AWS 자격증
Space shortcuts
Space Tools
AWS 자격증 AWScert
Skip to end of metadata
Go to start of metadata


학습목표

 - AWS에서 제공하는 다양한 서비스를 통해 클라우드 기반 서비스를 설명할 수 있다.


학습내용

 - 데이터 분석 서비스

 - 컴퓨팅 서비스

 - 스토리지 서비스

 - 데이터베이스 서비스

 - 네트워킹 서비스

 - 인공지능과 기계학습 서비스



이건 PDF  정리 되어있는 표들을 벼락치기 식으로..? 외우듯이 봐보다가,

그렇다고 외울 필요까진 없고 크크

그리고 서비스들 다시 공부하면 어디서 들어본 것 같은데? 느낌이 들것이고..

그리곤 마지막으로 시험정리등을 할때 다시 표를 활용해보는 것으로..!


내용 외에 나도 부연설명을 좀 붙여 보겠음..


데이터 분석 서비스

Athena

 → 나중에 S3보다보면 (혹은 패스트캠퍼스 강의때도 언급 되었던 처럼) S3 S3 올라가있는 데이터에 그대로 쿼리를 날리는게 가능하다는 장점이 있음. 그때 S3에다 쿼리를 날려주는 기능이 Athena.

 → 이게 근데 아무 데이터나 되는건 아니고...

 → 일단 S3 일종의 스토리지니까, 사진도 올리고 동영상도 올리고 글도 올리고 설치파일 압축 바이너리 같은거도 올릴 있고 뭐든 올릴 있겠져...?

 → 근데 Athena 기능이 사진이나 영상 같은데서까지 뭔가를 분석해주는 것은 아니고

 → 일반적으론 웹로그 같은 text파일 분석해주는거.

 → 그 외에도 "CSV, JSON, ORC, Apache Parquet, Avro 등 다양한 표준 데이터 형식과 호환"

 → 이런 분석 가능한 종류의 파일이라면, S3 올라 가있기만 하면 따로 DB 사용하지 않아도 파일 상태 그대로에서 분석이 가능하다는 것이 장점


EMR

 → 일단 용도상 Athena 거의 비슷해 보이는데...

 → Athena S3 올라가있는 파일을 분석해주는 것이라면, EMR 하둡 같은 것임.

 → EC2 컨테이너든. 뭔가를 이용해서 EMR 구성을 하고(= HDFS구성하는 처럼) EMR안에 저장된 데이터에 대고 분석을 해주는 것임.



분석

Elasticsearch Service

 → 말그대로 Elasticsearch 사용해서 분석. 관리형 Elasticsearch서비스

 → 엘라스틱서치는 원래는 검색 엔진임. 이를테면 구글에서 웹사이트 검색하는 처럼..

 → 그런데 검색해내는 기능이 워낙 훌륭하다보니 → 이걸로 데이터를 분석하는 용도로 많이 활용되게 . → 예를들면 로그에서 404 에러가 발생한 케이스를 모두 검색해내라. 어디에서 주로나냐.. 이런식


 → 이게 Elastic co.에서는 AWS와 별개로 거기 나름대로 Elastic Cloud 서비스를 제공하고 있음 

 → AWS가 두루 욕먹는 것 중에 하나가, 오픈소스 가져다가 자기들 서비스로 제공은 하면서 오픈소스에 딱히 기여하는건 없다는 건데...

 → 이 부분에 있어선 Elastic하고도 꽤나 대립하는 형상이었음. 인터넷에 정리된 내용이 있으니 한번 재미삼아 읽어봐용 


 →  정리글과는 별개로 상태를 정리해보자면.

   - AWS 있는 Elasticsearch Service 원래 Elastic co 중심이되어 개발되던 오픈소스 elasticsearch 이용해서 만든 SaaS 서비스임

   - 근데 둘이 싸워서, 2021 1 21일부터는 AWS AWS 나름대로 elasticsearch 독자 개발해나가겠다고 갈라서 나옴.

   - 앞으로의 두개의 elasticsearch 서로 다른 모양이 가능성

   - Elastic co AWS/Azure/GCP등의 마켓플레이스에  Elasticsearch 상품을 등록함. 이거 쓰면 별도 비용은 나가겠지만, 서브스크립션 처리됨.


