서버리스 컴퓨팅

서버리스 컴퓨팅은 개발자가 기본 인프라를 관리하지 않고도 애플리케이션을 빌드하고 실행할 수 있는 클라우드 컴퓨팅 실행 모델입니다. 이 모델에서는 서비스 제공업체가 필요에 따라 리소스를 동적으로 할당하고 수요에 따라 자동으로 확장하며 실행 중에 실제 소비된 리소스에 대해서만 사용자에게 요금을 청구합니다. 이 접근 방식에서는 서버를 프로비저닝, 확장 또는 유지 관리할 필요가 없으므로 개발자는 코드 작성에만 집중할 수 있습니다.

주요 기능

• 자동 확장: 서버리스 플랫폼은 다양한 워크로드를 처리할 수 있도록 리소스를 자동으로 확장 또는 축소하여 최적의 성능과 비용 효율성을 보장합니다.
• 비용 효율성: 사용자는 미리 할당된 서버 용량에 대해 비용을 지불하는 것이 아니라 컴퓨팅 시간이나 메모리 사용량 등 실제 리소스 사용량에 따라 요금이 부과됩니다.
• 간소화된 운영: 서버리스 컴퓨팅은 인프라 관리를 추상화하여 서버 프로비저닝, 패치 및 유지 관리와 같은 작업을 제거합니다.

AI 및 ML과의 관련성

서버리스 컴퓨팅은 AI 및 머신러닝(ML) 워크플로우에 중요한 영향을 미칩니다. 개발자는 인프라에 대한 걱정 없이 복잡한 모델과 애플리케이션을 배포할 수 있으므로 모델 학습, 추론, 데이터 처리와 같은 작업 중에 리소스를 더 쉽게 확장할 수 있습니다.

예를 들어 Ultralytics HUB는 클라우드 기반 리소스를 활용하여 모델의 배포 및 확장을 간소화합니다. Ultralytics YOLO 모델 배포 및 확장을 간소화합니다. 개발자는 물리적 서버나 클라우드 VM 인스턴스를 수동으로 관리할 필요 없이 AI 모델을 학습하고 배포할 수 있습니다. Ultralytics HUB와 머신 러닝의 대중화를 위한 역할에 대해 자세히 알아보세요.

실제 애플리케이션

AI 모델 배포

서버리스 컴퓨팅은 실시간 추론을 위한 머신 러닝 모델을 배포하는 데 이상적입니다. 예를 들어, 개발자는 AWS Lambda 또는 Google 클라우드 함수 같은 플랫폼을 통해 학습된 AI 모델을 입력 데이터를 처리하고 밀리초 내에 예측을 반환하는 서버리스 함수로 배포할 수 있습니다. 이는 특히 실시간 객체 감지와 같은 애플리케이션에 유용합니다. Ultralytics YOLO.

데이터 전처리 및 변환

AI 워크플로우에서 데이터 전처리에는 대용량 데이터 세트를 사용 가능한 형식으로 변환하는 작업이 포함됩니다. 서버리스 함수를 트리거하여 이미지 크기를 조정하거나 데이터 세트에 대한 주석을 생성하는 등 필요에 따라 데이터를 처리할 수 있습니다. 컴퓨터 비전 프로젝트에서 데이터 전처리를 위한 도구를 살펴보세요.

이벤트 중심 워크플로

서버리스 컴퓨팅은 본질적으로 이벤트 기반이므로 새로운 데이터 업로드나 API 요청과 같은 특정 이벤트에 의해 함수가 자동으로 트리거됩니다. 예를 들어, 클라우드 스토리지 버킷에 이미지를 업로드하면 서버리스 함수가 자동으로 트리거되어 개체 감지 모델을 실행하고 결과를 저장할 수 있습니다.

AI 및 ML의 이점

1. 확장성: 서버리스 플랫폼은 수요가 많은 기간에 추론 요청이 급증하는 등 예측할 수 없는 트래픽을 처리합니다.
2. 유연성: 개발자는 서버리스 컴퓨팅을 사용하여 데이터 주석부터 모델 평가에 이르는 다양한 AI 작업을 원활한 파이프라인으로 통합할 수 있습니다.
3. 종량제: 실제 사용량을 기준으로 비용이 책정되므로 AI 워크플로우의 실험 및 반복 개발에 특히 유용합니다.

관련 개념과의 차이점

서버리스와 엣지 컴퓨팅 비교

서버리스 컴퓨팅은 중앙 집중식 클라우드 환경의 인프라를 추상화하는 데 중점을 두는 반면, 엣지 컴퓨팅은 IoT 디바이스와 같이 데이터 소스에 더 가까운 곳에서 데이터를 처리하는 것을 포함합니다. 자율 주행 차량과 같이 실시간 응답이 필요한 AI 애플리케이션의 경우 엣지 컴퓨팅이 서버리스 기능을 보완할 수 있습니다. 엣지 컴퓨팅에 대해 자세히 알아보세요.

서버리스 대 컨테이너화

서버리스 컴퓨팅과 컨테이너화는 모두 애플리케이션 배포를 간소화하지만 접근 방식이 다릅니다. 서버리스 플랫폼은 기본 인프라를 완전히 추상화하는 반면, 컨테이너화(예: Docker 사용)는 개발자가 컨테이너의 런타임 환경을 관리해야 합니다. 컨테이너화에 대해 자세히 알아보세요.

서버리스 AI 애플리케이션의 예

1. 소매업의 실시간 물체 감지:소매업체는 서버리스 기능을 사용하여 재고 관리를 위한 물체 감지 모델을 배포할 수 있습니다. 예를 들어, 서버리스 워크플로우에서는 매장 카메라의 이미지를 처리하고 Ultralytics YOLO를 사용하여 누락된 제품을 감지하고 재입고 알림을 트리거할 수 있습니다. AI가 리테일 재고 관리를 어떻게 혁신하고 있는지 알아보세요.

2. 의료 진단:서버리스 컴퓨팅은 의료 분야에서 의료 이미지 분석을 위한 ML 모델을 온디맨드 방식으로 실행하는 데 사용됩니다. 예를 들어, 서버리스 기능은 업로드된 MRI 스캔에서 종양과 같은 이상 징후를 분석하여 비용 효율적이고 확장 가능한 진단 지원을 제공할 수 있습니다. 의료 분야의 AI에 대해 자세히 알아보세요.

AI에서 서버리스 컴퓨팅의 미래

서버리스 플랫폼이 계속 발전함에 따라 AI 워크플로우에서 더욱 중요한 역할을 할 것으로 예상됩니다. ML 프레임워크와의 긴밀한 통합, 대규모 모델 지원, 지연 시간 개선 등의 기능을 통해 복잡한 AI 애플리케이션에 대한 적합성이 더욱 향상될 것입니다. 어떻게 Ultralytics YOLO 모델은 효율적인 실시간 AI 솔루션의 기반을 마련하고 있습니다.

서버리스 컴퓨팅은 운영을 간소화하고 비용을 절감하며 동적 확장을 가능하게 함으로써 AI 및 ML 애플리케이션의 개발과 배포를 혁신하고 있습니다. 최신 AI 인프라의 핵심 기술인 서버리스 컴퓨팅은 개발자가 인프라 관리보다는 혁신에 집중할 수 있도록 지원합니다.