# Databricks, AI 에이전트를 위해 운영 데이터와 분석 데이터를 함께 유지하는 LTAP 스토리지를 설명

Databricks에 따르면 LTAP는 행 기반 운영 데이터와 열 기반 분석 데이터를 스토리지 계층에서 통합하며, 전용 컴퓨팅은 AI 에이전트를 위해 각 워크로드를 계속 따로 처리한다.

Language: ko
Time zone: Asia/Seoul
Current time (UTC, cached as of): 2026-11-17T15:40:00.000Z
Query date (Asia/Seoul): 2026-11-18

HTML: https://didcodexreset.com/ko/news/66f705dc1d354b1c976cabe6.html

Content language: ko
Localization state: translated

출처: Databricks · 2026. 9. 28. 23:38:26 게시

Databricks에 따르면 AI 에이전트는 실시간 운영 데이터에 따라 동작하면서 분석 데이터도 사용해야 한다. 운영 시스템은 빠른 행 기반 접근에 의존해 왔고, 분석은 열 기반 스토리지와 광범위한 스캔에 최적화되어 왔다.

LTAP는 같은 데이터의 운영 표현과 분석 표현을 스토리지 계층에서 함께 둔다. 더 뜨거운 계층은 운영 접근을 위해 데이터를 행 형식으로 유지하고, 더 차가운 계층은 분석 읽기를 위해 열 형식으로 보관한다. 전용 컴퓨팅은 각 작업에 쓰이는 엔진을 대체하지 않고, 각 워크로드를 계속 독립적으로 처리할 수 있다.

Databricks는 기사 [LTAP가 OLTP와 OLAP 워크로드를 통합하는 방식](https://www.databricks.com/blog/40-year-old-database-rule-agents-just-broke-how-ltap-unifies-oltp-and-olap-workloads?utm_source=twitter&utm_medium=organic-social)에서 이 설계를 설명한다.

Tags: Databricks, LTAP, OLTP, OLAP, AI 에이전트

[원문 게시물 보기](https://x.com/databricks/status/2104581170230874339)
