Delta Sharing에서 OpenSharing까지: 무엇이 바뀌었고 앞으로 어떻게 되는지

Delta Sharing은 수천 개의 조직이 데이터를 복사하지 않고도 클라우드와 플랫폼 간에 라이브 데이터를 교환할 수 있는 표준적인 방법이었습니다. 2026년 6월, Databricks와 Linux Foundation은 Delta Sharing이 테이블뿐만 아니라 AI 팀이 이제 의존하는 광범위한 자산 세트(에이전트 스킬, AI 모델, 비정형 데이터)까지 공유할 수 있는 개방적이고 특정 벤더에 종속되지 않는 프로토콜인 OpenSharing으로 진화했다고 발표했습니다. 이미 Delta Sharing을 통해 데이터를 공유하고 있거나 데이터 및 AI 자산 모두에서 파트너와 협업하는 방법을 평가 중인 경우, 이 게시물에서는 OpenSharing의 실제 정체, 내부적인 변경 사항, 그리고 프로젝트의 향후 방향을 살펴봅니다.

간단한 요약: Delta Sharing이 해결한 문제

Databricks가 Data + AI Summit 2021에서 Delta Sharing을 처음 소개했을 때, 해결하고자 했던 핵심 문제는 설명하기는 쉽지만 잘 해결하기는 어려운 것이었습니다. 즉, 조직은 파일을 내보내거나, 깨지기 쉬운 ETL 작업을 설정하거나, 모든 수신자가 동일한 플랫폼을 사용하도록 강제하지 않고도 파트너, 고객 및 기타 팀과 라이브 데이터를 공유하고자 했습니다. Delta Sharing은 Delta Lake와 Parquet을 기반으로 구축된 오픈 프로토콜로 Linux Foundation에 기부되었으므로, 제공자는 테이블에 대한 액세스 권한을 부여하고 수신자는 Apache Spark, Power BI, Tableau, pandas 등 다양한 도구에서 실시간으로 직접 쿼리할 수 있었습니다.

이러한 개방형의 제로 복사 모델은 큰 호응을 얻었습니다. Databricks에 따르면, Delta Sharing은 크로스 클라우드 및 크로스 플랫폼 협업을 위해 Amadeus, Atlassian, LSEG, SAP, Stripe, The Trade Desk 등의 조직에서 사용하는 가장 널리 채택된 보안 데이터 공유 오픈 프로토콜로 성장했습니다(Databricks 보도 자료). 2026년 6월 Databricks가 OpenSharing을 발표할 당시, Delta Sharing은 28,000개 이상의 데이터 수신자에 도달했으며, 공유의 약 1/3은 Databricks 간 공유에 머무르지 않고 오픈 커넥터를 통해 플랫폼 간에 이루어졌습니다(Databricks 블로그).

Delta Sharing의 진화가 필요했던 이유

공유는 이미 테이블을 훨씬 넘어 성장했습니다. Databricks 간 공유를 통해 팀은 에이전트가 등장하기 몇 년 전부터 뷰, 비정형 파일 볼륨, 노트북, 등록된 ML 모델을 교환하고 있었으므로 정형 데이터가 항상 전부는 아니었습니다. 에이전트가 바꾼 것은 이동해야 하는 자산의 종류와 이동해야 하는 거리였습니다. 에이전트 스킬, 에이전트 자체, 그리고 이들이 실행되는 시맨틱 컨텍스트 모두 공유가 이미 입증한 것과 동일한 거버넌스가 적용되는 제로 복사 액세스를 필요로 했습니다. 기업들은 또한 이러한 액세스가 플랫폼을 넘어 Databricks 간 연결을 넘어 확장되기를 원했지만, 오픈 프로토콜은 여전히 테이블에 집중되어 있어 이러한 최신 자산은 개방형 크로스 플랫폼 공유가 실제로 제공할 수 있는 범위를 벗어나 있었습니다.

동시에 기업들은 Apache Iceberg와 같은 포맷과의 더 넓은 상호 운용성, 그리고 먼저 마이그레이션하지 않고도 온프레미스나 프라이빗 클라우드에 있는 데이터를 동일한 거버넌스가 적용되는 공유 모델로 가져올 수 있는 방법이라는 두 가지 관련 요구사항을 계속해서 제기했습니다. 이 두 가지 격차를 모두 해결한다는 것은 단순히 기능을 추가하는 것이 아니라 Delta Sharing의 범위를 재검토하는 것을 의미했습니다.

