30탄-1.(요약) AWS 사용 타기업 사례 2022
<1> 삼성엔지니어링의_MicroServices_Architecture
<2> 롯데 ON - 통합 온라인 쇼핑 플랫폼 - 쿠버 네티스
<3> 포티넷 - GWLB
<4> Trend Micro - Cloud One 보안 제품
<5> 신한 금융 그룹 - 빅데이터 플랫폼
<6> KB국민은행 - 모놀리스 형태에서 마이크로 서비스로 진화하기
<7> 토스 페이먼츠 - 쿠버 네티스 클러스터를 이중화
<8> 교보 생명 - Cloud Landing Zone 구성, 빅데이터 플랫폼 아키텍처
<9> 디지털 발전소 - L4E(Look out for Equipment)
<10> 한화 시스템 - 63 빌딩 데이터 수집 아키텍처
<11> 무신사 AI 전환 - 데이터 레이크 구축 , 개인화 추천 아키텍처
<12> 롯데 백화점 - AWS에서 데이터 수집
<13> 애터미 - 확장 가능한 실시간 데이터 집계 아키텍처
<14> 한국 타이어 - 수요 예측 시스템, 글로벌 아키텍처
<15> 아모레퍼시픽 - 리뷰 분석 배치 프로세스 , 리뷰 실시간 분석 프로세스, 실시간 데이터 수집을 통한 추천 시스템
<16> 제조 산업 만도 - 제품 검사 비전 시스템 구축 , SageMaker Studio 사용
<17> 경동 나비엔 - 데이터 레이크 구성 필요
<18> 삼성전자 - 빅데이터 플랫폼
<19> 5억 건 이상 광고 데이터 처리 , 버즈빌
<20> 람다 256 - 루니 버스 블록체인 운영 , NFT
<21> 대한항공 - 블록 체인
<22> 가톨릭 중앙 의료원 - 데이터 수집
<23> 선생님을 도와주는 AI조교 디디 선생님 - 차임 서비스
<24> 당근 마켓 - 채팅 데이터 분리
<25> 삼성 SDS - AICC
<26> AWS Open Live Studio - IVS
<27> AI 커넥트 콜센터
<28> 에듀버스 - IVS
<29> 11번가 - IVS
<30> SK브로드 밴드 - 미디어 서비스
<31> CJ 올리브 네트웍스 - AI FACE SERVICE , SageMaker
<32> LG 유플러스 - Outposts 5G 코어 장비 검증
<33> AWS Wavelength
<34> 스마일게이트 - 게임 플랫폼 ‘스토브’의 결제 사기 탐지 서비스 구축 사례
<35> 기아 - AWS Wavelength , EV6 차량을 고객들이 온라인에서 체험
<36> 코웨이 - IoT , 원격으로 진단을 내려 진단
<100> 자세히 보기
아키텍처 공부하는데 도움이 되시기 바랍니다.
<1> 삼성엔지니어링의_MicroServices_Architecture
1
마이크로 서비스
예)
APIGateway에서 받아서 람다나 EC2 같은 서버에서 처리한다.
2
일반 아키텍처)
스마트폰, PC 등 -----CloudFront --------APIGateway----------- 람다 , EC2 등에서 처리
3
요구 사항 반영
표준화된 창구를 통해 다양한 업무 수행해 일관된 형태의 데이터가 자연 수집된다.
각 서비스를 컨테이너로 운영하고, 메시지 큐를 카프카 사용
목적에 맞는 다양한 데이터베이스를 사용 예) 오로라, 다이나모 디비 사용
여러 애플리케이션에서 수집된 다양한 데이터들을 효율적으로 검색하기 위해 오픈 서치 서비스를 사용.
