Amazon FSx for NetApp ONTAP을 사용하면, 이제 버튼을 클릭하여 SSD 스토리지 용량을 확장할 수 있으므로 시간에 따라 변화하는 스토리지 요구 사항을 더 빠르고 손쉽게 충족할 수 있습니다. 

고객은 이제 Amazon.com, Amazon.ca, Amazon.co.uk, Amazon.fr, Amazon.de, Amazon.it, Amazon.es에서 AWS Panorama Appliance를 구매할 수 있습니다.

이제 Amazon CloudWatch를 사용하여 동시 실행 중이거나 대기 중인 Systems Manager Automation 실행의 수를 시각화하고 모니터링할 수 있습니다. 또한 CloudWatch 경보를 생성하여 사용량이 정의된 임계값(예: AWS 계정에서 사용 가능한 서비스 할당량의 80%)을 초과하는 경우 알림을 받을 수 있습니다.

AWS Lambda는 이벤트 소스로 Amazon MSK 및 자체 관리형 Apache Kafka에 대한 개선된 자동 크기 조정 기능을 런칭하여 고객을 위해 성능을 개선하고 비용을 줄이는 데 도움을 줍니다. Lambda는 한 소비자에서 시작하여 1분마다 OffsetLag 지표(소스의 백로그 측정)를 확인하고 3분마다 확장하거나 축소합니다. Lambda는 Kafka 클러스터에 대해 주제당 파티션별 최대 한 명의 소비자를 허용합니다. 이전에 Lambda는 최대 소비자 수의 50%로 Kafka 클러스터와 연결을 시작하고 OffsetLag를 확인하고 15분마다 소비자를 확장하는 데 사용되었습니다.

Amazon Connect는 이제 1시간에서 7일 간의 채팅을 구성할 수 있습니다. 이로 인해 고객이 채팅 대화를 만료되기 전에 다시 시작해야 하는 기간을 정의할 수 있습니다. Amazon Connect에서 채팅 기간을 구성하려면 StartChatContact API를 호출할 때 선택 사항인 신규 파라미터를 추가하여 신규 채팅 연락처를 생성하기만 하면 됩니다.

Amazon Lex는 음성과 텍스트를 사용하는 모든 애플리케이션에 대화형 인터페이스를 구축하는 서비스입니다. 음성 입력에 대한 다중 트랜스크립트 및 신뢰도 점수 지원을 발표하게 되어 기쁘게 생각합니다. 트랜스크립트는 사용자의 음성 입력에 대한 대체 해석을 제공합니다. 각 트랜스크립트는 일치 가능성을 나타내는 신뢰도 점수와 관련이 있습니다. 트랜스크립트와 신뢰도 점수는 대화 설계를 향상시키는 데 사용될 수 있습니다.

Amazon SageMaker JumpStart는 Amazon SageMaker의 기능 중 하나로, TensorFlow Hub, PyTorch Hub 및 Hugging Face와 같은 인기 있는 모델 모음(‘모델 동물원’이라고도 함)과 수요 예측, 사기 탐지, 문서 이해 등 일반 비즈니스 문제를 해결해 주는 엔드투엔드 솔루션 16개를 클릭 한 번으로 사용할 수 있어 빠르고 쉽게 기계 학습 워크플로를 가속화해 줍니다.

Amazon OpenSearch Service(Amazon Elasticsearch Service의 후속 서비스)는 이제 Amazon OpenSearch Service 도메인에서의 블루/그린 배포 진행률에 대한 개선된 가시성을 제공합니다. 이에는 인스턴스 생성 및 삭제와 샤드 마이그레이션 진행률과 같은, 업데이트 내의 서로 다른 단계의 완료 여부에 대한 가시성이 포함됩니다.

상태 머신 기반의 워크플로를 로컬로 디버깅하고 테스트하기 위한 런타임인 AWS Step Functions Local은 이제 서비스 통합에 대한 모의 구현을 지원하도록 설계되었으므로, 다운스트림 서비스를 호출하지 않고도 상태 머신을 실행할 수 있습니다.

이제 VPC 엔드포인트 및 VPC 엔드포인트 서비스용 AWS PrivateLink를 사용할 때 새로운 5개의 지표에 액세스할 수 있습니다. AWS PrivateLink는 네트워크 트래픽을 프라이빗으로 유지하면서 안전하고 확장 가능한 방식으로 고객이 AWS 서비스, 서드 파티 서비스 또는 AWS에서 호스트되는 내부 엔터프라이즈 서비스에 액세스할 수 있는 완전관리형 프라이빗 연결 서비스입니다. 

Amazon Managed Streaming for Apache Kafka(Amazon MSK)는 이제 Amazon MSK의 스토리지 처리량을 프로비저닝할 수 있는 옵션을 제공하므로, 처리량이 많은 워크로드를 가진 고객이 추가 브로커를 프로비저닝하지 않고도 원활하게 I/O 크기를 조정할 수 있습니다. 최대 1000MiB/초의 처리량을 Amazon MSK 스토리지 볼륨에 프로비저닝하여 추가 브로커를 프로비저닝하지 않고도 이전에 250MiB/초였던 I/O 요구 사항의 크기를 조정할 수 있습니다. 구성했을 때는 클러스터에서 프로비저닝된 스토리지 처리량에 대한 요금을 더 적게 지불합니다.

Amazon Relational Database Service(Amazon RDS) for PostgreSQL 및 Amazon RDS on AWS Outposts는 이제 PostgreSQL 메이저 버전 14를 지원합니다. PostgreSQL 14에는 병렬 쿼리, 많은 동시 워크로드, 파티셔닝된 테이블, 논리적 복제, vaccum 작업에 대한 성능 개선이 포함되어 있습니다. 또한 PostgreSQL 14는 새로운 기능으로 기능이 개선되었습니다. 예를 들어 클라이언트가 연결 해제되는 경우 장기 실행 쿼리를 취소할 수 있고 제한 시간이 초과되는 경우 유휴 세션을 종료할 수 있습니다. 또한 저장 프로시저는 이제 데이터를 반환합니다.

