혁신가들이 신뢰하는 기업

미래를 선도하는 기업들이 TiDB를 선택합니다

에이전트형 AI 플랫폼부터 글로벌 핀테크 및 엔터프라이즈 규모 인프라에 이르기까지, 가장 까다로운 팀들이 성장을 위한 동력으로 TiDB를 선택합니다.

에이전트형 AI

바이럴 마케팅으로 시작하여 100만 명 이상의 데이터베이스 테넌트 확보

폭발적인 성장을 지원하기 위해 2주 만에 TiDB 클라우드로 마이그레이션했습니다. 이제 TiDB는 Manus의 에이전트 스웜과 풀스택 앱 생성에 필요한 컨텍스트 영구 저장 기능을 제공합니다.

750개 이상의 PostgreSQL 클러스터가 16개의 TiDB 클러스터로 통합되었습니다.

Atlassian은 Forge 플랫폼을 구동하기 위해 수백 개의 분할된 PostgreSQL 클러스터를 16개의 글로벌 TiDB 클러스터로 교체했으며, 이를 통해 클러스터당 300만 개 이상의 테이블과 50만 개의 동시 연결을 처리할 수 있도록 확장했습니다.

300만+ 클러스터당 테이블

750+ PG 클러스터가 교체되었습니다

이야기를 읽어보세요

AI 플랫폼

50만 개의 데이터베이스 컨테이너가 하나로 통합되었습니다.

약 50만 개의 컨테이너를 단일 TiDB 클라우드 인스턴스로 대체하여 오픈 소스 LLM 플랫폼을 위한 벡터, 문서 및 관계형 데이터를 통합했습니다.

그래프 서비스, 지연 시간 10배 감소로 확장

TiDB를 사용하여 그래프 서비스를 현대화함으로써 수동 샤딩을 없애고 성능을 획기적으로 향상시키는 동시에 인프라 비용을 절반 이상 절감했습니다.

Aurora에서 100개 서비스를 다운타임 없이 이전했습니다.

6명의 엔지니어 팀이 2년 반도 안 되는 기간 동안 거의 100개의 서비스를 Amazon Aurora에서 TiDB로 마이그레이션하여 전환 다운타임을 서비스당 5분에서 60초 미만으로 단축했습니다.

AWS에서 확장 가능한 수천 개의 마이크로서비스

MySQL을 TiDB로 교체하여 500개 이상의 도시에서 주문 생성, 청구 및 결제 시스템을 운영함으로써 데이터 압축률을 3배 향상시키고 400%의 데이터 증가에도 불구하고 99.99%의 가동 시간을 달성했습니다.

SaaS 데이터 제공 계층 재설계로 쿼리 속도 60배 향상

Catalyst는 고객 성장 플랫폼 구축을 위해 Aurora 및 YugabyteDB 대신 TiDB를 선택했으며, 이를 통해 객체 데이터와 시계열 데이터를 하나의 스택에서 모두 처리하는 HTAP 기능을 활용하여 최대 60배 빠른 쿼리 응답 속도를 달성했습니다.

로열티 플랫폼, 초당 2만 5천 건의 쓰기 처리 용량으로 확장

라쿠텐은 로열티 프로그램 집계 계층을 구동하기 위해 TiDB를 도입했으며, 초당 25,000건의 쓰기 작업과 5,000건의 동시 쿼리를 평균 17ms의 응답 시간과 최소한의 CPU 사용률로 처리하고 있습니다.

25K 초당 쓰기 횟수

17ms 평균 응답 시간

이야기를 읽어보세요

모든 고객 사례 보기

에이전트 규모에 맞춰 특별히 설계되었습니다.

모든 AI 에이전트의 기반이 되는 데이터베이스

TiDB는 AI 에이전트가 실시간으로 추론하고, 행동하고, 반복하는 데 필요한 트랜잭션 속도, 통합 데이터 액세스 및 탄력적인 확장성을 제공합니다.

탄성 스케일

수요에 맞춰 즉시 확장하고, 수요가 없을 때는 규모를 0으로 줄입니다.

