aws

Amazon EFS Infrequent Access을 통한 스토리지 비용 최적화 – 최대 92% 비용 절감 Amazon Elastic File System에서 Infrequent Access(IA) 수명 주기 관리를 사용하는 경우 요금이 인하됩니다. 이번 가격 인하를 통해 액세스 패턴이 바뀌는 경우 파일 스토리지 비용에서 비용을 추가로 최적화하고 최대 92%까지 자동으로 절감할 수 있습니다. 이번 새롭게 인하된 가격을 이용하면 이제 월별 GB당 0.08 USD의 저렴한 비용으로 파일 시스템에서 기본적으로 파일을 저장하고 파일에 액세스할 수 있습니다. Amazon EFS는 AWS  서비스 및 온프레미스 리소스와 함께 사용할 수 있는 Linux 기반 워크로드를 위한 완전관리형 클라우드 네이티브 NFS 파일 시스템을 사용하는 저렴하고 간단한 서비스입니다. EFS에서는 중단 없이 페타바이트 규모까지도 파일을 생성하거나 삭제할 때 자동으로 확장 및 축소하는 탄력적인 스토리지를 제공합니다. 따라서 애플리케이션은 필요한 스토리지를 즉시 사용할 수 있습니다. 또한 EFS는 강력한 파일 시스템 일관성과 함께 무료로 다중 가용영역(AZ)을 통한 고가용성 및 내구성을 기본적으로 포함하고 있습니다. 수명 주기 관리를 통한 간편한 비용 최적화 [ more… ]

AWS 주간 소식 모음 – 2019년 9월 9일 안녕하세요! 여러분~ 매주 월요일 마다 지난 주에 업데이트된 국내 AWS관련 콘텐츠를 정리해 드립니다. AWS 클라우드에 대한 새로운 소식을 확인하시는데 많은 도움 되시길 바랍니다. 혹시 빠지거나 추가할 내용이 있으시면, 저에게 메일 주시면 추가 공유해 드리겠습니다. AWS코리아 블로그 AWS Lambda 함수의 VPC 기능 개선 – 함수 구동 속도 향상 및 효율적 ENI 사용 (2019-09-05) Python으로 AWS Cloud Development Kit 시작하기 (2019-09-04) Amazon SageMaker – 관리형 스팟 모델 학습 기능으로 비용 절감하기 (2019-09-03) AWS코리아 발표 자료 [Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 – 베스핀 글로벌 장익철 위원 (2019-09-03) Amazon의 머신러닝 솔루션: Fraud Detection & Predictive Maintenance – 남궁영환 (AWS 데이터 사이언티스트 SA) (2019-09-03) 글로벌 고객 사례를 통하여 소개하는 혁신적인 데이터 웨어하우스 – 김형일 (AWS 솔루션즈 아키텍트) (2019-09-03) 글로벌 기업들의 효과적인 데이터 분석을 위한 Data Lake 구축 [ more… ]

AWS Lambda 함수의 VPC 기능 개선 – 함수 구동 속도 향상 및 효율적 ENI 사용 AWS Lambda 기능이 Amazon VPC 네트워크에서 작동하는 방식을 크게 개선했습니다. 오늘부터 함수 구동 성능이 향상되고 탄력적 네트워크 인터페이스(Elastic Network Interfaces)를 효율적으로 사용 가능합니다. 이러한 개선 사항은 추가 비용 없이 모든 기존 및 새로운 VPC 기능에 적용됩니다. 모든 리전에 걸쳐 향후 몇 개월 동안 점차적으로 사용 가능해 질 것입니다.AWS Lambda는 2016 년 2 월에 처음으로 VPC를 지원하여 AWS Direct Connect 링크를 사용하여 VPC 또는 온 프레미스 시스템의 리소스에 접근할 수 있습니다. 그 이후 많은 고객이 VPC 연결을 광범위하게 사용해 아래와 같은 서비스를 활용했습니다. Amazon RDS와 같은 관계형 데이터베이스 Redis 용 Amazon ElastiCache 또는 Amazon Elasticsearch Service와 같은 데이터 스토어 Amazon EC2 또는 Amazon ECS에서 실행되는 다른 서비스 이제 AWS Lambda와 VPC 간의 연결 방식이 새롭게 바뀝니다. Lambda와 VPC 이전 연결 모델 아래 그림은 Lambda와의 기존 네트워킹 [ more… ]

Amazon SageMaker – 관리형 스팟 모델 학습 기능으로 비용 절감하기 Amazon SageMaker는 완전 관리형 기계 학습(ML) 서비스로서, 개발자와 데이터 과학자는 이를 통해 모든 규모의 모델을 쉽게 빌드하고 학습하며 배포할 수 있습니다. 내장 알고리즘 혹은 자체 알고리즘을 사용하거나, AWS Marketplace에서 사용 가능한 알고리즘 중에서 선택할 수 있어 ML 모델을 실험 단계부터 스케일아웃 프로덕션에 이르기까지 훨씬 쉽고 빠르게 진행할 수 있습니다. 주요 이점 중 하나는 작업 규모에 관계없이 인프라 관리가 필요하지 않다는 것입니다. 예를 들어 복잡한 학습 클러스터를 설정 및 관리하는 대신 Amazon SageMaker에 사용할 Amazon Elastic Compute Cloud(EC2) 인스턴스 유형과 필요한 수량을 알려 주기만 하면 적절한 인스턴스가 온디맨드로 생성되고 구성되며 학습 작업이 완료되면 자동으로 종료됩니다. 고객이 이해한 것처럼, 이는 비용을 통제할 수 있는 간단한 방법인 유휴 학습 인스턴스에 대해 비용을 지불하지 않음을 의미합니다. Managed Spot Training  신규 기능 소개 한 걸음 더 나아가 Amazon EC2 스팟 인스턴스를 기반으로 하는 새로운 기능인 [ more… ]