aws cloud 2017 - enterprise is cloud ready. 클라우드 뉴노멀 시대에 글로벌 혁신...

1

Enterprise is Cloud Ready클라우드 뉴노멀 시대에 글로벌 혁신 기업들의 클라우드 전략

매년 발표되는 IT Trends - 2017 Keywords?

AWS의 IT Trends는?매년 개최되는 AWS re:invent에서

새로운 서비스 런칭으로 제시

James Hamilton (Vice President, Distinguished Engineer)

Day 1

Andy Jassy(Amazon Web Services CEO )

Day 2

Werner Vogels(Amazon CTO)

Day 3

5

그럼 올해 AWS의 IT Trends는?

1. Advanced Data Analytics, Deep Learning to AI

2. Serverless and MicroServices

3. DevOps, Automation for Operation Excellence

4. IoT, Seamless Connected Device

5. Hybrid Cloud – vmware on AWS

6

1. Advanced Data Analytics, Deep Learning to AI

표준 SQL을 사용하여스토리지(Amazon S3)에서 직접데이터를 쉽게 분석 할 수있는

대화형 쿼리 서비스

Interactive Queries On Data In Storage (S3)

모든 개발자에게 강력한딥러닝 기반 인공 지능 구현

Image Recognition And AnalysisText To Speech

Natural Language Understanding & Automatic

Speech Recognition

7

2. Serverless and MicroServices

서버리스 컴퓨팅은 반복적 작업을신속하게 처리하고 관리 오버

헤드를 제거하여 개발 속도를 높임

No servers to manageContinuous scaling

No cold servers

자체 포함 된 원자 코드 단위손쉬운 개발, 배포 및 공유

JSON / REST / HTTPS 패러다임 준수

Micro-service

Software Modules(application, libraries, etc)

Data Store

Public API

Micro-service = Service-oriented architecture + “small” public API

3. DevOps, Automation for Operation Excellence기존 On-premise 환경 경직된 IT인프라 상에서 개발이 끝나면 장기간 운영 체계로 전환되지만클라우드를 도입하면서 지속적인 개발 및 업데이트로 사실상 개발과 운영이 통합 환경 전환

개발자 고객

개발 테스트 배포

계획 모니터링

Delivery Pipeline

Feedback Loop

소프트웨어 개발 사이클

DevOps

=소프트웨어 개발 사이클을빠르게 수행하기 위한 효율성

DevOps는 배포 및 피드백 절차를빠른 속도로 무한대 반복 가능

9

3. DevOps, Automation for Operation ExcellenceSoftware moves faster todaySoftware creation and distribution is easier and faster than ever

Continuous integration

Continuous delivery

Continuous deployment

Source Build Test Production

AWS CodeCommit AWS CodeDeploy

AWS CodePipeline

Automation

4. IoT, Seamless Connected Device

왕복 지연

간헐적 연결

고가의 대역폭

Cloud

SensorMachine

Device Factory

기기를 다시 작성하거나 프로그램하지 않는 한 기기의 기본적 내용으로 제한.임베디드 소프트웨어 프로그래밍 및 업데이트에는 전문적 기술이 필요.

클라우드에서 원활하게 IoT 애플리케이션 실행로컬 디바이스/장치에서 제한된 애플리케이션 독자적 실행

일관성과 기능 서비스를 갖추기 위해 프로그래밍 모델에서 유연성이 필요장치가 자체적으로 이해할 수 있고, 신호가 있을 때 클라우드 연계, 필요할 때 상호통신.

클라우드에 최적화된IoT 서비스를디바이스에 임베디드

5. Hybrid Cloud – VMware on AWS

데이터 센터에서 실행하는 것과동일한 VM웨어 소프트웨어를AWS에서 실행.

기존 VMware 도구로 관리

워크로드를 AWS로 완벽하게마이그레이션

↔ Private Cloud on Public CloudPrivate Cloud

12

AWS가 바라보는 2017 IT Trends1. Advanced Data Analytics, Deep Learning to AI2. Serverless and MicroServices3. DevOps, Automation for Operation Excellence4. IoT, Seamless Connected Device5. Hybrid Cloud – VMware on AWS

Trends는 Prediction이 아니라 현실 Reality!

