AWS 서버리스 배포 실습 — Node.js · Python · Java + API Gateway

Hands-on AWS serverless examples with Lambda, API Gateway, CI/CD, and AI service integrations in Node.js, Python, and Java

AWS Lambda와 Amazon API Gateway를 활용한 서버리스 함수 배포 실습 레포 Node.js, Python, Java 세 가지 런타임으로 Lambda 함수를 작성하고, AWS 콘솔 · AWS CLI · Serverless Framework · GitHub Actions CI/CD 네 가지 방법으로 배포하는 전 과정을 다룹니다.

기술 스택

런타임 및 언어

언어	버전	Lambda 런타임 식별자	핸들러 진입점
Node.js	20.x	`nodejs20.x`	`index.handler`
Python	3.12	`python3.12`	`handler.hello`
Java	17 (LTS)	`java17`	`com.example.HelloHandler`

AWS 서비스

서비스	역할
AWS Lambda	서버리스 함수 실행 환경. 요청 시에만 컨테이너를 띄워 코드를 실행하고 과금
Amazon API Gateway	HTTP 요청을 Lambda로 라우팅하는 관리형 API 엔드포인트 (REST API / HTTP API)
Amazon S3	객체 스토리지. Lambda의 이벤트 트리거 소스로도 활용
Amazon CloudWatch Logs	Lambda 실행 로그 자동 수집 및 조회
AWS IAM	Lambda 실행 역할, 사용자 권한 정책 관리
AWS CloudFormation	Serverless Framework 배포 시 내부적으로 사용하는 인프라 프로비저닝 엔진

배포 도구

도구	버전	용도
AWS CLI	v2	Lambda 함수 생성·업데이트·호출, API Gateway 설정 등 모든 AWS 작업을 터미널에서 수행
Serverless Framework	3.x	`serverless.yaml` 하나로 Lambda + API Gateway + IAM 역할을 자동 생성·배포
GitHub Actions	—	`main` 브랜치 push 시 변경된 언어 디렉터리만 자동 감지하여 Lambda에 배포
Apache Maven	3.8+	Java 빌드 및 의존성 관리.`maven-shade-plugin`으로 Lambda용 Fat JAR 생성

AWS SDK

SDK	버전	언어	용도
AWS SDK for JavaScript	v2 (`aws-sdk`)	Node.js	S3 업로드 스크립트 (`upload.js`) — 유지보수 모드
AWS SDK for JavaScript	v3 (`@aws-sdk/client-s3`)	Node.js	S3 업로드 스크립트 (`upload2.js`, `upload3.js`) — 권장 버전
Boto3	최신	Python	S3 이벤트 트리거 Lambda 내부에서 S3 객체 읽기
AWS Lambda Java Core	1.2.3	Java	`RequestHandler` 인터페이스 및 `Context` 제공
AWS Lambda Java Events	3.11.4	Java	`APIGatewayProxyRequestEvent` 등 API GW 이벤트 타입 제공

CI/CD 파이프라인 구성 요소

구성 요소	역할
`aws-actions/configure-aws-credentials@v4`	GitHub Actions 실행기에 AWS 자격 증명을 안전하게 주입
`actions/setup-java@v4`	Java 빌드 환경 세팅 (Temurin JDK 17, Maven 캐시)
`git diff --name-only`	변경된 파일 목록으로 배포 대상 디렉터리 감지
`aws lambda update-function-code`	ZIP 또는 JAR를 Lambda에 업로드
`aws lambda wait function-updated`	배포 완료까지 대기 (최대 5분)

아키텍처

API Gateway + Lambda (Hello API)

클라이언트 (브라우저 / curl / Postman)
        │
        │  HTTP GET /hello?name=Alice
        ▼
┌────────────────────────────────────┐
│         Amazon API Gateway         │
│  REST API  ·  스테이지: dev        │
│  리소스: /hello  ·  메서드: GET    │
│  통합 유형: Lambda Proxy           │
└──────────────────┬─────────────────┘
                   │  event 객체 전달
                   ▼
┌────────────────────────────────────┐
│           AWS Lambda               │
│  런타임: Node.js / Python / Java   │
│  핸들러: index.handler 등          │
│  메모리: 128 MB (Java: 512 MB)     │
│  타임아웃: 3 s (Java: 15 s)        │
└──────────┬─────────────────────────┘
           │  로그 자동 전송
           ▼
┌────────────────────────────────────┐
│       Amazon CloudWatch Logs       │
│  로그 그룹: /aws/lambda/<함수명>    │
└────────────────────────────────────┘

S3 이벤트 트리거 + Lambda

사용자
  │  aws s3 cp face1.png s3://edumgt-bucket-logs/
  ▼
┌──────────────────┐     ObjectCreated 이벤트
│    Amazon S3     │ ──────────────────────────▶ ┌──────────────────┐
│  edumgt-bucket-  │                             │   AWS Lambda     │
│  logs            │                             │  s3-event-logger │
└──────────────────┘                             └────────┬─────────┘
                                                          │  로그 기록
                                                          ▼
                                                 ┌──────────────────┐
                                                 │  CloudWatch Logs │
                                                 └──────────────────┘

주가 데이터 AI/ML 파이프라인 (Stock Pipeline)

flowchart TD
    EB["⏰ EventBridge Scheduler<br/>매일 16:00 KST<br/>장 마감 후 자동 트리거"]

    subgraph SFN["AWS Step Functions — 워크플로우 제어"]
        direction TB

        subgraph S1["Step 1 · 수집"]
            BC["AWS Batch<br/>Collect Job<br/>(Fargate)"]
        end

        subgraph S2["Step 2 · 정제 (병렬)"]
            direction LR
            BR["AWS Batch<br/>Refine Job<br/>(Fargate)"]
            GL["AWS Glue<br/>ETL Job<br/>(Spark)"]
        end

        subgraph S3["Step 3 · AI/ML 분석"]
            SM["Amazon SageMaker<br/>ML Pipeline<br/>(XGBoost)"]
        end

        S1 --> S2
        S2 --> S3
    end

    RAW[("Amazon S3<br/>Raw Bucket<br/>CSV · 원시 데이터")]
    PROC[("Amazon S3<br/>Processed Bucket<br/>Parquet · 정제 데이터")]
    DDB[("Amazon DynamoDB<br/>stock-pipeline-analysis<br/>초고속 NoSQL 조회")]

    LM["AWS Lambda<br/>Python 3.12<br/>API Handler"]
    APIGW["Amazon API Gateway<br/>REST API<br/>GET /analysis/{ticker}"]
    CLIENT["Client<br/>App / Web / curl"]

    EB -->|StartExecution| SFN
    BC -->|적재| RAW
    BR -->|읽기| RAW
    BR -->|적재| PROC
    GL -->|읽기| RAW
    GL -->|적재| PROC
    SM -->|읽기| PROC
    SM -->|분석 결과 적재| DDB

    DDB -->|조회| LM
    LM -->|응답| APIGW
    APIGW -->|HTTPS| CLIENT

    style EB    fill:#FF9900,color:#fff,stroke:#FF9900
    style RAW   fill:#569A31,color:#fff,stroke:#569A31
    style PROC  fill:#569A31,color:#fff,stroke:#569A31
    style DDB   fill:#4053D6,color:#fff,stroke:#4053D6
    style LM    fill:#FF9900,color:#fff,stroke:#FF9900
    style APIGW fill:#A020F0,color:#fff,stroke:#A020F0
    style CLIENT fill:#232F3E,color:#fff,stroke:#232F3E

