AWS 클라우드 데이터베이스

생성형 AI 애플리케이션을 규모와 관계없이 구동할 수 있는 고성능의 안전하고 신뢰할 수 있는 기반

왜 AWS 데이터베이스를 사용해야 합니까?

AWS 데이터베이스는 비즈니스와 고객을 위한 가치를 창출하는 생성형 AI 솔루션과 데이터 기반 애플리케이션을 구동하기 위한 고성능의 안전하고 신뢰할 수 있는 기반을 제공합니다. AWS 고성능 데이터베이스는 타사 대비 처리량이 3~5배 빠른 관계형 데이터베이스, 지연 시간이 마이크로초 단위인 목적별 데이터베이스, 처리 속도가 가장 빠르고 재현율이 가장 높은 내장형 벡터 데이터베이스 기능 등 모든 워크로드 또는 사용 사례를 지원합니다. AWS는 필요에 따라 즉시 확장하여 용량을 관리할 필요가 없는 서버리스 옵션을 제공합니다. AWS 데이터베이스는 저장 시와 전송 시 암호화, 네트워크 격리, 인증, 이상 징후 해결, 엄격한 규정 준수를 통해 독보적인 보안을 제공합니다. 데이터가 AWS 리전 내 여러 가용 영역에 자동으로 복제되기 때문에 신뢰성이 매우 높습니다. 애플리케이션의 데이터 모델에 최적화된 15개 이상의 데이터베이스 엔진을 갖춘 AWS 완전관리형 데이터베이스는 획일적이고 부담스러운 데이터베이스 관리 작업을 줄여줍니다.

AWS 클라우드 데이터베이스의 이점

강력한 생성형 AI 앱

기본적인 벡터 데이터베이스 기능을 사용하여 짧은 지연 시간으로 높은 처리량을 구현하고 관련성이 높은 벡터 검색 결과를 얻을 수 있습니다. Amazon Bedrock과 통합되어 완전 관리형 자동 검색 증강 생성(RAG)을 구현합니다.

보안 및 복원력

저장 및 전송 중 암호화, 네트워크 격리 등을 통해 애플리케이션을 보호합니다. AWS는 최대 99.999%의 가용성, 다중 AZ 배포, 다중 리전 복제, 자동 장애 조치 등의 복원력을 제공합니다.

대규모 성능

소규모로 시작하여, 다른 데이터베이스에 비해 처리량이 3~5배 많은 관계형 데이터베이스 또는 규모와 관계없이 밀리초에서 마이크로초 미만의 지연 시간을 제공하는 비관계형 데이터베이스로 규모를 조정할 수 있습니다.

비용 효율성

작업에 적합한 도구를 사용하여 총 소유 비용을 낮추고, 서버리스, Aurora I/O 최적화(가격 예측), EC2 Graviton4 인스턴스(추가적인 가격 대 성능비 이점) 같은 혁신 기술을 활용하세요.

완전관리형

시간이 많이 걸리는 작업에서 팀을 해방시키세요. 운영 우수성이 입증된 AWS는 서버 프로비저닝, 백업과 같은 작업을 처리할 뿐만 아니라 지속적인 모니터링, 자가 복구 스토리지, 오토 스케일링도 제공합니다.

운영의 단순성

관리할 서버가 없고 유지 보수로 인한 가동 중지 시간이 없는 서버리스를 사용하여 즉시 규모를 조정할 수 있습니다. 또한 AWS 제로 ETL 통합을 통해 운영 데이터에 대한 분석, ML, 검색이 간소화되기 때문에 데이터 파이프라인을 구축하거나 관리할 필요가 없습니다.

멀티 클라우드 전략 지원

많은 AWS 데이터 서비스가 멀티 클라우드 전략을 지원합니다. 오픈 소스 데이터베이스와의 완전한 와이어 프로토콜 호환성과 같은 개방형 표준을 지원하므로 AWS의 데이터베이스는 다른 클라우드 및 온프레미스 환경에서 호스팅되는 다른 오픈 소스 호환 데이터베이스와 원활하게 통합됩니다. 애플리케이션을 수정하지 않고 AWS 오픈 소스 호환 데이터베이스와 통신할 수 있습니다. ODBC, JDBC, LangChain, LlamaIndex와 같은 오픈 소스 프레임워크와도 통합됩니다.

AWS 데이터베이스는 멀티 클라우드 환경을 지원하는 다양한 AWS 서비스와 통합됩니다. 예를 들어 Amazon Elastic Kubernetes Service(EKS)는 Amazon Aurora, Amazon DynamoDB, Amazon ElastiCache 등과 통합됩니다. 이러한 EKS 클러스터를 멀티 클라우드 환경의 다른 Kubernetes 서비스와 통합할 수 있습니다. AWS IAM Roles Anywhere를 사용하면 다른 클라우드 제공업체 등 AWS 외부에서 실행되는 워크로드에 IAM 역할 및 정책을 사용하여 AWS 리소스에 대한 임시 액세스 권한을 부여할 수 있습니다. AWS DMS를 사용하여 클라우드 간에 데이터를 이동할 수도 있습니다.

간편한 상호 운용성과 이동성 덕에 요구 사항 및 제약 조건에 따라 다양한 환경에 유연하게 워크로드를 배포할 수 있습니다.