쿠버 네티스 구성요소 , 컨트롤 플래인과 워커 노드로 구성
4
OpenSearch 데이터 수집 흐름 아키텍처 )
생산자 --------- 콜렉터 (키네시스 에이전트, Cloudwatch Agent , Beats, Fluentbit, Fluentd) ---모집(Firehose, Kafka, S3, logshash)-------------OpenSearch Service ----------------- 대시보드(Kibana, OpenSearch Dashboards)
<2> 롯데 ON - 통합 온라인 쇼핑 플랫폼 - 쿠버 네티스
1
구축
ALB를 통해 Blue, Green 서비스 운영 중
배포인 CD는 오픈 소스 배포 자동화 설루션인 스핀 네이커를 사용
여러 RDS, 여러 모니터링 시스템 사용 중
ElastiCache for Redis , DynamoDB , OpenSearch , RDS
Dynatrace, DataDog , Grafana, WhaTap
Blue, Green 서비스 운영 중 대량 트래픽이 유입됐을 때 , 컨테이너에서 장애 발생.
CD는 Pod상태 확인, 리스타트, 삭제 가능하도록 Spinnaker 사용.
2
배운 점?
역량 필요- 내부 전문가 집단이 필요.
자동화 최적화 필요- 동일한 EKS 구성하여 성능과 부하 상황에서 제대로 되는지 점검.
3
E커머스 데이터 통합 아키텍처)
IDC -------VPN------> SFTP --S3 ----- 이벤트 브리지 ---- 람다---------Glue-------Redshift-------아테나.
<3> 포티넷 - GWLB
GWLB를 이용하여, 가상 어플라이언스 형식의 보안 제품을 관리할 수 있다.
<4> Trend Micro - Cloud One 보안 제품
Cloud One으로 웹 애플리케이션 공격으로부터 전체 시스템 보호
<5> 신한 금융 그룹 - 빅데이터 플랫폼
1
빅데이터 플랫폼
원천 데이터는 4개사. 신한은행, 신한 카드, 신한 생명, 신한 금융 투자가 참여함.
데이터 레이크에 수집.
2
신한 One Data 아키텍처 )
On-Premises -------- Direct Connect ------------수집------변환-저장--분석.
실시간 수집 MSK
ETL 컨트롤 MWAA사용(Managed Workflow of Apache Airflow)
<6> KB국민은행 - 모놀리스 형태에서 마이크로 서비스로 진화하기
1
애플리케이션 인터페이스 간 통신을 진행해야 하는 요건에 대해서는 API 형태로 통신이 가능한지 판단하고, API 형태로 통신하도록 구성한다.
첫째, API 형태로 분리한다.
둘째, 데이터 베이스도 마이크로 서비스 구조에 맞는 데이터베이스 구조로 적용한다.
초기는 단일 데이터베이스 구조로 유지할 수 있다.
2
애자일 구축 옵션 2가지
ECS구축법
EKS 구축법
3
ECS 구축법)
개발-------코드 커밋-----코드 빌드 / ECR -------코드 디플로이--- 애플리케이션 -----App Mesh--- ECS ----- ALB -------- 사용자
모니터링은 CloudWatch
클라우드 포메이션으로 자동화 구축
4
오픈 소스 구축법)
개발----깃허브----젠킨스 / 도커 허브, ECR--------Flux ----애플리케이션--- istio-----EKS----ALB---User
모니터링은 프로메테우스, 그라파나.
테라폼으로 자동화 구축.
5
규제 거버넌스 자동화
어카운트 팩토리 ----------- 서비스 카탈로그 1 ,2,3 ------------애자일 프로젝트 1,2,3 -------- 애자일 프로젝트 유저
컨트롤 타워
AWS컨트롤 타워로 금융 규제 거버넌스와 관련된 사항들을 자동화하여 관리하는데 필요한 기능들을 제공한다.
<7> 토스 페이먼츠 - 쿠버네티스 클러스터를 이중화
1
S3 등은 보안상 Private Link 사용한다.
2
쿠버 네티스 클러스터를 이중화해서 운영하고 있다.
3
다양한 스토리지 타입으로 비용 최적화
gp3 사용
io2 type 사용
스토리지 타입 변경을 통한 비용 절감.
IA S3는 standard대비 80% 비용 절감.
4
Savings Plans , RI , MAP(Migration Acceleration Program), EDP(Enterprise Discount Program)으로 비용 절감
<8> 교보 생명 - Cloud Landing Zone 구성, 빅데이터 플랫폼 아키텍처
1
구조?
