EDB 서머 아카데미는 AI, Kubernetes, 데이터 분석, 고가용성(HA) 등 Postgres의 주요 기술 주제를 다루는 무료 온라인 세미나 시리즈입니다. 각 세션에서는 기초 개념을 넘어 실무에 바로 적용할 수 있는 심층적인 기술 지식과 활용 방법을 제공합니다.
아래에서 전체 교육 프로그램을 확인하고, 관심 있는 세션을 선택해 등록하세요.
왜 해야할까?
AI 데이터 플랫폼으로서의 Postgres: 아키텍처, 벡터 기술 및 주요 고려사항
AI 애플리케이션에는 단순한 행과 열 형태의 데이터를 넘어 다양한 데이터 유형과 처리 방식을 지원하는 데이터베이스가 필요합니다. 이제 벡터, 임베딩, 시맨틱 검색, 실시간 추론 파이프라인은 데이터베이스의 핵심 기능으로 자리 잡고 있습니다. 이번 세션에서는 Postgres가 AI 워크로드를 지원하기 위해 어떻게 발전해 왔는지 살펴보고, pgvector와 유사도 검색 기술부터 데이터를 기존 환경에 유지하면서 생성형 AI 파이프라인을 구성하는 방법까지 다룹니다.
또한 데이터 주권 확보, 지연 시간과 성능 간의 균형, 트랜잭션 워크로드와 AI 워크로드를 함께 운영할 때 발생하는 기술적 과제 등 주요 아키텍처 설계 시 고려해야 할 사항을 살펴봅니다. 이를 통해 최신 AI 기술 환경에서 Postgres가 어떤 역할을 수행하는지 명확하게 이해할 수 있습니다.
Kubernetes promises to simplify how you deploy and manage stateless workloads. But databases aren't stateless services, and closing that gap takes more than dropping a container image into a cluster. This session covers the core concepts DBAs and DevOps teams need to bridge the gap.
We dig into the failure scenarios teams overlook, the trade-offs between self-managed and operator-managed approaches, and what it takes to build a Kubernetes-native Postgres setup you can actually trust in production.
Kubernetes에서 상태 저장 워크로드 운영: Postgres를 올바르게 구축하고 운영하는 방법
Stop Managing Silos: A Modern Analytics Architecture Built on Postgres
Most teams add a separate analytics system the moment query times climb, but each one becomes another silo to feed, govern, and sync. This session covers a converged architecture that runs transactional, real-time, and petabyte-scale analytics on one open Postgres foundation, without ETL pipelines.
We'll show how engines like ClickHouse and WarehousePG work alongside Postgres on a shared open catalog, weigh the trade-offs between converging and running standalone systems, and cover what it takes to make it perform.
Most HA setups look great until something goes wrong. This session covers the core architectures, failure modes, and hard-won lessons that separate robust high availability from a false sense of security.
We dig into the scenarios teams most often overlook: replication lag during a failover, split-brain risks, fencing a demoted primary, and why automated failover can make an outage worse if not done carefully. Add in the observability and testing practices that give you real confidence in your setup, and you leave with a clear path from theory to production reality.