top of page
마크베이스 작성한 Tech information 칼럼을 읽어 보실 수 있습니다
MACHBASE 테크 블로그
검색


철도 압축 공기 처리 장치(APU), 시계열 DB로 "설명 가능한" 상태 진단 화면 만들기
들어가며 Predictive Maintenance라고 하면 보통 머신러닝 모델이 고장을 맞히는 장면부터 떠올립니다. 하지만 현장에서 정비 담당자가 정말 묻는 것은 "그래서 왜 그렇게 판단했는데?"입니다. 점수 하나만 던져 주는 시스템은 신뢰를 얻기 어렵고, 센서 데이터와 시간축을 함께 보면서 결과를 설명할 수 있어야 비로소 쓸모가 생깁니다. 이번 글에서는 UCI Machine Learning Repository의 MetroPT-3 데이터셋을 Machbase Neo에 적재하고, 철도 차량의 압축 공기 처리 장치(APU) 상태를 인터랙티브 대시보드로 탐색하는 데모를 소개합니다. 이 데모의 Health Score와 이벤트는 학습된 모델이 아니라 프로젝트에서 직접 정의한 규칙 기반 지표입니다. 산식이 공개되어 있으니 왜 그 점수가 나왔는지 누구나 따라가 볼 수 있습니다. 왜 MetroPT-3인가 MetroPT-3는 2020년 2월부터 8월까지 철도 차량
10월 21일


Machbase Neo를 활용한 코인 거래 데이터 수집과 분석
코인 거래 데이터의 특징 코인 거래 데이터는 분석 재료로서 독특한 성격을 가지고 있습니다. 거래소는 24시간 쉬지 않고 열려 있고, 인기 종목은 1초에도 수십에서 수백 건의 체결이 일어납니다. 바이낸스에서 거래대금 상위 50개 코인의 체결과 호가 변화를 모으면 초당 5,000~7,000행, 하루 약 17GB가 쌓일 정도로 발생량이 많습니다. 반면 데이터를 얻기는 매우 쉽습니다. 주식 실시간 시세는 보통 증권사 계정이나 유료 피드가 있어야 받을 수 있지만, 코인 거래소는 공개 WebSocket으로 체결과 호가를 실시간으로 내보내므로 계정이나 API 키 없이도 받을 수 있습니다. 결국 문제는 데이터를 얻는 방법이 아니라, 끊임없이 쏟아지는 데이터를 놓치지 않고 모아 디스크 부담 없이 쌓아 두고, 필요할 때 원하는 구간을 빠르게 꺼내 분석하는 방법입니다. 이 글에서는 neo-pkg-coin-collector 패키지를 예로 들어 Machbase Neo로
10월 16일


