AWS Application Discovery Service온프레미스 데이터센터에 대한 정보를 수집하여 마이그레이션 프로젝트를 계획함서버 활용률 데이터와 종속성 매핑은 마이그레이션에 중요에이전트 없는 디스커버리VM 인벤토리, 구성, CPU, 메모리, 디스크 사용량과 같은 성능 이력 포함에이전트 기반 디스커버리시스템 구성, 시스템 성능, 실행 중인 프로세스, 시스템 간 네트워크 연결의 세부 정보 포함결과 데이터는 AWS Migration Hub 내에서 확인 가능AWS Application Migration Service(MGN)CloudEndure Migration의 AWS 진화 버전으로, AWS Server Migration Service(SMS)를 대체애플리케이션을 AWS로 마이그레이션하는 과정을 단순..

Amazon DynamoDB전통적인 아키텍처전통적인 애플리케이션들은 RDBMS 데이터베이스를 활용RDMBS 데이터베이스들은 SQL 쿼리 언어를 지원데이터 모델링 방식에 대한 강력한 제약 조건 존재조인, 집계, 복잡한 연산 수행 가능수직적 향상 : 더 강력한 CPU/RAM/IO 리소스로 업그레이드수평적 확장 : EC2/RDS Read Replica를 추가하여 읽기 성능 확장NoSQL 데이터베이스NOSQL 데이터베이스는 비관계형이며 분산 구조를 가짐대표적인 예: MongoDB, DynamoDB 등조인을 지원하지 않거나 제한적으로만 지원쿼리에 필요한 모든 데이터는 하나의 행에 포함되어 있음SUM, AVG 같은 집계 연산을 수행하지 않음수평적 확장에 최적화되어 있음⇒ NoSQL과 SQL에는 옳고 그름이 있는 것..

WordCloudfrom matplotlib import pyplotfrom wordcloud import WordCloudtext = ''with open("res/이상한나라의앨리스.txt", "r", encoding="utf-8") as f: text = f.read()wc = WordCloud( width=1200, height=800, scale=3.0)gen = wc.generate(text)gen.words_# 금지어 설정 모듈from wordcloud import STOPWORDS# 금지어 설정# -> 금지어 : said, alice, Gutenbergignore = set(STOPWORDS)ignore.add("said")ignore.add("alice")ignore...

matplotlib선 그래프# 선그래프# -> 한가지 지표에 대한 특정 기준# -> (주로 시간)에 따른 변화# matplotlib 패키지# ->데이터를 차트나 플롯(Plot)으로 그려주는 패키지# matplotlib 패키지 설치# >pip install matplotlibimport numpy as npfrom matplotlib import pyplot as plt# 1)data = [10, 11, 12, 13, 14]# 그래스 설정 시작# -> 모든 그래프 작업 시작시 호출plt.figure()# 데이터를 선그래프로 표현# ->리스트의 각 값은 y축이 되고,# ->리스트 값의 인덱스는 x축이 된다.plt.plot(data)# 그래프 표시하기plt.show()# 그래프 관련 설정 해제plt.close..

상속"""클래스 상속 inheritance- 재활용 - 부모와 자식, 조상과 후손(파생), super와 sub- 클래스가 가지고 있는 멤버나 메소드를 상속받는 클래스가 모두 사용- 형식) class 자식클래스(부모클래스)"""class AA: def one(self): print("AA.one()...") def two(self): print("BB.two()...")class BB(AA): passaa = AA()aa.one()aa.two()bb = BB()bb.one()bb.two()class CC(AA): def three(self): print("CC.three()")class DD(CC): def four(self): ..

Numpy 연산# numpy 모듈 기반 배열 연산ls1 = [82, 76, 91, 65]# 문제) ls1 각 요소에 2씩 더하기# -> [84, 78, 93, 67]ls2 = []for idx in range(4): ls2.append(ls1[idx] + 2)print(ls2) # [84, 78, 93, 67]# 문제) 인덱스가 동일한 각 요소끼리 더해서 ls5에 저장ls3 = [10, 15, 20, 25, 30]ls4 = [2, 3, 4, 5, 6]ls5 = [0, 0, 0, 0, 0]i = 0for idx in range(5): ls5[idx] = ls3[idx] + ls4[idx]print(ls5) # [12, 18, 24, 30, 36]##########################..