 => 내용은 시험과는 별로 상관없습니다. 그냥 오픈소스 영역에서 이런 저런 분쟁이 있었고 역사는 흘러갔고... 그런 재미삼아 참고하라고 남겨둡니다.


Kinesis

 → 스트리밍 데이터를 분석해주는 서비스인데,

 → 스트리밍 데이터 분석이란 것 자체에 대한 이해가 필요할 테니 링크 참고 바랍니다. 


QuickSight

 → 흔히 이런 서비스를 BI라고 불러용 = Business Intelligence

 → 분석한 데이터를 예쁘게 그림으로 표시해주는걸  BI라고 한다 보면 됩니다.



컴퓨팅 서비스

 → 일단 강의에서 크게 3개로 구분을 해놨는데...

  1. VPS (Virtual Private Service) → VM 같은 개념
  2. 컨테이너 서비스 → 컨테이너가 VM이랑 다르다는 것은 알죵..? 이건 가상화 것이 아니라, OS 내의 격리된 영역에서 동작하는 방식인데.. 암튼 쓰는 입장에선 VM 이랑 거의 다를건 없게 느껴질겁니다..
  3. 서버리스 → 이건 아예 서버를 사용하지 않는 방식. OS 터미널 연결되는 그런 개념 자체가 없음.

 → 점점 범위가 줄어드는 형태로 구분되어있네요 → VM이면 OS 모든 것을 처럼 것이고 → 컨테이너는 사실 남의 OS 기생해있는거라 약간 제약이 있고 → 서버리스는 아예 OS 건드리지도 못하고요.

 → 건드릴 있는 범위가 작아지지만, 그건 반대로 생각하면, 내가 신경써야되는 범위가 적어진다는 것이기도 해요 → 이게 온프레미스면 어쨌든 같은회사 다른팀의 누군가가 OS 봐줘야겠지만, 클라우드 환경에서는 그건 클라우드 사업자가 알아서 할거니까 우린 아예 신경쓰지 않아도 되는 것이져..


VPS

EC2 (Elastic Cloud Compute)

 → 가장 평범한 스타일의 걍 VM. 난 이게 AWS에서 제일 기본이 되는 형태의 서비스라고 생각하는데.. VM 발급 받아서 OS 접속해서 이것저것 해볼 수 있는. 걍 VM 같은 것임

Lightsail

 → 라이트세일도 VM이긴한데, EC2는 VM의 CPU/메모리 부분에만 해당하고, 나머지 스토리지 보안 네트워크류의 서비스들을 다시 조합해서 하나의 제대로된 서버군을 구축하는 형태라면,

   라이트세일은 CPU/메모리/디스크/네트워크사용량 정도가 한번에 아예 묶여 있고, 비교적 저렴하고, 그치만 상품의 가지수가 다양하지 않고... 이름부터가 라이트한데, 가볍게 쓰기엔 신경 범위도 적고, 가격도 싸고. 그냥 공부삼아 간단히 쓰기엔 괜찮음. 근데 라이트 세일은 최대 생성할 있는 VM갯수에 제한이 있고, 말한 처럼 상품 가지수가 다양하지도 않아서 대규모로 쓰기는 어려움. 거의 개인용도..?


   전에 말해 줬었는데 우리 yeon.io 라이트세일에 프록시가 올라가 있어서, 일반 사용자들은 이쪽 80포트 통해서 웹사이트에 접근하게 됩니다. (실제 웹서버, DB등은 EC2 올라가있고요!)

   이유는? 라이트세일이 기본 제공해주는 네트워크 전송량을 넘어서지는 않을 같고, EC2 네트워크 전송량 비용 더하면 라이트세일 비용보다는 나갈것 같고.. 그래서 제일 저렴한 라이트세일을 하나 띄워서 프록시로 쓰고 있다. 비용절감을 위해서다. 라고 했었습니다~~ (그리고 이건 개인이니까 이정도 규모에서 소화가 되는거고요!)


컨테이너 서비스

Amazon ECS(Elastic Container Service)

Amazon ECR(Elastic Container Registry)

 → 도커 공부를 한번 해봐서 알겠지만, 컨테이너가 있고 이미지라는 개념이 있어서

 → 이미지는 레지스트리에 등록되어 사용합니다.

 → ECR 레지스트리(르포지터리) 기능을 해주는 서비스고요,

 → ECR 있는 이미지 가지고 → 컨테이너를 띄우고 내리고 관리하는건 ECS 통해서입니다.