ISA-95 시대의 스마트 팩토리, Machbase Neo가 연결하는 데이터의 흐름
마크베이스는 ISA-95를 어떻게 지키고 활용하고 있을까요? 공장 문을 열고 들어가 보겠습니다. 수백 대의 설비가 쉬지 않고 가동되고, 그 안에 설치된 센서들은 온도와 진동, 압력과 전류를 초 단위로 만들어 냅니다. 라인 하나가 멈추면 담당자는 원인을 찾기 위해 PLC 로그를 확인하고, SCADA 화면을 살펴본 뒤, ERP에 기록된 생산 실적과 대조하게 됩니다. 그런데 이 과정에서 반복적으로 마주하는 문제가 있습니다. 설비가 말하는 언어와 관리 시스템이 이해하는 언어가 서로 다르다는 점입니다. 같은 ‘생산량’이라는 단어를 두고도 현장 설비와 MES, ERP가 다른 이름과 단위, 데이터 구조를 사용한다면, 공장은 센서를 아무리 많이 설치해도 하나의 목소리를 내기 어렵습니다. 이 문제를 해결하기 위해 만들어진 표준이 ISA-95입니다. 시계열 데이터베이스 전문 기업인 마크베이스(Machbase)는 이 표준의 철학을 제품과 데이터 흐름에 적용하여, 공장
8월 4일
공짜의 대가는 항상 뒤늦게 청구됩니다
정부는 공공정보화 사업에서 오픈소스 소프트웨어 도입을 장려합니다. 특정 벤더에 종속되지 말자, 라이선스 비용을 아끼자, 기술을 개방하자. 명분은 훌륭합니다. 하지만 명분이 훌륭하다고 해서 결과까지 훌륭한 것은 아닙니다. 라이선스가 무료라는 것은 비용이 없다는 뜻이 아닙니다. 비용은 사라지지 않습니다. 설치 비용, 통합 비용, 성능 검증 비용, 보안 패치 비용, 장애 대응 비용, 인력 교육 비용, 버전 업그레이드 비용, 데이터 이전 비용, 장기 유지보수 비용. 가격표에서 한 줄이 사라진 것처럼 보이지만, 그 비용은 다른 줄에 나눠 적혔을 뿐입니다. 더 심각한 문제는 공공 시스템의 특수성입니다. 행정, 철도, 전력, 의료, 세금, 재난 대응 시스템은 무너졌을 때 "커뮤니티에 문의해 보겠다"고 말할 수 없는 곳입니다. 국민의 생명과 안전이 걸린 인프라에 책임 없는 무료 소프트웨어를 얹어 놓고, 그 유지보수를 누가 책임질 것인지는 정작 아무도 묻지 않습니
7월 3일


뉴로-심볼릭 에이전트로 진화 : neo-pkg-llm-chat 3.0.0 출시
2.x의 마지막 약점은 "AI가 직접 쓰는 코드"였다. 2.0.0에서 의도별로 기능을 나누고 잘못된 입력을 자동으로 보정하면서 오작동은 크게 줄었습니다. 그런데 한 부류의 문제는 끝까지 남았습니다. 바로 "AI가 직접 작성하는 차트 코드"입니다. 차트 한 장을 만들려면 내부적으로 쿼리 코드를 써야 하는데, 여기엔 함정이 많습니다. 시간 값을 다루는 방식, 집계·구간 처리 규칙 등에서 AI는 같은 실수를 반복했고, 특히 가벼운 로컬 모델일수록 "실행되지 않는 차트" 또는 "문법은 맞지만 빈 차트가 나오는" 결과를 자주 만들었습니다. 더 나쁜 경우엔, 직접 코드를 지어내 "이렇게 하면 됩니다"라고 답했는데 실제로는 틀린 코드였습니다. 3.0.0의 가장 큰 변화 "뉴로-심볼릭 에이전트" 는 바로 이 지점을 겨냥합니다. 뉴로-심볼릭 에이전트 예측 기능 신규 (Beta) 틀린 답변 자동 차단 보안 강화 문서 검색 정확도 향상 사용자별 즐겨찾기 안정화 및
7월 1일


철강의 덤핑은 막으면서, 소프트웨어의 덤핑은 왜 방치하는 것입니까?
마크베이스는 13년전부터 “시계열 데이터베이스”라는 새로운 형태의 SW를 정말 바닥부터 하나하나 있는 돈 없는 돈 모두 끌어모아 개발하고, 시장을 개척하고 있는 벤처기업입니다. 최근 공항공사에 제안을 하는 과정에서 기존에 나왔던 “시계열 데이터베이스”의 요구 사항이 눈에 밟혔습니다. 최초에는 외산 시계열 데이터베이스 제품명 2개, “InfluxDB, TimeScaleDB”가 적혀 있었고, 당연히 마크베이스는 없었습니다. 마크베이스가 저 리스트에 없는 것은 문제가 아닙니다. 작고, 영세한 국내 SW기업의 마케팅 역량이 얼마나 되겠습니까? 문제는 저 외산 SW가 무려 공짜라는 것입니다. 만일 위와 같다면, 국내 대기업 뿐만 아니라 중견, 중소 SI 기업이 제안할 경우에는 예외없이 100% 저 위의 외산 공짜 SW를 제안합니다. 마크베이스가 거기에 끼어들 틈은 전혀 없습니다. 감사하게도 공항공사에서 국산 “시계열 데이터베이스”가 있다는 것을 아시고
7월 1일


