급진적으로 늘어나는 데이터, 점차 다양해지는 워크로드의 특성에 적합한 데이터 관리를 위해 AWS는 광범위한 데이터베이스를 제공합니다. 이번 웨비나에서는 관계형 데이터베이스를 비롯, 인메모리, 그래프, 시계열 등 다양한 어플리케이션에 적합한 데이터베이스를 선택할 수 있도록 AWS의 각 데이터베이스의 개요를 소개합니다.
본 온라인 세미나에서는 AWS 서비스를 활용하시는데 있어, 총 소유비용(TCO) 관점에서 클라우드 사용시 장점에 대해 이해하고, AWS서비스 사용시 어떻게 하면 비용최적화를 잘 할 수 있을지를 예약인스턴스, 스팟인스턴스, S3의 라이프사이클 정책 활용 방법 등을 통해 학습합니다. 특별히, 예약인스턴스 구매, 비용 알람 설정, AWS 서비스 월별 사용 계산기 사용법 등에 대한 핸즈온을 통해 좀 더 저희 서비스에 쉽게 접근하실 수 있도록 도와드립니다.
발표영상 다시보기: https://youtu.be/1HlRVG6OPBo
고객의 온프레미스 데이터를 클라우드로 마이그레이션 또는 하이브리드 환경을 구축하기 위해서 다양한 요구사항들이 존재합니다. 이번 세션에서는 AWS로 데이터를 마이그레이션 및 전송하기 위한 스토리지 서비스들을 소개합니다. 하이브리드 환경을 위한 AWS Storage Gateway와 백업 중앙화 관리 및 자동화를 위한 AWS Backup의 연계, 데이터 전송을 위한 AWS DataSync 및 AWS Transfer for SFTP 등의 스토리지 서비스 개요 및 Use Case를 소개하며, 대용량 데이터 마이그레이션을 위한 AWS Snowball 서비스를 고객사례와 함께 설명드립니다.
영상 다시보기: https://youtu.be/ms574Z6wKWM
기업에서의 클라우드 마이그레이션은 다양한 부문의 고려가 필요합니다. 본 세션에서는 클라우드 마이그레이션 사례와 함께, AWS 클라우드로의 마이그레이션 가속화를 위한 베스트 프랙티스를 소개합니다. 또 멀티 어카운트 전략 및 관련 사례와 함께 안전하고 확장성있는 AWS 기본 환경 구축을 위한 고려사항을 살펴봅니다.
[Games on AWS 2019] AWS 사용자를 위한 만랩 달성 트랙 | Aurora로 게임 데이터베이스 레벨 업! - 김병수 AWS ...Amazon Web Services Korea
Amazon Aurora Database는 오픈소스의 개방성과 상용 데이터베이스의 성능과 안정성을 모두 제공하는 관리형 데이터베이스 서비스입니다. Amazon Aurora Database는 처음 소개된 이후로 계속 기능을 추가하며 진화해 왔습니다. Amazon Aurora의 성능과 새롭게 업데이트된 기능들을 게임사에 적용할 수 있는 사용 사례와 함께 소개합니다.
영상 다시보기: https://youtu.be/mOfAxl0vHlI
클라우드 환경의 애플리케이션은 페타바이트 규모의 데이터를 밀리초 단위 지연 시간으로 액세스하고, 초당 수백만 건의 요청을 처리하도록 확장할 수 있어야 합니다. 이러한 특정 요구사항을 처리하기 위해 AWS는 관계형 및 비관계형 데이터베이스를 포함한 매우 다양한 관리형 데이터베이스를 제공합니다. 또한 AWS Database Migration Service를 사용해 쉽고 비용 효율적으로 기존 데이터베이스를 AWS의 다양한 데이베이스로 마이그레이션하는 방법 및 사례에 대해 알아봅니다.
슬기로운 “클라우드 저장소 이전” 생활 :: 윤석찬 (AWS테크에반젤리스트) :: Database Migration Session 3::C...Amazon Web Services Korea
클라우드 도입 과정에서 가장 중요하게 고려해야 할 요소는 온프레미스 저장소에 보관중인 개체 중 클라우드로 이전하는 것입니다. 본 강연에서는 이전 가능한 데이터의 종류와 저장소를 선택하고 안전하고 효율적으로 옮기는 슬기로운 방법을 살펴봅니다. 클라우드로 스토리지를 이전할 때 필요한 Amazon EBS, EFS, S3, Glacier와 같은 저장소, 하이브리드 환경의 데이터 이전을 위한 Direct Connect 및 Storage Gateway 그리고 실시간 데이터 전송을 위한 Kinesis 등을 소개합니다. 또한, 대용량 스토리지 이전을 위한Import/Export 및 Snowball 등에 대해서도 알아봅니다.
본 온라인 세미나에서는 AWS 서비스를 활용하시는데 있어, 총 소유비용(TCO) 관점에서 클라우드 사용시 장점에 대해 이해하고, AWS서비스 사용시 어떻게 하면 비용최적화를 잘 할 수 있을지를 예약인스턴스, 스팟인스턴스, S3의 라이프사이클 정책 활용 방법 등을 통해 학습합니다. 특별히, 예약인스턴스 구매, 비용 알람 설정, AWS 서비스 월별 사용 계산기 사용법 등에 대한 핸즈온을 통해 좀 더 저희 서비스에 쉽게 접근하실 수 있도록 도와드립니다.
발표영상 다시보기: https://youtu.be/1HlRVG6OPBo
고객의 온프레미스 데이터를 클라우드로 마이그레이션 또는 하이브리드 환경을 구축하기 위해서 다양한 요구사항들이 존재합니다. 이번 세션에서는 AWS로 데이터를 마이그레이션 및 전송하기 위한 스토리지 서비스들을 소개합니다. 하이브리드 환경을 위한 AWS Storage Gateway와 백업 중앙화 관리 및 자동화를 위한 AWS Backup의 연계, 데이터 전송을 위한 AWS DataSync 및 AWS Transfer for SFTP 등의 스토리지 서비스 개요 및 Use Case를 소개하며, 대용량 데이터 마이그레이션을 위한 AWS Snowball 서비스를 고객사례와 함께 설명드립니다.
영상 다시보기: https://youtu.be/ms574Z6wKWM
기업에서의 클라우드 마이그레이션은 다양한 부문의 고려가 필요합니다. 본 세션에서는 클라우드 마이그레이션 사례와 함께, AWS 클라우드로의 마이그레이션 가속화를 위한 베스트 프랙티스를 소개합니다. 또 멀티 어카운트 전략 및 관련 사례와 함께 안전하고 확장성있는 AWS 기본 환경 구축을 위한 고려사항을 살펴봅니다.
[Games on AWS 2019] AWS 사용자를 위한 만랩 달성 트랙 | Aurora로 게임 데이터베이스 레벨 업! - 김병수 AWS ...Amazon Web Services Korea
Amazon Aurora Database는 오픈소스의 개방성과 상용 데이터베이스의 성능과 안정성을 모두 제공하는 관리형 데이터베이스 서비스입니다. Amazon Aurora Database는 처음 소개된 이후로 계속 기능을 추가하며 진화해 왔습니다. Amazon Aurora의 성능과 새롭게 업데이트된 기능들을 게임사에 적용할 수 있는 사용 사례와 함께 소개합니다.
영상 다시보기: https://youtu.be/mOfAxl0vHlI
클라우드 환경의 애플리케이션은 페타바이트 규모의 데이터를 밀리초 단위 지연 시간으로 액세스하고, 초당 수백만 건의 요청을 처리하도록 확장할 수 있어야 합니다. 이러한 특정 요구사항을 처리하기 위해 AWS는 관계형 및 비관계형 데이터베이스를 포함한 매우 다양한 관리형 데이터베이스를 제공합니다. 또한 AWS Database Migration Service를 사용해 쉽고 비용 효율적으로 기존 데이터베이스를 AWS의 다양한 데이베이스로 마이그레이션하는 방법 및 사례에 대해 알아봅니다.
