Aws architecture

Aug 31, 20211 like438 views

Tae Young Lee

Points to consider when architecting with AWS

Total Architecture
https://aws.amazon.com/ko/architecture/icons/

AWS Architecture구성을 위해 고려해야 할 점
서비스 형태와 소요되는 비용에 따라 Architecture 구성이 달라진다.
그래서 가장 무엇보다 중요한 건 Size 산정이다.
실시간 서비스를 할 것인지, 배치 서비스로 할 것인지
스트리밍으로 한 것인지 On Demand로 할 것인지
이런 사전적인 고려가 수반되지 않으면 많은 비용을 지출하게 되고,
많은 시행착오를 거칠 수 밖에 없다.

AWS 비용에 대한 고려
AWS 프리티어 및 총 사용량 확인
CloudWatch로 사용량 확인 후 비용절감 포인트 점검 및 개선
Amazon DynamoDB Auto Scaling 및 On-Demand를 활용한 비용 절감
유휴 로드 밸런서 삭제를 통한 비용 절감
EC2 Spot Instance를 사용한 비용 절감
EC2 자동 스케일링 그룹 구성 검토 및 수정
예약 인스턴스 (RI)를 사용하여 Amazon RDS, Redshift, ElastiCache 및 Elasticsearch 비용 절감
AWS Saving Plan을 통한 EC2, Fargate 및 Lambda 비용 절감
https://aws.amazon.com/ko/blogs/korea/10-things-you-can-do-today-to-reduce-aws-costs/

Service 대상 형태 및 Data Life Cycle 설계 필요
대용량 동영상 및 이미지 서비스 시 Data Life Cycle 준용하여
S3와 Glacier활용 방안 및 아키텍처 검토 필요
Glacier는 아카이브 백업 저장을 주목적으로 하는 스토리지 서비스이다.
단순히 데이터를 장기적으로 보관할 목적이라면 S3 보다 Glacier는 가격적인 측면에서 더 유리하다.

Amazon Elastic Container Service(Amazon ECS)
컨테이너화된 애플리케이션의 손쉬운 배포, 관리 및 조정에 도움이 되는 완전관리형 컨테이너
오케스트레이션 서비스

Amazon Elastic Container Registry(Amazon ECR)
어디에서나 컨테이너 이미지와 아티팩트를 손쉽게 저장, 관리, 공유 및 배포할 수 있는 완전관리형
컨테이너 레지스트리

결론
AWS 아키텍처링 구성 시 가장 중요한 부분은 과도한 비용지출이 되지 않는 선에서 사용자에게
효과적으로 서비스를 구성할 수 있는 구조를 만드는 데 있다.
그래서 대용량의 동영상 및 이미지 처리 서비스에서는 Data Life Cycle을 설계하여 비용을 절감하고 실제
원본 동영상과 이미지들의 해상도와 Size관리 그리고 이들 데이터에 대한 메타정보(이미지키) 활용 방안
등을 아키텍처에 녹여 실시간성을 보장하면서 비용을 절감할 수 있는 아키텍처를 준용해야 한다.
가장 중요한 부분은 CloudWatch를 활용하여 관리체계를 설계하고 이를 통한 모니터링 체계를 확립하여
Resource의 적절한 배분이 이루어질 수 있게 하는데 있다.
그리고 서비스의 형태에 따라 어떤식으로 아키텍처를 구성해야 할지를 검토해야 한다.

참고 자료
https://www.bespinglobal.com/download/cloud-insight/HowTo_LiveStreamingService.pdf
https://www.bespinglobal.com/bespins-pick-vol-11-aws-rds-vs-ec2/
https://docs.bitnami.com/tutorials/take-containers-from-development-to-amazon-ecs/

컨테이너를 활용하여 마이크로서비스를 구성할 때는 효과적으로 컨테이너 및 서비스를 관리할 수 있는 방법이 필요합니다. 본 세션에서는 유연하게 컨테이너 환경을 관리/모니터링 할 수 있는 Amazon EC2 Container Service 및 EC2 Container Registry를 소개합니다. 아울러 Amazon ECS/ECR 환경에서 효과적인 자원 및 로그 관리, 마이크로서비스 관리에 대해서 자세히 살펴봅니다.

AWS 클라우드 데이터 이전을 위한 6가지 전략 (윤석찬) :: AWS 8월 월간 웨비나 Amazon Web Services Korea

��

클라우드 도입 과정에서 가장 중요하게 고려해야 할 요소는 온프레미스 인프라에 보관중인 데이터 중 클라우드로 이전할 데이터를 선정하는 것과 이 데이터를 안전하고 효율적으로 옮기는 것입니다. 이 강연에서는 클라우드로 옮겼을 때 더 잘 활용할 수 있는 데이터의 종류를 알아보고 어떤 기준으로 데이터를 골라야 하는지, 결정이 내려진 후엔 어떻게 데이터를 옮기는 것이 좋은지에 대한 여섯 가지 전략을 알아보도록 하겠습니다.