약정 및 청구 관리 플랫폼 / 외부 데이터 -----------배치 (EMR, Glue) / 리얼 타입 (키네시스, MSK) -----------S3 ----------Analytics (Redshift , EMR , Athena, QuickSight)/ Data Science--- 사업부서
2
Cloud Landing Zone 구성 필수
3
빅데이터 플랫폼 아키텍처?
원천 데이터-----VPN--------데이터 수집 Glue-------- 저장 S3------------쿼리 아테나 / EMR ------------추론 EC2 --- 머신러닝 SageMaker
<9> 디지털 발전소 - L4E(Look out for Equipment)
1
L4E(Look out for Equipment)라는 서비스를 활용하여 발전소의 보일러 튜브 리스크를 사전에 예측하는 PoC 진행함
2
빅데이터 분석 환경?
Collect data ----- Amazon S3 / Glue ---- Sage Maker / EMR / Red Shift ---------Insights
<10> 한화 시스템 - 63 빌딩 데이터 수집 아키텍처
1
빌딩에 다양한 장비에서 생성되는 데이터 수집을 위해 현장에 Edge Server 설치했다.
Edge Server에는 IoT Greengrass설치, 데이터를 클라우드로 전송하는 역할을 한다.
클라우드에서는 IoT Core서비스가 데이터를 받아 처리한다.
기상청이나 블록체인 등 외부 시스템과 연동하도록 구성되어 있다.
2
구성?
63 빌딩 ------- Edge Server ---- Data 수집 애플리케이션 / Edge Server , AWS Iot Greengrass설치--------- AWS 구간 / IoT Core
<11> 무신사 AI 전환 - 데이터 레이크 구축 , 개인화 추천 아키텍처
1
데이터 레이크 구축 아키텍처?
다양한 경로 ---------- 키네시스-------S3 (데이터 레이크)---------아테나-------퀵 사이트
2
개인화 추천 아키텍처?
in-house 추천 시스템과 Amazon Personalize의 하이브리드 모델을 사용한다.
무신사 앱 ----------키네시스------ S3 --------- Amazon Personalize / in-house 추천 시스템 -------- 다큐멘트 디비--------- 앱으로 다시 서비스
// MWAA 사용
3
AI를 활용한 운영 효율화 -- 후기 자동 검수.
매일 2만 건에 사진이 포함되어 있는 리뷰를 운영을 통해 검수.
후기 자동 검수 아키텍처 - SageMaker 사용
4
아키텍처?
후기 입력---------- ML (Sage Maker Inference(추론) / Saga Maker Training Job ) / Sage Maker Ground Truth 통해 후기 이미지를 라벨링함. 오토 라벨링 ------- 검수 결과
<12> 롯데 백화점 - AWS에서 데이터 수집
1
백화점 내부에서 구축한 시스템, 백화점 외부 시스템을 AWS에서 수집
2
아키텍처?
백화점 점포 및 E커머스 ----- 전용선(Direct Connet) ----FTP-- S3 --RDS -----EMR-----데이터 플랫폼 및 캠페인(포털, VIP 관리, 실시간 캠페인)
AWS E-Commerce , 롯데 ON --------------- RDS --------Kinesis(실시간 연동)-----------------------------------------실시간 캠페인
<13> 애터미 - 확장 가능한 실시간 데이터 집계 아키텍처
1
글로벌 네트워크 마케팅 기업
PV(Point Value) 시스템은 애터미 고객을 위한 실시간 실적 합계 및 조회 시스템으로 중요함.
사용자 증가 속도 저하 --Oracle Exadata 증설 - 계속 증설?
확장성 제약 , 집계처리 어려움 , 실시간 조회 불가능 , 값비싼 비용 구조
2
확장 가능한 실시간 데이터 집계 아키텍처?
기존의 배치 프로세스를 별도 데이블로 분리, 확장하도록 DynamoDB설계
배치 ?
데이터센터(데이터베이스)-----전용선-------Strim --RDS /ElastiCache ---------DynamoDB - 람다--APIGW----사용자
실시간 처리?
키네시스 --------S3 ---------DynamoDB - 람다--APIGW----사용자
배치 처리와 실시간 처리 방법임
3
애터미 쇼핑몰 아키텍처?