이제 AWS Cloud Map API가 IPv6 프로토콜을 지원함에 따라 IPv6를 통해 애플리케이션을 AWS Cloud Map 엔드포인트에 연결할 수 있습니다. 따라서 좀 더 쉽게 기존 IPv6 기반 애플리케이션과 통합할 수 있으며, IPv4와 IPv6 간의 주소 변환을 처리하기 위해 고가의 네트워킹 장비를 구매할 필요가 줄어들었습니다.

Amazon SageMaker Autopilot은 데이터에 기반해 최상의 기계 학습 모델을 자동으로 구축, 훈련 및 튜닝하는 동시에 완전한 제어와 가시성을 유지 관리할 수 있도록 합니다. 이제 SageMaker Autopilot을 사용하여 이전 지원 한도인 10GB를 초과하는 데이터 집합에 회귀 및 분류 문제를 위한 기계 학습 모델을 구축할 수 있습니다. 오늘부터 SageMaker Autopilot은 SageMaker Autopilot이 현재 지원되는 모든 AWS 리전에서 최대 100GB 크기의 데이터 집합을 기본 지원합니다. SageMaker Autopilot은 클래스 불균형을 감안하고 드문 클래스 레이블을 보존하면서 데이터 집합을 자동으로 하위 샘플링합니다. AWS Support Center 콘솔에서 한도 증가 요청을 제출하면 기본 10

Amazon SageMaker Autopilot은 데이터에 기반해 최상의 기계 학습 모델을 자동으로 구축, 훈련 및 튜닝하는 동시에 완전한 제어와 가시성을 유지 관리할 수 있도록 합니다. 오늘부터 SageMaker Autopilot은 Apache Parquet 파일 형식에 대한 지원을 제공합니다. Apache Parquet은 Apache Hadoop 에코시스템을 위한 무료 오픈 소스, 열 지향 데이터 스토리지 형식입니다. 이 형식은 효율적인 데이터 압축 및 향상된 성능의 인코딩 체계를 제공합니다. 이 새로운 기능을 사용하면 Apache Parquet 파일 형식으로 저장된 파일을 사용하여 SageMaker Autopilot 실험을 생성할 수 있습니다. 

이제 AWS Systems Manager에서 최대 500개의 동시 Automation 실행을 지원하므로 대규모의 인스턴스 패치 적용과 같은 운영 태스크를 자동화할 수 있습니다. 적응형 고 동시성을 활성화하면 Automation에서 크기 조정 요구 사항을 기반으로 자동으로 동시성 할당량을 증가 또는 감소합니다. 적응형 고 동시성은 Automation 기본 설정(Automation Preferences) 탭에서 활성화할 수 있습니다.

Amazon QuickSight는 이제 비교(예: 전년 대비) 및 누적(예: 연초 대비) 기간 함수을 지원합니다. QuickSight 작성자는 이러한 새 함수를 사용하여 복잡한 열 오프셋 또는 사전 계산된 열을 사용하지 않고 빠르게 고급 날짜/시간 계산을 구현하여 이러한 계산을 정기 사업 보고, 추세 분석 및 시계열 분석에 추가할 수 있습니다. 더 자세한 내용은 여기를 방문하세요.

이제 Apache Airflow 2.2 환경을 MWAA(Amazon Managed Workflows for Apache Airflow)에서 생성할 수 있습니다. Apache Airflow 2.2는 고객이 워크플로를 작성, 예약 및 관리하도록 돕는 인기 오픈 소스 도구의 최신 버전입니다. 그뿐 아니라, MWAA는 2.2 환경으로 시작하는 Airflow 웹 서버에 Python 요구 사항, 공급자 패키지 및 플러그인을 설치합니다.

AWS에서는 AWS 콘솔 및 SDK 모두를 통해 이용할 수 있는, Amazon Fraud Detector ML(기계 학습) 모델에 대한 예측 설명의 출시를 발표했습니다. 예측 설명은 예측자(또는 입력 변수)가 사기 점수에 미치는 영향을 보고하여 고객이 ML 모델이 특정 사기 점수에 도달하게 되는 방법에 대한 가시성을 높일 수 있게 해 줍니다. Amazon Fraud Detector(AFD)는 가짜 계정 개설 또는 온라인 결제 사기와 같은 부정행위 가능성이 있는 온라인 활동을 손쉽게 파악할 수 있는 완전관리형 서비스입니다. 내부적으로 기계 학습을 사용하고 20년 넘는 사기 탐지 전문 지식을 기반으로 하여 AFD는 기계 학습 전문 지식 없이도 잠재적인 사기 활동을 밀리초 만에 자동으로 식별합니다.

AWS IoT Greengrass가 캐나다(중부) 리전에서 정식 출시되었습니다. AWS IoT Greengrass는 고객이 디바이스 소프트웨어를 구축하고 배포하며 관리할 수 있도록 지원하는 사물 인터넷(IoT) 엣지 런타임 및 클라우드 서비스입니다. AWS IoT Greengrass를 사용하면 고객이 인터넷에 연결되어 있지 않더라도 커넥티드 디바이스에서 AWS Lambda 함수, 도커 컨테이너 또는 둘 다를 실행하고, 기계 학습 모델을 기반으로 예측을 실행하고, 디바이스 데이터를 동기화 상태로 유지하고, 다른 디바이스와 안전하게 통신할 수 있습니다.