AWS와 Open Source - 윤석찬 (OSS개발자 그룹)Amazon Web Services Korea

��

AWS Summit Seoul 2015 - AWS 이용사례 - SM 엔터테인먼트 및 셰이커미디어 사례를 중심으로Amazon Web Services Korea

��

AWS DirectConnect 구성 가이드 (김용우) - 파트너 웨비나 시리즈Amazon Web Services Korea

��

AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)Amazon Web Services Korea

��

최근 입문용 혹은 개발 및 데이터 분석 용도로 파이썬을 사용하는 개발자들이 많이 늘고 있습니다. 본 세션에서는 파이썬을 활용하여 AWS에서 해 볼 수 있는 다양한 서비스와 기능을 소개하고자 합니다. 그 중에서도 Django 및 Flask 같은 웹 프레임워크를 AWS Elastic Beanstalk으로 손쉽게 배포하고 운영하는 방법, AWS Lambda를 통해 Python 기반 서버리스 애플리케이션을 제작하는 방법 그리고, Boto3와 AWS Python SDK를 통해 AWS의 다양한 서비스 API를 다루는 방법을 살펴 봅니다. Python으로 구성된 AWS 기반 인기 오픈 소스 프로젝트를 소개하여 직접 참여하는 방법을 안내합니다. 특히, 가상 서버 호스팅인 AWS re:Invent에서 새로 소개된 Amazon Lightsail 등도 함께 소개합니다.

Lambda를 활용한 서버없는 아키텍쳐 구현하기 :: 김기완 :: AWS Summit Seoul 2016Amazon Web Services Korea

��

AWS 12월 웨비나 │클라우드 마이그레이션을 통한 성공사례Amazon Web Services Korea

��

AWS 상에서 Microsoft 워크로드 구축 및 운영 - AWS Summit Seoul 2017Amazon Web Services Korea

��

EC2 컨테이너 서비스 고객사례 Vingle - 조휘철 소프트웨어 엔지니어 :: AWS Container DayAmazon Web Services Korea

��

AWS에 대해 궁금했던 10가지 질문들(윤석찬) - AWS 웨비나 시리즈 2015Amazon Web Services Korea

��

[2017 Windows on AWS] AWS 를 활용한 Active Directory 연동 및 이관 방안Amazon Web Services Korea

��

AWS 시작하기 및 Amazon S3 살펴보기 (윤석찬) - AWS 웨비나 시리즈Amazon Web Services Korea

��

천만 사용자를 위한 AWS 클라우드 아키텍쳐 진화하기- AWS Summit Seoul 2017Amazon Web Services Korea

��

[2017 AWS Startup Day] 서버리스 마이크로서비스로 일당백 개발조직 만들기Amazon Web Services Korea

��

AWS CLOUD 2017 - 클라우드 마이그레이션 어떻게 할 것인가? (이병윤 이사)Amazon Web Services Korea

��

AWS로 사용자 천만 명 서비스 만들기 (윤석찬)- 클라우드 태권 2015 Amazon Web Services Korea

��

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.

신규 시장 개척과 클라우드 Offering을 위한 AWS 데이터베이스 서비스 이해 (최유정 데이터베이스 솔루션즈 아키텍트, AWS) :: ...Amazon Web Services Korea

��

SBS 콘텐츠허브의 AWS 도입 사례 :: SBS 콘텐츠허브 :: AWS Media Day 2016Amazon Web Services Korea

��

10월 웨비나 - AWS에서 MS Windows 운영, 관리 및 개발 손쉽게 하기 (박철수 솔루션즈 아키텍트)Amazon Web Services Korea

��

Media 서비스의 새로운 플랫폼, AWS :: 김기완 솔루션즈 아키텍트 :: AWS Media Day 2016Amazon Web Services Korea

��

CloudFront(클라우드 프론트)와 Route53(라우트53) AWS Summit Seoul 2015WineSOFT

��

AWS 클라우드 서비스 소개 및 사례 (방희란) - AWS 101 세미나Amazon Web Services Korea

��

AWS 클라우드 비용 최적화를 위한 TIP - 임성은 AWS 매니저Amazon Web Services Korea

��

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. 더 많은 AWS 온라인 세미나 알아보기: https://aws.amazon.com/ko/events/webinars/series

More Related Content

What's hot (20)

AWS와 Open Source - 윤석찬 (OSS개발자 그룹)Amazon Web Services Korea

��

AWS Summit Seoul 2015 - AWS 이용사례 - SM 엔터테인먼트 및 셰이커미디어 사례를 중심으로Amazon Web Services Korea

��

AWS DirectConnect 구성 가이드 (김용우) - 파트너 웨비나 시리즈Amazon Web Services Korea

��

AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)Amazon Web Services Korea

��

Lambda를 활용한 서버없는 아키텍쳐 구현하기 :: 김기완 :: AWS Summit Seoul 2016Amazon Web Services Korea

��

AWS 12월 웨비나 │클라우드 마이그레이션을 통한 성공사례Amazon Web Services Korea

��

AWS 상에서 Microsoft 워크로드 구축 및 운영 - AWS Summit Seoul 2017Amazon Web Services Korea

��

EC2 컨테이너 서비스 고객사례 Vingle - 조휘철 소프트웨어 엔지니어 :: AWS Container DayAmazon Web Services Korea

