기본 콘텐츠로 건너뛰기

맥북에 AWS 개발 환경 설정하기

 

1. 개요

2. 설치하기

  1. VPN에 상관없이 인터넷 연결만 되면 가능함
  2. Run iTerm on Mac
  3. mkdir ~/aws
  4. cd aws
  5. Install awscli : $ pip install awscli
  6. $ aws configure -> 자격 증명 넣어라고 나옴 (발급 권한 필요)

AWS Access Key ID [None]: AK당신이 AIM에서 발급 받은 키ROZ7A
AWS Secret Access Key [None]: KEY [ 잘 생각 해보세요 ]
Default region name [None]: ap-northeast-2
Default output format [None]: json

Aws cli와 anaconda 충돌 해결
  • 문제
Traceback (most recent call last):
  File "/Users/mksong.cncity/opt/anaconda3/bin/aws", line 19, in <module>
    import awscli.clidriver
  File "/Users/mksong.cncity/opt/anaconda3/lib/python3.7/site-packages/awscli/clidriver.py", line 24, in <module>
    from botocore.history import get_global_history_recorder
ModuleNotFoundError: No module named 'botocore.history'

  • 해결법
$ pip uninstall awscli
$ pip install awscli --force-reinstall --upgrade --user
$ aws configure

  • Test : $ aws s3 ls
  • Key 생성은 루트 관리자가 생성해줘야 함. 다운은 AWS Console > 내계정 > 내 보안 자격 증명에서 받을 수 있음
  • 절대로 노출하면 안됨

3. AWS SDK 로 프로그램 개발

3.1 AWS SDK 설치

3.1 AWS SDK Sample for python

import boto3

# Create an S3 client
s3 = boto3.client('s3')

# Call S3 to list current buckets
response = s3.list_buckets()

# Get a list of all bucket names from the response
buckets = [bucket['Name'] for bucket in response['Buckets']]

# Print out the bucket list
print("Bucket List: %s" % buckets)

4. AWS EC2에 접속하기

4.1 with SSH on Mac

ssh youraccount@IPaddr

댓글

이 블로그의 인기 게시물

[2024-10-19] iPhone, iPad에서 ChatGPT로 PDF 생성시 한글 깨짐 해결 방법

iPhone, iPad에서 ChatGPT로 PDF 생성 시 한글 깨짐 해결 방법

[quaser.dev][2014-09-14] 윈도우즈(10, 64bit)에 개발환경 설정하기

[quaser.dev][2014-09-14] 윈도우즈(10, 64bit)에 개발환경 설정하기

[2025-04-16(수)] OpenAI gpt-4.1 시리즈 발표, Anthropic Claude에 대한 생각

OpenAI gpt-4.1 시리즈 발표, Anthropic Claude에 대한 생각 안녕하세요. 클스 입니다. 4/15일자로 openai가 gpt-4.1 시리즈를 발표 했습니다. 현재는 api로만 사용가능합니다. 점차 웹/앱 사용자에게 오픈 될거라 생각 됩니다. 비용상 문제로 4.1-mini, nano를 사용해서 chatbot을 만들어 보고 있습니다. 4o 시리즈 보다는 확실히 빠르고, 답변의 정확도는 올라간 것 같습니다. 앤트로픽 클로드와 비교를 많이 하는데, 업무 시스템 혹은 AI 솔루션을 개발하는 입장에서는 어떤 생태계를 제공하는가가 주요한 결정 입니다. AI관련 인력을 충분히 보유한 회사의 경우는 어떤걸 사용해도 좋을 결과를 가지겠지만 일반적인 챗봇 개발 절차를 보면 다음과 같이 볼 수 있습니다. 1. 문서를 준비한다. 대부분 pdf, text, markdown 2. 문서를 파싱해서 vectordb에 올린다.     - 별도 벡터디비 구성 필요. 어떤 db를 선택할지 고민 필요     - 어떤 Parser를 사용할지, 텍스트 오버래핑은 얼마가 적당한지 고민 필요        (회사의 문서가 워낙 많고, 다양하면 하나하나 테스트 해서 좋은걸 선택하는 것이 어렵다)     - 유사도 측정은 어떤 알고리즘을 써야할지 고민 필요     - llamaindex도 고민해야 함. 3. RAG flow를 만든다.     - langchain을 쓸지, 각 AI 벤더에서 제공하는 sdk를 쓸지 고민 필요       (대부분 락인이 되지 않으려면 langchain을 사용하면 좋지만, 벤더에 특화면 기능 적용이 늦음) 4. 챗봇 UI 앱을 만든다.     - 답변이 text 로 구성되다 보니. 그래프, 이미지등 복합적인 컨텐츠를 재배치 하여 표현하기 상당히 어렵네요. (이건 제가 실력이 모자라서 .. 패스) ...