SageMaker는 데이터 준비부터 모델 배포, 모니터링에 이르기까지 워크플로를 자동화하는 완전관리형 ML 도구를 제공합니다. 따라서 복잡한 ML 인프라를 관리할 필요가 없습니다. Lambda를 사용하면 서버를 프로비저닝하거나 관리하지 않고도 코드를 실행할 수 있으므로 운영 부담이 더욱 줄어듭니다. 또한 Amazon DynamoDB는 지연 시간이 짧은 데이터 스토리지 및 검색을 용이하게 하고 관리 작업을 최소화합니다. 마지막으로, AWS Step Functions는 복잡한 워크플로의 오케스트레이션을 간소화하고 내장된 오류 처리 기능을 제공하여 안정성을 높이고 수동 개입의 필요성을 줄입니다.

AWS Identity and Access Management (IAM) 를 사용하면 최소 권한 원칙을 구현하여 승인된 사용자와 서비스에게 의도한 작업을 수행하는 데 필요한 최소 권한만 부여하여 무단 액세스 또는 우발적인 오용의 위험을 줄일 수 있습니다. Amazon Virtual Private Cloud (Amazon VPC) 는 본 지침을 구성하는 구성 요소에 대해 논리적으로 격리된 환경을 제공합니다. 따라서 보안 그룹 및 네트워크 액세스 제어 목록을 사용하여 인바운드 및 아웃바운드 트래픽을 제어할 수 있습니다. 또한 서버리스 서비스인 Lambda는 잠재적 공격 표면을 최소화하여 보안을 강화합니다. 기본 서버를 관리하고 보호할 필요가 없으므로 서버 구성 오류 또는 오래된 소프트웨어 버전과 관련된 취약성 위험을 줄일 수 있습니다.

Lambda는 수신 트래픽을 기반으로 컴퓨팅 리소스의 규모를 자동으로 조정하므로 애플리케이션이 수동 개입 없이 수요 변동을 처리하여 가동 중지 시간을 최소화할 수 있습니다. DynamoDB는 여러 가용 영역에 걸친 복제 기능을 기본 제공하여 중복성을 제공하고 인프라 장애로 인한 데이터 손실 위험을 최소화합니다. 마지막으로 Step Functions를 사용하면 강력하고 내결함성이 있는 서버리스 워크플로를 구축할 수 있습니다. 자동 재시도, 오류 처리와 같은 기본 제공 기능은 일시적인 오류로부터 태스크를 복구하는 데 도움이 됩니다.

Lambda를 사용하면 애플리케이션을 원활하게 확장하고 성능 저하 없이 트래픽 변동을 처리할 수 있습니다. DynamoDB는 높은 처리량과 짧은 지연 시간의 데이터 액세스를 지원하므로 사기 탐지 프로세스를 성능 병목 현상 없이 실시간으로 운영할 수 있습니다. 또한 SageMaker는 ML 모델 개발 라이프사이클을 자동화하고 가속화하여 모델을 효율적이고 빠르게 반복하고 미세 조정할 수 있도록 합니다. 그 결과, 모델 정확도가 개선되고 전체 솔루션 성능이 향상됩니다.

성능 효율성 백서 읽기

Lambda는 수요에 맞춰 확장할 수 있는 서버리스 컴퓨팅 모델을 사용하며, 사용한 컴퓨팅 시간에 대해서만 비용을 지불하면 됩니다. 이를 통해 서버의 과다 프로비저닝 또는 활용도 저하로 인한 비용을 피할 수 있습니다. DynamoDB를 사용하면 전담 데이터베이스 관리자 및 관련 비용이 필요하지 않으며 수동 개입 없이 트래픽 변동에 맞게 자동으로 확장됩니다. 또한 SageMaker는 완전 관리형 ML 환경을 제공하여 모델 개발, 교육 및 배포를 위한 하드웨어 및 소프트웨어를 조달하고 유지 관리하는 데 드는 비용을 절감합니다.

비용 최적화 백서 읽기

Lambda를 사용하면 애플리케이션을 수요에 따라 자동으로 확장하거나 축소하여 애플리케이션을 사용하지 않을 때 에너지 소비를 최소화할 수 있습니다. SageMaker는 관리형 ML 환경을 제공하여 전용 ML 인프라를 설정하고 유지 관리하는 데 필요한 에너지 및 리소스 소비를 줄입니다. 마지막으로 DynamoDB는 트래픽 패턴을 기반으로 리소스를 자동으로 확장하여 리소스 사용을 최적화하고 데이터베이스 리소스의 과다 프로비저닝이나 활용도가 낮아 환경에 미치는 영향을 최소화합니다.

지속 가능성 백서 읽기