데이터 흐름 요약

단계	서비스	입력	출력
트리거	EventBridge Scheduler	매일 16:00 KST 크론	Step Functions 실행
Step 1 수집	AWS Batch (Fargate)	외부 주가 API	S3 Raw (CSV)
Step 2 정제	AWS Batch + Glue ETL	S3 Raw	S3 Processed (Parquet, 이동평균 포함)
Step 3 분석	SageMaker Pipeline	S3 Processed	DynamoDB (ML 분석 결과)
API 제공	Lambda + API Gateway	DynamoDB 조회	HTTPS JSON 응답

Scripts 구성

scripts/
├── 00_config.sh          # 공통 환경변수 및 유틸 함수
├── 01_iam.sh             # IAM 역할·정책 생성
├── 02_s3.sh              # S3 버킷 (Raw / Processed / Scripts)
├── 03_dynamodb.sh        # DynamoDB 테이블 + GSI + TTL
├── 04_batch.sh           # Batch 컴퓨팅 환경·작업 대기열·작업 정의
├── 05_glue.sh            # Glue ETL Job (PySpark)
├── 06_sagemaker.sh       # SageMaker Pipeline
├── 07_lambda_apigw.sh    # Lambda 함수 + API Gateway
├── 08_stepfunctions.sh   # Step Functions 상태 머신
├── 09_eventbridge.sh     # EventBridge 스케줄러
├── deploy_all.sh         # 전체 배포 (순서대로 실행)
├── destroy_all.sh        # 전체 삭제 (역순)
├── lambda/
│   └── handler.py        # Lambda API 핸들러 소스
└── step-functions/
    └── workflow.json     # Step Functions 상태 머신 정의 템플릿

전체 배포:

# 기본 (dev 환경)
./scripts/deploy_all.sh

# prod 환경
ENV=prod ./scripts/deploy_all.sh prod

GitHub Actions 배포 파이프라인

git push → main
     │
     ▼
┌─────────────────────────────────────────────────────┐
│               GitHub Actions                        │
│                                                     │
│  [detect-changes]                                   │
│   git diff HEAD~1 HEAD                              │
│   nodejs/ 변경? → nodejs=true/false                 │
│   python/ 변경? → python=true/false                 │
│   java/   변경? → java=true/false                   │
│       │                                             │
│       ├── nodejs=true ──▶ [deploy-nodejs]           │
│       │                    zip → update-function-code│
│       │                    wait function-updated     │
│       │                                             │
│       ├── python=true ──▶ [deploy-python]           │
│       │                    zip → update-function-code│
│       │                    wait function-updated     │
│       │                                             │
│       └── java=true   ──▶ [deploy-java]             │
│                            mvn package              │
│                            update-function-code     │
│                            wait function-updated    │
└─────────────────────────────────────────────────────┘
     │ (각 잡 병렬 실행)
     ▼
AWS Lambda 함수 코드 업데이트 완료

디렉터리 구조

aws-serverless/
├── .github/
│   └── workflows/
│       └── deploy-lambda.yml    # GitHub Actions CI/CD 워크플로
│
├── nodejs/                      # Node.js Lambda 실습
│   ├── handler.js               # Serverless Framework용 핸들러
│   ├── index.js                 # AWS CLI 배포용 핸들러
│   ├── serverless.yaml          # Serverless Framework 설정 (API GW 자동 생성)
│   ├── package.json
│   └── lambda-s3/               # S3 이벤트 트리거 실습
│       ├── index.js             # S3 이벤트 Lambda 핸들러 (Node.js, SDK v2)
│       ├── test.py              # S3 이벤트 Lambda 핸들러 (Python, Boto3)
│       ├── upload.js            # S3 파일 업로드 — AWS SDK v2
│       ├── upload2.js           # S3 파일 업로드 — AWS SDK v3
│       ├── upload3.js           # S3 파일 업로드 — AWS SDK v3 (dotenv 미사용)
│       ├── lamdatest.js         # Lambda 로컬 실행 테스트 유틸
│       ├── trust.json           # IAM 신뢰 정책 (lambda.amazonaws.com)
│       ├── s3log.json           # IAM 권한 정책 (S3 GetObject + CloudWatch Logs)
│       ├── snsnoti.json         # S3 버킷 이벤트 알림 구성
│       ├── s3-event.json        # Lambda 테스트용 S3 이벤트 페이로드
│       ├── response.json        # aws lambda invoke 결과 저장 파일
│       ├── sample.json          # 샘플 테스트 데이터
│       └── face1-4.png          # S3 업로드 테스트용 이미지
│
├── python/                      # Python Lambda 실습
│   ├── handler.py               # 기본 Hello Lambda 핸들러
│   ├── ai_handler.py            # Amazon Comprehend / Rekognition 연동 예제
│   ├── events/
│   │   ├── ai-text-event.json   # 텍스트 AI 분석 테스트 이벤트
│   │   └── ai-image-event.json  # 이미지 레이블 분석 테스트 이벤트
│   └── serverless.yaml          # Serverless Framework 설정
│
├── java/                        # Java Lambda 실습
│   ├── pom.xml                  # Maven 빌드 설정 (maven-shade-plugin으로 Fat JAR)
│   ├── serverless.yaml          # Serverless Framework 설정
│   └── src/main/java/com/example/
│       └── HelloHandler.java    # RequestHandler 구현체
│
└── docs/
    ├── images/                  # 메인 README 스크린샷 (콘솔 가이드)
    └── lambda-s3/
        └── README.md            # Lambda + S3 이벤트 트리거 실습 가이드

사전 준비

도구	버전	설치 방법
AWS 계정	—	무료 가입
AWS CLI	v2	아래 설치 가이드
Node.js	18+	nodejs.org
Python	3.12	python.org
Java (JDK)	17	adoptium.net
Maven	3.8+	maven.apache.org
Serverless Framework	3.x	`npm install -g serverless@3`

AWS CLI 설치 및 설정

설치

macOS / Linux

curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"
unzip awscliv2.zip
sudo ./aws/install
aws --version

Windows (PowerShell)

msiexec.exe /i https://awscli.amazonaws.com/AWSCLIV2.msi
aws --version

자격 증명 설정

aws configure
# AWS Access Key ID     [None]: <YOUR_ACCESS_KEY>
# AWS Secret Access Key [None]: <YOUR_SECRET_KEY>
# Default region name   [None]: ap-northeast-2
# Default output format [None]: json

설정 파일은 ~/.aws/credentials와 ~/.aws/config에 저장됩니다.

보안 팁: 장기 자격 증명(Access Key) 대신 IAM Identity Center(SSO) 또는 EC2 인스턴스 역할을 권장합니다.

설정 확인

aws sts get-caller-identity
# {
#   "UserId": "AIDAXXXXXXXXXX",
#   "Account": "123456789012",
#   "Arn": "arn:aws:iam::123456789012:user/your-user"
# }

AWS Lambda 이해

Lambda란?

AWS Lambda는 서버를 직접 관리하지 않고 코드를 실행할 수 있는 이벤트 기반 컴퓨팅 서비스입니다. 함수 코드(ZIP 또는 JAR)를 업로드하면 AWS가 실행 환경 전체를 관리합니다.

