카테고리 없음
2020-12-04 18시 개발자 글 모음 | "WATCHA 푸시 서버 개선하기" 외 14개 이야기
데브피드
2020. 12. 4. 18:46
- 6 7 8 9 10 11 12
- 13 14 15 16 17 18 19
- 20 21 22 23 24 25 26
- 여기서 'EL(Expression Language)'은 JSP의 표현식이나 액션 태그를 도와서 데이터를 출력을 간편하게 사용하기 위한 기술입니다
- 그렇기 때문에 ${} 안에 입력한 것은 그냥 String처리가 되어 데이터를 가져와서 보여주는 게 아니라
- 즉 해결하기 위해서 isELIgnored="false"를 임의로 상단의 page 디렉티브에 넣어주시면 됩니다
- 교보문고에서 진행한 “2020 올해의 책 IT 전문서” 투표에서 머신러닝/딥러닝 부분에서 “핸즈온 머신러닝 2“가 선정되었습니다
- 이 책을 좋아해 주고 투표에 참여해 주신 모든 독자 분들께 감사드립니다
- Yes24 “2020 IT 연말결산“에서도 2020 베스트 IT 전문서에 “핸즈온 머신러닝 2“가 선정되었습니다!
- 모니터링을 위해 사용하는 방법으로 로그를 분석하거나 SMTP와 같은 OS에서 제공하는 API를 사용할 수 있지만 애플리케이션 모니터링을 에이전트를 사용하여 애플리케이션의 데이터를 수집하는 방식을 사용합니다
- 애플리케이션 모니터링은 애플리케이션에서 데이터를 수집하는 에이전트와 데이터를 저장하는 데이터 서버
- 클라우드 이전의 고객사 설치형의 경우 서버에 설치하는 에이전트는 물론이고 추가로 사내에 데이터 서버와 프론트 서버를 모두 설치해야 했지만 SaaS 방식에서는 데이터 서버와 프론트 서버를 서비스 운영사가 직접 관리하기 때문에 모니터링 사용자는 에이전트만 모니터링 대상 서버에 설치하면 됩니다
- Amazon Elastic Block Store(EBS)는 크기와 상관없이 처리량 및 트랜잭션 집약적 워크로드를 모두 처리할 수 있도록 Amazon EC2 인스턴스와 함께 사용하도록 설계되어 사용하기 쉬운 고성능 블록 스토리지 서비스입니다
- 오늘은 스토리지 용량과 관계없이 성능을 프로비저닝할 수 있게 해주며 기존 gp2 볼륨 유형보다 가격이 20% 더 낮은 새로운 유형의 SSD EBS 볼륨인 gp3에 대해 설명하겠습니다
- 현재 gp2를 사용 중인 경우 Amazon EBS의 기존 기능인 Amazon EBS 탄력적 볼륨을 사용하여 EBS 볼륨을 gp3로 쉽게 마이그레이션할 수 있습니다
- AWS Panorama Appliance와 AWS Panorama SDK로 조직은 온프레미스 카메라에 컴퓨터 비전을 도입하고 뛰어난 정확도와 짧은 지연 시간의 자동화된 예측을 수행할 수 있습니다
- 이제 Amazon SageMaker를 사용하여 컴퓨터 비전 모델을 개발한 후 이를 Panorama Appliance에 배포하여 모델을 여러 네트워크 및 IP 카메라의 비디오 피드에서 실행할 수 있습니다
- Panorama Appliance로 고객이 무엇을 개발할 것이며 Panorama SDK로 타사 디바이스 제조업체가 어떤 종류의 제품을 빌드할 것인지 정말 기대됩니다
- 12월 3일 목요일 오전 7:45~9:30에 진행되는 AWS 파트너 기조 연설에 참여하세요
- 글로벌 공공 부문 파트너 및 프로그램 부사장인 Sandy Carter
- Marketplace 및 제어 서비스 담당 부사장인 Dave McCann이 함께 합니다
- Lookout for Equipment를 사용하면 모델당 센서 및 액추에이터 등의 구성 요소에서 최대 300개의 데이터 태그를 얻을 수 있는 산업 장비에서 생성한 과거 시계열 데이터 및 과거 유지보수 이벤트를 추출할 수 있습니다
- 고객은 S3에 산업 데이터를 게시하고 모델을 개발하기 위해 Lookout for Equipment를 활용할 수 있습니다
- Lookout for Equipment는 자동화된 기계 학습 도구이기 때문에 사용자가 Lookout for Equipment를 사용하여 새로운 데이터로 모델을 재학습하므로 시간이 지남에 따라 더 스마트해집니다
- 기계 학습(ML)을 활용하여 더욱 스마트해진 Amazon Connect를 사용하면 실시간으로 대화를 분석하고 고객 센터 상담원이 필요로 하는 관련 정보를 찾으며 고객의 음성으로 고객을 인증할 수 있습니다
