AI 기반 애플리케이션을 제공할 때 중요한 개발 고려 사항은 데이터 저장 및 처리입니다. 빠르고 안정적인 데이터 액세스는 AI 기반 기능에 매우 중요하며 훌륭한 사용자 경험의 핵심입니다. 클라우드 전용 데이터베이스는 빠르고 안정적인 인터넷 연결이 가능한 고정 위치 앱에 적합합니다. 하지만 모바일 앱이나 IoT 앱과 같이 엣지에 있는 앱의 경우 클라우드 전용 데이터베이스는 인터넷 지연 및 중단으로 인해 AI 응답을 방해하고 사용자 경험을 망치고 비즈니스 다운타임으로 이어질 수 있어 문제가 됩니다.
임베디드 데이터베이스가 구세주
사용 임베디드 데이터베이스, 는 디바이스의 앱 내에서 직접 작동하여 인터넷 의존성 문제를 해결합니다. 앱은 클라우드가 아닌 로컬에서 데이터에 액세스하고 저장합니다. 앱이 인터넷에 덜 의존하고, 더 빠르고, 더 많이 사용할 수 있게 됩니다.
SQLite 는 가장 잘 알려진 임베디드 데이터베이스로, 모바일 또는 IoT 앱 개발자에게는 당연한 선택으로 보일 수 있습니다. 하지만 잘 알려져 있다고 해서 엣지 환경의 AI 애플리케이션에 가장 적합한 옵션은 아닙니다. 그 이유를 알아보려면 계속 읽어보세요.
SQLite란 무엇인가요?
SQLite는 호스트 애플리케이션에 직접 내장된 인프로세스 라이브러리로 작동하는 경량의 독립형 SQL 데이터베이스 엔진입니다. 오픈 소스이며 사용하기 쉬워 독립형 또는 “에어 갭” 앱은 네트워크에 연결된 데이터베이스 없이 데이터를 로컬에 저장하고 액세스하는 앱입니다. 그렇기 때문에 인터넷 연결이나 클라우드 백엔드 데이터베이스에 직접 액세스하지 않고도 작동해야 하는 독립 실행형 애플리케이션에 SQLite가 널리 사용되고 있습니다.
SQLite는 어디에서 빛을 발할까요?
SQLite는 개인 건강 모니터, 메모 정리 앱, 스케치 앱 등 사용자가 한 명이고 데이터를 공유할 필요가 없으며 데이터가 수집되는 비교적 백지 상태에서 사용자 경험이 시작되는 독립적으로 작동하도록 설계된 앱에 유용합니다.
위의 기준이 적용되는 경우 개발자는 모바일, 데스크톱 및 IoT 애플리케이션에서 SQLite를 사용하여 개인 정보, 로그, 디바이스 판독값, 사용자 제작 콘텐츠 및 기타 종류의 데이터를 저장할 수 있습니다.
SQLite는 별도의 연결 데이터베이스가 필요하지 않기 때문에 인터넷에 연결된 앱에서 흔히 발생하는 지연 시간 및 다운타임도 제거합니다.
이러한 모든 장점으로 인해 SQLite는 AI 기능을 포함한 모든 엣지 컴퓨팅 앱에 이상적인 솔루션으로 보일 수 있지만, 개발자가 알아야 할 한계와 더 나은 대안이 있습니다.
엣지에서의 AI
엔터프라이즈급 모바일 및 IoT 앱은 전 세계적으로 사용 범위가 넓고 정보를 공유하는 많은 사용자를 지원하며 높은 속도와 가동 시간을 보장해야 합니다. 엣지 컴퓨팅 는 초저지연과 고가용성이 가장 중요한 요건인 애플리케이션을 위한 클라우드 컴퓨팅의 대안 아키텍처입니다. 엣지 컴퓨팅의 가장 중요한 목표는 엣지 데이터 센터와 디바이스에 직접 내장된 데이터 스토리지를 사용하여 데이터 처리를 애플리케이션에 더 가깝게 이동함으로써 인터넷 의존성을 없애는 것입니다. 엣지 컴퓨팅은 앱 실행을 위한 클라우드를 대체하는 것이 아니라 데이터 처리를 클라우드에서 엣지로 확장하는 아키텍처라는 점에 유의하는 것이 중요합니다.
“Edge AI” 는 엣지 컴퓨팅 아키텍처에 AI 처리를 포함하는 개념입니다. 여기에는 다음을 실행하는 것이 포함됩니다. LLM 클라우드에서 엣지까지 각 아키텍처 계층의 데이터베이스와 함께 다음을 포함합니다. 온디바이스 SLM. 이러한 종류의 토폴로지는 앱의 기능을 구동하는 AI 모델에 동일한 속도와 가동 시간을 보장합니다.