사용자--------WAF-------Cloud Front --------ALB--------EKS (AZ- 1, AZ-2 ) ----- Private Subnet , RDS -----전용선------데이터 센터 , 데이터베이스
데이터 베이스는 아마존 오로라를 통해 23개 해외 법인을 하나의 소스로 버전 관리.
4
AWS 프로토 타이핑 프로그 앰?
최대 6주, 무상
담당 어카운트 매니저, 진행 가능 여부 문의.
<14> 한국 타이어 - 수요 예측 시스템, 글로벌 아키텍처
1
수요 예측 시스템.
최적의 SCM(공급망 관리) 운영을 하는 것이 목표.
수요 예측 --- 수요 계획---보충 계획----생산 계획---안정적인 공급
2
프로젝트 흐름 4단계?
1단계 Poc - Amazon Forecast를 통해 AI기반 수요 예측 가설 검증
2단계 프로토 타이핑
3단계 커스터마이징
4단계 프로젝트 오픈
3
아키텍처?
데이터 센터 SCM서버 -------------------- AWS S3 ----------람다 ---------Glue --------람다 (Forecast)----Glue / 수요예측 결과 S3저장 --람다 - SNS
4
글로벌 아키텍처?
https://aws.amazon.com/ko/blogs/korea/creating-a-multi-region-application-with-aws-services/?utm_source=dlvr.it&utm_medium=facebook
<15> 아모레퍼시픽 - 리뷰 분석 배치 프로세스 , 리뷰 실시간 분석 프로세스, 실시간 데이터 수집을 통한
추천 시스템
1
리뷰 분석 배치 프로세스?
RDS 데이터가 S3에 업로드되는 이벤트를 트리거로 분석이 진행되도록 구성됨.
ECS에서 분석 후 S3에 과정, RDS에 결과 저장함.
스텝 펑션을 통해 오케스트레이션함.
2
리뷰 실시간 분석 프로세스?
API 호출 시 APIGateway ----- ALB ---ECS -------SageMaker로 실시간 추론 결과 리턴하거나
API 호출 시 APIGateway ----- 람다 -----RDS의 기분석된 결과를 리턴한다.
모니터링은 CloudWatch사용.
3
실시간 데이터 수집을 통한 추천 시스템?
ECS --컨테이너----API Gateway--------- 람다 ----- SageMaker
실시간 추천 시스템은 KDS(키네시스)와 MSK로 실시간 데이터 수집, DB 저장한다.
SageMaker로 추론하며 API로 전달한다.
추가로 글루를 통해 모델 트레이닝 자동화 구현하였다.
4
아모레 피부진단 아키텍처?
ALB--------ECS -------S3 , Dynamo DB
모델 서빙 서버는 TensorRT사용을 위해 NVDIA Triton구성.
<16> 제조 산업 만도 - 제품 검사 비전 시스템 구축 , SageMaker Studio 사용
1
제품 검사 비전 시스템 구축 - AI 인프라 필요
모델 개발 관련해서 SageMaker Studio 사용.
2
아키텍처?
SageMaker Studio --- 전처리 Job ---학습 Job-----평가 Job
<17> 경동 나비엔 - 데이터 레이크 구성 필요
1
현재 운영 중인 서비스 및 데이터베이스에 영향을 주지 않으면서 데이터 레이크 구성 필요
운영 중인 데이터베이스 이전은 DMS이용으로 운영 데이터베이스는 변함없이 운영
S3로 데이터 레이크 구성하여 데이터를 하나로 모아 분석을 용이하게 구성
생산설비에서 전달되는 데이터는 키네시스로 받아 실시간 대시보드 구성
2
아키텍처 ?
온프라미스-----VPN----------DMS----S3--Glue-S3----Crawler ------아테나---분석가
공장 센서-------VPN---------키네시스 데이터 스트림--키네시스 파이어호스-------------오픈 서치 and 키바나-------생산현장.
<18> 삼성전자 - 빅데이터 플랫폼
1
2018년 GDPR발효로 이를 처리하기 위한 작업 증가(유럽 일반 개인정보 보호법)
AWS Lake Formation은 데이터 레이크를 보다 쉽게 프로비저닝하고 구성할 수 있도록 도와주며 다양한 데이터 소스에 대해 세밀한 권한 관리가 가능하게 만들어준다.
