Category: AWS re:Invent*


Amazon SageMaker 출시 – 머신 러닝 기반 서비스 가속화

머신 러닝은 많은 스타트업 및 대기업을 위한 중추적 기술입니다. 수십 년간의 투자와 발전에도 불구하고 머신 러닝 모델을 개발 및 학습하고 유지하는 것은 여전히 다루기 힘들고 까다로운 일입니다. 일반적으로 머신 러닝을 애플리케이션에 통합하는 프로세스에는 전문가 팀이 수개월 동안 불일치 설정을 조정하고 수정하는 과정이 포함됩니다. 기업과 개발자들이 원하는 것은 개발부터 실제 운영까지의 총체적인 파이프라인입니다.

Amazon SageMaker 소개

Amazon SageMaker는 데이터 과학자, 개발자, 머신 러닝 전문가가 모든 규모의 머신 러닝 모델을 간편하게 만들어 학습 및 배포할 수 있는 총체적인 종합 관리형 서비스입니다. 이 서비스는 머신 러닝을 위한 모든 작업의 능률을 대폭 높여 주므로 머신 러닝을 실제 운영 애플리케이션에 신속하게 추가할 수 있습니다.

Amazon SageMaker의 3가지 주요 구성 요소는 다음과 같습니다.

  • 노트북 기반 코딩: 설정 작업이 필요 없는 호스팅형 Jupyter 노트북 IDE로서, 데이터 탐색, 정리 및 사전 처리를 수행합니다. 이러한 IDE를 일반 인스턴스 유형이나 GPU 구동 인스턴스에서 실행할 수 있습니다.
  • 모델 학습: 배포된 모듈 구축, 학습 및 확인 서비스. 기본으로 제공되는 지도(supervised) 및 비지도(unsupervised) 학습 알고리즘과 프레임워크를 사용하거나, 도커 컨테이너를 사용하여 학습을 직접 만들 수 있습니다. 이 학습은 모델 구축 속도를 높이기 위해 수십 개의 인스턴스로 확장할 수 있습니다. 학습 데이터를 S3에서 읽어와서 모델 결과물이 S3에 저장됩니다. 이 모델 결과물은 데이터에 종속된 모델 파라미터이며, 모델에서 추론할 수 있는 코드가 아닙니다. 이렇게 구분되기 때문에 Amazon SageMaker 학습 모델을 IoT 디바이스 같은 다른 플랫폼에 쉽게 배포할 수 있습니다.
  • 모델 호스팅: 모델을 호출하여 실시간 추론을 받기 위한 HTTPs 엔드포인트 모델 호스팅 서비스. 이러한 엔드포인트는 트래픽을 지원하도록 확장할 수 있으며 여러 모델에 대해 동시에 A/B 테스트를 수행할 수 있습니다. 또한 기본 제공되는 SDK를 사용하여 이러한 엔드포인트를 생성하거나, 도커 이미지를 사용하여 구성을 직접 제공할 수 있습니다.

이러한 구성 요소를 별개로 사용할 수 있기 때문에 Amazon SageMaker를 사용하면 기존 파이프라인의 공백을 쉽게 채울 수 있습니다. 즉, 서비스를 전체적으로 이용할 때 사용할 수 있는 몇 가지 강력한 기능이 있습니다.

SageMaker 사용

Apache MXNet 기반 이미지 분류자를 만들어 학습하고 배포하려 합니다. Gluon 언어, CIFAR-10 데이터 세트, ResNet V2 모델 아키텍처를 사용하겠습니다.

Jupyter 노트북을 사용하여 저작


노트북 인스턴스를 만들 경우 이 인스턴스는 딥 러닝에서 일반적인 Anaconda 패키지 및 라이브러리와 함께 제공된 ML 컴퓨팅 인스턴스를 실행하고, 5GB ML 스토리지 볼륨 및 다양한 알고리즘을 보여주는 몇 가지 예제 노트북을 실행합니다. 리소스에 간편하고 안전하게 액세스할 수 있도록 하기 위해 VPC에 ENI를 생성하는 VPC 지원을 선택적으로 구성할 수도 있습니다.

인스턴스가 프로비저닝되면 노트북을 열고 코드 작성을 시작할 수 있습니다.

모델 학습

간결하게 하기 위해 여기서는 실제 모델 학습 코드를 생략할 것이지만, 일반적으로 모든 종류의 Amazon SageMaker 공통 프레임워크 학습의 경우 다음과 같은 간단한 학습 인터페이스를 구현할 수 있습니다.

def train(
    channel_input_dirs, hyperparameters, output_data_dir,
    model_dir, num_gpus, hosts, current_host):
    pass

def save(model):
    pass

Amazon SageMaker 인프라의 ml.p2.xlarge 인스턴스 4개에 배포된 학습 작업을 생성하려고 합니다. 로컬에 필요한 모든 데이터를 이미 다운로드했습니다.

import sagemaker
from sagemaker.mxnet import MXNet
m = MXNet("cifar10.py", role=role, 
          train_instance_count=4, train_instance_type="ml.p2.xlarge",
          hyperparameters={'batch_size': 128, 'epochs': 50, 
                           'learning_rate': 0.1, 'momentum': 0.9})

모델 학습 작업을 만들었으므로 이제 다음을 호출하여 데이터를 제공할 수 있습니다. m.fit("s3://randall-likes-sagemaker/data/gluon-cifar10").

작업 콘솔로 이동하면 작업이 실행 중임을 볼 수 있습니다.

호스팅 및 실시간 추론

모델 학습이 완료되었으므로 이제 예측 생성을 시작할 수 있습니다. 위와 동일한 코드를 사용하여 엔드포인트를 만들고 실행하겠습니다.


predictor = m.deploy(initial_instance_count=1, instance_type='ml.c4.xlarge')

그런 다음 엔드포인트를 호출하는 것은 실행하는 것만큼 간단합니다. predictor.predict(img_input)!

100줄도 안 되는 코드에 머신 러닝 파이프라인이 완성되었습니다.

이제 Amazon SageMaker의 모델 호스팅 구성 요소를 어떻게 사용할 수 있는지를 보여주는 예제를 한 가지 더 살펴보겠습니다.

사용자 지정 도커 컨테이너 사용

Amazon SageMaker는 학습 알고리즘이나 추론 컨테이너를 직접 쉽게 작성할 수 있는 도커 컨테이너용의 간단한 사양을 정의합니다.

여기에서 설명한 아키텍처를 기반으로 하는 기존 모델이 있으며, 실시간 추론을 위해 이 모델을 호스팅하려고 합니다.

추론을 수행할 간단한 Dockerfile과 flask 앱을 만들었습니다.

모델을 불러와 예측을 생성하는 코드는 각각 다를 것이기 때문에 여기서는 생략했습니다. 기본적으로, 입력 URL에서 이미지를 다운로드하여 이 이미지 데이터를 예측용 MXNet 모델에 전달하는 메서드를 만들었습니다.

from flask import Flask, request, jsonify
import predict
app = Flask(__name__)

@app.route('/ping')
def ping():
    return ("", 200)

@app.route('/invocations', methods=["POST"])
def invoke():
    data = request.get_json(force=True)
    return jsonify(predict.download_and_predict(data['url']))

if __name__ == '__main__':
    app.run(port=8080)
FROM mxnet/python:latest
WORKDIR /app
COPY *.py /app/
COPY models /app/models
RUN pip install -U numpy flask scikit-image
ENTRYPOINT ["python", "app.py"]
EXPOSE 8080

이 이미지를 ECR에 넣은 후 Amazon SageMaker의 모델 콘솔로 이동하여 새 모델을 만듭니다.

새 모델을 만든 후 엔드포인트도 할당하겠습니다.

