[질문] 클라우드전환이 필수로 보이는데 마이그레이션 검토 시 계정클린징과 데이터클린징은 퇴사자등 어떤 기준으로 하는지 궁금하고 클라우드로 이관할 데이터 선정 기준과 롤백계획은 어떻게 수립하면 좋은지 궁금합니다.
안녕하세요, 이호승님.
아틀라시안 파트너 디무브 입니다.
On-premise 환경에서 Cloud 환경으로 마이그레이션을 할 때 모든 데이터를 마이그레이션 하실 필요는 없습니다.
마이그레이션 시 필요한 데이터를 선택적으로 마이그레이션 하는 기능을 아틀라시안에서 제공하고 있으며
데이터 클린징 기준은 마이그레이션 전 게획 수립단계에서 미팅을 통해 각 조직이 필요한 정보 및 사용자를 정리한 후 수행하게 됩니다.
또한 클라우드를 마이그레이션 하더라도 기존 On-Premise의 데이터는 변하지 않으므로 얼마든지 잘못된 경우 마이그레이션을 다시 수행할 . 수있습니다.
감사합니다.
(질문) 마이그레이션시에 가장 자주 혹은 흔하게 발생하는 오류나 문제는 무엇이며, 이를 예방하거나 해결하기 위해 준비하거나 고려해야 할 점은 무엇인지 궁금합니다
안녕하세요, 박창민님.
아틀라시안 파트너 디무브 입니다.
마이그레이션 시 자주 발생하는 문제는 On-Premise 환경에서 사용하시던 Third-party Add-ons(플러그인)이 클라우드 환경에서 On-Premise와 다르게 동작하는 경우입니다.
업무 프로세스에 필수로 사용하시는 Third-party Add-on(플러그인) 제조사가 Colud 환경에서 기능을 동일하게 제공하지 않을 때 이슈가 발생할 수 있습니다.
다만 이러한 경우 저희 디무브는 고객분들의 요청에 따라 해당기능을 Cloud에서 사용할 수 있는 대체 Add-Ons을 찾아서 제안해 드리고 있습니다.
감사합니다.
[질문] 아틀라시안 클라우드 기반의 데이터 분석 서비스 활용 방안이 궁금한데요, 데이터 분석 플랫폼 서비스는 아틀라시안 클라우드 상에서 데이터 분석 전 어떤 프로세스를 거치는지 궁금합니다.
안녕하세요, 양성필님.
아틀라시안 파트너 디무브입니다.
아틀라시안 기반의 데이터 분석 서비스 활용방안에 대해 문의 주신 내용에 대한 답변을 전달드립니다.
아틀라시안 클라우드는 보유한 데이터 또는 학습 데이터를 기반으로 아틀라시안 클라우드를 활용하여 업무를 수행하실 때 활용하실 수 있습니다.
예를 들어 Jira Service Management를 ITSM 의 용도로 활용하실 때 사용자들이 자주 올리는 요청 또는 문의에 대한 관련 내용을 자동으로 제공하는 등 학습한 데이터를 기반으로 엔드 유저에게 편의성을 제공할 수 있습니다.
이어 문의 주신 데이터 분석 전 프로세스는 아틀라시안의 내부 에서 관리하는 것으로 정보를 제공해 드리기 어려운 점 양해 부탁드립니다.
감사합니다.
GenAI를 개발하는 데 Redis를 적용하고 활용하는 것이 효과적인 이유는 무엇인가요?
저희 vectorDB를 통하여 속도 향상과 많은 프로세스를 흡수하여 semantic search가 훨씬 빨라지고 정확해질수 있습니다. 또한 AI기반 데이터를 저희 벡터디비에 저장하시면 구매하신 AI소프트 웨어 (예. AWS 알렉사)비용을 줄이실수 있습니다.
여러 이유가 있지만 대표적으로 말씀드리자면 Redis는 Pub/Sub 메시징 시스템을 지원하여 실시간 이벤트 기반 시스템을 구축하는 데 적합합니다. 이는 실시간으로 발생하는 이벤트를 처리하고 GenAI 모델에 반영하는 데 유용합니다.
[질문] 기존 온프레미스 RDBMS 환경의 조직에서 In-Memory NoSQL의 복합적인 사용을 위하여 Redis 도입을 검토하는경우, 최우선으로 고려해야 될 점이 무엇일까요? 그리고 고객사중 온프레미스 RDBMS 환경의 조직에서 Redis를 복합적인 사용하고 있는 대표적인 사례가 있는지 궁금합니다. 또한, 구축기간을 단축시킬 수 있는 방법이 있다면 설명해주시면 감사하겠습니다.
안녕하세요. 아시아에서 은행같은 경우에 on prem RDBMS환경에 구축하는 케이스가 많습니다. 구축을 단축 시키기 위해 저희 redis enterprise 라이센스 구매와 동시에 3일만에 구축 완성을 도와드리는 professional service도 제공해 드립니다.
