이 문서에서는 Google Cloud Knowledge Catalog(이전의 Dataplex Universal Catalog)에 대해 자주 묻는 질문(FAQ)에 대한 답변을 제공합니다.
Knowledge Catalog에 대한 자세한 내용은 Knowledge Catalog 개요를 참고하세요.
일반적인 개념
Knowledge Catalog 기능 및 Data Catalog와의 관계에 대해 자주 묻는 질문(FAQ)을 살펴봅니다.
Knowledge Catalog란 무엇인가요?
Google Knowledge Catalog는 의 데이터 및 AI 애셋을 위한 지능형 거버넌스 솔루션입니다 Google Cloud. BigQuery, Cloud Storage, Pub/Sub, Spanner와 같은 데이터 소스 전반에서 데이터를 검색, 관리, 제어할 수 있는 중앙 집중식 인벤토리를 제공합니다. Google Cloud
Knowledge Catalog는 AI를 사용하여 데이터 검색, 메타데이터 보강, 데이터 품질을 자동화합니다. Knowledge Catalog는 제어되는 데이터 카탈로그를 통해 AI 에이전트가 고품질 콘텐츠를 생성하는 데 필요한 기본적인 그라운딩을 제공합니다.
Data Catalog란?
Data Catalog는 Google Cloud's 메타데이터 서비스의 원래 이름이었습니다. 시간이 지남에 따라 Dataplex Universal Catalog로 발전했으며 현재는 Knowledge Catalog로 이름이 변경되고 발전했습니다.
'Data Catalog'라는 용어는 여전히 이러한 유형의 데이터 색인 생성을 설명하는 데 사용되지만 컨텍스트에서는 Google Cloud기존 제품을 지칭합니다. AI 기반 기능과 향상된 거버넌스를 활용하려면 모든 새 프로젝트에 Knowledge Catalog를 사용하세요.
Knowledge Catalog는 Data Catalog와 다른가요?
예, Knowledge Catalog는 기존 Data Catalog를 대체하는 AI 기반 데이터 거버넌스 플랫폼입니다. Knowledge Catalog는 유사한 개념을 공유하지만 다음과 같은 여러 가지 개선사항을 제공합니다.
AI 기반 컨텍스트: Data Catalog와 달리 Knowledge Catalog는 Gemini를 사용하여 비즈니스 컨텍스트를 자동으로 추출하고, 자연어 설명을 생성하고, AI 에이전트를 그라운딩하기 위한 SQL '골든 쿼리'를 제공합니다.
풍부한 메타데이터 지원: Knowledge Catalog는 중첩된 배열, 맵, 레코드와 같은 더 복잡한 메타데이터 유형을 지원합니다.
에이전트 액세스: AI 에이전트는 로컬 또는 원격 MCP 서버를 통해 Knowledge Catalog 도구를 검색하고 적응적으로 사용할 수 있습니다.
데이터 검색: Knowledge Catalog는 더 큰 Google Cloud 서비스 및 외부 데이터 소스 집합에서 메타데이터를 자동으로 수집할 수 있습니다.
대규모 거버넌스: 데이터 프로파일링, 자동 데이터 품질, 중앙 집중식 거버넌스를 위한 향상된 기능을 제공합니다.
Knowledge Catalog는 어디에 사용되나요?
Google Knowledge Catalog는 실제로 데이터를 사용하기 전에 데이터를 찾고, 이해하고, 신뢰하는 데 낭비되는 시간인 '데이터 콜드 스타트' 문제를 해결합니다. 주요 용도는 다음과 같습니다.
데이터 검색 가속화: 복잡한 조직 사일로를 탐색하여 데이터를 찾는 대신 자연어 검색 (예: "최근 고객 이탈 데이터 표시")을 사용하여 리소스 전반에서 애셋을 즉시 찾을 수 있으므로 데이터 소비자의 생산성이 향상됩니다.Google Cloud
AI 에이전트 그라운딩: 생성형 AI 또는 ADK의 '정보 출처' 역할을 합니다. 실제 데이터를 비즈니스 정의에 연결하여 AI 에이전트(예: Vertex AI 기반)가 고품질 데이터를 사용하도록 보장하므로 AI 환각이 크게 줄어들고 AI 생성 통계에 대한 신뢰도가 향상됩니다.
자동화된 데이터 거버넌스: 데이터를 자동으로 스캔하여 민감한 정보 (즉, PII)를 식별하고, 데이터의 출처 (계보)를 추적하고, 정확성 (자동 데이터 품질)을 모니터링합니다. 이러한 기능을 사용하면 수동 작업 없이 데이터 신뢰도, 보안, 규정 준수를 개선할 수 있습니다.