이제 AWS Lambda 또는 다른 애플리케이션에서 직접 엔드포인트를 호출할 수 있습니다. 트위터 계정을 설정하여 이 모델을 공개하고 있습니다. 이 모델이 위치를 추정할 수 있는지 보려면 @WhereML에 사진을 트윗해 보십시오.

import boto3
import json
sagemaker = boto3.client('sagemaker-runtime')
data = {'url': 'https://pbs.twimg.com/media/DPwe4kMUMAAWCd_.jpg'}
result = sagemaker.invoke_endpoint(
    EndpointName='predict',
	Body=json.dumps(data)
)

사용 요금

AWS 프리 티어를 사용하는 고객은 Amazon SageMaker를 무료로 시작할 수 있습니다. 첫 두 달 동안은 매달 250시간의 t2.medium 노트북 사용량, 학습을 위한 50시간의 m4.xlarge 사용량, 호스팅을 위한 125시간의 m4.xlarge 사용량이 제공됩니다. 프리 티어 후에는 리전별로 요금이 다르지만 초 단위 인스턴스 사용량, GB 기준 스토리지 사용량, GB 기준 데이터 전송량(서비스 송수신)으로 청구됩니다.

올해 re:Invent를 위한 블로그 게시물을 작성하기 전에는 최고를 선택하지 말라고 Jeff가 그러더군요. 맞는 말이었습니다. 정말 대단한 몇 가지 출시 중에서도 Amazon SageMaker는 제게 있어 re:Invent 2017의 최고 서비스입니다. 우리 고객들이 이렇게 놀라운 도구를 사용하여 어떤 것을 수행해 낼 수 있을지 정말 기대됩니다.

Randall;

이 글은 AWS re:Invent 2017의 신규 서비스로서 Amazon SageMaker – Accelerating Machine Learning의 한국어 번역입니다.

Amazon EC2 업데이트 – 손 쉬운 스팟 용량 접근 및 가격 변경, 인스턴스 최대 절전 기능 등

EC2 스팟 인스턴스를 통해 AWS 클라우드에서 컴퓨팅 파워를 아낄 수 있습니다. 고객들은 스팟 인스턴스 집합을 사용하여 CI/CD 환경 및 트래픽 생성기, 웹 서버 및 마이크로서비스 호스팅, 영화 렌더링을 구동하고, 많은 유형의 분석 작업을 실행합니다. 그리고 이 모든 것을 온디맨드 인스턴스와 비교하여 크게 절감된 가격으로 실행합니다.

간소화된 접근 방법
오늘은 새롭게 간소화된 스팟 인스턴스 액세스 모델을 소개하겠습니다. 다음을 통해 인스턴스를 시작할 때 스팟 용량을 사용하고 싶어하는 마음이 있을 것입니다. RunInstances 함수, run-instances 명령 또는 AWS 관리 콘솔을 통해 용량을 사용할 수 있는 동안 이행될 요청을 제출하고 싶을 것입니다. 별도의 수고 없이 인스턴스 유형에 대해 온디맨드 가격의 최대 90%를 절감한다면 동일한 예산으로 전체적인 애플리케이션 처리량을 최대 10배 늘릴 수 있는 셈입니다. 이렇게 시작한 인스턴스는 직접 종료하거나 EC2가 이를 온디맨드 사용으로 회수할 때까지 계속해서 실행될 것입니다. 이럴 경우 인스턴스가 일반적으로 2분의 경고가 주어진 다음 회수되기에 애플리케이션 내결함성에 있어 매우 적절합니다.

스팟 시장, 입찰 및 독립 실행형 비동기식 API에 대한 이해가 필요한 이전 모델과는 달리 새로운 모델은 동기식이고 온디맨드만큼 사용하기 쉽습니다. 코드와 스크립트가 인스턴스 ID를 즉시 받고, 요청이 처리 및 수락되었는지 여부를 재확인할 필요가 없습니다.

우리는 이를 최대한 명확하고 간단하게 만들었기 때문에 스팟 용량을 요청하고 사용할 많은 현재 스크립트 및 애플리케이션을 수정하기 쉬울 것으로 기대합니다. 스팟 인스턴스 예산에 대한 추가적인 통제를 행사하고자 한다면 용량 요청을 할 때 최고 가격을 지정하는 옵션이 있습니다. 스팟 용량을 사용하여 Amazon EMR, Amazon ECS 또는 AWS Batch 클러스터를 구동하거나 AWS CloudFormation 템플릿 또는 Auto Scaling 그룹을 통해 스팟 인스턴스를 시작하는 경우 어떠한 변화 없이 이 새로운 모델의 이점을 누릴 수 있습니다.

애플리케이션이 RequestSpotInstances 또는 RequestSpotFleet 를 중심으로 빌드되는 경우 어떠한 변화 없이 계속해서 작동합니다. 하지만 이제 다음 파라미터가 포함되지 않는 요청을 만들 수 있는 옵션이 있습니다. SpotPrice 파라미터입니다.

손쉬운 스팟 가격 변경
오늘 출시의 일환으로 스팟 가격의 변경 방식을 바꾸어 가격이 공급 및 수요의 장기적 추세를 기반으로 점진적으로 변하는 모델로 이동합니다. 앞서 언급한 대로 계속해서 온디맨드 가격의 평균 70~90%를 절감하고, 인스턴스가 실행 중인 기간 동안 적용되는 스팟 가격을 지불하면 됩니다. 스팟 집합 기능을 중심으로 빌드된 애플리케이션은 집합을 생성할 때 지정한 구성을 기반으로 하는 가장 비용 효율적인 풀 전체의 스팟 인스턴스 배치를 자동적으로 다양화합니다.

스팟 실행
명령줄에서 스팟 인스턴스를 시작하려면 스팟 시장을 지정하면 됩니다.

$ aws ec2 run-instances –-market Spot --image-id ami-1a2b3c4d --count 1 --instance-type c3.large 

인스턴스 최대 절전
많은 인 메모리 상태를 유지하는 워크로드를 실행한다면 이 기능이 마음에 드실 것입니다!

인스턴스가 회수될 때에도 인 메모리 상태를 저장하도록 조정하여 용량을 다시 사용할 수 있을 때 인스턴스와 인스턴스에 있는 애플리케이션이 중단된 지점에서 다시 시작하도록 할 수 있습니다. 마치 노트북을 닫았다가 다시 열어서 사용하는 것처럼 말이죠. 이 기능은 Amazon Linux, Ubuntu 또는 Windows Server를 실행하는 C3, C4, 그리고 특정 크기의 R3, R4 및 M4 인스턴스에서 작동하며, EC2 최대 절전 에이전트의 지원을 받습니다.

인 메모리 상태는 인스턴스 시작 시 별도로 확보된 공간을 사용하여 인스턴스의 루트 EBS 볼륨에 기록됩니다. 프라이빗 IP 주소와 탄력적 IP 주소 또한 중지/시작 주기에 걸쳐 유지됩니다.

Jeff;

이 글은 AWS re:Invent 2017 신규 서비스 소식으로 Amazon EC2 Update – Streamlined Access to Spot Capacity, Smooth Price Changes, Instance Hibernation의 한국어 번역입니다.

H1 인스턴스 – 빅 데이터 애플리케이션을 위한 빠른 고밀도 스토리지 정식 출시

AWS의 규모와 다양한 고객층 덕분에 우리에게는 많은 다양한 워크로드를 위해 특별히 설계된 EC2 인스턴스 유형을 만들 기회가 생겼습니다. 예를 들어 많은 대중적인 빅 데이터 사용 사례는 몇 테라바이트에 이르는 데이터에 대한 고속의 순차적 액세스에 의존합니다. 고객들은 매우 큰 MapReduce 클러스터를 빌드 및 실행하고, 분산된 파일 시스템을 호스팅하고, Apache Kafka를 사용하여 볼륨이 방대한 로그 파일을 처리하는 등의 작업을 원합니다.

