Loading...

프레임워크

2 Contents
최신순

오픈소스로 만들어가는 멀티 클라우드 세상

오늘날 클라우드 기술은 단일 사업자의 인프라를 구축하던 시대를 넘어, 전 세계에 산재한 다양한 클라우드 자원을 유연하게 활용하는 멀티 클라우드 및 분산 클라우드 체제로 진화하고 있습니다. 과거에는 사업자가 제공하는 특정 콘솔 인터페이스에 의존하여 지정된 환경에 서비스를 배포하는 것이 일반적이었으나, 이제는 개방형 API를 기반으로 한 기술적 토대가 마련되었습니다. 이러한 변화는 서비스 배포의 제약을 없애고 운영상의 위험 부담을 낮추는 핵심 동력이 되고 있으며, 최근 공공과 민간 분야를 막론하고 멀티 클라우드 도입이 강력히 권고되는 배경이기도 합니다. 멀티 클라우드 환경을 효율적으로 운영하기 위해서는 서로 다른 사업자의 이종 클라우드를 마치 하나의 시스템처럼 제어할 수 있는 기술이 뒷받침되어야 합니다. '클라우드 바리스타'는 이러한 요구를 충족하기 위해 개발된 오픈소스 프레임워크로, 하단의 복잡하고 상이한 개방형 API들을 추상화하여 상단에 통합된 공통 인터페이스를 제공하는 역할을 합니다. 이를 통해 개발자는 각기 다른 보안 정책이나 기능을 개별적으로 수정할 필요 없이, 단일한 아키텍처 위에서 일관된 정책으로 전 세계의 클라우드 자원을 관리하고 최적의 환경을 구축할 수 있게 됩니다. 실제 서비스 운영 단계에서 이 기술은 전 세계 수백 개의 리전에 흩어져 있는 자원을 하나의 서비스 그룹으로 묶어 일괄적으로 생성하고 제어하는 기능을 구현합니다. 예를 들어 대규모 게임 서버나 실시간 영상 회의 시스템을 전 세계 리전에 동시에 배포할 때, 사용자와 가장 가까운 위치의 클라우드를 자동으로 선택하여 최적의 성능을 제공하도록 배치할 수 있습니다. 이때 발생하는 방대한 데이터를 누락 없이 수집하고 이종 운영체제 환경에 강인하게 대응하는 실시간 모니터링 시스템은 전체 멀티 클라우드 인프라의 안정성을 유지하는 핵심적인 장치가 됩니다. 기술적 측면에서 해결해야 할 또 다른 난제는 전 세계 클라우드 사업자가 제공하는 방대한 메타 정보를 관리하는 일입니다. 가격 정보나 가상 머신 사양, 이미지 정보 등은 그 양이 엄청나서 실시간 조회 시 심각한 지연을 초래할 수 있는데, 이를 해결하기 위해 데이터를 주기적으로 수집하고 로컬에 캐싱하여 처리 속도를 획기적으로 개선하고 있습니다. 최근에는 이러한 기술적 고도화를 바탕으로 복잡한 설정을 거치지 않고도 음성이나 텍스트 명령만으로 클라우드 인프라를 자동 구축하는 AI 에이전트 기술과의 접목이 활발히 진행되며 혁신적인 사용자 경험을 예고하고 있습니다. 국내 멀티 클라우드 기술력은 단순히 개발에 머물지 않고 ISO 및 TTA를 통한 글로벌 표준화를 주도하며 그 위상을 높여가고 있습니다. 한국이 주도하는 표준 모델이 글로벌 생태계에 안착하면 국내 사업자들의 서비스가 세계 시장으로 진출할 수 있는 중요한 발판이 마련될 것입니다. 다만 국내 클라우드 서비스 제공사들의 개방형 API 안정성이나 글로벌 기준과의 호환성은 여전히 개선해야 할 과제로 남아 있습니다. 국내 클라우드 생태계가 글로벌 오픈소스 진영과 긴밀히 소통하며 기술적 격차를 줄여가는 과정은 세계적인 경쟁력을 확보하기 위한 필수적인 여정이 될 것입니다.

