마지막 편집일: 2026년 10월 26일
dbt Labs의 v2 어댑터 제품 매니저인 호프 왓슨은 이번 세션을 1800년대 철도 비유로 정리했습니다. 두 개의 열차 시스템이 서로 다른 궤간을 사용할 때, 기술적으로는 아무런 문제가 없지만 그 사이를 이동하는 데에는 시간과 비용이 들기 때문입니다. dbt v1과 dbt v2는 지난 1년 동안 별도의 코드베이스로 운영되어 왔으며, 특정 기능을 구현하려면 해당 기능이 먼저 출시된 엔진에 맞춰야만 했습니다.
왓슨의 발표에서는 dbt Labs가 사용자에게 ‘전환 비용’을 직접 부담시키지 않고 그 격차를 어떻게 해소하고 있는지에 대해 다루었습니다. 핵심적인 해결책은 아키텍처 차원에서 이루어지며, dbt는 v1과 v2 간에 중복되는 부분들을 오픈소스로 공개함으로써, 이커뮤니티가 시간이 지나면서 하나의 엔진과 하나의 바이너리로 통합되도록 하고 있습니다. 다만 이 마이그레이션 과정 자체에는 수년이 걸릴 것입니다.
오늘날 업그레이드를 실용적으로 구현하기 위해, dbt는 v1.12 내부에 v2 파서를 탑재하여 팀들이 전환을 확정하기 전에 호환성을 검사할 수 있도록 하고, 또한 dbt autofix deprecations 명령어를 제공해 라이브 데모에서 약 5분 만에 표시된 22개의 문제를 해결했습니다. 이 발표 전날 기준으로, v2는 대부분의 어댑터에서 일반 이용 가능 상태에 도달했습니다.
어댑터는 왓슨이 dbt의 “비밀스러운 기반”이라고 부른 영역에 별도의 섹션을 차지합니다: 서로 매우 다른 데이터베이스들(예를 들어, Snowflake는 식별자를 대문자로 처리하고 Postgres는 소문자로 처리하며, Snowflake에는 세 가지 타임스탬프 유형이 있는 반면 BigQuery에는 두 가지가 있습니다)을 dbt 내부에서 일관되게 보이도록 만드는 계층입니다. dbt v1에서는 각 어댑터가 자체 리포지토리와 고유한 의존성 체인을 가지고 있었기 때문에, 두 번째 어댑터를 설치하면 dbt 코어가 조용히 다운그레이드되거나 충돌하는 SDK가 함께 포함될 수 있었습니다.
dbt v2에서는 어댑터가 ADBC 드라이버 표준을 기반으로 구축된 공유 계층 위에 엔진과 동일한 바이너리 내에 포함되어 제공되므로, Snowflake 및 Databricks와 함께 실시간으로 시연된 여러 어댑터가 버전 충돌 없이 함께 설치되고 실행됩니다.
구문 분석 개선 사항은 합성 1,800개의 모델과 72개의 YAML 파일로 구성된 프로젝트에서 직접 비교하여 입증되었습니다: v1은 약 10~13초, v2는 약 3초에 처리되었습니다. 오류 탐지 측면에서는, 단일 SQL 오타를 포착하는 데 OSS 배포판(데이터 웨어하우스와 왕복 통신이 필요함)에서는 약 1.5초가 걸린 반면, SQL을 직접 이해하는 dbt의 전체 배포판에서는 약 0.06초가 소요되었습니다.
새로운 린터는 소문자 형식 지정 규칙 위반을 탐지하고 자동으로 수정하는 모습이 시연되었으며, 다른 린터에 비해 50배에서 100배 더 빠른 성능을 보인다고 설명되었다. Docs v2는 단일하고 방대한 manifest.json(같은 1,800모델 프로젝트에서 거의 50만 줄에 달하는 JSON 파일)을 대신하여 작고 쿼리 가능한 Parquet 파일로 교체한다.
데모에서 Watson은 Claude를 사용해 해당 파일들에 대해 임시 쿼리를 작성했으며, 여기에는 열 수준의 계보 쿼리와 상위 열 하나의 이름을 변경함으로써 영향을 받는 모든 하위 모델을 보여주는 ‘폭발 반경’ 쿼리가 포함되었습니다. 이러한 종류의 영향 분석은 그렇지 않았다면 방대한 JSON 파일을 수동으로 파싱해야 했을 것입니다. 새롭게 설계된 문서 UI에는 DAG 그룹화 보기 기능도 추가되었습니다.
dbt 서밋 2026의 모든 키노트와 분과 세션을 주문형으로 시청하세요. dbt 서밋 2026 주문형 시청 →
dbt 시작하기
실제로 확장 가능한 데이터 인프라를 구축하는 분석 엔지니어들과 함께하세요.
dbt Wizard CLI 설치
분석 엔지니어링에 특화된 에이전트로 시작해 보세요. 이 에이전트는 어떤 도구를 호출해야 하는지, 어떤 컨텍스트를 가져와야 하는지 알고 있으며, 사용자에게 결과를 표시하기 전에 스스로 작업을 검증합니다.
최신 게시물
dbt State를 활용하여 더 낮은 컴퓨팅 비용, 최신 데이터 및 더 빠른 반복을 위해 실행을 최적화하기
2026년 10월 26일에
우리의 연구 결과: 컨텍스트 엔지니어링에 대한 통제된 실험
2026년 10월 26일에
프롬프트에서 PR까지: Careem의 AI가 사람이 직접 확인하기도 전에 dbt 모델을 어떻게 작성하고 검증하는지
2026년 10월 26일에
데이터를 형성하는 가장 큰 커뮤니티에 참여하세요
dbt 커뮤니티는 전 세계 수천 명의 데이터 리더 및 AI 실무자들과 함께 최고의 실무 사례, 혁신을 경험하고 직접 협업할 수 있는 문입니다. 질문을 던지고, 통찰을 공유하며, 전문가들과 함께 더 나은 결과를 만들어 보세요.