친절한 답변 감사합니다^^
고객사 입장에서는 사용하기 어려운 솔루션의 경우는 도입이 꺼려지는 경향이 있는편인데 Harverster 의 운영 및 관리는 어떨지 궁금합니다. 또는 타 Openshift나 OpenSources대비 강점도 궁금합니다.
쿠버네티스에 kube-virt를 설치하여 수동으로 구성하기가 까다로운점을 harvester에서 사용이 용이하게 기존VM 솔루션과 같이 GUI를 제공합니다. 타 업체대비 제품 종속성에 대해서는 긍정적인 피드백이 있으며, 자세한 내용은 영업쪽으로 문의주시면 자세히 설명드리도록하겠습니다.
Harvester는 손쉽게 Private Cloud(IaaS) 환경을 구축하도록 지원하고 있습니다. x86 장비에 Harvester를 install을 하시면, 바로 운영이 가능하며,
대규모가 아닌 소규모로 몇대의 x86 장비만으로도 바로 구성이 가능합니다.(권장 기본 3대 이상)
타 솔루션과의 차별점은 소규모로 손쉽게 구축이 가능하며, 확장 또한 x86장비에 추가 설치만 하면 바로 사용이 가능하고,
Rancher와의 연결을 통해서 VM과 컨테이너의 멀티 클러스터(멀티 클라우드에 구성된)도 관리 가능합니다.(Private IaaS + PaaS 가능)
그리고 만일 글로벌 수준의 SLA를 보장 받고 싶으시면 subscription을 통해서도 지원을 받을 수 있습니다.
[질문] Rancher 오픈소스도 VM과 컨테이너를 동시에 지원할 수 있는지 그리고 Rancher 오픈소스로 시작한 뒤에 Rancher Hosted Prime으로 전환하여 운영한 사례도 있는지 궁금합니다.
Rancher는 VM과 컨테이너 환경에 대한 통합 관리 UI를 제공합니다. 다만, VM을 위해서는 VM을 provisiong 할수 있는 Harvester와의 연동이 필요합니다.
연동을 하면, Rancher통해서 VM 생성 및 관리 그리고, 다양한 멀티 클라우드 및 온프레미스 환경에 구성된 멀티 클러스터에 대한 관리도 하나의 UI 환경에서 가능합니다.
추가로 말씀드리면, 현대자동차가 커뮤니티 버전으로 사용하다가 Rancher Prime으로 전환하여 운영하고 있습니다.
[질문]Redhat openshift OV와 Harvester와 비교했을때 강점이 뭔지 알수있을까요?
오픈 소스: Harvester는 완전히 오픈 소스 솔루션으로, 커뮤니티 기반 지원과 유연성을 제공합니다. 사용자는 라이선스 비용 없이 소프트웨어를 사용하고, 필요에 따라 수정할 수 있습니다.
간편한 설치 및 관리: Harvester는 사용이 간편하며, 특히 하이퍼컨버지드 인프라스트럭처(HCI) 환경에 최적화되어 있습니다. 사용자 친화적인 인터페이스를 통해 쉽게 설치하고 관리할 수 있습니다.
Kubernetes 네이티브 통합: Harvester는 Kubernetes와의 통합을 강조하며, Kubernetes 클러스터 내에서 직접 가상 머신을 관리할 수 있는 기능을 제공합니다. 이를 통해 컨테이너화된 애플리케이션과 가상 머신을 효율적으로 함께 운영할 수 있습니다.
(질문) 요즘은 오픈소스 복잡도가 너무 높아져, 보안이나 운영 관점에서 많은 이슈들이 생겨나고 있는 것 같습니다. 이 때문에 새로운 거버넌스 체계도 점차 확산되는데, 국내 시장에서 활용도나 오픈소스 거버넌스 측면에서의 도입효과는 어떨지 궁금합니다
기존의 오픈소스 환경은 별도의 개발 주체들로 인해서 복잡도와 안정선등 많이 이슈들이 있었지만,
규모의 경제를 통해서 커지는 재단(CNCF, OIF 등)을 통해서 정리가 되어가고 있는 상태라고 보시는 것이 맞을 것 같습니다.
실제로도 글로벌 대형 IT에서도 재단에 지속적인 투자를 통해서 오픈소스 생태계 발전을 지원하고 있습니다.
그래서 오픈소스들도 로드맵을 가지고 지속적인 발전을 이루고 있으며, 이로인해서 대규모 IT 환경에서도 오픈소스들이 많이 적용되고,
일례로 대형 CSP 업체들또한 부분별로 오픈소스에 대한 지원 및 도입을 하는 것 또한 오픈소스 발전 방향을 긍적적으로 보는 방증이라고 볼수 있습니다.
[질문]HCI 도입시 어떤 효과를 기대할 수 있고, 도입 준비를 위한 핵심 검토사항은 무엇인지요? 그리고 HCI기반 솔루션 적용관련 최근 이슈와 해결사례를 통한 노하우도 궁금합니다.
