Hive 사용자는 파일 시스템(S3 또는 HDFS)에 직접 추가했거나 파일 시스템에서 제거된 파티션의 파티션 메타데이터를 Hive 메타스토어에서 업데이트하기 위해 repair table 옵션(MSCK REPAIR table)을 사용하여 메타스토어 확인 명령을 실행합니다. MSCK repair 명령은 실행 시에 파일 시스템을 호출하여 각 파티션이 있는지를 확인해야 합니다. 그런데 테이블의 파티션 수가 매우 많으면 이 단계에 시간이 오래 걸릴 수 있습니다. EMR 6.5에는 파티션을 가져올 때 S3 파일 시스템 호출 수를 줄이기 위해 Hive에 MSCK repair 명령 최적화 기능이 도입되었습니다. 특히 파티션 수가 많은 테이블에서 작업을 할 때 이 기능을 사용하면 파일 시스템 호출 수가 감소하므로 MSCK 명령의 성능이

Amazon MSK Connect는 이제 보안 강화를 위해 프라이빗 DNS 호스트 이름을 지원합니다. MSK Connect에서 프라이빗 DNS 호스트 이름이 지원되므로 퍼블릭 또는 프라이빗 도메인 이름을 참조하도록 커넥터를 구성할 수 있습니다. 커넥터는 VPC의 DHCP 옵션 세트에 구성되어 있는 DNS 서버를 사용하여 도메인 이름을 확인합니다. 이제는 보안 요구 준수를 위해 MSK Connect를 사용하여 데이터베이스, 데이터 웨어하우스 및 VPC의 기타 리소스와 비공개로 연결할 수 있습니다.

이제 Amazon RDS for Oracle이 Bring Your Own License(BYOL) 모델에서 메모리 최적화 R5b 인스턴스 유형을 지원합니다. 따라서 워크로드를 더 효율적으로 처리하기 위해 기존 R5b 인스턴스의 vCPU당 RAM을 4배까지 추가로 구성할 수 있습니다. 대다수 Oracle 데이터베이스 워크로드에는 대용량 메모리, 스토리지 및 I/O 대역폭이 필요하지만 애플리케이션 성능에 영향을 주지 않고 안전하게 vCPU 수를 줄일 수 있습니다. R5b 메모리 최적화 인스턴스에서는 다양한 구성(vCPU 2~48개, 메모리 32GiB~768GiB, 메모리 대 vCPU 비율 최대 32:1)이 제공됩니다. 이러한 구성을 활용하여 Oracle 워크로드의 크기를 적절하게 조정할 수 있습니다.

Amazon Web Services(AWS)에서는 고객이 대화형 로그 분석, 실시간 애플리케이션 모니터링, 웹 사이트 검색 등을 수행하는 과정을 지원하는 AWS 파트너 중심의 신규 Amazon OpenSearch Service 제공 특별 프로그램을 발표했습니다. Amazon OpenSearch Service는 소프트웨어 설치, 업그레이드, 패치, 확장(최대 3PB), 리전 간 복제를 가동 중단 없이 관리합니다. 그리고 대시보드 시각화 도구인 OpenSearch 대시보드도 번들로 포함되어 있습니다. 이 도구를 사용하면 로그 및 추적 데이터뿐 아니라 기계 학습 기술이 제공하는 결과도 시각화하여 이상 항목을 감지하고 검색 관련성 순위를 지정할 수 있습니다.

Amazon Web Services(AWS)에서는 컨설팅 서비스를 제공하는 AWS 파트너 중심의 신규 Amazon EKS 서비스 제공 특별 프로그램을 발표했습니다. 이러한 파트너는 Amazon EKS에서 컨테이너화된 워크로드 설계/실행/운영과 관련한 검증된 능력을 입증한 파트너입니다. Amazon EKS 제공 파트너는 고객이 레거시 애플리케이션, 운영 방식 및 인프라의 현대화를 진행하는 과정에서 중추적인 역할을 합니다. 고객은 Kubernetes의 복잡성을 알고 있기 때문에 검증된 방법론, 도구 및 모범 사례를 통해 EKS를 AWS로 현대화하는 작업을 가속화하고자 합니다. 

Amazon Aurora에서 이제 스냅샷을 먼저 생성할 필요 없이 Apache Parquet 형식에서 데이터베이스 클러스터를 S3로 직접 내보낼 수 있게 되었습니다. 또한 고객은 Aurora 데이터베이스 클러스터에서 S3로 직접 내보내기를 시작할 수 있어 시간, 비용을 절약하고 S3로 데이터를 내보낼 때 스냅샷 생성/유지의 추가 오버헤드를 방지할 수 있게 되었습니다.