임베디드 데이터베이스인 SQLite는 엣지 디바이스에서 실행할 수 있으며 엣지 AI 아키텍처에 적합한 것처럼 보일 수 있습니다. 하지만 앱 요구 사항이 앞서 설명한 단순한 요구 사항을 넘어선다면 다시 생각해봐야 할 수도 있습니다.
SQLite가 엣지 AI에 적합하지 않은 5가지 이유
엣지 AI 아키텍처를 달성하려면 독립적으로 실행되고 클라우드와 다른 앱 클라이언트 간에 데이터를 안전하게 동기화할 수 있는 데이터베이스가 필요하며, 호스팅되는 위치에 관계없이 AI 모델과 원활하게 통합되어야 합니다.
다음은 SQLite가 엣지 AI 아키텍처에서 어려움을 겪는 5가지 이유입니다:
- 유연하지 않은 데이터 모델: SQLite는 관계형이며 엄격한 스키마를 따르기 때문에 앱에 대한 모델 요구 사항을 효율적이고 적절한 방식으로 표현하기가 어려울 수 있습니다. 이러한 경직성 때문에 데이터베이스에 새 필드를 추가하는 것과 같은 간단한 작업을 수행하려면 전체 스키마를 업데이트해야 할 수 있습니다. 즉, 업데이트된 데이터 스키마가 포함된 모바일 앱을 새로 출시하려면 앱 출시 시 고가의 데이터베이스 스키마 마이그레이션을 수행해야 하므로 앱 시작 비용이 추가됩니다. 또한 SQLite의 관계형 모델은 지원할 수 있는 데이터 형식을 제한하기 때문에 AI 정확도와 컨텍스트가 제한됩니다. GenAI는 광범위한 데이터 형식을 필요로 하므로 데이터베이스가 지원할 수 있는 데이터 형식이 많을수록 좋습니다. 대안으로 여러 형식의 방대한 양의 데이터를 처리할 수 있는 JSON 문서 데이터 저장소를 지원하는 NoSQL 데이터베이스를 사용하는 것이 AI에 이상적입니다.
- 내장된 데이터 동기화 기능이 없습니다: 여러 사용자가 연결에 드나드는 앱의 경우, 데이터 동기화는 우수한 사용자 경험을 위한 일관성을 제공할 뿐만 아니라 가장 빠르고 정확한 AI 응답을 제공합니다. 또한 데이터 동기화는 보안을 강화하며, 사용자 권한이 변경되면 데이터 동기화가 앱 에코시스템 전체에 변경 사항을 즉시 반영하여 아무도 액세스해서는 안 되는 항목에 액세스하지 못하도록 방지합니다. SQLite는 데이터 동기화를 기본적으로 지원하지 않으므로 개발자는 다음을 수행해야 합니다. 자체 솔루션 구축 또는 타사 솔루션과 통합하여 아키텍처를 복잡하게 만들고 핵심 앱 기능에서 개발 집중력을 빼앗아갑니다.
- 엔터프라이즈급 백엔드 데이터베이스가 없습니다: 로컬 데이터 스토리지가 있더라도 모바일 앱에는 데이터의 중앙 집계 지점으로 백엔드 데이터베이스가 필요하며, 이것이 분산된 모바일 앱 에코시스템의 확장성과 성능을 유지하는 방법입니다. 따라서 클라우드에 배포되는 백엔드 데이터베이스 서버는 엣지 AI 아키텍처의 중요한 부분입니다. SQLite는 확장 가능한 독립형 데이터베이스를 제공하지 않으며, 임베디드 데이터베이스일 뿐입니다. SQLite를 사용하는 앱에 확장 가능한 백엔드를 확보하려면 타사 데이터베이스 서버 기술과 통합해야 합니다. 이로 인해 배포가 더 복잡해지고 유지 관리 및 업그레이드에 개발자의 시간이 더 많이 소요됩니다.
- 엔터프라이즈급 보안이 없습니다: 동기화 및 분산형 데이터 스토리지를 사용할 때는 데이터를 안전하게 액세스, 전송, 저장하는 것이 중요합니다. 이를 완벽하게 처리하려면 인증, 미사용 데이터, 이동 중인 데이터, 읽기/쓰기 액세스 제어를 해결해야 합니다. SQLite는 기본적으로 역할 기반 액세스나 데이터 암호화를 지원하지 않습니다. AI의 경우처럼 엄격한 데이터 보안이 중요하다면 개발자는 타사 보안 확장 프로그램을 활용하여 자체적인 보안 통합을 구축해야 합니다.
