든 차단 이벤트를 통합 대시보드에서 감사할 수 있다고 보장하지 않습니다. 외부 MCP 도구의 권한은 별도로 관리합니다.

공식 문서

기능별 도입 조건과 지원 범위

라이선스, 연결 설정과 퍼블릭 프리뷰 기능을 구분해 도입 범위를 정합니다.

기능별 도입 조건과 지원 범위
기능	라이선스·구성	확인할 범위
MCP Server	MCP Server 라이선스, 서버 활성화와 인증 설정	읽기 전용 쿼리·파라미터 도구, 실행 시간·결과 크기 제한. AI 에이전트 도구를 사용하면 해당 AI 구성 조건도 확인합니다.
SQL AI 함수·모델 연결	AI workflows 라이선스, 구성한 모델, 내장 접근 제어	언어·임베딩 모델별 기능과 제공사 API 호환성, 모델 호출 비용·응답 품질을 확인합니다.
AIDA	AI workflows + Agentic layer 라이선스, 언어 모델, 데이터 프로덕트	선택한 데이터 프로덕트와 업무 규칙을 기반으로 분석합니다. 생성 SQL과 답변을 검증합니다.
데이터 프로덕트 설명 보강	AI workflows + Agentic layer 라이선스, 모델, 데이터 프로덕트 쓰기 권한	샘플링 사용 시 데이터 읽기 권한도 필요합니다. 샘플링·프로파일링은 퍼블릭 프리뷰이며 실행할 때마다 선택합니다.
AIDA 확장 기능	AIDA 구성과 기능별 관리자·사용자 권한	Skills와 외부 MCP 서버 연결은 퍼블릭 프리뷰입니다. 외부 도구 권한과 호출 승인을 별도로 구성합니다.
운영 관리	관리자 권한과 기능별 설정	가드레일, 토큰 사용량, 구성한 상호작용 감사 로그를 확인합니다. 사용량 조회와 예산 강제 제한은 구분합니다.

Data Dynamics는 대상 SEP 버전과 계약 범위를 확인한 뒤, 모델 연결·데이터 프로덕트 정비·MCP 도구 설계·권한 구성·대표 질문 검증·운영 교육을 지원합니다. 그림은 제품 UI 캡처나 성능 보장 자료가 아닙니다.

공식 문서: AI 토큰 사용량

Data Dynamics가 제공하는 서비스

제품과 활용 구성을 선택하고, 요구사항 분석부터 검증·운영 인수인계까지 연결합니다.

Starburst — 제품·활용 구성과 도입 절차를 연결한 상세 도식. 요구사항, 제품 선택, 검증 산출물, 운영 인수인계와 승인 기준을 보여줍니다. — 상단은 제품별 활용 구성, 하단은 도입 단계와 검증 산출물을 보여줍니다.그림을 누르면 확대됩니다. 번호별 설명과 제품·서비스 상세는 아래에서 펼쳐 볼 수 있습니다.

Starburst 기능 비교·성능·도입 사례 더 보기

Trino와 Starburst Enterprise의 관계

Starburst Enterprise는 Trino를 기반으로 엔터프라이즈 기능과 지원을 제공하는 상용 배포판입니다.

Trino

오픈소스 분산 MPP SQL 엔진(이전 PrestoSQL). 상시 코디네이터+워커 구조로 페타바이트급 데이터에 대화형 응답을 제공하며, 약 2주마다 새 버전을 릴리스합니다.

Starburst

Trino 창시자들이 설립한 회사로, 2024년 Trino 코드 커밋의 약 84%를 기여한 최대 Trino 전문가 조직입니다.

Trino 기반 엔진

업스트림 Trino 기반에 제품별 기능·패치·최적화가 더해집니다. 버전과 설정에 따른 동작·성능 차이를 검증해야 합니다.

확장되는 기능 범위

그 위에 보안(BIAC·Ranger), 전용 커넥터, Warp Speed 가속, 관리 UI·Insights, 지원되는 배포 경로, 24×7 지원 계약이 얹힙니다.