The Next 10 years

14

Usage profile

Customer Case at re:invent 2016

8천6백만 사용자

190여 개국

15억시간 하루 스트리밍

10,000+ 동시접속자

3 리전

12 가용존

100,000+ AWS instances

15

Leading Enterprise Cloud for Finance & HR


1350+ 고객 (70% live)

120+ 고객 (포춘500기업)

210억+ 트랜잭션 (2015년)

AWS is Workday’s Preferred Cloud Provider

자유로운 다양한 선택입증된 시장 리더보다 강한 보안지속적 혁신

16


a modern and progressive burger company

강점과 민첩함의 조화

리딩하고 있는 POS 시스템20만 지점, 30만 POS 디바이스

POS의혁신

디지털트랜스포메이션

We found a partner in AWS

eCommerce Platform on AWS글로벌 5개 리전 배치

CPU 평균 43%에서 66% 상향초당 8천6백건 처리

인프라에서 플랫폼으로마이크로서비스 전환

17

Customer Case on AWS

Migrating 9,000 Workloads to AWS Over the Next Three Years

“AWS is our trusted partner

that is going to run our

company for the next

140 years.”

Jim Fowler

CIO, General Electric

• 300대의 ERP 시스템을 포함한 9천개의 워크로드 마이그레이션

• 앞으로 3~4년에 걸쳐 34개의 데이터센터를 4개로 축소/전환

• GE 석유 및 가스 부문은 클라우드 전환을 전사적 선도. 핵심

애플리케이션의 절반 이상을 마이그레이션 TCO 52 % 절감

• Agile 방법론으로 AWS 사용/자동화. GE 석유 및 가스 공급 중단

98 % 제거

18

Customer Case on AWS

Capital One Will Reduce Datacenter Footprint from 8 to 3 by 2018

“The financial service industry

attracts some of the worst cyber

criminals. We work closely with AWS

to develop a security model that we

believe enables us to operate more

securely in the public cloud than

we can in our own data centers.”

• Capital One은 고객이 모바일 및 디지털 플랫폼을 신속하게

채택 및 이용하고 있어, AWS를 사용하여 새로운 주요 모바일

뱅킹 애플리케이션을 비롯한 가장 중요한 워크로드를

개발/테스트 환경을 구축 및 실행.

• AWS 도입 이유

- 보안 모델 및 혁신 속도

- 피크 시간/고가용성에서 IT자원 요구를 처리 할 수 있는 탄력성

Rob Alexander

CIO, Capital One

19

TRANSFORMATION

20

General Electric Capital One BMWJohnson &Johnson Merck Nordstrom

Every Imaginable Use Case

21

AWS is Transforming The IT industry

22

I T

23

Information Technology

24


25


Database

Application

Web Service

ERPCRM

SCMB2B

26

Information TechnologyCloud Computing

27

Developer ToolsSecurity & Identity

Mobile ServicesRegions

Partner Solution

s

Database

Storage & Content DistributionCompute

Application Services

Management Tools

AWS Global Infrastructure

AvailabilityZone A

AvailabilityZone B

AvailabilityZone C

Regions

Edge Locations

Analytics

Applications

IoT

Networking

인프라에서 애플리케이션, 마켓플레이스까지End-to-End 서비스 제공

‘Service, Solution, API, App, 공용 기능’ 등이플랫폼을 구성하는 핵심 요소 (Primitives)

핵심 서비스를 활용하여 다양한 응용서비스를가능하게 하는 플랫폼형 인프라 (Building Block)

Ready made service and platform

Evolution Cloud Computing to Platform

28

Architectural Approaches

DBDB

Client-Server

Multi-tier with web, application and database tiers

Microservices

Messaging-oriented middleware

Client Server

Mobile/Web Clients

WebTier

ApplicationTier DB

Mobile/Web Clients

Service

Service

Service

Publisher Subscriber

Seeing a big shift towards…

DB

Why Microservices for Amazon?

아마존에서 마이크로서비스가 필요했던 이유는 무엇보다 지속적이고 신속하게개별 서비스를 혁신하고, 기존 서비스에서 새로운 기술 기반의 서비스를 개발 및통합하기 위해서 새로운 아키텍처와 방식이 요구되었음

강력한모듈화

의존성 최소화독립적인 확장

대체성

쉬운 교체 가능성

레거시애플리케이션

기존 어플리케이션에서 추가 개발

기술의자유로운 선택

기술 제약 없이새로운 기술 도입

지속적인운영환경 배포

서비스별 신속/지속업데이트

지속 가능한개발

마이크로서비스

적시 출시

시장 출시 기간 단축

30

The Evolution To Serverless Computing

OS, Language, Infra Coupled

OS & Language Coupled

Completely Decoupled

Monolithic n-tierService

OrientedContainerized

Micro-ServicesCloud Native

90s – 00s ~2010 2020~2015

31

New Model for Building Applications

Web Model IoT Model

• Endpoints/API calls

• Workflows

• Backends

• RESTful

• Synchronous

• Topics / Pub-Sub

• Rules

• Functions

• Event Driven

• Asynchronous

32


33


Big DataIoT

Machine Learning

Deep Learning

BI

AI

Chat Bot Vision

34

Purchases Movement Influence

구매 움직임 영향

Three big indicators of individual behavior개인 행동의 거시적 지표들

35

Ingest/Collect

Consume/visualize

Store Process/analyze

Data

1 4

09

5

Answers & Insights

START HEREWITH A BUSINESS CASE

A platform to build business outcomes from data데이터로 부터 비즈니스 결과를 만드는 플랫폼

Revenue Lift

Market acquisition

Customer delight

Brand advocacy

Inventory optimization

Supply chain efficiency

...

