Amazon S3 Files, 도입 전 반드시 확인해야 할 3가지 고려사항
Amazon S3 Files 도입 전에 비용, 성능, 공존 문제를 실측과 문서로 점검하는 방법을 정리했습니다. 소형 파일 과금, 읽기 경계, Mountpoint 충돌을 먼저 확인해야 합니다.

Amazon EKS 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
Amazon S3 Files 도입 전에 비용, 성능, 공존 문제를 실측과 문서로 점검하는 방법을 정리했습니다. 소형 파일 과금, 읽기 경계, Mountpoint 충돌을 먼저 확인해야 합니다.

Amazon EKS에서 NVIDIA OSMO를 활용한 Physical AI 워크플로 운영 레퍼런스 아키텍처를 소개했습니다. GPU 스케줄링, 아티팩트 보존, 모니터링, 보안을 함께 다루는 방법을 설명했습니다.
EKS Auto Mode와 Bifrost, Langfuse를 조합해 자체 관리형 Agentic AI 플랫폼을 구축하는 방법을 소개했습니다. 멀티모델 라우팅과 2계층 관측성으로 운영 안정성과 비용 최적화를 함께 확보했습니다.

EKS와 Spot, RabbitMQ, KEDA, Karpenter를 결합해 대규모 데이터 전처리 파이프라인을 구축했습니다. 단일 큐 병목을 없애 비용을 크게 줄이고 처리 시간도 수 일에서 수 시간으로 단축했습니다.

웅진씽크빅 북큐레이터 업무를 돕는 AI 에이전트를 AI-DLC로 2일 만에 MVP까지 구축했습니다. Kiro Steering과 AWS 서비스를 활용해 상담 준비, 회의록 정리, 코칭 지원을 자동화했습니다.

Amazon EKS에 Friendli Container Add-on을 적용해 LLM 추론 성능과 비용 효율을 높이는 방법을 소개했습니다. 클러스터 준비부터 배포, 검증, 정리까지의 절차를 단계별로 안내했습니다.

EKS에서 Slinky로 Slurm을 배포하는 방법과 구성 요소를 소개했습니다. Kubernetes와 Slurm을 함께 써서 AI·HPC 워크로드를 효율적으로 운영하는 방안을 정리했습니다.

Amazon EKS 전환 이후 누적된 운영 toil을 줄이기 위해 Kiro로 Spec-driven IDP를 구축한 사례를 소개했습니다. 문서화된 요구사항과 체크리스트 기반 자동화로 개발자 셀프서비스와 운영 효율을 높였습니다.

온프레미스 GPU와 AWS EKS를 Hybrid Nodes로 통합해 운영했습니다. 비용은 약 70% 절감하고, 장애 시 페일백까지 확보했습니다.

기존 ECS 기반 인프라의 확장성과 운영 복잡도 문제를 해결하기 위해 Amazon EKS로 전환했습니다.\nGitOps, Binpacking, Spot 대응 체계를 도입해 비용과 안정성을 함께 개선했습니다.

AWS Gateway API 컨트롤러로 Kubernetes Gateway API를 Amazon VPC Lattice에 연결하는 방법을 소개했습니다. EKS에서 Gateway와 HTTPRoute를 적용해 서비스 간 라우팅을 확인하는 실습도 다뤘습니다.

여기어때컴퍼니의 Oracle to Aurora MySQL 마이그레이션 사례를 소개했습니다. 생성형 AI 기반 OMA로 6주 만에 대규모 전환과 검증을 완료했습니다.

EKS에서 Istio Ambient Mode를 이용해 사이드카 오버헤드를 줄이고 리소스 효율성을 높이는 방법을 소개했습니다. Ztunnel과 Waypoint로 보안, 관찰성, 트래픽 제어를 유연하게 구성하는 과정을 설명했습니다.

Amazon EKS와 Amazon Bedrock으로 1:1 수업 피드백을 자동화한 사례를 소개했습니다. 단계 분리와 비동기 파이프라인으로 비용을 줄이고 일관된 개인화 리포트를 제공했습니다.

EKS Fargate의 버전 업그레이드 절차와 EC2 대비 차이를 정리했습니다. 또한 Pod Eviction 대응과 무중단 운영을 위한 설정도 설명했습니다.
Amazon EKS용 MCP 서버로 AI 코드 어시스턴트와 쿠버네티스를 연결하는 방법을 소개했습니다. 클러스터 생성, 배포, 트러블슈팅을 자연어와 도구 호출로 가속화하는 사례를 설명했습니다.

Amazon EKS에 vLLM DLC를 적용해 DeepSeek 모델을 배포하는 과정을 설명했습니다. EFA와 FSx for Lustre를 활용해 고성능 추론 환경을 구성했습니다.

당근은 추천 시스템 고도화를 위해 AWS 기반 피처 플랫폼을 설계하고, 다단계 캐시와 일관된 스키마로 피처 서빙을 구성했습니다. 캐시 미스, 정합성, 관통 문제를 완화하며 대규모 트래픽을 안정적으로 처리하는 구조를 소개했습니다.

Amazon EKS Add-on으로 Falco를 설치해 Kubernetes 런타임 보안을 강화하는 방법을 소개했습니다. 커스텀 룰 적용과 CloudWatch 연동으로 탐지와 모니터링까지 구성했습니다.

Amazon Bedrock과 Amazon Nova를 적용해 사진 기반 AI 콘텐츠 생성 구조를 개선했습니다. 컨테이너를 경량화하고 처리 시간을 크게 줄여 빠르고 효율적인 서비스 운영을 가능하게 했습니다.