항목	전통적인 서버 (EC2)	AWS Lambda
서버 관리	OS 패치, 프로세스 관리 직접 수행	AWS가 전부 관리
비용	미사용 시간도 과금	실행된 시간(ms)만 과금
확장	Auto Scaling 직접 설정	요청량에 따라 자동 확장
배포	ssh + git pull + 재시작	ZIP 업로드 또는 CLI 한 줄
유지보수	직접 책임	런타임 업데이트만 신경

핸들러 함수 구조

Lambda는 **이벤트(event)**와 **컨텍스트(context)**를 인자로 받는 함수를 진입점으로 사용합니다.

Node.js

exports.handler = async (event, context) => {
  // event: 트리거 소스(API GW, S3 등)에서 전달된 데이터
  // context: 함수 이름, 남은 실행 시간, 로그 스트림 이름 등 런타임 정보
  return {
    statusCode: 200,
    body: JSON.stringify({ message: "Hello" }),
  };
};

Python

def hello(event, context):
    # event: dict 타입, context: LambdaContext 객체
    return {
        "statusCode": 200,
        "body": json.dumps({"message": "Hello"})
    }

Java

// RequestHandler<입력타입, 출력타입> 인터페이스 구현
public class HelloHandler
        implements RequestHandler<APIGatewayProxyRequestEvent, APIGatewayProxyResponseEvent> {
    @Override
    public APIGatewayProxyResponseEvent handleRequest(
            APIGatewayProxyRequestEvent input, Context context) {
        // input: API Gateway 요청 객체, context: 런타임 정보
        return new APIGatewayProxyResponseEvent().withStatusCode(200).withBody("Hello");
    }
}

이벤트(event) 객체 구조

API Gateway를 통해 Lambda가 호출될 때 전달되는 event 객체 예시:

{
  "httpMethod": "GET",
  "path": "/hello",
  "queryStringParameters": { "name": "Alice" },
  "headers": { "Accept": "application/json" },
  "body": null,
  "isBase64Encoded": false
}

S3 이벤트로 호출될 때:

{
  "Records": [{
    "eventSource": "aws:s3",
    "eventName": "ObjectCreated:Put",
    "s3": {
      "bucket": { "name": "edumgt-bucket-logs" },
      "object": { "key": "face1.png", "size": 12345 }
    }
  }]
}

응답(response) 객체 구조

API Gateway 프록시 통합 사용 시 반드시 아래 형식으로 응답해야 합니다:

{
  "statusCode": 200,
  "headers": { "Content-Type": "application/json" },
  "body": "{\"message\": \"Hello, Alice!\"}"
}

body는 반드시 문자열이어야 합니다. JSON.stringify() 또는 json.dumps()로 직렬화하세요.

실행 모델: 콜드 스타트 vs 웜 스타트

첫 번째 요청 (콜드 스타트)
  컨테이너 생성 → 런타임 초기화 → 핸들러 코드 로드 → 함수 실행
  소요 시간: 수백 ms ~ 수 초 (Java는 특히 길 수 있음)

이후 요청 (웜 스타트)
  기존 컨테이너 재사용 → 함수 실행만 수행
  소요 시간: 수 ms 수준

콜드 스타트 최소화 방법:

Java: 메모리를 512 MB 이상으로 설정
Node.js / Python: 핸들러 외부에서 무거운 초기화 코드 실행 (컨테이너 재사용 시 재실행 안 됨)
Lambda SnapStart (Java 21+) 사용

주요 제한 사항

항목	제한
함수 코드 패키지 크기 (압축)	50 MB (직접 업로드), 250 MB (S3 경유)
최대 실행 시간	15분
메모리	128 MB ~ 10,240 MB
동시 실행 수	기본 1,000 (리전별, 증설 가능)
환경 변수	최대 4 KB
`/tmp` 임시 저장소	최대 10,240 MB

IAM 실행 역할

Lambda 함수는 실행 시 **IAM 역할(Execution Role)**을 통해 다른 AWS 서비스에 접근합니다.

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Principal": { "Service": "lambda.amazonaws.com" },
      "Action": "sts:AssumeRole"
    }
  ]
}

필요한 권한을 역할에 연결합니다:

기본 로그 기록: AWSLambdaBasicExecutionRole
S3 읽기: AmazonS3ReadOnlyAccess
CloudWatch 전체: CloudWatchEventsFullAccess

Node.js Lambda 배포

핸들러 코드 (`nodejs/index.js`)

exports.handler = async (event) => {
  const name = event.queryStringParameters?.name || 'World';
  return {
    statusCode: 200,
    headers: { "Content-Type": "application/json" },
    body: JSON.stringify({ message: `Hello, ${name}!` }),
  };
};

Serverless Framework용 핸들러 (`nodejs/handler.js`)

module.exports.hello = async (event) => {
  const name = event.queryStringParameters?.name || "Good Morning";
  return {
    statusCode: 200,
    body: JSON.stringify({ message: `Good Morning, ${name}` }),
  };
};

콘솔 배포 절차

AWS 콘솔 → Lambda → 함수 생성 클릭
새로 작성 선택
런타임: Node.js 20.x
코드 탭에 위 핸들러 코드 붙여넣기
배포 → 테스트 실행

AWS CLI 배포

1단계 — 코드 압축

cd nodejs

# Linux / macOS
zip function.zip index.js

# Windows PowerShell
Compress-Archive -Path index.js -DestinationPath function.zip

2단계 — Lambda 함수 생성 (최초 1회)

aws lambda create-function \
  --function-name edumgt-lambda-nodejs \
  --runtime nodejs22.x \
  --role arn:aws:iam::086015456585:role/lambda-test \
  --handler index.handler \
  --zip-file fileb://function.zip \
  --region ap-northeast-2

3단계 — 코드 업데이트 (이후 변경 시)

aws lambda update-function-code \
  --function-name edumgt-lambda-nodejs \
  --zip-file fileb://function.zip \
  --region ap-northeast-2

4단계 — 함수 호출 테스트

aws lambda invoke \
  --function-name edumgt-lambda-nodejs \
  --payload '{"queryStringParameters":{"name":"Alice"}}' \
  --cli-binary-format raw-in-base64-out \
  response.json
cat response.json
# {"statusCode":200,"body":"{\"message\":\"Hello, Alice!\"}"}

Serverless Framework 배포

npm install -g serverless@3    # 최초 1회 설치

cd nodejs
serverless deploy              # Lambda + API Gateway 자동 생성

# 배포 후 출력 예시:
# endpoints:
#   GET - https://xxxx.execute-api.ap-northeast-2.amazonaws.com/dev/hello
# functions:
#   hello: hello-api-dev-hello

serverless remove              # 생성된 모든 리소스 삭제

nodejs/serverless.yaml:

service: hello-api

provider:
  name: aws
  runtime: nodejs18.x
  region: ap-northeast-2

functions:
  hello:
    handler: handler.hello
    events:
      - http:
          path: hello
          method: get

Python Lambda 배포

핸들러 코드 (`python/handler.py`)

import json

def hello(event, context):
    query_params = event.get("queryStringParameters") or {}
    name = query_params.get("name", "World")
    body = {"message": f"Hello, {name}!", "language": "Python"}
    return {
        "statusCode": 200,
        "headers": {"Content-Type": "application/json"},
        "body": json.dumps(body),
    }

콘솔 배포 절차

AWS 콘솔 → Lambda → 함수 생성
런타임: Python 3.12
핸들러 설정: handler.hello

배포 → 테스트 이벤트:

{ "queryStringParameters": { "name": "Alice" } }

AWS CLI 배포

cd python
zip function.zip handler.py

# 함수 생성
aws lambda create-function \
  --function-name edumgt-lambda-python \
  --runtime python3.12 \
  --role arn:aws:iam::<ACCOUNT_ID>:role/<ROLE_NAME> \
  --handler handler.hello \
  --zip-file fileb://function.zip \
  --region ap-northeast-2

