편집

다음을 통해 공유

전자상거래용 지능형 제품 검색 엔진

Azure AI Bot Service
Azure AI Search
Azure AI 서비스
Azure SQL Database
Azure App Service

이 예제 시나리오에서는 전용 검색 서비스를 사용하면 전자 상거래 고객의 검색 결과의 관련성을 크게 높일 수 있는 방법을 보여 줍니다.

건축학

전자 상거래용 지능형 제품 검색 엔진과 관련된 Azure 구성 요소의 아키텍처 개요를 보여 주는 다이어그램입니다.

이 아키텍처의 Visio 파일 다운로드합니다.

워크플로

이 시나리오에서는 고객이 제품 카탈로그를 통해 검색할 수 있는 전자 상거래 솔루션을 다룹니다.

  1. 고객은 모든 디바이스에서 전자 상거래 웹 애플리케이션 이동합니다.
  2. 제품 카탈로그는 트랜잭션 처리를 위해 Azure SQL 데이터베이스 유지 관리됩니다.
  3. Azure AI Search는 검색 인덱서 사용하여 통합 변경 내용 추적을 통해 검색 인덱스가 자동으로 최신 상태로 유지됩니다.
  4. 고객의 검색 쿼리는 쿼리를 처리하고 가장 관련성이 큰 결과를 반환하는 AI Search 서비스로 오프로드됩니다.
  5. 웹 기반 검색 환경 대신 고객은 소셜 미디어 또는 디지털 도우미에서 바로 대화형 봇 사용하여 제품을 검색하고 검색 쿼리 및 결과를 증분 방식으로 구체화할 수도 있습니다.
  6. 필요에 따라 고객은 기술 세트 기능을 사용하여 더 스마트한 처리를 위해 인공 지능을 적용할 수 있습니다.

구성 요소

  • Azure App Service - Web Apps 인프라를 관리할 필요 없이 자동 크기 조정 및 고가용성을 허용하는 웹 애플리케이션을 호스트합니다.
  • Azure SQL Database 관계형 데이터, JSON, 공간 및 XML과 같은 구조를 지원하는 Microsoft Azure의 범용 관계형 데이터베이스 관리 서비스입니다.
  • AI Search 웹, 모바일 및 엔터프라이즈 애플리케이션에서 다른 유형의 프라이빗 콘텐츠보다 풍부한 검색 환경을 제공하는 클라우드 솔루션입니다.
  • Azure AI Bot Service 지능형 봇을 빌드, 테스트, 배포 및 관리하는 도구를 제공합니다.
  • Azure AI 서비스 통해 지능형 알고리즘을 사용하여 자연스러운 통신 방법을 통해 사용자 요구를 보고, 듣고, 말하고, 이해하고, 해석할 수 있습니다.

대안

  • 예를 들어 SQL Server 전체 텍스트 검색을 통해 데이터베이스 내 검색 기능을 사용할 수 있지만 트랜잭션 저장소는 쿼리도 처리하고(처리 능력의 필요성 증가) 데이터베이스 내의 검색 기능이 더 제한적입니다.
  • Azure Virtual Machines에서 오픈 소스 Apache Lucene(AI Search가 빌드됨)을 호스트할 수 있지만, IaaS(Infrastructure as a Service)로 돌아가서 Lucene을 기반으로 AI Search에서 제공하는 많은 기능을 활용하지 못합니다.
  • 타사 공급업체의 대체 및 지원 검색 제품인 Azure Marketplace에서 Elasticsearch 배포하는 것도 고려할 수 있지만, 이 경우 IaaS 워크로드를 실행하고 있습니다.

데이터 계층에 대한 다른 옵션은 다음과 같습니다.

  • Azure Cosmos DB - Microsoft의 전역적으로 분산된 다중 모델 데이터베이스입니다. Azure Cosmos DB는 MongoDB, Cassandra, Graph 데이터 또는 간단한 테이블 스토리지와 같은 다른 데이터 모델을 실행하는 플랫폼을 제공합니다. 또한 AI Search는 Azure Cosmos DB에서 직접 데이터를 인덱싱할 수 있습니다.