SEP = Trino 엔진 + 엔터프라이즈 레이어

지원 · 릴리스24×7 지원 · 30분 SLA · 전담 TAM · LTS/STS

운영 · 배포Insights · HA · 오토스케일링 · K8s/OpenShift/Ansible

보안 · 거버넌스BIAC · RBAC/ABAC · 마스킹 · 감사 · Data Products

성능 · 커넥터Warp Speed · 자동 테이블 유지관리 · 전용 커넥터

Trino 엔진 (동일)ANSI SQL · CBO · MPP 코디네이터+워커

Trino 기반이라는 공통점이 모든 버전·설정에서 동일한 기능이나 성능을 보장하지는 않습니다.

Why Starburst — 4가지 핵심 가치

데이터 페더레이션

데이터를 이동·복제하지 않고 여러 소스를 단일 SQL로 JOIN합니다. ETL로 미리 옮겨 모으는 구조 자체가 필요 없어집니다.

Iceberg 네이티브

히든 파티셔닝·파티션 진화·시간 여행(time travel)·ACID를 완전 지원하고, 컴팩션·스냅샷 만료 등 테이블 유지관리를 자동화합니다.

성능 가속·안정성

Warp Speed 스마트 인덱싱·캐싱으로 쿼리 최대 5배·CPU 10배 개선, 내결함성 실행(FTE)은 최대 60TB 배치까지 하드닝되어 있습니다.

세밀한 보안 정책

행/열 단위 RBAC·ABAC, 동적 컬럼 마스킹, Apache Ranger 통합, 쿼리 감사까지 — 규제 산업 요건을 플랫폼에서 충족합니다.

커넥터 — 엔터프라이즈 데이터의 롱테일까지

일반적인 엔터프라이즈의 데이터는 Oracle·Teradata·SAP·Salesforce 같은 곳에 살아 있습니다. SEP 전용 커넥터가 라이선스 가치의 상당 부분을 차지하는 이유입니다.

SEP 전용 커넥터 (업스트림 Trino에 없음)

Snowflake · Teradata · IBM Db2 · SAP HANA · Salesforce · Azure Synapse · Greenplum · Netezza · Cosmos DB · DynamoDB · Splunk · Neo4j · Generic JDBC · Stargate(클러스터 간 페더레이션)

업스트림 커넥터의 개선판

푸시다운 강화·Warp Speed 통합·추가 인증 — Hive · Iceberg · Delta Lake · Oracle · BigQuery · SQL Server · PostgreSQL · MySQL · MongoDB · Kafka · Elasticsearch · Redshift · ClickHouse 외

업스트림 Trino와 동일

DuckDB · Druid · Pinot · Prometheus · Redis · OpenSearch · Google Sheets 등 커뮤니티 커넥터 전체

판단 기준: "S3 + PostgreSQL 위의 Trino"만으로 요건이 커버되면 OSS로 충분합니다. 아키텍처에 Snowflake·Oracle·Teradata·SAP·Salesforce가 등장하는 순간 저울은 SEP로 기웁니다.

Apache Iceberg 레이크하우스 — 파티션의 벽을 넘고, 운영까지 자동화

Iceberg는 오브젝트 스토리지 위의 파일 더미를 데이터베이스 테이블처럼 다루게 하는 개방형 테이블 포맷입니다. 히든 파티셔닝·파티션 진화는 Trino + Iceberg의 공통 이점이고, SEP는 그 이후 남는 운영 숙제(작은 파일(small files)·스냅샷·통계)를 자동화합니다.

Trino + Iceberg 공통 이점

히든 파티셔닝 — 파티션을 디렉터리가 아닌 컬럼 transform(day·bucket·truncate)으로 정의 — 원본 컬럼 필터만으로 자동 프루닝되어 무심코 전체 스캔이 사라집니다.
파티션 진화 — 데이터 재작성 없이 파티션 전략 변경 — 구·신 스펙이 혼재해도 한 쿼리가 투명하게 처리합니다.
ACID · 시간 여행 — 스냅샷 기반 트랜잭션, 시점 조회(FOR VERSION/TIMESTAMP AS OF), 스키마 진화, 잘못된 쓰기는 스냅샷 롤백으로 복구합니다.
매니페스트 프루닝 — 파일 단위 min/max 통계로 프루닝 — RDBMS 메타데이터 병목 없이 수백만 파일로 확장합니다.

