서버리스 컴퓨팅

서버리스 컴퓨팅은 클라우드 공급자가 서버 할당 및 프로비저닝을 동적으로 관리하는 클라우드 컴퓨팅 실행 모델입니다. 본질적으로 개발자는 서버 관리의 부담 없이 코드를 작성하고 배포할 수 있습니다. "서버리스"라는 용어는 서버가 여전히 관여하지만 그 관리가 사용자로부터 완전히 추상화되어 있기 때문에 다소 잘못된 명칭이라고 할 수 있습니다. 이러한 접근 방식을 통해 개발자는 코드 작성과 애플리케이션 구축에만 집중할 수 있으며, 특히 빠르게 진화하는 AI 및 머신 러닝(ML) 분야에서 유용하게 활용할 수 있습니다.

서버리스 아키텍처 이해

서버리스 컴퓨팅에서는 애플리케이션이 특정 이벤트에 의해 트리거되는 개별적이고 독립적인 기능으로 세분화됩니다. 이러한 이벤트는 HTTP 요청, 데이터 변경, 시스템 이벤트 또는 예약된 트리거 등 다양합니다. 함수가 트리거되면 클라우드 제공업체는 코드를 실행하는 데 필요한 컴퓨팅 리소스를 즉시 할당하고, 함수가 더 이상 실행되지 않으면 자동으로 리소스를 축소합니다. 이러한 온디맨드 이벤트 중심 실행은 애플리케이션 수요와 관계없이 서버가 지속적으로 실행되어 잠재적인 리소스 낭비와 운영 복잡성을 증가시키는 기존 서버 기반 아키텍처와 대조적입니다. 서버리스 아키텍처는 클라우드 컴퓨팅의 핵심 구성 요소로, 애플리케이션을 보다 민첩하고 효율적으로 배포 및 관리할 수 있는 방법을 제공합니다.

AI 및 ML의 이점

서버리스 컴퓨팅은 계산 집약적인 작업과 변동하는 수요를 수반하는 경우가 많은 AI 및 ML 워크로드에 상당한 이점을 제공합니다.

• 확장성: 서버리스 플랫폼은 수요에 따라 리소스를 자동으로 확장합니다. 이는 객체 감지 API의 피크 시간대나 대규모 데이터 세트의 일괄 처리 시와 같이 사용량이 급증할 수 있는 ML 애플리케이션에 매우 중요한 기능입니다.
• 비용 효율성: 코드가 실제로 실행될 때 소비된 컴퓨팅 시간에 대해서만 비용을 지불합니다. 비활성 상태이거나 사용량이 변동될 수 있는 AI/ML 프로젝트의 경우, 이 종량제 모델이 상시 가동 서버를 유지하는 것보다 훨씬 더 비용 효율적일 수 있습니다.
• 운영 오버헤드 감소: 개발자는 서버 관리 업무에서 해방되어 모델 개발, 하이퍼파라미터 튜닝, 기능 엔지니어링에 집중할 수 있습니다. 이렇게 간소화된 워크플로 덕분에 개발 주기가 빨라지고 인프라 관리와 관련된 운영 부담이 줄어듭니다.
• 더 빠른 배포: 서버리스 기능을 빠르고 쉽게 배포할 수 있어 AI/ML 프로젝트에서 빠른 반복과 실험이 가능합니다. Ultralytics HUB와 같은 플랫폼과의 통합으로 서버리스 환경의 모델 배포가 더욱 간소화됩니다. Ultralytics YOLO 모델 배포를 더욱 간소화합니다.

AI/ML의 실제 애플리케이션

서버리스 컴퓨팅은 다양한 AI/ML 애플리케이션에서 활용되고 있습니다:

• 실시간 추론 API: ML 모델을 서버리스 함수로 배포하면 확장 가능하고 비용 효율적인 모델 서비스 엔드포인트를 만들 수 있습니다. 예를 들어, 다음과 같이 구축된 이미지 분류 모델은 Ultralytics YOLOv8 로 구축된 이미지 분류 모델을 서버리스 API로 배포하여 업로드된 이미지에 대한 실시간 예측을 제공할 수 있습니다. 이는 의료 이미지 분석이나 제조 분야의 자동화된 품질 관리와 같이 즉각적인 분석이 필요한 애플리케이션에 이상적입니다.
• 데이터 전처리 파이프라인: 서버리스 기능은 이벤트 중심 데이터 파이프라인을 구축하는 데 적합합니다. 센서나 사용자 업로드를 통해 새로운 데이터가 지속적으로 수집되는 시스템을 상상해 보세요. 서버리스 함수를 트리거하여 이 데이터를 모델 학습이나 분석에 사용하기 전에 자동으로 데이터를 정리, 변환, 증강하는 등 사전 처리할 수 있습니다. 이는 농업 분야의 컴퓨터 비전과 같이 이미지 데이터를 학습하기 전에 처리해야 하는 시나리오에서 특히 유용할 수 있습니다. Ultralytics YOLOv5 이미지 데이터를 처리해야 하는 농업 분야의 컴퓨터 비전과 같은 시나리오에 특히 유용합니다.

서버리스와 엣지 컴퓨팅 비교

서버리스 컴퓨팅은 클라우드 기반 실행에 중점을 두는 반면, 엣지 컴퓨팅은 계산과 데이터 저장을 데이터 소스(주로 물리적 장치 또는 로컬 서버)에 더 가깝게 가져옵니다. 엣지 컴퓨팅은 자율주행 차량의 실시간 물체 감지나 AI 기반 보안 카메라와 같이 초저지연 및 오프라인 처리를 필요로 하는 애플리케이션에 유용합니다. 서버리스와 엣지 컴퓨팅은 상호 배타적이지 않으며 하이브리드 아키텍처에서 결합하여 엣지 디바이스가 초기 데이터 처리를 수행하고 서버리스 기능이 더 복잡한 클라우드 기반 작업을 처리할 수 있습니다.

인기 있는 서버리스 플랫폼으로는 AWS Lambda, Google Cloud Functions, Azure Functions가 있습니다. 이러한 플랫폼은 서버리스 AI/ML 애플리케이션을 효율적으로 빌드하고 배포하는 데 필요한 인프라와 도구를 제공합니다.