SUS03-BP05 데이터 액세스 및 스토리지 패턴을 가장 잘 지원하는 소프트웨어 패턴 및 아키텍처 사용
데이터가 워크로드 내에서 사용되고, 사용자가 소비하며, 전송 및 저장되는 방식을 이해합니다. 데이터 액세스 및 스토리지를 가장 잘 지원하는 소프트웨어 패턴 및 아키텍처를 사용하여 워크로드를 지원하는 데 필요한 컴퓨팅, 네트워킹 및 스토리지 리소스를 최소화합니다.
일반적인 안티 패턴:
-
모든 워크로드의 데이터 스토리지 및 액세스 패턴이 비슷하다고 가정합니다.
-
모든 워크로드가 해당 계층 내에서 적합하다고 가정하고 하나의 스토리지 계층만 사용합니다.
-
시간이 지나면 데이터 액세스 패턴이 일관되게 유지될 것이라고 가정합니다.
-
아키텍처는 높을 가능성이 있는 데이터 액세스 버스트를 지원하므로, 리소스가 대부분 유휴 상태로 유지됩니다.
이 모범 사례 확립의 이점: 데이터 액세스 및 스토리지 패턴을 기반으로 아키텍처를 선택하고 최적화하면 개발 복잡성을 줄이고 전반적인 활용도를 높일 수 있습니다. 글로벌 테이블, 데이터 파티셔닝 및 캐싱을 사용해야 하는 시기를 파악하면 워크로드 요구 사항에 따라 운영 오버헤드를 줄이고 규모를 확장할 수 있습니다.
이 모범 사례가 확립되지 않을 경우 노출되는 위험 수준: 중간
구현 가이드
장기 워크로드 지속 가능성을 개선하려면 워크로드의 데이터 액세스 및 스토리지 특성을 지원하는 아키텍처 패턴을 사용합니다. 이러한 패턴은 데이터를 효율적으로 검색하고 처리하는 데 도움이 됩니다. 예를 들어, 고유한 분석 사용 사례에 최적화된 목적별 서비스를 통해 AWS 기반 현대적 데이터 아키텍처
구현 단계
-
데이터 특성 이해: 데이터 특성 및 액세스 패턴을 분석하여 클라우드 리소스에 적합한 구성을 식별합니다. 고려해야 할 주요 특성은 다음과 같습니다.
-
데이터 유형: 정형, 반정형 및 비정형
-
데이터 증가: 제한, 무제한
-
데이터 내구성: 영구, 임시, 일시적
-
액세스 패턴: 읽기 또는 쓰기, 업데이트 빈도, 급증 또는 일관된 상태
-
-
최적의 아키텍처 패턴 사용: 데이터 액세스 및 스토리지 패턴을 가장 잘 지원하는 아키텍처 패턴을 사용합니다.
-
목적별 서비스 사용: 목적에 적합한 기술을 사용합니다.
-
기본적으로 압축된 데이터와 함께 작동하는 기술을 사용합니다.
-
아키텍처에서 데이터 처리에 목적별 분석 서비스
를 사용합니다. AWS 목적별 분석 서비스에 대한 자세한 내용은 AWS re:Invent 2022 - Building modern data architectures on AWS 를 참조하세요. -
가장 많이 나타나는 쿼리 패턴을 가장 효과적으로 지원하는 데이터베이스 엔진을 사용합니다. 효율적인 쿼리를 위해 데이터베이스 인덱스를 관리합니다. 자세한 내용은 AWS 데이터베이스
및 AWS re:Invent 2022 - Modernize apps with purpose-built databases 를 참조하세요.
-
-
데이터 전송 최소화: 아키텍처에 사용되는 네트워크 용량을 줄이는 네트워크 프로토콜을 선택합니다.
리소스
관련 문서:
관련 비디오:
-
AWS re:Invent 2022 - Building data mesh architectures on AWS
-
AWS re:Invent 2023 - Deep dive into Amazon Aurora and its innovations
-
AWS re:Invent 2023 - Improve Amazon EBS efficiency and be more cost-efficient
-
AWS re:Invent 2023 - Optimizing storage price and performance with Amazon S3
-
AWS re:Invent 2023 - Building and optimizing a data lake on Amazon S3
-
AWS re:Invent 2023 - Advanced event-driven patterns with Amazon EventBridge
관련 예제: