Introducing PhoenixAI

Phoenix AI 소개

• 발표자: Cedar Shen, Phoenix AI 프로덕트 매니저
• Phoenix AI는 구 Celerdata로, 최근 리브랜딩 진행 및 시리즈 B $80억 달러 펀딩 완료
• Coinbase, Pinterest, Expedia 등 글로벌 엔터프라이즈에서 페타바이트 규모 프로덕션에 활용 중
• BYOC(Bring Your Own Cloud) 방식으로 운영: 모든 데이터는 고객 VPC 내에 보관, Phoenix AI가 데이터에 직접 접근 불가

문제 인식: AI 에이전트 시대의 데이터 인프라

• 기존에는 인간이 SQL을 작성하고 쿼리 패턴이 예측 가능했으나, LLM 에이전트는 쿼리가 예측 불가능하고 비최적화 상태로 생성됨
• 단 하나의 프롬프트가 수십 개의 쿼리를 생성하며, QPS 요구가 전년 대비 10배 증가
• AI 에이전트는 세션 간 기억이 없어 테이블 구조, 메트릭 정의 등을 매번 재학습해야 함
• 기존 솔루션(실시간 OLAP DB, 클라우드 데이터 웨어하우스, 쿼리 엔진, 프리컴퓨테이션) 모두 에이전틱 워크로드에 적합하지 않음

Phoenix AI 아키텍처 및 핵심 기능

• 단일 SQL 레이어: 실시간 데이터(Kafka 등)와 역사적 데이터(Apache Iceberg 등)를 동시에 표준 SQL로 쿼리 가능
• 비용 기반 옵티마이저(Cost-Based Optimizer): AI 에이전트가 작성한 비최적화 SQL을 자동으로 최적화, 10분마다 실제 데이터 통계 수집
• 기본 키 테이블(Primary Key Table): 롤 레벨 인덱스 기반으로 O(1) 시간 복잡도로 업서트/딜리트 처리, 쿼리 성능에 영향 없이 5초 이내 데이터 최신성 보장
• Lakehouse 지원: 자체 관리 Apache Iceberg/Delta 테이블을 S3에서 직접 읽기 (BYOI: Bring Your Own Iceberg)
• 거버넌스: RBAC, 컬럼·로우 마스킹 정책, 셀 레벨 정책, AI 에이전트 감사 추적(Audit Trail) 내장

프로덕션 사례

• Conductor (콘텐츠 인텔리전스·검색 최적화): 240만 행 스캔 쿼리를 서브세컨드로 처리, 설계~프로덕션 약 2개월 소요
• Demandbase (B2B Go-to-Market 플랫폼): ClickHouse에서 이전, 스토리지 90% 절감, 비정규화 파이프라인 100% 제거, 49개 ClickHouse 클러스터 통합
• Yuno (결제 에이전트): 클라우드 데이터 웨어하우스에서 이전, 1시간→5초로 데이터 최신성 개선, LLM 파워 에이전트 구축
• Salonist (프로세스 마이닝): 20억 행 스캔, 단일 쿼리에서 100개 테이블 조인 처리
• Coinbase (블록체인 애널리틱스): 500만 행, 300개 이상 정규화 테이블을 서브세컨드로 운영

로드맵

• 현재 GA: 실시간 OLAP 데이터베이스 (AWS, Azure, GCP 퍼블릭 클라우드)

• 2026 Q3 프리뷰: Agent-Native Layer — Semantic SQL·Semantic View + Context Space 조합 공개
• Semantic View: AI 에이전트가 데이터베이스 스키마를 이해하도록 SQL 확장, 컴파일 단계에서 정확성 검증
• Context Space: Phoenix AI 스토리지 포맷 기반 마크다운 네이티브 스토어, 에이전트 메모리·시맨틱 레이어·검색 기능 지원
• 2026 Q4: Agent Observability(추적) 및 Agent Governance(가이드레일) 제공 예정