# 코드 업데이트
aws lambda update-function-code \
  --function-name edumgt-lambda-python \
  --zip-file fileb://function.zip \
  --region ap-northeast-2

# 호출 테스트
aws lambda invoke \
  --function-name edumgt-lambda-python \
  --payload '{"queryStringParameters":{"name":"Alice"}}' \
  --cli-binary-format raw-in-base64-out \
  response.json && cat response.json

Serverless Framework 배포

cd python
serverless deploy

python/serverless.yaml:

service: hello-api-python

provider:
  name: aws
  runtime: python3.12
  region: ap-northeast-2
  stage: ${opt:stage, 'dev'}
  environment:
    AI_DEFAULT_LANGUAGE: ko
  iam:
    role:
      statements:
        - Effect: Allow
          Action:
            - comprehend:DetectSentiment
            - comprehend:DetectEntities
            - comprehend:DetectPiiEntities
            - rekognition:DetectLabels
          Resource: "*"

functions:
  hello:
    handler: handler.hello
    events:
      - http:
          path: hello
          method: get
          cors: true

AWS AI 리소스 연동 예제

python/에는 기본 Hello API 외에도 Amazon Comprehend와 Amazon Rekognition을 직접 호출하는 Python Lambda 예제가 포함되어 있습니다.

엔드포인트	연결 서비스	입력	반환 예시
`POST /ai/text/analyze`	Amazon Comprehend	본문 `text`, `language_code`, `detect_pii`	감정 분석, 개체명 추출, PII 탐지
`POST /ai/image/labels`	Amazon Rekognition	본문 `s3_bucket`, `s3_key` 또는 `image_bytes_base64`	이미지 레이블, 카테고리, 신뢰도

Java Lambda 배포

핸들러 코드 (`java/src/main/java/com/example/HelloHandler.java`)

Java Lambda는 RequestHandler<입력, 출력> 인터페이스를 구현합니다. API Gateway 프록시 통합 이벤트에는 APIGatewayProxyRequestEvent와 APIGatewayProxyResponseEvent를 사용합니다.

package com.example;

import com.amazonaws.services.lambda.runtime.Context;
import com.amazonaws.services.lambda.runtime.RequestHandler;
import com.amazonaws.services.lambda.runtime.events.APIGatewayProxyRequestEvent;
import com.amazonaws.services.lambda.runtime.events.APIGatewayProxyResponseEvent;
import java.util.HashMap;
import java.util.Map;

public class HelloHandler
        implements RequestHandler<APIGatewayProxyRequestEvent, APIGatewayProxyResponseEvent> {

    @Override
    public APIGatewayProxyResponseEvent handleRequest(
            APIGatewayProxyRequestEvent input, Context context) {

        Map<String, String> params = input.getQueryStringParameters();
        String name = (params != null && params.containsKey("name"))
                ? params.get("name") : "World";

        Map<String, String> headers = new HashMap<>();
        headers.put("Content-Type", "application/json");
        String body = String.format(
                "{\"message\": \"Hello, %s!\", \"language\": \"Java\"}", name);

        return new APIGatewayProxyResponseEvent()
                .withStatusCode(200)
                .withHeaders(headers)
                .withBody(body);
    }
}

Maven 빌드 구조 (`java/pom.xml`)

maven-shade-plugin을 사용해 의존성을 모두 포함한 **Fat JAR(Uber JAR)**를 빌드합니다. Lambda는 외부 의존성을 직접 설치할 수 없으므로, 필요한 모든 클래스를 하나의 JAR에 묶어야 합니다.

<plugin>
    <groupId>org.apache.maven.plugins</groupId>
    <artifactId>maven-shade-plugin</artifactId>
    <version>3.5.1</version>
    <executions>
        <execution>
            <phase>package</phase>
            <goals><goal>shade</goal></goals>
        </execution>
    </executions>
</plugin>

cd java
mvn package
# 결과물: target/hello-lambda-1.0-SNAPSHOT.jar (Fat JAR, 수 MB)

콘솔 배포 절차

Maven으로 JAR 빌드: mvn package
AWS 콘솔 → Lambda → 함수 생성
런타임: Java 17
코드 탭 → .jar 파일 업로드
핸들러 설정: com.example.HelloHandler
메모리: 최소 512 MB (Java 콜드스타트 특성상 권장)
타임아웃: 15초

AWS CLI 배포

cd java
mvn package -q

# 함수 생성
aws lambda create-function \
  --function-name edumgt-lambda-java \
  --runtime java17 \
  --role arn:aws:iam::086015456585:role/lambda-test \
  --handler com.example.HelloHandler \
  --zip-file fileb://target/hello-lambda-1.0-SNAPSHOT.jar \
  --memory-size 512 \
  --timeout 15 \
  --region ap-northeast-2

# 코드 업데이트
aws lambda update-function-code \
  --function-name edumgt-lambda-java \
  --zip-file fileb://target/hello-lambda-1.0-SNAPSHOT.jar \
  --region ap-northeast-2

# 호출 테스트
aws lambda invoke \
  --function-name edumgt-lambda-java \
  --payload '{"queryStringParameters":{"name":"Alice"}}' \
  --cli-binary-format raw-in-base64-out \
  response.json && cat response.json

Serverless Framework 배포

cd java
mvn package -q    # JAR 먼저 빌드
serverless deploy

java/serverless.yaml:

service: hello-api-java

provider:
  name: aws
  runtime: java17
  region: ap-northeast-2

package:
  artifact: target/hello-lambda-1.0-SNAPSHOT.jar  # 빌드된 Fat JAR 경로

functions:
  hello:
    handler: com.example.HelloHandler
    memorySize: 512
    timeout: 15
    events:
      - http:
          path: hello
          method: get
          cors: true

API Gateway 연동

API Gateway는 HTTP 요청을 받아 Lambda 함수로 전달하는 관리형 API 엔드포인트입니다. Lambda 프록시 통합 방식을 사용하면 요청 전체(헤더, 쿼리스트링, 바디 등)가 event 객체로 그대로 전달됩니다.

방법 A — AWS 콘솔

AWS 콘솔 → API Gateway 이동
REST API → 구축 선택
새 리소스 /hello 생성
GET 메서드 추가 → 통합 유형: Lambda 함수, Lambda 프록시 통합 활성화
API 배포 → 새 스테이지 생성 (예: dev)

호출 URL 확인 후 테스트:

https://<API_ID>.execute-api.ap-northeast-2.amazonaws.com/dev/hello?name=Alice

방법 B — AWS CLI

# 1. REST API 생성
API_ID=$(aws apigateway create-rest-api \
  --name "hello-api" \
  --query 'id' --output text)

# 2. 루트 리소스 ID 조회
ROOT_ID=$(aws apigateway get-resources \
  --rest-api-id $API_ID \
  --query 'items[?path==`/`].id' --output text)

# 3. /hello 리소스 생성
RESOURCE_ID=$(aws apigateway create-resource \
  --rest-api-id $API_ID \
  --parent-id $ROOT_ID \
  --path-part hello \
  --query 'id' --output text)

# 4. GET 메서드 생성
aws apigateway put-method \
  --rest-api-id $API_ID \
  --resource-id $RESOURCE_ID \
  --http-method GET \
  --authorization-type NONE