2
삼성전자 분석 현대화 여정
프로듀서 A VPC , 수집 --------------------데이터 레이크 S3 , 프로듀서 A ------------컨슈머 VPC (아테나, 데이터 분석 클러스터, 레드쉬프트)
프로듀서 B VPC , 수집 --------------------데이터 레이크 S3 , 프로듀서 B ------------컨슈머 VPC (아테나, 데이터 분석 클러스터, 레드쉬프트)
3
SmartThings의 AWS 서버리스를 활용한 실시간 분석 현대화 성공 사례
SmartThings는 삼성전자의 IoT 플랫폼이다.
TV, 오디오, 세탁기, 에어컨 등 가전제품부터 Wi-FI허브를 비롯한 다양한 센서들까지 2만여 가지 이상의 기기 종류를 지원한다.
전 세계 9,600만 개 이상의 기기가 SmartThings에 등록되어 있다.
4
변경 전
AWS EC2에 직접 하둡 클러스터를 구축하여 사용
테라폼과 앤서블을 통해 운영 자동화를 하고 있었지만 여전히 운영 비용이 높았다.
하둡 클러스터 이슈가 나올 때마다 어려움을 겪었다.
변경 후
스파크를 대체하기 위해 선택한 서비스는 KDA.
EKS기반으로 플링크 클러스터를 제공하는 완전 관리형 서버리스 서비스
Kinesis Data Anlytics(KDA) 사용으로 변경
<19> 5억 건 이상 광고 데이터 처리 , 버즈빌
1
초기 분석 시스템?
웹서버---------Mysql ------Mysql Replica------Redash
초기에는 별도의 데이터 파이프라인을 구축하기에는 운영 리소스가 부족하기 때문에 상용 데이터베이스 사용
서비스에 영향을 주지 않고 무거운 분석 쿼리를 실행하기 위해 리드 리플리카 사용
Redash와 같은 데이터 시각화 툴 활용( SQL 기반의 시각화 툴)
데이터가 수백만 건을 넘어서는 시점부터는 효율적으로 데이터 분석 쿼리를 수행하기 어려워진다.
Mysql은 대량의 레코드를 대상으로 한 분석에는 적합하지 않다.
2
Mysql의 성능의 한계를 극복하고 흩어져 있는 데이터를 결합하여 분석하기 위해서 데이터웨어하우스 구축이 한 가지 답이 될 수 있다.
Amazon Redshift는 AWS에서 제공하는 관리형 데이터 웨어하우스 서비스이다.
3
초기 데이터 파이프라인?
웹서버------------------------------키네시스 파이어호스---S3------------Redshift---Redash
웹서버------------------------------Mysql RDS ---------------------------------Redshift---Redash
웹서버----------Fluentd-----------------------------------------S3
양이 많은 데이터는 Firehose를 이용하여 레드쉬프트에 적재.
Mysql에 직접 읽어와 레드쉬프트에 적재 , Redash로 시각화함.
서버의 기타 로그성 데이터는 플로 언트 디를 이용해 S3에 적재한다. 아테나로 조회
4
S3에서 Data Lake운영 시 고려?
S3 API제한을 고려한 디렉터리 설계
데이터 포맷 및 적정 파일 사이즈 설정
아테나 S3기반의 데이터 운영시 고려해야 한다.
<20> 람다 256 - 루니 버스 블록체인 운영 , NFT
1
업비트 운영하고 있는 두 나무의 블록체인 기술 전문 자회사.
루니 버스 블록체인 운영 중
2
NFT활용사례?
버버리- 의상 입은 게임 캐릭터 NFT
발망-바비인형 NFT
GAP - 후드티 NFT
코카콜라, 펨시-기념품 NFT
월마트-메타버스 활용하는 전자제품, 완구, 스포츠용품 등 NFT로 판매
3
루니 버스
NFT원본은 S3
키 관리는 Amazon CloudHSM
<21> 대한항공 - 블록 체인
1
블록체인
대한항공의 블록체인을 활용한 백신 유통 콜드 체인 구축사례
매니지드 블록체인 서비스 사용
아키텍처?
사용자--------API Gateway ---EC2----------AMB
2
QLDB , Amazon Managed Blockchain 사용
3
BMW?