새로운 H1 인스턴스
새로운 H1 인스턴스는 특히 이러한 사용 사례를 위해 설계되었습니다. 기존 D2(고밀도 스토리지) 인스턴스와 비교해 H1 인스턴스는 로컬 마그네틱 스토리지에 더 많은 vCPU와 더 많은 테라바이트당 메모리를 제공하고, 네트워크 대역폭 또한 증가하여 최적의 균형을 갖춘 리소스 조합을 통해 더욱 복잡한 문제를 해결할 수 있습니다.

인스턴스는 기본 클럭 주파수 2.3GHz에서 실행되는 인텔 Xeon E5-2686 v4 Broadwell 프로세서를 기반으로 하고, 4개의 인스턴스 크기로 구성됩니다(모두 VPC 전용 및 HVM 전용).

인스턴스 이름 vCPU
RAM
로컬 스토리지 네트워크 대역폭
h1.2xlarge 8 32GiB 2TB 최대 10Gbps
h1.4xlarge 16 64GiB 4TB 최대 10Gbps
h1.8xlarge 32 128GiB 8TB 10Gbps
h1.16xlarge 64 256GiB 16TB 25Gbps

크기가 가장 큰 2개는 올 코어 Turbo(2.7GHz) 및 싱글 코어 Turbo(3.0GHz)를 통해 인텔 Turbo 및 CPU 성능 관리를 지원합니다.

로컬 스토리지가 최적화되어 순차 I/O에 대한 높은 처리량을 제공합니다. 따라서 2메가바이크의 블록 크기를 사용한다면 최대 초당 4.5기가바이트의 전송을 기대할 수 있습니다. 스토리지는 256비트 XTS-AES와 1회용 키를 사용하여 유휴 상태에서 암호화됩니다.

향상된 네트워킹을 사용하여 인스턴스에서 대량의 데이터 이동이 지원되어 배치 그룹 내에서 최대 25Gbps의 네트워크 대역폭을 확보할 수 있습니다.

정식 출시
H1 인스턴스는 현재 미국 동부(버지니아 북부), 미국 서부(오레곤), 미국 동부(오하이오)EU(아일랜드) 리전에서 사용 가능합니다. 온디맨드 또는 스팟 형식으로 시작할 수 있습니다. 전용 호스트, 전용 인스턴스 및 예약 인스턴스(1년 및 3년) 또한 사용 가능합니다.

Jeff;

이 글은  AWS re:Invent 2017 신규 서비스 출시 소식으로 H1 Instances – Fast, Dense Storage for Big Data Applications의 한국어 번역입니다.

M5 – 차세대 범용 EC2 인스턴스 정식 출시

저는 항상 신규 EC2 사용자들에게 다른 인스턴스 유형을 살펴보기 전에 우리의 범용 인스턴스로 시작하여 스트레스 테스트를 몇 가지 실행하고, 애플리케이션의 컴퓨팅, 메모리 및 네트워킹 프로필이 정상적인지 확인할 것을 조언합니다. 컴퓨팅, 메모리 및 스토리지에 최적화된 인스턴스의 선택권이 폭넓은 가운데 우리 고객에게는 요구 사항에 가장 적합한 인스턴스 유형을 선택할 많은 옵션과 유연성이 있습니다.

EC2 인스턴스 내역 게시물에서 볼 수 있듯 범용(M) 인스턴스의 시작은 우리가 m1.small을 출시한 2006년으로 거슬러 올라갑니다. 그리고 M2(2009년), M3(2012년) 및 M4(2015년) 인스턴스를 출시하면서 제품군을 계속해서 진화시켰습니다. 우리의 고객들은 범용 인스턴스를 사용하여 웹 및 앱 서버를 실행하고, 엔터프라이즈 애플리케이션을 호스팅하고, 온라인 게임을 지원하며, 캐시 집합을 빌드합니다.

새로운 M5 인스턴스
오늘은 새로운 M5 인스턴스 출시를 통해 한 걸음 더 전진합니다. 이러한 인스턴스를 통해 우리의 지속적인 혁신에 대한 노력과 이전 인스턴스에 비해 더 나아진 가격/성능을 누릴 수 있습니다. 2.5GHz로 실행되는 맞춤형 인텔® Xeon® Platinum 8175M 시리즈 프로세서를 기반으로 하는 M5 인스턴스는 고도로 까다로운 워크로드를 위해 설계된 제품으로 코어당 기준으로 M4 인스턴스 대비 14% 더 나아진 가격/성능을 제공합니다. AVX-512 명령을 사용하는 애플리케이션은 FLOPS가 최대 2배에 달합니다. 또한 하이엔드에 새 크기를 추가하여 더 많은 옵션을 제공합니다.

M5 인스턴스는 다음과 같습니다(모두 VPC 전용, HVM 전용 및 EBS 최적).

인스턴스 이름 vCPU
RAM
네트워크 대역폭 EBS 최적 대역폭
m5.large 2 8GiB 최대 10Gbps 최대 2,120Mbps
m5.xlarge 4 16GiB 최대 10Gbps 최대 2,120Mbps
m5.2xlarge 8 32GiB 최대 10Gbps 최대 2,120Mbps
m5.4xlarge 16 64GiB 최대 10Gbps 2,120Mbps
m5.12xlarge 48 192GiB 10Gbps 5,000Mbps
m5.24xlarge 96 384GiB 25Gbps 10000Mbps

라인업에서 가장 높은 m5.24xlarge는 vCPU 수와 메모리에 있어 X1 인스턴스 다음으로, 워크로드를 확장 및 통합할 수 있는 더 많은 공간을 제공합니다. 향상된 네트워킹을 지원하는 인스턴스이며, 배치 그룹 내에서 사용할 때 최대 25Gbps를 제공합니다.

EBS에 대한 전용, EBS 최적 대역폭에 추가로 NVMe의 사용을 통해 EBS 스토리지에 대한 액세스가 향상됩니다(이전 AMI를 사용하는 경우 적절한 드라이버를 설치해야 합니다). 더 많은 대역폭과 NVMe의 조합을 통해 M5 인스턴스가 소화할 수 있는 데이터의 양이 증가합니다.

정식 출시
현재 미국 동부(버지니아 북부), 미국 서부(오레곤)EU(아일랜드) 리전에서 온디맨드 및 스팟 형식(예약 인스턴스 또한 사용 가능)으로 M5 인스턴스를 시작할 수 있으며, 리전 추가 작업이 진행 중입니다.

간단한 참고 사항: 현재 NVMe 드라이버가 고성능 순차 워크로드에 최적화되지 않은 경우 M5 인스턴스를 sc1 또는 st1 볼륨과 결합하여 사용하는 것을 권장하지 않습니다. 우리는 이 문제를 주시하고 있으며, 이러한 중요 사용 사례를 위한 드라이버 최적화에 노력을 기울이고 있습니다.

Jeff;

이 글은 re:Invent 2017의 신규 서비스 출시 소식으로 M5 – The Next Generation of General-Purpose EC2 Instances의 한국어 번역입니다.

AWS re:Invent 특집 온라인 세미나 – 개발자를 위한 AWS 신규 서비스 요약

전 세계 4만 3천명이 참가한 AWS re:Invent 2017 행사는 역대 최대 규모로 1,300개 이상의 세션 및 네트워킹 및 전시 등으로 클라우드 컴퓨팅에 대해 배우고 공유하는 행사입니다. 본 온라인 세미나에서는 AWS 테크에반젤리스트인 윤석찬님이 컴퓨팅, DB/분석 및 AI/IoT 등의 세 부분으로 나누어 주요 신규 서비스에 대해 소개하는 시간을 가집니다.

