[월:] 2019년 05월

Amazon Managed Streaming for Apache Kafka(MSK) – 정식 출시 최근처럼 데이터가 폭주하는 시대에 실시간 데이터 처리는 기본적인 요구 사항이 되었습니다. AWS 고객 중에도 전 세계적으로 신뢰도가 가장 높은 기업 및 전문가를 위한 뉴스 업체인 Thomson Reuters에서는 제품 팀이 사용자 경험을 지속적으로 개선하는 데 도움이 되는 분석 데이터를 캡처, 분석 및 시각화하는 솔루션을 구축했습니다. 헤이데이, 클래시 오브 클랜 및 붐비치 같은 게임을 제공하는 소셜 게임사인 Supercell은 매일 450억 개의 이벤트를 처리하면서 실시간으로 게임 내 데이터를 제공합니다. AWS는 re:Invent 2013에서 Amazon Kinesis를 출시한 이후로 AWS 스트리밍 데이터의 작업 방식을 지속적으로 확장했습니다. 사용 가능한 일부 도구는 다음과 같습니다. 자체 애플리케이션을 통해 스트림을 캡처, 저장 및 처리할 수 있는 Kinesis Data Streams. 데이터를 변환하고 Amazon S3, Amazon Elasticsearch Service 및 Amazon Redshift 같은 대상으로 수집할 수 있는 Kinesis Data Firehose. SQL 또는 Java(Apache Flink 애플리케이션 사용)를 사용하여 데이터를 지속적으로 분석할 수 있는 Kinesis Data Analytics(예: [ more… ]

AWS IoT Things Graph – 시각적 애플리케이션 개발 도구 정식 출시 AWS가 지난 11월에 발표한 AWS IoT Things Graph는 IoT 애플리케이션을 시각적으로 구축할 수 있는 도구입니다. 오늘부터 이 서비스가 제공됨에 따라 지금 바로 사용을 시작할 수 있습니다! 본 서비스는 디바이스 및 서비스로 구성된 흐름에 비즈니스 논리를 나타낼 수 있습니다. Things Graph에서 각 웹 서비스 및 각 디바이스 유형(센서, 카메라, 디스플레이 등)은 모델로 표현됩니다. 모델에는 디바이스의 특정 브랜드 또는 모델과 관련된 구현 세부 정보가 표시되지 않으며 모델을 사용하면 하드웨어에 따라 변화하는 흐름을 구축할 수 있습니다. 각 모델에는 작업(입력), 이벤트(출력) 및 상태(속성) 세트가 있습니다. Things Graph에는 미리 정의된 모델 세트가 포함되며 이러한 모델을 직접 정의할 수도 있습니다. 또한 흐름에서 매핑을 사용하여 한 장치의 출력을 다른 장치에 필요한 형태로 변환할 수 있습니다. 흐름을 구축한 후에는 AWS IoT Greengrass 지원 디바이스에 배포하여 로컬로 실행할 수 있습니다. 배포된 흐름은 로컬로 연결된 디바이스와 웹 서비스 간의 [ more… ]

Amazon Aurora Serverlee를 위한 Data API 정식 출시 관계형 데이터베이스(RDBMS)를 활용하는 프로그램 코드를 개발하는 사람이라면, DB 연결을 열고,  하나 이상의 SQL 쿼리나 다른 명령문을 처리한 후에 연결을 닫는 절차를 거칩니다. 이를 위해 운영 체제, 프로그래밍 언어, 데이터베이스에 특정한 클라이언트 라이브러리를 사용할 필요가 있습니다. 어떤 시점에 되면 연결을 생성하는 작업은 시간도 많이 들고, 데이터베이스 엔진에서 메모리도 소비한다는 사실을 알게 되고, 이를 해결하기 위해 연결 풀링과 다른 작업들도 처리해야 합니다. 위에서 설명한 연결 중심 모델은, 설정 시간이 몇 시간, 심지어 며칠에 걸쳐 분할되는 기존의 장기 실행 프로그램에 적합합니다. 그러나, 빈번하게 호출되고, 밀리초에서 분 단위의 시간 간격으로 실행되는 서버리스 기능에는 그다지 적합하지 않습니다. Aurora 서버리스 데이터 API 소개 서버리스 애플리케이션과 관계형 데이터베이스 사이의 이러한 불일치를 해결하기 위해 AWS는 Amazon Aurora 서버리스의 MySQL 호환 버전을 위한 데이터 API를 출시했습니다. 이 API를 사용하면 기존 연결 관리에서 발생하는 오버헤드와 복잡성에서 벗어날 수 있으며, Amazon Aurora 서버리스 [ more… ]

AWS IoT Events- 대규모 이벤트 감지 및 대응 서비스 정식 출시 지난 수년 간, AWS에서는 다양한 IoT(사물 인터넷) 서비스와 기능을 제공하고 있습니다. 2015년 10월 – AWS IoT Core –  Cloud Services for Connected Devices 연결된 디바이스를 위한 클라우드 서비스입니다. 2017년 6월 – AWS Greengrass – 연결된 디바이스에서 AWS Lambda 함수를 실행하는 기능입니다. 2017년 11월 – AWS IoT Device Management – 연결된 디바이스의 온보딩, 구성, 모니터링 및 원격 관리를 지원합니다. 2017년 11월 – AWS IoT Analytics – IoT 디바이스를 위한 고급 데이터 분석 서비스입니다. 2017년 11월 – Amazon FreeRTOS – 마이크로컨트롤러를 위한 IoT 운영 체제입니다. 2018년 4월 – Greengrass ML Inference – 엣지에서 기계 학습 추론을 실행하는 데 필요한 성능을 제공합니다.. 2018년 8월 – AWS IoT Device Defender – 연결된 디바이스를 안전하게 보호하도록 지원하는 서비스입니다. 지난 11월에는 다음과 같은 4가지 새로운 IoT 서비스의 출시 계획도 발표했습니다. 산업용 장비에서 대규모로 데이터를 수집하고, [ more… ]

GPU 딥러닝 모델 학습을 위한 Amazon EC2 스팟 인스턴스 활용법 여러분이 데이터 세트를 수집하고, 심층 신경망 아키텍처를 설계하고, 학습 루틴 코드를 작성을 완료 하셨다면 지금부터는 강력한 GPU 인스턴스를 사용해 여러 epoch에 걸쳐 대규모 데이터 세트를 이용한 학습을 실행할 차례입니다. 여러분은 이미 NVIDIA Tesla V100 GPU에 기반한 Amazon EC2 P3 인스턴스가 컴퓨팅 집약적인 딥러닝 학습 작업에 적합하다는 사실을 알고 있지만 예산이 빠듯한 관계로 가능한한 학습 비용은 낮추고 싶습니다. 몇 시간 또는 며칠에 걸쳐 학습 작업을 실행하는 딥러닝 연구자 및 개발자라면, 스팟 인스턴스 요금을 통해 훨씬 경제적인 비용으로 고성능 CPU를 이용할 수 있습니다. 스팟 인스턴스를 사용하면 온디맨드 요금에 비해 대폭 할인된 가격으로 여분의 Amazon EC2 컴퓨팅 용량에 액세스할 수 있습니다. 인스턴스 및 리전별 최근 요금 목록을 보려면 스팟 인스턴스 어드바이저를 방문하십시오. 스팟 인스턴스와 온디맨드 인스턴스 사이의 주요 차이점을 알아보려면 이 Amazon EC2 사용 설명서를 검토해 보시기 바랍니다. 스팟 인스턴스는 딥러닝 워크플로우에 적합하지만, 온디맨드 [ more… ]