Amazon QLDB 적용사례
4
신세계 인터내셔널의 명품 유통혁신
QLDB 적용
5
아키텍처?
신세계 빌리지 백엔드 ----- Transit Gateway -----API Gateway ------람다------------QLDB (발급 결과 저장)/ 백업 S3
람다------Cloudwatch log---SNS--Chatbot --Slack
<22> 가톨릭 중앙 의료원 - 데이터 수집 , Snowbal Edge
1
Snowbal Edge라는 하드웨어
80TB
10일간 400불(50만 원)
2
Amazon Workspace를 통해 의료 기관의 데이터 분석.
아키텍처?
외부기관/외부 연구자-------------- Amazon WorkSpace(가상 환경)--------------SageMaker / S3
<23> 선생님을 도와주는 AI조교 디디 선생님 - 차임 서비스
1
아마존 차임 서비스로 실시간 방송 서비스를 제공
트랜스코딩 인프라 관리에 시간이나 리소스를 별도 할애할 필요 없이 원하는 비디오 처리 설정으로 적정 품질의 영상을 제공해준다.
2
실시간 방송 아키텍처?
User-------Load Balance--------ECS-------람다------Chime----RDS
비디오 인코딩 아키텍처? ECS-------S3--- 미디어 컨버터-----S3 // 비디오 인코딩
<24> 당근 마켓 - 채팅 데이터 분리
1
초기 모놀리틱 시스템은 장애가 발생하면 전체 서비스 장애로 이어지기 쉬웠다.
당근 마켓 채팅 데이터 분리 진행
2
데이터 베이스 리서치 진행
서비스 성장하는 속도로 봐서 확장이 용이한 디비 선택
다이나모 디비 선택, 성능은 수 ms응답.
기존의 API 재구현
3
아키텍처?
ALB-----websocket-------------Chat Service---DynamoDB --람다---Firehose---S3-----아테나
//GRPC로 다른 마이크로 서비스와 Chat Service 연결
4
실시간 메시징 시스템?
ALB-----websocket-------------Chat Service
5
데이터 분석 아키텍처?
Chat Service---DynamoDB --람다---Firehose---S3-----아테나
<25> 삼성 SDS - AICC
AICC(AI Contact Center)를 SaaS 서비스로 만들다.
관리형 쿠버 네티스는 EKS를 통해 운영된다.
AICC 서비스 포털에서 전화번호, 일정 및 기간, 상담 시나리오등 서비스 내용을 입력하면, 입력된 정보를 기반으로 바로 실행되도록 서비스가 준비된다.
<26> AWS Open Live Studio - IVS
1
순서?
비디오 장비로 촬영한 영상 전송
Windows EC2 (Unity + OBS) , 영상에 3D/Object 믹싱 -----RTMPS 사용
IVS로 최종 영상 송출 ----- HTTPS 사용
스마트폰으로 방송 시청
2
아키텍처?
비디오----------EC2----------IVS ----사용자
3
사용자가 정적 페이지 접속은?
사용자-----------CloudFront ------------S3
4
사용자는 영상을 보기 위해 로그인 과정을 거친다. 서버리스 사용한다.
사용자는 APIGateway로 들어와 람다를 통해 비즈니스 요청을 처리한다.
인증은 코그니토를 사용한다. 웹서비스는 S3를 사용한다.
아키텍처?
사용자----CloudFront / Route53 / ACM / Cognito 사용
5
아키텍처?
사용자---블록체인---------데이터 스토리지(S3)
6
동작?
데이터 스토리지(S3)에
파일을 분산 스토리지인 IPFS 나 S3에 올린다.
올라간 실제 파일 위치가 나온다. 링크와 발행한 사람 이름 등 메타데이터를 다시 스토리지에 저장한다.
실제 파일과 메타데이터 2개가 스토리지에 저장되었다.
블록체인에는
NFT Smart Contract프로그램이 미리 배포 (이더리움은 ERC-721등)
NFT발행 요청이 들어오면 컨트랙트는 NFT고유 ID 토큰을 만들어 낸다.
토큰에는 메타데이터 위치와 소유권 정보, 어카운트 번호가 기록된다
7
메타버스 구현?