슬기로운 “클라우드 저장소 이전” 생활 :: 윤석찬 (AWS테크에반젤리스트) :: Database Migration Session 3::C...Amazon Web Services Korea
클라우드 도입 과정에서 가장 중요하게 고려해야 할 요소는 온프레미스 저장소에 보관중인 개체 중 클라우드로 이전하는 것입니다. 본 강연에서는 이전 가능한 데이터의 종류와 저장소를 선택하고 안전하고 효율적으로 옮기는 슬기로운 방법을 살펴봅니다. 클라우드로 스토리지를 이전할 때 필요한 Amazon EBS, EFS, S3, Glacier와 같은 저장소, 하이브리드 환경의 데이터 이전을 위한 Direct Connect 및 Storage Gateway 그리고 실시간 데이터 전송을 위한 Kinesis 등을 소개합니다. 또한, 대용량 스토리지 이전을 위한Import/Export 및 Snowball 등에 대해서도 알아봅니다.
[AWS Builders 온라인 시리즈] AWS 서비스를 활용하여 파일 스토리지 빠르게 마이그레이션 하기 - 서지혜, AWS 솔루션즈 아키텍트Amazon Web Services Korea
발표자료 다시보기: https://www.youtube.com/watch?v=cw1kdghcQKo
이 세션에서는 AWS 하이브리드 스토리지 솔루션을 활용하여 파일 기반 비정형 스토리지를 AWS로 이동하는 방법에 대해 알아봅니다. AWS Storage Gateway, AWS DataSync 및 AWS SFTP (Secure file Transfer Protocol)에 대해 알아보고 여러분의 워크로드를 어떻게 구현 할 수 있는지 사례를 통해 알아봅니다.
발표영상 다시보기: https://youtu.be/eQjkwhyOOmI
대규모 데이터 레이크 구성 및 관리는 복잡하고 시간이 많이 걸리는 작업입니다. AWS Lake Formation은 수일만에 안전한 데이터 레이크를 구성할 수 있는 완전 관리 서비스입니다. 본 세션에서는 데이터 수집, 분류, 정리, 변환 및 보안을 위해 AWS Lake Formation을 통해 Amazon S3, EMR, Redshift 및 Athena와 같은 분석 도구를 쉽게 구성하는 방법을 알아봅니다. (2019년 11월 서울 리전 출시)
본 온라인 세미나는 AWS 사용의 첫 걸음으로서 IAM 서비스 기본 설정, MFA 활성화 등 AWS 계정을 안전하게 관리할 수 있는 방법을 핸즈온과 함께 배워보고, AWS의 프리티어 서비스에 대한 안내와 함께 결제 알람 설정 방법을 알아보실 수 있습니다.
더 많은 AWS 온라인 세미나 알아보기: https://aws.amazon.com/ko/events/webinars/series
AWS 클라우드는 IT의 새로운 기준을 정립하며 클라우드 컴퓨팅 산업을 혁신하고 있습니다. 본 온라인 세미나에서는 클라우드 컴퓨팅의 개념과 AWS가 제공하는 서비스 소개 및 주요 활용 사례에 대해 소개합니다. 특히 국내에 설립된 서울 리전(Region, 데이터센터 클러스터)에 대한 소개와 더불어 다양한 IT 업무를 위한 AWS 대표 서비스들을 중점적으로 다룰 예정입니다.
영상 다시보기: https://youtu.be/aoQOqhVtdGo
기존 온-프레미스 환경에서 운영 중인 서버들을 AWS 클라우드로 옮겨오기 위한 방법은 무엇일까요? 본 세션에서는 리눅스 서버, 윈도우 서버 그리고 VMWare 등에서 운영되는 기존 서버의 클라우드 이전 방법을 소개합니다. 이를 통해 AWS의 기업 고객이 대량 마이그레이션을 진행했는지 고객 사례도 함께 공유합니다. 뿐만 아니라 VMware on AWS 및 AWS Outpost 같은 하이브리드 옵션을 통해 클라우드 도입을 가속화 하는 신규 서비스 동향도 살펴봅니다.
AWS 클라우드는 IT의 새로운 기준을 정립하며 클라우드 컴퓨팅 산업을 혁신하고 있습니다. 본 온라인 세미나에서는 클라우드 컴퓨팅의 개념과 AWS가 제공하는 서비스 소개 및 주요 활용 사례에 대해 소개합니다. 특히 국내에 설립된 서울 리전(Region, 데이터센터 클러스터)에 대한 소개와 더불어 다양한 IT 업무를 위한 AWS 대표 서비스들을 중점적으로 다룰 예정입니다.
발표영상 다시보기: https://youtu.be/-45noG3dQqo
데이터의 중요성은 더이상 반복할 필요가 없이 모두가 알고 있습니다. 비지니스에서 데이터를 활용하여 혁신하고 성장하는 사례는 전세계 모든 산업에서 확인 할 수 있습니다. AWS에서는 가장 빠르고 쉽게 데이터를 수집하고 분석할 수 있는 Data Lake 아키텍쳐를 가이드하고 직접 고객이 쉽게 빌드 할수 있도록 도와드립니다. 고객이 데이터에 대한 호기심만 가지고 있다면, AWS는 데이터를 통해 원하는 정형/비정형 데이터 분석, Data Warehouse, Machine Learning, Data Science 와 같은 거의 모든 방법을 제공합니다.
다시보기 영상 링크: https://youtu.be/hknvd5JucKU
데이터 저장소의 확장에 따라 규모에 맞게 데이터를 관리하는 것은 점점 더 어려워지고 있으며 데이터의 중요성은 지속적으로 올라가고 있습니다. 많은 데이터를 저장하고 활용하기 위해 올바른 저장매체를 선택하기 위해 AWS 에서 제공하는 여러 Storage 서비스들을 알아보고 각 서비스들의 장점과 사용 예를 함께 알아봅니다
Amazon Redshift는 런칭 이래 다양한 New Feature 추가와 성능 향상 등 지속적으로 혁신을 이어온 AWS의 데이터 웨어하우징 서비스입니다. 본 세션에서는 최근 Redshift에 추가된 다양하고 유용한 기능과 함께 지난 2018년 Re:Invent를 통하여 소개된 글로벌 고객의 Redshift를 활용한 High-performance Warehouse 시스템 및 Data Lake 구축 사례를 전달합니다.
다시보기 링크: https://youtu.be/Xk-cinEssq4
게임을 위한 AWS의 다양한 관리형 Database 서비스 Hands on Lab (김성수 솔루션즈 아키텍트, AWS) :: Gaming ...Amazon Web Services Korea
게임을 위한 AWS의 다양한 관리형 Database 서비스
이 세션에서는 AWS에서 제공하는 다양한 형태의 관리형 DB의 특성을 공유하며, 해당 DB가 실제 어떻게 동작하는지를 소개합니다. 특히 다양한 크기에 대해 어떻게 동작하는지 살펴보며 DB의 특성에 맞는 사용 방법을 예제로 소개드리고자 합니다.
기하급수적으로 증가하는 데이터 관리 환경에서 데이터의 볼륨과 성능을 유지하면서 지속적으로 증가 할 수밖에 없는 비용을 감당하는 것은 매우 어려운 과제입니다. 본 강연에서는 데이터 아키텍처의 기반이 되는 스토리지 관점에서 상시적인 데이터 보호, 더 빠른 의사결정을 위한 데이터 활용 및 비용 최적화를 위한 Amazon EBS Snapshot Archive, 신규 서비스인 Amazon S3 Glacier Instant Retrieval 클래스, 그리고 파일 시스템으로 사용되는 FsX 서비스 군의 성능 기능 향상 및 신규 서비스인 FsX OpenZFS에 대해 설명 드립니다.
AWS에서는 애플리케이션의 목적과 특징에 맞는 다양한 클라우드 기반 데이터베이스 선택 옵션을 제공합니다. 본 세션에서는 클라우드 DB 서비스를 간단히 알아보고, 그 중에서도 DB 서버 및 클러스터 관리 및 운영에 대한 걱정이 전혀 없는 서버리스(Serverless) DB 서비스인 Amazon Aurora Serverless와 DynamoDB에 대해 자세히 알아봅니다. DB 관리 및 운영 등의 번거러운 작업은 AWS에 맡기고, 비지니스 로직에 필요한 데이터 모델 구성 및 쿼리 최적화 등에 집중하여 시장에 요구에 따른 비지니스에 민첩한 서비스를 만드는 방법을 알아 봅니다.
