Skip to main content
Lakebase 는 Databricks가 관리하는 PostgreSQL 호환 데이터베이스입니다. Databricks Apps에서 OLTP(트랜잭션) 워크로드 를 처리할 때 적합합니다.

​
왜 Lakebase인가?

비교 항목Unity Catalog 테이블Lakebase
접근 방식SQL Warehouse를 통한 분석 쿼리직접 PostgreSQL 연결
지연 시간수백 ms~수 초 (Warehouse 오버헤드)수 ms~수십 ms
용도분석, 대시보드, 배치 처리CRUD, 세션 관리, 실시간 데이터
트랜잭션제한적완전한 ACID 트랜잭션
스키마Delta Lake (읽기 최적화)PostgreSQL (쓰기/읽기 균형)

​
Lakebase 리소스 설정

app.yaml: 
command: ['python', 'app.py']
env:
  - name: DB_CONNECTION
    valueFrom: lakebase_db
resources:
  - name: lakebase_db
    type: postgres

​
필수 패키지

# requirements.txt
databricks-sdk
psycopg2-binary    # PostgreSQL 드라이버

​
Python 연결 예시

import os
import psycopg2

# Lakebase 연결 정보 가져오기
db_connection = os.getenv("DB_CONNECTION")

# PostgreSQL 호환 연결
conn = psycopg2.connect(db_connection)

# CRUD 작업
with conn.cursor() as cur:
    # 테이블 생성
    cur.execute("""
        CREATE TABLE IF NOT EXISTS app_sessions (
            id SERIAL PRIMARY KEY,
            user_id VARCHAR(255),
            data JSONB,
            created_at TIMESTAMP DEFAULT NOW()
        )
    """)

    # 데이터 삽입
    cur.execute(
        "INSERT INTO app_sessions (user_id, data) VALUES (%s, %s)",
        ("user123", '{"page": "dashboard", "action": "view"}')
    )
    conn.commit()

    # 데이터 조회
    cur.execute("SELECT * FROM app_sessions WHERE user_id = %s", ("user123",))
    rows = cur.fetchall()

conn.close()

​
Streamlit + Lakebase 예시

import os
import streamlit as st
import psycopg2

@st.cache_resource
def get_db_connection():
    """Lakebase 연결을 캐싱하여 재사용합니다."""
    return psycopg2.connect(os.getenv("DB_CONNECTION"))

conn = get_db_connection()

st.title("피드백 수집 앱")

# 피드백 입력 폼
with st.form("feedback_form"):
    name = st.text_input("이름")
    feedback = st.text_area("피드백")
    rating = st.slider("만족도", 1, 5, 3)
    submitted = st.form_submit_button("제출")

    if submitted:
        with conn.cursor() as cur:
            cur.execute(
                "INSERT INTO feedback (name, feedback, rating) VALUES (%s, %s, %s)",
                (name, feedback, rating)
            )
            conn.commit()
        st.success("피드백이 저장되었습니다!")

# 피드백 목록 조회
with conn.cursor() as cur:
    cur.execute("SELECT name, feedback, rating, created_at FROM feedback ORDER BY created_at DESC LIMIT 20")
    rows = cur.fetchall()

if rows:
    import pandas as pd
    df = pd.DataFrame(rows, columns=["이름", "피드백", "만족도", "작성일"])
    st.dataframe(df)
주의 OAuth 토큰 로테이션: Lakebase 연결은 OAuth 역할 인증을 사용하며, 토큰은 1시간 후 만료 됩니다. 장기 실행 앱에서는 자동 토큰 갱신을 구현하거나, 연결 풀에서 주기적으로 연결을 재생성해야 합니다. 토큰이 만료되면 연결이 끊어집니다.

​
Lakebase 사용 시나리오

시나리오왜 Lakebase가 적합한가
사용자 설정 저장빠른 읽기/쓰기, 세션 간 영속성
피드백/설문 수집ACID 트랜잭션으로 데이터 무결성 보장
채팅 이력 저장실시간 쓰기, 사용자별 격리
앱 메타데이터설정, 상태, 캐시 등 앱 내부 데이터
큐/태스크 관리작업 큐, 상태 추적, 워크플로우
참고 Lakebase vs UC 테이블 선택 기준: “앱 내부에서만 사용하는 운영 데이터”는 Lakebase, “분석이나 ML에 활용할 데이터”는 UC 테이블에 저장하세요. 물론 Lakebase의 데이터를 Delta Live Tables(DLT)로 UC 테이블에 동기화하는 것도 가능합니다.