SOA에 대한 많은 애기들을 나누었지만 정작 Service, SOA에 대한 명확한 정의를 내리지 못하고 있는 것이 현실입니다. 이번 세션을 통해서 CORBA 이전 부터 시작된 분산 객체의 역사와 맡불려 SOA를 재조명 해보도록 하겠습니다. 그리고 Service의 새로운 진화 모델인 SaaS (Software as a Service)를 소개하고, 개발자가 대처하기 위해 알아야할 개념과 지식들을 전달하고자 합니다.
Cloud-Native Architecture
MSA(Micro Service Architecture)
MDA(Micro Data Architecture)
MIA(MIcro Inference Architecture)
MSA-Service Mesh
MDA-Data Mesh
MIA-AI Inference Mesh
Kubernetes
Container
Kubeflow
Volcano
Apache Ynikorn
ChatGPT
AGI(Artificial General Intelligence)
ASI(Artificial Specialized Intelligence)
초-전환시대
초-연결시대
SQream GPU DBMS
Cloud와 Cloud Native의 목표는.. 왜? 어떻게? 뭐가 좋아지나...
1. (왜) 가속화된 초-전환, 초-연결 IT 환경변화에 대비하기 위해서
2. (어떻게-H/W) IT H/W 부분은 IaaS 서비스화하여
점유된, Over Subscription된 H/W(Server, Network, Storage)들 모아서 Pool화하고, 가상화기술을 통해 Tenant로 자원들을 분리해 서비스화해 제공하고
필요시 적시에 Pool의 가상H/W를 제공하고, 상황에 따라 확장・축소(Scale in/out, up/down)하면서, 축소된 자원을 다른 요청들을 위해 빠르게 재-할당하는 유연성을 제공하고
3. (어떻게-S/W) S/W 부문도
PaaS, SaaS 적극 활용으로 App.개발 시간을 단축하고
App.분야인 기존 MACRO Service Architecture형 Monolith Architecture(Web-WAS-DB)를 작게 쪼개서 변화에 빠르게 적응할 수 있는 MSA(Micro Service Architecture)로 변경하여 Service Mesh형으로 관리하고
Data분야도 Data Warehouse, DataLake(Bigdata), LakeHouse등 기존 MACRO Data Architecture를 MSA형식으로 MDA(Micro Data Architecture)로 전환 후 Data Mesh형태로 관리하고,
AI로 동적프로그램 생성하여 App.개발시간 단축하고, AI분야도 초-거대 AI구현(MACRO)보다는 작은|특화된 Deep Learning Network(Model)들로 작게 쪼개서 MIA(Micro Inference Architecture)로 비지니스 환경에 적용하고 Inference Mesh형태로 관리하는 시스템으로 전환하고
4. (어떻게-조직) 조직구조도 CI/CD형 DevOps환경, 데이타,트랜잭션중심업무중심, 기술중심 문제해결중심, 직능중심조직직무중심조직으로 전환하면
5. (좋아지는 것) 초-전환, 초-연결 환경에 빠르고, 지속적으로 적응할 수 IT as a Product 환경을 구현하는 것
AWS Amplify를 이용한 웹과 모바일 간의 쉬운 데이터 동기화 및 AI 서비스를 활용한 모바일 개발 - 정창호, AWS 솔루션즈 아키...Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/lYiSvC4TyCc
오프라인 및 온라인 시나리오에 대한 추가 코드를 작성하지 않고 데이터를 공유 및 분산 활용할 수 있는 앱과 클라우드 간에 데이터를 동기화하는 영구 스토리지 엔진인 Amplify DataStore를 소개합니다. 또한 기계 학습에 대한 경험이 없어도 개발자가 웹 및 모바일 애플리케이션에서 몇 줄의 추상화된 코드로 인공지능/기계 학습 기반 서비스를 손쉽게 사용할 수 있게 해주는 Amplify Predictions에 대해 소개하고 사용 방법을 학습합니다.
이 강연은 “클라우드 컴퓨팅”이라는 기본적 개념과 클라우드 컴퓨팅의 각 주요 요소에 대한 이해를 돕기 위해 만들어졌습니다. 또한, 아마존 웹 서비스의 컴퓨팅, 데이터베이스 및 스토리지 서비스 등 핵심 서비스에 대해 간단히 소개합니다.
