Warehouse에 데이터 넣는 세 가지 길: COPY INTO, CTAS, 크로스 쿼리

원문: Ingest data into your Warehouse using Transact-SQL 게시일: 2026-06-23 · 저자: WilliamDAssafMSFT (Microsoft)

Warehouse에 데이터를 채워 넣는 방법은 파이프라인이나 Dataflow만 있는 게 아니에요. 이미 SQL을 쓸 줄 안다면, T-SQL 문 몇 줄로 훨씬 빠르게 끝낼 수 있는 경우가 많아요. 파일에서 바로 적재하는 방법, 기존 테이블 결과로 새 테이블을 만드는 방법, 그리고 아예 다른 Warehouse나 Lakehouse의 테이블을 조인해서 가져오는 방법까지 — 이 셋의 차이를 알아두면 상황에 맞게 고를 수 있어요.

COPY INTO — 파일에서 곧장 적재

외부 스토리지(ADLS, Blob 등)에 있는 CSV, Parquet, JSONL 파일을 Warehouse 테이블로 직접 적재할 때 쓰는 T-SQL 문이에요.
새로 짜는 적재 코드라면 COPY INTO가 권장 방식이에요. SQL Server나 Azure SQL Database에서 쓰던 코드를 재사용하고 싶다면 BULK INSERT도 대안이에요.
원본에서 대상으로 그대로 옮기는, 변환이 필요 없는 단순한 적재에 특히 편해요.

CTAS / INSERT…SELECT — 쿼리 결과로 테이블 채우기

CREATE TABLE AS SELECT(CTAS)는 SELECT 쿼리 결과로 새 테이블을 만드는 문이에요. 표준 T-SQL의 SELECT INTO도 비슷한 역할을 해요.
CTAS는 적재 작업을 병렬로 실행하기 때문에, 데이터를 가공하면서 새 테이블을 만드는 상황에서 특히 효율적이에요.
이미 있는 테이블에 데이터를 채우고 싶다면(새 테이블을 만드는 게 아니라) INSERT ... SELECT 패턴을 써요. SELECT 쪽 조건은 자유롭게 쓸 수 있는데, 대상 테이블 열과 타입이 맞아야 하고 일부 열만 지정하면 나머지는 NULL로 채워져요.
SELECT 원본으로 쓸 수 있는 대상은 다양해요.
- Warehouse 안의 다른 테이블(스테이징 테이블 등)
- Lakehouse의 Delta Lake 폴더 — /Tables 폴더 아래 저장돼 있으면 SQL analytics endpoint¹에서 자동 생성된 테이블처럼 3-part 이름으로 바로 조회할 수 있어요.
- OPENROWSET 함수로 읽는 외부 CSV·Parquet·JSONL 파일이나 OneLake 경로.
COPY INTO가 더 간단하지만, 값 변환이나 다른 테이블과의 조인처럼 적재하면서 데이터를 가공해야 한다면 INSERT ... SELECT가 더 유연해요.

-- Lakehouse의 Delta Lake 폴더를 3-part 이름으로 바로 조회해 새 테이블 생성
CREATE TABLE dbo.TaxiTrips_2023
AS
SELECT *
FROM MyLakehouse.dbo.TaxiTrips
WHERE DATEPART(YEAR, tpep_pickup_datetime) = '2023';

OPENROWSET — 외부 파일·OneLake 경로를 그 자리에서 읽기

CTAS나 INSERT ... SELECT의 SELECT 부분에 OPENROWSET 함수를 쓰면, 별도 준비 단계 없이 외부 파일을 바로 소스로 삼을 수 있어요.

Azure Data Lake나 Blob Storage에 있는 CSV·Parquet·JSONL 파일의 URL을 BULK 인자로 넘기면 그 파일을 테이블처럼 읽어요.
*.parquet처럼 와일드카드를 쓰거나 /year=*/month=* 같은 파티션 디렉터리 구조를 그대로 대상으로 지정해서 여러 파일을 한 번에 읽을 수도 있어요. 이때 WHERE 절로 불필요한 행·파티션을 미리 걸러내면 쿼리 실행 중 읽는 양 자체가 줄어서 성능에 도움이 돼요.
OneLake에 있는 파일도 같은 방식으로 읽을 수 있어요. https://onelake.dfs.fabric.microsoft.com/{workspaceId}/{lakehouseId}/Files/... 형태의 경로를 BULK 인자로 넘기면 돼요.

