Supabase와 AWS, 앱 개발자가 주말 동안 구축하고 수백만 명 규모로 확장하도록 지원

아마존(AMZN)의 클라우드 부문인 아마존 웹 서비스(AWS)가 오픈소스 기반의 Postgres 개발 플랫폼인 Supabase와 협력하여 개발자들이 생성형 AI 애플리케이션을 더욱 쉽게 구축할 수 있도록 지원한다고 발표했습니다. AWS re:Invent 행사에서 공개된 이번 협력은 Supabase의 두 가지 새로운 Amazon S3 기반 스토리지 혁신과 새로운 ETL(추출, 변환, 적재) 기능을 포함합니다. 이를 통해 개발자들은 초기 단계의 프로젝트를 엔터프라이즈급 애플리케이션으로 신속하게 발전시킬 수 있습니다. 새롭게 선보이는 Supabase Analytics Buckets는 Apache Iceberg와 Amazon S3 Tables를 기반으로 하며, 분석 워크로드를 지원합니다. 또한, Supabase Vector Buckets는 의미론적 검색 및 개인화와 같은 AI 기능을 강화하는 특화된 스토리지를 제공합니다. Supabase ETL 기능은 단 한 번의 클릭으로 Postgres 데이터베이스에서 분석 도구로 데이터를 자동으로 이동시켜, 수개월이 소요되던 코딩 작업을 제거합니다. AWS 기반으로 운영되는 Supabase는 현재까지 1,000만 개 이상의 데이터베이스를 출시했으며, Y Combinator 배치(batch)의 60% 이상이 Supabase 플랫폼을 활용할 정도로 스타트업들에게 필수적인 기반으로 자리 잡았습니다. 이러한 도구들은 개발자들이 소비자가 사랑하고 비즈니스에 필요한 애플리케이션을 구축하도록 돕습니다. Supabase는 개발자들이 프로토타입부터 프로덕션 시스템까지 애플리케이션을 원활하게 확장할 수 있도록 지원하며, 성장하는 기업의 속도를 늦추는 값비싼 재구축 없이 수백만 명의 사용자를 지원할 수 있습니다. 또한, AI 코드 생성 도구가 완전한 기능을 갖춘 애플리케이션을 만드는 데 필요한 모든 백엔드 작업을 처리하며, 세계에서 가장 널리 사용되는 데이터베이스 중 하나인 PostgreSQL을 단일 제어 지점으로 활용합니다. 전 세계 500만 명의 개발자에게 서비스를 제공하고 AWS에서 운영되는 Supabase 플랫폼은 개발자들이 AI 도구가 프로덕션 준비 애플리케이션 구축의 복잡성을 처리하는 동안 창의적인 흐름 상태를 유지할 수 있게 하는 '바이브 코딩(vibe coding)' 운동의 핵심 동력이 되었습니다. Supabase의 CEO 겸 공동 창립자인 Paul Copplestone은 "Supabase 이전에는 앱을 구축한다는 것이 여러 개의 별도 서비스를 관리해야 함을 의미했습니다. 데이터베이스용 서비스, 사용자 로그인을 위한 서비스, 파일 저장을 위한 서비스 등 각각 고유한 대시보드와 작업 방식을 가지고 있었습니다."라며, "오늘날 Supabase는 이 모든 것을 하나의 플랫폼으로 통합했으며, 모두 Postgres 위에 구축되었습니다. 이는 개발자들이 5곳이 아닌 1곳에서 작업할 수 있음을 의미하며, AWS의 규모가 첫 번째 사용자부터 백만 번째 사용자까지 모든 것을 놓치지 않고 처리할 것이라는 확신을 가질 수 있습니다."라고 말했습니다. Supabase는 현재 아시아 태평양(싱가포르), 아시아 태평양(도쿄), 아시아 태평양(시드니), 유럽(런던), 미국 서부(북부 캘리포니아)를 포함한 17개의 글로벌 AWS 리전에서 운영됩니다. 이를 통해 개발자들은 고객과 더 가까운 곳에 데이터베이스를 생성하여 응답 시간을 단축할 수 있습니다. 이는 도쿄의 사용자가 제품을 검색하거나 시드니의 게이머가 경기에 참여할 때 앱이 즉각적으로 응답하는 것을 의미하며, AWS의 글로벌 인프라는 앱을 원활하고 반응적으로 느끼게 하는 초당 성능을 제공합니다. Supabase는 또한 AWS Graviton 프로세서에서 독점적으로 실행되어 운영 비용을 절감하면서 성능을 향상시킵니다. 이번 발표의 주요 내용은 다음과 같습니다. Supabase ETL은 Postgres 데이터베이스에서 분석 및 AI 기능을 모두 지원하는 통합 데이터 레이어로 데이터를 자동으로 이동시킵니다. 