OCI Release Notes 2025

11월 OCI Oracle Data Platform 업데이트 소식

2025년 11월 OCI Oracle Data Platform 업데이트 소식입니다.

Table of Contents

Data Lake Accelerator

업데이트 내용

Data Lake Accelerator는 Oracle Autonomous AI Database(Serverless)에서 External (Object Store) 데이터 처리 성능을 대폭 향상시키기 위해 새로이 추가된 기능입니다. 객체 저장소에 저장된 대규모 데이터를 대상으로 한 스캔·쿼리 처리 속도와 확장성을 크게 개선할 수 있도록 설계되어 있습니다. Autonomous Database는 기본적으로 SQL 기반으로 데이터를 처리하지만, 대용량 외부 데이터(Parquet, ORC, Iceberg 등) 스캔 처리 시 단일 데이터베이스 리소스만으로는 응답 시간이 오래 걸릴 수 있습니다. Data Lake Accelerator는 클러스터 기반의 확장 리소스를 활용해 이를 보완합니다.

주요 기능

  1. 고성능 외부 데이터 처리 가속
    • Data Lake Accelerator는 Oracle이 관리하는 VM 클러스터에서 실행되며, Autonomous AI Database와 연동하여 외부 저장소(Object Store) 데이터를 스캔·처리할 때 추가 컴퓨팅 파워를 제공합니다. 쿼리 수요에 따라 자동으로 ECPU를 동적으로 할당하여 대규모 외부 데이터 스캔 처리 성능을 크게 향상시킵니다. 
      • 필터링·프로젝션·압축 해제 같은 집약적인 스캔 작업을 병렬로 처리
      • 대규모 데이터 처리 속도 향상
      • 퍼포먼스가 중요한 레이크하우스 분석 및 데이터 파이프라인 성능 개선 
  2. 동적 확장 및 리소스 할당
    • Data Lake Accelerator는 쿼리 실행 중 필요한 만큼만 CPU 리소스를 할당합니다.
    • 리소스가 할당된 후 쿼리가 완료되면 자동으로 리소스가 해제되므로 비용 효율적인 운영이 가능합니다.
    • 기본 Autonomous Database 인스턴스 구성과는 별도로 사용자 요구에 맞춘 확장성 확보가 가능합니다. 
  3. 간단한 구성/관리
    • Data Lake Accelerator는 Autonomous Database의 툴 설정 메뉴 또는 인스턴스 생성·수정 화면에서 쉽게 설정/변경할 수 있습니다. 특별한 워크플로 변경 없이도 데이터 처리 성능을 개선할 수 있도록 설계되어 있습니다. 
      • 인스턴스 생성/클론 시 간단한 옵션 설정
      • 실행 중 변경 가능
      • 기본값(예: 32 ECPU) 포함 다양한 구성 선택 가능 
  4. 유용하게 사용되는 Case
    • Data Lake Accelerator는 다음과 같은 시나리오에서 특히 강력합니다:
      • 대규모 외부 데이터 분석
        • Object Store에 저장된 Petabyte급 데이터에 대한 스캔·집계 쿼리 등을 빠르게 처리하고자 할 때 유용합니다. 
      • Apache Iceberg 또는 외부 테이블 활용 분석
        • Iceberg 등 최신 개방형 테이블 포맷과 함께 사용하면, 레이크하우스 환경에서의 쿼리 성능을 크게 개선할 수 있습니다.
      • 비용 효율적인 확장
        • 필요 시에만 리소스가 자동 할당·해제되기 때문에, 비용 대비 성능을 최적화할 수 있습니다. 
  • Data Lake Accelerator 설정 화면 DLAccelerator

Data Transforms enhancements

업데이트 내용

Oracle Autonomous Database Serverless의 Data Transforms는 데이터 통합 및 변환 워크플로우를 설계하고 자동화하는 도구입니다. 이번 업데이트에서는 SQL 기반 데이터 흐름 생성과 Materialized View 연계 지원이 추가되어 데이터 파이프라인 구축이 한층 강력해졌습니다.

주요 업데이트 및 기능

  1. SQL 쿼리를 기반으로 데이터 플로우 자동 생성
    • 이전에는 시각적 캔버스에서 직접 노드를 연결하는 방식이 주를 이루었다면, 이제 SQL 문장으로 바로 데이터 흐름(Data Flow)을 생성할 수 있습니다.
    • SQL을 작성하면 Data Transforms가 내부적으로 SQL 파서(SQL Parser) 를 사용해 해당 SQL을 해석 데이터 흐름 그래프(Data Flow)로 변환
    • 디자인 캔버스에 시각적으로 표시까지 자동으로 처리해 줍니다. 

    • 특히 복잡한 조인·필터링·집계 로직이 포함된 SQL을 시각적 데이터 흐름으로 빠르게 전환할 수 있어 개발 생산성, 재사용성, 유지보수 편의성 모두 향상됩니다.

