기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# AWS 최신 데이터 아키텍처
<a name="aws-architecture"></a>

이 가이드에서는에서 데이터 전략 프레임워크를 구현하는 방법을 설명하지 않습니다 AWS. 이는 AWS 설명서, 블로그 게시물 및 기타 가이드에서 다루는 광범위한 주제입니다(리소스 섹션 참조). 그러나 다음 다이어그램에서는 상위 수준의 개요를 제공합니다. 여기에서는 [AWS의 최신 데이터 아키텍처](https://docs.aws.amazon.com/wellarchitected/latest/analytics-lens/modern-data-architecture.html)의 주요 구성 요소를 설명하고 로드맵에 있을 수 있는 대부분의 서비스를 다룹니다.

![\[AWS 데이터 서비스\]](http://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/strategy-aws-data/images/aws-data-services.png)


이 아키텍처의 주요 구성 요소는 [앞서 설명한](framework.md) 최신 데이터 전략의 기술 원칙을 지원합니다.

1. **통합되고 비용 효율적이며 확장 가능한 스토리지 계층**을 사용하세요. 이를 통해 모든 데이터 생산자와 소비자가 데이터와 상호 작용할 수 있는 기술적 기능을 갖게 됩니다.

   [Amazon Simple Storage Service(Amazon S3)](https://aws.amazon.com/s3/)는 확장성, 데이터 가용성, 보안 및 성능을 제공하는 객체 스토리지 서비스입니다.

1. **보안은 필수입니다**. 데이터 개인 정보 보호 규칙을 적용하고, 암호화를 통해 데이터 보호를 제공하며, 감사를 활성화하고, 자동화된 규정 준수를 제공하세요.

   데이터 프라이버시, 보호 및 규정 준수를 자동화된 방식으로 적용하고 감사를 활성화하기 위해 [AWS Key Management Service (AWS KMS)](https://aws.amazon.com/kms/), [AWS Identity and Access Management (IAM)](https://aws.amazon.com/iam/), [AWS Secrets Manager](https://aws.amazon.com/secrets-manager/), [AWS Audit Manager](https://aws.amazon.com/audit-manager), [Amazon Macie](https://aws.amazon.com/macie/)를 사용할 수 있습니다.

1. **데이터를 규제하여** 회사에서 공유하세요. 사용자가 필요한 데이터를 찾고 사용할 수 있도록 고유한 데이터 카탈로그와 비즈니스 용어집을 제공하세요.

    [AWS Lake Formation](https://aws.amazon.com/lake-formation/)은 데이터를 관리하고 회사 전체에서 공유하는 데 도움이 됩니다. 또한 [Amazon DataZone](https://aws.amazon.com/datazone/)(미리 보기)을 사용하여 [AWS Glue](https://aws.amazon.com/glue/)에서 고유한 데이터 카탈로그와 비즈니스 용어집을 생성해 직원이 필요한 데이터를 찾을 수 있도록 지원할 수 있습니다.

1. **올바른 작업에 올바른 서비스**를 선택하세요. 구성 요소를 선택할 때 기능, 확장성, 데이터 지연 시간, 서비스를 실행하는 데 필요한 노력, 복원력, 통합 및 자동화를 고려하세요.

   [Amazon Athena](https://aws.amazon.com/athena/), [Amazon EMR](https://aws.amazon.com/emr/), [AWS Glue](https://aws.amazon.com/glue/), [Amazon OpenSearch Service](https://aws.amazon.com/what-is/opensearch/), [Amazon Kinesis](https://aws.amazon.com/kinesis/), [Amazon Redshift](https://aws.amazon.com/redshift/), [Amazon Managed Streaming for Apache Kafka(Amazon MSK)](https://aws.amazon.com/msk/) 및 [Amazon Quick](https://aws.amazon.com/quicksuite/)을 고려하여 작업을 관리할 수 있습니다. 예를 들어 Kinesis 또는 Amazon MSK를 사용한 실시간 스트리밍, Amazon EMR을 사용한 데이터 처리 또는 OpenSearch Service를 사용한 AWS Glue검색, Athena를 사용한 임시 쿼리, Amazon Redshift를 사용한 데이터 웨어하우징을 수행할 수 있습니다.

1. **인공 지능(AI)과 기계 학습(ML)**을 사용하세요.

   [AWS AI 서비스](https://aws.amazon.com/machine-learning/ai-services/)를 통한 인공 지능 사용과 [Amazon SageMaker AI](https://aws.amazon.com/sagemaker)를 통한 기계 학습을 활성화할 수 있습니다.

1. **비즈니스 인력을 위한 추상화**를 통해 **데이터 문해력**과 도구를 제공하세요.

   데이터 리터러시, 도구 및 추상화를 제공하는 프로세스는 아키텍처의 일부가 아니지만 [Amazon DataZone](https://aws.amazon.com/datazone/)(평가판), [AWS Lake Formation](https://aws.amazon.com/lake-formation/)및 [Amazon Quick](https://aws.amazon.com/quicksight/)을 데이터 추상화 도구로 사용할 수 있습니다.

1. 데이터 이니셔티브의 **가설을 테스트**하고 **결과를 측정**하세요.

   [Amazon OpenSearch Service](https://aws.amazon.com/what-is/opensearch/) 대시보드 또는 [Amazon Quick](https://aws.amazon.com/quicksuite/)을 사용하여 비즈니스 성과 지표 및 테스트 결과를 작업하고 가설을 검증할 수 있습니다.

다양한 사용 사례에 대한 샘플 아키텍처 예제는 [AWS 아키텍처 센터](https://aws.amazon.com/architecture/)의 참조 아키텍처 다이어그램을 참조하세요. 기술 팀은 이러한 다이어그램을 참조용으로만 사용하고 자체 요구 사항, 환경 및 프로젝트에 따라 사용자 지정해야 합니다.