IT

3.4 구축 ML 확장 구축은 서비스를 신속, 유연하게 확장할 수 있도록 하는데 목적을 두고 진행했고, 모두 SageMaker의 Jupyter Notebook을 통해 Python Code로 구현되어 있다. 3.4.1 SageMaker를 통한 Machine Learning 학습 ML 학습은 SageMaker를 통해 총 3단계로 이루어 진다. 1. 인스턴스를 통해 DynamoDB로부터 데이터를 불러와 전처리한다. 2. 해당 데이터가 ML 학습에 적합한지 분석한다. 3. 여러 ML 훈련을 통해 최적의 ML 알고리즘을 선택하여 모델을 생성 및 저장한다. DynamoDB Data 전처리 [그림 3.4-1]과 같이 Python boto3 api를 통해 설문조사 데이터가 저장되어 있는 DynamoDB survey 테..

3. Machine Learning 확장 3.1 시스템 개요 확장될 서비스는 설문조사 내용을 바탕으로 Machine Learning(이하 ML)을 통해 사용자가 선호 할 만한 레스토랑을 추천하는 시스템이 필요하다. 3.2 시스템 설계 서비스 명세 서비스 명 서비스 내용 Recommend Service - 저장된 설문조사 데이터를 ML을 이용하여 사용자에게 레스토랑을 추천 API 명세 ML 예측 API가 존재한다. API의 명세와 절명은 [부록]에서 확인할 수 있다. 시스템 구성도 확장될 ML 서비스의 전체적인 구성도는 [그림 3.2.1]과 같이 데이터 전처리기, ML 예측기, ML 학습기, storage로 구성되며 기계학습 모델을 만드는 부분([그림3.2.2])과 고객에게 적합한 레스토 랑을 예측하는 부..

2.4 구축 2.4.1 개발 [개발 환경] Microservices, Web Language Java Framework Spring Boot IDE Intelli J Tools Postman, VMware VCS Git App Language Java Framework Android IDE Android Studio Tools Postman VCS Git [개발 내용] APP 안드로이드 프레임워크 기반 APP으로 예약 서비스를 위해 microservices와 REST 통신 WEB Spring Boot 프레임워크 기반 WEB Front로 설문 서비스를 위해 microservices와 REST 통신 Microservices Spring Boot 프레임워크 기반 backend로 app과 web에 REST UR..

2. Microservices 2.1 시스템 개요 사용자에게 Push 메시지를 보내기 위해 토큰을 관리하는 서비스, 레스토랑 예약 서비스, 레스토랑 예약 시 사용자에게 제공되는 여러가지 정보들을 관리하는 서비스, 예약이 완료된 사용자에게 설문조사를 Push하는 서비스, 설문 조사 자료를 관리하는 서비스, 설문조사자료 를 이용하여 사용자가 좋아할 만한 레스토랑을 추천해주는 서비스가 필요하다. 2.2 시스템 설계 서비스 명세 서비스 명 서비스 내용 Push Service - 사용자의 전화번호와 토큰을 매핑하여 관리 - FCM을 이용해 사용자에게 설문조사 URL을 Push Survey Service - 설문조사 정보를 관리 Survey Push Service - 레스토랑을 예약한 사용자들에게 설문조사를Push..

1. 개요 1.1 프로젝트 명 Microservices구축시 EKS 와 Serverless 비교 및 Machine Learning Service 확장 1.2 프로젝트 기간 2019.01.14 ~ 2019.02.11 1.3 프로젝트 계획 작업 이름 시작일 종료일 프로젝트 계획 19-01-14 19-01-19 프로젝트 설계 19-01-19 19-01-24 Microservices 구현 - 시스템 설계 - 인프라 설계 - K8s 테스트 - EKS 구축 - Fargate 구축 19-01-24 19-02-03 Machine Learning 구현 - 시스템 설계 - 인프라 설계 - 구축 19-02-03 19-02-08 결과 정리 19-02-08 19-02-11 1.4 서비스 소개 “레스토랑 예약 App”으로 사용자..

3.2.3 가상화 데스크탑 템플릿 구성 Xenserver에 Server Base Computing으로 클라이언트에 제공할 데스크탑의 템플릿을 생성한다. 운영체제는 Win10이며 NFS_ISO에 있는 win10 이미지를 사용하여 NFS_STO 스토리지에 운영체제를 설치한다. 이때 [그림 3.2-24] 시나리오의 하드웨어 및 소프트웨어 스펙에 따라 w10-tem을 생성 및 설치해야 한다. [그림 3.2-25]에서 Xenserver에 추가된 가상화 데스크탑 템플릿 W10-temp를 볼 수 있으며, 템플릿은 [그림 3.2-26]처럼 W2k16-AD에 가입되어야 한다. 3.2.4 Citrix Delivery Agent 구성 Citrix Delivery Agent 구성은 [그림 3.2-27 이미지 삽입] - [그림..

1. 프로젝트 개요 Server Base Computing은 서버에다가 Desktop을 여러 대 만들고 클라이언트에게 제공하는 것으로 문서 중앙화가 가능하고, 클라이언트 단말기 관리가 필요 없어진다. 또한 논리적으로 망 분리가 되는 효과를 얻을 수 있다. 1.1 프로젝트 명 windows AD, XenServer를 이용한 가상 데스크탑 환경 구축 1.2 프로젝트 기간 2018.10.23 ~ 2018.10.30 1.3 프로젝트 계획 일정 작업 이름 작업 내용 18.10.23 ~ 18.10.24 프로젝트 계획 프로젝트 범위 지정 프로젝트 진행 방향 지정 18.10.24 ~ 18.10.26 사전 공부 서버 가상화, Xen, AD 공부 18.10.26 ~ 18.10.29 환경 구축 AD, XenDesktop 환..

4. 프로젝트 결과 본 프로젝트는 vmware에서 centos7 환경의 openstack onpremise를 step by step 방식으로 설치하는 것을 목표로 잡아 핵심 서비스인 인증, 이미지, 컴퓨팅, 네트워킹 서비스를 설치하고 추가적으로 대시보드와 블록 스토리지를 설치할 수 있었다. openstack platform 단계별로 하나씩 설치 해봄으로써 private cloud가 어떻게 구축되고 각각의 서비스가 상호작용하는지에 대한 아래 [그림 4-1]을 이해하는데 많은 도움이 되었다. 또한 AWS와 비슷한 메커니즘을 제공하는 openstack을 공부할 수 있어 차후 AWS를 익히는데 한결 수월했다. 이번 프로젝트는 openstack의 가장 핵심적인 기능을 구축해보는 것이 주된 목표였기에 실질적으로 o..

3. 구성 과정 3.7 블록 스토리지 설치 3.7.1 Controller Node ○ 설치 • DB 설정 - root계정으로 DB 연결 $ mysql -u root -p - cinder DB생성 MariaDB [(none)]> CREATE DATABASE cinder; - cinder DB 액세스 권한 부여 /* cinder 데이터베이스의 모든 스키마에 대해 cinder 계정의 로컬접근 권한 허용 GRANT ALL PRIVILEGES ON cinder.* TO 'cinder'@'localhost' \ IDENTIFIED BY 'cinder 계정 비밀번호'; */ MariaDB [(none)]> GRANT ALL PRIVILEGES ON cinder.* TO 'cinder'@'localhost' \ IDE..

3. 구성 과정 3.6 대시보드(Horizon, 호리즌) 설치 3.6.1 Controller Node ○ 설치 • openstack-dashboard 패키지 설치 # yum install -y openstack-dashboard • /etc/openstack-dashboard/local_settings 을 통해 설정 변경 # vi /etc/openstack-dashboard/local_settings • [/etc/openstack-dashboard/local_settings] #38 #대시보드에 엑세스 할 수 있는 호스트 명시 # *로 할 경우 모든 호스트 허용되며, 여러 호스트를 명시할때는 , 로 구분 ALLOWED_HOSTS = ['*'] #64 #openstack api version 명시(ide..