    • SQL 쿼리 기반 데이터 플로우 예

        create table DEMO_TARGET.SUB_QUANTITY
  (
  QUANTITY_SOLD NUMBER(10,2),
  PROD_SUBCATEGORY VARCHAR2(50 CHAR)
  )

  INSERT 
  /*+  APPEND PARALLEL  */ 
  INTO DEMO_TARGET.SUB_QUANTITY
  (
      QUANTITY_SOLD ,
      PROD_SUBCATEGORY 
  ) 
  SELECT 
  (SUM(SALES.QUANTITY_SOLD)) ,
  PRODUCTS.PROD_SUBCATEGORY  
  FROM 
  SH.SALES SALES  INNER JOIN  SH.PRODUCTS PRODUCTS  
      ON  SALES.PROD_ID=PRODUCTS.PROD_ID
  GROUP BY
  PRODUCTS.PROD_SUBCATEGORY
    • 생성된 Data Flow OML-GIT
  2. Materialized Views 활용 지원
    • Data Transforms는 이제 Materialized View(물리화된 뷰)를 데이터 흐름 내에서 활용할 수 있습니다.
    • Materialized View를 사용하면 다음 같은 이점이 있습니다:
      • 복잡한 변환 결과를 사전 계산·저장하여 성능 개선
      • 동일한 변환 식을 여러 흐름에서 재사용
      • 변환 결과를 물리화된 형태로 보존해 비용 절감 및 응답 속도 향상
    • JetStream 데이터 허브나 Analytics 데이터 마트 등에서 자주 볼 수 있는 패턴입니다.

OML notebook and GitHub integration

업데이트 내용

Autonomous Database Serverless의 Oracle Machine Learning UI가 한 단계 강화되어, 이제 OML Notebook과 GitHub 저장소 간의 양방향 연동이 가능한 기능을 지원합니다.

  1. 주요 업데이트 요약
    • GitHub 저장소에서 노트북 직접 가져오기
    • GitHub에 있는 OML 노트북을 클론(복제)·가져오기를 할 수 있습니다.
    • 원본 저장소와 브랜치 구조를 유지하면서, 노트북을 Autonomous Database 환경으로 로컬 복사본으로 생성할 수 있습니다.
    • 단순 파일 다운로드가 아니라 Git 브랜치 메커니즘을 활용한 통합 방식입니다. 
    • 개발 중인 분석 노트북을 중앙 GitHub 저장소에 관리하면서, Autonomous Database에서도 공유·재사용·버전 관리가 쉬워졌습니다.
  2. GitHub 원격 변경사항 가져오기 / 반영하기
    • 노트북 편집기에서는 GitHub 저장소와 양방향 동기화가 가능합니다.
    • Pull changes
      • 원격 저장소에서 업데이트된 노트북을 가져옵니다.
    • Push & commit
      • 로컬에서 수정한 내용을 다시 GitHub 저장소로 커밋하고 업로드합니다.
    • 노트북 버전 관리가 UI 내에서 직접 가능해졌습니다. 
  3. GitHub 인증 정보 관리
    • GitHub 저장소와 상호 작용하려면 별도의 GitHub 자격 증명이 필요합니다.
      • 자격 증명은 Autonomous AI Database 내부에 생성·안전 저장됩니다.
      • 이를 통해 보안 위험을 줄이면서 GitHub과의 연동을 사용할 수 있습니다.
  4. 업데이트를 통한 장점
    • 코드/노트북 버전 관리의 통합 - GitHub에 저장된 노트북을 별도 저장소에서 다시 업로드할 필요 없이 OML UI에서 바로 가져오고 커밋할 수 있습니다.
    • 협업 워크플로 향상 - 팀의 노트북을 GitHub로 공유할 때 발생하는 동기화 문제를 줄이고, 공동작업을 위한 중앙 저장소를 유지할 수 있습니다.
    • 개발자 친화적 환경 - 데이터 과학 프로젝트를 진행하면서도 GitHub 기반 CI/CD 워크플로 및 코드 품질 관리를 그대로 유지할 수 있습니다.
  5. 주요 화면
    • OML 메인 화면 OML-GIT
    • OML-Git 연계 OML-GIT

업데이트 내용

Oracle Autonomous Database Serverless에 Table Hyperlinks 차트 보기(Chart View) 기능이 새롭게 도입되었습니다. 이 기능은 데이터를 단순한 테이블 형식으로 보는 것을 넘어, 차트로 시각화해 분석을 더 직관적으로 수행할 수 있게 해 줍니다.