SEP가 더하는 것 — 자동 테이블 유지관리

자동 컴팩션 — optimize(작은 파일 병합)를 스케줄 기반으로 자동 실행합니다.
스냅샷 · 고아 파일 정리 — expire_snapshots · remove_orphan_files 자동화로 메타데이터 비대화를 방지합니다.
통계 자동 수집 — CBO가 사용하는 테이블 통계를 최신으로 유지합니다.
스트리밍 인제스트 · 파일 로더 — Kafka 등에서 Iceberg 테이블로의 연속 적재를 관리형으로 제공 — 별도 Spark/Flink 파이프라인이 필요 없습니다.

OSS Trino에서도 같은 명령을 수동/스케줄로 실행할 수 있지만, 운영 책임은 플랫폼 팀의 몫입니다. SEP는 이를 관리형·자동화로 제공하며, MinIO 등 S3 호환 오브젝트 스토리지와 결합하면 온프레미스 레이크하우스가 완성됩니다.

성능 — Warp Speed와 벤치마크

캐싱·인덱싱과 데이터 배치 등 최적화 효과를 워크로드별로 평가합니다. 아래 수치는 특정 벤치마크 조건의 결과입니다.

5배

쿼리 실행 시간 단축 — Warp Speed (TPC-DS SF1000)

10배

CPU 시간 절감 — Warp Speed

최대 22배

Hive 대비 쿼리 성능 (TPC-DS · Iceberg)

최대 12.7배

클라우드 DW 대비 비용 효율

Warp Speed 효과 — 표준 실행 대비

표준 실행 = 100 기준, 낮을수록 좋음 (TPC-DS SF1000 · Iceberg)

표준 실행 (OSS Trino 엔진)

Warp Speed (SEP)

쿼리 실행 시간5배 단축

100

CPU 시간10배 절감

100

표준 실행을 100으로 정규화한 벤치마크 예시입니다. 제품·버전·구성과 워크로드가 달라지면 결과도 달라집니다.

Hive 대비 쿼리 실행 시간

초, 낮을수록 좋음 — 1TB 원본(S3·Parquet), Starburst 476-e vs Hive 3.1.3

Hive 3.1.3

Starburst (Trino)

TPC-H · Iceberg약 12배

9,191

742

TPC-H · Hive 테이블약 8배

7,880

1,026

TPC-DS · Iceberg약 22배

37,901

1,737

TPC-DS · Hive 테이블약 6배

15,535

2,493

출처: Concurrency Labs 벤치마크 리포트 (2025-09) · TPC-H 9노드 / TPC-DS 17노드 (각 32 vCPU·128GB)

Warp Speed 스마트 인덱싱·캐싱

블록 단위 최적 인덱스(bitmap·dictionary·tree)를 자동 선택하고 자주 접근하는 데이터를 워커의 NVMe SSD에 캐싱 — 수동 인덱스 설계 없이 반복적이고 필터로 대상 범위를 좁히는 워크로드를 가속합니다.

Hive 대비 최대 22배

TPC-DS·Iceberg 기준 37,901초 → 1,737초(10.5시간 → 29분). 엔진만 바꿔도 6~8배, Iceberg 이관까지 하면 12~22배 — 빅뱅 없이 단계적으로 이득을 키울 수 있습니다.

클라우드 DW 대비 가격·성능

오픈 테이블 포맷 위 SQL 실행 기준 최대 6.3배 빠른 쿼리와 최대 12.7배 비용 절감 — Runtime과 Cost가 모두 최하위권인 것은 Starburst뿐입니다.