[AWS Builders 온라인 시리즈] AWS 서비스를 활용하여 파일 스토리지 빠르게 마이그레이션 하기 - 서지혜, AWS 솔루션즈 아키텍트Amazon Web Services Korea
발표자료 다시보기: https://www.youtube.com/watch?v=cw1kdghcQKo
이 세션에서는 AWS 하이브리드 스토리지 솔루션을 활용하여 파일 기반 비정형 스토리지를 AWS로 이동하는 방법에 대해 알아봅니다. AWS Storage Gateway, AWS DataSync 및 AWS SFTP (Secure file Transfer Protocol)에 대해 알아보고 여러분의 워크로드를 어떻게 구현 할 수 있는지 사례를 통해 알아봅니다.
발표영상 다시보기: https://youtu.be/eQjkwhyOOmI
대규모 데이터 레이크 구성 및 관리는 복잡하고 시간이 많이 걸리는 작업입니다. AWS Lake Formation은 수일만에 안전한 데이터 레이크를 구성할 수 있는 완전 관리 서비스입니다. 본 세션에서는 데이터 수집, 분류, 정리, 변환 및 보안을 위해 AWS Lake Formation을 통해 Amazon S3, EMR, Redshift 및 Athena와 같은 분석 도구를 쉽게 구성하는 방법을 알아봅니다. (2019년 11월 서울 리전 출시)
본 온라인 세미나는 AWS 사용의 첫 걸음으로서 IAM 서비스 기본 설정, MFA 활성화 등 AWS 계정을 안전하게 관리할 수 있는 방법을 핸즈온과 함께 배워보고, AWS의 프리티어 서비스에 대한 안내와 함께 결제 알람 설정 방법을 알아보실 수 있습니다.
더 많은 AWS 온라인 세미나 알아보기: https://aws.amazon.com/ko/events/webinars/series
AWS 클라우드는 IT의 새로운 기준을 정립하며 클라우드 컴퓨팅 산업을 혁신하고 있습니다. 본 온라인 세미나에서는 클라우드 컴퓨팅의 개념과 AWS가 제공하는 서비스 소개 및 주요 활용 사례에 대해 소개합니다. 특히 국내에 설립된 서울 리전(Region, 데이터센터 클러스터)에 대한 소개와 더불어 다양한 IT 업무를 위한 AWS 대표 서비스들을 중점적으로 다룰 예정입니다.
영상 다시보기: https://youtu.be/aoQOqhVtdGo
기존 온-프레미스 환경에서 운영 중인 서버들을 AWS 클라우드로 옮겨오기 위한 방법은 무엇일까요? 본 세션에서는 리눅스 서버, 윈도우 서버 그리고 VMWare 등에서 운영되는 기존 서버의 클라우드 이전 방법을 소개합니다. 이를 통해 AWS의 기업 고객이 대량 마이그레이션을 진행했는지 고객 사례도 함께 공유합니다. 뿐만 아니라 VMware on AWS 및 AWS Outpost 같은 하이브리드 옵션을 통해 클라우드 도입을 가속화 하는 신규 서비스 동향도 살펴봅니다.
AWS 클라우드는 IT의 새로운 기준을 정립하며 클라우드 컴퓨팅 산업을 혁신하고 있습니다. 본 온라인 세미나에서는 클라우드 컴퓨팅의 개념과 AWS가 제공하는 서비스 소개 및 주요 활용 사례에 대해 소개합니다. 특히 국내에 설립된 서울 리전(Region, 데이터센터 클러스터)에 대한 소개와 더불어 다양한 IT 업무를 위한 AWS 대표 서비스들을 중점적으로 다룰 예정입니다.
발표영상 다시보기: https://youtu.be/-45noG3dQqo
데이터의 중요성은 더이상 반복할 필요가 없이 모두가 알고 있습니다. 비지니스에서 데이터를 활용하여 혁신하고 성장하는 사례는 전세계 모든 산업에서 확인 할 수 있습니다. AWS에서는 가장 빠르고 쉽게 데이터를 수집하고 분석할 수 있는 Data Lake 아키텍쳐를 가이드하고 직접 고객이 쉽게 빌드 할수 있도록 도와드립니다. 고객이 데이터에 대한 호기심만 가지고 있다면, AWS는 데이터를 통해 원하는 정형/비정형 데이터 분석, Data Warehouse, Machine Learning, Data Science 와 같은 거의 모든 방법을 제공합니다.
다시보기 영상 링크: https://youtu.be/hknvd5JucKU
데이터 저장소의 확장에 따라 규모에 맞게 데이터를 관리하는 것은 점점 더 어려워지고 있으며 데이터의 중요성은 지속적으로 올라가고 있습니다. 많은 데이터를 저장하고 활용하기 위해 올바른 저장매체를 선택하기 위해 AWS 에서 제공하는 여러 Storage 서비스들을 알아보고 각 서비스들의 장점과 사용 예를 함께 알아봅니다
Amazon Redshift는 런칭 이래 다양한 New Feature 추가와 성능 향상 등 지속적으로 혁신을 이어온 AWS의 데이터 웨어하우징 서비스입니다. 본 세션에서는 최근 Redshift에 추가된 다양하고 유용한 기능과 함께 지난 2018년 Re:Invent를 통하여 소개된 글로벌 고객의 Redshift를 활용한 High-performance Warehouse 시스템 및 Data Lake 구축 사례를 전달합니다.
다시보기 링크: https://youtu.be/Xk-cinEssq4
게임을 위한 AWS의 다양한 관리형 Database 서비스 Hands on Lab (김성수 솔루션즈 아키텍트, AWS) :: Gaming ...Amazon Web Services Korea
게임을 위한 AWS의 다양한 관리형 Database 서비스
이 세션에서는 AWS에서 제공하는 다양한 형태의 관리형 DB의 특성을 공유하며, 해당 DB가 실제 어떻게 동작하는지를 소개합니다. 특히 다양한 크기에 대해 어떻게 동작하는지 살펴보며 DB의 특성에 맞는 사용 방법을 예제로 소개드리고자 합니다.
기하급수적으로 증가하는 데이터 관리 환경에서 데이터의 볼륨과 성능을 유지하면서 지속적으로 증가 할 수밖에 없는 비용을 감당하는 것은 매우 어려운 과제입니다. 본 강연에서는 데이터 아키텍처의 기반이 되는 스토리지 관점에서 상시적인 데이터 보호, 더 빠른 의사결정을 위한 데이터 활용 및 비용 최적화를 위한 Amazon EBS Snapshot Archive, 신규 서비스인 Amazon S3 Glacier Instant Retrieval 클래스, 그리고 파일 시스템으로 사용되는 FsX 서비스 군의 성능 기능 향상 및 신규 서비스인 FsX OpenZFS에 대해 설명 드립니다.
AWS에서는 애플리케이션의 목적과 특징에 맞는 다양한 클라우드 기반 데이터베이스 선택 옵션을 제공합니다. 본 세션에서는 클라우드 DB 서비스를 간단히 알아보고, 그 중에서도 DB 서버 및 클러스터 관리 및 운영에 대한 걱정이 전혀 없는 서버리스(Serverless) DB 서비스인 Amazon Aurora Serverless와 DynamoDB에 대해 자세히 알아봅니다. DB 관리 및 운영 등의 번거러운 작업은 AWS에 맡기고, 비지니스 로직에 필요한 데이터 모델 구성 및 쿼리 최적화 등에 집중하여 시장에 요구에 따른 비지니스에 민첩한 서비스를 만드는 방법을 알아 봅니다.
AWS 클라우드를 활용하면 사용자의 트래픽에 따라 IT 인프라 아키텍처를 확장할 수 있습니다. 이번 강연에서는 서비스 초기의 작은 트래픽에 대응할 수 있는 단순한 아키텍처로 시작해 사업 성장 후의 수백만 사용자에 달하는 대규모 트래픽을 지탱할 수 있는 고확장성 아키텍처에 이르기까지의 단계별 아키텍처 구성 방법에 대해 소개해 드리고 컴퓨팅 및 데이터베이스 선택 및 사용자 증가에 따른 트래픽 경감 방법, 오토스케일링 및 모니터링과 자동화, DB 부하 분산, 고가용성 확보 등에 대한 다양한 모범사례를 알려드릴 예정입니다.
