구글 클라우드 특장점

구글 클라우드의 특장점 최근 구글 클라우드 코리아가 “구글 코리아 온보딩”이라는 행사를 개최하였습니다.

각 세션별로 구글 클라우드의 장점에 대한 설명이 있었고 그 중 의미가 있었다고 생각하는 세션들에 대한 내용을 기술해 보겠습니다.

최근 클라우드 컴퓨팅의 트렌드

본격적인 기술세션의 시작 전 구글 클라우드 코리아의 지사장이 최근 클라우드 컴퓨팅의 동향에 대해 짧게 설명하는 자리가 있었습니다.

IT 인프라를 빌려쓰는 것이 과거의 과거의 트렌드였다면 요즈음은 기업이 클라우드를 통해 AI 인프라스트력쳐를 구축하고 이를 통해 인사이트를 얻고자 하는 것이 변화된 모습이라는 발표가 있었습니다.

최근 각 산업별로 생성형 AI가 보급되고 있는 요즘, 클라우드 서비스 자체도 생성형 AI 를 좀 더 쉽게 구현할 수 있도록 변화되고 있는 추세입니다.

구글 클라우드 특장점 – 네트워킹 성능

어떤 응용이 클라우드로 구현된다 하더라고 원격에서 서비스가 이루어지는 만큼 이를 연결해 주는 네트워크의 성능이 무엇보다 중요합니다.

아무리 스마트한 응용이라 하더라도 이 컨텐트를 원활하게 전달해 주지 못해 사용자 경험이

구글 클라우드 네트워크는 클라우드 외부 에서로부터의 연결을 단순하게 해주고 내부에서는 그 어떤 인터넷 연결보다 빠르게 트래픽을 처리해 줍니다.

이런 구글의 클라우드 네트워킹 성능은 전 세계의 사용자들을 대상으로 하는 서비스가 네트워크 인프라에 제약받지 않고 쉽게 서비스를 확장할 수 있도록 지원해 줄 수 있습니다.

구글이 그동안 그들만의 인터넷 서비스를 전 세계 사용자들에게 원할히 서비스 하기 위하여 개발한 MagLev, Anycast IP 와 같은 기술은 기업 사용자가 쉽고 빠르게 구글 클라우드와 연동할 수 있는 뛰어난 네트워킹 성능을 제공합니다.

다양한 파운데이션 모델 그리고 그보다 중요한 데이터 보호 정책

무엇보다도 놀란 점은 구글이 자체 개발한 파운데이션 모델뿐만 아니라 경쟁사라 할 수 있는 메타나 앤트로픽의 LLM파운데이션도 쓸 수 있다는 점 입니다.

자신들만의 생성형 AI 모델을 고집하는 것이 아니라 타사에서 개발된 경쟁 모델도 포함하여 선택의 폭을 넓힐 수 있습니다. 물론 모든 모델이 구글이 개발한 “트랜스포머” 알고리즘에 기반하고 있다는 것은 약간 아이러니 한 부분이 있습니다.

기업에 생성형 AI 모델 서비스를 제공하기 위하여 파운데이션 LLM 코어를 개발하는 것보다 중요한 것이 있습니다. 바로 LLM이 사용하고 결과로 내 놓게 되는 데이터에 대한 보호 입니다.

자사의 데이터가 경쟁사로 유출되거나 자사의 데이터로 튜닝된 AI 모델이 타 경쟁사에게 넘어가게 되면 기업의 사업 기밀 정보가 유출되는 결과를 초래하게 됩니다.

아울러 각 국가별 지역별로 개인의 데이터를 보호하기 위한 주요 규제가 있습니다.

구글 클라우드는 이러한 각 지역별 그리고 국가별 주요 규제내역을 준수하는 것에 대한 인증과 구글 클라우드 내부/외부에서 LLM 서비스에 접근하기 위한 네트워크 레벨(L2/L3) 그리고 서비스 레벨의 각종 보안 기술을 제공합니다.

사용자는 생성형 AI 기능을 클라우드 서비스의 형태로 구축할 수 있습니다.

앱 현대화 (App modernization) 캠페인을 통한 컨네이너 배포

구글 클라우드는 VM뿐만 아니라 컨테이너도 지원합니다.

구글은 이른바 콘테이너의 기본이 되는 쿠베르네티스(K8S) 소프트웨어를 개발한 회사이기도 합니다.

구글 클라우드의 컨테이너 관련 기본 전략은 “서버리스”입니다.

서버리스의 개념은 컴퓨팅 리소스를 최적화해서 사용할 수 있는 있는 방법입니다.

VM을 기반으로 서비스를 구축하게 되면 외부에서 서비스 요청 유입이 없다고 하더라도 해당 VM을 생성하고 운영해야 합니다.