모든 업무를 컨테이너화 시키지 못 할 경우에 Harvestar를 이용한 VM을 모두 커버 할 수 있다는 장점이 있습니다. 최소 단위로 구축이 가능하고 필요시 서버증설이 간편하기 때문에 POC용으로 구축하여 검토하기에도 부담이 적습니다.
VSAN과 Longhorn을 간략하게라도 비교해주시면 좋겠습니다.
환경 적합성: VMware 생태계에 깊게 통합되어 있고 VM용 고급 스토리지 기능이 필요한 경우 vSAN을 선택 Kubernetes에 중점을 둔 더 간단하고 유연한 스토리지 솔루션을 찾는 경우 Longhorn이 적합합니다.
비용 및 오픈 소스 대 독점: 커뮤니티 주도의 혁신을 선호하고 비용을 절감하고자 하는 경우 Longhorn을 고려하세요. 조직 정책 및 요구 사항과 일치하는 독점적 성격과 엔터프라이즈 지원을 제공하는 vSAN이 선택할 수 있습니다.
확장성 및 관리: 대규모 VM 스토리지 솔루션을 필요로 하는 엔터프라이즈에 적합한 vSAN과, Kubernetes 리소스와 함께 관리되는 확장 가능한 컨테이너 스토리지를 원하는 경우 Longhorn을 추천합니다.
Container 뿐만 아니라 일반 HCI에서 관리하고 있는 일반 VM도 운영을 할 수 있는건가요? 만약 가능하다면 마이그레이션 도구 같은 것들은 어떤것이 제공하는가요?
Harvester와 Rancher를 활용하면, VM과 컨테이너(멀티 클라우드환경에서 구성된 멀티 클러스터)를 함께 구성하고 관리 운영이 가능합니다.
마이그레이션 도구는 별도로 제공하지 않고 오픈소스 (예: Qemu 등)등을 활용해서 마이그레이션이 가능합니다.
그럼 사용을 할려면 Harvester + Rancher Prime을 동시에 구매해서 사용해야 하는건가요?
네 방금 이야기나온 것 처럼 Harvester사용 시 Rancher도 함께 필요합니다.
답변드린대로 Harvester + Rancher를 같이 사용하시면 원하시는 효과를 얻을 수 있으며,
구매 관련된 내용은 영업팀을 통해서 문의하시면 성심성의껏 답변드리도록 하겠습니다.
궁금한것이 있습니다. GB200 NVL72을 구매한다고 가정했을때, 포함되어 있는 CPU가 Intel이 아닌 NVIDIA의 자체 CPU를 사용하는데, 컴퓨터의 용도가 AI 러닝/추론용이 외에 다른 해석프로그램을 돌리수가 있나요? 예를 들면 거대한 3D 렌더링등이요?
GB200인 경우 Arm 아키텍처 CPU를 사용하고 있고 NVIDIA가 AI이외의 HPC 쪽은 다양한 어플리케이션의 호환과 가속화를 위해서 노력하고 있습니다. 3D 렌더링같은경우는 GPU에 있는 Ray tracining 가속화 기술로 가속화할 수 있습니다.
이해했습니다. HPC로 활용하기 위해서는 각 시뮬레이션 어플리케이션과 호환성이 잘 지원이 되어야 겠군요. 감사합니다.
[질문] 타 플랫폼 대비 워카토만의 최대 강점은 무엇이며,이미 다른 플랫폼을 이용중인 상태에서 호환에 대한 문제점은 없는지 문의드립니다
수백 개의 사전 구축된 커넥터와 API를 제공하여 다양한 애플리케이션, 시스템, 데이터베이스 간의 원활한 통합을 가능하게 합니다. 또한, 워카토는 사용자 친화적인 인터페이스를 갖추고 있어, 비개발자도 복잡한 코드를 작성하지 않고도 자동화 워크플로우를 설계하고 실행할 수 있습니다. 호환성 문제에 대해서는 워카토의 유연성이 큰 도움이 되며, 대부분의 경우 기존 시스템과의 통합은 매끄럽게 진행됩니다.
[질문] 생성형AI나 로코드/노코드가 주류가 되는 상황에도 RPA의 활용성이 유지될까요? RPA 자체가 자동화되는데 이들 AI기술이 기능적으로 활용되고 융합되어 가는게 아닌가 싶은데, 워카토에서는 어떻게 보고, 적용해 가는지 궁금합니다
생성형 AI 로코드/노코드 뿐만 아니라 API가 일반화되어가기에 RPA의 사용량은 많이 줄어들것으로 보이나 부득히(보안 / 인증)을 사용하는 경우 들에는 RPA 를 사용할수 있다고 보고 있는데 AI 기술도 학습을 하는 DATA가 들이 필요하기에 RPA는 학습을 어떻게 할지가 관건으로 보입니다.
감사합니다.