단 한 번의 클릭으로 ETL은 Supabase Analytics Buckets와 Supabase Vector Buckets 모두에 데이터를 복사하여 대시보드 및 AI 애플리케이션에 깔끔하고 정리된 데이터를 제공합니다. Supabase Analytics Buckets는 Amazon S3 Tables의 Apache Iceberg 형식을 지원합니다. 이는 분석 데이터가 Amazon 및 타사 서비스에서 기본적으로 읽을 수 있는 형식으로 저장됨을 의미합니다. 고객이 대시보드나 보고서를 실행하고자 할 때, Supabase ETL은 사용자의 기본 Postgres 데이터베이스에서 Analytics Bucket으로 데이터를 복제합니다. 그런 다음 고객은 프로덕션 데이터베이스에 부하를 주지 않고 Amazon Athena, Amazon Redshift, Amazon EMR 또는 Amazon QuickSight에서 데이터를 쿼리할 수 있습니다. Supabase Vector Buckets를 사용하면 Postgres 데이터베이스 대신 Amazon S3에 대규모 벡터 데이터 세트를 저장할 수 있습니다. 이는 추천 엔진 및 의미론적 검색과 같은 기능에 중요합니다. 고객이 쇼핑 앱에서 "여름 드레스"를 검색할 때, 기존 검색은 정확한 단어 일치를 찾지만, 벡터 검색은 개념을 이해하고 "선드레스" 또는 "따뜻한 날씨 의상"과 같은 다른 단어를 사용하더라도 관련 항목을 찾을 수 있습니다. 이전과 동일한 인터페이스를 사용하여 Postgres에서 Vector Buckets를 쿼리할 수 있지만, 스토리지는 S3에 있어 비용 효율적이며 데이터베이스에 부담을 주지 않고 수백만 개의 임베딩으로 확장할 수 있습니다. 이 아키텍처는 PostgreSQL을 주문 처리와 같은 실시간 비즈니스 운영을 위한 핵심 트랜잭션 데이터베이스로 사용합니다. Supabase ETL은 기록 보고 및 비즈니스 인텔리전스를 위해 Supabase Analytics Buckets로 데이터를 지속적으로 복제하는 반면, Supabase Vector Buckets는 AI 기반 스마트 추천 및 의미론적 검색을 처리합니다. 모든 것이 거의 실시간으로 동기화되므로 전자 상거래 회사는 단일 쿼리를 사용하여 고객에게 현재 주문(PostgreSQL 트랜잭션 데이터), 구매 내역 분석(Supabase Analytics Buckets), 개인화된 제품 추천(Supabase Vector Buckets)을 표시할 수 있습니다. 이는 세 개의 별도 시스템이 아닌 단일 인터페이스에서 모두 가능합니다. AWS의 기술 부사장인 Mai-Lan Tomsen Bukovec는 "모든 현대 비즈니스는 데이터 비즈니스이며 Amazon S3는 개발자의 기반입니다."라며, "S3의 규모와 안정성을 Supabase의 통합 플랫폼과 결합함으로써 개발자가 데이터를 더 쉽게 활용하고 AI 실험에서 프로덕션 애플리케이션으로 전환할 수 있도록 하고 있습니다."라고 말했습니다. Copplestone은 또한 "웹사이트, 모바일 앱, 실제 매장에서 고객 행동을 분석하려는 소매업체를 상상해 보세요. 여러 시스템에서 데이터를 수집하고, 정리하고, 공통 언어로 번역하고, 분석가가 사용할 수 있는 곳으로 전달해야 합니다. 이 모든 것을 거의 실시간으로 업데이트해야 합니다."라며, "AWS와 함께 우리는 이 전체 프로세스를 상자를 클릭하는 것만큼 간단하게 만들었습니다. 이를 통해 비즈니스는 데이터에 액세스하기 위해 고군분투하는 대신 데이터를 사용하는 데 집중할 수 있습니다."라고 덧붙였습니다. 2025년 3분기 한 분기에만 Supabase에서 생성된 프로젝트 수가 회사의 첫 4년 동안 생성된 프로젝트 수를 합친 것보다 많았습니다. Lovable, Figma Make, Bolt와 같은 스타트업은 AWS에서 신속하게 확장하기 위해 Supabase에 의존하고 있습니다. AI 웹사이트 빌더인 Lovable은 사용자가 새 애플리케이션을 만들 때마다 데이터베이스를 자율적으로 생성하기 위해 Supabase를 사용하며, 이는 플랫폼이 에이전트 워크로드를 대규모로 지원할 수 있는 능력을 보여줍니다.