발표영상 다시보기: https://youtu.be/kpsv9UmSJN4
AWS re:Invent 2019 행사는 총 6만 5천여명이 참여한 전 세계 최대 클라우드 컴퓨팅 컨퍼런스입니다. 클라우드 기술의 미래를 보여 줄 수 있는 새로운 AWS 서비스와 기능이 발표되고 개발자, 비지니스 기획 및 전략가 그리고 파트너들이 새로운 클라우드 기술에 대해 논의하고 공유하는 자리입니다.
본 온라인 세미나는 AWS re:Invent에 관심이 많으시지만 기회가 여의치 않아 참석하지 못하신 분들을 위해 준비하였으며, 새로 발표된 AWS 서비스와 기능을 소개함과 아울러 향후 클라우드 아키텍터를 구성하시는데 필요한 정보를 드리고자 합니다.
AWS Compute Optimizer를 활용한 비용 효율적인 EC2 인스턴스 구성 - 윤석찬 :: AWS Unboxing 온라인 세미나Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/X0rqX-aDa8E
AWS는 고객의 컴퓨팅 요구사항에 따라 250여개가 넘는 Amazon EC2 인스턴스 타입을 제공하고 있습니다. AWS를 처음 사용하는 분들은 애플리케이션 워크로드에 적합한 인스턴스 타입을 찾는 것은 쉽지 않습니다. 본 세션에서 여러분의 워크로드에 따라 인공지능 예측을 기반으로 인스턴스 및 아키텍처 구성을 추천해주는 AWS Compute Optimizer를 소개합니다. (2020년 2월 서울 리전 출시)
데이터 분석가를 위한 신규 분석 서비스 - 김기영, AWS 분석 솔루션즈 아키텍트 / 변규현, 당근마켓 소프트웨어 엔지니어 :: AWS r...Amazon Web Services Korea
AWS re:Invent에서는 다양한 고객들의 요구에 맞추어 새로운 분석 및 서버리스 서비스가 대거 출시되었습니다. 본 강연에서는 새롭게 출시된 핵심 분석 기능들과 함께, 누구나 손쉽게 사용할 수 있는 AWS의 분석 서버리스와 On-demand 기능들에 대한 심층적인 정보를 확인하실 수 있습니다.
마이크로서비스 아키텍처로 만들어진 현대 애플리케이션에서는 관계형 데이터베이스 이외에도 각 마이크로서비스의 특징에 맞는 데이터베이스를 사용하는 것은 중요합니다. 오픈소스 데이터베이스들은 서로 닮아가며 진화하고 있기에 내 서비스에 적합한 데이터베이스를 선택하는 것은 여전히 어려운 과제입니다. 이 세션에서는 다양한 워크로드에 따른 적합한 오픈소스 데이터베이스를 알아보고, 이와 매핑되는 AWS 매니지드 데이터베이스 서비스를 함께 소개합니다.
워크로드에 맞는 데이터베이스 찾기
박주연 솔루션즈 아키텍트, AWS
급진적으로 늘어나는 데이터, 점차 다양해지는 워크로드의 특성에 적합한 데이터 관리를 위해 AWS는 광범위한 데이터베이스 선택 옵션을 제공합니다. 본 세션에서는 관계형 데이터베이스를 비롯, NoSQL, 인메모리, 그래프 등 특정 애플리케이션에 적합한 데이터베이스를 선택할 수 있도록 AWS가 제공하는 데이터베이스 서비스의 개요를 소개합니다. Amazon RDS와 Aurora, DynamoDB, Elasticache 및 Neptune 서비스에 대해 알아봅니다.
AWS 의 여러 Data 서비스를 통한 Data Lake 구축이 가능하지만, 중소 규모의 RDB 형태의 BI 구축 으로 Aurora 가 선호됩니다. Aurora Serverless 는 변경/수정이 많고, 정형 Format의 BI 요구사항에 적합하며, 발생빈도는 적지만, 비즈니스적 사용의 편의성이 요구되는 분석 환경에 적합합니다. 본 세션에서는 Data Lake 구축 시 RDB 와 Serverless 를 접목하시려고 하는 많은 분들에게 Aurora Serverless 의 Use case와 사용방법에 대한 실질적인 가이드를 드리고자 합니다.
대상 :
빅 데이터 및 데이터 분석 담당자, AWS 기반 데이터 분석에 관심 있는 모든 분
발표자 :
최유정 솔루션즈 아키텍트, AWS
[Games on AWS 2019] AWS 입문자를 위한 초단기 레벨업 트랙 | AWS 레벨업 하기! : 데이터베이스 - 박주연 AWS 솔...Amazon Web Services Korea
급진적으로 늘어나는 데이터, 점차 다양해지는 워크로드의 특성에 적합한 데이터 관리를 위해 AWS는 광범위한 데이터베이스 선택 옵션을 제공합니다. 관계형 데이터베이스를 비롯, NoSQL, 인메모리, 그래프 등 특정 애플리케이션에 적합한 데이터베이스를 선택할 수 있도록 AWS가 제공하는 데이터베이스 서비스의 개요를 소개합니다.
모바일 퍼스트 시대에서 점점 더 고객과의 접점이 늘어나고 있습니다. 다양한 비금융 애플리케이션은 고객들의 수요에 탄력적으로 대응할 수 있는 시스템이 필요합니다. 본 강연에서는 AWS 위에서 최적의 솔루션을 구현하는 방안에 대해 공유합니다.
연사: 이창수 솔루션 아키텍트, 아마존 웹서비스
사례로 알아보는 Database Migration Service : 데이터베이스 및 데이터 이관, 통합, 분리, 분석의 도구 - 발표자: ...Amazon Web Services Korea
Database Migration Service(DMS)는 RDBMS 이외에도 다양한 데이터베이스 이관을 지원합니다. 실제 고객사 사례를 통해 DMS가 데이터베이스 이관, 통합, 분리를 수행하는 데 어떻게 활용되는지 알아보고, 동시에 데이터 분석을 위한 데이터 수집(Data Ingest)에도 어떤 역할을 하는지 살펴보겠습니다.
Amazon Elasticache - Fully managed, Redis & Memcached Compatible Service (Lev...Amazon Web Services Korea
Amazon ElastiCache는 Redis 및 MemCached와 호환되는 완전관리형 서비스로서 현대적 애플리케이션의 성능을 최적의 비용으로 실시간으로 개선해 줍니다. ElastiCache의 Best Practice를 통해 최적의 성능과 서비스 최적화 방법에 대해 알아봅니다.
Internal Architecture of Amazon Aurora (Level 400) - 발표자: 정달영, APAC RDS Speci...Amazon Web Services Korea
ccAmazon Aurora 데이터베이스는 클라우드용으로 구축된 관계형 데이터베이스입니다. Aurora는 상용 데이터베이스의 성능과 가용성, 그리고 오픈소스 데이터베이스의 단순성과 비용 효율성을 모두 제공합니다. 이 세션은 Aurora의 고급 사용자들을 위한 세션으로써 Aurora의 내부 구조와 성능 최적화에 대해 알아봅니다.
[Keynote] 슬기로운 AWS 데이터베이스 선택하기 - 발표자: 강민석, Korea Database SA Manager, WWSO, A...Amazon Web Services Korea
오랫동안 관계형 데이터베이스가 가장 많이 사용되었으며 거의 모든 애플리케이션에서 널리 사용되었습니다. 따라서 애플리케이션 아키텍처에서 데이터베이스를 선택하기가 더 쉬웠지만, 구축할 수 있는 애플리케이션의 유형이 제한적이었습니다. 관계형 데이터베이스는 스위스 군용 칼과 같아서 많은 일을 할 수 있지만 특정 업무에는 완벽하게 적합하지는 않습니다. 클라우드 컴퓨팅의 등장으로 경제적인 방식으로 더욱 탄력적이고 확장 가능한 애플리케이션을 구축할 수 있게 되면서 기술적으로 가능한 일이 달라졌습니다. 이러한 변화는 전용 데이터베이스의 부상으로 이어졌습니다. 개발자는 더 이상 기본 관계형 데이터베이스를 사용할 필요가 없습니다. 개발자는 애플리케이션의 요구 사항을 신중하게 고려하고 이러한 요구 사항에 맞는 데이터베이스를 선택할 수 있습니다.