오픈소스로 만들어가는 멀티 클라우드 세상
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

BeeAI 활용 교육 영상(01) - BeeAI 웹툴킷 개요 및 사용법

인공지능 서비스를 구축하기 위해서는 데이터의 수집부터 가공, 모델 학습, 그리고 실제 서비스로 이어지는 복잡한 전주기적인 과정이 필요합니다. BeeAI는 이러한 일련의 단계를 체계적으로 관리할 수 있는 통합 프레임워크를 제공하여 개발 효율성을 극대화하는 데 중점을 둡니다. 데이터 적재와 처리를 통해 학습용 데이터를 생성하고, 이를 기반으로 최적의 인공지능 모델을 만들어 실제 환경에 서빙하는 4단계의 순환 주기는 인공지능 개발의 핵심적인 기반이 됩니다. 사용자의 편의를 위해 BeeAI는 직관적인 웹 툴킷과 함께 기술 지원을 위한 상세한 매뉴얼을 제공합니다. 전용 홈페이지에서는 기술적인 궁금증을 해결할 수 있는 질의응답 게시판을 운영하며, 최신 버전의 소프트웨어 다운로드와 설치 방법, 단계별 사용자 가이드를 체계적으로 안내합니다. 특히 제공되는 다양한 워크플로 예제는 오픈 소스 기반의 프레임워크를 사용자가 직접 활용하거나 자신만의 비즈니스 로직에 맞춰 최적화된 인공지능 서비스를 설계할 수 있도록 돕는 유용한 지침서가 됩니다. 시스템에 접속하여 가장 먼저 마주하는 대시보드와 모니터링 탭은 전체 서비스의 운영 현황을 실시간으로 파악할 수 있는 관제 센터 역할을 합니다. 대시보드에서는 수행된 워크플로의 성공과 실패 여부, 실행 소요 시간 등 핵심적인 통계 정보를 시각화하여 제공하며, 현재 서빙 중인 인공지능 모델의 상태도 즉각적으로 확인이 가능합니다. 모니터링 기능을 통해 작업의 진행률을 체크하고 문제가 발생했을 때 상세 로그를 분석할 수 있는 환경은 중단 없는 안정적인 서비스 운영을 가능하게 만드는 중요한 요소입니다. 인공지능 서비스의 논리적 구조를 설계하는 워크플로 에디터는 드래그 앤 드롭 방식을 채택하여 복잡한 데이터 흐름을 시각적으로 구현합니다. '엔진'이라 불리는 기본 컨테이너 안에 데이터를 읽어오는 리더, 가공을 담당하는 오퍼레이터, 결과를 저장하는 라이터 등 5가지 필수 컴포넌트를 배치하여 하나의 완성된 연산 단위를 구성하게 됩니다. 이러한 설계 정보는 JSON 형태의 스펙 파일로 관리되므로, 임포트와 익스포트 기능을 활용하여 동료 개발자와 설계를 공유하거나 기존의 우수한 워크플로를 간편하게 재활용할 수 있습니다. 데이터의 성격과 처리 목적에 따라 13종에 달하는 다양한 엔진 유형을 선택하여 활용할 수 있습니다. 배치 엔진은 저장된 대용량 정보를 한 번에 읽어와 정기적으로 모델을 학습시키거나 대규모 데이터를 정제할 때 매우 효과적입니다. 반면 스트림 방식 엔진은 카프카와 같은 스트리밍 플랫폼과 연동하여 실시간으로 유입되는 데이터를 짧은 주기마다 끊어 처리함으로써 실시간성을 확보합니다. 이러한 유연한 구조 덕분에 개발자는 데이터의 규모나 속도에 상관없이 서비스 요구 사항에 가장 부합하는 처리 아키텍처를 손쉽게 구축할 수 있습니다. 지연 없는 처리가 중요한 실시간 스트림 환경을 위해 BeeAI는 고도화된 정제 및 복구 기술을 지원합니다. 네트워크 장애 등으로 늦게 도착한 데이터를 적절히 처리하는 워터마크 기능과 시스템 장애 시 이전 상태로 복구하기 위한 체크포인트 설정은 데이터 신뢰성을 보장하는 핵심 기능입니다. 또한 사용자의 요청에 즉각적으로 응답하는 온디맨드 서빙 엔진과 파이썬 모듈을 활용한 융합 서빙 기능은 복잡한 딥러닝 추론이나 전처리 로직을 REST API 형태로 간편하게 외부 서비스와 연결하여 실용적인 인공지능 응용 서비스를 완성해 줍니다. 인공지능 개발에 사용되는 모든 자산은 하둡 분산 파일 시스템(HDFS) 기반의 리포지토리에 통합되어 안전하게 관리됩니다. 개발자는 리포지토리를 통해 실습용 데이터 세트나 학습이 완료된 모델 파일을 자유롭게 업로드하고 관리할 수 있으며, 처리된 결과물에 대해서는 텍스트와 더불어 다양한 차트 형태의 시각화 도구를 활용해 데이터의 특성을 직관적으로 분석할 수 있습니다. 이러한 통합 저장 공간은 데이터의 이력을 관리하고 팀 단위의 협업을 수행하는 데 있어 필수적인 플랫폼 기반으로서의 역할을 충실히 수행합니다.

BeeAI 활용 교육 영상(01) - BeeAI 웹툴킷 개요 및 사용법
한국전자통신연구원
  • 융합
  • 공학·기술