관측성 스택은 대개 메트릭, 로그, 트레이스가 따로 자라면서 운영 복잡도가 커집니다. GreptimeTeam/greptimedb는 이 분절을 데이터베이스 레벨에서 다시 묶어 보려는 저장소라서 흥미롭습니다.
해당 Repository의 접속 URL 및 version. Commit 빈도수에 따른 업데이트 수준.
- 저장소: https://github.com/GreptimeTeam/greptimedb
- 저장소 개요: The open-source Observability 2.0 database. One engine for metrics, logs, and traces — replacing Prometheus, Loki & ES. - GreptimeTeam/greptimedb
- 최신 release:
v1.0.0 - 업데이트 수준: 2026년 4월 9일 기준 기본 브랜치 최신 커밋이 매우 최근에 확인되어 업데이트 흐름이 상당히 활발한 편입니다.
무엇을 하는 저장소인가
이 프로젝트는 시계열과 로그, 트레이스 성격의 데이터를 하나의 엔진 안에서 수집하고 저장하며 질의하려는 오픈소스 데이터베이스입니다.
Prometheus 계열 메트릭 저장과 OpenTelemetry 흐름, SQL 기반 분석 경험을 함께 가져가려는 접근이 핵심입니다. 결국 운영 데이터의 저장 엔진을 다시 설계하는 문제에 가깝습니다.
핵심 특징
이 저장소의 핵심은 단순한 기능 수보다 설계 선택이 분명하다는 데 있습니다.
- 메트릭 중심 시스템에 로그와 트레이스까지 연결해 관측성 데이터 파편화를 줄이려는 방향이 분명합니다.
- PromQL과 SQL 접점을 함께 고려해 운영 지표와 분석 질의를 모두 다룰 수 있게 합니다.
- 오브젝트 스토리지와 분산 구조를 염두에 둔 설계라 대규모 운영 환경을 지향합니다.
- OpenTelemetry 기반 생태계와 맞물리는 부분이 많아 기존 수집 파이프라인과 결합하기 쉽습니다.
설계 방향과 문서 체계
설계 선택에서 흥미로운 점은 관측성 도구를 단순 대시보드 제품이 아니라 데이터 엔진 문제로 본다는 것입니다. 그래서 UI보다 저장, 압축, 질의, 배치와 실시간의 균형이 앞에 옵니다.
빠른 시작뿐 아니라 아키텍처와 배포 방식 설명이 별도로 있어 운영 관점 판단을 내리기 좋습니다.
실무에서 기대할 수 있는 효과
실무 관점에서 보면 다음 효과를 기대할 수 있습니다.
- 분절된 스토리지를 줄이면 운영 데이터 파이프라인과 보관 정책을 단순화할 수 있습니다.
- SQL 기반 분석이 가능한 관측성 저장소는 데이터 팀과 플랫폼 팀의 협업 비용을 낮추는 데 도움이 됩니다.
- OpenTelemetry 수집 흐름과 연결해 벤더 종속성을 일부 완화하는 선택지가 될 수 있습니다.
- 관측성 비용 구조를 다시 검토할 때 저장 엔진 대안을 비교하는 기준점이 됩니다.
실제로 볼 만한 예시
- 플랫폼 팀이 Prometheus와 로그 스토리지를 별도로 운영하던 구조를 재평가할 때 대체 엔진 후보로 검토할 수 있습니다.
- OTel 기반 수집 파이프라인을 이미 쓰는 조직이라면 메트릭과 트레이스를 같은 저장소 계열로 묶어 분석 효율을 실험할 수 있습니다.
- 장기 보관 데이터에 SQL 분석을 붙여야 하는 운영 데이터 팀에도 흥미로운 선택지입니다.
강점과 한계
README 분량이 12699자 수준으로 비교적 충실하고, 최신 커밋 날짜도 2026년 4월 9일로 확인됩니다. 그만큼 방향성은 분명하지만, 강점과 tradeoff를 함께 봐야 합니다.
- 관측성 핵심 스토리지는 한 번 정하면 교체 비용이 큽니다. 그래서 기능이 좋아 보여도 파일럿과 성능 검증 없이 바로 도입하기 어렵습니다.
- 대형 관측성 스택과 비교하면 운영 사례와 커뮤니티 축적 정도는 더 지켜봐야 할 수 있습니다.
- 메트릭, 로그, 트레이스를 한 엔진에 묶는 전략은 단순해 보이지만, 실제로는 각 워크로드의 특성이 달라 튜닝 복잡도가 생길 수 있습니다.
어떤 팀이나 개발자에게 맞는가
관측성 저장소 계층을 재설계하려는 플랫폼 팀, OTel 기반 스택을 더 일관되게 가져가고 싶은 조직에 적합합니다.
이미 도구 체인이 안정적으로 굳은 팀은 전체 교체보다 일부 워크로드 비교 테스트부터 시작하는 편이 현실적입니다.
결론
GreptimeDB는 관측성 문제를 시각화 도구가 아니라 데이터 엔진 관점에서 다시 보게 만드는 저장소입니다. 스택 단순화와 비용 구조를 고민하는 팀이라면 꾸준히 지켜볼 만합니다.