실제로 서비스를 하지 않고 있는 idle time도 과금의 대상이기 때문에 사용자의 입장에서도 효과적인 비용을 얻기 어렵습니다.

그리고 서비스를 제공하는 클라우드 사업자의 입장에서도 더 많은 이윤을 얻을 수 있는 자원을 낭비하고 있기 때문에 기회비용을 잃어벌리는 경우가 발생하게 되는데요.

이러한 제약사항을 극복하기 위해 나온 개념이 “서버리스”의 개념입니다.

클라우드 인프라는 외부에서 서버리스로 등록한 서비스의 요청이 있는지 모니터링 합니다.

그러다 서비스의 요청이 들어올때만 해당 서비스를 컨테이너 형태로 생성하여 서비스를 제공할 수 있게하고 더이상 서비스 요청이 없는 경우 해당 컨테이너 가동을 중지합니다.

그리고 과금도 해당 컨테이너가 동작한 시간동안만 과금하기 때문에 사용자 입장에서도 효율적인 비용 집행을 할 수 있습니다.

구글 입장에서도 같은 하드웨어 자원을 가지고 더 많은 서비스를 처리하기 때문에 이득입니다.

단점은 첫번째 요청에 대해 서비스 지연시간이 발생할 수 있다는 점입니다.

이를 극복하기 위하여 구글 클라우드가 제공할 수 있는 컨테이너 서비스 모델 제어 방식을 통해 초기 서비스 지연 시간을 단축할 수 있습니다.

그 외에 정기적으로 수행을 해야 하는 일들에 대해 적용이 가능하도록 “Run-to-completion” 형태의 컨테이너 서비스 모델도 제공합니다.

SW 개발자의 일상 생활을 바꿀수도 있는 생성형 AI

프롬프트 엔지니어링의 중요성과 생성형 AI가 SW 산업에 어떻게 적용될 수 있는지 기존의 고정관념을 깰 수 있도록 도와준 세션이었습니다.

생성형 AI가 SW 개발에 도움을 줄 수 있는 기본적인 형태가 바로 자동 코드 생성 기능입니다.

그러나 현업에서 부딫히게 되는 문제는 경험이 없는 SW 개발자가 어떻게 하면 빨리 새로운 코드와 시스템에 적응할 수 있는 시간을 줄이는 가가 생산성과 직결이 되는 경우가 많이 있습니다.

그러기 위해서는 기존 구현에 대한 스터디가 필수이며 이 과정에서 SW 개발자의 능력이 많이 좌우 됩니다.

생성형 AI는 SW 개발자가 새로운 시스템을 스터디 하는 과정에서 개인교수처럼 기존의 시스템을 설명하고 “Teaching”하는 과정에 적용될 수도 있습니다.

개발자가 새로운 시스템을 이해하고 프로덕션 코드를 작성하는 과정에서 여러가지 구현 옵션에 대해 도움을 주어 품질이 높은 코드를 만드는데 기여할 수 있습니다.

이렇게 만들어진 프로덕션 코드를 유지보수하기 위하여 SW 시험 절차와 방법을 자동화하는 것은 이른바 요즘의 DevOps 경향입니다.

이런한 test case의 생성과 test case code가 생성형 AI에 의해 자동으로 작성되고 컨펌된 test case code가 자동으로 pipeline에 deploy되는 과정에 대한 소개가 있었습니다.

그리고 이는 어떻게 생성형 AI가 SW 개발 프로젝트에 적용되어 생산성을 높일 수 있는지에 대한 좋은 예를 보여 주었습니다.

마치며

타사의 서비스 대비 구글 클라우드의 강점인 AI가 강조된 좋은 기회였습니다.

구글 클라우드 서비스에 대하여 한가지 아쉬운 점은 바로 오피스웨어 지원 부분입니다.

싫건 좋건 마이크로소프트의 오피스웨어는 기업에서 가장 많이 사용하고 있는 응용프로그램입니다.

하지만 구글은 오피스에 대한 지원대신 자신의 구글 오피스 시스템(Gmail, 구글 독스)을 고수하고 있는 느낌이었습니다.

마이크로소프트가 자신들만의 OS인 윈도우 뿐만아니라 안드로이드 맥OS등 다른 생태계를 지원하고 이를 클라우드로 제공하는 전략을 통해 좀 더 나은 생태계를 구축했다는 점을 생각해 보았으면 합니다.

구글의 기술에 대해서는 의심이 없습니다.

또한 그들이 가지고 있는 데이터도 전 세계에서 따라갈 수 있는 기업은 없을 겁니다.

그러나 팔릴 수 있는 “상품” 그리고 “제품”은 기술과는 다른 이야기 입니다.