  • 생성 예제 - SQL 함수 DBMS_DATA_ACCESS.CREATE_URL 호출
-- 생성 예
DECLARE
   status CLOB;
   column_lists CLOB;
   BEGIN
      DBMS_DATA_ACCESS.CREATE_URL(
          schema_name => 'ADMIN',
          schema_object_name    => 'TICKETS',
          expiration_minutes    => 3600,
          column_lists          => '{ "order_by_columns": ["TICKETID", "CUSTOMERID"] }',
          result                => status);
       dbms_output.put_line(status);
    END;
/
  • Output 예제
{
  "status" : "SUCCESS",
  "id" : "7qTfIJHpmMwI91j-uoc9r7omMIkYbBs-2WXOUq2rsVXrNrcp0fCwSl5RUcbocoHf",
  "preauth_url" : "https://dataaccess.adb.ap-osaka-1.oraclecloudapps.com/adb/p/g1DqkVYVyQUhTDMRjV0aVbpxfcp_yuh6n7hOBPFkhdvxMBopSw-iTk5PAGK7_DdM4krT5NIAtXE/data",
  "expiration_ts" : "2026-01-23T02:01:00.832Z"
}
  • 생성 예제 화면

Data_Access

주요 업데이트

  1. 차트 뷰로 데이터 시각화
    • Table Hyperlinks를 통해 웹 브라우저에서 데이터를 열람할 때, 기존의 표(Table) 형태뿐 아니라 다양한 차트 뷰로 시각적으로 분석할 수 있습니다.
  2. 다양한 차트 타입 제공
    • 차트 뷰는 다음과 같은 여러 시각화 유형을 지원합니다. 이를 통해 데이터 간 비교나 분포 파악이 더욱 직관적으로 가능합니다.
      • 막대 차트 (Bar)
      • 선 차트 (Line)
      • 산점도 (Scatter)
      • 원형 차트 (Pie)
  3. 차트 설정 커스터마이즈
    • 사용자는 차트 제목, 축 설정, 시리즈 구성 등 다양한 차트 설정을 사용자 정의할 수 있습니다. 특히 그룹화 기준이나 데이터 집계를 임의로 조정해 다양한 관점의 시각 분석이 가능합니다.
  4. 유연한 뷰 전환 및 테이블 옵션
    • 차트 보기와 표 보기 사이를 즉시 전환할 수 있으며, 메뉴 옵션을 통해 열 표시/숨김, 그룹 분할/합치기 등 데이터 표시 방식도 유연하게 조절할 수 있습니다.
  • Data Accss 화면

Data_Access

유용한 Case

  • 비즈니스 리포트 분석: 데이터 테이블을 차트로 바로 볼 수 있어 보고서 검토 시간이 감소됩니다.
  • 공유용 데이터 제공: 다른 팀원이나 외부 파트너에게 시각적으로 이해하기 쉬운 결과를 공유해야 할 때.
  • 신속한 인사이트 도출: SQL 결과를 빠르게 시각화해 변화를 직관적으로 파악할 때.

Autonomous Database Serverless의 Table Hyperlinks 차트 보기 기능을 통해, 단순 데이터 제공을 넘어 데이터 시각화까지 웹 브라우저에서 바로 수행할 수 있게 되었습니다.

Enhancements to GoldenGate features

업데이트 내용

Oracle GoldenGate는 클라우드 네이티브 실시간 데이터 복제 및 스트리밍 서비스로, 다양한 데이터 소스 간 실시간 동기화를 지원해 데이터 통합, 고가용성 구성, 분석용 데이터 파이프라인 등을 구축할 수 있는 서비스입니다.

이번 2025년 11월 업데이트에서는 특히 분산 고가용성 강화, 운영 편의성 향상, 콘솔 기반 가이드 학습 등 고객이 실전 환경에서 안정적이고 쉽게 GoldenGate를 운용할 수 있도록 하는 기능 개선들이 포함되었습니다.

주요 기능 개선

  1. Cross-Region Disaster Recovery 지원 - Cross-Region Disaster Recovery(크로스 리전 재해 복구) 를 공식 지원합니다.
    • 다른 리전 간 Peer Deployment 생성 가능 - 기존에는 단일 리전 내에서만 GoldenGate 배포 간 재해 복구 구성이 가능했으나, 이제는 주 리전 이외의 리전에서도 동등한 레벨의 복구 배포를 만들 수 있습니다.
    • 높은 장애 내성 구축 - 리전 전체 장애 상황에서도 다른 리전이 자동으로 대응할 수 있어 서비스 연속성과 복원력이 더욱 강화되었습니다.
  2. 운영 편의성 & 리소스 관리 향상
    • 이번 업데이트는 관리 포털과 운용 경험을 개선해 운영자가 GoldenGate를 더 직관적으로 관리할 수 있도록 Guided Learning 기능을 제공합니다.
  3. Guided Learning (가이드 학습 기능) - OCI GoldenGate 콘솔에 Guided Learning(가이드 학습) 체험이 추가되었습니다.
    • GoldenGate 서비스 개요 페이지와 배포 상세 페이지에 교육용 안내가 포함
    • 시작 단계에서 필수 설정 또는 최적 구성에 대한 설명을 바로 확인 가능
    • 콘솔 내에서 필요한 절차를 빠르게 파악할 수 있어 러닝 커브(Learning Curve) 감소


이 글은 개인적으로 얻은 지식과 경험을 작성한 글로 내용에 오류가 있을 수 있습니다. 또한 글 속의 의견은 개인적인 의견으로 특정 회사를 대변하지 않습니다.

RELEASE-NOTES-2025-DATAPLATFORM
oci-release-notes-2025 November-2025 DATAPLATFORM, DATABASE, BIGDATA, DATAFLOW, SPARK, ORACLE

BACK

Dialogue & Discussion