시나리오 세부 정보

검색은 고객이 제품을 찾고 궁극적으로 구매하는 기본 메커니즘으로, 검색 결과가 검색 쿼리의 의도 관련이 있으며, 종단 간 검색 환경은 거의 즉각적인 결과, 언어 분석, 지리적 위치 일치, 필터링, 패싯, 자동 완성 및 적중 강조 표시를 제공하여 검색 거인의 검색 환경과 일치해야 합니다.

SQL Server 또는 SQL Database와 같은 관계형 데이터베이스에 저장된 제품 데이터가 있는 일반적인 전자 상거래 웹 애플리케이션을 상상해 보십시오. 검색 쿼리는 종종 쿼리를 사용하거나 전체 텍스트 검색 기능을 데이터베이스 내에서 처리됩니다. 대신 AI Search 사용하여 쿼리 처리에서 운영 데이터베이스를 확보하고 고객에게 최상의 검색 환경을 제공하는 구현하기 어려운 기능을 쉽게 활용할 수 있습니다. 또한 AI Search는 PaaS(Platform as a Service) 구성 요소이므로 인프라를 관리하거나 검색 전문가가 되는 것에 대해 걱정할 필요가 없습니다.

잠재적인 사용 사례

이 솔루션은 소매 업계에 최적화되어 있습니다.

기타 관련 사용 사례는 다음과 같습니다.

  • 사용자의 물리적 위치 근처에 있는 부동산 목록 또는 상점 찾기(시설 및 부동산 산업용).
  • 뉴스 사이트에서 기사를 검색하거나 스포츠 결과를 찾고 있으며, 최근 정보(스포츠, 미디어 및 엔터테인먼트 산업용)대한 선호도가 높습니다.
  • 대규모 리포지토리를 통해 정책 입안자 및 고지서와 같은 문서 중심 조직을 검색합니다.

궁극적으로 어떤 형태의 검색 기능이 있는 애플리케이션을 전용 검색 서비스의 이점을 얻을 수 있습니다.

고려 사항

이러한 고려 사항은 워크로드의 품질을 개선하는 데 사용할 수 있는 지침 원칙 집합인 Azure Well-Architected Framework의 핵심 요소를 구현합니다. 자세한 내용은 Microsoft Azure Well-Architected Framework참조하세요.

확장성

AI Search 서비스의 가격 책정 계층 주로 용량 계획 사용되는데, 이는 가져오는 최대 스토리지와 프로비전할 수 있는 파티션 및 복제본 수를 정의하기 때문입니다. 파티션 더 많은 문서를 인덱싱하고 쓰기 처리량을 높일 수 있는 반면, 복제본은 초당 더 많은 쿼리(QPS) 및 고가용성을 제공할 있습니다.

파티션 및 복제본 수를 동적으로 변경할 수 있지만 가격 책정 계층을 변경할 수는 없습니다. 따라서 대상 워크로드에 적합한 계층을 신중하게 고려해야 합니다. 계층을 변경해야 하는 경우 새 서비스를 나란히 프로비전하고 인덱스를 다시 로드해야 합니다. 이때 새 서비스에서 애플리케이션을 가리킬 수 있습니다.

가용도

AI Search는 복제본이 두 개 이상 있는 경우 읽기(즉, 쿼리)에 대한 99.9% SLA(가용성 서비스 수준 계약), 복제본이 3개 이상 있는 경우 업데이트(즉, 검색 인덱스 업데이트)를 제공합니다. 따라서 고객이 검색 안정적으로 수 있도록 하려면 복제본을 두 개 이상 프로비전해야 하며, 인덱스 대한 실제 변경 내용도 고가용성 작업으로 간주해야 하는 경우 3개를 프로비전해야 합니다.

가동 중지 시간 없이 인덱스를 주요 변경해야 하는 경우(예: 데이터 형식 변경, 필드 삭제 또는 이름 바꾸기) 인덱스를 다시 작성해야 합니다. 서비스 계층을 변경하는 것과 마찬가지로 새 인덱스를 만들고 데이터로 다시 채우며 새 인덱스를 가리키도록 애플리케이션을 업데이트하는 것을 의미합니다.

