AWS를 활용하여 20배 더 빨리 서비스를 출시하는 어반베이스

어반베이스

2014년 설립된 어반베이스는 현재 한국 내 아파트의 80%에 해당하는 공간 데이터와 7,000개 3D 제품의 데이터를 보유하고 있는 공간 정보 플랫폼 기업입니다. 자동 3D 변환, 3D 홈 퍼니싱, 증강 현실 서비스 등의 애플리케이션 프로그램 인터페이스(API) 서비스를 인테리어, 건설, 가전 및 가구 회사에 제공하고 있습니다.

어반베이스는 주거 시설 3D/VR 공간 정보에서 경기장이나 극장 같은 엔터테인먼트 시설과 비행기, 선박 등의 교통 상품으로 서비스를 확장할 계획입니다.

"전통적인 방식으로 인프라를 구축했다면, Amazon SageMaker를 사용할 때보다 20배 이상 더 오래 걸렸을 것입니다."

– 방현우, CTO, 어반베이스

  • 어반베이스 소개
  • 이점
  • 사용된 AWS 서비스
  • 어반베이스 소개
  • 어반베이스는 기업 파트너가 VR/AR 기술 및 데이터를 통해 고객을 위한 잠재적 가치를 찾아낼 수 있도록 지원하는 공간 데이터 플랫폼 기업입니다.

  • 이점
    • 새로운 마이크로서비스 아키텍처
    • 서비스 출시 속도 20배 향상
    • 개발 속도 100배 향상
    • 딥 러닝 비용 절감
    • 해외 사업 확장 지원
  • 사용된 AWS 서비스

당면 과제

초창기 어반베이스는 Amazon Web Services의 AWS Startups 지원 프로그램의 도움을 받아 클라우드에서 서비스 플랫폼을 구축하고 운영했습니다. 덕분에 몇 초 만에 2D 도면을 3D로 자동 변환하고, 가상 인테리어를 3D 데이터로 렌더링하고 데코레이션을 적용하며, 공간 및 사진 정보를 기반으로 증강 현실(AR) 환경을 창조할 수 있게 되었습니다.

3D/VR 공간 관련 서비스에 대한 수요가 전 세계적으로 급증하고 있는 상황에서, 어반베이스의 해외 시장 확대 목표를 지원하기 위해서는 대용량 웹 서비스가 필요했고 이 서비스를 제공하는 데에는 마이크로서비스 아키텍처가 제격이었습니다.

어반베이스 CTO 방현우 씨는 "이전에는 서비스 플랫폼에 모놀리식 아키텍처를 사용했는데, 소규모였기 때문에 문제가 되지 않았습니다. 하지만 회사가 성장함에 따라 더 큰 시스템을 구축하고 운영해야 했고, 이를 지원할 새로운 아키텍처가 필요했습니다."라고 말합니다.

마이그레이션 문제는 고객과 파트너 모두에게 영향을 미칠 수 있는 만큼, 검증된 서비스 플랫폼의 아키텍처를 변경하기가 쉽지 않습니다. 이에 어반베이스는 기존 시스템을 컨테이너 기반 환경으로 업그레이드하고 새로운 서비스는 서버리스 아키텍처를 기반으로 구축한다는 단순한 전략을 채택했습니다.

Amazon Web Services를 선택한 이유

어반베이스는 컴퓨터 비전 및 딥 러닝 기술을 사용하여 공간 분석, 객체 인식, 사용자 취향 분석 및 제품 추천을 제공하는 고성능 컨테이너 오케스트레이션 서비스인 Amazon Elastic Compute Cloud(Amazon EC2)를 사용하여 기존 VM 환경을 개선했습니다.

방현우 씨는 "저희와 같은 스타트업에게는 프로토타입을 빠르게 개발하는 것이 중요합니다. 마이크로서비스 아키텍처는 새로운 아이디어를 꾸준히 실현하는 데 도움이 됩니다. Amazon SageMaker에 포함된 알고리즘을 사용했기 때문에 모델을 설계하는 데 시간을 낭비할 필요가 없었습니다. 모델링, 훈련 및 엔드포인트 생성 방식도 매우 간단했기 때문에 완전한 기능을 갖춘 서버리스 프런트엔드 애플리케이션을 개발할 수 있었습니다."라고 말합니다.

이점

서버리스 아키텍처로 전환한 어반베이스는 새로운 서비스 플랫폼을 더 빠르고 효율적으로 개발하고 운영할 수 있게 되었습니다. Amazon Simple Storage Service(Amazon S3)와 AWS Lambda 및 Amazon SageMaker를 결합함으로써 공간 분석 플랫폼을 효율적으로 빠르고 원활하게 개발할 수 있었습니다. 개발자들이 더 이상 인프라에 신경 쓸 필요가 없게 되었고, 결과적으로 어반베이스는 일관된 개발 및 운영 환경을 제공할 수 있게 되었습니다.

방현우 씨는 "AI 기능이 필요한 개발에서는 성능은 매우 중요합니다. 모델 훈련 시간이 늘어날수록 개발 시간도 늘어나기 때문이죠. Amazon SageMaker는 온프레미스 워크스테이션에 비해 약 100배 더 빠른 성능을 제공합니다. 또한 유연한 구성을 통해 모델을 쉽게 개발 및 훈련할 수 있으며, CPU를 추론에 선택적으로 사용할 수 있어 비용 절감에 도움이 됩니다."라고 설명하며

"전통적인 방식으로 인프라를 구축했다면, 서버리스 환경에서 Amazon SageMaker를 사용할 때보다 20배 이상 더 오래 걸렸을 것입니다."라고 덧붙였습니다.


자세히 알아보기

자세한 내용은 Amazon Web Services를 참조하세요.