사업 초기에 장비 구매에 큰 비용을 투자하거나 설치에 많은 시간을 소묘하지 않고 빠르게 성장에만 집중하고자 하는 스타트업도, IT 혁신을 통해 민첩성과 유연성을 확보하고자 하는 대기업도 AWS 클라우드가 제공하는 인프라스트럭처들을 활용하면 초기 투자 비용 전혀 없이 몇 번의 클릭만으로 원하는 순간 인프라를 조달해 활용할 수 있습니다. 본 세션에 참석하셔서 클라우드 컴퓨팅의 이점과 AWS 클라우드 서비스에 대해 더 알아보시기 바랍니다.
클라우드의 정의 및 이점뿐만 아니라, 클라우드 플랫폼을 구성하는 다양한 기술들에 대해 고찰해봅니다. 또한 클라우드가 다양한 비즈니스에 어떻게 적용되고 활용되고 있는 지, 사례를 통해 살펴봅니다 | In addition to the definition and benefits of cloud, consider the variety of technologies that make up the cloud platform. We also look at how cloud is being used and applied to a wide variety of businesses and examples.
Cloud-Native Architecture
MSA(Micro Service Architecture)
MDA(Micro Data Architecture)
MIA(MIcro Inference Architecture)
MSA-Service Mesh
MDA-Data Mesh
MIA-AI Inference Mesh
Kubernetes
Container
Kubeflow
Volcano
Apache Ynikorn
ChatGPT
AGI(Artificial General Intelligence)
ASI(Artificial Specialized Intelligence)
초-전환시대
초-연결시대
SQream GPU DBMS
Cloud와 Cloud Native의 목표는.. 왜? 어떻게? 뭐가 좋아지나...
1. (왜) 가속화된 초-전환, 초-연결 IT 환경변화에 대비하기 위해서
2. (어떻게-H/W) IT H/W 부분은 IaaS 서비스화하여
점유된, Over Subscription된 H/W(Server, Network, Storage)들 모아서 Pool화하고, 가상화기술을 통해 Tenant로 자원들을 분리해 서비스화해 제공하고
필요시 적시에 Pool의 가상H/W를 제공하고, 상황에 따라 확장・축소(Scale in/out, up/down)하면서, 축소된 자원을 다른 요청들을 위해 빠르게 재-할당하는 유연성을 제공하고
3. (어떻게-S/W) S/W 부문도
PaaS, SaaS 적극 활용으로 App.개발 시간을 단축하고
App.분야인 기존 MACRO Service Architecture형 Monolith Architecture(Web-WAS-DB)를 작게 쪼개서 변화에 빠르게 적응할 수 있는 MSA(Micro Service Architecture)로 변경하여 Service Mesh형으로 관리하고
Data분야도 Data Warehouse, DataLake(Bigdata), LakeHouse등 기존 MACRO Data Architecture를 MSA형식으로 MDA(Micro Data Architecture)로 전환 후 Data Mesh형태로 관리하고,
AI로 동적프로그램 생성하여 App.개발시간 단축하고, AI분야도 초-거대 AI구현(MACRO)보다는 작은|특화된 Deep Learning Network(Model)들로 작게 쪼개서 MIA(Micro Inference Architecture)로 비지니스 환경에 적용하고 Inference Mesh형태로 관리하는 시스템으로 전환하고
4. (어떻게-조직) 조직구조도 CI/CD형 DevOps환경, 데이타,트랜잭션중심업무중심, 기술중심 문제해결중심, 직능중심조직직무중심조직으로 전환하면
5. (좋아지는 것) 초-전환, 초-연결 환경에 빠르고, 지속적으로 적응할 수 IT as a Product 환경을 구현하는 것
AWS Amplify를 이용한 웹과 모바일 간의 쉬운 데이터 동기화 및 AI 서비스를 활용한 모바일 개발 - 정창호, AWS 솔루션즈 아키...Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/lYiSvC4TyCc
오프라인 및 온라인 시나리오에 대한 추가 코드를 작성하지 않고 데이터를 공유 및 분산 활용할 수 있는 앱과 클라우드 간에 데이터를 동기화하는 영구 스토리지 엔진인 Amplify DataStore를 소개합니다. 또한 기계 학습에 대한 경험이 없어도 개발자가 웹 및 모바일 애플리케이션에서 몇 줄의 추상화된 코드로 인공지능/기계 학습 기반 서비스를 손쉽게 사용할 수 있게 해주는 Amplify Predictions에 대해 소개하고 사용 방법을 학습합니다.
이 강연은 “클라우드 컴퓨팅”이라는 기본적 개념과 클라우드 컴퓨팅의 각 주요 요소에 대한 이해를 돕기 위해 만들어졌습니다. 또한, 아마존 웹 서비스의 컴퓨팅, 데이터베이스 및 스토리지 서비스 등 핵심 서비스에 대해 간단히 소개합니다.