더 똑똑해진 AI 에이전트 : neo-pkg-llm-chat 2.0.0 출시
자연어로 데이터를 묻고, AI가 알아서 차트를 그려주고, 대시보드까지 만들어주는 시대. 마크베이스 네오의 neo-pkg-llm-chat 패키지는 이런 경험을 가능하게 해주는 LLM 에이전트입니다. 그런데, 이전 버전을 직접 써보신 분들은 한 번쯤 이런 답답함을 느끼셨을지 모르겠습니다. "Ollama 같은 로컬 LLM을 붙였더니 자꾸 엉뚱한 도구를 호출하네..." "API 비용이 생각보다 많이 나오는데?" "여러 사람이 같이 쓰면 한 사람이 무거운 분석을 돌릴 때 다른 사람이 느려져요" 저희 마크베이스도 똑같은 고민을 했습니다. 그래서 이번에 neo-pkg-llm-chat 2.0.0 버전으로 전면 재설계를 진행했고, 이 글에서 그 결과를 공유드리려고 합니다. 이전 1.x 버전에 비해 어떤 점이 좋아졌는지, 핵심만 짚어 보겠습니다. 하네스 구조 도입 JSH 기반 단일 패키지 토큰 사용량 최대 80% 감소 그 외 개선 점 한눈에 보는 1.
5월 29일


NEO V8.5, DB 한계를 넘다 : Black-box & LLM
많은 분들이 가장 많이 기다려 주셨던 혁신적인 업데이트 소식을 전해드립니다! 이번 마크베이스 NEO V8.5는 단순한 데이터 저장 속도의 개선을 넘어, DB 엔진에 '눈(Black-box)'과 '두뇌(LLM)'를 이식했습니다. 단절되어 있던 영상 데이터와 센서 데이터를 하나로 묶고, 복잡한 쿼리 없이 AI와 대화하며 통찰력을 얻는 새로운 비즈니스 환경을 확인해 보세요. 3차 NEO V8.5 App 패키지 Black-box & LLM *이미지 클릭시 해당 영상으로 이동합니다. 영상과 센서의 결합 : Black-Box 산업 현장에서 사고가 발생했을 때, "왜 알람이 울렸지?"라는 질문에 답하기 위해 우리는 보통 두 곳을 번갈아 봅니다. 하나는 센서 데이터 그래프이고, 다른 하나는 CCTV 영상입니다. 하지만 이 둘의 시간이 정확히 일치하지 않아 원인을 재구성하는 데 큰 어려움을 겪곤 하죠. 사고의 '그 순간'을 그대로 재현하다. NEO V8.5의 Bl
4월 23일


NEO V8.5, 산업용 데이터 혁신 : JSH & Replication & OPC-UA
산업 현장의 데이터 관리자라면 한 번쯤 이런 고민에 빠집니다. "PLC 데이터 좀 긁어오려는데, 대체 게이트웨이랑 미들웨어를 몇 개나 설치해야 하는 거야?" "서버 간 데이터 전송 중 중단되면, 누락된 구간은 어떻게 복구할 수 있을까요?" "수집 서버, DB 서버, 분석 엔진... 관리가 너무 복잡해서 머리가 터질 것 같아요." 현장은 점점 더 스마트해지고 있지만, 데이터를 다루는 방식은 여전히 복잡합니다. 그리고 복잡성은 곧 비용, 장애, 운영 리스크로 이어집니다. 이 문제를 해결하기 위해 마크베이스 NEO v8.5가 탄생했습니다. 데이터 수집부터 애플리케이션 개발, 그리고 무중단 전송까지. 현장 데이터 인프라의 구조 자체를 바꾸는 업데이트, 이번 영상에서 자세히 알려드립니다. 2차 NEO V8.5 App 패키지 JSH & Replication & OPC-UA *이미지 클릭시 해당 영상으로 이동합니다. 다. 내장형 런타임: Go 엔진
4월 22일