��

AWS에 대해 궁금했던 10가지 질문들(윤석찬) - AWS 웨비나 시리즈 2015Amazon Web Services Korea

��

[2017 Windows on AWS] AWS 를 활용한 Active Directory 연동 및 이관 방안Amazon Web Services Korea

��

AWS 시작하기 및 Amazon S3 살펴보기 (윤석찬) - AWS 웨비나 시리즈Amazon Web Services Korea

��

천만 사용자를 위한 AWS 클라우드 아키텍쳐 진화하기- AWS Summit Seoul 2017Amazon Web Services Korea

��

[2017 AWS Startup Day] 서버리스 마이크로서비스로 일당백 개발조직 만들기Amazon Web Services Korea

��

AWS CLOUD 2017 - 클라우드 마이그레이션 어떻게 할 것인가? (이병윤 이사)Amazon Web Services Korea

��

AWS로 사용자 천만 명 서비스 만들기 (윤석찬)- 클라우드 태권 2015 Amazon Web Services Korea

��

신규 시장 개척과 클라우드 Offering을 위한 AWS 데이터베이스 서비스 이해 (최유정 데이터베이스 솔루션즈 아키텍트, AWS) :: ...Amazon Web Services Korea

��

SBS 콘텐츠허브의 AWS 도입 사례 :: SBS 콘텐츠허브 :: AWS Media Day 2016Amazon Web Services Korea

��

10월 웨비나 - AWS에서 MS Windows 운영, 관리 및 개발 손쉽게 하기 (박철수 솔루션즈 아키텍트)Amazon Web Services Korea

��

Media 서비스의 새로운 플랫폼, AWS :: 김기완 솔루션즈 아키텍트 :: AWS Media Day 2016Amazon Web Services Korea

��

CloudFront(클라우드 프론트)와 Route53(라우트53) AWS Summit Seoul 2015WineSOFT

��

AWS와 Open Source - 윤석찬 (OSS개발자 그룹)Amazon Web Services Korea

��

AWS Summit Seoul 2015 - AWS 이용사례 - SM 엔터테인먼트 및 셰이커미디어 사례를 중심으로Amazon Web Services Korea

��

AWS DirectConnect 구성 가이드 (김용우) - 파트너 웨비나 시리즈Amazon Web Services Korea

��

AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)Amazon Web Services Korea

��

Lambda를 활용한 서버없는 아키텍쳐 구현하기 :: 김기완 :: AWS Summit Seoul 2016Amazon Web Services Korea

��

AWS 12월 웨비나 │클라우드 마이그레이션을 통한 성공사례Amazon Web Services Korea

��

AWS 상에서 Microsoft 워크로드 구축 및 운영 - AWS Summit Seoul 2017Amazon Web Services Korea

��

EC2 컨테이너 서비스 고객사례 Vingle - 조휘철 소프트웨어 엔지니어 :: AWS Container DayAmazon Web Services Korea

��

AWS에 대해 궁금했던 10가지 질문들(윤석찬) - AWS 웨비나 시리즈 2015Amazon Web Services Korea

��

[2017 Windows on AWS] AWS 를 활용한 Active Directory 연동 및 이관 방안Amazon Web Services Korea

��

AWS 시작하기 및 Amazon S3 살펴보기 (윤석찬) - AWS 웨비나 시리즈Amazon Web Services Korea

��

천만 사용자를 위한 AWS 클라우드 아키텍쳐 진화하기- AWS Summit Seoul 2017Amazon Web Services Korea

��

[2017 AWS Startup Day] 서버리스 마이크로서비스로 일당백 개발조직 만들기Amazon Web Services Korea

��

AWS CLOUD 2017 - 클라우드 마이그레이션 어떻게 할 것인가? (이병윤 이사)Amazon Web Services Korea

��

AWS로 사용자 천만 명 서비스 만들기 (윤석찬)- 클라우드 태권 2015 Amazon Web Services Korea

��

신규 시장 개척과 클라우드 Offering을 위한 AWS 데이터베이스 서비스 이해 (최유정 데이터베이스 솔루션즈 아키텍트, AWS) :: ...Amazon Web Services Korea

��

SBS 콘텐츠허브의 AWS 도입 사례 :: SBS 콘텐츠허브 :: AWS Media Day 2016Amazon Web Services Korea

��

10월 웨비나 - AWS에서 MS Windows 운영, 관리 및 개발 손쉽게 하기 (박철수 솔루션즈 아키텍트)Amazon Web Services Korea

��

Media 서비스의 새로운 플랫폼, AWS :: 김기완 솔루션즈 아키텍트 :: AWS Media Day 2016Amazon Web Services Korea

��

CloudFront(클라우드 프론트)와 Route53(라우트53) AWS Summit Seoul 2015WineSOFT

��

Similar to Aws architecture (20)