사업 초기에 장비 구매에 큰 비용을 투자하거나 설치에 많은 시간을 소묘하지 않고 빠르게 성장에만 집중하고자 하는 스타트업도, IT 혁신을 통해 민첩성과 유연성을 확보하고자 하는 대기업도 AWS 클라우드가 제공하는 인프라스트럭처들을 활용하면 초기 투자 비용 전혀 없이 몇 번의 클릭만으로 원하는 순간 인프라를 조달해 활용할 수 있습니다. 본 세션에 참석하셔서 클라우드 컴퓨팅의 이점과 AWS 클라우드 서비스에 대해 더 알아보시기 바랍니다.
클라우드의 정의 및 이점뿐만 아니라, 클라우드 플랫폼을 구성하는 다양한 기술들에 대해 고찰해봅니다. 또한 클라우드가 다양한 비즈니스에 어떻게 적용되고 활용되고 있는 지, 사례를 통해 살펴봅니다 | In addition to the definition and benefits of cloud, consider the variety of technologies that make up the cloud platform. We also look at how cloud is being used and applied to a wide variety of businesses and examples.
모바일 앱 성능 분석 방법 101 (Mobile Application Performance Analysis Methodology 101) YoungSu Son
모바일 앱 성능 분석 방법에 대해서 설명을 드립니다
- 기존 서버 APM과 모바일에서의 성능 기준의 차이
- 모바일 제약사항및 아키텍처
- 안드로이드는 어떻게 발전해 왔나
- Vectorization
- Loop
- Redex / Optimized Layout
- Garbage Collector
- 제조사가 보장해야 되는 성능
- 개발사가 고민해야 되는 영역
- 실사례 설명
- 갤럭시노트 2의 점유율
- Xiaomi 폰의 국내 4위 시장 점유율
- 여러가지 모바일 성능 리포트
16. Web 2.0 과 SOA! 친구인가 ! 적인가 ! SOA 가 주가 된 상황에서 Web 2.0 vs Web 2.0 이 주가 된 상황에서 SOA
17. Platform War Web World Service World Web SOA Web 2.0 Web 3.0 SaaS Real SOA
18. 초창기 SOA 는 ? Service 기반의 새로운 가상 운영체제 만들기 전략 실패 !
19. 어떤 WP 를 쓰시겠습니까 ? Accessability vs UX. 기존 IT 밴더 들의 노력 이대로 Web 플랫폼을 내줄수 없다 . 하지만 SOA 시장은 지켜야 된다 !
20. UX 로 웹의 한계를 극복하자 !! Innovators 2.5% Early Majority Pragmatists 34.0 % Laggards 16.0 % Late Majority Conservatives 34.0 % Early Adapter 13.5 % C H A S M
21.
22. UX 시장 탈환을 위한 전쟁 ! Sliverlight JavaFx Adobe AIR
37. Semantic Web Layer Logic Proof Ontology Vocabulary RDF + RDF Schema XML + NS + Schema UniCode URI Trust Digital Signature self desc. doc data rule data
41. Semantic Web Service Model Web Service 를 위한 Ontology presents described by supports provides (what it does) (how it works) (how to access it) Service ServiceGrounding ServiceModel ServiceProfile Resource
42. Service Grounding wsdlInputMessage wsdlInputMessagePart wsdlOutputMessagePart wsdlOutputMessage Has Grounding Type Port Message Binding Service ServiceGrounding Atomic Process
43. Service Profile Constraint, Range Location, etc.. Actor ServiceProfile Location IOPE Thing … Service Requester Service Provider … … … Functional Description Input, Output, Effect, Precondition Actor The Profile of Service Provider Hierarchy Matchmaking (CMU, JTP)
44.
45. Service Model … precondition input output effect computedPrecondition computedInput computedOutput computdEffect invocable hasGrounding Collapse hasGrounding components composedBy Process Profile Control Component Split Atomic Process Simple Process Composite Process Sequence RepeatUntil hasProcess hasProfile Expand ProcessComponent = Process U ControlComponent ProcessComponent = Process U ControlComponent ProcessComponent = Process U ControlComponent
46. Real SOA 의 큰 방향 Grid Computing Business Process WorkFlow System Services UDDI Semantic Web Service Web Service Broker ontology ontology ontology
47. 이 저작물은 크리에이티브 커먼즈 코리아 저작자표시 - 비영리 - 동일조건변경허락 2.0 대한민국 라이센스 에 따라 이용하실 수 있습니다 . This work is licensed under Creative Commons Korea Attribution 2.0 License.