← Financial Cloud Cloud 클라우드 클럽 · AWS Re:cap

극점매크로|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 11: AWS Lambda의 새로운 기능(CNS376)

발표자: AWS re:Invent 2025

세션: 11

세션
Summit Dev Lounge2026 Re:cap
01 아키텍처를 Steering으로 인코딩해 AI Agent를 이끌다
Summit Dev Lounge2026 Re:cap
02 Agent Harness가 진짜 엔지니어링 해자다
Summit Dev Lounge2026 Re:cap
03 일상 언어로 관찰 가능성 데이터에 묻다
Summit Dev Lounge2026 Re:cap
04 Bedrock AgentCore로 만드는 Serverless AR 게임
Summit Dev Lounge2026 Re:cap
05 AgentCore 위의 Multi-Agent Quant Backtesting
Summit Dev Lounge2026 Re:cap
06 Kiro로 3분 만에 블로그를 슬라이드로
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 Terraform을 활용한 AWS 컴플라이언스
AWS Community Day Hong Kong 2025 Re:cap
03 초보자에서 빌더로: 멋진 클라우드 여정
AWS Community Day Hong Kong 2025 Re:cap
04 Laravel와 Bref를 활용한 팀 우선 서버리스 엔지니어링
AWS Community Day Hong Kong 2025 Re:cap
05 행사 개회
AWS Community Day Hong Kong 2025 Re:cap
06 Agent-to-Agent: AWS에서 상호 운용 가능한 AI 구축하기
AWS Community Day Hong Kong 2025 Re:cap
07 AI 에이전트와 추가 텔레메트리 데이터를 활용한 신속한 개선
AWS Community Day Hong Kong 2025 Re:cap
08 바이브 코딩을 넘어서: Kiro를 활용한 사양 주도 개발
AWS Community Day Hong Kong 2025 Re:cap
09 MCP 및 AI 에이전트를 활용한 자동화 테스트
AWS Community Day Hong Kong 2025 Re:cap
10 통신 보안 현대화: ML 기반 접근 방식
AWS Community Day Hong Kong 2025 Re:cap
11 GenAI 에이전트 재고찰: RAG와 MCP
AWS Community Day Hong Kong 2025 Re:cap
12 TAK와 AWS를 활용한 재난 및 긴급 대응
AWS Community Day Hong Kong 2025 Re:cap
13 테스트 관점에서 서버리스 애플리케이션 워크플로 재고찰
AWS Community Day Hong Kong 2025 Re:cap
14 클라우드 성공을 위한 실용적인 AWS FinOps
AWS Community Day Hong Kong 2025 Re:cap
15 AWS에서 AI로 구현하는 글로벌 Pure-Alpha 매크로 트레이딩: 위험 조정 자산 수익의 혁신
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
FSI Recap
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
FSI Recap
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
FSI Recap
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
FSI Recap
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
FSI Recap
08 FSI Meetup 2025 Q4 - Scaling Resilience
FSI Recap
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
FSI Recap
10 Advanced Agentic AI Design Patterns
FSI Recap
11 Build New Modern Apps on AWS
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent 요약 (IND3312)
AWS re:Invent 2025
02 AI 및 AWS를 활용한 미래 거래 플랫폼 구축
AWS re:Invent 2025
03 거래 혁신: Amazon Bedrock 기반 Jefferies AI 어시스턴트(IND3315)
AWS re:Invent 2025
04 FSI가 에이전틱 AI로 HFT 분석을 혁신한 방법(GBL302)
AWS re:Invent 2025
05 Nasdaq 사례로 살펴보는 Amazon Time Sync 기반 분산 시스템 개선
AWS re:Invent 2025