온라인 세미나 일정

AWS re:Invent 특집(1) – 컴퓨팅 분야 신규 서비스 소개
일시: 2017년 12월 14일 (목) 오전 10:00 – 11:00

강연 요약: 클라우드의 미래를 가늠할 re:Invent를 통해 출시한 다양한 서비스를 소개합니다. 본 세션에서는 폭넓고 깊이 있는 클라우드 (컴퓨팅) 서비스를 제공하기 위한 가상 서버, 콘테이너 및 서버리스 분야의 신규 서비스를 알아봅니다. 베어 메탈을 비롯한 가상화 분야의 혁신 과정과 쿠버네티스 관리형 EKS 서비스와 클러스터 관리 조차 없는 Fargate, 그리고 서버리스 분야의 최신 람다 기능 업데이트 및 아키텍처 확장 사례 등을 공유합니다.

발표 자료 및 동영상 보기

AWS re:Invent 특집(2) – 데이터베이스/분석 분야 신규 서비스 소개
일시: 2017년 12월 14일 (목) 오후 2:00 – 3:00

강연 요약: 본 세션에서는 관계형 DB(RDB) 영역에서 Amazon Aurora의 혁신 과정과 RDB 성능 및 관리의 부담을 덜어 줄 Aurora Multi-Master 및 Aurora Serverless 서비스, NoSQL 분야의 DynamoDB Global Tables, Backup/Restore 기능, 그리고 Amazon Neptupe이라는 그래프 DB를 통한 고 연결성 데이터 활용 방법을 소개합니다. 또한, S3/Glacier Select를 통해 어떻게 데이터 레이크 속의 대용량 데이터 분석 속도와 성능을 향상 시킬 수 있는지 공유합니다.

발표자료 및 동영상 보기

AWS re:Invent 특집(3) – AI/IoT 분야 신규 서비스 소개
일시: 2017년12월 14일(목) 오후 4:00 – 5:00

강연 요약: 본 세션에서는 최근 가장 화두가 되고 있는 인공 지능 분야에서 AWS가 신규로 출시한 Alexa 기반 음성 서비스, VR/AR 제작, 이미지 및 비디오내 인식, 음성 합성/인식, 기계 번역, 자연어 처리 서비스를 알아 봅니다. 또한, IoT 분야의 많은 고객 요구 사항을 해결하기 위해 손쉬운 디바이스 설정 및 관리, 보안, 데이터 분석 등을 서비스를 공개하였습니다. 고객의 피드백을 기반한 장기적 관점에서 모든 개발자들의 AI 및 IoT 기술의 접근성을 높여 줄 예정입니다.
발표 자료 및 동영상 보기

AWS re:Invent 특집 AWS 온라인 세미나를 통해 AWS 주요 신규 서비스에 대해 상세히 알아보시기 바랍니다. 참고로 아래와 같이 AWS 한국 사용자 모임(AWSKRUG)와 함께하는 서울 및 부산 오프라인 세미나도 열립니다. 관심 있는 분들은 아래 링크에서 등록 후 참여하세요!

– AWS 코리아 마케팅팀;

Amazon MQ – ActiveMQ용 관리형 메시지 브로커 서비스

메시징은 분산 애플리케이션의 일부분을 차지하면서 복원성을 더하고 확장성이 뛰어난 아키텍처의 구현을 가능케 합니다. 예를 들어 올해 초, Amazon Simple Queue Service(SQS)Amazon Simple Notification Service(SNS)는 프라임 데이의 고객 주문 처리를 지원하면서 도합 400억 개의 메시지를 초당 1,000만 개의 속도로 처리하였고, 고객에게는 어떠한 문제도 표시되지 않았습니다.

SQS와 SNS는 클라우드상에서 빌드된 애플리케이션에 대해 광범위하게 사용되었습니다. 하지만 많은 대형 고객들이 이미 오픈 소스 또는 상용 라이선스 메시지 브로커를 사용하고 있습니다. 고객의 애플리케이션은 미션 크리티컬이며, 이를 지원하는 메시징 또한 마찬가지입니다. 우리의 고객들은 메시징 인프라의 설치 및 지속적인 유지 관리를 “고통스러운 일”이라 설명하며, 이를 위해 인력 기준으로 주당 10시간을 사용한다고 보고합니다.

새로운 Amazon MQ
이제 우리는 Amazon MQ를 출시합니다. 이는 클릭 세 번으로 몇 분 만에 시작할 수 있는 Apache ActiveMQ용 관리형 메시지 브로커 서비스입니다. 아실 수도 있겠지만 ActiveMQ는 빠르고 기능이 다양하여 인기가 많은 오픈 소스 메시지 브로커입니다. 대기열 및 주제, 지속적 및 비지속적 구독, 푸시 기반 및 폴링 기반 메시징, 그리고 필터링을 제공합니다.

관리형 서비스로서 Amazon MQ는 ActiveMQ의 관리 및 유지 관리를 처리합니다. 여기에는 브로커 프로비저닝, 패치 적용, 고가용성을 위한 장애 탐지 및 복구, 그리고 메시지 지속성에 대한 책임이 포함됩니다. Amazon MQ를 사용하면 ActiveMQ 콘솔과 JMS, NMS, AMQP, STOMP, MQTT 및 WebSocket 등 업계 표준 메시징 API 및 프로토콜에 직접 액세스할 수 있습니다. 이를 통해 코드 재작성 없이도 이러한 표준을 사용하는 모든 메시지 브로커로부터 Amazon MQ로 이동할 수 있으며, 이때 지원되는 애플리케이션도 함께 이동합니다.

개발 및 테스팅용 단일 인스턴스 Amazon MQ 브로커, 또는 빠른 자동 장애 조치를 포함하여 AZ를 확장하는 활성/대기 페어를 생성할 수 있습니다. 어느 쪽이든 AZ에 걸친 데이터 복제와 브로커 인스턴스 및 메시지 스토리지를 위한 종량 과금제 모델을 얻습니다.

Amazon MQ는 AWS 제품군의 완성된 부분으로, 서비스 API 사용을 위한 인증 및 권한 부여용 AWS Identity and Access Management(IAM)의 사용을 포함합니다. Amazon CloudWatch 지표를 사용하여 대기열 깊이와 같은 지표를 지속적으로 확인하고 필요한 경우 소비자 집합의 Auto Scaling을 시작할 수 있습니다.

Amazon MQ 브로커 시작
Amazon MQ 콘솔을 열고, 원하는 AWS 리전을 선택하고, 브로커 이름을 입력하고 [Next step]을 클릭하는 것으로 시작합니다.

그런 다음 인스턴스 유형을 선택합니다. 여기서는 대기를 생성하겠습니다. 그리고 [Create broker]를 선택합니다([Advanced settings] 섹션에서 VPC를 선택하고 기타 설정을 세부 조정할 수도 있습니다).

5~10분 정도면 제 브로커가 생성되어 사용할 준비가 끝납니다.

브로커 액세스에 사용할 URL과 엔드포인트를 클릭 한 번으로 사용할 수 있습니다.

제공된 링크에서 ActiveMQ 웹 콘솔에 액세스할 수 있습니다.

브로커가 인스턴스, 주제 및 대기열 지표를 CloudWatch에 게시합니다. 이것이 인스턴스 지표입니다.

지금 이용 가능
Amazon MQ는 지금부터 미국 동부(버지니아 북부), 미국 동부(오하이오), 미국 서부(오레곤), EU(아일랜드), EU(프랑크푸르트)아시아 태평양(시드니) 리전에서 사용 가능합니다.