Demystify Streaming on AWS - 발표자: 이종혁, Sr Analytics Specialist, WWSO, AWS :::...Amazon Web Services Korea
실시간 분석은 AWS 고객의 사용 사례가 점점 늘어나고 있습니다. 이 세션에 참여하여 스트리밍 데이터 기술이 어떻게 데이터를 즉시 분석하고, 시스템 간에 데이터를 실시간으로 이동하고, 실행 가능한 통찰력을 더 빠르게 얻을 수 있는지 알아보십시오. 일반적인 스트리밍 데이터 사용 사례, 비즈니스에서 실시간 분석을 쉽게 활성화하는 단계, AWS가 Amazon Kinesis와 같은 AWS 스트리밍 데이터 서비스를 사용하도록 지원하는 방법을 다룹니다.
Amazon EMR - Enhancements on Cost/Performance, Serverless - 발표자: 김기영, Sr Anal...Amazon Web Services Korea
Amazon EMR은 Apache Spark, Hive, Presto, Trino, HBase 및 Flink와 같은 오픈 소스 프레임워크를 사용하여 분석 애플리케이션을 쉽게 실행할 수 있는 관리형 서비스를 제공합니다. Spark 및 Presto용 Amazon EMR 런타임에는 오픈 소스 Apache Spark 및 Presto에 비해 두 배 이상의 성능 향상을 제공하는 최적화 기능이 포함되어 있습니다. Amazon EMR Serverless는 Amazon EMR의 새로운 배포 옵션이지만 데이터 엔지니어와 분석가는 클라우드에서 페타바이트 규모의 데이터 분석을 쉽고 비용 효율적으로 실행할 수 있습니다. 이 세션에 참여하여 개념, 설계 패턴, 라이브 데모를 사용하여 Amazon EMR/EMR 서버리스를 살펴보고 Spark 및 Hive 워크로드, Amazon EMR 스튜디오 및 Amazon SageMaker Studio와의 Amazon EMR 통합을 실행하는 것이 얼마나 쉬운지 알아보십시오.
Amazon OpenSearch - Use Cases, Security/Observability, Serverless and Enhance...Amazon Web Services Korea
로그 및 지표 데이터를 쉽게 가져오고, OpenSearch 검색 API를 사용하고, OpenSearch 대시보드를 사용하여 시각화를 구축하는 등 Amazon OpenSearch의 새로운 기능과 기능에 대해 자세히 알아보십시오. 애플리케이션 문제를 디버깅할 수 있는 OpenSearch의 Observability 기능에 대해 알아보세요. Amazon OpenSearch Service를 통해 인프라 관리에 대해 걱정하지 않고 검색 또는 모니터링 문제에 집중할 수 있는 방법을 알아보십시오.
Enabling Agility with Data Governance - 발표자: 김성연, Analytics Specialist, WWSO,...Amazon Web Services Korea
데이터 거버넌스는 전체 프로세스에서 데이터를 관리하여 데이터의 정확성과 완전성을 보장하고 필요한 사람들이 데이터에 액세스할 수 있도록 하는 프로세스입니다. 이 세션에 참여하여 AWS가 어떻게 분석 서비스 전반에서 데이터 준비 및 통합부터 데이터 액세스, 데이터 품질 및 메타데이터 관리에 이르기까지 포괄적인 데이터 거버넌스를 제공하는지 알아보십시오. AWS에서의 스트리밍에 대해 자세히 알아보십시오.
Amazon Redshift Deep Dive - Serverless, Streaming, ML, Auto Copy (New feature...Amazon Web Services Korea
이 세션에 참여하여 Amazon Redshift의 새로운 기능을 자세히 살펴보십시오. Amazon Data Sharing, Amazon Redshift Serverless, Redshift Streaming, Redshift ML 및 자동 복사 등에 대한 자세한 내용과 데모를 통해 Amazon Redshift의 새로운 기능을 알고 싶은 사용자에게 적합합니다.
From Insights to Action, How to build and maintain a Data Driven Organization...Amazon Web Services Korea
데이터는 혁신과 변혁의 토대입니다. 비즈니스 혁신을 이끄는 혁신은 특정 시점의 전략이나 솔루션이 아니라 성장을 위한 반복적이고 집단적인 계획입니다. 혁신에 이러한 접근 방식을 채택하는 기업은 전략과 비즈니스 문화에서 데이터를 기반으로 하는 경우가 많습니다. 이러한 접근 방식을 개발하려면 리더가 데이터를 조직의 자산처럼 취급하고 조직이 더 나은 비즈니스 성과를 위해 데이터를 활용할 수 있도록 권한을 부여해야 합니다. AWS와 Amazon이 어떻게 데이터와 분석을 활용하여 확장 가능한 비즈니스 효율성을 창출하고 고객의 가장 복잡한 문제를 해결하는 메커니즘을 개발했는지 알아보십시오.
[Keynote] Accelerating Business Outcomes with AWS Data - 발표자: Saeed Gharadagh...Amazon Web Services Korea
데이터는 최종 소비자의 성공에 초점을 맞춘 디지털 혁신에서 중추적인 역할을 하고 있습니다. 모든 기업들은 데이터를 자산으로 사용하여 사례 제공을 추진하고 까다로운 결과를 해결하고 있습니다. AWS 클라우드 기술과 분석 솔루션의 강력한 성능을 통해 고객은 혁신 여정을 가속화할 수 있습니다. 이 세션에서는 기업 고객들이 클라우드에서 데이터의 힘을 활용하여 혁신 목표를 달성하고 필요한 결과를 제공하는 방법에 대해 다룹니다.
LG전자 - Amazon Aurora 및 RDS 블루/그린 배포를 이용한 데이터베이스 업그레이드 안정성 확보 - 발표자: 이은경 책임, L...Amazon Web Services Korea
LG ThinQ는 LG전자의 가전제품과 서비스를 아우르는 플랫폼 브랜드로서 앱 하나로 간편한 컨트롤, 똑똑한 케어, 스마트한 쇼핑까지 한번에 가능한 플랫폼입니다. ThinQ 플랫폼은 글로벌 서비스로 제공되고 있어, 작업 시간을 최소화하고, 서비스의 영향을 최소화 할 필요가 있었습니다. 따라서 DB 버전 업그레이드 작업 시 애플리케이션 배포가 필요없는 Blue/Green Deployment 방식은 최선의 선택이 되었습니다.
KB국민카드 - 클라우드 기반 분석 플랫폼 혁신 여정 - 발표자: 박창용 과장, 데이터전략본부, AI혁신부, KB카드│강병억, Soluti...Amazon Web Services Korea
온프레미스 분석 플랫폼에는 자원 증설 비용, 자원 관리 비용, 신규 자원 도입 및 환경 설정의 리드타임 등 다양한 측면에서의 한계가 존재합니다. 이에 KB국민카드에서는 기존 분석 플랫폼의 한계를 극복함과 동시에 시너지를 낼 수 있는 클라우드 기반 분석 플랫폼을 설계 및 도입하였습니다. 본 사례 소개는 KB국민카드의 데이터 혁신 여정과 노하우를 소개합니다.
SK Telecom - 망관리 프로젝트 TANGO의 오픈소스 데이터베이스 전환 여정 - 발표자 : 박승전, Project Manager, ...Amazon Web Services Korea
SK Telecom의 망관리 프로젝트인 TANGO에서는 오라클을 기반으로 시스템을 구축하여 운영해 왔습니다. 하지만 늘어나는 사용자와 데이터로 인해 유연하고 비용 효율적인 인프라가 필요하게 되었고, 이에 클라우드 도입을 검토 및 실행에 옮기게 되었습니다. TANGO 프로젝트의 클라우드 도입을 위한 검토부터 준비, 실행 및 이를 통해 얻게 된 교훈과 향후 계획에 대해 소개합니다.
