AWS는 지속 성장이 가능한 비즈니스를 구축하기 위해 비즈니스의 주변 환경을 이해하는 것부터 시작해, 활용 가능한 데이터를 어떻게 의사결정에 활용할 것인지까지 전체적 관점에서 측정해야 한다고 보고 있습니다. 그리고 데이터에 기반한 비즈니스 의사결정을 강조하면서, 자사의 다양한 클라우드 서비스를 소개했습니다.

“IT 인프라와 소프트웨어를 구매하고 직접 업데이트 및 관리하는 시대는 지났다. 모든 산업에 걸쳐 클라우드에서 재창조(reinvention)가 일어나고 있으며, 모든 디지털 전환 사례가 데이터를 바탕으로 가속화되고 있다.”

맷 우드(Matt Wood), AWS 비즈니스 애널리틱스 담당 부사장

우드 부사장에 따르면 AWS는 컴퓨팅과 데이터베이스부터 로보틱스, 머신러닝, VR(가상현실)/AR(증강현실), 애널리틱스 등 200개 이상의 서비스를 제공하고 있으며, 작년 한 해에만 3084개의 신규 서비스 및 기능을 플랫폼에 탑재시켰다고 합니다. 이렇게 클라우드 서비스의 폭을 넓히면서 AWS는 아이디어를 실행하고 성과를 얻는 과정까지 빠르고 매끄럽게 이어질 수 있도록 지원한다는 전략을 내세웠습니다. 또한, 아이디어를 실현하는 엔진의 역할을 할 수 있도록 개별 서비스의 기능도 깊이를 더하겠다는 것이 AWS의 설명입니다.

AWS는 관계형 데이터베이스 시스템인 오로라(Amazon Aurora)를 통해 데이터의 구조를 최대한 활용하고, 데이터의 종류에 대한 정보를 최대한 활용할 수 있다는 점을 내세웠습니다. 오로라를 통해 데이터 저장소를 구축하면 데이터 관리 비용 및 데이터의 지연 시간을 줄이며, 데이터 기반 예측의 정확도를 높일 수 있는 것입니다. AWS는 오로라로 더 나은 관계형 데이터베이스를 구축할 수 있으며, 상용 데이터베이스 수준의 보안, 성능, 가용성에 오픈소스 데이터베이스의 장점을 결합하는 등의 노력을 통해 2017년 이후 오로라의 사용량이 10배 이상 늘었다고 소개했습니다.

또한, 레드시프트(Amazon Redshift)는 엔터프라이즈용 데이터 웨어하우스를 단일 서비스로서 일반 사용자에게 제공합니다. 레드시프트는 데이터 공유, 기계학습 기능 추가와 함께 쿼리 연동 기능, 하드웨어 가속기, 서버리스 기능 등을 제공하고 있습니다.

한 곳에 모은 데이터를 유용한 정보로 변환해 지식을 축적할 수 있도록 지원하는 데이터 레이크(data lake)도 AWS의 관심사 중 하나인데요. 이러한 데이터의 활용분야 중 하나가 바로 빅데이터 기반의 머신러닝(ML)입니다. 많은 기업이 데이터 수집 및 분석에 기계학습을 통한 예측 분석을 활용하면서 디지털 전환을 추진하고 있는데, AWS는 주요한 딥러닝 라이브러리에 대한 지원, 모델 훈련용 GPU 제공, 훈련된 모델을 애플리케이션에 임베드할 수 있는 서비스 제공 등을 통해 폭넓은 머신러닝 기능을 제공하고 있다고 소개했습니다.

AWS는 특히 클라우드에서 딥러닝 학습이 가능해지면서 몇 년 새 머신러닝의 기술 성숙도 또한 높아졌다고 보고 있습니다. 그리고 API(애플리케이션 프로그래밍 인터페이스)를 통해 다양한 애플리케이션과 머신러닝의 결합도 가능해졌습니다. AWS는 클라우드 서비스뿐 아니라 머신러닝 기반의 맞춤형 칩을 개발해 머신러닝 모델의 훈련 및 예측 지연 시간을 줄일 수 있다는 점을 내세웠습니다. Arm 아키텍처 기반으로 AWS가 개발한 범용 CPU 그래비톤(Graviton)은 현재 3세대까지 출시했는데, 높은 효율성과 파워를 제공하면서 범용 워크로드에서 가성비를 높인 것이 특징이라고 합니다.