AWS 프리 티어를 통해 1년 동안 매달 단일 AZ 마이크로 인스턴스를 최대 750시간 사용하고, 최대 1기가바이트씩 저장할 수 있습니다. 이후에는 인스턴스 시간과 메시지 스토리지에 따라 결제되고, AWS 외부에서 브로커에 액세스한 경우 인터넷 데이터 전송 요금이 추가됩니다.

Jeff;

Amazon EC2 베어 메탈 인스턴스(하드웨어 직접 액세스 포함) 출시!

고객들이 AWS에 대한 새롭고 특별한 요구 사항을 가지고 우리를 찾아오면, 우리는 여기에 귀를 기울이고, 많은 질문을 던지며, 그 요구 사항을 이해하고 해결하는 데 최선을 다합니다. 이렇게 할 때 결과로 나오는 서비스 또는 기능을 일반적으로 사용할 수 있도록 합니다. 각각의 고객에게 별개로 1회성 서비스나 기능을 빌드하지 않습니다. 그러한 모델은 복잡하고 확장이 어렵기 때문에 우리는 이런 방식으로 하지 않습니다.

대신 모든 AWS 고객은 우리가 빌드한 것이 무엇이든 액세스할 수 있고, 모두가 혜택을 누리게 됩니다. AWS 기반 VMware 클라우드가 이러한 전략 실행의 좋은 예입니다. 하드웨어에서, AWS 클라우드 내에서 가상화 스택을 직접 실행함으로써 고객이 AWS에서 제공하는 탄력성, 보안 및 안정성(다양한 서비스는 말할 것도 없습니다)에 액세스할 수 있기를 원한다는 이야기를 들었습니다.

우리는 다른 고객들 또한 베어 메탈 하드웨어에 대한 사용 사례에 관심이 있고, 중첩 가상화로 인한 성능 저하를 원치 않는 것을 파악했습니다. 가상화 환경에서 언제든 사용 가능하거나 완전히 지원되지 않는 성능 카운터인텔® VT와 같은 하위 수준 하드웨어 기능을 활용하는 애플리케이션은 물론 하드웨어에서 직접 실행되거나 비가상화 환경에서의 사용에 대한 라이선스 및 지원을 받는 애플리케이션에 대한 물리적 리소스 액세스를 원했습니다.

여러 해에 걸쳐 네트워킹, 스토리지 및 기타 EC2 기능을 가상화 플랫폼에서 전용 하드웨어로 이동하려는 노력이 이미 진행되어 가능한 해결책에 대한 완벽한 기반이 제공되었습니다. 이제 Amazon EC2용 컴퓨팅 집약적 C5 인스턴스 이용 가능이라는 게시물에서 설명한 이러한 노력에는 전용 하드웨어 액셀러레이터 세트도 포함됩니다.

요청한 대로 VMware에 베어 메탈 액세스를 제공했으니, 이제 모든 AWS 고객들을 위해서도 똑같이 하겠습니다. 이를 통해 여러분들이 할 수 있는 것들이 무척 기대됩니다!

새로운 베어 메탈 인스턴스
오늘은 i3.metal 인스턴스의 퍼블릭 미리 보기를 출시합니다. 양쪽의 장점을 모두 제공하는 EC2 인스턴스 시리즈의 첫 번째 제품으로, 운영 체제가 기본 하드웨어에서 직접 실행되도록 하면서 클라우드의 모든 이점에 액세스할 수 있도록 합니다. 인스턴스를 통해 프로세서 및 기타 하드웨어에 직접 액세스할 수 있으며, 사양은 다음과 같습니다.

  • 프로세싱 – 2.3GHz에서 실행되는 2개의 인텔 Xeon E5-2686 v4 프로세서, 총 36개의 하이퍼스레드 코어(72개의 논리 프로세서).
  • 메모리 – 512GiB.
  • 스토리지 – 15.2테라바이트의 로컬, SSD 기반 NVMe 스토리지.
  • 네트워크 – 25Gbps의 ENA 기반 향상된 네트워킹.

베어 메탈 인스턴스는 EC2 패밀리의 완성된 멤버이며, Elastic Load Balancing, Auto Scaling, Amazon CloudWatch, Auto Recovery 등을 활용할 수 있습니다. 또한 AWS 데이터베이스, IoT, 모바일, 분석, 인공 지능보안 서비스의 전체 스위트에 액세스할 수 있습니다.

현재 미리 보기 진행 중
현재 베어 메탈 인스턴스의 퍼블릭 미리 보기를 출시 중입니다. 시험해 보고자 하는 경우 지금 가입하세요.

이제 특수 애플리케이션 또는 가상화된 구성 요소 스택을 AWS로 가져와 베어 메탈 인스턴스에서 실행할 수 있습니다. 컨테이너를 사용 중이거나 이를 고려 중인 경우 이러한 인스턴스가 CoreOS의 뛰어난 호스트를 만듭니다.

새로운 C5 인스턴스 중 하나에서 작동하는 AMI는 I3 베어 메탈 인스턴스에서 또한 작동합니다. ENA 및 NVMe 드라이버를 보유해야 하고, ENA에 대해 태그 지정되어야 합니다.

Jeff;

이 글은 AWS re:Invent 2017 행사의 주요 서비스 출시 소식으로  Amazon EC2 Bare Metal Instances with Direct Access to Hardware의 한국어 번역입니다.

AWS re:Invent 2017 – Werner Vogel 기조 연설 및 주요 신규 서비스 발표 소식

어제 앤디 제시 CEO에 이어 AWS re:Invent 2017 두번째 기조 연설로 나선 Werner Vogels 아마존닷컴 CTO는 5년전 기조연설에서 언급했던 ’21세기 아키텍처’의 특성이 었던 제어성(controllable), 복원성(resilient), 적용성(adaptive) 및 데이터 기반(data-driven)에 대한 새로운 변화에 대해 소개합니다.

이 글에서는 두번째 기조 연설과 신규 서비스 소식에 대해 요약해 드리고자 합니다.우선 이번 기조 연설은 신규 서비스 소개 보다는 클라우드 아키텍처의 변화와 이에 대한 성찰 그리고 기술 데모 및 새로운 통찰을 줄 수 있는 고객 기술 사례 등으로 구성되었습니다.  이 글은 키노트 맥락에 따른 주요 서비스에 대해서만 소개해 드리며, 보겔스 박사님의 통찰 및 아키텍처 사례 등 자세한 내용은 향후 업데이트 되는 기조 연설 동영상을 참고하시길 권장 드립니다.

21세기 아키텍처의 첫번째 주제는 사람 중심 협력(COLLABORATIVE)입니다. 빅데이터, IoT 및 인공 지능 처럼 기술이 많은 부분을 변화시키고 있으며, 다양한 디지털 접근 기기가 있지만 그동안 주로 기계 기반이었다면 미래는 사람 중심 기기 즉, 인간의 삶에 영향을 주는 인터페이스가 중요합니다.

Alexa 플랫폼은 바로 음성 기반 인터페이스 플랫폼으로 다양한 서드파티 음성 기기 및 음성 애플리케이션인 수만개의 스킬(Skills)을 보유하고 있습니다. Alexa는 이제 집에서 벗어나서 엔터프라이즈 환경의 다양한 문제를 해결합니다.

Alexa for Business 신규 서비스는 기업에서 Alexa를 쉽게 사용할 수있게 해주는 새로운 AWS 서비스입니다. Alexa는 음성을 사용하여 회의실을 제어 할 수 있습니다. 사무실이나 집에서 근무하는 것과 상관 없이 업무에서 집중력과 생산성을 유지할 수 있도록 도와줍니다. 본 서비스는 Alexa 장치 관리, 사용자 등록 및 기업에서 필요한 상황별 음성 기술 서비스, 즉 사내 음성 회의, 전화 통화, 회의실 장치 관리, 사내 ERP 및 세일즈 포스 연동 등을 직접 개발할 수 있는 도구를 제공합니다.