06 글로벌 복원력을 위한 Amazon Aurora HA 및 DR 설계 패턴 (DAT442)
AWS re:Invent 2025
07 에이전틱 AI 구축: Amazon Nova Act와 Strands Agents 실전 활용 (DEV327)
AWS re:Invent 2025
08 Amazon Aurora와 주요 혁신 심층 분석 (DAT441)
AWS re:Invent 2025
09 Amazon S3 심층 분석(STG407)
AWS re:Invent 2025
10 Nasdaq: 글로벌 금융 서비스를 위한 복원력 있는 인프라 구축(HMC327)
AWS re:Invent 2025
11 AWS Lambda의 새로운 기능(CNS376)
AWS re:Invent 2025
12 Kiro를 활용한 스펙 주도 개발(DEV314)
AWS re:Invent 2025
13 Amazon의 FinOps: 글로벌 전자상거래 대기업이 전하는 클라우드 비용 교훈(AMZ308)
AWS re:Invent 2025
14 AWS에서 지연 시간 거래 플랫폼을 거래하려면 선택하세요.
AWS re:Invent 2025
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
Government data
02 On-Device Multimodal AI and Smart-City Practice
Government data
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
Government data
04 Controlled End-to-End Automation of Government Development with Cloud Agents
Government data
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
Government data
06 AI-Driven Macro Quantitative Research and Smart Governance
Government data
07 Authorized Operation of Public Data and Smart-Government Practice
Government data
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
Government data
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Government data
Amarathon 2025 정리
01 에이전트 아키텍처 설계를 위한 개발자 로드맵
Donnie Prakoso
02 Amazon Bedrock Data Automation
Hafiz Syed Ashir Hassan
03 AgentCore의 멀티 에이전트
Tan Xin
04 에이전틱 AI 구축 Nova Act와 Strands Agents 실전 활용
Haowen Huang
04 사양 주도 개발로 Kiro를 활용하여 마이그레이션 프로젝트 가속화
Sanchit Dilip Jain
06 "매칭"에서 "이해"로: AgentCore Memory가 주도하는 개인화 AI 검색 실습
Liu Cao
07 관찰을 통한 최적화 – LLM 관찰 가능성에서 AIOps까지, 실시간 인사이트를 지능형 자동화로 전환
Jimmy Soh
08 TEAM 배포와 최고의 엔지니어링 팀 구축
Yuji Oshima
09 소위 서버리스 데이터베이스를 5년간 사용하며 얻은 다섯 가지 뼈아픈 교훈
Renato Losio
14 AI가 내 일을 한다면? Q Developer CLI와 Kiro가 내 일상을 어떻게 바꾸었는가
Miguel Angel Muñoz
16 경계심을 갖춘 속도: Amazon Bedrock 에이전트 개발을 위한 필수 보안 사항
Brian Tarbox
26 단일 H100에서 OSS LLM을 더 스마트하고, 저렴하고, 빠르게 실행하기
Adit Modi Adit Modi
28 현대적인 통합 메타데이터 아키텍처: 데이터 사일로를 허무는 새로운 접근 방식
Shaofeng Shi
29 서버리스 MediaOps: Amazon Web Services에서 AI로 비디오 워크플로 자동화
Luis Valdivia
30 대규모 성능 테스트로 효율성과 안정성을 고려한 아키텍처 설계
Luis Guirigay
31 오픈 소스로 세계를 연결하기: 기술, 커뮤니티 및 글로벌 개발자 관계의 실전 여정
Richard Lin
33 실시간 물류 분석을 위한 스트리밍 Iceberg 테이블 구축
Fahad Shah
34 대규모 로봇 전략 훈련 가속화: Kiro, Trainium 및 EKS 기반 자동화 폐쇄 루프 아키텍처
Junjie Tang
35 사양 주도 개발로 감각적 코딩에서 실용적 개발로
Ricardo Sueiras
36 클라우드 비용 분석을 더 스마트하게: Strands와 AgentCore로 FinOps 지능형 에이전트 구축하기
Xiaofei Li
37 CNCF Kagent, K8sGPT, Nova Sonic을 사용하여 K8s용 대화형 에이전틱 AIOps 혁신하기
Shaoyi Li

