NAVER D2

·Architecture·

Spark, Thrift, Hive Metastore, GetTable, RPC

네이버 D2가 HMS를 Hive 4.2 기반으로 업그레이드하는 과정에서 사라진 get_table RPC의 원인과 현상을 추적한 사례를 다룹니다. 구버전 Spark 클라이언트가 여전히 get_table을 호출하는 반면 서버는 이를 더 이상 지원하지 않아 Unknown/Invalid 메서드 응답이 발생한 문제를 분석합니다. 해결으로는 IDL에 구버전 RPC를 하위 호환시키는 get_table 선언을 복원하고, 내부 로직은 기존 getTableInternal로 재사용해 변화 최소화를 달성했습니다.

AWS

·AI/ML·

Amazon SageMaker, TensorRT, Isaac Sim, AWS IoT Greengrass, MuJoCo

AWS의 기술 블로그는 SageMaker Pipelines와 HyperPod를 활용해 Physical AI 학습 파이프라인을 구축하는 방법을 제시하고, VLA 트랙과 RL 트랙의 시뮬레이션-엣지 배포를 포함한 엔드투엔드 인프라를 설명합니다. VLA 트랙은 GR00T N1 모델을 SO-101 팔 데이터셋으로 미세조정하고 폐루프 평가를 통해 성능을 확인하며, RL 트랙은 PPO로 Isaac Lab과 MuJoCo에서 정책을 학습합니다. 엣지 배포는 NVIDIA Jetson 계열에 AWS IoT Greengrass로 구현하고 TensorRT 최적화를 적용하며, 데이터셋과 체크포인트는 S3와 SageMaker 모델 레지스트리에 관리합니다.

AWS

·Cloud·

Amazon Simple Storage Service, AWS Lambda, Amazon Aurora, Amazon Elastic Compute Cloud, Amazon Simple Queue Service

AWS를 기반으로 무븐트의 음악-댄스 AI 학습 데이터 파이프라인과 추론 서빙 아키텍처 구축 사례를 자세히 소개합니다. 데이터 파이프라인은 S3 저장, SQS 버퍼링, Lambda/WAF/Cognito 인증, DynamoDB 메타데이터로 비정형 댄스 영상을 학습 데이터로 변환하며, GPU 추론은 비동기로 EC2 워커에서 처리하고 실패는 SNS/Lambda로 기록합니다. 글로벌 트래픽 대응을 위한 다중 계층 아키텍처와 추론 최적화로 확장성 및 응답 속도가 개선된 사례를 제공합니다.

삼성전자

·AI/ML·

DevOps

삼성전자가 분산된 업무 이력을 Wiki로 연결해 AI가 설계·구현 판단 전에 과거 근거를 확인하도록 한 사례를 소개합니다. 과거 근거가 현재 상태와 충돌하면 차이점과 선택지를 제시하고 실행 전에 사용자 확인을 요구하는 프로세스를 적용했습니다. 실무적으로 44일간 60건의 업무 중 47건에서 Wiki 조회가 이뤄졌고, 89.4%의 초기 판단이 보완되거나 부정되었다는 정량적 피드백을 제공합니다.

AWS

·Cloud·

SageMaker, Athena, CloudTrail, TIP, Lake Formation

AWS의 SageMaker Studio에서 TIP를 활성화하고 S3 Access Grants 및 Lake Formation과 연동해 Athena 쿼리를 엔드투엔드로 실행하는 데이터 거버넌스 아키텍처를 제시합니다. IAM Identity Center, TIP, S3 Access Grants, Lake Formation, Athena, CloudTrail을 포함한 구성 요소와 권한 흐름으로 사용자별 접근 제어와 감사 추적을 구현하는 방법을 제공합니다.

슈퍼브에이아이

·Data·

AI, Data Engineering, Data Governance, Data Pipelines, Trust Engineers

슈퍼브에이아이의 인사이트 글은 모든 지표가 정상인데 비용이 새는 현상을 신뢰 엔지니어의 도입으로 해결하려는 접근을 조명합니다. 핵심 메시지는 데이터 엔지니어가 더 이상 데이터를 옮기는 역할에 머물지 않고 신뢰를 구축하는 엔지니어로 확장되었다는 점이며, 데이터 거버넌스와 계보(lineage), SLA 준수 등을 결합한 사례를 제시합니다. 실무적으로는 신뢰 중심의 데이터 운영과 비용 투명성 확보, AI 도입 시 데이터 품질 관리와 거버넌스 체계 구축에 대한 인사이트를 제공합니다.

AWS

·Cloud·

CloudWatch, Replication, Failover, AWS Elastic Disaster Recovery, Drill

웅진프리드라이프가 AWS Elastic Disaster Recovery를 활용해 온프레미스 21대 서버의 재해복구 체계를 설계·구축하고, 아키텍처 구성과 검증 프로세스를 포함했습니다. DR 설계는 복제 대상/저장소 구성, 스테이징 및 복구 서브넷 분리, BIOS/UEFI 호환성, 부팅 경로 및 UUID 사용 등 구체적 이슈를 drill로 검증했습니다. 또한 모니터링과 비용 최적화, 그리고 서버별 복구 목표 정의 등 운영적 성과와 재현 가능성을 제시합니다.

AWS

·AI/ML·

AWS, Python, Kubernetes, Federated Learning, NVIDIA FLARE

AWS가 Amazon EKS 위에 NVIDIA FLARE를 기반으로 한 연합학습 플랫폼을 구성하고, Scatter and Gather 워크플로와 교차 사이트 평가를 설명합니다. IID 분포의 균형 데이터에서 전역 모델은 약 97% 정확도를 달성하고, 비대칭 분포에서 96% 부근으로 회복하며, 임포스터 상황에서도 약 98%의 견고함을 보여줍니다. 이 글은 데이터 프라이버시와 데이터 주권이 강화되는 현장에서 FL의 운영 방법과 EKS 기반 배포의 실무적 시사점을 제공합니다.

교보DTS

·Architecture·

Disaster Recovery, High Availability, RTO, RPO

교보DTS가 장애 대응보다 더 중요한 장애 복구 설계에서 RTO와 RPO를 현실적인 수준으로 정의하는 방법을 다룹니다. 비용과 복잡도는 RTO/RPO를 낮출수록 커지며, 비즈니스 영향도에 따라 티어링으로 우선순위를 정하는 실무적 판단을 현실적으로 제시합니다. 또한 Active/Active 구조가 RPO 0을 반드시 보장하지 않는다는 점과, 재해 시 비용과 복구 시나리오의 현실적 한계를 함께 고려해야 한다는 메시지를 전달합니다.

슈퍼브에이아이

·Data·

Data Pipeline, Data Labeling, Vision AI, Sim To Real

슈퍼브에이아이가 비전 AI 데이터 파이프라인의 총비용(TCO)을 자체 구축, 외주, 플랫폼의 3가지 선택지로 비교 분석합니다. 본문은 데이터 수집·정제, 라벨링, 품질 관리, 거버넌스, 운영 비용 등 비용 구조와 각 옵션의 장단점, 규모에 따른 비용 민감도 등을 구체적으로 설명합니다. 또한 데이터 중심 AI 환경에서의 효율적 비용 관리와 확장성을 위한 실무적 시사점과 의사결정 가이드를 제시합니다.