AWS 클라우드 서비스 소개 및 사례 (방희란) - AWS 101 세미나Amazon Web Services Korea

��

AWS 클라우드 비용 최적화를 위한 TIP - 임성은 AWS 매니저Amazon Web Services Korea

��

OpsNow를 활용한 AWS Cloud 비용 최적화 전략BESPIN GLOBAL

��

베스핀글로벌의 자체 개발 클라우드 관리 플랫폼, OpsNow(옵스나우)를 활용하여 AWS 클라우드 비용을 절감할 수 있는 전략을 알아보겠습니다. 국내 클라우드 도입 상황을 바탕으로 한 클라우드 도입 단계별 예산을 줄일 수 있는 방법은 보다 실질적이고 효율적인 클라우드 비용 운영 방안을 제시합니다. [Agenda] 1. 국내 클라우드 도입의 현주소 2. AWS 클라우드 비용 최적화 방안 3. 클라우드 도입 단계별 비용 절감 방안 4. OpsNow를 활용한 클라우드 비용 80% 절감하기

AWS 와 함께하는 클라우드 컴퓨팅:: 방희란 :: AWS Summit Seoul 2016Amazon Web Services Korea

��

AWS CLOUD 2017 - 서울 리전 개설 1년, 고객 관점 모범 아키텍처 설계 전략 (양승도 솔루션즈 아키텍트)Amazon Web Services Korea

��

[AWS Builders 온라인 시리즈] AWS, 최적의 비용 효율화 방법은? - 조효원, AWS Cloud Financial ManagerAmazon Web Services Korea

��

발표자료 다시보기: https://youtu.be/7o9UzHZ_sN0 AWS는 클라우드 컴퓨팅을 활용하여 인프라 운영 및 관리에 자원을 분산하지 않으면서도 최신 IT 기술을 골라 적용함으로써 고객이 실제 비즈니스 핵심 역량에만 집중할 수 있게 도와 드리고 있습니다. 빠른 속도로 시장의 요구에 맞게 움직일 수 있다는 장점 뿐만 아니라, 초기 투자 없이 사용한 만큼만 금액을 지불함으로써 얻는 비용 절감은 AWS 클라우드의 큰 이점 중 하나입니다. 본 세션에서는 AWS 클라우드의 비용 관리 방법에 대해 알아보고, 실제로 비용 절감을 하기 위한 다양한 방법들을 소개해 드립니다.

AWS 클라우드의 다양한 업무 활용 사례 (정민정) - AWS 웨비나 시리즈 2015Amazon Web Services Korea

��

많은 고객들이 AWS 클라우드를 활용해 이용하여 자신들의 서비스와 비지니스를 성장시키고 있습니다. 이 강연에서는 고객들이 실제 사례를 통해 어떻게 AWS 클라우드를 활용하는지 소개해 드립니다. 웹 사이트 및 모바일 앱 개발, 데이터 분석 및 백업 및 재해 복구 그리고 클라우드로의 이전 사례 등 AWS 클라우드를 통한 다양한 요구 사항 충족 및 작업 처리에 대해 이해하실 수 있습니다. IT 영역의 다양한 분야에서 AWS의 컴퓨팅, 스토리지 및 데이터베이스 서비스들이 활용되는 양상을 알아보시기 바랍니다.

비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018Amazon Web Services Korea

��

KB국민은행은 시작했다 -�� 쉽고 빠른 클라우드 거버넌스 적용 전략 - 강병억 AWS 솔루션즈 아키텍트 / 장강홍 클라우드플랫폼단 차장, ...Amazon Web Services Korea

��

클라우드 서비스를 사용하기 위한 안전성 확보 조치들을 다양한 워크로드가 추가될 경우에도 쉽고 빠르게 적용시킬 수 있는 다중 계정 기반의 클라우드 거버넌스 구성 전략을 소개해 드립니다. 그리고 KB국민은행에서는 어떻게 클라우드를 도입하게 되었으며 금융 회사에 클라우드를 도입하기 위해서 지켜야 하는 규제 사항들을 어떻게 대응하였지를 살펴보고, KB국민은행에서 구성한 클라우드 거버넌스 환경을 이용하여 클라우드 워크로드 확산을 어떻게 효과적으로 준비하고 있는지 살펴봅니다.

엔터프라이즈 기업의 AWS 도입과 구축 그리고 이후 :: BD 윤기성:: AWS Summit Seoul 2016Amazon Web Services Korea

��

[AWS & 베스핀글로벌, 바이오∙헬스케어∙제약사를 위한 세미나] AWS 101, Cloud Computing is New NormalBESPIN GLOBAL

��

AWS와 함께 하는 바이오 ∙ 헬스케어 ∙ 제약사를 위한 클라우드 세미나 '안전하게 클라우드로 날자' 어떻게 하면 클라우드를 통한 디지털 혁신과 비즈니스 성장을 이룰 수 있을까요? AWS 를 통해 어떤 기업들이 혁신적인 서비스를 제공하고 있을까요? 도입 후에는 어떤 변화가 있고 어떻게 관리해야 할까요? 지난 6월 8일. AWS와 클라우드 전문가 베스핀글로벌이 바이오 · 헬스케어 · 제약 고객들만을 위해 쉽고 빠르게 클라우드를 도입할 수 있는 방법을 제시하는 세미나를 진행했습니다. 클라우드가 뭔지 궁금하지만 잘 모르겠다면, 클라우드를 도입하고는 싶지만 어디서부터 시작해야 할지 감이 오지 않으신다면, 베스핀글로벌과 상의하세요.

AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬Amazon Web Services Korea

��

[OpenLAB] AWS reInvent를 통해 바라본 글로벌 Cloud 기술동향.pdfssuserf8b8bd1

��

데이터 분석가를 위한 신규 분석 서비스 - 김기영, AWS 분석 솔루션즈 아키텍트 / 변규현, 당근마켓 소프트웨어 엔지니어 :: AWS r...Amazon Web Services Korea

��

아마존 Aws 서비스_연구knight1128

��

Session 1. 디지털 트렌스포메이션의 핵심, 클라우드 마이그레이션 A to Z - 베스핀글로벌 이근우 위원BESPIN GLOBAL

��

전 세계적으로 클라우드 기반의 디지털 트랜스포메이션이 빠르게 진행되고 있음에도 불구하고, 기업에서 클라우드를 도입하고 마이그레이션 하는 과정은 여전히 어려움이 많습니다. 성공적인 마이그레이션은 클라우드로의 단순 인프라 변경에서 그치는 것이 아니라 비즈니스와 프로세스가 함께 변화할 때 완성될 수 있습니다. 그리고 그 변화의 중심에는 인공지능(AI)과 머신러닝(ML)이 있습니다. 인공지능과 머신러닝은 모든 것을 자동화하여 스스로 데이터를 분류하며 유의미한 가치를 찾아냅니다. 바로 여기에서부터 기업의 비즈니스 혁신은 시작됩니다. 클라우드로의 디지털 트랜스포메이션 전략과 인공지능/머신러닝을 활용한 비즈니스 혁신 방법 중, 어떻게 성공적으로 클라우드 마이그레이션을 할 수 있을지에 대해 이번 세션을 통해 알아보겠습니다.

천만 사용자를 위한 AWS 클라우드 아키텍처 진화하기::이창수::AWS Summit Seoul 2018Amazon Web Services Korea

��

AWS Backup을 이용한 데이터베이스의 백업 자동화와 편리한 복구방법Amazon Web Services Korea

��

Window eos with aws테크데이탶�

��

[Partner TechShift 2017] 국내 소프트웨어 개발사가 AWS를 고려해야 하는 이유Amazon Web Services Korea

��

AWS 클라우드 서비스 소개 및 사례 (방희란) - AWS 101 세미나Amazon Web Services Korea

��

AWS 클라우드 비용 최적화를 위한 TIP - 임성은 AWS 매니저Amazon Web Services Korea

��

OpsNow를 활용한 AWS Cloud 비용 최적화 전략BESPIN GLOBAL

��

AWS 와 함께하는 클라우드 컴퓨팅:: 방희란 :: AWS Summit Seoul 2016Amazon Web Services Korea

��

AWS CLOUD 2017 - 서울 리전 개설 1년, 고객 관점 모범 아키텍처 설계 전략 (양승도 솔루션즈 아키텍트)Amazon Web Services Korea

��

[AWS Builders 온라인 시리즈] AWS, 최적의 비용 효율화 방법은? - 조효원, AWS Cloud Financial ManagerAmazon Web Services Korea

��

AWS 클라우드의 다양한 업무 활용 사례 (정민정) - AWS 웨비나 시리즈 2015Amazon Web Services Korea

��

비용 관점에서 AWS 클라우드 아키텍처 디자인하기::류한진::AWS Summit Seoul 2018Amazon Web Services Korea

��

엔터프라이즈 기업의 AWS 도입과 구축 그리고 이후 :: BD 윤기성:: AWS Summit Seoul 2016Amazon Web Services Korea

��

[AWS & 베스핀글로벌, 바이오∙헬스케어∙제약사를 위한 세미나] AWS 101, Cloud Computing is New NormalBESPIN GLOBAL

��

AWS 클라우드 기반 확장성 높은 천만 사용자 웹 서비스 만들기 - 윤석찬Amazon Web Services Korea

��

[OpenLAB] AWS reInvent를 통해 바라본 글로벌 Cloud 기술동향.pdfssuserf8b8bd1

��

데이터 분석가를 위한 신규 분석 서비스 - 김기영, AWS 분석 솔루션즈 아키텍트 / 변규현, 당근마켓 소프트웨어 엔지니어 :: AWS r...Amazon Web Services Korea

��

아마존 Aws 서비스_연구knight1128

��

Session 1. 디지털 트렌스포메이션의 핵심, 클라우드 마이그레이션 A to Z - 베스핀글로벌 이근우 위원BESPIN GLOBAL

��

천만 사용자를 위한 AWS 클라우드 아키텍처 진화하기::이창수::AWS Summit Seoul 2018Amazon Web Services Korea

��

AWS Backup을 이용한 데이터베이스의 백업 자동화와 편리한 복구방법Amazon Web Services Korea

��

Window eos with aws테크데이탶�

��

[Partner TechShift 2017] 국내 소프트웨어 개발사가 AWS를 고려해야 하는 이유Amazon Web Services Korea

��

More from Tae Young Lee (20)

