본문 바로가기
728x90

전체 글

 (173)
AWS Well-Architected 프레임워크의 첫번째 : 운영 우수성 원칙 AWS Well-Architected 프레임워크의 5가지 부문 중 첫번째 : 운영 우수성 원칙 운영 우수성 원칙 - 비즈니스 가치를 실현하고 운영을 지속적으로 개선하기 위해 시스템을 실행하고 모니터링 하는 기능이 포함됨 - 변경 관리 및 자동화 - 이벤트 응답 - 일일 운영 관리를 위한 표준 정의 와 같은 주제를 주로 다룸 클라우드에서 운영 우수성을 달성할 수 있는 설계 원칙은 6가지 1. 코드로 작업 수행 - 전체 워크로드 즉, 애플리케이션과 인프라를 코드로 정의함 - 코드로 작업을 하면 인적 오류를 제한, 이벤트에 일관되게 응답 가능 2. 설명서에 주석 추가 - 빌드가 나올 때마다 주석이 추가된 설명서를 생성하는 작업을 자동화하는 데 중점을 둠 - 주석을 작업 코드에 대한 입력으로 사용 가능 3. 빈..
AWS Well-Architected 프레임워크 아키텍처란? 큰 구조물을 설계하고 구축하는 예술이자 과학 대규모 시스템의 아키텍트는 시스템의 규모와 복잡성을 관리해야 한다 Q. 아키텍처와 아키텍트의 차이? A. 아키텍처는 시스템을 설계하는 것, 아키텍트는 시스템을 설계하는 사람! 그렇다면 클라우드 아키텍트는 어떤 일을 할까용? 클라우드 아키텍트는 의사 결정권자와 협력하여 비즈니스 목표와 개선이 필요한 기능을 식별함 솔루션의 기술 결과물이 비즈니스 목표와 일치하는지 확인함 기술의 기능이 적절한지 확인 AWS Well-Architected 프레임워크 : 클라우드 애플리케이션 및 워크로드를 위한 최고 수준의 보안, 고성능, 복원력 및 효율성을 갖춘 인프라를 구축하는데 도움이 되는 안내서!!이다 - 클라우드 아키텍처를 평가하고 구현하는데 도움이 되는 기본적인..
AWS의 관계형 데이터베이스 : Amazon Aurora Amazon Aurora : 클라우드용으로 구축된 MySQL, PostgreSQL과 호환되는 관계형 데이터베이스로, 고성능 사용 데이터베이스 속도와 가용성에 오픈 소스 데이터베이스의 간편함과 비용 효율성을 결합함 ○ 데이터베이스 인스턴스 비용 절감, 안정성과 가용성 개선 가능 ○ 프로비저닝 패치 적용, 백업, 복구, 장애 탐지, 복원 등 시간이 많이 소요되는 작업을 자동화함 ○ 고가용성을 제공 ○ 고속의 분산 스토리지 하위 시스템을 기반으로 구축 -> 대규모 관계형 데이터베이스 세트에 적합 ○ 설정이 간편, 표준 SQL(Structured Query Language) 지원 ○ MySQL, PostgreSQL 데이터베이스 엔진과 즉시 호환, 변경하지 않고도 기존 데이터베이스 도구를 사용할 수 있음 ○ 종량..
Amazon Redshift Amazon Redshift : 표준 SQL과 기존 비즈니스 인텔리전스 도구를 사용하여 모든 데이터를 간편하고 비용효율적으로 분석할 수 있는 완전관리형의 고속 데이터 웨어하우스(창고?) 분석!은 오늘날 비즈니스에 중요한 부분, 데이터 웨어하우스를 구축하기 복잡하고 비용이 많이 든다! 데이터 웨어하우스를 설정하는데 몇 달이 걸리고 상당한 금전적 리소스가 소요됨 -> Amazon Redshift는 단순하고 비용 효율적으로 설정하고 사용할 수 있는 빠르고 강력한 완전 관리형 데이터 웨어하우스 -> 확장과 축소도 경제적으로 할 수 있다 Q. 데이터 웨어하우스가 뭐고, 왜 필요해? A. 의사결정에 도움을 주기 위해 분석가능한 형태로 변환한 데이터들이 저장되어 있는 중앙 저장소 대규모 데이터 분석작업을 처리하는데 ..