# 5. Lambda 프록시 통합 설정
LAMBDA_ARN="arn:aws:lambda:ap-northeast-2:086015456585:function:hello-api-dev-hello"
aws apigateway put-integration \
  --rest-api-id $API_ID \
  --resource-id $RESOURCE_ID \
  --http-method GET \
  --type AWS_PROXY \
  --integration-http-method POST \
  --uri "arn:aws:apigateway:ap-northeast-2:lambda:path/2015-03-31/functions/${LAMBDA_ARN}/invocations"

# 6. API Gateway의 Lambda 호출 권한 부여
aws lambda add-permission \
  --function-name hello-api-dev-hello \
  --statement-id apigateway-invoke \
  --action lambda:InvokeFunction \
  --principal apigateway.amazonaws.com \
  --source-arn "arn:aws:execute-api:ap-northeast-2:086015456585:${API_ID}/*/*"

# 7. 스테이지 배포
aws apigateway create-deployment \
  --rest-api-id $API_ID \
  --stage-name dev

echo "엔드포인트: https://c8wy9s5c3m.execute-api.ap-northeast-2.amazonaws.com/dev/hello"

방법 C — Serverless Framework (자동)

각 언어 디렉터리의 serverless.yaml에 http 이벤트가 정의되어 있으면 serverless deploy 한 번으로 Lambda + API Gateway + IAM 권한이 모두 자동으로 구성됩니다. 내부적으로 CloudFormation 스택을 생성합니다.

GitHub Actions CI/CD 자동 배포

main 브랜치에 push 할 때마다 변경된 언어 디렉터리만 감지하여 해당 Lambda 함수를 자동으로 업데이트합니다. 워크플로 파일: .github/workflows/deploy-lambda.yml

워크플로 전체 흐름

push to main
    │
    ▼
① detect-changes 잡
   - git diff HEAD~1 HEAD 로 변경 파일 목록 추출
   - nodejs/, python/, java/ 각 경로 포함 여부 판별
   - 결과를 job output으로 전달 (nodejs=true/false 등)
    │
    ├─ nodejs=true ──▶ ② deploy-nodejs 잡 (병렬)
    │                   - actions/checkout@v4
    │                   - aws-actions/configure-aws-credentials@v4
    │                   - zip function.zip index.js handler.js
    │                   - aws lambda update-function-code
    │                   - aws lambda wait function-updated
    │                   - (선택) lambda-s3/index.js도 동일하게 배포
    │
    ├─ python=true ──▶ ③ deploy-python 잡 (병렬)
    │                   - zip function.zip handler.py
    │                   - aws lambda update-function-code
    │                   - aws lambda wait function-updated
    │
    └─ java=true   ──▶ ④ deploy-java 잡 (병렬)
                        - actions/setup-java@v4 (Temurin 17, Maven 캐시)
                        - mvn package -q  (Fat JAR 빌드)
                        - aws lambda update-function-code
                        - aws lambda wait function-updated

워크플로 상세 설명

① 변경 감지 잡 (`detect-changes`)

- name: Detect changed directories
  id: filter
  run: |
    BASE=$(git rev-parse HEAD~1 2>/dev/null || git hash-object -t tree /dev/null)
    CHANGED=$(git diff --name-only "$BASE" HEAD)

    grep -q "^nodejs/" <<< "$CHANGED" && echo "nodejs=true" >> "$GITHUB_OUTPUT" \
                                      || echo "nodejs=false" >> "$GITHUB_OUTPUT"
    grep -q "^python/" <<< "$CHANGED" && echo "python=true" >> "$GITHUB_OUTPUT" \
                                      || echo "python=false" >> "$GITHUB_OUTPUT"
    grep -q "^java/"   <<< "$CHANGED" && echo "java=true"   >> "$GITHUB_OUTPUT" \
                                      || echo "java=false"   >> "$GITHUB_OUTPUT"

git hash-object -t tree /dev/null: 최초 커밋처럼 HEAD~1이 없을 때의 폴백 (빈 트리 해시)
$GITHUB_OUTPUT: 잡 간 값을 전달하는 GitHub Actions 공식 메커니즘

② 조건부 실행

deploy-nodejs:
  needs: detect-changes
  if: needs.detect-changes.outputs.nodejs == 'true'

nodejs/ 아래 파일이 하나도 바뀌지 않으면 이 잡은 스킵됩니다. 세 개의 배포 잡은 서로 needs 관계 없이 병렬로 실행됩니다.

③ AWS 자격 증명 주입

- uses: aws-actions/configure-aws-credentials@v4
  with:
    aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }}
    aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }}
    aws-region: ${{ env.AWS_REGION }}

GitHub Secrets에 저장된 IAM 자격 증명을 실행기(ubuntu-latest)의 환경 변수로 주입합니다. 이후 aws CLI 명령이 자동으로 이 자격 증명을 사용합니다.

④ 배포 및 완료 대기

aws lambda update-function-code \
  --function-name ${{ vars.LAMBDA_NODEJS_FUNCTION_NAME }} \
  --zip-file fileb://function.zip \
  --region ${{ env.AWS_REGION }}

aws lambda wait function-updated \
  --function-name ${{ vars.LAMBDA_NODEJS_FUNCTION_NAME }} \
  --region ${{ env.AWS_REGION }}

update-function-code는 비동기로 처리됩니다. wait function-updated는 Lambda가 Active 상태가 될 때까지 폴링하여 배포 성공을 확인합니다.

GitHub 설정 방법

Settings → Secrets and variables → Actions

Secrets (민감 정보 — 암호화 저장)

이름	값
`AWS_ACCESS_KEY_ID`	IAM 사용자 액세스 키
`AWS_SECRET_ACCESS_KEY`	IAM 사용자 시크릿 키

Variables (공개 설정값 — 평문 저장)

이름	예시 값	설명
`LAMBDA_NODEJS_FUNCTION_NAME`	`edumgt-lambda-nodejs`	Node.js Lambda 함수 이름
`LAMBDA_PYTHON_FUNCTION_NAME`	`edumgt-lambda-python`	Python Lambda 함수 이름
`LAMBDA_JAVA_FUNCTION_NAME`	`edumgt-lambda-java`	Java Lambda 함수 이름
`LAMBDA_S3_NODEJS_FUNCTION_NAME`	`edumgt-lambda-function`	S3 트리거 Lambda (선택)

주의: update-function-code는 이미 존재하는 함수만 업데이트합니다. 함수를 처음 만들 때는 콘솔 또는 AWS CLI로 create-function을 먼저 실행해야 합니다.

GitHub Actions용 IAM 최소 권한 정책

GitHub Actions 전용 IAM 사용자를 만들고 아래 권한만 부여하는 것을 권장합니다:

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "LambdaDeployOnly",
      "Effect": "Allow",
      "Action": [
        "lambda:UpdateFunctionCode",
        "lambda:GetFunction",
        "lambda:GetFunctionConfiguration"
      ],
      "Resource": "arn:aws:lambda:ap-northeast-2:<ACCOUNT_ID>:function:edumgt-lambda-*"
    }
  ]
}

lambda:GetFunctionConfiguration은 wait function-updated 내부 폴링에 필요합니다.

워크플로 실행 확인

GitHub 레포지터리 → Actions 탭에서 실행 결과를 확인할 수 있습니다:

✅ detect-changes      — 변경 파일 감지 완료
✅ deploy-nodejs       — Node.js Lambda 배포 완료: edumgt-lambda-nodejs
⏭ deploy-python       — 변경 없음, 스킵
⏭ deploy-java         — 변경 없음, 스킵

권한 오류 해결 가이드

CloudFormation 권한 오류

User ... is not authorized to perform: cloudformation:CreateChangeSet

해결: IAM → 사용자 → 권한 → AWSCloudFormationFullAccess 정책 추가

API Gateway 권한 오류

... not authorized to perform: apigateway:PUT ...