두번째 주제는 바로 재상상(re:Imagined)입니다. 클라우드 아키텍처는 과거의 가상 서버의 아키텍처 기반에서 서버리스 환경으로 변화하고 있으며, 아키턱쳐 구성은 완전히 다르게 바뀌고 있습니다. 이벤트 기반 데이터 처리 및 사내외 시스템 연동 등에서 복잡한 구성이 이루어지고 있습니다. 하지만, 클라우드 각종 빌딩 블록으로 복잡한 구조를 간단한 구성 요소로 쉽게 구축 할 수 있고, 이를 위한 Well Architecture Framework이라는 아키텍처 지침을 보유하고 있습니다.

이 중에서 특히 보안에 대한 부분은 매우 중요하며, 모든 영역에 암호화 기능을 탑재하고 개발 및 운영에서 모든 담당자들이 보안 업무는 자동화할 수 있습니다. CI/CD 과정에서 애플리케이션 배포 뿐만 아니라 각 기능의 이벤트 앞뒤로 일어나는 모든 과정을 제어 및 확인할 수 있습니다.

개발에 있어 보안을 기반으로 다양한 언어와 연동이 필요하며, 좋은 플랫폼은 좋은 통합 개발 환경(IDE)를 가지고 있으며, AWS Cloud9을 공개합니다. AWS C9은 손쉽게 클라우드 기반 코드를 개발 배포할 수 있으며, 람다 연동을 통한 실시간 프로그래밍 및 디버깅이 가능하며, AWS CodeStar 같은 통합 데브옵스 환경과 쉽게 연동할 수 있습니다.

21세기 아키텍처 신뢰성, 가용성 및 복원성은 어떻게 바뀌고 있을까요? 분산 시스템에서 다양한 테스트 기반 자동 장애 복구, 수평 확장을 통한 컴퓨팅 용량 자동 변경 관리 등에서 신뢰성을 유지하고, 가용성을 높이기 위해 장애 격리, 중복 구성 및 마이크로서비스 서비스 구성할 수 있습니다. 예를 들어, 넷플릭스는 아키텍처를 위해 ‘카오스 엔지니어링(Chaos Engineering)‘이라는 방식으로 풀어나가고 있습니다. 이제 배포 자동화와 가용성 옵션에서 비즈니스에서 원하는 가용성을 99.999%까지 선택할 수 있게 되었습니다.

AWS는 모든 영역에서 완전 관리 서비스 모음을 보유하고 있습니다. 컨테이너와 서버리스 환경을 통해 이제 개발자는 비즈니스 로직 코드에만 집중할 수 있습니다. 컴퓨팅 확장은 Amazon ECS(EKS)와 AWS Lambda 같은 서비스가 담당하고, 데이터베이스는 Amazon AuroraDynamoDB를 통해 구성하고 각 로직은 Step Functions에서 오류 처리, 재시도, 오케스트레이션, 로깅 등을 담당합니다. CloudWatchCloudTrails가 모니터링을 담당하고 AWS 코드 서비스로 애플리케이션 배포가 진행됩니다.

따라서, 이제 이벤트 기반 컴퓨팅은 대세가 될 것이며 “이벤트”와 “레코드”, 그리고 “스트림”, “로그”, “테이블”의 구분이 완전히 사라질 것입니다.

서버리스 환경에서 중요한 AWS Lambda에 새로운 기능을 출시합니다. 닷넷 2.0과 Go 언어 지원(2018), 3GB까지 실행 메모리 확장, 동시 실행 제어 및 API Gateway의 VPC 지원 등을 포함합니다.

서버리스 애플리케이션을 출시하는 고객이 점점 늘어나면서 좀 더 쉽개 개발하는 방법을 계속 찾고 있습니다. 전체 개발 주기 관리, 코드 개발에서 동료와의 협력 등을 통한 개선에 대한 요구도 받았으며, 특히 서버리스 애플리케이션을 구축 할 때 커뮤니티 기반 개발 및 손쉽게 코드 예제를 게시하고, 이를 사용하는 방법이 필요합니다.

AWS Serverless Application Repository 신규 서비스는 몇 번의 클릭만으로 서버리스 애플리케이션을 검색, 배포 및 게시 할 수있는 공간을 제공합니다. 또한 Slack, Twilio, Splunk 및 수천 명의 개별 개발자와 같은 회사가 구축한 애플리케이션을 게시 및 공유하여 AWS 고객 및 개발자 커뮤니티 전체에서 쉽게 접근해서 개발 및 코드 공유를 할 수 있습니다.

이를 통해 누구나 코드에 기여할 수 있으므로 AWS 파트너 기업에서 서버리스 솔루션을 개발 및 배포할 수 있습니다. 원클릭으로 배포 가능하고 콘솔에서도 스트림 처리, 채팅봇, IoT 백엔드 같은 개별 기능이나 AWS 서비스명 등으로도 검색 가능합니다. AWS SAM(Serverless Application Model) 및 IAM을 통한 권한 인증 및 제어 등을 사용하여 손쉽게 배포 관리를 지원합니다.

이러한 개발 도구의 혁신은 인공 지능 및 기계 학습 영역에서도 중요하며, 이를 위해 Amazon SageMaker를 출시하였고 DigitalGlobe, Trainline 같은 많은 기업들이 베타테스트를 했으며, 737 SIMULATOR 등을 아리아 데모룸에서 직접 체험해 볼 수 있습니다.

지금까지 21세기 아키텍처에 변화 방향에 대해 알아 보았으며, 이제 개발자에게는 자유를 가지고 상상력의 나래를 가지고 직접 만들어 보시기 바랍니다. Go Build!

현장에 계신 분들은 오늘 소개된 신규 서비스에 대한 발표 세션이 실시간으로 업데이트 되니, 모바일 앱을 참고하시기 바라며 AWS re:Invent 신규 서비스 페이지를 참고하셔도 좋습니다. AWSKRUG 리더들이 현지에서 보내드리는 페이스북 라이브 업데이트 혹은 행사 후 개최되는 AWSKRUG reCap 행사나 온라인 세미나에 참여하실 수도 있습니다.

발표 자료 및 행사 현장 이모저모 살펴 보기

각 주요 신규 출시 서비스에 대한 링크는 현재 영문 블로그 및 제품 페이지로 연결 되며, 다음 주 한국어로 제공될 예정입니다.

– 정리: Channy(윤석찬);

AWS Media Services – 클라우드 기반 비디오 처리, 저장 및 수익 창출 서비스 출시

초기에 웹 비디오가 어떤 것이었는지 기억하십니까? 독립 실행형 플레이어, 우표보다 크지 않은 비디오, 느리고 불안정한 연결, 오버로드된 서버 및 상존하는 버퍼링 메시지는 20년 전의 기준이었습니다.

오늘날 기술 진보와 광범위한 표준으로 인해 상황이 매우 개선되었습니다. 이제 비디오 소비자가 제어합니다. 소비자는 모든 모양, 크기 및 빈티지의 디바이스를 사용하여 방송, 스트리밍 또는 OTT(over-the-top)로 전송된 실시간 및 기록된 콘텐츠를 즐기며, 관심을 끄는 콘텐츠에 대한 즉각적인 액세스를 기대합니다. 이러한 기대를 충족시키는 것은 콘텐츠 제작자와 배포업체에게 쉽지 않은 일입니다.

모든 형식에 적합한 하나의 크기로 비디오를 생성하는 대신 소비자(또는 소비자의 미디어 서버)는 계획된 또는 계획되지 않은 수요의 급증에 대비할 수 있도록 광범위한 크기, 형식 및 비트 레이트에 적용되는 비디오를 생성할 준비를 해야 합니다. 이러한 모든 복잡한 상황에서 소비자는 콘텐츠와 인프라를 지원하는 수익 창출 모델을 통해 콘텐츠를 백스톱하여 전달해야 합니다.