DeepSeek를 통해 본 Trend (Faculty Tae Young Lee)Tae Young Lee

��

The document titled "Trends Observed Through DeepSeek" explores advancements in AI and reinforcement learning through the lens of DeepSeek's latest developments. It is structured into three main sections: DeepSeek-V3 Focuses on context length extension, initially supporting 32,000 characters and later expanding to 128,000 characters. Introduces Mixture of Experts (MoE) architecture, optimizing computational efficiency using a novel Auxiliary-Loss-Free Load Balancing strategy. Multi-Head Latent Attention (MLA) reduces memory consumption while maintaining performance, enhancing large-scale model efficiency. DeepSeek-R1-Zero Explores advancements in reinforcement learning algorithms, transitioning from RLHF to GRPO (Group Relative Policy Optimization) for cost-effective optimization. Direct Preference Optimization (DPO) enhances learning by leveraging preference-based optimization instead of traditional reward functions. DeepSeek-R1 and Data Attribution Discusses a Cold Start approach using high-quality data (SFT) to ensure stable initial training. Incorporates reasoning-focused reinforcement learning, balancing logical accuracy with multilingual consistency. Utilizes rejection sampling and data augmentation to refine AI-generated outputs for enhanced usability and safety. The document provides a detailed analysis of these methodologies, positioning DeepSeek as a key player in AI model development and reinforcement learning.

Transitioning from the Era of Big Data to LLMs_Deriving InsightsTae Young Lee

��

Transitioning from the Era of Big Data to LLMs: Deriving Insights Table of Contents Big Data and LLMs: Evolution Over Time Definition and role of Big Data The emergence and advancements of LLMs (Large Language Models) Differences and connections between Big Data and LLMs Challenges of Big Data and the Introduction of LLMs The initial hype around Big Data and infrastructure expansion Limitations caused by insufficient data utilization New possibilities unlocked by the development of LLMs Current State and Limitations of LLMs Service innovations brought by LLMs Gaps between expectations and reality Data privacy and ethical challenges Complexity in technology management A Successful Transition from Big Data to LLMs Creating business value through data Shifting from domain-focused to process-oriented thinking Developing new business models through service innovation Future Directions for Insight Derivation Integrating AI and data utilization Effective approaches to derive actionable insights Establishing real-time decision-making systems powered by LLMs Key Messages Limitations of Big Data: Despite the expansion of data infrastructure, many organizations struggled to translate it into actionable services or insights. Opportunities with LLMs: LLMs have shown remarkable success in natural language processing and leveraging large-scale data, moving beyond infrastructure to create tangible business value. Challenges Ahead: Leveraging LLMs requires addressing technical complexity, ethical considerations, and operational costs. Path to Success: Rather than a technology-centric approach, adopting a problem-solving mindset and developing innovative processes are crucial for success. Conclusion The transition from Big Data to LLMs represents a paradigm shift in how data is utilized. Overcoming the challenges of LLM adoption and building a business-driven strategy will pave the way for greater insights and value creation. This presentation explores these topics with practical examples, offering strategies for using data and AI to shape the future of business.

Facebook Meta's technical direction in Large Language Models (LLMs)Tae Young Lee

��

LLaMA (Large Language Model Meta AI) is a series of large language models developed by Meta (formerly Facebook), designed for natural language processing (NLP) tasks. These models are based on transformer architecture and are trained on extensive datasets, covering a wide range of topics and styles. LLaMA models come in various sizes, catering to tasks from lightweight operations to complex language understanding and generation. Meta emphasizes ethical considerations in developing LLaMA, focusing on reducing biases, ensuring safety, and enhancing transparency. These models can be applied to various NLP tasks such as text completion, question answering, and summarization, and can be fine-tuned for specific industries or needs. FAISS (Facebook AI Similarity Search) is an open-source library developed by Meta for efficient similarity search and clustering of dense vectors. It is widely used in machine learning and AI applications requiring large-scale data processing and retrieval. FAISS is optimized for both CPU and GPU, enabling rapid processing of large datasets. It supports various indexing methods, including flat indexing, inverted indexing, and product quantization, allowing users to balance accuracy and computational efficiency. The library can scale to billions of vectors, making it suitable for extensive applications, and offers both exact and approximate search methods to trade off between speed and precision based on user needs. FAISS is commonly used in image and text retrieval, efficiently finding similar items within large datasets, and in recommendation systems to identify similar users or products. It provides a Python API for ease of use and can be integrated with other tools and frameworks, such as PyTorch. Both LLaMA and FAISS represent Meta's efforts to advance AI technology and its wide range of applications. LLaMA focuses on language understanding and generation, while FAISS is centered on efficient data retrieval and similarity search.

