Autodesk와 AWS

이번 AWS Conversations With Leaders 동영상에서는 Autodesk의 아키텍처, 엔지니어링 및 건설 설계 솔루션 부문 Amy Bunszel 부사장이 Autodesk의 성공과 무모함 없이 위험을 감수하는 방법에 대한 자세한 이야기를 들려줍니다. 이 접근 방식은 회사 내에 실험 문화를 만들고 대규모 확장에 적합한 팀을 꾸려 복잡한 문제를 해결하는 데 필요한 추진력을 얻을 수 있도록 했습니다.

이 동영상에서는 Autodesk의 CIO인 Prakash Kota가 디지털 미래에서 성공하는 데 필요한 기능을 인력 및 비즈니스에 제공하기 위한 조직적 전략 및 모범 사례에 대해 설명합니다.

Autodesk CIO 겸 전무 이사인 Prakash Kota가 회사 전체의 엔터프라이즈 워크로드를 AWS 클라우드로 마이그레이션하고 직원과 경영진이 여기에 참여하도록 하는 방법에 대해 이야기합니다. 또한, AWS Training and Certification을 통해 직원에게 동기를 부여하는 방법에 대해 설명합니다. Autodesk의 디지털 트랜스포메이션에서 얻은 주요 교훈은 소규모로 시작하고 직원들을 위해 지속적인 학습 문화를 구축하여 빠르게 확장해야 한다는 것입니다.

Autodesk는 Amazon SageMaker를 기반으로 구축된 기계 학습 모델을 사용하여 설계자가 수천 개의 제너레이티브 설계 옵션을 구성하고 정렬할 수 있도록 지원합니다. 오스트리아의 설계 스튜디오인 Edera Safety는 Autodesk의 제너레이티브 설계 프로세스를 통해 성능과 효율성이 개선된 척추 보호대를 제작했습니다.

Autodesk Data Platform(ADP)은 제품 사용 데이터를 수집하고 처리하여 Autodesk의 운영 팀에 제품 분석 플랫폼을 제공합니다. ADP를 Spark 기반 처리 시스템에서 AWS Lambda로 마이그레이션함으로써 Autodesk는 연간 데이터 처리 비용을 최대 90% 절감합니다. 현재 Autodesk는 데이터를 거의 실시간으로 처리하므로 비즈니스 사용자가 제품 개선 및 기타 비즈니스 기회를 활용할 수 있도록 적시에 분석을 제공합니다.

고객이 프로젝트 수명 주기 전반에 걸쳐 보다 빠르고 효율적이며 지속 가능한 방식으로 작업할 수 있도록 지원하기 위해 Autodesk는 복잡하고 기하급수적으로 증가하는 데이터를 처리할 수 있는 인프라를 재구상해야 했습니다. Autodesk가 사용한 5단계 프레임워크에 대해 알아봅니다.

Autodesk는 Amazon SageMaker를 사용하여 기계 학습 기술 모델을 구축했습니다. Amazon SageMaker는 사용자를 지원할 수 있는 적절한 팀을 선택할 수 있도록 설계되었으므로 일반적인 분류 모델과 차별화됩니다. 이는 사례의 주제를 예측한 다음 그 주제에 맞춰 사례를 전달하는 다른 많은 모델과 대조됩니다.

Autodesk는 Community Match라는 포럼의 새로운 반복에 대한 기계 학습 모델을 구축하고 신속하게 배포하기 위해 AWS 솔루션을 선택했습니다. 이 모델은 포럼 구성원의 전문 지식을 포럼에 올라온 질문과 연결합니다. 이는 특정 주제에 관한 전문가인 커뮤니티 회원이 Autodesk 솔루션에 대한 내부 지식을 공유하도록 장려하고자 하는 아이디어에서 탄생했습니다. 이전에는 고객이 문제를 해결해야 할 때만 Autodesk 지원을 요청했지만 이제는 공유 커뮤니티의 지식을 활용하여 Autodesk 소프트웨어를 보다 효과적으로 사용합니다.

고객 재무 지표를 전방위적으로 파악할 수 있도록 개발하면 기업에서 고객 관리 팀의 전략에 대응하는 대신 적극적으로 의사 결정을 내릴 수 있게 됩니다. 그러나 고객 데이터는 일반적으로 다양한 소스에 저장되며 ID, 계정 이름 및 기타 필드를 매핑하여 지표를 결합하는 데 많은 노력이 필요합니다. 이 데이터는 서로 다른 형식으로 표시될 수 있으며 레코드 수는 일반적인 데이터 도구가 처리할 수 있는 것보다 많을 수 있습니다. Autodesk는 AWS의 Trifacta를 활용하여 데이터 파이프라인 프로세스를 간소화하고 전체적인 고객 분석 제공을 자동화합니다.