새로운 AWS Media Services
현재 AWS는 위에서 설명한 문제 중 하나 이상을 해결하기 위해 각각 설계된 다양한 방송 품질 미디어 서비스를 시작합니다. 이러한 미디어 서비스를 함께 사용하여 완벽한 종단 간 비디오 솔루션을 구축하거나 하나 이상의 기본 스타일을 사용할 수 있습니다. 진정한 AWS 방식에서는 혁신하는 데 더 많은 시간을 소비하고 인프라를 설정하고 실행하는 데 시간을 단축할 수 있어 콘텐츠를 작성, 전송 및 수익 창출에 집중할 수 있습니다. 서비스는 모두 탄력적이므로 처리 능력, 연결 및 스토리지를 향상시키고 백만 명의 사용자(및 그 이상)를 쉽게 처리하는 기능을 제공합니다.

이러한 서비스는 다음과 같습니다(모두 일련의 대화형 콘솔 및 포괄적인 API 세트를 통해 액세스할 수 있음).

  • AWS Elemental MediaConvert – OTT, 방송 또는 보관을 위한 파일 기반 트랜스코딩으로 긴 형식 및 코덱 목록을 지원합니다. 기능에는 다채널 오디오, 그래픽 오버레이, 자막 및 여러 DRM 옵션이 포함됩니다.
  • AWS Elemental MediaLive – 텔레비전 및 멀티스크린 디바이스 둘 다에 비디오 스트림을 실시간으로 전송하기 위한 실시간 인코딩입니다. 이를 통해 인코딩 파라미터를 완벽하게 제어하는 매우 신뢰할 수 있는 실시간 채널을 몇 분 내에 배포할 수 있습니다. 광고 삽입, 다채널 오디오, 그래픽 오버레이 및 자막을 지원합니다.
  • AWS Elemental MediaPackage – 비디오 제작 및 적시 패키징입니다. 단일 입력부터 시작하여 현재 및 레거시 형식의 긴 목록을 나타내는 여러 디바이스에 대한 출력을 생성합니다. 여러 수익 창출 모델, 시간 이동 실시간 스트리밍, 광고 삽입, DRM 및 블랙아웃 관리를 지원합니다.
  • AWS Elemental MediaStore – 실시간 스트리밍과 같은 고성능 및 낮은 지연 시간 애플리케이션을 활성화하면서 Amazon Simple Storage Service(S3)의 규모와 내구성의 혜택이 있는 미디어 최적화 스토리지입니다.
  • AWS Elemental MediaTailor – 광고 서비스와 서버 측 광고 삽입, 광범위한 디바이스, 트랜스코딩 및 서버 측 및 클라이언트 측 광고 삽입의 정확한 보고를 지원하는 수익 창출 서비스입니다.
  • 아래의 단원에 모든 기능을 나열하는 대신 가능한 한 많은 스크린샷을 포함시켰습니다. 이 서비스 세트를 통해 얻는 기능, 파라미터 및 설정에 대해 더 잘 이해할 수 있습니다.

AWS Elemental MediaConvert
MediaConvert를 사용하면 파일에 저장된 콘텐츠를 트랜스코딩할 수 있습니다. 개별 파일 또는 전체 미디어 라이브러리를 처리하거나 그 사이의 모든 것을 처리할 수 있습니다. 콘텐츠 및 원하는 출력을 지정하는 변환 작업을 만들고 MediaConvert에 제출하면 됩니다. 설치 또는 패치할 소프트웨어가 없으며 반환 시간이나 성능에 영향을 미치지 않고 요구에 맞게 서비스를 조정할 수 있습니다.

MediaConvert 콘솔을 통해 출력 프리셋, 작업 템플릿, 대기열 및 작업을 관리할 수 있습니다.

기본 시스템 프리셋을 사용하거나 자체 프리셋 중 하나를 만들 수 있습니다. 자체 프리셋을 만들 경우 설정을 완벽하게 제어할 수 있습니다.

작업 템플릿은 이름이 지정되며 하나 이상의 출력 그룹을 생성합니다. 한 번의 클릭으로 템플릿에 새 그룹을 추가할 수 있습니다.

모든 사항이 준비된 경우 작업 및 최종 선택을 만든 다음 [Create]를 클릭합니다.

각 계정은 작업에 대한 기본 대기열로 시작하며, 수신 작업은 계정에서 사용할 수 있는 모든 처리 리소스를 사용하여 동시에 처리됩니다. 대기열을 추가해도 처리 리소스는 추가되지 않지만 대기열을 통해 배분되도록 합니다. 다른 대기열에 더 많은 리소스를 할당하기 위해 대기열 하나를 일시적으로 일시 중지할 수 있습니다. 일시 중지된 대기열에 작업을 제출할 수 있으며 아직 시작하지 않은 작업을 취소할 수도 있습니다.

이 서비스 요금은 처리하는 비디오의 양과 사용하는 기능을 기반으로 합니다.

AWS Elemental MediaLive
이 서비스는 실시간 인코딩용이며 연중무휴로 실행될 수 있습니다. MediaLive 채널은 방송 업계의 고객이 기대하는 안정성을 제공하기 위해 물리적으로 분리된 두 개의 가용 영역에 분산된 중복 리소스에 배포됩니다. MediaLive 콘솔에서 입력을 지정하고 채널을 정의할 수 있습니다.

입력을 생성한 후 채널을 생성하고 입력에 연결할 수 있습니다.

각 채널에 대한 설정을 완벽하게 제어할 수 있습니다.

AWS Elemental MediaPackage
이 서비스를 사용하면 단일 소스에서 여러 디바이스로 비디오를 전송할 수 있습니다. 이 서비스는 보호 및 적시 패키징에 중점을 두며, 사용자가 선택한 디바이스에 원하는 콘텐츠를 제공할 수 있습니다. 채널을 생성하여 시작하면 됩니다.

그런 다음 하나 이상의 엔드포인트를 추가합니다. 다시 시작 기간 및 시간 지연을 비롯한 여러 옵션과 완벽한 제어가 한번 더 있습니다.

채널에 대한 입력 URL, 사용자 이름 및 암호를 찾고 패키징을 위해 실시간 비디오 스트림을 라우팅합니다.

AWS Elemental MediaStore
MediaStore는 실시간 및 온디맨드 미디어 전송에 필요한 성능, 일관성 및 지연 시간을 제공합니다. 객체가 제한된 시간 동안 객체 스토리지의 새 “임시” 계층에 작성되고 읽힌 다음 오래 지속되는 내구성을 위해 S3으로 이동합니다. 스토리지 컨테이너를 만들어 미디어 콘텐츠를 그룹화하면 됩니다.

컨테이너는 1분 내에 사용할 수 있습니다.

S3 버킷과 같이 MediaStore 컨테이너에는 액세스 정책이 있으며, 객체 또는 스토리지 용량의 수에 대한 제한이 없습니다.

MediaStore를 사용하면 요청 속도 및 성능 고려 사항에 따라 스토리지 및 검색 처리량을 최적화하기 위해 객체 키 이름을 관리하여 S3의 전체 혜택을 받을 수 있습니다.

AWS Elemental MediaTailor
이 서비스는 서버 측 광고 삽입을 처리하는 동시에 광고 애셋을 즉시 트랜스코딩하여 방송 품질 뷰어 환경을 제공합니다. 고객의 비디오 플레이어가 MediaTailor에게 재생 목록을 요청합니다. MediaTailor는 광고 결정 서버를 호출하고 원본 비디오에 대한 오리진 서버와 광고 결정 서버가 권장하는 광고를 참조하는 재생 목록을 반환합니다. 비디오 플레이어는 클라이언트 측 광고 차단이 효과가 없도록 하기 위해 모든 요청을 단일 엔드포인트로 만듭니다. MediaTailor 구성을 만들기만 하면 됩니다.