'다크 데이터' 검색: 비정형 파일 (예: Cloud Storage의 PDF 또는 이미지)을 스캔하고, 내부 정보를 추출하고, BigQuery에서 검색 및 쿼리할 수 있도록 하여 이전에 액세스할 수 없었던 데이터에서 통계를 얻을 수 있습니다.
이러한 시나리오를 시작하려면 Knowledge Catalog 사용 사례를 참고하세요.
Knowledge Catalog는 어떤 유형의 메타데이터를 저장하나요?
Knowledge Catalog는 세 가지 유형의 메타데이터를 저장합니다.
기술 메타데이터: 자동으로 수집된 스키마, 테이블 이름, 시스템 속성입니다.
비즈니스 메타데이터: 비즈니스 설명, 용어집 용어, 소유권과 같은 사용자 정의 컨텍스트입니다.
런타임 메타데이터: 데이터 계보, 데이터 품질 점수, 데이터 프로파일링 통계에 관한 정보입니다.
Data Catalog에서 마이그레이션
Data Catalog에서 Knowledge Catalog로 메타데이터 워크플로를 이동하기 위한 전환 일정, 영향 세부정보, 안내에 대해 자주 묻는 질문(FAQ)을 살펴봅니다.
Data Catalog에서 마이그레이션하려면 어떻게 해야 하나요?
Knowledge Catalog로의 전환은 수동 데이터 이동이 필요 없이 원활하게 이루어지도록 설계되었습니다. 현재 사용량에 따라 프로세스에는 두 가지 주요 단계가 포함됩니다.
준비 단계: 커스텀 메타데이터 (예: 태그, 태그 템플릿, 커스텀 항목)가 있는 경우 이 콘텐츠는 Knowledge Catalog로 읽기 전용으로 자동 가져오기됩니다. 이 단계에서는 기존 Data Catalog 콘텐츠를 새 인터페이스에서 동시에 사용할 수 있도록 구성 작업을 실행합니다.
전송 단계: 준비가 완료되면 메타데이터의 활성 상태를 전송하여 Knowledge Catalog 내에서 읽기/쓰기 가능하게 만듭니다. 이 단계는 새 Knowledge Catalog 엔드포인트를 가리키도록 프로그래매틱 워크로드 (API, 클라이언트 라이브러리, Terraform 모듈)를 업데이트하는 것과 함께 조정해야 합니다.
커스텀 메타데이터가 없거나 플랫폼을 처음 사용하는 경우 콘솔에서 Knowledge Catalog를 기본 UI 환경으로 설정하여 전환을 완료할 수 있습니다. Google Cloud
자세한 내용은 Data Catalog에서 Knowledge Catalog로 전환을 참고하세요.
데이터 통계 청구
Knowledge Catalog의 데이터 통계 기능에 대한 토큰 기반 청구, 사용량 측정, 관리 제어에 대해 자주 묻는 질문(FAQ)을 살펴봅니다.
데이터 통계 사용에 대한 요금은 언제부터 청구되나요?
데이터 통계에 대한 활성 청구는 2026년 10월 27일부터 시작됩니다.
데이터 통계 사용량은 어떻게 청구되나요?
사용량은 데이터 토큰으로 측정됩니다. 데이터 토큰은 Gemini 모델에서 처리하는 텍스트 및 메타데이터의 기본 단위를 나타냅니다. 이러한 토큰은 두 가지 카테고리로 나뉩니다.
- 입력 토큰: 모델로 전송된 컨텍스트, 안내, 기록입니다.
- 출력 토큰: 모델에서 반환된 생성된 자연어 설명, 관계, 쿼리입니다.
자세한 내용은 데이터 클라우드 에이전트 가격 책정을 참고하세요.
서비스 계정은 데이터 통계에 대한 무료 할당량을 받나요?
아니요. 서비스 계정은 사용자당 무료 할당량 허용치를 받지 않습니다. 하지만 사용량은 표준 사용자와 동일한 방식으로 측정됩니다.
데이터 통계에 대한 자동 청구를 방지하려면 어떻게 해야 하나요?
요금이 청구되지 않도록 하려면 진행 중인 스캔을 확인하고 새 스캔 트리거를 중지하세요. 관리자는 각 프로젝트에서 Dataplex API를 사용 중지하여 데이터 통계 기능을 사용 중지할 수도 있습니다.
데이터 통계에 대해 청구될 금액을 어떻게 알 수 있나요?
Google Cloud 는 데이터 토큰에 대한 측정을 제공합니다. 이 측정을 통해 관리자와 에이전트 소유자는 토큰 소비를 모니터링할 수 있습니다. 이 측정 기능은 2026년 10월에 활성 청구가 시작되기 전에 사용할 수 있습니다.