MultiModal Embedding integrates various data types, like images, text, and au...Tae Young Lee

��

MultiModal Embedding refers to a technique used to integrate and process different types of data. "Modality" refers to the type or form of data, such as images, text, audio, etc. MultiModal Embedding maps these different modalities into a common space, allowing for the integration and correlation of diverse types of data. Key Concepts Integration of Different Modalities: It transforms data from various types, such as images, text, and audio, into a common vector space. In this space, each piece of data is represented as a vector, enabling the understanding and analysis of relationships between different modalities. Common Embedding Space: It maps data from different modalities into a shared embedding space, allowing for comparison or combination of data across modalities. This process helps capture the features of the data effectively and understand interactions between multiple modalities. Training and Application: MultiModal Embedding models are typically trained on large datasets that incorporate various modalities, helping the model learn from a richer set of information. These trained models can be used in applications such as search, recommendation systems, and question-answering. Applications Image and Text Integration: For tasks such as generating descriptions for images or comparing the similarity between images and text. Multimodal Search: For performing image searches based on text queries or extracting textual information from images. Automatic Translation: For performing speech recognition and translation simultaneously by integrating text and audio. Enhanced Model Understanding: Helps models learn more comprehensive and diverse information by leveraging various modalities. Examples CLIP (Contrastive Language-Image Pretraining): Developed by OpenAI, this model understands and correlates both images and text, allowing for matching tasks between the two modalities. DALL-E: An image generation model that creates images from textual descriptions. It operates by converting text and images into a shared embedding space. MultiModal Embedding enables the integration of diverse data types, contributing to the development of more sophisticated and useful models.

Review of the Paper on Capabilities of Gemini Models in MedicineTae Young Lee

��

A future that integrates LLMs and LAMs (Symposium)Tae Young Lee

��

Presentation material from the IT graduate school joint event - Korea University Graduate School of Computer Information and Communication - Sogang University Graduate School of Information and Communication - Sungkyunkwan University Graduate School of Information and Communication - Yonsei University Graduate School of Engineering - Hanyang University Graduate School of Artificial Intelligence Convergence

LLMs Service that provides what users want to knowTae Young Lee

��

Exploring Deep Learning Acceleration Technology Embedded in LLMsTae Young Lee

��

LLM 모델 기반 서비스 실전 가이드Tae Young Lee

��

Recommendation System HistoryTae Young Lee

��

Course Overview: This course offers a comprehensive exploration of recommender systems, focusing on both theoretical foundations and practical applications. Through a combination of lectures, hands-on exercises, and real-world case studies, you will gain a deep understanding of the key principles, methodologies, and evaluation techniques that drive effective recommendation algorithms. Course Objectives: Acquire a solid understanding of recommender systems, including their significance and impact in various domains. Explore different types of recommendation algorithms, such as collaborative filtering, content-based filtering, and hybrid approaches. Study cutting-edge techniques, including deep learning, matrix factorization, and graph-based methods, for enhanced recommendation accuracy. Gain hands-on experience with popular recommendation frameworks and libraries, and learn how to implement and evaluate recommendation models. Investigate advanced topics in recommender systems, such as fairness, diversity, and explainability, and their ethical implications. Analyze and discuss real-world case studies and research papers to gain insights into the challenges and future directions of recommender systems. Course Structure: Introduction to Recommender Systems Collaborative Filtering Techniques Content-Based Filtering and Hybrid Approaches Matrix Factorization Methods Deep Learning for Recommender Systems Graph-Based Recommendation Approaches Evaluation Metrics and Experimental Design Ethical Considerations in Recommender Systems Fairness, Diversity, and Explainability in Recommendations Case Studies and Research Trends Course Delivery: The course will be delivered through a combination of lectures, interactive discussions, hands-on coding exercises, and group projects. You will have access to state-of-the-art resources, including relevant research papers, datasets, and software tools, to enhance your learning experience.

검색엔진에 적용된 ChatGPTTae Young Lee

��

ChatGPT is a natural language processing technology developed by OpenAI. This model is based on the GPT-3 architecture and can be applied to various language tasks by training on large-scale datasets. When applied to a search engine, ChatGPT enables the implementation of an AI-based conversational system that understands user questions or queries and provides relevant information. ChatGPT takes user questions as input and generates appropriate responses based on them. Since this model considers the context of previous conversations, it can provide more natural dialogue. Moreover, ChatGPT has been trained on diverse information from the internet, allowing it to provide practical and accurate answers to user questions. When applying ChatGPT to a search engine, the system searches for relevant information based on the user's search query and uses ChatGPT to generate answers to present along with the search results. To do this, the search engine provides an interface that connects with ChatGPT, allowing the user's questions to be passed to the model and the answers generated by the model to be presented alongside the search results.