내결함성 실행 (FTE)

장시간 배치·ETL 쿼리가 통째로 실패하지 않도록 자동 복구 — 최대 60TB 규모까지 엔터프라이즈급으로 검증되어 있습니다.

성능 수치는 Starburst 공개 벤치마크 기준이며 워크로드에 따라 달라집니다 — 도입 전 PoC 검증을 권장합니다.

보안과 접근 제어 — 규제 산업의 기본기

인증은 OSS Trino도 충분합니다. 갈리는 곳은 세밀한 인가(Authorization)와 감사 — 금융·의료·공공에서 SEP가 결정적인 이유입니다.

Built-in Access Control (BIAC)

SEP 네이티브 인가 모델 — 카탈로그/스키마/테이블/컬럼/로우 단위 역할 기반(RBAC)·속성 기반(ABAC) 권한을 UI로 관리합니다.

컬럼 마스킹 · 로우 필터링

민감 컬럼 동적 마스킹과 행 단위 필터를 기본 제공 — 개인정보·거래정보 보호 요건을 충족합니다.

Apache Ranger 통합

글로벌/카탈로그/컬럼/로우 레벨 — 기존 Hive/HDFS에서 쓰던 Ranger 정책을 그대로 공유합니다.

Credential Passthrough

Kerberos·비밀번호 자격 증명 전달(캐싱 포함) — 워커가 장기간 유지되는 서비스 계정 없이 사용자 신원으로 소스에 접근합니다.

인증 통합

LDAP · OAuth2 · JWT · Kerberos에 더해 Okta 통합, 사용자 임퍼소네이션을 일반화합니다.

Query Audit

누가, 언제, 어떤 카탈로그에, 어떤 쿼리를 실행했는지 영속 기록 — 감사 추적 요건에 즉시 대응합니다.

실무 효과: 정책이 한 곳(BIAC 또는 Ranger)에 모이고, SEP가 노출하는 모든 커넥터에 균일하게 적용됩니다.

거버넌스 · 운영 — 규모 있게 돌려본 뒤에 보이는 가치

순수 쿼리 엔진(Trino)과 데이터 플랫폼(SEP)의 차이가 가장 크게 드러나는 영역 — OSS에서는 전부 별도 도구를 붙여 직접 구축해야 하는 항목입니다.

Data Products

오너·문서·SLO·액세스 정책이 부여된 큐레이션 데이터셋을 게시 — 데이터 메시 아키텍처의 셀프서비스 마켓플레이스입니다.

Starburst Insights

쿼리 패턴·자원 사용량·슬로우 쿼리 분석 대시보드와 데이터 리니지·Apache Atlas 통합 — "클러스터가 어제 새벽 3시에 뭘 했는가"에 답합니다.

HA · 오토스케일링

코디네이터 고가용성, 진행 중인 쿼리를 죽이지 않는 Graceful Scaledown, 자동 일시중지·유휴 종료·클러스터 스케줄링으로 비용을 자동화합니다.

품질 · 자동 분류

데이터 품질 규칙, 스키마 변경 알림, 자동 데이터 분류(민감정보 탐지), 소스 전반 통합 검색을 제공합니다.

Stargate

클러스터 간 페더레이션 — 데이터를 복제하지 않고 리전·테넌트·국경을 넘어 쿼리를 라우팅해 GDPR 등 데이터 주권 요건을 준수합니다.

지원되는 배포 경로

Kubernetes Helm 차트 · Red Hat OpenShift · Starburst Admin(Ansible) · AWS/Azure/GCP Marketplace, CloudWatch·Stackdriver 옵저버빌리티 도구 연동.

OSS는 JMX·로그·기본 UI까지 — 그 위의 쿼리 이력 저장소, 쿼리를 존중하는 오토스케일러, 메트릭 파이프라인은 직접 만들어야 합니다. 엔지니어링 시간을 비용으로 환산하면 "직접 만들기"가 우세한 경우는 드뭅니다.

