데이터 및 머신러닝 플랫폼 아키텍처 설계

9장. 하이브리드 및 엣지를 사용한 데이터 플랫폼 확장

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

지금까지 이 책에서는 퍼블릭 클라우드의 기능을 사용해 데이터 플랫폼을 계획, 설계, 구현하는 방법에 대해 설명했습니다. 그러나 데이터가 온프레미스, 여러 하이퍼스케일러, 스마트폰이나 센서와 같은 연결된 인텔리전트 디바이스 등 다른 위치에서 발생하거나 처리되거나 저장되는 사용 사례의 특성상 단일 퍼블릭 클라우드만으로는 충분하지 않은 상황이 많이 있습니다. 이러한 상황에서는 사용자가 여러 곳에 분산된 데이터를 효과적으로 혼합하고 결합할 수 있도록 플랫폼에 대한 전체적인 뷰를 제공하는 방법이라는 새로운 과제를 해결해야 합니다. 이 장에서는 조직이 이러한 분산 아키텍처를 다룰 때 취할 수 있는 접근 방식, 기술 및 아키텍처 패턴에 대해 알아봅니다.

또한 부분적으로 연결되거나 연결이 끊긴 모드 환경에서 데이터를 작동시켜야 하는 다른 상황도 있습니다. 이 장에서는 스토리지 및 컴퓨팅 리소스의 일부를 Cloud에서 벗어나 데이터를 생성하거나 사용하는 주체 자체에 더 가까이 가져올 수 있는 새로운 접근 방식 을 활용하여 이러한 상황을 처리하는 방법을 알아봅니다.

왜 멀티클라우드인가?

데이터 리더()로서 조직은 발생하는 기술 비용을 최소화하면서 비즈니스 성과를 높일 수 있는 방법을 지속적으로 모색하기를 원합니다. 데이터 플랫폼의 경우, 시장에서 사용 가능한 최고의 솔루션 또는 최소한 비즈니스 요구 사항에 가장 적합한 솔루션을 채택하여 전체 데이터 수명 주기를 관리해야 합니다.

더 간단하고 비용 효율적인 단일 Cloud

전체 소프트웨어 아키텍처를 단일 Cloud 공급업체에 통합하는 것은 여러 가지 이유로 매우 매력적입니다:

단순성

단일 Cloud 제공업체를 사용하면 기술 스택이 훨씬 더 간단하고 간소화됩니다. Cloud 내의 서비스가 기본적으로 통합되어 있는 경우가 많습니다. 예를 들어, Google Cloud에서 DWH 도구(BigQuery)는 기본적으로 데이터 이동 없이 관리형 관계형 데이터베이스(Cloud SQL)에서 데이터를 읽을 수 있습니다. AWS의 Redshift와 Aurora 간, 그리고 Azure Synapse Link를 통해 Azure SQL 데이터 웨어하우스와 Azure SQL 데이터베이스 간에도 비슷한 제로-ETL 통합이 있습니다.

학습 곡선

Cloud가 하나만 있으면 직원들이 조직 내에서 이동하기가 더 쉬워집니다. 신입 직원의 온보딩이 더 쉬워지고 직원들이 조직의 다른 부분에 구축된 도구를 더 쉽게 사용할 수 있습니다.

비용

단일 Cloud 제공업체를 사용하면 보안부터 계약까지 모든 것이 더 간단해집니다. IT 및 법률 서비스에 대한 비용 절감만으로도 단일 Cloud가 최선의 선택이 될 수 있습니다. Cloud 제공업체는 사용량에 따라 할인을 제공하기 때문에 모든 기술 지출을 하나의 제공업체에 통합하면 더 큰 할인 혜택을 얻을 ...