촬영-------GPU EC2(G5) , 가상 배경 추가, 3D 오브젝트 효과 추가, 유니티----- IVS------------ 스마트폰
<27> AI 커넥트 콜센터
1
AI 커넥트 콜센터 아키텍처?
에이전트, 매니저 --------Amazon Connect
Amazon Connect
하위 제품들로는 콜 시나리오를 설정하는 Contact Flows
통화 녹취록을 자동으로 생성 , 간단한 감정 분석을 해주는 Contact Lens.
고객 프로파일을 확인, 통화 기록을 관리 Contact ContralPanel(CCP)
2
데이터 분석을 지원하는 시스템 – 키네시스, 오픈 서치, 퀵 사이트 이용하여 실시간 또는 배치로 콜센터의 데이터 분석을 지원
데이터 분석 아키텍처?
에이전트, 매니저 --------Amazon Connect -------키네시스 데이터 스트림-데이터 파이어 호스----오픈 서치---------- admin
3
랙스, 람다, 다이나모 디비를 이용한 챗봇을 구현, 챗봇이 아마존 커넥트와 연결, Amplify로 구현된 웹사이트에서도 채팅 인터페이스 챗봇으로도 구현됨
Amazon Lex (대화형 인공 지능으로 챗봇 및 음성 봇 구축)
챗봇 아키텍처?
에이전트, 매니저 -----Amazon Connect ---Lex---람다 ------다이나모 디비------AppSync-------------Amplify/코그니토--------커스터머
<28> 에듀버스 - IVS
1
가상 교육 플랫폼
로비, 대강당, 강의실, VR학습터
2
로비?
메타버스로 구현함.
게임 프레임워크로 구현함.
로비는 어떻게 만들었을까? 프런트엔드는 리액트를 사용함.
리액트는 참고자료 많고, 라이브러리 자유롭게 사용. Amplify와 통합이 편리해 사용.
리액트 라우터를 이용하여 장소를 이동하고, 리코일로 캐릭터의 상태를 관리한다.
2D 게임 환경은 2D 게임 프레임워크인 페이저 3 이용함.
여러 캐릭터가 같이 멀티 플레이하는 것은 AWS AppSync를 이용한다.
3
대강당?
아키텍처?
스트리머------ 채널 생성- OBS Studio------Amazon IVS---------HLS endpoint-------IVS Player--------뷰어.
대강당에서는 Amazon IVS사용
라이브 방송에 대화형 경험을 더할 수 있다.
IVS개발 참고 자료는 https://ivs.rocks/
영상은? IVS로 채널 생성, 수집서버 주소와 스트림 키 발급, OBS 등으로 라이브 방송함
4
강의실
인터랙티브 가상 교육 플랫폼
강의실에서는 선생님과 학생이 양방향으로 인터랙티브 하게 소통할 수 있다.
Chime SDK를 통해 개발됨. 웹캠, 마이크 등을 이용 원격 대화와 화면 공유가 가능
5
아키텍처?
로비
사용자---Route53----Front end (리액트)------ Appsync---Data 저장 / 다이나모 DB
대강당
사용자---Route53----Front end (리액트)------ IVS
VR학습터
사용자---Route53----API Gateway--람다-------VR 학습터 (Amazo Rekognition 서비스 등)
강의실
사용자---Route53----API Gateway--람다-------강의실 , Chime SDK
<29> 11번가 - IVS
1
라이브 커머스 스트리밍 플랫폼, Amazon IVS.
2
아키텍처?
소스----- RTMP---------Ingest--------Transcode --- 1080p / 6 Mbps , 720p /4 Mbps , 480p/ 1 Mbps ------CDN---HLS--- Player SDK (스마트폰)
<30> SK브로드 밴드 - 미디어 서비스
1
AWS로 인코딩 효율화
2
H.264/AVC 인코딩은 온프레미스 인코더를 이용
H.265/HEVC 인코딩은 클라우드 인코더로 처리 - 신속성, 효율성, 제어 가능성
<31> CJ 올리브 네트웍스 - AI FACE SERVICE , SageMaker
1
CJ 올리브 네트웍스 FACE Swap은 영상 속의 얼굴을 원하는 얼굴로 바꿔주는 기술.