코리안리 - 데이터 분석 플랫폼 구축 여정, 그 시작과 과제 - 발표자: 김석기 그룹장, 데이터비즈니스센터, 메가존클라우드 ::: AWS ...Amazon Web Services Korea
2022년 코리안리는 핵심업무시스템(기간계/정보계 시스템)을 AWS 클라우드로 전환하는 사업과 AWS 클라우드 기반에서 손익분석을 위한 어플리케이션 구축 사업을 동시에 진행하고 있었습니다. 이에 따라 클라우드 전환 이후 시스템 간 상호운용성과 호환성을갖춘 데이터 분석 플랫폼 또한 필요하게 되었습니다. 코리안리 IT 환경에 적합한 플랫폼 선정을 위하여 AWS Native Analytics Platform, 3rd Party Analytics Platform (클라우데라, 데이터브릭스)과의 PoC를 진행하고, 최종적으로 AWS Native Analytics Platform 으로 확정하였습니다. 코리안리는 메가존클라우드와 함께 2022년 10월부터 4개월(구축 3개월, 안정화 및 교육 1개월) 동안 AWS 기반 데이터 분석 플랫폼을 구축하고 활용 범위를 지속적으로 확대하고 있습니다.
LG 이노텍 - Amazon Redshift Serverless를 활용한 데이터 분석 플랫폼 혁신 과정 - 발표자: 유재상 선임, LG이노...Amazon Web Services Korea
LG 이노텍은 세계 시장을 선도하는 글로벌 소재·부품기업으로, Amazon Redshift 을 데이터 분석 플랫폼의 핵심 서비스로 활용하고 있습니다.지속적인 데이터 증가와 업무 확대에 따른 유연한 아키텍처 개선의 필요성에 대처하기 위해, 2022년에 AWS 에서 발표된 Redshift Serverless 를 활용한, 비용 최적화된 아키텍처 개선 과정의 실사례를 엿볼수 있는 기회가 됩니다.
2. 강연 중 질문하는 방법 AWS Builders
Go to Webinar “Questions” 창에 자신이 질문한
내역이 표시됩니다. 기본적으로 모든 질문은 공개로
답변됩니다만 본인만 답변을 받고 싶으면
(비공개)라고 하고 질문해 주시면 됩니다.
본 컨텐츠는 고객의 편의를 위해 AWS 서비스 설명을 위해 온라인 세미나용으로 별도로 제작, 제공된 것입니다. 만약 AWS 사이트와
컨텐츠 상에서 차이나 불일치가 있을 경우, AWS 사이트(aws.amazon.com)가 우선합니다. 또한 AWS 사이트 상에서 한글 번역문과
영어 원문에 차이나 불일치가 있을 경우(번역의 지체로 인한 경우 등 포함), 영어 원문이 우선합니다.
AWS는 본 컨텐츠에 포함되거나 컨텐츠를 통하여 고객에게 제공된 일체의 정보, 콘텐츠, 자료, 제품(소프트웨어 포함) 또는 서비스를 이용함으로 인하여 발생하는 여하한 종류의 손해에 대하여 어떠한 책임도
지지 아니하며, 이는 직접 손해, 간접 손해, 부수적 손해, 징벌적 손해 및 결과적 손해를 포함하되 이에 한정되지 아니합니다.
고지 사항(Disclaimer)
3. • AWS 데이터 서비스 포트폴리오
• 관계형 데이터베이스
• NoSQL 데이터베이스
• 시계열 데이터베이스
• 원장 데이터베이스
5. 최신 애플리케이션 특징
• 사용자: 1M+
• 데이터 크기: TB–PB–EB
• 서비스 지역: Global
• 성능: Milliseconds–microseconds
• 요청 비율: Millions
• 액세스: Web, Mobile, IoT devices
• 확장성: Up-down, Out-in
• 과금: Pay for what you use
• 개발자 액세스: No assembly required
소셜 미디어차량 호출 미디어 스트리밍 데이팅
6. AWS의 데이터 서비스 포트폴리오
다양한 요구 사항에 따른 폭넓고 기술 집약적인 데이터 서비스
Analytics
QuickSight SageMaker
S3/Glacier
Glue
ETL & Data Catalog
Lake Formation
Data Lakes
Database Migration Service | Snowball | Snowmobile | Kinesis Data Firehose | Kinesis Data Streams
Data Movement
Business Intelligence & Machine Learning
Data Lake
Redshift
Data warehousing
EMR
Hadoop + Spark
Kinesis Data Analytics
Real time
Elasticsearch Service
Operational Analytics
Athena
Interactive analytics
RDS
MySQL, PostgreSQL, MariaDB,
Oracle, SQL Server
Aurora
MySQL, PostgreSQL
DynamoDB
Key value, Document
ElastiCache
Redis, Memcached
Neptune
Graph
Timestream
Time Series
RDS on VMware
QLDB
Ledger Database
Databases
DocumentDB
Document
8. Amazon Relational Database Service (RDS)
가장 많이 선호하는 데이터베이스 엔진을 갖춘 관계형 데이터베이스
가용성 및 내구성
다중AZ를 이용한 동기식 복제,
자동화된 백업, 데이터베이스 스냅샷,
자동 호스팅 교체
빠른 성능과 보안
고성능 OLTP 애플리케이션에
최적화된 SSD 지원 옵션, 저장 및
전송 시 암호화 지원
뛰어난 확장성
마우스 몇 번의 클릭으로도
데이터베이스의 컴퓨팅 및
스토리지 리소스 확장
관리 용이성
하드웨어 프로비저닝, 데이터베이스
설정, 패치 및 백업과 같은 관리
작업을 자동화
9. Amazon Aurora 특징
클라우드에 최적화된 MySQL 및 PostgreSQL 호환성의 관계형 데이터베이스
가용성 및 내구성
내결함성을 갖춘 자가 복구 분산
스토리지 시스템으로 3개의 가용
영역에 걸처 6개의 복사본 유지,
S3로의 지속적인 백업
완전 관리형
하드웨어 프로비저닝, 소프트웨어
패치, 설정, 구성 또는 백업과 같은
데이터베이스 관리 작업에 대해
걱정할 필요 없음
뛰어난 보안
Amazon VPC를 사용한
네트워크 격리, 저장 및
전송 데이터 암호화 등의
보안 기능 제공
성능 및 확장성
표준 MySQL보다 5배, 표준
PostgreSQL보다 3배 빠르며, 최대
15개의 읽기 전용 복제본으로 확장
가능
10. Aurora Global Database (GA)
글로벌 분산 애플리케이션을 위한 고성능 데이터베이스
• 단일 Aurora 데이터베이스를 다중 AWS 리전으로 확장
• 1초 미만의 일반적인 지연 시간으로 스토리지 기반
복제를 사용 (빠른 로컬 읽기 지원)
• 데이터베이스 성능 영향 없음
• 각 리전에 최신 상태를 유지하는 16개의 데이터베이스
인스턴스를 생성, 확장성을 추가 확보
• 리전이 가동 중지되는 경우에도 1분 이내에 재해 복구
가능
• MySQL 호환 에디션의 새로운 기능
Primary Region Secondary Region
Application
Storage Storage
Replication <1s
11. Amazon RDS on VMware Preview
온프레미스 VMware 환경에서 Amazon RDS 데이터베이스 배포
가용성과 내구성
온프레미스 데이터베이스를
Amazon RDS 인스턴스로 복제하여
저렴한 비용의 하이브리드 백업,
재해 복구, 장기 보관 및 특정 시점
복원 수행
보안 및 규정 준수
보안, 개인 정보, 규정 등을 준수하기
위해 회사 내에서 유지되어야 하는
워크로드에 대한 관리 자동화
확장성 및 성능
마우스 몇 번의 클릭으로
온프레미스 데이터베이스의
저장, 컴퓨팅 및 메모리
확장
완전 관리형
온프레미스 데이터 센터에서 관계형
데이터베이스를 쉽게 프로비저닝,
모니터링 및 운영,
AWS로 마이그레이션
12. Amazon RDS on VMware Preview
사용 예시1) 하이브리드 클라우드 백업 및 확장
13. Amazon RDS on VMware Preview
사용 예시2) AWS로의 데이터베이스 마이그레이션
15. Not Only SQL (NoSQL)
0000 {“Texas”}
0001 {“Illinois”}
0002 {“Oregon”}
TXW
A
I
L
Key
Column
0000-0000-0000-0001
Game Heroes
Version 3.4
CRC ADE4
Key Value
Graph
Document
Column-family
16. 관계형 및 비관계형 데이터베이스의 확장 방식
Scale up Scale out to many shards
(DynamoDB: partitions)
DB
DB DB
Host
1
DB
Host
n
DB
Host
2
DB
Host
3
Transactional NoSQL
17. Amazon DynamoDB
어떤 규모에서든 빠르고 유연한 Key-Value NoSQL 데이터베이스 서비스
포괄적 보안
기본적으로 모든 데이터
암호화, 강력한 보안을 위해
AWS ID 및 액세스 관리와
완벽하게 통합
일관된 성능
어떤 규모에서도 일관되게 10밀리초
미만의 응답 시간 제공하여 사실상
무제한의 처리량과 스토리지로
애플리케이션 구축 가능
글로벌 사용자 및
애플리케이션을 위한
글로벌 데이터베이스
여러 AWS 리전 데이터 복제(Global
Table)로 전세계에 배포된
애플리케이션에서 빠르게 엑세스
가능
서버리스
서버 프로비저닝, 소프트웨어 패치
적용 및 관리 불필요, 용량에 맞게
테이블 자동 확장/축소하여 성능
유지
19. DynamoDB-read/write capacity on-demand(GA)
용량 계획 없이 초당 수천 개의 요청을 처리할 수 있는 유연한 청구 옵션
용량 계획 불필요
예상되는 읽기/쓰기 처리량을 지정하지
않아도 문제 없음
예기치 않은 부하 증가에 이상적
상황에 따라 0에서 수만의 요청을
처리할 수 있도록 증가 가능
사용한 만큼만 지불
사용한 만큼만 지불하는 간편한 요금제
21. 트랜잭션 처리가 필요한 사례