동영상: https://www.youtube.com/watch?v=Ce9lJzpHBJ0

Lambda의 핵심 차별점: 속도

● 주요 목표: 고객과 빌더에게 속도 제공

● 속도에는 코드 생성과 전체 배포 주기가 포함됨

● 더 빠른 배포는 더 매력적인 애플리케이션과 사용자 피드백으로 이어짐

● 애플리케이션은 기본적으로 Well-Architected 원칙을 따르며 확장성, 가용성 및 안정성을 처리

● 주요 이점: 관리할 인프라가 없어 운영을 줄이고 속도를 높임

출시 기능을 3개 범주로 분류

1 새로운 기본 요소

● Lambda managed instances 소개

2 Managed Instances

● 사고 모델: Lambda는 바늘 끝처럼 순간적으로 치솟는 워크로드(급격한 트래픽 증가)에서 탁월함

● 정상 상태 트래픽의 경우 빌더는 성능과 비용 최적화를 추구

● 성능 최적화를 위해 컴퓨팅 인스턴스, 네트워크 또는 메모리를 선택할 수 있음

● 완전한 모니터링 운영과 개발자 경험 유지

● 이벤트 소스 통합, 패치, 라우팅 및 확장을 Lambda가 처리

● 더 효율적인 요청 처리를 위해 다중 동시성 도입

● 비용 최적화를 위해 EC2의 요금 인센티브(Savings Plans, Reserved Instances)를

포함

3 Capacity Provider

● 추가 요구 사항: Capacity Provider 생성

10.컴퓨팅 인스턴스, 메모리 인스턴스 또는 확장 프로필의 선호 사항 지정

11.선택적으로 Lambda가 선택하고 가격 대비 성능을 지속적으로 개선하도록 허용

사용 사례와 기능

● 정상 상태 애플리케이션: Lambda가 원활하게 처리

● 순간적인 버스트/트래픽 관리: Lambda가 처리하도록 맡김

● 정상 상태/인기 증가: 최적화를 위해 managed instances로 이동

● 성능이 중요한 앱: 특수 인스턴스 사용 가능

● 다양한 애플리케이션: 미디어 데이터 처리, 웹 애플리케이션, 이벤트 기반 애플리케이션

● 규제 요구 사항: Managed instances에서 컴퓨팅 영역 선호 사항 지정 가능

테넌트 격리 기능

● 사용 사례: 요청 간 격리가 필요한 시나리오

● 이점: 고유한 테넌트 ID 또는 JWT 토큰을 전달해 깔끔하게 격리된 실행 환경 제공

● 개선 사항: CI/CD 주기를 개선하고 맞춤형 도구의 필요성을 없앰

기본적으로 Well-Architected

● 가치 제안: 성능 및 보안 수정 사항을 포함한 최신 프로그래밍 언어

● 최근 추가 사항: Python 3.14, Java 2.5, Node.js 24

● 이점: 개발자 생산성을 높이고 안전하고 빠른 소프트웨어 배포 지원

● 사고 모델: 커뮤니티 출시 후 90일 이내에 새 런타임 제공

추가 기능과 이점

런타임 업그레이드

● 자동 패치: Log4j 같은 취약점 처리

● 과제: 함수 수가 많을 때 런타임 업그레이드에 많은 노력 필요

● 해결책: AWS Transform Custom(생성형 AI 기반 업그레이드)

● 이점: 기술 부채를 최대 85% 줄이고 개발 주기에 원활하게 통합

● SnapStart:

● 문제: 함수 초기화 중 콜드 스타트

● 해결책: 이후 호출 속도를 높이기 위해 실행 환경 스냅샷 생성

● 이점: 콜드 스타트 시간 단축, 코드 변경이나 맞춤형 도구 불필요

● Fault Injection Service(FIS) 통합:

● 목적: 스트레스 조건에서 애플리케이션 복원력 테스트

● 기능: 지연 시간 증가 또는 다운스트림 서비스 사용 불가 같은 조건 지정

● 이점: 중단을 계획하고 예방하는 데 도움이 되며 프로덕션 시나리오에 대한 신뢰 향상

● 향상된 관찰성:

● 과제: 이벤트 소스 폴링 메커니즘에 대한 가시성 부족

● 해결책: 개수, 로그 및 throttle에 대한 추가 CloudWatch 지표 활성화

● 이점: 즉각적인 문제 감지와 해결 시간 개선, 맞춤형 도구 불필요

AWS Transform custom

일반적인 업그레이드 시나리오를 위해 미리 구축되고 AWS가 검증한 즉시 사용 가능한

AWS 관리형 변환입니다. 추가 설정 없이 바로 사용할 수 있습니다.