   (영수증을 봤을때, 컨테이너가 띄워져있었던 것에 대한 비용은 ECS 차징 것이고,

   이미지를 생성해서 저장해두고 있었다면 저장용량+네트워크 전송량 기반해서 비용 처리될텐데 이건 ECR입니다.

   ECR 저장소! ECS 컨테이너! )



서버리스

 → 일단 서버리스들의 대 전제는 서버가 없다!@ OS에 디렉토리 만들고 파일 올리고, 거기서 뭐 깔고 돌리고.. 이런 개념 자체가 없음

AWS Lamda

 → 서버 없이 함수 돌리기 → 이를테면 파이썬 코딩해서 함수를 하나 만들어용 → 그럼 그 함수 (예를들면 두 매개변수를 곱셈해주는  gop.py 파일)을 매니지먼트 콘솔등을 통해서 AWS에 올리고 → 그냥 서버 없이 그 함수를 돌릴 수 있음

 → 서버는 신경쓰지 않아도 되니까, 각종 세팅도 안해도 되고, 부하가 올라가니까 서버 대수를 늘리다가, 부하 떨어져서 서버 대수 다시 줄이고.. 이런식의 작업들이 아예 불필요해짐. 요금은 함수가 실행된 회수 가지고 매김


AWS Fargate

 → 이건 컨테이너 서비스인 ECS의 하부에 딸린 기능임. ECS기능으로 컨테이너를 생성하고 관리할 때에, EC2를 띄우고 그 위에 컨테이너를 올릴 수도 있는데,

   Fargate 사용하면, 내가 VM(, EC2)띄워서 관리하고 그럴 필요없이, , 서버와 호스트 OS 같은 개념 없이 그냥 컨테이너만 띄워서 사용할 있음.



스토리지 서비스

 →  객체 / 블록스토리지 차이는 알겠져 이제...?

   블록스토리지는 일반적인. 서버에 붙여놓은 하드디스크 같은 개념. 파티션 나누고, 파일시스템 올리고, 마운트하고, 파일 복사해서 쓰는 개념이고.

   (.. 물론 블록스토리지를 파티션 나누고, 파일시스템 올리고, 마운트 하지 않아도 있긴하죵. 오라클 데이터파일용 RAW Device처럼... → 뭔소린지 궁금하면 구두로 설명해줄게요! )

   객체 스토리지는 그냥 파일을 바로 올리는 공간.  RESTful해서 URL 통해 객체에 바로 접근 가능하고. 일반 파일 시스템처럼 없고. 업로드해놓은 파일들이 restful 객체가 되어버림.



객체 스토리지

S3(Simple Storage Service)

 → AWS 오브젝트 스토리지 서비스 => 특징은 위에 설명한대로...

글래시어

 → 강의에선 좀 뜬금없이 소개되는데, 원래 글래시어는 S3의 티어구조중 하나임. S3에 딸려있는 기능같은거.. 자주 안쓰면 더 싸고 느린 공간에 저장할 수 있다면 효율적이지 않을까... 글래시어가 이런 값싸고 느린 S3 공간임.  AWS 홈페이지의 S3 설명 부분 들어가보면 바로 이 티어들이 보일 것임. 참고바람.


블록 스토리지

EBS(Elastic Block Store)

 → AWS 블록 스토리지 서비스 => 특징은 위에 설명한대로...


파일 스토리지

 → NFS, SMB 처럼. 이미 파일 시스템이 올라가있는 상태에서 공유해 있는 개념. NAS처럼 있도록..

Amazon EFS(Elastic File System)

Amazon FSx for Windows File Server

Amazon FSx for Lustre


백업

AWS Backup → 백업용.


데이터 전송 및 엣지 컴퓨팅

AWS Storage Gateway → AWS내부가 아닌, 로컬 시스템에 있는 스토리지랑 연동해서 있도록 해줌


데이터베이스 서비스

관계형 DB

Amazon RDS

 → RDBMS 대한 관리형 서비스. RDS 내에 다시 MySQL/MariaDB/ORACLE/MS SQL Server/ PostgreSQL같은게 있음. , MySQL같은걸 완전 관리형인 Saas 형태 (정확히는, 이건 DB라서 특별히 DBaaS라고 부름) 제공해주는 서비스임

Amazon Aurora

 →  오로라를 일부로 RDS보다 뒷 순서로 밨꿨는데.... 이건 RDS같은거임. RDS 하위에 딸려있기도 하고.. MySQL PostgreSQL 고쳐서 인터페이스는 그대로인데 (, 기존에 MySQL 쓰도록 개발된 프로그램은, 아무것도 안고쳐도 그대로 Aurora 사용할 있음) 성능은 좋게 개선한 제품임.

