[AWS트랜드] 새롭게 선보이는 제품과 기술 3가지

1. PartiQL

1) 탄생배경
관계형 DB의 독주체제가 끝나고 있다.

과거에는 RDB하나도 기업내 모든 데이터를 관리했다면, 이제는 데이터종류가 많아져서 다른 DB필요

RDB뿐만 아니라 NoSQL, 그래프DB,시계열DB,하둡,블록체인원장,DW등 다양한 종류DB사용

->이렇게 많은 DB를 이용하는것은 복잡도상승

AWS 대안 : 아마존아테나 연합질의(Amazon Athena Federated Query)

다양한 데이터 스토어에 하나의 쿼리로 질의를 하자는 접근법

각 다른 데이터이더라도 질의 방법론은 하나로 통일해서 복잡성을 낮추자는 취지

2) 특징 
DB의 종류도 다르고, 특성도 다르지만 람다를 통해서 개발자들에게 익숙한 SQL언어

통합질의를 위해 만든 질의어

RDB에서 사용하던 SQL과 호환

3) 비교

클라우드데라와 같은 회사가 하둡의 데이터에 SQL로 접근하려고 했지만, 성과가 크지 않았음

 

 

2. 솔루션 아웃포스트

1) 탄생배경
하이브리드 클라우드시대 본격화

무작정 퍼블릭 클라우드로 가는것보다 자체적인 데이터센터와 클라우드 연동해서 사용해야한다.

하지만 압도적인 AWS, 하지만 이와 완벽 호환되는 프라이빗 클라우드를 구축할IT기업의 역량부족

2) 특징

퍼블릭 클라우드에 있는 AWS를 박스에 담다 기업의 데이터센터에 넣어주는 솔루션

AWS가 사용한 하드웨어, 툴, 코드, API등이 그대로 담겨있어서 호환성 우수

3) 비교

마이크로소프트가 이미 오래전에 애저스택 제품 만듬

애저박스에 담아 기업의 데이터센터에 넣는다는 개념ㄴ으로 같음

4) 현황 : AWS Wavelength 발표

통신사와 제휴를 맺고 아웃포스트를 5G통신망의 엣지컴퓨터로 제공하는 제품

개발사들은 이용자와 멀리있는 클라우드가 아니라 5g기지국 처럼 가까운 곳에서 앱이나 콘텐츠제공

우리나라에서 sk텔레콤이 먼저 사용하기로 함

 

3. 아마존 세이지메이커 스튜디오

1) 탄생배경

"AI의 민주화" : 누구나 쉽게 머신러닝과 같은 AI기술을 이용할 수 있도록 만들겠다.

2) 특징
기게학습 모델 개발 및 배포를 위한 IDE(통합개발환경)

대규모 협업, 테스트 및 관리, 자동머신러닝 모델생성, 고품질 모델생성, 생산성 향상 가능

3) 현황
Amazon Fraud Detector :  AI기반 사기탐지 서비스
Contact Lens For Amazon Connect : 콜센터에 연락온 고객의 기분을 분석해주는 서비스, 고객통화 음성인식분석

Amazon CodeGuru : 개발자의 소스코드를 AI가 리뷰해주는 서비스

 

https://byline.network/2020/01/30-71/

AWS의 최근 행보에서 주목해야 할 점 3 - Byline Network