Machbase NEO V8.5 출시 및 DBMS 소개
Machbase NEO V8.5가 여는 AI 에이전트 시대 데이터는 산처럼 쌓여가는데, 정작 그 데이터를 활용해 업무를 자동화하려니 막막하셨나요? 지금까지의 데이터베이스(DBMS)는 사람이 직접 SQL을 짜고, 수동으로 데이터를 탐색해야만 움직이는 '사람 중심'의 구조였기 때문입니다. 하지만 이제 시대가 변했습니다. 고객이 사람이 아닌 AI 에이전트가 되는 시대, 마크베이스가 그 혁명적 변화의 중심에 섭니다. 2026년 4월 27일 오전 10시, AI 에이전트가 가장 잘 이해하고 스스로 일할 수 있게 설계된 차세대 인프라, AI 데이터 관리의 패러다임을 바꿀 Machbase NEO V8.5가 공식 출시됩니다. 또한, 오늘(4/20)부터 일주일간 NEO V8.5의 핵심 기능과 기술을 순차적으로 공개합니다. AI 어플리케이션이 요구하는 차세대 데이터 플랫폼이 어떻게 구현되는지 직접 확인 해보세요 ! 1일차 신제품 소개 & NEO DBMS 기능 소개 S
4월 19일


마크베이스 백업을 아마존 S3에 저장하고, 간편하게 마운트로 데이터 접근 하기
배경 마크베이스의 고객들이 자주 물어보시는 질문이 있습니다. 그것은 마크베이스에서 백업했던 파일을 아마존의 S3에 저장해 놓았을 때 이 파일을 바로 볼 수 없냐? 는 것입니다. 마크베이스의 백업과 마운트 기술을 미국 및 한국 특허로 등록이 되어 있는 마크베이스의 가장 독특하면서도, 탁월한 데이터 관리 기술 중 하나입니다. 그러나, 이 제품을 설계한 당시만 하더라도 백업 파일을 아마존과 같은 클라우드에 저장한다는 생각을 하지 못했었고, 실제로 S3와 같은 저렴한 곳에 저장을 한 경우에는 이 백업에 보존된 데이터를 다시 추출하기 위해서는 언제나 다운로드/복사 및 복원 과정을 거쳐야 했습니다. 그런 이유로 이 글은 2025년 클라우드가 보편화되고, 수 많은 백업 파일들이 저렴한 S3 계열의 저장소에 보관되는 환경에서 마크베이스의 마운트 기능을 사용할 수 있는지에 대한 검증이 되겠습니다. 혹시나 마크베이스의 혁신적인 백업과 마운트 기능에 대해 더 궁
2025년 11월 24일


K-방산의 미래 기술 '에지컴퓨팅'과 데이터 처리의 미래
이번 블로그에서는 K-방산으로 유명한 대한민국 국방사업의 무기체계를 위한 에지 장비 기반의 시계열 DBMS의 활용에 대한 이야기를 해 보도록 하겠습니다. 에지 장비와 에지 컴퓨팅 K-방산의 무기체계에 대한 이야기를 하기 위해서는 데이터 처리 모델이 변하고 있는 전세계적인 트랜드를 이야기해야 할 것 같습니다. 그것은 바로 에지 컴퓨팅이라는 변화인데요, 기존에는 모든 데이터를 클라우드로 옮겨서 처리하는 것이 주요한 핵심이었다면, 이러한 데이터가 점점 더 단말 장비에서 처리하는 방향으로 움직이고 있습니다. 이렇게 움직이는 가장 큰 이유는 아래의 3가지 이유 때문입니다. 실시간 데이터 처리 - 클라우드로 갔다 오는 것은 너무 느립니다. 데이터 보안 - 데이터를 외부에 두지 않아도 안전해요. 비용 절감 - 클라우드나 서버의 스토리지를 별도로 사용하지 않아도 되지요. 이런 이유로 에지 컴퓨팅에 대한 관심이 점점 더 높아지고 있습니다. 대한민국 무기 체계 현
2025년 8월 29일


