Scale-to-Zero 구현을 통한 비용 60% 절감 및 프로비저닝 속도 20배 향상

Context

기존 OpenSearch Service는 Peak Capacity 대응을 위해 상시 자원을 할당해야 하는 비용 효율성 저하 문제 직면. 특히 AI Agent 개발 시 요구되는 빠른 프로토타이핑 속도와 가변적인 트래픽 패턴을 수용하기에 기존 인프라 프로비저닝 시간이 병목으로 작용.

Technical Solution

• Scale-to-Zero 메커니즘 도입을 통한 유휴 상태 자원 완전 제거 및 비용 최적화 구조 설계
• 가상화 계층 최적화를 통한 리소스 생성 속도 개선 및 이전 세대 대비 20배 빠른 Capacity Scaling 구현
• SEARCH 및 VECTORSEARCH 전용 Collection 타입 분리를 통한 워크로드별 최적화된 엔진 할당
• Vercel, Kiro 등 외부 AI 개발 플랫폼과의 Native Integration을 통한 인프라 관리 오버헤드 제거
• OpenSearch Agent Skills를 통한 도메인 지식 및 Multi-step 실행 로직의 캡슐화로 Agent 추론 능력 강화
• OCU(OpenSearch Compute Units) 기반의 정밀한 컴퓨팅 과금 모델과 Storage 과금 체계의 분리