SUS03-BP05 데이터 액세스 및 스토리지 패턴을 가장 잘 지원하는 소프트웨어 패턴 및 아키텍처 사용
데이터가 워크로드 내에서 사용되고, 사용자가 소비하고, 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 전체 활용률을 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 사례를 따르지 않을 경우 노출되는 위험 수준: 보통
구현 가이드
데이터 특성 및 액세스 패턴에 가장 적합한 소프트웨어 및 아키텍처 패턴을 사용합니다. 예를 들어, AWS 기반 최신 데이터 아키텍처
구현 단계
-
데이터 특성 및 액세스 패턴을 분석하여 클라우드 리소스에 적합한 구성을 식별합니다. 고려해야 할 주요 특성은 다음과 같습니다.
-
데이터 형식: 정형, 반정형 및 비정형
-
데이터 증가: 제한, 무제한
-
데이터 내구성: 영구, 임시, 일시적
-
액세스 패턴(읽기 또는 쓰기, 업데이트 빈도, 급증 또는 일관성 여부)
-
-
데이터 액세스 및 스토리지 패턴을 가장 잘 지원하는 아키텍처 패턴을 사용합니다.
-
Databases on AWS: The Right Tool for the Right Job
(AWS 기반 데이터베이스: 작업에 맞는 적절한 도구)
-
기본적으로 압축된 데이터와 함께 작동하는 기술을 사용합니다.
-
아키텍처의 데이터 처리에 목적별 분석 서비스
를 사용합니다. -
가장 많이 나타나는 쿼리 패턴을 가장 효과적으로 지원하는 데이터베이스 엔진을 사용합니다. 데이터베이스 인덱스를 관리하여 효율적인 쿼리 실행을 보장합니다. 자세한 내용은 AWS 데이터베이스
를 참조하세요. -
아키텍처에 사용되는 네트워크 용량을 줄이는 네트워크 프로토콜을 선택합니다.
리소스
관련 문서:
-
Converting Your Input Record Format in Firehose(Kinesis Data Firehose Firehose에서 입력 레코드 형식 변환)
-
Monitoring DB load with Performance Insights on Amazon Aurora(Amazon Aurora의 성능 개선 도우미로 DB 로드 모니터링)
-
Monitoring DB load with Performance Insights on Amazon RDS(Amazon RDS의 성능 개선 도우미로 DB 로드 모니터링)
-
Amazon S3 Intelligent-Tiering storage class
(Amazon S3 Intelligent-Tiering 스토리지 클래스)
관련 동영상: