Amazon Translate 사용하여 WordPress 사이트에 다국어 콘텐츠 만들기

올해 초, 저희는 파트너인 WP Engine의 도움을 받아 WordPress용 Amazon Polly 플러그인을 출시했습니다. 이 플러그인을 사용하면 제작자나 블로거들이 WordPress를 사용하여 자신의 글이나 사이트를 게시하여 쉽게 텍스트 음성 변환 기능을 추가하며 웹 콘텐츠를 고품질 오디오 형식으로 변환 할 수 있도록 돕습니다. 그 이후로 Amazon Polly에서 읽은 단어의 발음을 사용자 정의하는 데 사용할 수 있는 발음 어휘에…

JMS Benchmark를 사용하여 Amazon MQ의 처리량 측정하기

컴퓨팅 및 스토리지와 마찬가지로 메시징은 엔터프라이즈 응용 프로그램의 기본 빌딩 블록입니다. 메시지 브로커 ( “메시지 기반 미들웨어”라고도 함)는 서로 다른 언어로 작성되고 플랫폼이 다르며 다른 위치에서 실행되고 정보를 교환하는 등 서로 다른 소프트웨어 시스템의 작용을 가능하게합니다. CRM 및 ERP와 같은 업무 중심적인 응용 프로그램은 메시지 브로커에 의존합니다. 프로덕션 환경에서 메시지 브로커를 배포하는 고객에 대한 일반적인…

AWS에서 고가용성 IBM Db2 데이터베이스 생성하기

AWS의 많은 고객들은 IBM Db2 데이터베이스 플랫폼을 사용하여 업무에 필수적인 워크 로드를 실행합니다. 노드의 이벤트 발생 또는 사이트 장애 발생 시에 데이터베이스를 사용할 수 있도록 하려면 이러한 워크 로드를 고가용성으로 구성해야 합니다. 고가용성을 위한 기존의 IBM 방법은 Tivoli System Automation for Multi-Platforms (TSAMP)에 의해 조정된 공유 스토리지 및 가상 IP 주소를 사용하는 것입니다. 이 글에서는…

Amazon EKS 정식 출시

Kubernetes용 Amazon Elastic 컨테이너 서비스를 발표했고 고객들을 초대하여 re:Invent 2017 동안 프리뷰를 살펴보도록 했습니다. 오늘 Amazon EKS가 생산 양식에 사용 가능하다는 것을 알려 드릴 수 있게 되어 기쁩니다. Kubernetes 담당자로 인증되었으며 기존 Kubernetes 워크 로드를 실행할 준비가 되었습니다. Cloud Native Computing Foundation의 최신 데이터를 기반으로, 모든 기업의 57%가 AWS를 선택하여 Kubernetes를 위한 선도적인 환경을 제공하고…

AWS Greengrass ML Inference에 Chainer 신경망 프레임워크 사용하기

오늘부터 Greengrass ML 추론은 Intel Atom, NVIDIA Jetson TX2 및 RaspberryPi에 의해 구동되는 모든 장치에 대해 사전 구축된 Chainer 패키지를 포함합니다. 따라서 처음부터 기기의 ML 프레임워크를 구축하고 구성할 필요가 없습니다. 이번 출시로 TensorFlow, Apache MXNet 및 Chainer를 비롯한 세가지 인기 있는 머신 러닝 프레임워크에 대한 사전 제작 패키지가 제공됩니다. 이 블로그 포스트는 AWS Greengrass ML과…

Amazon Neptune 정식 출시

Amazon Neptune은 현재 미국 동부(북 버지니아), 미국 동부(오하이오), 미국 서부(오리건), 유럽 연합(아일랜드)에서 이용 가능합니다. Amazon Neptune은 고도로 연결된(highly connected) 데이터셋으로 작동하는 애플리케이션을 쉽게 구축하고 실행할 수 있도록 해 주는 빠르고, 안정적이며, 완벽하게 관리되는 그래프 데이터베이스 서비스입니다. Neptune의 코어(Core)는 수십 억 개의 관계를 저장하고 밀리 초(millisecond) 단위의 대기 시간(latency)으로 그래프를 쿼리하기 위해 최적화된 특별 제작된 고성능…

애플리케이션 로드 밸런서 기본 인증을 통해 로그인 간소화하기

오늘 ALB(애플리케이션 로드 밸런서)에 내장된 인증 지원을 발표하게 되어 기쁩니다. ALB는 이제 애플리케이션 액세스 시 사용자를 안전하게 인증할 수 있으므로 개발자가 인증을 지원하기 위해 작성해야 하는 코드를 제거하고 백엔드에서의 인증 책임감을 덜어줍니다. 팀은 사용자가 인증 기능을 사용해 볼 수 있는 훌륭한 실시간 예를 만들었습니다. 오늘날의 애플리케이션에서는 ID 기반 보안이 중요한 요소이며, 고객이 운영에 필수적인 애플리케이션을…

Amazon SageMaker와 함께 R 사용하기

이 게시물에서는 Amazon SageMaker와 R을 이용하여 기계 학습(ML)모델에서 예측을 훈련, 배포, 검색하는 방법을 설명합니다. 껍데기에 있는 고리의 수로전복의 나이를 측정한 예측모델입니다. Reticulate 패키지는 Amazon SageMaker Python SDK에 대한 R 인터페이스로 사용되어 Amazon SageMaker에 API 호출을 합니다. reticulate 패키지는 R과 Python 객체를 변환하며, Amazon SageMaker는 서버 없는 데이터 과학 환경을 제공하여 ML 모델을 규모에 맞게 훈련하고…

AWS 비용 관리 제품을 사용하여 Amazon RDS 예약 인스턴스의 비용 절감하기

Amazon RDS를 사용하면 클라우드에서 관계형 데이터베이스를 쉽고 빠르게 설정, 운영 및 확장할 수 있습니다. Amazon RDS 예약 인스턴스(RI)는 1년 또는 3년 기간의 데이터베이스 인스턴스를 예약할 수 있는 옵션을 제공합니다. 이 옵션은 온디맨드 가격에 비해 상당한 할인(최대 69%)을 제공합니다. 이 게시물에서는 AWS 비용 관리 제품을 사용하여 RI를 통해 비용을 절감할 수 있는 기회를 얻는 방법에 대해…

Amazon Athena를 사용하여 Amazon DynamoDB 데이터의 고급 분석을 수행하고 시각화를 구축하는 방법

Amazon DynamoDB 서비스에서 수십억 개의 항목과 초당 수백만 개의 요청을 처리하여 막대한 분석 값을 얻을 수 있습니다. 그러나 분석 값을 얻으려면 데이터를 내보내야 합니다. DynamoDB 테이블에서 분석 플랫폼으로 데이터를 복사하면 풍부한 인사이트(insight)를 얻을 수 있습니다. 이를 위해 잘 설계된 빅 데이터 파이프라인을 통해 트랜잭션 처리와 분석을 분리할 수 있습니다. 이 게시글에서는 DynamoDB 테이블에서 Amazon S3로 데이터를…