오늘부터 NVIDIA A10G Tensor Core GPU 기반 Amazon Elastic Compute Cloud(Amazon EC2) G5 인스턴스를 스톡홀름에서 사용할 수 있게 되었습니다. G5 인스턴스는 광범위한 그래픽 집약적인 사용 사례 및 기계 학습 사용 사례에 사용할 수 있습니다. Amazon EC2 G4dn 인스턴스와 비교할 때 그래픽 집약적 애플리케이션 및 기계 학습 추론에 대해 최대 3배 더 높은 성능을 제공하고 단순한 기계 학습 모델부터 중간 정도의 복잡성을 갖춘 기계 학습 모델 교육에 대해 최대 3.3배 더 높은 성능을 제공합니다.

AWS Control Tower를 사용하면 보안 다중 계정 AWS 환경을 가장 쉽게 설정하고 관리할 수 있습니다. 그리고 여러 AWS 계정을 지원하는 거버넌스를 설정하는 데 걸리는 시간과 복잡한 작업을 줄일 수 있습니다. 이제 AWS Control Tower 제공 파트너가 AWS Control Tower 관련 컨설팅 서비스를 제공하며, AWS Control Tower 준비 파트너는 AWS Control Tower를 지원하는 소프트웨어 제품을 제공합니다. AWS Control Tower 파트너에게는 Control Tower에서 솔루션을 구축할 때 참조할 수 있는 권장 지침이 제공되며, AWS 솔루션스 아키텍트가 파트너 제공 솔루션을 검증합니다.

AWS Identity and Access Management(IAM) Access Analyzer에서 AWS 계정 및 조직 외부의 퍼블릭 및 교차 계정 액세스를 식별할 수 있도록 6개의 추가 리소스 유형을 지원합니다. 이러한 6개의 리소스 유형에는 Amazon SNS 주제, Amazon EBS 볼륨 스냅샷, Amazon RDS DB 스냅샷, Amazon RDS DB 클러스터 스냅샷, Amazon ECR 리포지토리 및 Amazon EFS 파일 시스템이 포함되어 있습니다. IAM Access Analyzer는 이제 이러한 리소스에 대한 리소스 정책, 액세스 제어 목록 및 기타 액세스 제어를 분석하여 고객이 퍼블릭, 교차 계정 및 조직 간 액세스를 더 쉽게 식별할 수 있도록 합니다. 이러한 결과를 통해 최소 권한의 보안 모범 사례를 준수하고 리소스에 의도하지 않은 외부 액세스를 줄일 수 있습니다.

이제 Amazon Connect에 예측, 용량 계획 및 예약 기능(평가판)의 일부로 실시간으로 에이전트 일정 준수를 확인하는 기능이 포함되었습니다. 실시간 지표 페이지에서 고객 센터 관리자는 에이전트가 계획된 일정에서 벗어났을 경우 이를 식별하고 에이전트의 생산성이 향상될 수 있도록 신속하게 조치를 취할 수 있습니다. 예를 들어 에이전트가 교육을 받아야 하는데 작업 중인 경우 Amazon Connect의 실시간 일정 준수 기능을 사용하여 이러한 에이전트를 식별하고 에이전트에게 교육에 참여하도록 알려 줌으로써 장기적인 성과가 개선되고 과도한 인력 투입을 피할 수 있습니다.

Amazon Neptune Serverless는 애플리케이션의 요구를 기반으로 자동으로 용량을 조정하는 새로운 배포 옵션으로, 개발자가 데이터베이스 용량을 관리할 필요 없이 간편하고 비용 효율적으로 그래프 데이터베이스를 실행할 수 있습니다. Neptune은 빠르고 안정적인 완전관리형 그래프 데이터베이스 서비스로, 지식 그래프, 사기 그래프, 자격 증명 그래프 및 보안 그래프 같은 상호 연결성이 높은 데이터 세트를 활용하여 애플리케이션을 구축 및 실행합니다. Neptune Serverless를 통해 고객은 몇 가지 단계만으로 그래프 데이터베이스를 사용하여 구축된 애플리케이션을 실행하고 자동으로 애플리케이션의 요구를 충족하도록 조정할 수 있습니다.

AWS Fault Injection Simulator(FIS)가 이제 새로운 FIS 작업 유형으로 네트워크 연결 중단을 지원합니다. AWS FIS의 새로운 연결 작업 중단 기능을 사용하여 AWS FIS 실험의 일부로 다양한 연결 문제를 주입할 수 있습니다. 지원되는 연결 문제에는 모든 트래픽 중단 또는 트래픽과 특정 가용 영역, VPC, 사용자 지정 접두사 목록 또는 서비스(Amazon S3 및 DynamoDB 포함) 간의 중단 제한이 포함되어 있습니다. 이를 통해 연결 기능의 전체 또는 일부가 손실되었을 때 애플리케이션이 복원되는지 여부를 손쉽게 검증할 수 있습니다.

