RDS Aurora - 고급기능

Aurora Replicas - Auto Scaling

오토 스케일링 복제본에 대해 알아보자.

클라이언트가 있고, 오로라 인스턴스가 3개 있다고 가정한다.
하나는 Write Endpoint 을 통해 쓰고, 다른 2개는 Read Endpoint을 통해 읽는다.
Read Endpoint에 너무많은 Read Request가 있어서 Aurora DB의 CPU사용량이 증가했다.
- 이런 경우, 오토 스케일링 복제본을 설정할 수 있다.
- 자동으로 Read Enpoint가 새 Replica를 포함할 수 있도록 확장하게 된다.
- 새로운 Replica는 트래픽을 수신하기 시작하고, 전체 CPU사용량을 낮추기위해 분산된 방식으로 읽기가 수행된다.
- 이것이 오토 스케일링 복제본이다.

사용자 지정 엔드포인트

두 종류의 Replica가 있다고 가정한다.
- db.r3.large 와 db.r5.2xlarge
- 일부 Read DB 는 다른것보다 용량이 큰 상황이다.
- 오로라 DB의 서브셋을 사용자 지정 엔드포인트로 정의한다.
- 성능이 더 좋은 Read DB 에 사용자지정 Endpoint를 붙여야 이 DB에 대해 분석Query를 실행할 수 있다.

오로라의 서버리스 개념에 대해 알아보자.

자동화된 데이터베이스 인스턴스와 실제 사용을 기반으로 한 오토스케일링을 제공한다.
드물거나 간헐적이거나 예측할 수 없는 애플리케이션(워크로드)가 있을 때 유용하다.
용량 계획을 수행할 필요가 없다.
초단위로 비용을 지불하고, 경우에 따라서는 좀더 비용면에서 효율적일 수 있다.
작동 원리
- 클라이언트는 오로라에서 관리하는 프록시플릿과 통신
- 백엔드에서는 서버리스 방식으로 워크로드를 기반으로 많은 오로라 인스턴스가 생성됨
- 그래서 미리 용량을 프로비저닝할 필요가 없다.

다중 마스터에 대해 알아보자.

글로벌 오로라에 대해 알아보자.

오로라는 AWS 내의 머신러닝 서비스와 통합된다.

오로라 머신러닝은 SQL 인터페이스를 통해 App에 ML기반 예측을 추가할 수 있는 개념이다.
오로라와 다양한 AWS ML Service간의 간단하고 최적화된 안전한 통합이다.
지원되는 두 서비스
- SageMaker
  - 모든 종류의 머신 러닝 모델을 사용할 수 있음
- Amazon Comprehend
  - 감정 분석을 수행할 때 쓴다.
저 위의 서비스를 잘 모르더라도, Aurora 가 위 서비스들과 통합되어 있다는 사실만 알면된다.
오로라 머신러닝을 사용하기 위해 ML 을 경험할 필요는 없다.
사용 사례
- 사기 탐지
- 광고 타겟팅 감정 분석
- 제품 추천
오로라는 사용자 프로필 쇼핑 내역 등과 같은 데이터를 머신러닝 서비스로 보낸다.
머신러닝서비스가 예측을 오로라에 직접 반환한다.
사용자가 빨간셔츠, 파란바지를 구매해야 한다는 예측이 나오면 오로라가 이 SQL쿼리의 결과를 App에 반환한다.