시나리오: 고객이 물건을 구입하는 경우
“PUT”:
“TableName”: “Orders”,
“OrderStatus”: “Sold”,
“Item”: “Bike”,
“Quantity”: “1”
“PUT”:
“TableName”: “Inventory”,
“Item”: “Bike”,
“Quantity”: “- 1”
Transact-write-items
{
“PUT”:
“TableName”: “Orders”,
“OrderStatus”: “Sold”,
“Item”: “Bike”,
“Quantity”: “1”
“PUT”:
“TableName”: “Inventory”,
“Item”: “Bike”,
“Quantity”: “- 1”
}
여기서 실패할 경우, Orders에는
추가하나 Inventory에는 업데이트 안 됨
여기서 실패할 경우 Inventory의 일부만
업데이트 발생
상황에 따라 개발자는 별도의 코드 작성 필요 트랜잭션 지원: 시스템이 알아서 처리
VS.
22. Amazon DynamoDB Transactions (GA)
ACID 트랜잭션 지원으로 규모에 따른 비즈니스 크리티컬 애플리케이션 구축 가능
간단한 애플리케이션
코드로 ACID 보장
대규모 워크로드에
트랜잭션 지원
레거시 마이그레이션
가속화
23. Amazon DocumentDB
빠르고 확장 가능하며 가용성이 뛰어난 MongoDB 호환 데이터베이스
완전 관리형
하드웨어 프로비저닝, 패치
작업, 설정, 구성 또는 백업과
같은 데이터베이스 관리 작업
자동화
뛰어난 가용성 및 성능
3개의 가용 영역에 걸쳐 6개의
데이터 사본 복제,
손쉽게 노드 추가 가능,
자가 복구 분산 스토리지 시스템,
클러스터당 최대 64TB까지 확장
MongoDB 호환 가능
MongoDB 3.6 API로 구현하여
기존 MongoDB 드라이버 및 도구
사용 가능
높은 보안성
VPC를 통한 네트워크 격리,
저장 및 전송 데이터 암호화 비롯
여러 수준의 보안 제공
26. 그래프 데이터 사용 예시
알고 있는 사이?
Sport를 Follow하는
고객이 구매한..
gremlin> V().has(‘name’,’sara’).as(‘customer’).out(‘follows’).in(‘follows’).out(‘purchased’)
( (‘customer’)).dedup() (‘name’) ('name')
PURCHASED PURCHASED
FOLLOWS
PURCHASED
KNOWS
PRODUCT
SPORT
FOLLOWS
FOLLOWS
2) 친구 추천
gremlin> g.V().has('name','mary').as(‘start’).
both('knows').both('knows’).
where(neq(‘start’)).
dedup().by('name').properties('name')
1) 사용자에게 제품 추천
27. Amazon Neptune
클라우드용으로 구축된 빠르고 안정적인 그래프 데이터베이스
완전 관리형
하드웨어 프로비저닝, 패치
작업, 설정, 구성 또는 백업과
같은 데이터베이스 관리 작업
자동화
뛰어난 성능 및 확장성
3개의 가용 영역에 걸친 최대 15개의
지연 시간이 짧은 읽기 전용
복제본을 지원,
요구에 따라 확장 및 축소 가능
오픈 그래프 API 지원
Gremlin 및 SPARQL을 위한 오픈
그래프 API지원
각 그래프 모델과 해당 쿼리 언어를
위한 뛰어난 성능 제공
높은 보안성
VPC를 통한 네트워크 격리,
엔드포인트 액세스에 대한 IAM
인증 지원,
HTTPS 암호화 클라이언트 연결
30. 시계열 데이터
시간 간격을 두고 기록되는
일련의 데이터
시간이
데이터 모델의 주요 축
• 시계열 데이터는 어떤 것인가?
• 시계열 데이터의 특징은 무엇인가?
31. 시계열 데이터의 예시
IoT 센서 데이터
데브옵스 데이터
Humidity
% WATER VAPOR
91.094.086.093.0
애플리케이션 데이터
32. 시계열: 가장 빠르게 성장하는 데이터베이스 영역
https://db-engines.com/
https://www.influxdata.com/time-series-database/
33. 시계열 데이터 처리의 어려움
기존 시계열 데이터베이스관계형 데이터베이스
Difficult to
maintain high
availability
Difficult to
scale
Limited data
lifecycle
management
Inefficient
time-series data
processing
Unnatural for
time-series
data
Rigid schema
inflexible for fast
moving time-series
data
34. Amazon Timestream Preview
빠르고 확장 가능한 완전관리형 시계열 데이터베이스
1/10의 비용으로 1000배 빠른 속도
초당 수백만 개의 데이터를
처리할 수 있는 속도
(10M/second)
시간 간격에 따라 구성된
데이터는 시계열 검색에
최적화, 별도 처리 계층에서
삽입 및 쿼리를 실행하기 하여
리소스 경합 없어 성능 향상
시계열 분석
시계열 분석에 필요한
함수(interpolation,
smoothing, approximation)
기본 탑재
서버리스
서버 프로비저닝, 소프트웨어 패치,
설정, 구성의 자동화
자동으로 확장 또는 축소되면서
용량 및 성능을 조절
37. 원장 처리의 어려움
불필요한 복잡성
추가
블록체인RDBMS – 감사 테이블
유지 관리의
어려움
사용이 어렵고
느리다
구축의 어려움
트리거 혹은 저장 프로시저를
이용한 사용자 정의 감사 기능 구현
필요
검증의 어려움
sysadmins에 의해 변경된
데이터를 확인할 방법이 없음
38. Amazon Quantum Ledger Database (QLDB) Preview
투명하고 변경 불가능하며 암호화 방식으로 검증 가능한 트랜잭션 로그를 제공하는 완전관리형 원장 데이터베이스
변경 불가능 및 투명성
각 애플리케이션 데이터의 변경 사항
추적 가능, 시간이 지나도 순차적인
모든 변경 내역을 유지 관리하는
저널 사용, 저널의 데이터는 삭제
또는 수정 불가
암호화 방식으로 검증 가능
암호화 해시 함수(SHA-
256)를 사용하여 데이터
변경 내역에 대한 보안 출력
파일을 생성하여 이를 통해
데이터 변경의 무결성 검증
사용 편의성
SQL과 비슷한 API에서 익숙한
SQL 연산자를 이용, 데이터
조회 및 변경 가능
뛰어난 확장성
일반적인 블록체인
프레임워크에서 원장보다
2~3배 더 많은 트랜잭션 실행
가능
39. Ledger database concepts
C | H
J Journal
C | H Current | History
Current | History
Journal
Ledger comprises
J
L
Ledger databaseL
Journal determines Current | History
41. Amazon QLDB 동작 방식
ID Manufacturer Model Year VIN Owner
ID Version Start Manufacturer Model Year VIN Owner
J
history.cars
H
current.cars
C
42. Amazon QLDB 동작 방식
ID Manufacturer Model Year VIN Owner
ID Version Start Manufacturer Model Year VIN Owner
J
history.cars
H
INSERT INTO cars <<
{ 'Manufacturer':'Tesla',
'Model':'Model S',
'Year':'2012',
'VIN':'123456789',
'Owner':'Traci Russell' }
>>current.cars
C
43. Amazon QLDB 동작 방식
ID Manufacturer Model Year VIN Owner
ID Version Start Manufacturer Model Year VIN Owner
J
history.cars
H
INSERT INTO cars <<
{ 'Manufacturer':'Tesla',
'Model':'Model S',
'Year':'2012',
'VIN':'123456789',
'Owner':'Traci Russell' }
>>current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
44. Amazon QLDB 동작 방식
ID Manufacturer Model Year VIN Owner
ID Version Start Manufacturer Model Year VIN Owner
J
history.cars
H
INSERT INTO cars <<
{ 'Manufacturer':'Tesla',
'Model':'Model S',
'Year':'2012',
'VIN':'123456789',
'Owner':'Traci Russell' }
>>current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
45. Amazon QLDB 동작 방식
ID Version Start Manufacturer Model Year VIN Owner
J
history.cars
H
INSERT INTO cars <<
{ 'Manufacturer':'Tesla',
'Model':'Model S',
'Year':'2012',
'VIN':'123456789',
'Owner':'Traci Russell' }
>>current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Traci Russell
46. Amazon QLDB 동작 방식
J
history.cars
H
INSERT INTO cars <<
{ 'Manufacturer':'Tesla',
'Model':'Model S',
'Year':'2012',
'VIN':'123456789',
'Owner':'Traci Russell' }
>>current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Traci Russell