OpenSharing의 실제 정체

2026년 6월 10일, Databricks와 Linux Foundation은 Delta Sharing의 다음 진화 단계로 OpenSharing을 공동 발표했습니다(Databricks 보도 자료, Linux Foundation 보도 자료). OpenSharing은 두 개의 서로 다른 레이어에서 작동하므로 정확성이 중요합니다.

1. 오픈 소스 프로토콜 및 사양: Databricks가 기부하고 현재 Linux Foundation AI & Data Foundation 산하의 프로젝트로 개발되고 있습니다. 이 사양은 Apache 2.0 라이선스가 부여되었으며 GitHub에 호스팅되어 있어, 벤더나 커뮤니티 멤버라면 누구나 Databricks와 완전히 무관하게 이를 구현할 수 있습니다(GitHub, OpenSharing).
2. Databricks OpenSharing: Unity Catalog, Databricks Marketplace, Clean Rooms와 통합된 Databricks 플랫폼 내 해당 프로토콜의 엔터프라이즈 구현입니다.

오픈 생태계는 프로토콜 자체를 넘어 확장됩니다. 역시 Linux Foundation 산하에서 관리되는 Apache 2.0 프로젝트인 오픈 소스 Unity Catalog는 이러한 자산을 위한 벤더 중립적인 카탈로그 및 거버넌스 레이어를 제공하므로, 팀은 이를 오픈 공유 서버와 페어링하여 Databricks 외부에서 완전히 거버넌스가 적용되는 공유를 실행할 수 있습니다(GitHub, Unity Catalog).

Databricks의 공동 창립자이자 CTO인 Matei Zaharia는 이번 조치에 대해 다음과 같이 설명했습니다. "Delta Sharing은 업계가 록인 대신 개방성을 선택할 것임을 증명했습니다. OpenSharing은 그 원칙을 전체 AI 스택으로 확장하는 동시에 크로스 플랫폼 생태계를 Iceberg 수신자와 온프레미스 제공자로 확장합니다"(Databricks 보도 자료). Linux Foundation의 CEO인 Jim Zemlin은 목표가 "조직이 플랫폼과 생태계 간에 AI 자산을 안전하고 상호 운용 가능하게 교환할 수 있도록 지원하는 공통의 벤더 중립적 프레임워크"라고 덧붙였습니다(Linux Foundation 보도 자료).

사전에 명확히 해두어야 할 점은 기존 Delta Sharing 클라이언트 및 통합이 OpenSharing과 계속 호환된다는 것입니다. 이는 프로토콜과의 단절이 아닌 진화이며, delta-io/delta-sharing 저장소는 새로운 OpenSharing-IO/OpenSharing GitHub 조직과 함께 계속 존재합니다.

다이어그램: Delta Sharing이 OpenSharing으로 진화합니다. OpenSharing은 GitHub의 오픈 프로토콜 레이어와 Databricks 엔터프라이즈 구현 레이어로 작동하며, Iceberg REST Catalog 클라이언트 및 온프레미스 또는 프라이빗 클라우드 스토리지로 새로운 도달 범위를 확장합니다.

기술적인 변경 사항

더 넓어진 자산 모델. 원래의 오픈 Delta Sharing 프로토콜은 Databricks 간 공유가 더 많은 자산 유형을 다루도록 성장했음에도 불구하고 테이블에 중심을 두었습니다. OpenSharing은 그 광범위한 모델을 오픈 사양 자체로 가져와서 테이블을 넘어 볼륨(모든 형식의 파일 디렉터리), 에이전트 스킬, AI 모델을 포함한 새로운 자산 유형으로 공유를 확장하는 Share → Schema → Asset 계층 구조를 도입합니다(GitHub, OpenSharing). 즉, 제공자는 기본 테이블과 그 위에 구축된 AI 자산을 모두 포함하는 데이터 제품을 패키징하고 하나의 프로토콜을 통해 전체를 공유할 수 있습니다.

다이어그램: OpenSharing의 자산 계층 구조. 테이블, 볼륨, 에이전트 스킬, 모델은 현재 지정된 자산 유형입니다. 에이전트, 페이지 또는 용어집 유형은 아직 논의 중인 커뮤니티 제안으로 나열되어 있습니다.

Iceberg REST Catalog 지원. OpenSharing은 Apache Iceberg REST Catalog(IRC) 호환 클라이언트에 대한 지원을 추가하므로, 제공자는 Delta Sharing 네이티브 클라이언트뿐만 아니라 모든 Iceberg 호환 엔진에 데이터를 공유할 수 있습니다. Databricks는 이를 Iceberg 툴링을 표준화한 조직으로 오픈 공유의 도달 범위를 확장하는 것으로 설명합니다(Databricks 제품 페이지).