Purchases

구매

Movement

움직임

Influence

영향

Ingest/Collect

Consume/visualize

Store Process/analyze

1 4

09

5

Technology that helps brick-and-mortar retailers optimize performance

Trusted by over

500 global brands in 45 countries worldwide

and counting

Euclid analyzes customer

movement data to

correlate traffic with

marketing campaigns and

to help retailers optimize

hours for peak traffic

Was fully AWS-native

since day one

https://aws.amazon.com/solutions/case-studies/euclid/

45개국 500여 글로벌브랜드

고객의 다양한 유형 분석타겟 마케팅,

최적화된 유통 및 물류

Ingest/Collect

Consume/visualize

StoreProcess/analyze

Data

1 40 9

5

Answers & Insights

Euclid Analytics

Campaigns

WiFi - Foot traffic

Transactions

Walk-Bys

New & Return Visitors

Visit Duration

Engagement Rate

Bounce Rate

Storefront Potential &

Conversion

Customer segmentation

and loyalty assessment

Regional and categorical

roll-up reporting

Zoning for large-format

locations

Euclid EventIQAmazon S3Data lake

Amazon RDS for MySQL

Amazon EMR

Amazon RedShift

Amazon EC2

Amazon Elastic

Beanstalk

Elastic Load Balancing

Euclid analytics processes POS analytics for 600 global brands in hours

.

We were totally amazed at the

speed - a simple count of rows

that would take 5½ hours

using MySQL only took 30

seconds with Amazon Redshift

Dexin Wang, Director of Platform Engineering, Euclid

”

“ • Process 10’s of TB in hours vs. 2 weeks

• 80-90% reduction in costs

• Euclid has a network of traffic counting sensors in

nearly 400 shopping centers, malls, and street

locations

• Euclid analyzes 10+ billion events monthly and 300

million shopping sessions yearly

• "We might have to re-compute up to 18 months of

customer data. That requires a lot of computational

power, which spikes traffic. We need resources that

can scale up on demand and scale down when we

don’t need it.”

5시간반 걸리던 30초로 전환(예, 단순 rows의 count)

TB 처리하는 수십여 프로세스2주 소요를 몇 시간 내로

80~90% 비용 절감 매년 30억건 이상, 수십조의

이벤트를 처리/분석

600여 글로벌 브랜드의 POS 분석의 프로세스를 수시간내 처리 환경

41

Use an optimal combination of highly interoperable services

Amazon Redshift Amazon Elastic MapReduce

Data Warehouse Semi-structured

Amazon

Glacier

Amazon Simple Storage Service

Data Storage Archive

Amazon DynamoDB

Amazon Machine Learning

Amazon Kinesis

NoSQL Predictive Models Other AppsStreaming

다양한 상호 운영적 서비스의 최적의 통합 활용

Amazon Athena

표준 SQL을 사용하여Amazon S3에서 데이터를쉽게 분석 할 수있는 대화식쿼리 서비스

42

Amazon Rekognition

Image Recognition And Analysis Powered By Deep Learning

Amazon Polly

Text To Speech Powered By Deep Learning

Amazon LEXNatural Language Understanding &

Automatic Speech Recognition Powered By Deep Learning

Amazon AI

43

Deep Learning – Advanced ML

Neural Networks :

A collection of simple, trainable mathematical units that collectively learn complex functions