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
47. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Traci Russell
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
48. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Traci Russell
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Ronnie Nash'
49. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Traci Russell
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Ronnie Nash'
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
50. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Traci Russell
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Ronnie Nash'
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
51. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Ronnie Nash
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Ronnie Nash'
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
52. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Ronnie Nash
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
1 2 08/03/2013 Tesla Model S 2012 123456789 Ronnie Nash
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Ronnie Nash'
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
53. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Ronnie Nash
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
1 2 08/03/2013 Tesla Model S 2012 123456789 Ronnie Nash
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
54. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Ronnie Nash
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
1 2 08/03/2013 Tesla Model S 2012 123456789 Ronnie Nash
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Elmer Hubbard'
55. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Ronnie Nash
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
1 2 08/03/2013 Tesla Model S 2012 123456789 Ronnie Nash
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Elmer Hubbard'
UPDATE cars
ID:1
Owner: Elmer Hubbard
Metadata: {
Date: 09/02/2016
}
H (T3)
56. Amazon QLDB 동작 방식
J
history.cars
H
current.cars
C
INSERT cars
ID:1
Manufacturer: Tesla
Model: Model S
Year: 2012
VIN: 123456789
Owner: Traci Russell
Metadata: {
Date:07/16/2012
}
H (T1)
ID Manufacturer Model Year VIN Owner
1 Tesla Model S 2012 123456789 Ronnie Nash
ID Version Start Manufacturer Model Year VIN Owner
1 1 07/16/2012 Tesla Model S 2012 123456789 Traci Russell
1 2 08/03/2013 Tesla Model S 2012 123456789 Ronnie Nash
1 3 09/02/2016 Tesla Model S 2012 123456789 Elmer Hubbard
UPDATE cars
ID:1
Owner: Ronnie Nash
Metadata: {
Date:08/03/2013
}
H (T2)
FROM cars WHERE VIN = '123456789' UPDATE owner = 'Elmer Hubbard'
UPDATE cars
ID:1
Owner: Elmer Hubbard
Metadata: {
Date: 09/02/2016
}
H (T3)
57. Amazon QLDB 조회
Traditional SQL QLDB
SELECT *
FROM orders AS o, addresses AS a
WHERE a.state = ‘WA’
AND o.shipping_address_id = a.id
SELECT *
FROM orders AS o
WHERE o.shipping_address.state = ‘WA’
예) 워싱턴 주에서 출발한 모든 오더 찾기
61. Amazon QLDB 사용 사례
중앙집중식 통제 기능을 갖춘 원장 관리가 필요한 경우
보험
전체 트랜잭션 내의 클레임
내역을 정확히 유지 관리
애플리케이션이 데이터 입력
오류 및 조작에 대해 복원성
확보
제조
제품 리콜이 발생할 경우
제품의 전체 생산 및 유통
수명 주기 내역을 쉽게 추적
HR 및 급여
급여, 보너스, 수당, 실적 및
보험과 같은 직원 세부
정보에 대한 레코드를
추적하고 유지
정부 기관
차량 이력 조회
63. 일반적인 데이터 서비스 분류 및 사례
Relational
데이터의 무결성
및 트랜잭션 보장
스키마 보장
기존 워크로드
마이그레이션,
ERP 및 CRM
Key-value
높은 처리량, 최소
지연 보장,
유연한 확장
실시간 입찰,
장바구니, SNS,
제품 카탈로그,
고객 정보 설정
Document
문서의 저장 및
모든 속성에 대한
빠른 쿼리 요구
컨텐츠 관리,
모바일,
개인화
In-memory
키를 기반으로 한
마이크로 초
이내의 응답 요구
리더보드,
실시간 분석,
캐싱
Graph
데이터 간
신속하고 간편한
관계 구축 및
탐색
사기 탐지,
소셜 네트워킹,
추천 엔진
Time-series
시간에 따라
데이터 수집,
저장, 처리
IoT 애플리케이션,
이벤트 추척
Ledger
응용프로그램 내
모든 데이터 변경에
대한 완전하고 변경
불가능한 기록 관리
물류배송, 헬스케어,
등록 및 금융과 관련한
시스템
64. AWS 데이터베이스 서비스
애플리케이션 요구사항에 맞는 개별 데이터베이스 선택
Relational Key-value Document In-memory Graph Time-series Ledger
RDS
Aurora CommercialCommunity
DynamoDB DocumentDB ElastiCache Neptune Timestream QLDB
65. Situation Solution
기존 애플리케이션 Use your existing engine on RDS
• MySQL Amazon Aurora, RDS for MySQL
• PostgreSQL Amazon Aurora, RDS for PostgreSQL
• MariaDB Amazon Aurora, RDS for MariaDB
• Oracle Use SCT to determine complexity Amazon Aurora, RDS for Oracle
• SQL Server Use SCT to determine complexity Amazon Aurora, RDS for SQL Server
신규 어플리케이 • If you can avoid relational features DynamoDB, DocumentDB
• If you need relational features Amazon Aurora
인메모리 저장 및 캐싱 • Amazon ElastiCache
시계열 데이터 • Amazon Timestream
모든 어플리케이 변경사항을 추적/검증
중앙 집중 관리
• Amazon Quantum Ledger Database (QLDB)
중앙 집중 관리가 불필요한 경우 • Amazon Managed Blockchain
Data Warehouse & BI • Amazon Redshift, Amazon Redshift Spectrum, and Amazon QuickSight
S3의 데이터에 대한 Adhoc 분석 • Amazon Athena and Amazon QuickSight
Apache Spark, Hadoop, HBase (needle in a
haystack type queries)
• Amazon EMR
Log 분석, 운영 모니터링, & 검색 • Amazon Elasticsearch Service and Amazon Kinesis
66. 더 나은 세미나를 위해
여러분의 의견을 남겨주세요!
▶ 질문에 대한 답변 드립니다.
▶ 발표자료/녹화영상을 제공합니다.
http://bit.ly/awskr-webinar