온프레미스 및 프라이빗 클라우드 도달 범위. Databricks Storage Ecosystem을 통해 스토리지 벤더는 Unity Catalog에 직접 연결되는 OpenSharing 서버를 실행할 수 있으므로, 온프레미스나 프라이빗 클라우드에 있는 데이터를 먼저 마이그레이션하지 않고도 거버넌스를 적용하고 공유할 수 있습니다(Databricks 블로그). MinIO의 AIStor 통합은 정식 출시되었으며, 추가 스토리지 파트너는 미리보기 상태이거나 2026레이트에 제공될 예정입니다.

제로 복사 자격 증명 베딩 모델 유지. 제공자는 데이터를 공유하기 위해 데이터를 이동하지 않습니다. 공유 서버는 임시의 범위가 지정된 자격 증명을 발급하며, Delta Sharing의 작동 방식과 일치하게 서버 자체는 데이터 경로 외부에 위치합니다(GitHub, OpenSharing).

새로운 공유 기능. 프로토콜 변경과 함께 Databricks는 OpenSharing 위에 여러 기능을 도입했습니다.

• SecureConnect(정식 출시): 모든 새로운 수신자에 대해 방화벽이나 네트워크 규칙을 구성할 필요가 없는 Databricks 관리형 프록시입니다(Databricks 블로그).
• Global Distribution(비공개 미리보기): 리전 및 클라우드 간에 수신자와 더 가까운 곳에 공유 데이터를 복제하여 지연 시간을 줄이고 이그레스 비용을 더 예측 가능하게 만듭니다.
• Genie 에이전트 공유(베타)를 통해 제공자는 할당량 및 노출되는 기본 로직에 대한 제어 기능을 갖추고 외부 파트너와 대화형 자연어 데이터 액세스를 공유할 수 있습니다.
• 별도의 ETL 단계 없이 라이브 운영 데이터를 공유할 수 있는 Lakebase 테이블 및 변경 데이터 피드 공유(공개 미리 보기)입니다.

Linux Foundation으로 이전된 거버넌스. OpenSharing은 Linux Foundation AI & Data Foundation에 기증되었으며, 현재 해당 재단 산하의 신규 프로젝트가 인큐베이션 단계로 발전하기 전 진입점인 샌드박스 단계에 있습니다(GitHub, OpenSharing 및 opensharing.io 참조). 사양 변경 사항은 일방적으로 결정되지 않고 공개 제안 및 검토 프로세스를 거칩니다. 이는 Delta Lake 및 Delta Sharing이 Linux Foundation 프로젝트로서 이미 따랐던 것과 동일한 거버넌스 패턴입니다.

이미 Delta Sharing을 사용 중인 경우 의미하는 바

현재 공유, 수신자 및 커넥터가 설정되어 있는 경우에도 아무것도 사라지지 않습니다. OpenSharing은 추가적인 기능입니다. 기존 테이블, 커넥터 및 워크플로는 계속 작동하며, 채택하기로 선택함에 따라 새로운 자산 유형과 기능을 사용할 수 있습니다. Unity Catalog 메타스토어에 OpenSharing을 활성화하는 것은 마이그레이션이 아닌 구성 단계이며, 새로운 자산 유형을 사용할 수 있게 됨에 따라 이미 잘 알고 있는 공유 생성(Create Share), 수신자 생성(Create Recipient) 및 액세스 권한 부여(Grant Access) 워크플로가 동일하게 적용됩니다(Databricks 문서 참조).

플랫폼 간에 에이전트 스킬이나 모델 아티팩트를 이동하기 위해 커스텀 통합을 유지 관리해 온 팀에게 실질적인 가치 제안은 모든 파트너와 모든 자산 유형에 대해 별도의 맞춤형 파이프라인을 사용하는 대신, 검색, 권한 부여 및 액세스를 위한 단일 오픈 API 세트를 제공한다는 점입니다.

아직 로드맵에 있는 기능

2026년 6개 발표에서 설명된 일부 기능은 오늘날 일반적으로 제공되는 기능이 아니라 명시적으로 초기 단계에 있습니다. 제공업체가 외부 카탈로그에 있는 테이블을 직접 공유할 수 있도록 하는 외부 Iceberg 테이블 공유는 출시 시점에 공개 미리 보기 상태였으며 정식 표시는 곧 제공될 예정이라고 설명되었습니다. 수신자가 더 긴 설정 흐름 대신 이메일 주소를 입력하여 공동 작업자를 초대할 수 있는 이메일 기반 공유도 발표 당시 곧 출시될 예정으로 나열되었습니다.