컨텍스트 정보가 URL의 광고 결정 서버로 전달됩니다.

이 게시물의 길이에도 불구하고 AWS Media Services의 표면적인 부분만 살펴보았습니다. AWS re:Invent가 백미러에 있는 경우 심층적으로 분석하고 이러한 서비스 각각의 사용 방법을 보여주는 것을 원합니다.

지금 이용 가능
AWS Media Services의 전체 세트를 바로 오늘부터 사용할 수 있습니다! 요금은 서비스에 따라 다르지만, 선불형 종량 요금제 모델을 중심으로 구성됩니다.

Jeff;

이 글은 AWS re:Invent 2017 행사의 주요 서비스 출시 소식으로  AWS Media Services – Process, Store, and Monetize Cloud-Based Video의 한국어 번역입니다.

Amazon Sumerian 출시, VR/AR 및 3D 서비스를 쉽게 만들기

제 글을 읽을 기회가 있거나 다양한 컨퍼런스에서 실시한 세션에 참가한 적이 있는 경우 제가 괴짜 소녀라는 것을  아실 것입니다. 클라우드, 인공 지능, 사물 인터넷 및 메이커 스페이스와 같은 기술 영역에서 수행된 모든 최신 발전 뿐만 아니라 가상 현실 및 증강 현실에 빠졌습니다.

요즘은 괴짜가 되기 좋은 시간입니다. 알고리즘 및 이산수학 수업에서 땀을 흘리며 건물에 대해 꿈꿔 온 모든 것 또는 스타워즈와 스타트랙을 시청할 때 놀란 기술이 현재 실현될 것입니다.  즉, 우주에서 다른 은하계로 하이퍼 드라이브하는 것은 시간문제지만, 그때까지는 최소한 제가 좋아하는 프로그램에 등장하는 것과 같은 3D 가상 현실 및 증강 현실 캐릭터와 이미지를 생성할 수 있습니다.

Amazon Sumerian은 모든 사용자가 AR(증강 현실), VR(가상 현실) 및 3D 애플리케이션을 쉽게 만들고 실행할 수 있는 도구 및 리소스를 제공합니다.  Sumerian을 사용하면 WebVR 호환 가능 브라우저를 사용하며 Android 디바이스의 ARCore에 대한 지원이 예정된 Oculus, HTC ViveiOS 디바이스와 같은 하드웨어에서 실행되는 멀티 플랫폼 환경을 구축할 수 있습니다.

현재 미리 보기로 제공되는 이 흥미로운 새 서비스는 브라우저에서 몰입도가 높고 상호 작용이 뛰어난 3D 환경을 설계할 수 있는 기능을 제공합니다. 이러한 기능의 일부는 다음과 같습니다.

  • 에디터: 교차 플랫폼 게시를 통해 3D 장면을 생성하고, 애셋을 가져오고, 상호 작용 및 특수 효과를 스크립팅하는 웹 기반 에디터입니다.
  • 객체 라이브러리: 사전 제작된 객체 및 템플릿의 라이브러리입니다.
  • 애셋 가져오기: 장면에 사용할 3D 애셋을 업로드합니다. Sumerian은 FBX, OBJ 및 예정된 Unity 프로젝트의 가져오기를 지원합니다.
  • 스크립팅 라이브러리: 고급 스크립팅 기능에 대한 3D 엔진을 통해 JavaScript 스크립팅 라이브러리를 제공합니다.
  • 호스트: 성별, 음성 및 언어에 대해 사용자 지정할 수 있는 애니메이션 효과가 적용된 생생한3D 캐릭터입니다.
  • AWS 제품 통합: Amazon Polly 및 Amazon Lex와 기본적으로 통합되어 Sumerian 호스트에 음성 및 자연어를 추가합니다. 또한 스트립팅 라이브러리와 AWS Lambda를 함께 사용하여 전체 AWS 제품을 사용할 수 있습니다.

Amazon Sumerian은 풍부하고 상호 작용하는 VR 및 AR 장면을 만들기 위해 3D 그래픽 또는 프로그래밍 환경이 필요하지 않으므로 Sumerian 대시보드를 간단히 실행하고 확인해 보겠습니다.

Sumerian 대시보드에서 버튼을 눌러 쉽게 새 장면을 만들 수 있습니다.

새 장면의 기본 보기가 열리고 Sumerian 에디터에 표시됩니다. Tara 블로그 장면이 에디터에서 열리면 내 장면으로 애셋을 쉽게 가져올 수 있습니다.

[Import Asset] 버튼을 클릭하고 애셋인 [View Room]을 선택하여 장면으로 가져옵니다. 원하는 애셋이 선택되면 [Add] 버튼을 클릭하여 가져옵니다.

훌륭합니다. Sumerian 에디터로 내 애셋을 성공적으로 가져왔으며 [Asset] 패널에 표시됩니다.  이제 [Asset] 패널에서 [View Room] 객체를 선택한 다음 에디터의 캔버스로 끌어 해당 객체를 내 장면에 추가할 수 있습니다.

애셋 가져오기 과정을 반복하며, 이번에는 [Mannequin] 애셋을 장면에 추가합니다.

또한 Sumerian을 사용하면 내 장면을 더 흥미롭게 만들기 위해 [Entity] 애셋에 스크립팅을 추가할 수 있습니다. 이렇게 하려면 엔터티에 ScriptComponent를 추가하고 스크립트를 만듭니다.  제공된 기본 스크립트를 사용하거나 자체의 사용자 지정 스크립트를 만들 수 있습니다. 새 사용자 지정 스크립트를 만들 경우 아래 코드와 비슷한 기본 JavaScript 코드가 있는 빈 스크립트가 생성됩니다.

'use strict';
/* global sumerian */
//This is Me-- trying out the custom scripts - Tara

var setup = function (args, ctx) {
// Called when play mode starts.
};
var fixedUpdate = function (args, ctx) {
// Called on every physics update, after setup().
};
var update = function (args, ctx) {
// Called on every render frame, after setup().
};
var lateUpdate = function (args, ctx) {
// Called after all script "update" methods in the scene has been called.
};
var cleanup = function (args, ctx) {
// Called when play mode stops.
};
var parameters = [];

이제 사용하여 몇 분 내에 3D 장면을 만들었으며, 표면적인 부분만 살펴보았습니다.

요약

Amazon Sumerian 서비스를 사용하면 VR(가상 현실), AR(증강 현실) 및 3D 애플리케이션을 쉽게 작성, 구축 및 실행할 수 있습니다.  장면 및 몰입도가 높은 환경을 구축하기 시작할 때 3D 그래픽 또는 전문적인 프로그래밍 지식이 필요하지 않습니다.  Sumerian에서 FBX, OBJ 및 Unity 프로젝트를 가져올 수 있으며, 장면에서 사용하기 위해 자체적인 3D 애셋을 업로드할 수도 있습니다. 또한 디지털 캐릭터를 만들어 장면을 설명하고, 이러한 디지털 애셋으로 캐릭터의 외모, 음성 및 행동을 선택할 수 있습니다.

더 자세한 사항은 제품 페이지에서 새 서비스를 시작하기 위해 미리 보기에 가입할 수 있습니다.  사용자가 만드는 모든 풍부한 환경을 빨리 보고 싶습니다.

Tara;

이 글은 AWS re:Invent 2017  행사의 주요 서비스 출시 소식으로 Presenting Amazon Sumerian: An easy way to create VR, AR, and 3D experiences의 한국어 번역입니다.