Category: AWS re:Invent

작년에 AWS는 물리적, 가상 또는 클라우드 인프라로부터 소스 서버가 AWS에서 기본적으로 실행되도록 자동 변환함으로써 AWS로 마이그레이션하는 작업을 간소화하고 신속하게 처리하는 AWS Application Migration Service를 정식으로 출시했습니다. 출시 이후에는 에이전트 없는 복제, MAP 2.0 자동 태깅, 선택적인 시작 후 현대화 작업 지원 등의 기능을 추가하여 개선해 왔습니다. 오늘은 모든 규모의 마이그레이션 프로젝트를 지원하기 위한 Application Migration Service의 […]

2016년에 AWS Database Migration Service(AWS DMS)를 출시한 이후, 고객은 가동 중지 시간을 최소화하면서 800,000개 이상의 데이터베이스를 AWS로 안전하게 마이그레이션했습니다. AWS DMS는 Oracle에서 Amazon Aurora MySQL로, MySQL에서 Amazon Relational Database(Amazon RDS) MySQL로, Microsoft SQL Server에서 Amazon Aurora PostgreSQL로, MongoDB에서 Amazon DocumentDB로, Oracle에서 Amazon Redshift로, 그리고 Amazon Simple Storage Service(S3)로 또는 그 반대로 등 20개 이상의 데이터베이스와 […]

오늘, 패턴 매칭과 기계 학습(ML)을 활용하여 전송 중인 민감한 로그 데이터를 보호하고 감지하는 Amazon CloudWatch Logs의 새로운 기능인 Amazon CloudWatch Logs 데이터 보호를 발표합니다. 개발자는 주민등록 번호, 신용 카드 정보, 이메일 주소 및 비밀번호와 같은 민감한 정보가 로깅되지 않도록 노력하지만 가끔 기록됩니다. 지금까지 고객은 수동 조사 또는 타사 솔루션을 사용하여 민감한 정보를 감지하고 기록되지 않도록 […]

최신 이벤트 기반 애플리케이션을 구성하기 위해 여러 클라우드 서비스를 빌딩 블록으로 사용하는 것이 점점 더 보편화되고 있습니다. 목적별 서비스를 사용하여 특정 태스크를 수행하면 개발자가 사용 사례에 가장 적합한 기능을 확보할 수 있습니다. 그러나 서로 다른 기술을 사용하여 통신하는 경우 서비스 간 통신이 어려울 수 있습니다. 즉, 각 서비스의 미세한 차이와 서비스를 서로 통합하는 방법을 익혀야 […]

고객과 이야기를 나누다 보면 고객이 데이터에서 얻은 인사이트를 활용하여 시기 적절하고 영향력 있고 실행 가능한 비즈니스 결정을 내릴 수 있기를 원한다는 것을 알 수 있습니다. 데이터 기반 조직의 일반적인 패턴은 분석 시스템에 수집해야 하는 데이터 소스가 다양하다는 것입니다. 이를 위해서는 운영 데이터베이스, 데이터 레이크, 스트리밍 데이터 및 웨어하우스 내 데이터를 아우르는 수동 데이터 파이프라인을 구축해야 […]

Apache Spark는 빅 데이터 워크로드에 일반적으로 사용되는 오픈 소스 분산 처리 시스템입니다. Amazon EMR, Amazon SageMaker 및 AWS Glue에서 작업하는 Spark 애플리케이션 개발자는 Amazon Redshift로 데이터를 읽고 쓸 수 있는 타사 Apache Spark 커넥터를 사용하는 경우가 많습니다. 이러한 타사 커넥터는 다양한 버전의 Spark에서 정기적으로 유지 관리, 지원 또는 테스트되지 않습니다. 오늘 Apache Spark용 Amazon Redshift […]

여러 AWS 계정을 사용하여 애플리케이션을 배포하는 것은 팀 간의 보안 및 청구 경계를 설정하고 운영 이벤트의 영향을 줄이는 좋은 방법입니다. 다중 계정 전략을 채택할 때는 여러 계정에 분산되어 있는 원격 분석 데이터를 분석해야 합니다. 애플리케이션의 모든 구성 요소를 중앙 집중식 보기에서 모니터링할 수 있는 유연성을 제공하기 위해 오늘 Amazon CloudWatch 계정간 관찰 가능성을 도입했습니다. Amazon […]

1980년에 저는 두 번째 전문 프로그래밍 일을 하면서 미국 여러 주의 운전면허증 데이터를 분석하는 프로젝트를 진행하고 있었습니다. 당시 해당 유형의 데이터는 일반적으로 고정 길이 레코드에 저장되었으며 값은 각 필드에 신중하게(또는 인코딩되지 않은) 인코딩되었습니다. 데이터에 대한 스키마가 주어졌음에도 불구하고, 항상 개발자들이 미리 예상하지 못한 값을 나타내기 위해 트릭에 의존해야 한다는 것을 알게 되었습니다. 예를 들어, 서로 […]

2016년 Jeff Barr가 Amazon Athena를 처음 발표했을 때, 데이터와의 상호 작용에 대한 제 관점이 바뀌었습니다. Amazon Athena를 사용하면 Athena에서 테이블 생성, 커넥터를 사용하는 데이터 로드, ANSI SQL 표준을 사용하는 쿼리부터 시작하여 몇 단계만 거치면 데이터와 상호 작용할 수 있습니다. 시간이 지남에 따라 금융 서비스, 의료 및 소매업과 같은 다양한 산업에서는 다양한 형식과 크기의 데이터에 대해 […]

기계 학습 모델을 구축하려면 기계 학습 엔지니어가 데이터를 준비하기 위한 데이터 변환 파이프라인을 개발해야 합니다. 이 파이프라인을 설계하는 프로세스는 시간이 많이 걸리며 데이터 준비 파이프라인을 프로덕션 환경에 구현하려면 기계 학습 엔지니어, 데이터 엔지니어 및 데이터 과학자 간의 팀 간 협업이 필요합니다. Amazon SageMaker Data Wrangler의 주요 목적은 데이터 준비 및 데이터 처리 워크로드를 쉽게 수행할 […]