어반베이스, AWS로 서비스 출시 속도 20배 이상 높여

Urbanbase

어반베이스는 2014년 설립한 공간 데이터 플랫폼 전문 기업으로 3D 자동 변환, 3D 홈퍼니싱, 증강 현실 서비스, 공간 분석 엔진 등 공간 관련 API 서비스를 가전, 가구, 인테리어 등 다양한 업종의 기업에게 제공합니다. 플랫폼 기반 서비스 외에 3D 관련 데이터 자산도 많이 확보하고 있는 데 2019년 기준으로 대한민국 전국에 있는 아파트 도면의 80%를 보유하고 있고, 7천 개에 달하는 3D 제품 데이터도 확보했습니다. 어반베이스는 창업 후 주력하던 주거 공간 3D 데이터 시장을 넘어 경기장, 공연장 같은 엔터테인먼트 시설과 비행기나 배 같은 대형 교통수단이 실내 공간 분야에도 진출할 계획입니다.

“ 전통적인 방식을 따라 인프라를 구축했다면 아마 서버리스 환경에서 Amazon SageMaker를 사용하는 것과 비교해 20배 이상 시간이 더 걸렸을 것입니다.”

어반베이스 방현우 CTO

  • Urbanbase 정보
  • 이점
  • 사용된 AWS 서비스
  • Urbanbase 정보
  • 어반베이스는 3D 및 가상/증강 현실 공간 데이터 플랫폼 전문 기업으로 기업 고객이 보유한 공간 데이터에 잠재되어 있는 비즈니스 가치를 실현할 수 있도록 돕습니다.

  • 이점
    • 마이크로서비스 아키텍처로 전환
    • 20배 이상 신규 서비스 출시 속도 빨라져
    • 100배 이상 빠른 딥 러닝 트레이닝 속도
    • 딥 러닝 관련 비용 절감
    • 해외 시장 확대를 위한 토대 마련
  • 사용된 AWS 서비스

The Challenge

창업 초기 어반베이스는 AWS 스타트업 지원 프로그램의 도움으로 서비스 플랫폼을 구축해 운영했습니다. 이때 구축해 여러 기업 고객 및 파트너에게 제공하는 것이 2D 도면을 단 몇 초 만에 3D 도면으로 변환하는 ‘3D 자동 변환’, 3D 데이터로 가상 실내를 꾸미는 ‘3D 홈퍼니싱’, 공간과 사진 정보를 토대로 증강 현실을 경험하는 AR 서비스입니다.

3D /VR 공간 관련 서비스 수요는 전 세계적으로 급증하고 있습니다. 이에 발맞춰 사업을 확장하기 위해 어반베이스는 대규모 웹 서비스를 운영할 수 있는 마이크로서비스 아키텍처 기반이 필요했습니다.

방현우 CTO는 “그동안 우리는 모노리틱 아키텍처를 기반으로 개발을 해왔습니다. 서비스 플랫폼의 수가 적고, 규모가 작을 때는 신경쓸 것이 없었습니다. 회사가 성장하면서 대형 시스템 구축과 운영을 고민하게 되었습니다.”라고 설명했다.

잘 운영되고 있는 서비스 플랫폼의 아키텍처를 바꾸는 것은 쉽게 결정할 일이 아닙니다. 만약 시스템 마이그레이션에 문제가 생기면 고객과 파트너의 비즈니스에 영향을 줄 수 있습니다. 어반베이스는 간단 명료하게 전략을 세웠습니다. 기존 시스템은 컨테이너 기반으로 고도화하고, 새로 개발이 시작된 신규 서비스는 서버리스 아키텍처를 따르기로 한 것입니다.

Why Amazon Web Services

어반베이스는 고성능 컨테이너 오케스트레이션 서비스인 Amazon EC2를 이용해 기존 VM 환경을 고도화하였습니다. 그리고 서버 프로비져닝과 관리 걱정이 없는 서버리스 서비스를 이용해 딥러닝 기반으로 준비하던 공간 분석 엔진 관련 신규 서비스 개발에 착수하였습니다. 이 서비스는 컴퓨터 비전과 딥 러닝 기술을 이용해 공간 분석, 사물 인식, 취향 분석, 상품 추천 등을 플랫폼 형태로 제공하는 것입니다.

방현우 CTO는 “우리 같은 스타트업은 빠른 프로토타입 개발이 중요합니다. 꾸준히 새로운 아이디어를 실현하는 데 있어 마이크로서비스 아키텍처는 좋은 선택입니다”라고 말했습니다. 그는 또한 “Amazon SageMaker에 포함된 알고리즘을 이용한 덕에 모델 설계 작업에 시간을 많이 쓸 필요가 없었습니다. 모델 생성, 트레이닝, 엔드포인트 생성 등도 매우 간편했습니다.”고 덧붙여 설명했습니다.

The Benefits

어반베이스는 마이크로서비스 아키텍처로 전환하면서 새로운 서비스 플랫폼을 더 빠르고 효율적으로 개발하고 운영할 수 있는 가능성을 확인했습니다. 방현우 CTO는 “AI 기능이 필요한 개발의 경우 성능이 매우 중요하다. 모델 트레이닝 시간이 길어지면 개발 기간도 그만큼 늘어납니다. 전에 회사에서 운영하던 워크스테이션으로 트레이닝을 했습니다. 그때와 Amazon SageMaker를 사용하는 것을 비교하면 성능이 100배가량 차이가 납니다.”고 말했다.

트레이닝을 마친 모델을 프로덕션 환경에 배포하고, 엔드포인트에서 인퍼런싱을 하는 데도 비용 절감 효과를 보았습니다. 방현우 CTO는 “Amazon SageMaker의 유연한 설정 지원 덕에 자원과 성능이 많이 필요한 모델 개발과 트레이닝을 할 때는 GPU를 쓰고, 인퍼런싱을 할 때는 CPU를 선택적으로 쓸 수 있어 비용 절감에 큰 도움을 받고 있습니다.”고 설명했습니다.

한편 서버리스 환경이 주는 시간과 비용 절감 폭도 상당히 큽니다. 방현우 CTO는 “전통적인 방식을 따라 인프라를 구축했다면 아마 서버리스 환경에서 Amazon SageMaker를 사용하는 것과 비교해 20배 이상 시간이 더 걸렸을 것입니다”라고 말했습니다.


자세히 알아보기

To learn more, visit Amazon Web Services