2
사용자가 2대의 동영상만 업로드하면 , Face Swap을 할 수 있는 AI Face Service Tool도 EC2 인스턴스 상에서 구동함.
AMI 사용. 딥러닝 된 AMI를 사용.
도커 라이징 된 AI Face Service tool을 바로 구동할 수 있어 편했다.
좀 더 고품질을 제공하기 위해 AWS SageMaker로 데이터 처리, 학습을 함.
최종적으로 학습이 완료된 후 Face Swap동영상을 EFS에서 S3로 바로 옮김
사용자가 바로 다운로드할 수 있도록 함.
3
아키텍처?
사용자------Upload Videos ------ AI Face Service / Sagemaker----EC2-------EFS----S3 출력-----고객
<32> LG 유플러스 - Outposts 5G 코어 장비 검증
1
AWS Outposts은(는) AWS 인프라, 서비스, API 및 도구를 고객 온프레미스로 확장하는 완전 관리형 서비스입니다.
2
서비스를 위한 상용망 연동과 Outposts 제어를 위한 서울 리전 간 연동
<33> AWS Wavelength
1
AWS 서비스 범위?
AWS Regions > AWS Local Zone > AWS Wavelength (5G) > AWS Outposts > IoT > Snow Family
2
AWS Wavelength?
AWS 클라우드 서비스를 대도시가 아닌 5G 서비스를 제공하는 통신 사업자의 Edge에 위치시켜, 모바일 사용자들이 보다 낮은 레이턴시로 사용하게 하는 서비스이다.
AWS와 5G 통신 사업자가 함께 운영하고 제공하는 서비스.
특히, 비디오 스트리밍, AR/VR 기반 서비스 및 실시간성이 중요한 서비스 사용
<34> 스마일게이트 - 게임 플랫폼 ‘스토브’의 결제 사기 탐지 서비스 구축 사례
1
사기 결제가 처음 발견되고 , 머신 러닝 기반 검출 효과 증명 과정에서 Amazon Fraud Detector (AFD) 도입함
2
지능적으로 진화하는 사기 결제를 막기 위해 커스터마이징 필요하여 Amazon SageMaker, AutoGluon 도입.
3
아키텍처?
유저 결제 시 생성된 결제 정보를 빌링 시스템으로부터 유입되어 Kafka에 적재
아키텍처?
빌링시스템-------- Kafka Billing Log------- 빌링 로그 소비---FDS 기능 서비스---모델-오로라.
<35> 기아 - AWS Wavelength , EV6 차량을 고객들이 온라인에서 체험
1
강력한 컴퓨팅 - 그래픽 처리와 기계 학습에 GPU가 중요한 역할. A100, A10G, T4
빠른 네트워크 – 사용자에게 빠르게 전달해야 한다. 5G , AWS Wavelength서비스
최종 사용자까지 여러 홉을 거치는 부분을 제거하는 AWS Wavelength서비스 제공
EV6 차량을 고객들이 온라인에서 체험할 수 있도록 론칭한 EV6 3D Visualizer콘텐츠
2
아키텍처?
글로벌 론칭을 위한 AWS 아키텍처.
Global Accelerator(GA)를 통해 두 리전에서 트래픽 처리가 각각 가능하도록 함
서비스 사이트 아키텍처 ?
유럽, 한국 사용자---Route53 -------GA--- ALB----GPU EC2
정적 사이트 아키텍처 ?
유럽, 한국 사용자---Route53 -------GA--- CloudFront -----S3
<36> 코웨이 - IoT , 원격으로 진단을 내려 진단
1
현재 에러가 발생하면서 서버로 정보가 넘어오고 콜센터 직원이 바로 확인,
콜센터 직원이 원격으로 진단을 내려 진단 결과가 나오고 제품 불량은 관련 AS부품 추천
2
아키텍처?
IoT 기기 , 스마트 고장 진단 데이터 전달-----IoTCore-------Kinesis----CEP Engint (쿠버 네티스)-----DynamoDB ---- 관제 / 서비스 매니저 / 고객 APP
<100> 자세히 보기
https://brunch.co.kr/@topasvga/2786
https://brunch.co.kr/@topasvga/2882
다음 과정
https://brunch.co.kr/@topasvga/2872