클로드 MCP를 Machbase Neo에 연동하고, AI스럽게 사용해보기
클로드 MCP를 Machbase Neo에 연동하고, AI스럽게 사용해보기
2025년 8월 3일


좌표 해독 없이 실시간으로 지도에 위치데이터 표시하기(Feat.SQL)
복잡한 좌표를 숫자대신 SQL로 바로 지도에 위치를 표시 할 수 있다면? "이런 것 까지 가능해?" 싶은 신박한 GEOMAP() 기능을 소개합니다. GEOMAP 소개 GEOMAP이란 지리적 맵에 표시되는 측정항목을 오버레이 및 차트로 나타낸 지도입니다. 마크베이스 네오 v8.0.44부터는 저장된 위치정보(GPS, 위경도)를 SQL 쿼리로 질의하여 어려운 숫자표현 대신 지도상의 위치로 한번에 표시 할 수 있는 GEOMAP() 기능을 출시했습니다. GEOMAP()을 사용하면 위경도 데이터를 직관적으로 지도에 시각화 할 수 있다는 소식 ! 차근차근 핵심 기능과 활용법, 예시들을 소개해보겠습니다😊 GEOMAP의 핵심 기능 다양한 지리적 데이터 표현과 팝업 및 툴팁 기능 제공: 마커, 도형, 팝업과 툴팁을 지도에 표시할 수 있어요. 손쉬운 SQL 활용: 기존 SQL 환경에서 간단한 명령어로 지도 데이터를 생성하고 조작할 수 있습니다. 유연한 타일맵 지원:
2025년 3월 31일


AI 학습 효율의 끝판왕! Machbase Neo로 비용과 시간 절감
Machbase Neo로 AI 학습의 한계를 뛰어넘어 더 빠르고 효율적인 데이터 분석을 실현하세요!
2024년 11월 14일


시계열 데이터베이스와 AI의 완벽한 만남
현대 사회에서 데이터는 그 어느 때보다 중요한 자원이 되었습니다. 특히 시간에 따라 변화하는 데이터의 중요성이 날로 커지고 있는 가운데, 이를 효과적으로 관리하고 분석할 수 있는 도구의 필요성이 대두되고 있습니다. 이러한 배경에서 시계열 데이터베이스(Time Series Database, TSDB)가 주목받고 있으며, 더불어 인공지능(AI) 기술과의 결합을 통해 그 가치가 더욱 증대되고 있습니다. 이 글에서는 TSDB와 AI의 시너지 효과에 대해 심도 있게 살펴보고자 합니다. 시계열 데이터베이스와 AI 시계열 데이터베이스란 시간 축을 따라 일정한 간격으로 측정되거나 이벤트가 발생할 때마다 기록되는 데이터를 저장하고 관리하는 데 최적화된 데이터베이스를 말합니다. 주가의 변동, 일별 기온 변화, 환자의 심박수 변화 등이 시계열 데이터의 대표적인 예라고 할 수 있습니다. 이러한 TSDB의 특성은 최근 AI의 발전과 맞물려 더욱 주목받고 있습니다. 그 이
2024년 7월 19일