마이크로서비스 아키텍처(MSA)는 컨테이너 형태의 작은 서비스를 결합하는 인프라 구조인데, 이는 코딩 작업 없이 애플리케이션이나 서비스를 구축하고 빠르게 출시할 때 유용하다는 것이 AWS의 설명입니다. 또한, AWS는 나이트로(AWS Nitro)를 통해 다양한 서비스의 효율을 높일 수 있는 전용 소프트웨어와 하드웨어를 제공합니다. 나이트로는 1대 또는 여러 대의 서버를 관리 위한 하이퍼바이저(hypervisor)를 대체해 대규모의 인프라를 관리할 수 있으며, 다양한 목적에 맞게 최신 프로세서를 포함한 500개 이상의 컴퓨팅 인스턴스 타입을 제공하는 것이 특징입니다.

이번 AWS 서밋에서는 클라우드의 메가트렌드와 함께 금융, 리테일, 제조 및 하이테크, 미디어 통신, 공공 부문 등 국내 여러 산업영역에서 AWS 클라우드를 활용한 사례가 폭넓게 선보였습니다. 이 가운데 제조 산업에서는 ▲머신러닝을 활용한 생산 효율 향상 ▲사물인터넷(IoT) 플랫폼 구축 ▲MSA를 통한 플랜트 설계 환경 혁신 ▲비전 검사 체계 개선으로 스마트 공장 구현 ▲디바이스 빅데이터 분석 플랫폼 구축 등의 내용이 소개됐습니다.

삼성엔지니어링은 석유화학 플랜트를 개발하는 과정에서 도면이나 문서에 기반한 커뮤니케이션 대신 3D 모델과 해석 모델 및 도면 사이에 정합성을 확보하는 방식의 개발 체계 전환을 진행했습니다. 데이터를 기반으로 설계 작업을 자동화 및 효율화하는 것뿐 아니라 개발 과정의 데이터를 분석해 AI 모델을 생성하고 복잡한 문제를 해결할 수 있도록 하는 것이 핵심인데, 이런 데이터 플랫폼을 만들기 위해 삼성엔지니어링은 MSA에 주목했습니다.

새로 개발하는 시스템뿐 아니라 기존 시스템까지 잘 연결되는 것이 중요했기 때문에, 삼성엔지니어링은 서비스를 적절한 크기로 쪼개 개발하고 느슨하게 연결하는 방향을 설정했습니다. 그리고 각 애플리케이션이 공유하는 서비스는 중앙에서 일괄 개발하고, 각각의 앱은 이에 더해 개별 기능만 구현 및 관리하는 방식으로 전체 개발 시간과 비용을 절감할 수 있었다고 합니다. 개발해야 하는 서비스가 줄면서 서비스 품질 향상 및 운영/유지보수의 효율화라는 효과도 함께 얻었습니다.

한국타이어테크놀로지는 글로벌 공급 네트워크에 걸쳐 효율적인 재고 보충 및 안정적인 공급을 위한 수요계획 수립이 필요했는데, 머신러닝을 수요예측에 적용해서 SCM 운영 효율을 높이기 위해 한국타이어테크놀로지는 AWS의 프로토타이핑(Prototyping)을 통해 서비스 구축의 타당성을 검증하는 작업을 빠르게 진행했습니다.

코웨이는 정수기와 공기청정기 등 다수의 제품을 연결하기 위한 IoT 플랫폼을 AWS 구축 기반으로 구축했습니다. 기존 IoT 플랫폼을 AWS로 마이그레이션하는 과정을 몇 달만에 완료했는데, 서버리스 아키텍처를 채택해 리소스를 줄이면서, 프로젝트 운영의 안정성을 확보할 수 있었다고 합니다.

• 자세한 내용은 캐드앤그래픽스 2022년 6월호에서 볼 수 있습니다.