검색엔진에 적용된 딥러닝 모델 방법론Tae Young Lee

��

PaLM Paper ReviewTae Young Lee

��

The Deep Learning CompilerTae Young Lee

��

History of Vision AITae Young Lee

��

Enhanced ai platformTae Young Lee

��

Nvidia architectureTae Young Lee

��

Ai based on gpuTae Young Lee

��

Real estate trust solutionTae Young Lee

��

Transfer learning usageTae Young Lee

��

DeepSeek를 통해 본 Trend (Faculty Tae Young Lee)Tae Young Lee

��

Transitioning from the Era of Big Data to LLMs_Deriving InsightsTae Young Lee

��

Facebook Meta's technical direction in Large Language Models (LLMs)Tae Young Lee

��

MultiModal Embedding integrates various data types, like images, text, and au...Tae Young Lee

��

Review of the Paper on Capabilities of Gemini Models in MedicineTae Young Lee

��

A future that integrates LLMs and LAMs (Symposium)Tae Young Lee

��

LLMs Service that provides what users want to knowTae Young Lee

��

Exploring Deep Learning Acceleration Technology Embedded in LLMsTae Young Lee

��

LLM 모델 기반 서비스 실전 가이드Tae Young Lee

��

Recommendation System HistoryTae Young Lee

��

검색엔진에 적용된 ChatGPTTae Young Lee

��

검색엔진에 적용된 딥러닝 모델 방법론Tae Young Lee

��

PaLM Paper ReviewTae Young Lee

��

The Deep Learning CompilerTae Young Lee

��

History of Vision AITae Young Lee

��

Enhanced ai platformTae Young Lee

��

Nvidia architectureTae Young Lee

��

Ai based on gpuTae Young Lee

��

Real estate trust solutionTae Young Lee

��

Transfer learning usageTae Young Lee

��

Aws architecture

1. AWS Architecture Tae Young Lee

2. Total Architecture https://aws.amazon.com/ko/architecture/icons/

3. AWS Architecture구성을 위해 고려해야 할 점 서비스 형태와 소요되는 비용에 따라 Architecture 구성이 달라진다. 그래서 가장 무엇보다 중요한 건 Size 산정이다. 실시간 서비스를 할 것인지, 배치 서비스로 할 것인지 스트리밍으로 한 것인지 On Demand로 할 것인지 이런 사전적인 고려가 수반되지 않으면 많은 비용을 지출하게 되고, 많은 시행착오를 거칠 수 밖에 없다.

4. AWS 비용에 대한 고려 AWS 프리티어 및 총 사용량 확인 CloudWatch로 사용량 확인 후 비용절감 포인트 점검 및 개선 Amazon DynamoDB Auto Scaling 및 On-Demand를 활용한 비용 절감 유휴 로드 밸런서 삭제를 통한 비용 절감 EC2 Spot Instance를 사용한 비용 절감 EC2 자동 스케일링 그룹 구성 검토 및 수정 예약 인스턴스 (RI)를 사용하여 Amazon RDS, Redshift, ElastiCache 및 Elasticsearch 비용 절감 AWS Saving Plan을 통한 EC2, Fargate 및 Lambda 비용 절감 https://aws.amazon.com/ko/blogs/korea/10-things-you-can-do-today-to-reduce-aws-costs/

5. Service 대상 형태 및 Data Life Cycle 설계 필요 대용량 동영상 및 이미지 서비스 시 Data Life Cycle 준용하여 S3와 Glacier활용 방안 및 아키텍처 검토 필요 Glacier는 아카이브 백업 저장을 주목적으로 하는 스토리지 서비스이다. 단순히 데이터를 장기적으로 보관할 목적이라면 S3 보다 Glacier는 가격적인 측면에서 더 유리하다.

6. Amazon Elastic Container Service(Amazon ECS) 컨테이너화된 애플리케이션의 손쉬운 배포, 관리 및 조정에 도움이 되는 완전관리형 컨테이너 오케스트레이션 서비스

7. 모니터링 로깅을 통해 사용량을 추적하고 비용 절감 포인트 확보

8. ELB & ALB 의 차이

9. Amazon Elastic Container Registry(Amazon ECR) 어디에서나 컨테이너 이미지와 아티팩트를 손쉽게 저장, 관리, 공유 및 배포할 수 있는 완전관리형 컨테이너 레지스트리

10. 결론 AWS 아키텍처링 구성 시 가장 중요한 부분은 과도한 비용지출이 되지 않는 선에서 사용자에게 효과적으로 서비스를 구성할 수 있는 구조를 만드는 데 있다. 그래서 대용량의 동영상 및 이미지 처리 서비스에서는 Data Life Cycle을 설계하여 비용을 절감하고 실제 원본 동영상과 이미지들의 해상도와 Size관리 그리고 이들 데이터에 대한 메타정보(이미지키) 활용 방안 등을 아키텍처에 녹여 실시간성을 보장하면서 비용을 절감할 수 있는 아키텍처를 준용해야 한다. 가장 중요한 부분은 CloudWatch를 활용하여 관리체계를 설계하고 이를 통한 모니터링 체계를 확립하여 Resource의 적절한 배분이 이루어질 수 있게 하는데 있다. 그리고 서비스의 형태에 따라 어떤식으로 아키텍처를 구성해야 할지를 검토해야 한다.

11. 참고 자료 https://www.bespinglobal.com/download/cloud-insight/HowTo_LiveStreamingService.pdf https://www.bespinglobal.com/bespins-pick-vol-11-aws-rds-vs-ec2/ https://docs.bitnami.com/tutorials/take-containers-from-development-to-amazon-ecs/

�ݺ�ߣ

Aws architecture

Recommended

More Related Content

What's hot (20)

Similar to Aws architecture (20)

More from Tae Young Lee (20)

Aws architecture