해결: AmazonAPIGatewayAdministrator 정책 추가

CloudFormation 스택 롤백 오류

Stack ... is in UPDATE_ROLLBACK_COMPLETE_CLEANUP_IN_PROGRESS state

해결: 스택 삭제 후 재시도

aws cloudformation delete-stack --stack-name hello-api-dev

CloudWatch Logs 권한 오류

logs:TagResource permission is required

해결: logs:TagResource 권한이 포함된 커스텀 정책 추가

Log Group 중복 오류

Resource of type 'AWS::Logs::LogGroup' ... already exists.

해결: 기존 Log Group 삭제 후 재실행

aws logs delete-log-group --log-group-name /aws/lambda/<FUNCTION_NAME>

AWS CLI 명령어 모음

# ── Lambda ────────────────────────────────────────────────────────────
# 함수 목록 조회
aws lambda list-functions --region ap-northeast-2

# 함수 정보 조회
aws lambda get-function --function-name <FUNCTION_NAME>

# 함수 설정 조회 (런타임, 메모리, 핸들러 등)
aws lambda get-function-configuration --function-name <FUNCTION_NAME>

# 함수 호출
aws lambda invoke \
  --function-name <FUNCTION_NAME> \
  --payload '{"queryStringParameters":{"name":"Test"}}' \
  --cli-binary-format raw-in-base64-out \
  output.json && cat output.json

# 함수 코드 업데이트
aws lambda update-function-code \
  --function-name <FUNCTION_NAME> \
  --zip-file fileb://function.zip \
  --region ap-northeast-2

# 함수 업데이트 완료 대기
aws lambda wait function-updated --function-name <FUNCTION_NAME>

# 함수 삭제
aws lambda delete-function --function-name <FUNCTION_NAME>

# ── API Gateway ────────────────────────────────────────────────────────
# REST API 목록 조회
aws apigateway get-rest-apis

# ── CloudFormation ─────────────────────────────────────────────────────
# 스택 목록 조회
aws cloudformation list-stacks --stack-status-filter CREATE_COMPLETE UPDATE_COMPLETE

# 스택 삭제
aws cloudformation delete-stack --stack-name <STACK_NAME>

# ── S3 ─────────────────────────────────────────────────────────────────
# 버킷 생성 (서울 리전)
aws s3api create-bucket \
  --bucket <BUCKET_NAME> \
  --region ap-northeast-2 \
  --create-bucket-configuration LocationConstraint=ap-northeast-2

# 파일 업로드
aws s3 cp face1.png s3://<BUCKET_NAME>/

# 버킷/객체 목록
aws s3 ls
aws s3 ls s3://<BUCKET_NAME>/

# ── CloudWatch Logs ────────────────────────────────────────────────────
# 로그 그룹 목록
aws logs describe-log-groups

# 로그 스트림 목록
aws logs describe-log-streams --log-group-name /aws/lambda/<FUNCTION_NAME>

# 로그 이벤트 조회
aws logs get-log-events \
  --log-group-name /aws/lambda/<FUNCTION_NAME> \
  --log-stream-name <LOG_STREAM_NAME>

# 로그 그룹 삭제
aws logs delete-log-group --log-group-name /aws/lambda/<FUNCTION_NAME>

# ── IAM ────────────────────────────────────────────────────────────────
# 역할의 연결 정책 목록
aws iam list-attached-role-policies --role-name <ROLE_NAME>

# Lambda에 권한 추가 (S3 → Lambda 호출 허용)
aws lambda add-permission \
  --function-name <FUNCTION_NAME> \
  --principal s3.amazonaws.com \
  --statement-id AllowS3Invoke \
  --action lambda:InvokeFunction \
  --source-arn arn:aws:s3:::<BUCKET_NAME>

추가 실습

Lambda + S3 이벤트 트리거 실습 가이드S3에 파일 업로드 시 Lambda 자동 실행 → CloudWatch Logs 확인까지 전 과정 실습
AWS Well-Architected 참고: https://aws.amazon.com/ko/architecture

RDS 연동

mysql -h database-edumgt.cg0ugoglztrn.ap-northeast-2.rds.amazonaws.com -P 3306 -u root -p --ssl-mode=VERIFY_IDENTITY --ssl-ca=./global-bundle.pem

curl -X POST https://qri7el2x7z4ym4zowsk3go5uey0bjmti.lambda-url.ap-northeast-2.on.aws/users \
  -H "Content-Type: application/json" \
  -d '{
    "name": "홍길동",
    "password": "mypassword",
    "phone": "010-1234-5678",
    "email": "hong@example.com"
  }'

AWS AI 서비스별 ML/DL 알고리즘 및 내부 아키텍처 가이드

AWS의 AI/ML 서비스는 크게 전통적 머신러닝(ML) 알고리즘을 사용하는 서비스와, 심층 신경망 기반의 딥러닝(DL) 및 생성형 AI(GenAI) 기술을 사용하는 서비스로 분류됩니다. 본 문서는 주요 서비스의 핵심 기술과 내부 데이터 흐름을 상세히 다룹니다.

1. AWS AI 리소스별 핵심 기술 및 알고리즘 분류

1) 딥러닝(DL) 및 생성형 AI 기반 서비스

대규모 비정형 데이터(텍스트, 이미지, 음성, 영상)를 처리하는 서비스들은 심층 신경망(Deep Neural Networks) 구조를 기반으로 작동합니다.

Amazon Bedrock / Amazon Q
- 핵심 기술: 트랜스포머(Transformer) 기반 거대언어모델(LLM - 예: Amazon Nova, Claude, Llama) 및 확산 모델(Diffusion Model - 이미지 생성)
Amazon Rekognition
- 핵심 기술: 합성곱 신경망(CNN), 비전 트랜스포머(ViT), 객체 탐지(YOLO, SSD 계열), 고속 근사 최근접 이웃(ANN) 검색 알고리즘
Amazon Comprehend
- 핵심 기술: BERT, RoBERTa 계열의 양방향 트랜스포머 인코더, 조건부 확률장(CRF), 잠재 디리클레 할당(LDA - 토픽 모델링용)
Amazon Transcribe
- 핵심 기술: Conformer/Transformer 백본, 연결주의 시간 분류(CTC) 디코더, 주파수 변환(Log-Mel Spectrogram), 화자 분리(Diarization) 클러스터링
Amazon Polly
- 핵심 기술: WaveNet 스타일의 생성형 신경망, Tacotron 계열의 음성 합성 신경망(TTS)
Amazon Lex
- 핵심 기술: 트랜스포머 기반 자연어 이해(NLU), 시퀀스-투-시퀀스(Seq2Seq) 대화 관리 기술
Amazon Textract
- 핵심 기술: CNN + 트랜스포머 결합 구조 (LayoutLM 계열의 문서 구조 이해 기술)

2) 전통적 머신러닝(ML) 기반 서비스

정형 데이터(엑셀, DB), 시계열 예측, 통계성 분석에는 연산 효율성과 설명 가능성이 높은 통계/머신러닝 알고리즘이 사용됩니다.