이제 Amazon Managed Streaming for Apache Kafka(Amazon MSK)에서 새로운 클러스터와 기존 클러스터를 위해 Apache Kafka 버전 3.3.1을 지원합니다. Apache Kafka 3.3.1에는 여러 가지 버그 수정 사항과 성능을 개선하기 위한 새 기능이 포함됩니다. 주요 기능에는 지표와 파티셔너 향상 기능이 포함됩니다. Amazon MSK는 안정성을 확보하도록 이번 릴리스에서 쿼럼 관리용 Zookeeper를 계속 사용하고 관리할 것입니다. 개선 사항과 버그 수정에 대한 전체 목록은 Apache Kafka 3.3.1의 릴리스 정보를 참조하세요.

이제 AWS Private Certificate Authority(AWS Private CA)에서는 단기 인증서 모드가 제공됩니다. 이 모드는 단기 인증서 발급에 사용되는 AWS Private CA의 저가형 모드입니다. 공개 키 인프라(PKI) 관리자, 빌더 및 개발자는 유효 기간이 7일 이하인 인증서 발급 시에 새로 제공되는 이 모드를 활용하면 비용을 절약할 수 있습니다. IAM Roles Anywhere에서와 같이 권한 있는 액세스를 허용하기 위해 인증서를 사용하는 경우 단기 인증서를 발급하면 보안이 개선될 수도 있습니다. 단기 인증서는 유효 기간이 더 긴 인증서를 해지하지 않아도 단기간 내에 만료되기 때문입니다. 오늘 단기 인증서 모드가 출시됨에 따라 이제 단기 인증서 발급

오늘부터 아시아 태평양(오사카) 및 아프리카(케이프타운) 리전에서 Amazon EC2 C6i 및 M6i 인스턴스를 사용할 수 있습니다. C6i 인스턴스는 배치 처리, 분산 분석, 고성능 컴퓨팅(HPC) 등 컴퓨팅 집약적 워크로드에 이상적입니다. SAP 인증을 획득한 M6i 인스턴스는 웹 및 애플리케이션 서버, 엔터프라이즈 애플리케이션을 지원하는 백엔드 서버, 게임 서버, 캐싱 플릿 및 애플리케이션 개발 환경과 같은 워크로드에 적합합니다.

Amazon WorkSpaces는 이제 WorkSpaces 스트리밍 프로토콜(WSP)을 사용하는 WorkSpaces Web Access용으로 다음과 같은 새 기능을 지원합니다. 양방향 오디오/비디오 - IT 관리자는 Web Access를 사용하는 최종 사용자에게 웹캠과 마이크를 사용하는 화상 회의 및 기타 도구를 제공할 수 있습니다. 그러면 팀이 어디서나 더욱 효율적으로 공동 작업을 진행할 수 있습니다. 클립보드 리디렉션 - 사용자는 로컬 클라이언트와 원격 WorkSpace 간에 복사/붙여넣기를 수행할 수 있습니다. 이 작업을 위해 클립보드 권한을 활성화/비활성화하거나 단방향으로 활성화할 수 있습니다. 시간대 리디렉션 - 관리자와 사용장는 이제 웹 클라이언트의 현지 시간대를 사용하도록 Windows WorkSpace를 구성할 수 있습니다. 그러면 현지 시간을 활용하는 일정 앱 등의 애플리

이제 Amazon SageMaker 내에서 생성되는 사용자 프로필에 태그를 할당할 수 있습니다. 그러므로 사용자, 부서, 업태 또는 비용 센터별로 분류된 Amazon SageMaker Canvas 사용 비용을 추적할 수 있습니다.

이제 Amazon SageMaker 자동 모델 튜닝이 그리드 검색을 지원하므로 하이퍼파라미터 튜닝을 재현해야 하는 사용 사례를 진행할 수 있습니다. 그리드 검색에서는 지정한 하이퍼파라미터 값의 모든 조합을 검색한 후 재현 가능한 튜닝 결과를 제공합니다.

AWS Toolkit for .NET Refactoring은 Microsoft Visual Studio 2019 및 Microsoft Visual Studio 2022용 신규 확장입니다. 이 확장을 설치하면 레거시 .NET Framework 애플리케이션을 최신 클라우드 최적화 아키텍처로 변환할 수 있으므로 저렴한 비용, 가동 시간 연장, 확장성 개선 등의 이점을 최대한 활용할 수 있습니다. 이 확장을 통해 Visual Studio IDE에서 직접 AWS 환경을 테스트하는 기능 등 Porting Assistant for .NET의 기능을 더욱 광범위하게 활용할 수 있습니다.

Amazon SageMaker MME(다중 모델 엔드포인트)는 SageMaker Inference의 완전관리형 기능으로, 고객이 이 기능을 사용하면 단일 엔드포인트에 수천 개의 모델을 배포하고 엔드포인트가 실행되는 인스턴스를 모든 모델에서 공유하여 비용을 절감할 수 있습니다. 이제까지 MME는 CPU 인스턴스에서 실행되는 기계 학습(ML) 모델에서만 지원되었습니다. 이제 고객은 MME를 사용하여 GPU 기반 인스턴스에도 수천 개의 ML 모델을 배포할 수 있으며 비용을 90%까지 절감할 수 있습니다.