NASA 제트 추진 연구소(JPL)는 ATHLETE(All-Terrain Hex-Limbed Extra-Terrestrial Explorer) 로봇을 개발했습니다. 다용도 차량인 ATHLETE은 여섯 개의 사지 각각이 바퀴에 연결되어 매끄러운 표면부터 굴곡진 언덕과 거칠고 가파른 지형까지 다양한 지형을 주행할 수 있습니다. 하지만 바퀴를 고정시키면 사지를 다목적 다리로 변신시켜 로봇의 발로 사용할 수도 있습니다. ATHLETE 로봇은 화물 싣고 내리기 및 장거리 화물 운반에도 사용할 수 있습니다.

D-RATS(Desert Research and Training Studies)의 일환으로 NASA/JPL은 매년 다른 NASA 센터의 로봇과 연계하여 ATHLETE 로봇의 현장 테스트를 실시합니다. 운전원은 로봇을 운전하면서 유도, 위치 조정, 상황 인식을 위해 고해상도 위성 이미지를 이용합니다. 위성 이미지 처리의 효율을 높이기 위해 NASA/JPL 엔지니어들은 워크플로의 병렬적 성격을 활용하는 애플리케이션을 개발했습니다. NASA/JPL은 이를 위해 Amazon Web Services(AWS)를 사용합니다.

이 애플리케이션은 Amazon Elastic Compute Cloud(Amazon EC2)에서 수백 개의 노드를 활용하는 프로세스를 효율화하도록 설계된 모듈형 워크플로 오케스트레이션 프레임워크인 Polyphony를 기반으로 구축됩니다. Polyphony는 로컬 머신의 초과 용량과 슈퍼컴퓨팅 센터의 여분의 리소스를 융통하여 AWS 클라우드에 완벽히 결합됩니다. 가장 중요한 것은 Polyphony를 통한 리소스 연동으로 공통의 목표를 달성할 수 있다는 점입니다. NASA/JPL 개발자들은 Amazon Simple Queue Service(Amazon SQS)를 사용하여 단일 클래스 작성만으로 Amazon EC2에서 대규모 계산을 배포할 수 있습니다.

NASA/JPL은 이전에 Polyphony를 사용해 Amazon EC2 환경에서 수만 개의 작은 이미지를 처리하는 클라우드 컴퓨팅의 효용을 검증한 바 있습니다. 하지만 NASA/JPL은 거대한 이미지 처리를 위해 클러스터 컴퓨팅 환경을 채택했고, 최근에는 2010년 D-RATS 현장 테스트에서 ATHLETE 로봇을 지원하기 위해 3.2기가 픽셀의 이미지 하나를 처리했습니다. 수석 솔루션스 아키텍트인 Khawaja Shams는 "AWS 리소스는 30개의 클러스터 컴퓨팅 인스턴스로 이루어진 클러스터에서 2시간 안에 작업을 완료했습니다."라고 보고합니다. 이는 예전의 구현에 비해 상당한 개선을 보여 주는 것입니다."

Polyphony는 ATHLETE 로봇 지원 외에도 화성 과학 실험실에도 전달되어 화성에서 다운로드되는 데이터를 처리하는 주요 데이터 처리 및 전달 파이프라인 중 하나의 역할을 했습니다. Shams는 이 애플리케이션으로 "AWS에서 거의 20만 장의 Cassini호 이미지를 몇 시간 안에 200 USD 미만으로 처리할 수 있었습니다."라고 설명합니다. AWS로 전환하기 전에는 내부적인 탄력성이 부족했기 때문에 Shams의 말에 따르면 "로컬에서 한 대의 머신만을 사용해 같은 작업에 15일 이상을 소모해야 했습니다." AWS가 제공한 효율과 비용 절감은 값진 것임이 입증되었습니다.

AWS 클라우드에서의 웹 애플리케이션 구축에 대해 자세히 알아보려면 http://aws.amazon.com/web-mobile-social/을 방문하십시오.

NASA/JPL이 AWS 클라우드를 다른 임무와 연구에 어떻게 사용하는지 자세히 알아보려면 NASA/JPL의 MER 및 CARVE 미션NASA/JPL의 화성 큐리어시티 미션 고객 성공담을 참고하십시오.