Amazon Forecast
- 핵심 기술: 통계 기반 알고리즘(ARIMA, ETS) + 딥러닝 기반 시계열 모델(DeepAR, CNN-QR) 하이브리드 구성
Amazon Fraud Detector
- 핵심 기술: 그레이디언트 부스팅 트리(GBDT, 주로 XGBoost 계열) 및 로지스틱 회귀 알고리즘
Amazon Personalize
- 핵심 기술: 협업 필터링(Collaborative Filtering), 행렬 분해(Matrix Factorization) 및 사용자 행동 분석을 위한 순환 신경망(HRNN)

3) ML/DL 통합 플랫폼

Amazon SageMaker AI
- 전통적 ML: XGBoost, Linear Learner, K-Means, PCA, Random Forest 등 내장 제공
- 딥러닝 프레임워크: PyTorch, TensorFlow, Hugging Face 등을 활용한 커스텀 모델(CNN, RNN, LLM 등) 학습 및 배포 지원

2. 주요 서비스별 내부 기술 구조 및 데이터 흐름

📌 Amazon Bedrock (생성형 AI 오케스트레이션)

대규모 언어 모델(LLM)과 기초 모델(FM)을 안전하고 확장성 있게 서빙하기 위한 플랫폼입니다.

💡 내부 기술 구조

분산 추론 게이트웨이: API 요청을 수신하여 다중 가용영역(Multi-AZ)에 분산된 컴퓨트 레이어로 실시간 로드 밸런싱을 수행합니다.
전용 칩 기반 가속 클러스터: AWS Inferentia2, Trainium 가속기 및 GPU를 활용하여 모델 가상화 기술 기반의 고속 추론을 제공합니다.
RAG (검색 증강 생성) 엔진: 입력 프롬프트를 벡터로 임베딩하여 Amazon OpenSearch Serverless 등 벡터 데이터베이스와 실시간 매칭합니다.

🔄 데이터 흐름

요청 수신: 사용자 앱이 프롬프트(텍스트/이미지)와 함께 API를 호출합니다.
가드레일 검증: Bedrock Guardrails가 유해 콘텐츠 및 개인정보(PII) 누출 여부를 먼저 필터링합니다.
컨텍스트 보강 (RAG 활성화 시): 지식 가방(Knowledge Bases)을 거쳐 관련 문서를 벡터 검색한 후 원래 프롬프트에 결합합니다.
모델 추론: 완성된 프롬프트가 대형 언어 모델(LLM)에 전달되어 차례대로 다음 토큰을 확률 연산합니다.
스트리밍 반환: 생성되는 토큰을 청크(Chunk) 단위로 사용자 화면에 실시간 응답합니다.

📌 Amazon Rekognition (컴퓨터 비전 분석)

이미지와 비디오 내부의 객체, 얼굴, 텍스트 등을 탐지하는 멀티태스킹 비전 파이프라인입니다.

💡 내부 기술 구조

전처리 디코딩 레이어: 입력된 미디어 파일의 압축을 메모리상에 풀고 고정 해상도로 리사이징 및 정규화를 수행합니다.
다중 작업 CNN/ViT: 이미지 1장당 객체 탐지, 텍스트 인식, 얼굴 분석 등 전용 백본(Backbone) 신경망들이 비동기 병렬로 작동합니다.
특징 매칭 엔진 (K-NN): 추출한 얼굴 특징 벡터를 기반으로 대규모 얼굴 컬렉션 DB 내에서 근사 최근접 이웃(ANN) 검색을 수행합니다.

🔄 데이터 흐름

미디어 입력: Base64 이미지 바이트 데이터나 Amazon S3 객체 URI를 통해 API 요청이 들어옵니다.
텐서 변환: 이미지 디코딩 및 비디오 프레임 단위 샘플링 후 학습 가능한 텐서(Tensor) 배열로 변환합니다.
병렬 모델 추론: 다중 신경망 구조를 동시에 거치며 객체 좌표(Bounding Box) 추출 및 얼굴 임베딩 벡터 생성이 수행됩니다.
매칭 및 포스트 프로세싱: 사전에 수립된 신뢰도 임계값(Threshold)을 넘는 결과만 최종 선별합니다.
결과 출력: 객체 레이블 정보와 매칭 유사도 등을 담은 구조화된 JSON 형태로 클라이언트에 반환합니다.

📌 Amazon Transcribe (음성 인식 - STT)

오디오 파일 또는 스트림 데이터를 텍스트 시퀀스로 변환하는 오디오 전용 딥러닝 시스템입니다.

💡 내부 기술 구조

어쿠스틱 피처 추출기: 아날로그 오디오 신호를 20~30ms 단위로 분할하여 주파수 텐서 데이터(Log-Mel Spectrogram)로 가공합니다.
Conformer / Transformer 백본: 소음 제어와 문맥 이해에 탁월한 CNN 및 Self-Attention 하이브리드 신경망을 활용해 음향 특징을 인식합니다.
CTC 디코더: 음성 데이터와 텍스트 문장의 길이 불일치 문제를 해결하기 위해 타임스탬프 기반 정렬 알고리즘을 수행합니다.

🔄 데이터 흐름

음성 주입: S3 배치 업로드 혹은 웹소켓(WebSocket) 스트림을 통해 오디오 신호가 수신됩니다.
주파수 인코딩: 음성 신호가 원시 데이터에서 시각화된 주파수 맵 형태로 디코딩됩니다.
신경망 디코딩: Conformer 신경망과 CTC 레이어를 거쳐 발음 기호 및 단어 시퀀스로 추론됩니다.
텍스트 가공: 화자 분리(Diarization) 클러스터링과 구두점 자동 삽입 알고리즘이 적용됩니다.
결과 반환: 텍스트 문장과 화자 정보, 타임스탬프가 매핑된 JSON 결과가 반환됩니다.

📌 Amazon Comprehend (자연어 처리 - NLP)

텍스트 문서 내 비즈니스 가치와 의미를 추출하는 양방향 자연어 이해(NLU) 엔진입니다.

💡 내부 기술 구조

토크나이저: 문장을 WordPiece 또는 BPE 알고리즘 기반으로 분리하여 모르는 단어(OOV) 문제를 방지합니다.
양방향 트랜스포머 (BERT 계열): 주변 단어들과의 어텐션(Attention) 가중치를 분석하여 동음이의어의 의미를 정확하게 문맥적으로 인지합니다.
CRF 레이어 / LDA 모델: 문장 속 명사들의 배치 순서 확률을 바탕으로 개체명을 인식하며, 대량 문서 분석 시 통계적 토픽 모델링을 실행합니다.

🔄 데이터 흐름

원문 입력: 분석을 원하는 일반 텍스트 문서가 인풋으로 들어옵니다.
토큰화 및 정규화: 불필요한 기호 제거 및 어휘 분석을 위한 토큰화가 이루어집니다.
문맥 임베딩: 고차원 문맥 벡터로 변환된 데이터가 BERT 계열 분류 레이어로 전달됩니다.
추론 및 태깅: 감정 상태(긍정/부정), 핵심 구절, 개인정보(PII) 스코어가 계산됩니다.
구조화: 최종 식별된 개체 정보와 신뢰도 점수가 취합되어 JSON 데이터로 출력됩니다.

📌 Amazon Forecast (시계열 수요 예측)

비즈니스의 정형 데이터를 학습하여 미래의 특정 시점 가치를 다각도로 예측하는 하이브리드 프레임워크입니다.

