AWS vs Firebase 각각의 유용성에 대하여

일단 둘의 공통점은 둘다 클라우드 서비스를 제공한는 것입니다. 클라우드 컴퓨팅 제공자들은 각기 다른모델에 따라 자신들의 서비스들을 제공하며 , 이 모델의 세가지 NIST 표준 모델은

• IaaS - 서비스로서의 인프라 스트럭쳐
• PaaS - 서비스로서의 플랫폼
• SaaS - 서비스로서의 소프트웨어가
  가 있습니다.
  

  

  
  모델들은 추상화를 증가시키기 때문에 스택내의 계층으로 위와같이 묘사된다. 서로 관련될 필요는 없으며 PaaS, IaaS계층을 사용하지 않고 SaaS를 물리 머신에 구현할 수있으며, 역으로 IaaS에서 프로그램을 실행하여 이것을 SaaS로 래핑 하지 않고 직접 접근할 수있다.IaaS서버를 운영하기 위해서는 서버자원, ip, network, storage, 전력 등이 인프라를 구축하기 위해 필요하지만 IaaS는 이런것을 가상의 환경에서 쉽고 편하게 이용할 수있게 서비스 형태로 제공합니다. 기준 서버 호스팅보다 하드웨어 확장성이 좋고 탄력적이며 빠른 제공을 할 수있는 가상화 기술을 이용합니다.이를 이용하는 서비스들은 젠, virtual box, oracle vm, vmware같은 하이퍼바이저는 게스트로 가상 머신을 실행합니다. 클라우드 운영체제 내의 하이퍼바이저 풀들은 많은 수의 가상머신들 및 고객의 다양한 요구에 맞는 서비스의 확장, 축소 기능을 지원할 수 있습니다.

PaaS

이는 응용프로그램 개발자들에게 개발 환경을 제공합니다. 제공자는 일반적으로 개발을 위한 툴킷, 표준, 그리고 배표 및 지불을 위한 채널을 개발합니다. 운영체제, 프로그래밍 언어 실행환경, 데이터베이스, 웹 서버를 포함한 컴퓨팅 플랫폼을 배급하며 응용 프로그램 개발자들은 기반 하ㅏ드웨어 및 소프트웨어 계층을 구매하고 관리하는 비용이나 복잡성 없이도 자신들의 소프트웨어 솔루션을 클라우드 플랫폼에서 개발, 실행할 수 있습니다.

제가 비교해볼것은 Aws와 firebase이기 때문에 기본적인 개념은 여기까지만 하겠습니다.

Firebase

• 데이터베이스이며 NoSQL이자 key-value와 document 스타일의 json을 사용합니다. 이는 json형태로 넣는것에 장벽이 있을 수 있습니다. 만들려고하는 application이 검색 필터링을 중요시한다면 설계하는데 오래걸릴 수 있습니다.
• 이미지 프리뷰 속도가 느릴 수 있습니다. firebase storage는 google storage uri에서 이미지 url을 얻은 후에 이미지 url에서 이미지를 얻어야 하기 때문에 구글이 이미지를 요청할 때 엑세스 권한을 가졌는지, 토큰이 만료되었는지 확인하기 때문에 속도가 느릴수 있씁니다. 현재는 firebase UI라는 라이브러리를 만들어서 클라우드 이미지 로더로 개선되었습니다.firebase ML kit이는 현재 눈을뜸, 웃고있음 두가지 분류를 지원합니다. 분류는 특정값으로 표현되며 얼굴 특징이 나타나는 신뢰도를 나타냅니다. 예르 들어 웃고있음 분류의 값이 0.7이상이면 감지된 사람이 웃고 있을 가능성이 높음을 나타냅니다.

AWS

amazon rekognition

이를 학습시키기 위해서 아마존에서는 수천만명의 face db가 있엇기때문에 정확성이 높고 검색 지연시간이 5-10배정도 줄어듭니다.
참조 : https://docs.aws.amazon.com/ko_kr/rekognition/latest/dg/faces-detect-images.html
제가 하고자 하는것은 신분증에서 뽑아낸 이미지와 실시간 이미지의 일치율 계산을 통해서 N% 일치율을 출력하는것 인데 이 일치율같은 경우에는 python 템플릿 매칭을 이용하려 합니다. 실시간이미지는 mouth open을 통하여 인식하려 하는데 이는 aws 에서 return값으로 돌려주니 사용가능할듯 합니다.
템플릿매칭 참고 : https://darkpgmr.tistory.com/11