    여기서 성능을 좋게 개선하는 데에 AWS 물리적인 구조도 활용됨. 오로라는 오픈소스 고쳐서 만든건데, 소스를 공개하진 않음. (Elasticsearch 부분 설명할때 이야기한 처럼, 그래서 오픈소스 진영에서 곱게 보질 않는다능..) 근데 어차피 소스가 공개되어봤자 개인이 쓰기는 어려운 것임. AWS 하드웨어 구조를 활요해서 성능 개선하게 만든거니까. (물론 경쟁 업체는 아주 활용할 있겠지....--!!)


Amazon Redshift

 → DW RDB. DW성이란건 대량 분석하는 목적이란 소리임.



키-값

Amazon DynamoDB → NoSQL DB


문서

Amazon DocumentDB → MongoDB 호환


인 메모리

 → 인메모리 캐시 서비스인데, memcached 쓰는 방식과 redis 쓰는 방식으로 두가지가 있는 것임. 레디스가 뭔지는 알테니.. memcached redis 나오기 전에 잘나갔던 비슷한 툴임. 암튼 얘들은 관리형 redis같은 서비스인 것임

Amazon ElastiCache for Memcached

Amazon ElastiCache for Redis


그래프

Amazon Neptune → 그래프 DB


시계열

Amazon Timestream → 시계열 DB


→ 여기까지 뭐 강사도 짧게 슥슥 설명하고 넘겼고 뭐.. 나도 일단 간딘히 적고 넘겼음. 그래프 DB가 뭔지 알고, 시계열 DB가 뭔지 안다면 부가 설명이 필요없을텐데.

   그걸 모른다는 전제로 설명하자니 설명할게 너무 길고.. 그러니 궁금한거 있으면 물어보면 구두로 설명해주도록 할게요. 아니면 인터넷 검색을 해봐용

   저도 검색결과 샘플 하나 추가해봄

   - 그래프DB 

   - 시계열DB 



네트워킹 서비스

 → 지금 여기까지 정리하며 들어간 시간도 어마어마한데, 여기서 네트워크까지 정리하려니 규모가 넘크다...덜덜..

 →  강의중에 네트워크까지 심도있게 다룰리가 없어보이니, 여기서는 강의에서 소개해준 정도로 짧게 짧게 정리하고 넘어가고,

    나중에 시험공부삼아 기능 하나하나 자세히 들여다볼 다시 자세히 봅시다..


네트워크 아키텍처

AWS VPC → 가상 네트워크. 같은 서비스는 같은 VPC 묶는다거나.. 같은 VPC 묶여 있으면 같은 네트워크군이라 보면됨. 혹은 VPC 일부로 나눠놔서 서로 다른 네트워크군으로 분리시켜도 되고

Elastic Load Balancing → LB. 로드밸런서

AWS Global Accelerator → 이거랑

AWS Transit Gateway → 이거는 설명도 안하고 넘어가네.. --



네트워크 연결

Amazon Route 53 → DNS

AWS PrivateLink

AWS Direct Connect → 온프레미스와의 연결 편의용

AWS Virtual Private Network(VPN) → VPN


애플리케이션 제공

Amazon Cloud Front

AWS App Mesh

AWS Cloud Map

Amazon API Gateway


 → 네트워크 부분은 강의에서도 그냥 짧게 대충 설명하고 넘어가버렸으니, 그냥 PDF내의 표 정도나 참고하죵..



인공지능과 기계학습 서비스

 → 인공지능도 마찬가지. 일단 여기선 강의에 나온것만 듣고 넘어갑시다..


ML서비스

 SageMaker


AI서비스

 Forecast

 Personalize

 Recognition

 Comprehend

 Textract

 Polly

 Lex

 Translate

 Transcribe

 Kendra

 CodeGuru

 Fraud Detector



  • No labels
Write a comment…
AWS 자격증 AWScert