자동 확장 기능은 에이전트 워크로드에 따라 자동으로 조정되며, 최대 부하까지 변화합니다.
즉시 분기 기능을 통해 몇 밀리초 만에 격리된 환경을 생성할 수 있습니다.
컴퓨팅 및 스토리지 확장은 독립적으로 이루어지므로 용량 계획이 필요하지 않습니다.

TiDB X 아키텍처를 살펴보세요.

통합 엔진

쿼리 벡터, 트랜잭션 및 분석을 단일 호출로 이용 가능

벡터 유사도 결과를 거래 데이터와 직접 결합
하나의 엔진으로 벡터 저장소, 데이터 웨어하우스 및 트랜잭션 레이어를 대체합니다.
ETL도 필요 없고, 미들웨어도 필요 없으며, 구축 및 유지 관리해야 할 시스템 수도 줄어듭니다.

CTO의 비전을 읽어보세요


-- 하나의 쿼리로 벡터와 트랜잭션을 모두 처리합니다. -- 별도의 벡터 데이터베이스가 필요하지 않습니다. SELECT a.agent_id, a.goal, a.status, m_top.relevance FROM agent_tasks a JOIN ( SELECT id, vec_cosine_distance( embedding, '[0.12, 0.85, ...]' ) AS relevance FROM memory_store ORDER BY vec_cosine_distance( embedding, '[0.12, 0.85, ...]') LIMIT 100 ) m_top ON a.context_id = m_top.id WHERE a.status = 'active' ORDER BY m_top.relevance LIMIT 10;

일관된 상태

모든 상담원 활동에 신뢰할 수 있고 최신 정보가 반영된 데이터를 제공합니다.

에이전트 상태는 워크플로 단계 간에 ACID 일관성을 유지합니다.
동시에 실행되는 에이전트는 어떤 노드에 접속하든 항상 동일한 상태를 읽습니다.
다단계 워크플로는 장애 조치 시에도 진행 상황을 손실하거나 작업을 다시 수행하지 않고 유지됩니다.

TiDB와 어떻게 비교되는지 확인해 보세요.


-- 에이전트 3단계: 업데이트 후 다시 읽어옵니다. -- 읽기 결과는 항상 쓰기 결과를 반영합니다. BEGIN; UPDATE agent_state SET step = 3, plan = JSON_SET(plan, '$.next_action', 'execute') WHERE agent_id = 'a-7f3e' AND step = 2; -- 비교 및 교환 -- 즉시 읽기: 오래된 상태 없음. SELECT step, plan->>>'$.next_action' FROM agent_state WHERE agent_id = 'a-7f3e'; -- 반환값: step=3, next_action='execute' -- 분산 노드에서도 동일하게 적용됩니다. COMMIT;

에이전트 자율성

간섭이나 손상 없이 여러 AI 에이전트를 동시에 실행하세요.

각 에이전트는 다른 워크로드가 접근할 수 없는 전용 처리량을 할당받습니다.
테넌트 범위 데이터 분리를 통해 모든 에이전트의 상태를 비공개로 유지합니다.
공유 리소스, 테넌트 간 경쟁 또는 조정 오버헤드가 없습니다.

시끄러운 이웃 대처법을 읽어보세요

개발자 준비 완료

에이전트와 개발자가 이미 알고 있는 도구와 구문을 사용하여 구축하세요.

표준 SQL을 사용하면 상담원과 개발자는 첫날부터 생산성을 높일 수 있습니다.
MCP, pytidb, LangChain 및 LlamaIndex와의 통합이 기본적으로 제공됩니다.
온라인 DDL 및 다운타임 없는 스키마 변경으로 배송이 중단되지 않습니다.

개발자 허브를 살펴보세요


// 모든 AI 에이전트를 MCP 서버를 통해 TiDB에 연결합니다. { "mcpServers": { "TiDB Cloud": { "command": "npx", "args": [ "-y", "mcp-remote", "https://tidb.link/mcp" ] } } } // 이제 에이전트가 다음을 수행할 수 있습니다. // "프로덕션 환경에서 분기 생성" // "SELECT * FROM agents 실행" // "느린 쿼리 표시""

수요에 맞춰 즉시 확장하고, 수요가 없을 때는 규모를 0으로 줄입니다.