가장 인기 있는 콘텐츠

분석가 보고서

대다수의 SQL Server 사용자가 AWS를 기본 클라우드 제공업체로 선택 »

분석가 스냅샷

Amazon Aurora를 사용하면 데이터베이스 관리 팀의 효율성이 62% 향상되고 3년간 434%의 ROI를 달성할 수 있다는 IDC 연구 »

애널리스트 보고서

Amazon ElastiCache를 사용하면 예기치 않은 데이터베이스, 애플리케이션, 워크로드 인시던트가 매년 68% 감소한다는 IDC 연구 »

분석가 보고서

Amazon DynamoDB를 사용하면 조직당 연평균 848만 USD의 이익을 얻을 수 있다는 IDC 연구 »

분석가 보고서

Amazon RDS를 사용하면 조직당 연평균 1,170만 USD의 이익을 얻을 수 있다는 IDC 연구 »

ebook

신규! Valkey의 설계 패턴 »

백서

글로벌 복원력을 위한 Amazon Aurora 고가용성 및 재해 복구 기능 »

ebook

쉬워진 Amazon DocumentDB 데이터 모델링 »

백서

Building modern applications using AWS Databases »

가격 대비 성능을 개선하고 비용을 최적화하는 간편한 방법

50%

DynamoDB 온디맨드 요금에 대한 요금 인하 및 DynamoDB 글로벌 테이블의 경우 최대 67%

33%

Valkey용 ElastiCache 서버리스 요금 인하 - 월 6 USD의 저렴한 비용으로 시작할 수 있습니다

최대 29%+

Amazon Aurora 및 Amazon RDS에서 AWS Graviton4로 가격 대비 성능 개선

최대 30%

Amazon Aurora 최적화 읽기를 통한 비용 절감 및 최대 8배 향상된 쿼리 지연 시간

최대 90%

Amazon Aurora Serverless 및 Amazon Neptune Serverless로 비용 절감

최대 72%

Amazon ElastiCache로 처리량 증가 및 지연 시간 최대 71% 감소

AWS 벡터 데이터베이스 기능에 대해 자세히 알아보기

블로그

생성형 AI 애플리케이션에서 벡터 데이터 스토어의 역할 »

블로그

최적화된 읽기 및 pgvector를 사용하여 Amazon Aurora에서 생성형 AI 워크로드의 성능 개선 »

블로그

Amazon Aurora와 Amazon Bedrock용 기술 자료를 사용하여 생성형 AI 애플리케이션 구축 »

워크숍

Aurora PostgreSQL과 pgvector를 사용한 생성형 AI 사용 사례 »

동영상

PostgreSQL에서 생성형 AI 앱에 사용할 벡터 데이터 쿼리 시 모범 사례 »

워크숍

OpenSearch Service 및 Amazon Bedrock과 DynamoDB 제로 ETL 통합을 사용한 생성형 AI »

동영상

Amazon Neptune Analytics 및 생성형 AI 기능 집중 탐구 »

고객 레퍼런스

Learn how Xata migrated a customer from Pinecone to Aurora PostgreSQL and realized a 65% cost reduction while meeting query latency targets »

데이터베이스 서비스

데이터베이스 유형
예시
AWS 서비스

                                                                               

기존 애플리케이션, 전사적 자원 관리(ERP), 고객 관계 관리(CRM), 전자 상거래, 생성형 AI 사용 사례(예: 검색 증강 생성 기능이 있는 챗봇, 유사성 검색, 추천 시스템 등)
Amazon Aurora
Amazon RDS
Amazon Redshift

                                            

트래픽이 많은 웹 애플리케이션, 전자 상거래 시스템, 게임 애플리케이션, 생성형 AI 사용 사례(예: Amazon OpenSearch Service와 DynamoDB 제로 ETL 통합을 사용한 유사성 검색)
Amazon DynamoDB

                                                                                    

캐싱, 세션 관리, 게임 순위표, 지리 공간 애플리케이션, 생성형 AI 사용 사례(예: 검색 증강 생성 기능이 있는 챗봇, 시맨틱 캐싱, 추천 시스템, 사기 탐지 등)
Amazon ElastiCache
Amazon MemoryDB

                                                                               

                                                       

콘텐츠 관리, 카탈로그, 사용자 프로필, 생성형 AI 사용 사례(예: 검색 증강 생성 기능을 갖춘 챗봇, 유사성 검색, 추천 시스템 등)
Amazon DocumentDB(MongoDB 호환)

   

                             

사기 탐지, 소셜 네트워킹, 추천 엔진, 생성형 AI 사용 사례(예: GraphRAG, 개선된 사기 탐지, 새로운 답변 검색 등)
Amazon Neptune
장비 관리, 플릿 관리 및 경로 최적화에 사용하는 대규모 산업용 앱
Amazon Keyspaces
사물 인터넷(IoT) 애플리케이션, DevOps, 산업용 텔레메트리
Amazon Timestream

10분 단계별 자습서로 자세히 알아보기 »

삼성은 3개 대륙의 11억 사용자를 Oracle에서 Amazon Aurora로 이전했습니다.

"특히 비용에 초점을 맞추면 Amazon Aurora의 확장성이 가장 큰 이점입니다. 삼성은 매월 데이터베이스 비용을 44% 절감했습니다."

- Salva Jung, 수석 아키텍트 및 엔지니어링 관리자

자세히 알아보기 »

사례 연구

Experian은 Amazon DynamoDB 및 Amazon Aurora의 고가용성을 사용하여 100%의 운영 가동 시간을 달성합니다. 자세히 알아보기 »

A+E Networks는 서버리스 AWS 데이터베이스를 사용하여 마이크로서비스 기반 클라우드 네이티브 애플리케이션을 생성함으로써 확장을 촉진합니다. 자세히 알아보기 »

Pokémon은 AWS 목적별 데이터베이스로 마이그레이션하여 매월 수만 USD의 비용을 절감했습니다. 자세히 알아보기 »

Cathay Pacific은 AWS에서 승객 매출 최적화 시스템을 현대화하고 성능을 20% 개선했습니다. 자세히 알아보기 »