INSERT INTO dbo.TaxiTrips_2023
SELECT *
FROM OPENROWSET(BULK 'https://onelake.dfs.fabric.microsoft.com/{workspaceId}/{lakehouseId}/Files/year=*/month=*/*.parquet') AS data
WHERE data.filepath(1) = '2023'

값 변환이나 다른 테이블과의 조인, 특정 파티션만 골라 담는 것처럼 적재 중에 가공이 필요한 경우 OPENROWSET + INSERT ... SELECT 조합이 COPY INTO보다 유연해요.

크로스 쿼리 — 다른 Warehouse·Lakehouse를 3-part 이름으로 조회

CTAS와 INSERT ... SELECT 모두 SELECT 부분에서 다른 Warehouse나 Lakehouse의 테이블을 참조할 수 있어요. 별도 이관 없이 워크스페이스 안의 여러 자산을 조인해서 바로 새 테이블을 만드는 거예요.
문법은 [warehouse_또는_lakehouse_이름.][스키마명.]테이블명 형태의 3-part 이름을 쓰는 것뿐이에요.

-- taxi_lakehouse와 reference_warehouse 데이터를 조인해
-- research_warehouse에 새 테이블 생성
CREATE TABLE research_warehouse.dbo.taxi_trips
AS
SELECT *
FROM taxi_lakehouse.dbo.TaxiTrips AS latest
INNER JOIN reference_warehouse.dbo.TaxiTrips AS reference
ON latest.vendorId_lpep = reference.vendorId_lpep;

이 방식의 핵심은 데이터를 미리 한곳에 복사해둘 필요가 없다는 점이에요. Warehouse, Lakehouse, 미러링된 데이터베이스가 같은 워크스페이스에 있으면 쿼리 시점에 바로 묶어서 쓸 수 있어요.

그래서 언제 뭘 쓰나

단순히 파일을 그대로 적재한다면 → COPY INTO. 코드가 짧고 목적이 명확해요.
값을 바꾸거나 다른 테이블과 조인하면서 적재해야 한다면 → INSERT ... SELECT 또는 CTAS.
여러 Warehouse·Lakehouse에 흩어진 데이터를 한 번에 합쳐서 새 테이블을 만들고 싶다면 → 3-part 이름을 쓰는 크로스 쿼리.
CTAS와 INSERT ... SELECT로 실행한 적재 작업은 모두 Warehouse의 쿼리 히스토리·활동 로그에 남아서, 다른 작업과 함께 모니터링할 수 있어요.
물론 T-SQL이 유일한 길은 아니에요. 정기적인 스케줄, 여러 단계로 이어지는 오케스트레이션이 필요하다면 파이프라인이나 Dataflow Gen2처럼 코드 없이 구성하는 수집 방식도 원문이 함께 안내하고 있어요. 하지만 이미 SQL로 짤 수 있는 단발성·반복 가능한 적재라면, 굳이 파이프라인부터 만들 필요 없이 T-SQL 세 가지 방법만으로도 충분한 경우가 많아요.

정리

Fabric Warehouse에 데이터를 넣는 T-SQL 방법은 목적에 따라 나뉘어요. 파일을 그대로 옮긴다면 COPY INTO, 쿼리 결과로 테이블을 만들거나 채운다면 CTAS·INSERT SELECT, 워크스페이스 안 여러 자산을 한 번에 묶고 싶다면 3-part 이름의 크로스 쿼리를 쓰면 돼요. 파이프라인을 만들기 전에 먼저 이 세 가지로 충분한지부터 확인해 보는 게 좋아요.

어휘 주석

SQL analytics endpoint: Lakehouse에 저장된 Delta 테이블을 별도 변환 없이 T-SQL로 바로 조회할 수 있게 자동으로 만들어주는 읽기 전용 SQL 엔드포인트예요.