아키텍처

Palantir AIP(인공지능 플랫폼)는 모든 유형의 최종 사용자, 세계에서 가장 요구가 많은 데이터 기반 작업, 그리고 수많은 인프라스트럭처 기반이 걸친 규모로 설계되었습니다. 이를 달성하기 위해, 기본적인 서비스 메쉬는 Palantir Apollo에 의해 강제되는 소프트웨어 정의 원칙들 위에서 운영됩니다.

AIP의 범위와 능력 세트가 확장되고 많은 기관들에게 핵심적인 중요성을 가지게 되면서, 우리는 아래 사항들을 보장해야 했습니다:

• 플랫폼 내 수백 개의 서비스 각각이 고가용성, 중복 구성으로 실행됩니다. 이는 핵심 백엔드 서비스 뿐만 아니라 프론트엔드 애플리케이션 서비스, 분석 도구, 애플리케이션 빌더, 각 유형의 사용자에 의해 사용되는 각 구성 요소 서비스를 포함합니다.
• 모든 서비스 업그레이드는 제로 다운타임 용량으로 수행되며, 업그레이드 전략이 어떻게 배포, 모니터링, 그리고 가능하다면 되돌릴 수 있는지 알려주는 세분화된 모니터링이 이루어집니다. Apollo가 모든 서비스 오케스트레이션을 전체적으로 지원하기 때문에, 수동 또는 맞춤형 작업을 통해 가능한 것보다 훨씬 더 안전한 자동화 수준을 달성합니다.
• 핵심 서비스와 관련 컴퓨트 메쉬 모두에서 자동 스케일링이 일관된 컨테이너화 패러다임을 활용합니다. 이는 Rubix 엔진을 통해 달성되며, 이 엔진은 플랫폼의 모든 자동 스케일링 인프라를 지원하고, Apollo 배포 플랫폼과 함께 작동합니다.

Rubix와 Apollo에 의해 공동으로 지원되는 서비스 메쉬는 기존의 엔터프라이즈 아키텍처에 통합되는 모듈식 기능을 포함합니다. 또한, 플랫폼 아키텍처는 미래의 유연성을 최대화하여 고객들이 Palantir 또는 오픈 소스 커뮤니티에서 개발한 최신 기술로 계속해서 혜택을 받을 수 있도록 보장합니다:

• 스토리지 아키텍처는 특정한 기본 패러다임에 종속되지 않습니다. 플랫폼은 아키텍처의 다양한 계층에서 여러 스토리지 기술을 사용합니다. 이에는 blob 스토리지(또는 HDFS), 수평적으로 확장 가능한 키/값 저장소, 수평적으로 확장 가능한 관계형 데이터베이스, 다중 모드 시계열 하위시스템 등이 포함됩니다.

• 컴퓨트 아키텍처는 특정한 기본 인프라에 종속되지 않습니다. 플랫폼의 다양한 계층에서의 다른 작업은 특정 런타임을 활용하며, 모든 수준에서 유연성이 공학적으로 내장되어 있습니다. 데이터 통합을 위한 일반적인 런타임에는 Apache Spark와 Apache Flink가 포함되지만, 필요하다면 외부 변환 엔진을 사용할 수 있습니다. Palantir가 개발한 엔진들은 온톨로지와 기존 컴퓨트 모드에 깔끔하게 매핑되지 않는 다른 기능 세트를 지원합니다.

• 우리는 가장 인기 있는 오픈 언어들이 코드 기반 패러다임 내에서 안전하고 일관되게 사용될 수 있도록 노력합니다. 이에는 데이터 변환을 위한 Python, SQL, Java; 머신러닝 워크플로를 위한 Python과 R; 그리고 워크플로와 프론트엔드 애플리케이션을 정의하는 데 사용되는 TypeScript와 JavaScript이 포함됩니다.

• 보안 및 유래는 AIP에서의 모든 작업의 핵심이며, 플랫폼 아키텍처의 모든 계층에서 일관되게 강제됩니다. 이는 단일 서비스(또는 최종 사용자)가 기업의 기존 보안 정책을 강제하거나, 출처를 유지하기 위해 필요한 "책임"을 구현하는 것을 책임지지 않도록 보장합니다. 데이터에서 결정까지, 고가용성 핵심 서비스는 설정, 동기화, 및/또는 상속된 거버넌스 정책을 적용, 강제, 그리고 추적하도록 설계되었습니다.