aws

신규 – Amazon QuickSight 페이지 기반 보고서를 사용하여 대규모로 운영 보고서 작성 및 공유 데이터 인사이트를 보고하는 방법에는 여러 가지가 있는데, 페이지 기반 보고서도 그 중 하나입니다. 페이지 기반 보고서는 최종 사용자를 위한 중요한 비즈니스 정보가 포함된 필수 문서입니다. 수십 년 동안 페이지 기반 보고서는 표준 비즈니스 보고 형식이었습니다. 다음은 페이지 기반 보고서의 예입니다. 왼쪽에는 손익 계산서가 표시되어 있고 오른쪽에는 연간 실적 요약이 표시되어 있습니다. 예에서 볼 수 있듯이 페이지 기반 보고서에는 고급 서식을 사용한 다양한 인사이트가 포함되어 있으며 가로 또는 세로 방향으로 인쇄할 수 있도록 설계되어 독자가 쉽게 읽을 수 있습니다. 종종 수천 페이지의 데이터를 포함할 수 있기 때문에 페이지 기반 보고서라고 합니다. 단순한 작업처럼 보일 수 있지만 페이지 기반 보고서를 생성하는 것은 레거시 데이터 웨어하우스와 레거시 비즈니스 인텔리전스 도구에 크게 의존합니다. 특히 최신 비즈니스 인텔리전스 도구는 이러한 기능을 제공하지 않기 때문입니다. 따라서 조직은 일반적으로 중요한 운영 보고서와 요약된 [ more… ]

신규 – Amazon RDS에 최적화된 읽기 및 최적화된 쓰기 저는 2009년에 Amazon RDS 소개: Amazon 관계형 데이터베이스 서비스라는 글을 썼으며, 이 글에서 다음과 같이 말했습니다. RDS를 통해 클라우드에서 관계형 데이터베이스를 손쉽게 설정, 운영 및 확장할 수 있습니다. 인프라 프로비저닝, 소프트웨어 유지 관리 또는 일반적인 데이터베이스 관리 작업에 대한 걱정 없이 데이터베이스에 직접 액세스할 수 있습니다. RDS를 출시한 이후 이러한 걱정을 모두 피할 수 있도록 최선을 다하면서 RDS를 훨씬 더 비용 효율적으로 만들었습니다. 예를 들어, 최근에 가격 대비 성능이 최대 52% 향상된 Graviton2 DB 인스턴스와 2배 빠른 트랜잭션 커밋 지연 시간과 함께 가격 대비 성능이 최대 33% 향상된 새로운 다중 AZ 배포 옵션을 출시했습니다. 오늘은 Amazon RDS for MySQL 워크로드를 가속화하는 새로운 두 가지 기능에 대해 말하고자 합니다. Amazon RDS Optimized Reads는 MySQL에서 생성한 임시 테이블을 호스트 서버에 물리적으로 연결된 NVMe 기반 SSD 블록 스토리지에 배치하여 쿼리 처리 속도를 높입니다. 정렬, [ more… ]

Amazon ENA Express – EC2에서 향상된 네트워크 지연 시간 및 흐름당 성능 AWS에서는 사용 가능한 모든 네트워크 대역폭과 네트워크 성능을 더욱 잘 활용할 수 있도록 지원하기 위해 최선을 다하고 있습니다. 지난 몇 년 동안 네트워크 대역폭은 초기 m1 인스턴스의 250Mbps에서 최신 m6in 인스턴스의 200Gbps로 증가했습니다. 원시 대역폭 뿐만 아니라 향상된 네트워킹, Elastic Network Adapter(ENA) 및 밀접하게 연결된 HPC 워크로드를 위한 Elastic Fabric Adapter(EFA)를 비롯한 고급 네트워킹 기능도 도입했습니다. ENA Express 소개 오늘 AWS는 ENA Express를 출시합니다. 이미 Elastic Fabric Adapter를 지원하는 Scalable Reliable Datagram(SRD) 프로토콜을 기반으로 하는 ENA Express는 트래픽 흐름의 P99 지연 시간을 TCP 대비 최대 50%, P99.9 지연 시간을 최대 85%까지 줄이는 동시에 최대 단일 흐름 대역폭을 5Gbps에서 25Gbps로 늘립니다. 결론은 흐름당 대역폭이 훨씬 크고 변동성은 훨씬 적다는 것입니다. 신규 및 기존 ENA에서 ENA Express를 활성화하고 동일한 가용 영역에서 실행되는 c6gn 인스턴스 간의 TCP 및 UDP 트래픽에 대해 [ more… ]

Amazon Textract로 주택 담보 대출 데이터 분류 및 추출 기능 출시 주택 담보 대출 신청서는 미국의 경우 적어도 약 500페이지 이상의 다양한 문서로 구성됩니다. 신청서를 검토하려면 이러한 모든 문서를 분류하고 각 양식의 데이터를 추출해야 합니다. 이것이 쉬운 일은 아닙니다. 각 문서의 데이터 구조가 다를 뿐만 아니라 동일한 데이터 요소의 이름이 문서마다 다를 수 있습니다(예: SSN, 주민등록번호 또는 세금 ID). 이 세 가지는 모두 동일한 데이터를 나타냅니다. 현재 Amazon Textract에서 주택 담보 대출 신청 패키지에 포함된 문서를 분석 및 분류하고 여기에 포함된 데이터를 추출하는 새로운 대출 분석 API를 사용할 수 있습니다. 이 새로운 API는 업계 주요 대출 기관이 대출 신청을 더 빠르게 처리하고 오류를 줄여 최종 고객 경험을 개선하고 운영 비용을 절감할 수 있도록 지원해 달라는 요청에 따라 만들어졌습니다. 지금까지는 주택 담보 대출 신청 패키지에서 데이터를 분류하고 추출하는 작업이 매우 노동 집약적이었으나, 일부 대출 기관은 Amazon Textract와 같은 기술을 이용하는 하이브리드 [ more… ]