[reinvent 2025] AWS 스토리지, 데이터 경계를 넘어서: 데이터 기반 구축
Summary
AWS 스토리지 서비스(특히 S3)가 단순한 데이터 저장 공간을 넘어, AI 및 데이터 분석을 위한 핵심 ‘파운데이션(Foundation)’으로 어떻게 진화하고 있는지 심층적으로 다룹니다.
리인벤트 2025 테크 블로그의 더 많은 글이 보고 싶다면?
Overview
들어가며
이번 칼럼에서는 Storage 세션을 다룹니다. 19년 된 AWS의 핵심 서비스인 S3가 단순한 객체 저장소를 넘어, AI와 데이터 분석 시대를 위한 강력한 ‘Data Foundation’으로 어떻게 진화하고 있는지 확인할 수 있었습니다. 특히 생성형 AI를 위한 벡터 검색 기능과 데이터 레이크 효율화를 위한 S3 Tables 등 굵직한 신규 기능들이 대거 공개된 시간이었습니다.
500조 객체의 ‘빌딩 블록’: S3의 진화와 하드웨어 혁신
Andy Warfield는 AWS 서비스를 개발자가 신경 쓰지 않아도 완벽하게 작동하는 ‘Building Blocks’에 비유했습니다. 현재 S3는 500조 개가 넘는 객체를 수용하고 있으며, 초당 최대 2억 건의 요청을 처리하는 등 상상 이상의 규모로 운영되고 있습니다.
이러한 규모를 효율적으로 관리하기 위해, AWS는 하드웨어 단에서도 혁신을 이루었습니다. 기존의 서버 내장형 스토리지 구조에서 벗어나, 디스크와 컴퓨팅을 분리하여 유연성을 극대화한 ‘Metal Volumes’ 아키텍처를 도입했습니다. 이를 통해 장애 복구 속도를 높이고 스토리지 랙의 전력 소모를 10% 절감하는 성과를 거두었습니다.
또한, 고성능 워크로드를 위한 S3 Express One Zone은 올해 가격이 최대 85% 인하되었으며, 초당 200만 건의 요청 처리 성능과 원자적(Atomic) 객체 이름 변경(Object Rename) 기능을 추가하여 더욱 강력해졌습니다.
생성형 AI와 데이터 레이크의 융합: S3 Vectors & Tables
이번 세션의 하이라이트는 S3 Vectors의 정식 출시 소식이었습니다. 이제 별도의 벡터 데이터베이스 없이 S3에 저장된 비정형 데이터(이미지, 문서 등)에 대해 직접 시맨틱 검색을 수행할 수 있게 되었습니다. 이러한 변화는 RAG기반의 생성형 AI 애플리케이션을 구축하는 과정을 획기적으로 단순화합니다.
실제 사례로 소개된 GoPro는 450PB가 넘는 영상 데이터 속에서 “서핑 중 파도를 타는 순간”과 같은 특정 맥락을 찾아내기 위해 이 기능을 도입했습니다.
또한, S3 Vectors는 이번 업데이트를 통해 크로스 리전 복제와 Intelligent-Tiering을 지원하게 되었습니다.
이를 통해 글로벌 데이터 레이크 구축 시 데이터 정합성을 보장하고, 액세스 빈도에 따른 자동 비용 최적화가 가능해졌습니다.
분석과 운영의 통합 및 하이브리드 클라우드 가속화
마지막으로, 데이터 분석과 운영의 경계를 허무는 Managed Tables 기능이 소개되었습니다. 이제 CloudWatch Logs나 S3 메타데이터 같은 시스템 로그를 SQL로 직접 쿼리하고 조인하여 분석할 수 있어, 운영 가시성을 크게 높일 수 있습니다.
또한, 온프레미스 스토리지와의 하이브리드 운영을 돕는 S3 Access Points for FSx가 발표되었습니다. 이를 통해 기존 FSx 파일 시스템(OpenZFS, NetApp ONTAP)에 저장된 데이터를 애플리케이션 수정 없이 S3 API로 접근할 수 있게 되어, 레거시 워크로드를 클라우드 네이티브 환경으로 손쉽게 연결할 수 있게 되었습니다.
결론
이번 세션은 S3가 단순한 파일 저장소를 넘어 벡터, 테이블, 메타데이터 등 다양한 형태의 데이터를 지능적으로 처리하는 플랫폼으로 진화했음을 명확히 보여주었습니다. 지난 6개월간 무려 120개 이상의 신규 기능을 선보인 폭발적인 혁신 속도는, S3가 AI 시대에도 변함없이 가장 강력하고 필수적인 데이터 파운데이션임을 확실하게 증명하고 있습니다.
글 │메가존클라우드, Specialty Service Unit, Modernization SA 1팀, 박혜진 SA
게시물 주소가 복사되었습니다.