OSS Trino vs Starburst Enterprise

엔진의 최신성·개방성·비용은 OSS Trino, 보안·거버넌스·성능 가속·운영·지원 SLA는 SEP 우위 — 규제 산업과 엔터프라이즈 규모일수록 SEP가 유리합니다.

카테고리	OSS Trino	Starburst Enterprise (SEP)	판정
핵심 쿼리 엔진	완전한 Trino 엔진 — 최신 기능 우선 반영	Trino 기반 배포판 + 제품별 기능·패치·최적화	공통
보안 · 인가	파일/OPA 수동 구성, RBAC UI 없음	BIAC(행/열 RBAC·ABAC) · 마스킹 · Ranger · 감사 UI	SEP 우위
거버넌스 · 카탈로그	외부 도구 의존(OpenMetadata 등)	Data Products · 리니지 · 품질 규칙 · 탐색 포털	SEP 우위
성능 가속	CBO · dynamic filtering	+ Warp Speed(자동 인덱싱·캐싱) · 워크로드 관리	SEP 우위
테이블 유지관리	optimize 등 직접 스케줄링	컴팩션 · 스냅샷 만료 · 통계 수집 자동화	SEP 우위
커넥터	50+ 커뮤니티 커넥터(품질 편차)	인증 커넥터 + 전용(Snowflake·SAP·Salesforce 등)	SEP 우위
배포 · 운영	Helm 자체 관리	HA/DR · 오토스케일 · OpenShift · Marketplace	SEP 우위
지원	커뮤니티 Slack · GitHub	24×7 · 30분 SLA · 전담 TAM · LTS 12개월 패치	SEP 우위
비용 · 라이선스	Apache 2.0 무료 — 벤더 종속 없음	상용 구독(노드/컴퓨트 기반)	OSS 우위

"S3 + PostgreSQL 위의 Trino"만으로 요건이 커버되면 OSS로 충분합니다 — 보안·거버넌스·지원 SLA 요건이 등장하는 순간 SEP를 검토하십시오.

버전 정책 — LTS / STS

Trino는 약 2주마다 릴리스됩니다. SEP는 그 위에 예측 가능한 릴리스 주기와 LTS 패치 수명 주기를 얹어, 엔터프라이즈가 따라갈 수 있는 속도로 바꿉니다. 버전 앞의 정수는 언제나 업스트림 Trino 버전 — 패치 접미사(-e.x)가 있으면 LTS, 없으면 STS입니다.

항목	LTS	STS
지원 기간	릴리스로부터 12개월	다음 STS까지
패치 릴리스	제공 (-e.0 → -e.1 → …)	없음 (다음 릴리스에 반영)
릴리스 주기	분기당 최대 1개 (2·5·8·11월)	Trino를 따라감 (빈번)
보안(CVE) 수정	패치로 백포트	다음 STS에서만
운영 적합도	운영 환경의 기본값	기능 주도 · 업스트림 근접

권장 플레이북

1년에 한 번 LTS → 다음 LTS로 통제된 업그레이드 — 남은 지원 기간 9~12개월인 라인을 타깃으로, breaking changes를 라인 단위로 처리합니다.

EOL은 하드 데드라인

지원 종료 후에는 CVE 패치가 제공되지 않습니다 — 어느 시점이든 약 4개의 LTS 라인이 겹쳐 지원되어 업그레이드 준비 기간이 확보됩니다.

글로벌 도입 사례 — 금융권을 중심으로

Hive/Hadoop·Teradata·DB2 등 레거시에서 Trino 기반 Starburst로 전환·페더레이션한 실제 사례입니다.

HDFC Bank

인도 최대 민간은행 — 레거시 DB2에서 개방형 아키텍처로 전환, Azure AKS·온프레미스 OpenShift 병행 운영.

클라우드·온프레 통합 거버넌스 · DB2 비용 절감

Crédit Mutuel Arkéa

프랑스 — 온프레미스를 유지한 채 Hadoop 위에 페더레이션 쿼리 엔진 구축.

Hadoop 쿼리 10~20배 향상 · 1년 내 550+ 사용자

Bank Hapoalim

이스라엘 — 20년 운영한 Teradata를 데이터레이크로 전환, Hive·Spark 벤치마크 후 Starburst 채택.

