AWS 해부 (0) 시리즈 소개

클라우드 플랫폼 AWS를 MLOps 실습에 필요한 범위로 정리하는 시리즈의 0편입니다. 시리즈 소개와 진행 순서를 다루며, 본문은 1편부터 시작합니다.

무엇을 다루나

AWS 전체가 아니라, 로컬에서 돌리던 ML 스택을 클라우드에 올리는 데 필요한 최소 범위를 다룹니다. 계정과 IAM 설정, S3, EC2, ECR 기반 컨테이너 배포, 비용 관리까지가 범위이고, 마지막 편에서 NYC 택시 프로젝트의 MinIO와 Docker Compose 스택을 실제로 AWS로 옮깁니다.

NYC 택시 프로젝트 6편에서 “나중에 AWS로 옮길 때 endpoint와 키만 바꾸면 된다”고 적었습니다. 이 시리즈가 그 전환의 실제 절차입니다.

SageMaker 같은 관리형 ML 플랫폼은 다루지 않습니다. 그 아래에 있는 저장소, 컴퓨팅, 권한의 원시 서비스를 먼저 이해하는 것이 이 시리즈의 목적입니다.

누구를 위한 시리즈인가

• MLflow와 Airflow를 로컬 Docker로는 돌려봤지만 클라우드에 올려본 적이 없는 사람
• AWS 계정은 만들었지만 IAM, 보안, 과금이 불안해서 방치한 사람
• 튜토리얼대로 EC2를 띄워봤지만 요금이 어디서 나오는지 모르는 사람

터미널과 Docker 사용을 전제로 합니다. 머신러닝 실전 워크플로 10편 수준의 컨테이너 이해가 있으면 충분합니다.

어떻게 진행하는가

일곱 편으로 진행하며, 순서는 아래와 같습니다.

편	주제
(1)	로컬 스택의 한계와 AWS 구조
(2)	계정과 IAM: root user, access key, CLI
(3)	S3: bucket, object, boto3
(4)	EC2: instance, security group, SSH
(5)	컨테이너 배포: ECR에서 EC2까지
(6)	비용과 운영: Budgets, CloudWatch
(7)	응용: NYC 택시 스택을 AWS로

1편과 2편이 계정 기반, 3편부터 5편이 저장소와 컴퓨팅, 6편이 비용, 7편이 ML 응용입니다. 2편의 IAM 설정과 6편의 Budgets 알람은 순서를 바꾸지 말고 실습 초반에 해 두기를 권합니다.

실습 환경

• AWS CLI 2.x, region은 ap-northeast-2 (서울)
• Python 3.12, boto3
• 개인 계정 기준입니다. 회사 계정은 IAM Identity Center 등 조직 정책이 우선하므로 2편의 계정 설정 부분이 다를 수 있습니다
• 7편에서 MLflow 해부 시리즈와 Airflow 해부 시리즈의 Docker Compose 구성을 그대로 EC2에 올립니다

같은 스택을 로컬에서 구성한 기록은 NYC 택시 프로젝트 6편에 있습니다.