자동 확장 기능은 에이전트 워크로드에 따라 자동으로 조정되며, 최대 부하까지 변화합니다.
즉시 분기 기능을 통해 몇 밀리초 만에 격리된 환경을 생성할 수 있습니다.
컴퓨팅 및 스토리지 확장은 독립적으로 이루어지므로 용량 계획이 필요하지 않습니다.

TiDB X 아키텍처를 살펴보세요.

쿼리 벡터, 트랜잭션 및 분석을 단일 호출로 이용 가능

벡터 유사도 결과를 거래 데이터와 직접 결합
하나의 엔진으로 벡터 저장소, 데이터 웨어하우스 및 트랜잭션 레이어를 대체합니다.
ETL도 필요 없고, 미들웨어도 필요 없으며, 구축 및 유지 관리해야 할 시스템 수도 줄어듭니다.

CTO의 비전을 읽어보세요


-- 하나의 쿼리로 벡터와 트랜잭션을 모두 처리합니다. -- 별도의 벡터 데이터베이스가 필요하지 않습니다. SELECT a.agent_id, a.goal, a.status, m_top.relevance FROM agent_tasks a JOIN ( SELECT id, vec_cosine_distance( embedding, '[0.12, 0.85, ...]' ) AS relevance FROM memory_store ORDER BY vec_cosine_distance( embedding, '[0.12, 0.85, ...]') LIMIT 100 ) m_top ON a.context_id = m_top.id WHERE a.status = 'active' ORDER BY m_top.relevance LIMIT 10;

모든 상담원 활동에 신뢰할 수 있고 최신 정보가 반영된 데이터를 제공합니다.

에이전트 상태는 워크플로 단계 간에 ACID 일관성을 유지합니다.
동시에 실행되는 에이전트는 어떤 노드에 접속하든 항상 동일한 상태를 읽습니다.
다단계 워크플로는 장애 조치 시에도 진행 상황을 손실하거나 작업을 다시 수행하지 않고 유지됩니다.

TiDB와 어떻게 비교되는지 확인해 보세요.


-- 에이전트 3단계: 업데이트 후 다시 읽어옵니다. -- 읽기 결과는 항상 쓰기 결과를 반영합니다. BEGIN; UPDATE agent_state SET step = 3, plan = JSON_SET(plan, '$.next_action', 'execute') WHERE agent_id = 'a-7f3e' AND step = 2; -- 비교 및 교환 -- 즉시 읽기: 오래된 상태 없음. SELECT step, plan->>>'$.next_action' FROM agent_state WHERE agent_id = 'a-7f3e'; -- 반환값: step=3, next_action='execute' -- 분산 노드에서도 동일하게 적용됩니다. COMMIT;

간섭이나 손상 없이 여러 AI 에이전트를 동시에 실행하세요.

각 에이전트는 다른 워크로드가 접근할 수 없는 전용 처리량을 할당받습니다.
테넌트 범위 데이터 분리를 통해 모든 에이전트의 상태를 비공개로 유지합니다.
공유 리소스, 테넌트 간 경쟁 또는 조정 오버헤드가 없습니다.

시끄러운 이웃 대처법을 읽어보세요

에이전트와 개발자가 이미 알고 있는 도구와 구문을 사용하여 구축하세요.

표준 SQL을 사용하면 상담원과 개발자는 첫날부터 생산성을 높일 수 있습니다.
MCP, pytidb, LangChain 및 LlamaIndex와의 통합이 기본적으로 제공됩니다.
온라인 DDL 및 다운타임 없는 스키마 변경으로 배송이 중단되지 않습니다.

개발자 허브를 살펴보세요


// 모든 AI 에이전트를 MCP 서버를 통해 TiDB에 연결합니다. { "mcpServers": { "TiDB Cloud": { "command": "npx", "args": [ "-y", "mcp-remote", "https://tidb.link/mcp" ] } } } // 이제 에이전트가 다음을 수행할 수 있습니다. // "프로덕션 환경에서 분기 생성" // "SELECT * FROM agents 실행" // "느린 쿼리 표시""