파일용 AWS Storage Gateway

파일 게이트웨이를 사용하면 대규모 파일 및 미디어 자산을 AWS에 비용 효율적이면서 안정적으로 저장할 수 있습니다. 또한, 로컬 애플리케이션은 자주 사용되는 콘텐츠의 로컬 캐시를 통해 지연 시간이 짧은 이점을 누릴 수 있습니다. 그 결과, Amazon EC2를 비롯하여 어디에 게이트웨이 어플라이언스를 배포하든 NFS 또는 SMB를 통해 온프레미스 애플리케이션에서 손쉽게 액세스할 수 있는 계층화된 하이브리드 클라우드 콘텐츠 스토리지가 됩니다. Storage Gateway는 자동으로 파일 메타데이터를 객체 메타데이터로 보존하고, 디렉터리 구조를 객체 이름에 포함하여 이를 보존합니다. Amazon S3에 저장된 콘텐츠는 API를 통해 클라우드 내 서비스에서 조작할 수 있습니다. 예를 들어 AWS Lambda 함수로 자동 이미지 크기 조정을 수행하거나 Amazon Elasticsearch Service를 사용하여 파일을 인덱싱할 수 있습니다.

많은 조직이 백업과 같은 2차 및 3차 데이터를 클라우드로 이전하는 것으로 클라우드 여정을 시작합니다. 파일 게이트웨이의 SMB 및 NFS 인터페이스는 IT 그룹이 기존 온프레미스 백업 시스템에서 클라우드로 간단히 백업 작업을 전환하는 데 매우 적합한 방법을 제공합니다. SMB 또는 NFS에 쓸 수 있는 백업 애플리케이션, 네이티브 데이터베이스 도구 또는 스크립트는 파일 게이트웨이에도 쓸 수 있습니다. 이는 최대 5TiB 크기의 Amazon S3 객체로 백업을 저장합니다. 적절한 크기의 로컬 캐시를 사용하면 최근 백업을 온사이트를 빠르게 복구하는 데 사용하면서 동시에 백업을 저렴한 S3 Standard, S3 Infrequent Access 및 Amazon Glacier 클라우드 스토리지 티어로 계층화하여 장기 보존 요구 사항을 처리할 수 있습니다.

파일 게이트웨이를 사용하면 기계 학습을 사용하는 비즈니스 인텔리전스 팀, 분석 팀 또는 다른 팀이 파일 기반 데이터를 Amazon S3로 손쉽게 이동할 수 있습니다. 그런 다음 Amazon Athena, Amazon Redshift Spectrum과 같은 서비스를 사용한 현재 위치 쿼리를 통해 해당 데이터를 분석하거나, 하둡 기반 처리를 위해 Amazon EMR과 같은 다른 클라우드로 해당 데이터를 로드할 수 있습니다. 분석 후에는 결과 세트를 동일한 버킷에 다시 저장할 수 있으며, Storage Gateway 서비스는 사용자가 파일 게이트웨이를 배포한 모든 온프레미스 애플리케이션에서 이러한 새로운 결과 파일(객체)을 볼 수 있게 합니다.

또한, AWS Lambda로 간단한 컴퓨팅 함수를 적용하여 파일 게이트웨이를 통해 S3에 저장된 데이터 파일을 처리하거나, 예를 들어 Amazon Rekognition을 사용하여 이미지 인식을 수행하거나 부적절한 콘텐츠에 플래그를 지정하는 등 기계 학습 서비스를 데이터에 적용할 수 있습니다.

석유 및 가스, 미디어 및 엔터테인먼트, 디자인 및 아키텍처, 제조를 비롯한 산업 분야에는 대규모 특수 파일을 생성하는 도메인별 애플리케이션이 있습니다. 이러한 파일은 여러 사이트에서 배포하거나 최소한 액세스할 수 있어야 하는 경우가 많습니다. 시간이 지남에 따라 이러한 파일 대부분은 자주 액세스하지 않게 되며, 완전히 아카이브하지 않는 경우 더 저렴하지만 안정적인 온라인 클라우드 스토리지에 저장할 수 있습니다. 파일 게이트웨이를 사용하면 여러 위치에 걸쳐 이러한 온프레미스 애플리케이션이 Amazon S3 및 Amazon Glacier를 사용하여 파일을 저장할 수 있습니다. 또한, Amazon S3 객체 스토리지를 기반으로 전 세계에서 액세스 가능한 중앙 리포지토리를 제공하여 이러한 파일 기반 애플리케이션을 Amazon EC2로 마이그레이션할 수 있게 지원합니다.