영상->음성->텍스트->키워드를 반환하는 일련의 프로세스 같은 경우에는 일목요연하게 아키텍처의 정립이 완료되어 서버와 프론트 연결 만을 앞두고 있는 상황입니다.
하지만, 현재 이슈로 남아 있는 것은 Transcribe api의 결과로 반환된 텍스트 데이터와 Comprehend api의 결과로 반환된 키워드 리스트를 어떤 방식으로 DB에 저장할 것인가 입니다.
현재 고려 중인 방법으로는 두 가지가 있습니다.
Solution 1.
"MySQL DB by using flask"
transcribe api의 결과로 반환된 텍스트 데이터를 1차로 flask를 통해 DB에 보관하고, 이후에 Comprehend apid의 결과로 반환된 keyword list를 2차로 flask를 통해 DB에 보관하는 방법입니다.
이 방법의 경우에는 전통적인 DB 프로세스로 일반적인 SW와 유사하게 개발이 진행될 수 있다는 장점이 있지만, 그 단점으로는 현재 고봉밥 팀 back end roll의 기술 스택이 Node.js를 기본으로 하여 flask 사용법을 추가로 학습해야 하는 이슈가 있었습니다.
Solution 2.
"Use AWS S3 computer component"
AWS API의 반환값을 매번 DB에 저장하는 것이 아니라, AWS Platform에 있는 가상 컴퓨팅 컴포넌트 AWS S3를 활용해 해당 저장소에 모든 반환값들을 저장한 후 마지막에 한번에 DB로 저장된 값들을 전송하는 방법입니다.
이 방법의 경우에는 1차 전송, 2차 전송으로 나뉘는 프로세스 각각에서 서버 관련 개발량이 줄어든다는 장점이 있고, flask를 추가로 도입하지 않아도 된다는 메리트가 있습니다.
하지만, AWS S3가 원활하게 작동할 것 인가에 대한 이슈가 있어 실제 환경에서 시행착오를 겪음에 따라 개발 진행이 딜레이될 가능성이 높다는 리스크가 있습니다.
영상->음성->텍스트->키워드를 반환하는 일련의 프로세스 같은 경우에는 일목요연하게 아키텍처의 정립이 완료되어 서버와 프론트 연결 만을 앞두고 있는 상황입니다.
하지만, 현재 이슈로 남아 있는 것은 Transcribe api의 결과로 반환된 텍스트 데이터와 Comprehend api의 결과로 반환된 키워드 리스트를 어떤 방식으로 DB에 저장할 것인가 입니다.
현재 고려 중인 방법으로는 두 가지가 있습니다.
Solution 1. "MySQL DB by using flask" transcribe api의 결과로 반환된 텍스트 데이터를 1차로 flask를 통해 DB에 보관하고, 이후에 Comprehend apid의 결과로 반환된 keyword list를 2차로 flask를 통해 DB에 보관하는 방법입니다. 이 방법의 경우에는 전통적인 DB 프로세스로 일반적인 SW와 유사하게 개발이 진행될 수 있다는 장점이 있지만, 그 단점으로는 현재 고봉밥 팀 back end roll의 기술 스택이 Node.js를 기본으로 하여 flask 사용법을 추가로 학습해야 하는 이슈가 있었습니다.
Solution 2. "Use AWS S3 computer component" AWS API의 반환값을 매번 DB에 저장하는 것이 아니라, AWS Platform에 있는 가상 컴퓨팅 컴포넌트 AWS S3를 활용해 해당 저장소에 모든 반환값들을 저장한 후 마지막에 한번에 DB로 저장된 값들을 전송하는 방법입니다. 이 방법의 경우에는 1차 전송, 2차 전송으로 나뉘는 프로세스 각각에서 서버 관련 개발량이 줄어든다는 장점이 있고, flask를 추가로 도입하지 않아도 된다는 메리트가 있습니다. 하지만, AWS S3가 원활하게 작동할 것 인가에 대한 이슈가 있어 실제 환경에서 시행착오를 겪음에 따라 개발 진행이 딜레이될 가능성이 높다는 리스크가 있습니다.