관계형 데이터베이스 vs 비관계형 데이터베이스 : Amazon DynamoDB DynamoDB로 관계형 데이터베이스를 비관계형 데이터베이스로 전환할 수 있대! 관계형(SQL) 비관계형(NoSQL) 데이터 스토리지 행과 열 키-값, 문서(JSON(JavaScript Object Notation)을 사용), 그래프 스키마 고정 동적 쿼리 실행 SQL 사용 문서 수집에 집중 확장성 수직적 수평적(대규모 데이터세트에 적합) 비관계형 데이터베이스는 반정형, 비정형 데이터의 요구 사항을 처리하는 것과 관련된 관계형 데이터베이스의 한계 극복 Amazon DynamoDB : 규모와 관계없이 10mm/s 미만의 지연시간이 요구되는 모든 애플리케이션을 위한 빠르고 유연한 NoSQL 데이터베이스 서비스 - 테이블을 생성한 다음 테이블에 항목 추가. 데이터를 자동으로 분할한 후, 데이터 세트에 최적화된..
AWS에서 쓰는 데이터베이스 : Amazon RDS AWS의 비관리형 관리형 서비스 비교 비관리형 : 사용자가 확장, 내결함성 및 가용성을 관리, 사용자가 원하는대로 개별적으로 프로비저닝됨 - 데이터베이스에 대한 모든 부분을 제어하고 싶다면 EC2 인스턴스에 관계형 데이터베이스 관리 시스템을 설치하면 됨 -> 사용자가 소유한 물리적 데이터 센터에서 데이터베이스를 실행하는 것과 매우 유사한 환경이 됨 관리형 : 일반적으로 확장, 내결함성 및 가용성이 서비스에 내장됨 관계형 데이터베이스 문제점 - 서버 유지 관리, 에너지 소비 - 소프트웨어 설치, 패치 - 데이터베이스 백업, 고가용성 - 확장성 제한 - 데이터 보안 - OS 설치, 패치 -> 여러가지 관리 작업을 수행해야함. 다른 업무에 투입해야할 리소스를 소모하고 전문지식을 필요로 한다 이를 해결하기 위한..
딥러닝 어떻게 하는거지(인공신경망) 1. 딥러닝과 머신러닝 차이, 그래서 딥러닝이 뭔데? 2. 로지스틱 회귀 복습 3. 인공신경망에 대해 알아보자 4. 심층 신경망 5. 신경망 모델 훈련 최대한 간단간단하게 하자 머신러닝이 뭐였더라? 머신러닝은 데이터를 구문 분석하고 해당 데이터를 통해 학습한 후 정보를 바탕으로 결정을 내리기 위해 학습한 내용을 적용하는 알고리즘 즉, 주어진 데이터로 기능을 수행하고, 시간이 지남에 따라 그 기능이 점차 향상되는것 그럼 딥러닝은? 딥러닝은 머신러닝의 하위 개념!!으로 인공신경망이라고도 한다 그럼 인공신경망은 뭘까? 우리 뇌에 있는 신경세포인 뉴런을 수학적으로 모델링한 것 인공신경망 뉴런은 뇌의 뉴런처럼 다른 여러개의 뉴런으로부터 입력값을 받아서 외부로 출력값을 내보내는 것이다 저번 시간에 봤던 걸 살펴보자..
Amazon S3 Glacier Amazon S3 Glacier : 데이터 아카이빙 및 장기 백업을 위한 안전하고 안정적이고 비용이 저렴한 클라우드 스토리지 서비스 - 원할 때 즉시 데이터 검색을 할 수 없음 -> 저장된 데이터를 검색하려면 몇 시간이 소요 그래서 아카이빙에 적합 아카이브 : S3 Glacier에 저장하는 사진, 동영상, 파일, 문서와 같은 객체(스토리지의 기본 단위) - 각 아카이브에는 고유한 ID가 있고 설명도 포함됨 볼트 : 아카이브를 저장하는 컨테이너 - 볼트 생성 시 볼트 이름과 리전을 지정 - 액세스 권한 정책은 볼트에 저장된 데이터에 액세스O 사용자와 액세스X 사용자와 수행O 작업과 수행X 작업을 결정 - 볼트 잠금 정책으로 볼트를 변경하지 못하도록 할 수 있음 - 각 볼트에는 하나의 볼트 액세스 정책과 하..
728x90

티스토리툴바