- 벡터 검색이 없습니다: 대화형 챗봇, 추천자 또는 AI 어시스턴트와 같은 GenAI 기능의 경우, 벡터 검색을 사용하면 현재 로컬 벡터 데이터가 프롬프트와 함께 전달되는 검색 증강 생성(RAG)과 같은 기술을 통해 LLM(대규모 언어 모델)과 쉽게 통합하여 LLM 응답의 정밀도와 컨텍스트를 향상시킬 수 있습니다. SQLite는 벡터 검색을 지원하지 않으므로 장치에서 RAG 기반 기능이나 시맨틱 검색에 사용할 수 없으므로 에지 AI의 이점이 완전히 사라집니다.
요컨대, 엣지에서 엔터프라이즈급 대규모 AI 기반 애플리케이션을 구축하고 배포할 때 SQLite를 사용하면 많은 개발 장애물에 직면하게 될 것입니다.
카우치베이스 모바일: 엣지 AI에 적합한 데이터베이스
엣지에서 AI 기반 앱을 빌드하고 배포할 때 SQLite의 단점을 해결하려고 개발하느라 시간을 낭비하지 마세요. 대신 기성 클라우드-엣지 동기화 솔루션을 사용하여 팀이 최고의 앱을 만드는 데 집중할 수 있도록 하세요!
카우치베이스 모바일은 데이터 처리 및 벡터 검색을 애플리케이션에 직접 내장하고, 인터넷 연결 없이도 클라우드에서 엣지까지, 그리고 디바이스 간에 데이터를 동기화하여 가장 빠르고 안정적인 AI 기반 애플리케이션을 제공합니다. 제품 스택에는 다음이 포함됩니다:
엔터프라이즈급 백엔드 클라우드 데이터베이스
Couchbase는 GenAI 애플리케이션과 에이전트 시스템을 구축하고 배포하기 위한 대규모의 다목적 NoSQL JSON 문서 데이터베이스 플랫폼입니다. 메모리 우선, 분산형이며 기본적으로 대규모 벡터 검색을 지원합니다. 사용 카우치베이스 카펠라호스팅된 서비스형 데이터베이스를 설치 및 관리하거나 카우치베이스 서버 퍼블릭 또는 프라이빗 클라우드에서 사용하세요.
임베디드 모바일 데이터베이스
카우치베이스 라이트 는 기기에 로컬로 데이터를 저장하는 모바일 및 IoT 앱용 임베드 가능한 Couchbase 버전입니다. 서버 버전과 마찬가지로 Couchbase Lite는 데이터를 JSON 문서로 저장하고, 에지 AI에 중요한 벡터 검색을 지원하며, 기본 제공 보안 및 세분화된 데이터 액세스 제어 기능을 제공합니다. 또한 예측 쿼리 이미지 분류기와 같은 AI 모델을 호출하기 위해 특별히 고안된 기능입니다.
안전한 모바일 데이터 동기화
Couchbase Mobile은 P2P 및 클라우드에서 에지까지 데이터 동기화를 즉시 제공합니다. 호스팅 데이터 동기화를 사용하도록 선택할 수 있는 대상은 다음과 같습니다. 카펠라 앱 서비스또는 설치 및 관리 카우치베이스 동기화 게이트웨이 스스로.
결론
대규모 백엔드 데이터베이스, 강력한 임베디드 데이터베이스, 클라우드에서 엣지까지 벡터 검색, 포괄적인 데이터 동기화를 결합하여 제공하는 Couchbase Mobile은 1초 미만의 응답성과 100% 가동 시간을 제공하는 안전하고 탄력적인 오프라인 우선 엣지 AI 애플리케이션을 구축 및 배포하는 유일한 선택입니다.
엣지에서 자체 미션 크리티컬 앱에 Couchbase Mobile을 사용하는 엔터프라이즈 고객은 다음과 같습니다:
PepsiCo: 펩시코의 30,000명의 현장 영업 담당자는 인터넷 연결 없이도 주문, 매장 상품화, 매장 판매 관리 등 현장의 영업 업무를 중단 없이 수행하기 위해 Couchbase Mobile 기반 앱을 사용하고 있습니다. 펩시코 사용 사례에 대한 자세한 내용은 여기를 참조하세요.
United: 41,000명 이상의 조종사, 승무원, 운항 스케줄러가 Couchbase Mobile로 구축된 모바일 승무원 스케줄링 애플리케이션을 사용하여 업무 프로세스를 간소화하고 데이터 관리를 간소화하고 있습니다. 여기에서 유나이티드 사용 사례에 대해 자세히 알아보세요.
PG&E: PG&E는 오프라인 상태에서도 가스 및 전력 검사관에게 현장에서 실시간 데이터를 제공하기 위해 Couchbase Mobile 기반 앱을 사용하여 사고 대응 및 안전을 개선하고 있습니다. PG&E 사용 사례에 대한 자세한 내용은 여기를 참조하세요.
카우치베이스 모바일에 대해 자세히 알아보기 www.couchbase.com/mobile, 에서 카펠라 앱 서비스 무료 티어에 가입하세요. cloud.couchbase.com/sign-up.