현재 사용 가능한 변환

● Java 8에서 17로 마이그레이션(Gradle 및 Maven 모두)

● Node.js 12에서 22로 업그레이드(Lambda 환경 포함)

● Python 런타임을 3.11/3.12/3.13으로 업데이트(표준 및 Lambda)

● AWS SDK 마이그레이션(v1에서 v2)

● 주요 특징:

● AWS 검증 - 높은 품질을 갖추도록 AWS가 이러한 변환을 검증

● 즉시 사용 가능 - 추가 설정 불필요

● 지속적인 확장 - 추가 변환이 계속 추가됨

● 사용자 지정 가능 - 조직의 요구 사항에 맞는 특정 규칙으로 사전 구축된 변환을 개선할 수 있음(예: 내부 라이브러리 또는 코딩 표준 처리 규칙 추가)

● 실험적 지원 - 일부 변환은 추가 테스트 중 실험적으로 표시될 수 있음

추가 기능과 이점

추가 CloudWatch 지표

● 문제: 이벤트 소스 폴링 메커니즘(Kafka, SQS)에 대한 가시성 부족

● 해결책: polar count, lag 및 throttle에 대한 추가 지표 활성화

● 이점: 즉각적인 문제 감지와 해결 시간 개선, 맞춤형 도구 불필요

● Avro 형식 Schema Registry 지원:

● 문제: 빌더가 Avro 직렬화/역직렬화를 위한 상용구 코드를 수동으로 추가해야 했음

● 해결책: Avro 이벤트를 자동으로 직렬화 및 역직렬화하는 기능 추가

● 이점: 코드와 오류 감소, 스키마 발전 지원, 맞춤형 도구 불필요

● SQS용 Provision Mode:

● 문제: 고객이 폴링을 위한 더 빠른 확장과 동시성 제어를 필요로 했음

● 해결책: Provision Mode를 사용하면 용량을 미리 준비해 급증을 즉시 처리 가능

● 이점: 급증 시 지연 제거, SLA 충족 지원, 비용 최적화, 맞춤형 도구 불필요

● 개발자 가속:

● 목표: 개발자가 소프트웨어를 더 빠르게 배포하도록 지원

● 개발자 선호: 초기 콘솔 테스트 후 로컬 머신/IDE에서 개발

● 초점: 개발 프로세스를 간소화하여 출시 기간 단축

개발 주기를 가속하는 기능

콘솔에서 IDE로의 원활한 전환

● 기능: 한 번의 클릭으로 콘솔에서 최소 구성 애플리케이션 구축

● 이점: 종속성을 패키징하고 수동 작업 없이 로컬 IDE에서 즉시 코딩할 수 있도록 활성화

● LocalStack을 사용한 로컬 테스트:

● 파트너: LocalStack은 AWS 서비스(스토리지, 데이터베이스, 네트워킹)를 에뮬레이션

● 이점: 로컬 머신에서 완전히 오프라인으로 개발 및 테스트하여 맞춤형 도구 없이 비즈니스 로직을 더 빠르게 반복

● 원격 디버깅:

● 기능: 두 번의 클릭으로 체크포인트/중단점 활성화

● 이점: 코드가 프로덕션에서 실행되는 동안 로컬에서 변수와 소스 코드를 분석하고, 맞춤형 도구 없이 IAM 정책, 역할, 데이터베이스 연결, VPC 및 네트워크 구성을 테스트

● 모범 사례를 위한 MCP Server:

● 기능: 모범 사례(입력 검증, 오류 처리, 상태 코드)를 기본 제공

● 이점: 더 품질 높고 일관된 코드를 생성하고 코드 검토 주기를 줄이며 개발 속도를 높임

● 지원: 웹 앱 및 이벤트 기반 애플리케이션(Kafka 트리거, 이벤트 기반 아키텍처)