시계열 데이터베이스의 경제적 의미
1. 글을 시작하며 시계열 데이터베이스는 기존의 관계형 데이터베이스(RDBMS)와는 달리 대량의 시계열 데이터를 효율적으로 저장하고 처리할 수 있는 기능에 특화된 데이터베이스 시스템이다. DBMS 분야에서 시계열 데이터베이스가 등장한 지는 벌써 10여년이 넘었지만 아직도 대부분의 IT 종사자들에게 ‘시계열 데이터베이스’는 생소한 개념인 것이 현실이다.(이에 대해서는 앞서의 포스팅-성큼 다가온 시계열 데이터베이스 시대, 대한민국 공공조달 시장을 위한 제언-을 참고하기 바란다.) 아직 대한민국에서는 초기 시장 단계라고 할 수 있는 시계열 데이터베이스가 확산되기 위해서는 그 성능과 기능에 대한 이해가 아니라 시계열 데이터베이스의 필요성과 가치에 대한 이해가 먼저일 것이다. 특히 마크베이스는 상용 소프트웨어이기 때문에 이 부분이 더 중요할 수 밖에 없다. 이하에서는 '왜 시계열 데이터베이스가 필요한가'에 대해 기존의 관계형 데이터베이스의 한계와 시계열 데
2024년 7월 19일


장기간의 통계 연산과 시각화를 위한 롤업(Rollup) 활용
들어가기 시계열 데이터베이스에서 기대하는 가장 큰 역할 중의 하나는 장기간에 걸쳐 수집된 빅데이터에 대해 다양한 형태의 통계 연산과 데이터 추출, 시각화일 것이다. 왜냐하면, 다른 종류의 데이터베이스에서 기대할 수 있는 데이터 처리 기술로는 원하는 성능에 도달하기가 매우 힘들기 때문이다(그렇지 않다면, 시계열 데이터베이스가 왜 필요하겠는가?). 그렇지만, 시계열 형태로 모여진 빅데이터에 대해 무한한 리소스를 통한 병렬 데이터 연산을 수행하지 않는 한, 데이터 규모에 따라 데이터 처리 성능은 어느 한계를 가질 수 밖에 없다. 예를 들어보자. 특정 목적으로 센서 데이터를 12개월간 수집하였고, 데이터 총량은 1000억건, 저장공간은 압축해서 700GB 정도라고 가정하자. 그리고, 센서(혹은 태그) 갯수가 50개라고 한다면, 센서당 최소한 20억건의 데이터를 직렬로 유지하고 있는 것이다. 사용자가 임의 태그에 대해 6개월 범위에 대해 임의의 통계 연산
2024년 7월 11일


데이터의 시간적 가치와 이에 기반한 효율적인 관리 방안(Feat.마운트)
데이터의 시간적 가치를 이해하고, Hot Data와 Cold Data를 효율적으로 관리하는 전략을 통해 조직은 데이터 저장 비용을 절감하고, 필요한 데이터를 신속하게 접근하여 사용할 수 있습니다.
2024년 7월 11일


쌓여가는 산업 빅데이터 (Industrial bigdate) 를 관리하는 신박한 방법 (Feat. 마운트)
들어가기 흔히 스마트-X로 불리는 다양한 분야에서는 센서 데이터 혹은 시계열 데이터로 불리는 산업 빅데이터는 점점 더 많이 발생하고 있으며 , 고객은 이를 다양한 형태의 기술과 소프트웨어를 통해 저장 및 관리하고 있다. 더불어 최근 들어 AI 학습을 위해 데이터를 예전처럼 즉시 폐기 처분하거나, 일정 기간후에 삭제할 수 없는 제약 조건이 있기 때문에 어떻게 이러한 데이터를 잘 관리해야 하는 지가 중요한 이슈가 되었다. 데이터베이스 혹은 일반 Plain Text로 저장된 데이터를 관리하는 뽀족한 방법이 있을까 싶지만, 마크베이스에서 제안하는 신박한 방법이 있기에, 이 방법이 얼마나 효과적일지 한번 알아보도록 하자. 스마트-X 시대와 데이터 방대하게 쌓인 IIoT 빅데이터 관리의 어려움 전통 데이터베이스 백업 개념의 한계 (데이터가 저장된 곳은 MySQL, MaridDB, MongoDB, influxDB 등와 같은 "데이터베이스"로 한정하도록
2024년 5월 27일
bottom of page