기존 시스템과의 상호운용성

Foundry와 AIP는 데이터 저장소, 로직, AI, 업무 시스템과 보안 체계를 연결합니다. 플랫폼 안에서 일관된 업무를 만들면서 기존 시스템 및 엣지 환경과 필요한 기능을 주고받도록 구성합니다.

데이터

CSV, Iceberg와 Parquet 같은 개방형 형식과 REST, JDBC 및 S3 호환 접근 경로를 사용합니다. 원천 파일의 형식을 보존하고 변환 결과를 Iceberg나 Parquet 같은 형식으로 제공하는 경로를 통해 다른 데이터 플랫폼과 연결할 수 있습니다.

가상 테이블은 Databricks, Snowflake나 BigQuery의 기존 자산을 불필요하게 복제하지 않고 활용하는 방법입니다. 지원하는 외부 연산 엔진으로 작업을 푸시다운할 수도 있습니다. MMDP는 이런 데이터 및 연산 접점을 통합합니다.

원천 연결에는 Data Connection의 소스 유형, 사용자 정의 외부 변환과 HyperAuto의 자동 파이프라인 생성을 사용할 수 있습니다.

메타데이터

보안, 출처와 계보처럼 필수적으로 유지하는 메타데이터와 태그 및 보강 정보처럼 사용자가 추가하는 메타데이터를 기존 카탈로그나 거버넌스 도구에 연결할 수 있습니다.

대상에는 프로젝트, 데이터셋, 온톨로지 요소, 에이전트, 모델, 분석, 애플리케이션, 파이프라인 실행과 리소스 상태가 포함됩니다. Platform SDK와 API가 제공하는 메타데이터를 권한 범위 안에서 조회해 데이터 카탈로그, 메타데이터 관리 및 마스터 데이터 관리 체계와 연계합니다.

업무 의미 모델

온톨로지의 객체, 링크, 액션과 함수는 데이터 의미에 업무 동작을 연결합니다. REST API와 JSON 기반 작성 인터페이스를 사용하면 지원되는 정의를 외부 의미 모델링 도구, 데이터 카탈로그의 온톨로지와 분야별 모델링 도구에 연결하고 양방향 동기화를 구성할 수 있습니다.

OSDK는 온톨로지 기반 앱과 업무를 만들 때, 웹훅은 실제 운영 시스템에 변경을 전달할 때 사용합니다. Palantir MCP는 AI 개발 도구가 온톨로지 정의를 작성하고 수정하는 접점입니다.

코드와 로직

Python, Java와 SparkSQL 같은 언어를 Spark, Flink, DataFusion 및 Polars 같은 런타임에 연결합니다. 데이터 과학에서는 Python과 R 및 ONNX 같은 모델 형식을 사용할 수 있습니다. Code Repositories의 코드는 고가용 Git 서비스에 저장하며 UI 내보내기 또는 프로그램 인터페이스로 접근합니다.

Compute Modules는 자체 컨테이너에 들어 있는 프로그램, 모델과 런타임을 Rubix에서 관리하도록 연결합니다. 이를 데이터 파이프라인, 분석, 업무 앱과 AI 워크플로에서 사용할 수 있습니다. 컨테이너 실행에는 해당 플랫폼의 런타임 및 보안 조건이 적용됩니다.

분석 도구

Power BI, Tableau, Jupyter와 RStudio의 연결 경로를 사용해 기존 BI 및 데이터 과학 도구에서 플랫폼 데이터를 활용할 수 있습니다. Code Workspaces에서는 Jupyter와 RStudio를 플랫폼 안의 통합 환경으로 사용할 수 있습니다.

프로그램 연계에는 Foundry Platform Python SDK와 Palantir R SDK를 사용할 수 있습니다. 실제 조회와 쓰기의 지원 범위는 사용하는 커넥터 및 SDK 인터페이스에 따릅니다.

보안

SAML 같은 인증 방식과 Active Directory 같은 기존 사용자 및 그룹 체계를 연결해 역할 기반 접근 제어, 보안 분류 기반 접근 제어와 목적 기반 접근 제어를 구성합니다. OSDK 기반 사용자 정의 앱과 타사 앱에도 앱의 허용 범위 및 사용자 권한을 적용합니다.

보안 상태와 이력은 제공되는 REST API와 감사 기능으로 조사할 수 있습니다. 기업 사이의 공유 범위는 B2B/B2C 협업에서 정하고, 신원 제공자는 인증 관리에서 연결합니다. 외부로 전달한 데이터의 통제는 해당 외부 시스템과 배포 정책까지 함께 설계해야 합니다.