Autodesk는 렌더링에 상당한 컴퓨팅 용량이 필요한 설계 소프트웨어를 만듭니다. Autodesk에서 서비스형 렌더링(RaaS) 워크로드는 총 지출이라는 측면에서 단일로는 최대 규모였습니다. 이제 Autodesk는 Amazon EC2 스팟 인스턴스를 사용하여 RaaS 기능에 대한 비용을 대폭 절감합니다.

Autodesk는 AWS를 채택함으로써 이익을 얻었지만, 2명으로 구성된 사내 AWS 운영 팀에게 있어 새 AWS 계정을 만드는 것은 도전이었습니다. 계정 설정을 수동으로 처리했기 때문에 새 계정 요청에 2주가 소요되었고 사람의 실수가 발생할 위험이 있었습니다. Autodesk는 인프라 관리에 필요한 시간과 비용을 최소화하기 위해 서버리스 아키텍처를 사용하여 솔루션을 구축했습니다. 이제 Autodesk 개발자는 이 솔루션을 통해 새 계정을 요청하는 온라인 양식을 제출하고 API가 계정 생성 프로세스를 트리거합니다. 계정 번호, 이메일 주소 또는 IP 주소로 계정을 쿼리할 수 있도록 지원하는 이 솔루션을 개발하고 출시하는 데는 한 달밖에 걸리지 않습니다.

Autodesk는 Amazon WorkSpaces를 사용하여 물리적 하드웨어를 임대하는 대신, 제로 클라이언트에서 가상 워크스테이션을 호스팅함으로써 구성 효율성을 높이고 탄소 배출을 줄입니다. Autodesk는 AWS를 통해 Autodesk University 행사에서 450개의 워크스테이션을 설치 및 배포하여 1주일에 달하는 시간과 수천 USD의 비용을 절약했습니다.

AWS Support는 Autodesk가 기본 AWS 서비스를 설계하는 데 귀중한 시간을 소비하는 대신 핵심 비즈니스에 집중할 수 있도록 지원합니다. Autodesk는 AWS Support를 마치 Autodesk 내의 다른 부서 또는 그룹과 같은 가상 인프라 지원 팀으로 생각합니다. 언제든지 사전 통지 없이 연락하여 필요한 수준의 지원을 받을 수 있다는 것을 알고 있기 때문입니다.

Autodesk는 시각적 유사성에 대한 기계 학습 모델을 신속하게 설계, 훈련 및 디버깅했습니다. 그리고 Autodesk는 SageMaker Debugger를 사용하여 Fusion 360의 성능을 개선하고 시간과 컴퓨팅 비용을 절감했습니다.

AWS에서 실행되는 클라우드 기반 VFX 프로젝트 관리 애플리케이션인 Autodesk Shotgun 프라이빗 클라우드에 대해 알아봅니다. Autodesk Shotgun은 크리에이티브 프로젝트 관리를 간소화하고 시각적 효과(VFX), 애니메이션 및 모든 규모의 게임 팀을 통합합니다. Shotgun은 확장 가능한 온디맨드 플랫폼으로, 몇 명의 사용자부터 수천 명의 사용자까지 지원할 수 있으며, 전 세계적으로 1,000개가 넘는 스튜디오에서 매일 수백만 개의 태스크를 추적하는 데 사용됩니다. 이 단계별 가이드에서는 고객이 가장 엄격한 보안 요구 사항까지 해결하는 강력한 SaaS 애플리케이션을 구축할 수 있도록 AWS가 어떻게 지원하는지 보여줍니다.

Autodesk는 가동 중지 시간을 최소화하면서 미션 크리티컬 데이터베이스를 마이그레이션했습니다. 이 마이그레이션은 Autodesk SSO 서비스의 관리 및 복원을 간소화하고 비용을 최적화하며 인프라 유지 관리에 대한 추가 비용을 절감하는 데 도움을 주었습니다. 이 블로그에서는 마이그레이션 전 아키텍처, 마이그레이션 전략, 마이그레이션 단계 및 성능 비교에 대해 자세히 설명합니다.

Autodesk는 소프트웨어 구축, 실행 및 배포 방법을 표준화하는 엔드 투 엔드 에코시스템을 만들었습니다. 하나의 Amazon ECS 클러스터에서 Linux 워크로드와 Windows 워크로드를 모두 실행할 수 있습니다.