고동시성 ad-hoc + BI 쿼리 성능 최우수

Banco Inter

브라질 — Amazon Athena에서 Starburst로 전환, 탐색·거버넌스·셀프서비스 분석을 단일 플랫폼화.

인사이트 도출 days → seconds · 월 $100K 절감

글로벌 투자은행

Hive를 Starburst로 대체해 100+개국 데이터에 원위치 쿼리를 수행하는 AML 분석 사례입니다. 원본의 중앙 적재를 줄이되 쿼리 처리 중 데이터 전송은 발생합니다.

데이터 주권 준수 · 규제 과징금 리스크 감소

글로벌 은행그룹 (62개국)

Stargate를 활용한 국경 간 분석 사례입니다. 원본 저장 위치를 유지하면서 지역별 처리와 결과 전송 범위를 설계합니다.

쿼리 성능 20배 향상 · 데이터 주권 준수

문의하기

Starburst (Trino)

하나의 SQL이 여러 데이터 소스를 연결하는 과정

Starburst와 Trino 개요

기존 Hadoop·Hive 환경의 단계적 현대화

NiFi에서 S3·Iceberg를 거쳐 Starburst 조회까지

Oracle과 Iceberg 테이블을 하나의 SQL로 JOIN

Oracle 푸시다운과 Iceberg 스캔 최적화

Starburst AI — 기업 데이터를 AI 에이전트와 연결

기업 데이터에서 AI 응답까지, 세 가지 연결 경로

MCP Server로 AI 에이전트에 데이터 조회 도구 제공

AIDA로 질문하고 SQL·표·차트로 결과 확인

SQL AI 함수로 텍스트 처리와 RAG 구성

AI가 이해할 수 있도록 데이터 프로덕트 설명 보강

데이터 권한·모델 권한·AI 동작을 각각 관리

기능별 도입 조건과 지원 범위

Data Dynamics가 제공하는 서비스

Starburst 제품군

도입 전에 함께 확인할 사항

Data Dynamics가 제공하는 서비스

Trino와 Starburst Enterprise의 관계

Trino

Starburst

Trino 기반 엔진

확장되는 기능 범위

SEP = Trino 엔진 + 엔터프라이즈 레이어

Why Starburst — 4가지 핵심 가치

데이터 페더레이션

Iceberg 네이티브

성능 가속·안정성

세밀한 보안 정책

커넥터 — 엔터프라이즈 데이터의 롱테일까지

SEP 전용 커넥터 (업스트림 Trino에 없음)

업스트림 커넥터의 개선판

업스트림 Trino와 동일

Apache Iceberg 레이크하우스 — 파티션의 벽을 넘고, 운영까지 자동화

Trino + Iceberg 공통 이점

SEP가 더하는 것 — 자동 테이블 유지관리

성능 — Warp Speed와 벤치마크

Warp Speed 효과 — 표준 실행 대비

Hive 대비 쿼리 실행 시간

Warp Speed 스마트 인덱싱·캐싱

Hive 대비 최대 22배

클라우드 DW 대비 가격·성능

내결함성 실행 (FTE)

보안과 접근 제어 — 규제 산업의 기본기

Built-in Access Control (BIAC)

컬럼 마스킹 · 로우 필터링

Apache Ranger 통합

Credential Passthrough

인증 통합

Query Audit

거버넌스 · 운영 — 규모 있게 돌려본 뒤에 보이는 가치

Data Products

Starburst Insights

HA · 오토스케일링

품질 · 자동 분류

Stargate

지원되는 배포 경로

OSS Trino vs Starburst Enterprise

버전 정책 — LTS / STS

권장 플레이북

EOL은 하드 데드라인

글로벌 도입 사례 — 금융권을 중심으로

HDFC Bank

Crédit Mutuel Arkéa

Bank Hapoalim

Banco Inter

글로벌 투자은행

글로벌 은행그룹 (62개국)