Where traditional machine learning focuses on feature engineering,

deep learning focuses on end-to-end

learning based on raw features

44

Deep Learning Use Cases

이미지/시각처리 음성 인식 자연어 처리

45

객체 및 장면 탐지 손쉽게 대규모 이미지 라이브러리를 검색, 필터링 및 큐레이팅

46

안면 분석 및 안면 비교

Similarity : 98.0%

이미지 내에 안면 위치 식별안면 속성(예: 미소 등) 분석

두 이미지 안의 안면이 동일인일 가능성을 측정

47

안면인식 대량의 이미지에서 유사한 안면 찾기, 탐지된 안면에 대해 인덱스를 생성

48

검색 가능한 이미지 라이브러리 예: 부동산 물건 검색

49

안면 기반 사용자 확인 예: 직원 명찰 스캔

50

감성 분석 예: 소매점 고객 감성 분석

51

안면 인식 예: 친구 또는 지인 이미지 찾기

52

Machine Learning

Collect

Validation data Test dataTraining data

Model training Model validation Final predictions

수집

학습데이터 확인/처리데이터

테스트 데이터

모델 학습 모델 검증 최종 예측

53

Internet of Things

54

Internet of Things

55

Internet of ThingsWeb 2.0

Wiki

SNSSocial media

App

Messenger

UCC

56


Wiki

SNSSocial media

App

Messenger

UCC

Office Worker Productivity Growth

57


Wiki

SNSSocial media

App

Messenger

UCC

Industry

ManufacturingLogistics

Retail

Finance Telco

58

Internet of Things

4th Industry Revolution

3D Printing IoE

Industrial internet

Big Data

Machine Learning

59

IoT - A strongly driven Market DisruptionBut three completely separate markets

People

Industrial

IT

Consumer and Smart Services Adoption of

Technology

Industrial Automation and Operational Technology

Lack of Understanding& Drivers

60

Healthcare and Life

Sciences

Municipal

Infrastructure

Smart Home Retail

Manufacturing, Logistics &

Supply Chain

Agriculture Education Automotive

Across many industries

61

Across many industries• AWS IoT는 IoT

애플리케이션을 위한완전 관리서비스 제공형빌딩 블록

• 간편한 과금모델은인프라 복잡성을 제거

• 기타 AWS 서비스에 직접연동되어 전체 사이클의애플리케이션을 쉽게구현

• SDK, Starter kit 및파트너 생태계를활용하여 쉽게 시작

62

AWS G re e ng r a s sEmbed Lambda Compute (& Other AWS Services) in Connected Devices

Use The Same AWS Programming Model In Devices And The Cloud

Local Compute, Messaging & Data Caching

Local compute

Local data caching

Securecommunications

Local messaging

클라우드에 최적화된 IoT 서비스를 디바이스에 임베디드

63

글로벌 IoT Case Study - Seeed Studio시드 스튜디오는 공장형 제조기업

하드웨어 스타트업에게 저렴한 비용으로 소량생산이 가능

시제품까지 완성 가능한 One Stop Solution 제공

SMT LineMake Shop

(3DP/밀링머신/CNC)

Incubating Space + Open Source HW모듈

협력사(디자인/대기업)

HW Startups

제품 디자인과 설계 – Make Shop을 통한 프로토타입 제작 및

평가 – 금형 설계 – 양산 과정 에 이르기 까지 Startup들의

아이디어를 실제로 제품화하는데 필요한 Ecosystem 구축

64

Seeed Studio의 Open Source HW 제품군을이용한 IoT 제품+서비스 개발 프로세스

• Seeed Studio의 강점은 자체 Open Source HW 제품군을 전세계 IoTStartup에게 제공

• IoT 기기에 연동되는 Application 개발시 필요한 Cloud 서비스까지 지원하기위해 AWS와도 제휴를 맺고 있음

• AWS입장에서는 Seeed Studio는전세계 HW Startup과 협업하는중요한 Premium Partner임

65

Agile Manufacturing 시스템 체계 구축Seeed Studio의 IoT 제품을 기획-개발하는데 즉시 사용가능한 Starter Kit

• HW Startup이 어떤 IoT 서비스를 개발할 것인가에 따라 고를 수 있는 Startker Kit 제공• AWS-Seeed Studio간의 관계는 수평적인 전략적 제휴 관계

- Seeed Studio는 중국 내 IoT Startup들이 자연스럽게 AWS의 IoT를 도입 및 활용

66

Today’s Waves of Disruption

Industries

Society

Individuals1980s

2020s

SpreadsheetWord Processor

File & PrintEmail

CRMERP

Intranets

AmazonUber

AirBnB

Autonomous TransportArtificial IntelligenceMachine Learning

AugmentationVoice Recognition

Smart Agents

Personal Computers

PC Networks

Enterprise Software

Cloud / Apps

http://www…

Organizations

Teams

(Disruption isn’t new, but the next wave is unique)

Apple

67

This Change Isn’t Just About Technology

TRANSFORMATIONAL CHANGE

Culture/OrganizationPhilosophy Technology

20%

• DevOps Culture• Ownership• Sharing• Aligned Incentives

• APIs and MicroServices• Infrastructure as Code• Code Pipelines

• Agility• Automation• Continuous Deployments• Governance

68

I T

69

Intelligent Transformation