- 두 번째 기능 모음을 사용하면 Amazon Connect가 타사 도구 또는 서비스와 쉽게 통합되어 통합 고객 프로필 정보를 콜센터 상담원에게 제공하므로 작업을 보다 쉽게 관리할 수 있습니다
- 상담원은 통화 및 채팅을 통해 고객과 상호 작용하는 데 사용하는 것과 동일한 웹 기반 애플리케이션인 Amazon Connect 연락처 제어판에서 곧바로 할당된 모든 작업을 확인할 수 있습니다
- 이제 비즈니스 사용자는 Q를 통해 QuickSight를 사용하여 일상 언어로 데이터에 대해 질문하고 몇 초 만에 정확한 답변을 받을 수 있습니다
- 또한 Q를 사용하면 BI 팀이 특정 데이터 세트에 대한 데이터 모델을 미리 빌드할 필요가 없으므로 모든 데이터에 대해 질문할 수 있습니다
- 기존 대시보드에 표시된 데이터에서 새로운 비즈니스 질문에 대한 답변을 찾을 수 없는 경우 비즈니스 사용자는 인력이 부족한 BI 팀에 데이터 요청을 제출하고 질문에 대한 답변이 대시보드에 추가될 때까지 몇 주를 기다려야 합니다
- Lookout for Vision은 완전 관리형 서비스로 사용자의 사용 사례와 데이터에 맞게 최적화할 수 있는 이상 징후 탐지 모델을 함께 제공합니다
- 그 다음 Lookout for Vision은 이 데이터 집합을 사용하여 사용자 제품의 이상을 탐지하는 방법을 학습하는 ML 모델을 자동으로 훈련합니다
- 이렇게 하면 Lookout for Vision 모델을 실행하고 새 이미지의 이상을 예측할 수 있습니다
- 병원 및 공간 제약이 있는 셀 사이트 등의 장소에 적합한 두 가지 새로운 크기의 AWS Outposts를 도입하고 있습니다
- Amazon ECS Anywhere — 사용자는 자체 데이터 센터에서 Amazon Elastic Container Service (ECS)를 곧 실행할 수 있으며
- Amazon EKS Anywhere — 사용자는 자체 데이터 센터에서 Amazon Elastic Kubernetes Service (EKS)를 곧 실행할 수 있으며
- 12" # 1단계 - 번들 기본 이미지 + 런타임 # 새로운 이미지 복사본을 가져오고 GCC를 설치함 FROM python:${RUNTIME_VERSION}-alpine${DISTRO_VERSION} AS python-alpine # GCC 설치(Alpine은 musl을 사용하지만 여기에서는 종속성을 GCC와 컴파일하고 연결함) RUN apk add --no-cache \ libstdc++ # 2단계 - 함수 및 종속성 빌드 FROM python-alpine AS build-image # aws-lambda-cpp 빌드 종속성 설치 RUN apk add --no-cache \ build-base \ libtool \ autoconf \ automake \ libexecinfo-dev \ make \ cmake \ libcurl # 빌드의 현재 단계에 전역 args 포함 ARG FUNCTION_DIR ARG RUNTIME_VERSION # 함수 디렉토리 만들기 RUN mkdir -p ${FUNCTION_DIR} # 처리자 함수 복사 COPY app/* ${FUNCTION_DIR} # 선택 사항 – 함수의 종속성 설치 # RUN python${RUNTIME_VERSION} -m pip install -r requirements
- txt --target ${FUNCTION_DIR} # Python용 Lambda Runtime Interface Client 설치 RUN python${RUNTIME_VERSION} -m pip install awslambdaric --target ${FUNCTION_DIR} # 3단계 - 최종 런타임 이미지 # Python 이미지의 새로운 복사본 가져오기 FROM python-alpine # 빌드의 현재 단계에 전역 arg 포함 ARG FUNCTION_DIR # 작업 디렉토리를 함수 루트 디렉토리로 설정 WORKDIR ${FUNCTION_DIR} # 빌드된 종속성 복사 COPY --from=build-image ${FUNCTION_DIR} ${FUNCTION_DIR} # (선택 사항) Lambda Runtime Interface Emulator를 추가하고 보다 간단한 로컬 실행을 위해 ENTRYPOINT에서 스크립트 사용 COPY https://github
- 이제 Lambda Runtime Interface Emulator를 사용하여 함수와 컨테이너 이미지가 올바르게 작동하는지를 로컬에서 확인할 수 있습니다