💡 내부 기술 구조

DeepAR (시계열 RNN): 여러 연관 시계열 데이터의 상호 관계를 하나의 거대한 순환 신경망 구조로 동시에 학습하는 알고리즘입니다.
CNN-QR (Convolutional Quantile Regression): 인과 관계 학습에 빠른 CNN 구조를 시계열에 접목하여 특정 단일 값이 아닌 '확률 구간별 분위수'를 산출합니다.
통계/ML 백엔드 (ARIMA, Prophet): 단순한 주기성을 가졌거나 데이터 기간이 짧을 때는 경량 통계 분석 모델을 동적으로 앙상블합니다.

🔄 데이터 흐름

데이터 수집: 핵심 시계열 데이터(매출 이력 등)와 메타데이터가 입력됩니다.
피처 엔지니어링: 누락된 값(결측치)을 대체하고 날짜/요일 정보 등의 특성을 자동 추출합니다.
Auto Predictor 실행: 데이터셋 규모에 알맞은 알고리즘(DeepAR / CNN-QR / ARIMA 등)이 앙상블 형태로 학습/추론됩니다.
분위수 평가: 예측의 불확실성을 감안하여 p10, p50, p90 등의 확률 기반 구간 값이 도출됩니다.
예측치 내보내기: 결과 데이터가 가시화되거나 S3 버킷으로 자동 내보내기(Export) 처리됩니다.

3. Python Lambda로 AWS AI 리소스 호출 예제

이 레포에는 위 개념 설명을 바로 실습할 수 있도록 python/ai_handler.py 예제가 추가되어 있습니다. API Gateway가 HTTP 요청을 받으면 Lambda가 본문을 해석한 뒤 AWS AI 서비스에 위임하고, 결과를 다시 JSON으로 반환하는 구조입니다.

Client
  -> API Gateway
  -> Lambda (python/ai_handler.py)
  -> Amazon Comprehend or Amazon Rekognition
  -> JSON Response

예제 1. Amazon Comprehend 텍스트 분석

사용 시나리오:

고객 리뷰 감정 분석
문의 문장에서 상품명, 지역명, 브랜드명 추출
영어 또는 스페인어 본문에 대한 PII 포함 여부 사전 점검

요청 예시:

{
  "text": "John Smith from Seattle said the delivery was quick, but he wants updates sent to john@example.com.",
  "language_code": "en",
  "detect_pii": true
}

응답 예시:

{
  "service": "amazon-comprehend",
  "language_code": "en",
  "sentiment": "MIXED",
  "entity_count": 2,
  "entities": [
    { "text": "John Smith", "type": "PERSON", "score": 0.9981 },
    { "text": "Seattle", "type": "LOCATION", "score": 0.9724 }
  ],
  "pii_entities": [
    { "type": "NAME", "score": 0.9999, "begin_offset": 0, "end_offset": 10 },
    { "type": "EMAIL", "score": 0.9997, "begin_offset": 70, "end_offset": 86 }
  ]
}

예제 2. Amazon Rekognition 이미지 레이블 분석

사용 시나리오:

업로드 이미지 자동 태깅
상품 사진 분류 전처리
운영자 검수용 메타데이터 생성

요청 예시:

{
  "s3_bucket": "replace-with-your-bucket",
  "s3_key": "images/sample.png",
  "max_labels": 8,
  "min_confidence": 75
}

응답 예시:

{
  "service": "amazon-rekognition",
  "label_count": 3,
  "labels": [
    { "name": "Laptop", "confidence": 98.41, "categories": ["Electronics"] },
    { "name": "Screen", "confidence": 95.8, "categories": ["Electronics"] },
    { "name": "Office", "confidence": 82.13, "categories": ["Indoors"] }
  ]
}

배포 포인트

python/serverless.yaml에 comprehend:DetectSentiment, comprehend:DetectEntities, comprehend:DetectPiiEntities, rekognition:DetectLabels 권한이 포함되어 있습니다.
Boto3는 Lambda Python 런타임에 기본 포함되어 있어 별도 패키징 없이 예제를 실행할 수 있습니다.
DetectPiiEntities는 언어 제약이 있어, 예제 코드에서는 en 또는 es가 아니면 경고를 반환하고 본문 감정/개체 분석만 계속 수행합니다.
샘플 이벤트는 python/events/ai-text-event.json, python/events/ai-image-event.json에 넣어 두었습니다.

Name		Name	Last commit message	Last commit date
Latest commit History 37 Commits
.github		.github
docs		docs
java		java
nodejs		nodejs
python		python
scripts		scripts
.gitignore		.gitignore
README.md		README.md
image.png		image.png

Uh oh!

Folders and files

Latest commit

History

Repository files navigation

AWS 서버리스 배포 실습 — Node.js · Python · Java + API Gateway

목차

기술 스택

런타임 및 언어

AWS 서비스

배포 도구

AWS SDK

CI/CD 파이프라인 구성 요소

아키텍처

API Gateway + Lambda (Hello API)

S3 이벤트 트리거 + Lambda

주가 데이터 AI/ML 파이프라인 (Stock Pipeline)

데이터 흐름 요약

Scripts 구성

GitHub Actions 배포 파이프라인

디렉터리 구조

사전 준비

AWS CLI 설치 및 설정

설치

자격 증명 설정

설정 확인

AWS Lambda 이해

Lambda란?

핸들러 함수 구조

이벤트(event) 객체 구조

응답(response) 객체 구조

실행 모델: 콜드 스타트 vs 웜 스타트

주요 제한 사항

IAM 실행 역할

Node.js Lambda 배포

핸들러 코드 (nodejs/index.js)

Serverless Framework용 핸들러 (nodejs/handler.js)

콘솔 배포 절차

AWS CLI 배포

Serverless Framework 배포

Python Lambda 배포

핸들러 코드 (python/handler.py)

콘솔 배포 절차

AWS CLI 배포

Serverless Framework 배포

AWS AI 리소스 연동 예제

Java Lambda 배포

핸들러 코드 (java/src/main/java/com/example/HelloHandler.java)

Maven 빌드 구조 (java/pom.xml)

콘솔 배포 절차

AWS CLI 배포

Serverless Framework 배포

API Gateway 연동

방법 A — AWS 콘솔

방법 B — AWS CLI

방법 C — Serverless Framework (자동)

GitHub Actions CI/CD 자동 배포

워크플로 전체 흐름

워크플로 상세 설명

① 변경 감지 잡 (detect-changes)

② 조건부 실행

③ AWS 자격 증명 주입

④ 배포 및 완료 대기

GitHub 설정 방법

Secrets (민감 정보 — 암호화 저장)

Variables (공개 설정값 — 평문 저장)

GitHub Actions용 IAM 최소 권한 정책

워크플로 실행 확인

권한 오류 해결 가이드

CloudFormation 권한 오류

API Gateway 권한 오류

CloudFormation 스택 롤백 오류

CloudWatch Logs 권한 오류

Log Group 중복 오류

AWS CLI 명령어 모음

추가 실습

RDS 연동

AWS AI 서비스별 ML/DL 알고리즘 및 내부 아키텍처 가이드

1. AWS AI 리소스별 핵심 기술 및 알고리즘 분류

1) 딥러닝(DL) 및 생성형 AI 기반 서비스

핸들러 코드 (`nodejs/index.js`)

Serverless Framework용 핸들러 (`nodejs/handler.js`)

핸들러 코드 (`python/handler.py`)

핸들러 코드 (`java/src/main/java/com/example/HelloHandler.java`)

Maven 빌드 구조 (`java/pom.xml`)

① 변경 감지 잡 (`detect-changes`)