안전

AI Search는많은 보안 및 데이터 개인 정보 보호 표준을 준수하므로 대부분의 산업에서 사용할 수 있습니다.

서비스에 대한 액세스를 보호하려면 Azure RBAC(역할 기반 액세스 제어) 사용하거나 API 키사용하여 연결할 수 있습니다.

Azure RBAC는 Microsoft Entra ID와 통합되는 Azure 역할을 사용하기 때문에 사용하는 것이 좋습니다. Azure 역할을 사용하는 경우Azure 리소스에 대한 관리 ID와 같은 암호 없는 인증 방법을 사용할 수도 있습니다.

API 키에는 모든 콘텐츠 작업에 대한 모든 권한을 제공하는 관리 키, 검색 인덱스의 문서 컬렉션에 대한 읽기 전용 액세스를 제공하는쿼리 키가 포함됩니다. 특히 웹 브라우저에서 실행되는 스크립트와 같은 최종 사용자 디바이스가 검색을 수행하는 경우 관리자 키가 아닌 쿼리 키를 사용하도록 인덱스를 업데이트할 필요가 없는 애플리케이션을 설정해야 합니다.

프라이빗 엔드포인트통해 노출하는 네트워크 수준에서 AI Search 서비스에 대한 액세스를 보호할 수도 있습니다.

검색 관련성

전자상거래 애플리케이션의 성공 횟수는 주로 고객과의 검색 결과의 관련성에 따라 달라집니다. 검색 서비스를 신중하게 조정하여 사용자 조사에 따라 최적의 결과를 제공하거나 검색 트래픽 분석 사용하여 고객의 검색 패턴을 이해하면 데이터를 기반으로 결정을 내릴 수 있습니다.

검색 서비스를 조정하는 일반적인 방법은 다음과 같습니다.

비용 최적화

비용 최적화는 불필요한 비용을 줄이고 운영 효율성을 개선하는 방법을 찾는 것입니다. 자세한 내용은 비용 최적화 핵심 요소개요를 참조하세요.

이 시나리오를 실행하는 비용을 살펴보기 위해 앞에서 언급한 모든 서비스가 비용 계산기에 미리 구성됩니다. 특정 사용 사례에 대한 가격 책정이 어떻게 변경되는지 확인하려면 예상 사용량에 맞게 적절한 변수를 변경합니다.

처리할 것으로 예상되는 트래픽 양에 따라 이러한 샘플 비용 프로필을 고려합니다.

  • 작은: 이 프로필은 단일 Standard S1 웹앱을 사용하여 웹 사이트, Azure AI Bot Service의 무료 계층, 단일 Basic 검색 서비스 및 Standard S2 SQL Database를 호스트합니다.
  • 중간: 이 프로필은 웹앱을 Standard S3 계층의 두 인스턴스로 확장하고, 검색 서비스를 Standard S1 계층으로 업그레이드하고, Standard S6 SQL Database를 사용합니다.
  • 큰: 이 프로필은 Premium P2V2 웹앱의 4개 인스턴스를 사용하고, Azure AI Bot Service를 Standard S1 계층(프리미엄 채널에서 1.000.000개 메시지 사용)으로 업그레이드하고, Standard S3 검색 서비스의 두 단위와 Premium P6 SQL Database를 사용합니다.

이 시나리오 배포

이 시나리오의 버전을 배포하려면 작업 검색 웹 사이트를 실행하는 .NET 샘플 애플리케이션을 제공하는 이 단계별 자습서 따를 수 있습니다. 지금까지 설명한 대부분의 AI Search 기능을 보여 줍니다.

참여자

이 문서는 Microsoft에서 유지 관리합니다. 그것은 원래 다음 기여자에 의해 작성되었습니다.

주 작성자:

공용이 아닌 LinkedIn 프로필을 보려면 LinkedIn에 로그인합니다.

다음 단계

AI Search에 대한 자세한 내용은 설명서 센터 방문하거나샘플을 확인하세요.

다른 Azure 구성 요소에 대한 자세한 내용은 다음 리소스를 참조하세요.