Databricks가 제공하기로 약속한 범위를 넘어, GitHub의 OpenSharing 프로젝트 공개 로드맵에는 범위가 지정된 액세스가 포함된 평가 데이터셋 및 벤치마크 공유, 출처 메타데이터가 포함된 합성 데이터셋 공유, 사전 계산된 벡터 인덱스 공유를 위한 제안된 자산 유형 등 아직 확정된 기능이 아닌 열린 설계 질문인 커뮤니티 제안 세트가 나열되어 있습니다(OpenSharing ROADMAP.md 참조). 이는 커뮤니티 제안이므로 타임라인과 최종 범위가 변경될 수 있으며, 확정된 날짜로 취급하기보다는 GitHub에서 추적하는 것이 좋습니다.

또한 OpenSharing은 AI를 위한 더 넓고 빠르게 변화하는 개방형 표준 세트의 특정 레이어에 위치합니다. Databricks 제품 관리 디렉터인 Akram Chetibi가 설명했듯이, 에이전트 대 도구 및 에이전트 대 에이전트 통신을 위한 프로토콜은 OpenSharing이 해결하는 것과 다른 문제를 해결합니다. "OpenSharing은 에이전트 스킬이나 AI 모델과 같은 저장된 자산을 검색하고 액세스 권한을 부여하는 API를 제공합니다"(diginomica 참조). 두 종류의 프로토콜이 함께 작동해야 하는 아키텍처를 설계하는 경우 이러한 차이점을 이해하는 것이 중요합니다.

시작하기

OpenSharing을 처음 사용하는 경우 Delta Sharing에서 작동했던 방식과 동일한 경로를 따릅니다. 공유하려는 데이터를 관리하는 Unity Catalog 메타스토어에서 OpenSharing을 활성화하고, 노출하려는 자산이 포함된 공유를 생성하고, 수신자를 생성하고, 해당 수신자에게 액세스 권한을 부여합니다(Databricks 문서 참조). 여기에서 특정 수신자가 Databricks 간 공유, Databricks가 아닌 수신자를 위한 Databricks-to-Open 공유, 또는 프로토콜을 Databricks 외부에 완전히 실행하려는 경우 자체 호스팅 OpenSharing 서버를 통해 연결해야 하는지 결정할 수 있습니다. 문서를 읽을 때 프로토콜과 브랜드는 한 단어인 OpenSharing으로 표기되는 반면, 플랫폼 문서에서는 Databricks 외부에 있는 수신자와 공유하는 모드에 대해 소문자 구문인 "Databricks-to-Open sharing"을 사용한다는 점에 유의하세요.

자세히 알아보려면:

• Databricks와 Linux Foundation의 원본 발표를 읽어보세요.
• 기술 심층 분석 문서인 Introducing OpenSharing: the Next Evolution of Delta Sharing for the Agentic Era를 검토하세요.
• GitHub에서 프로토콜 사양과 로드맵을 살펴보세요.
• OpenSharing에 관한 Databricks 문서의 설정 단계를 따라 해보세요.
• Databricks 스토리지 생태계 발표를 통해 온프레미스 및 프라이빗 클라우드 스토리지 연결에 대해 알아보세요.

Delta Sharing은 팀이 플랫폼 간 데이터 이동에 대해 생각하는 방식을 바꾸어 놓았습니다. OpenSharing은 동일한 개방형 제로 복사 방식을 에이전틱 세상이 구동되는 자산으로 확장합니다. 이미 Delta Sharing으로 데이터를 공유하고 있는 경우, 다음 단계로 에이전트 스킬, 모델 또는 비정형 파일 세트 등 스택의 다른 어떤 요소를 동일한 방식으로 공유할 수 있는지 살펴보는 것입니다. 워크스페이스의 Unity Catalog 메타스토어에서 OpenSharing을 활성화하거나 GitHub에서 프로토콜 사양을 읽어보며 자체 호스팅 구현이 자신의 플랫폼에 어떻게 적합한지 확인해 보세요.

OpenSharing을 사용해 볼 준비가 되셨나요? 워크스페이스의 Unity Catalog 메타스토어에서 활성화하거나 GitHub에서 프로토콜 사양을 읽고 자체 호스팅 구현이 플랫폼에 어떻게 적합할 수 있는지 확인해 보세요. 질문이나 피드백이 있으신가요? Databricks 계정 팀에 문의하거나 OpenSharing GitHub 리포지토리에 이슈를 제기하거나 Databricks 커뮤니티 토론에 참여하세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)