Android Studio 팀은 Project Marble로 IDE(통합 개발 환경)의 기본적인 기능과 흐름을 견고하게 만드는데 주력했습니다. 성능은 고품질의 IDE를 제공하는 데 필수적인 요소입니다. 따라서 우리는 제품의 주력이 되는 강점을 더욱 가다듬고 있으며, 앞으로는 64비트 운영체제만 지원할 예정입니다. 64비트 운영 체제에서 Android Studio를 사용하면 IDE와 Android Emulator 모두에 효율적으로 메모리에 액세스할 수 있고, 전반적으로 더 나은 개발 환경으로 이어집니다. 이런 변화가 대다수 Android Studio 사용자에게는 영향을 미치지 않겠지만, 32비트 버전의 Microsoft® Windows®를 사용하고 있다면 영향이 있습니다. 32비트 버전의 Microsoft Windows를 사용하는 개발자가 이런 전환을 하는 데 도움을 드리고자, 다가오는 지원 중단 일정에 관한 세부 정보와 향후 변화에 대비하기 위한 절차를 안내해 드립니다.
일정
64비트 운영체제만 지원하는 변화에 따른 영향을 최소화하기 위해, 우리는 먼저 32비트 버전에 대한 지원을 중단할 예정입니다. 지원 중단 단계를 진행하는 동안, Android Studio와 Android Emulator는 둘 다 계속 작동하겠지만 이들 제품이 새로운 기능 업데이트를 받지 못합니다. 이번 전환 기간에 Android Studio 웹사이트에서 해당 제품을 계속 다운로드할 수 있습니다. 1년 후, 우리는 제품 지원을 공식적으로 종료하고 32비트 제품 버전 다운로드 링크를 제거할 예정입니다. 이 기간에 이전에 설치한 32비트 버전의 Android Studio가 있는 경우, 계속 작동하지만 다시 다운로드할 수 있는 링크는 제공하지 않을 것입니다. 지원 중단 및 지원 종료 기간의 정확한 날짜는 아래 표에 나와 있습니다.
지원되는 32비트 제품 버전
지원 중단 시작 날짜
지원 종료 날짜
Android Studio IDE 3.6
2019년 12월 31일
2020년 12월 31일
Android Emulator 28.0.25
2019년 6월 30일
2020년 12월 31일
64비트 개발 환경의 이점
64비트 버전의 Android Studio를 사용하면 몇 가지 장점이 있습니다.
성능 - IDE는 4GB 이상의 메모리에 액세스할 수 있으므로 더 나은 성능을 발휘할 수 있습니다. 메모리가 증가되면 특히 대규모 프로젝트를 작업할 때 더 나은 환경이 제공됩니다.
64비트 앱 지원 - 앱에서 C/C++ 네이티브 코드를 사용하는 경우 앱의 32비트 및 64비트 버전을 모두 빌드할 수 있습니다. 2019년 8월 1일부터는 Google Play에서 64비트만 지원되므로, 두 아키텍처를 테스트하는데 도움이 될 수 있습니다.
에뮬레이터에서 테스트 - 32비트 및 64비트 Android Emulator 시스템 이미지는 모두 64비트 버전의 Android Emulator에서 지원됩니다. 이런 유연성 덕분에 하나의 개발 시스템으로 다양한 Android 환경에서 앱을 더욱 쉽게 테스트할 수 있습니다.
다음 단계
요약하자면, 32비트 버전의 Android Studio를 위한 지원을 종료하기 전에 미리 알려드리고 그에 따른 대응 절차를 안내하고 64비트 운영체제로 이전하는 데 도움이 되도록 1년간의 리드 타임을 두고자 합니다. 아직은 32비트 버전의 Android Studio를 사용할 수 있지만, 이 버전으로는 향후 업데이트를 받지 못한다는 점에 유념하시기 바랍니다. 따라서 64비트 버전으로 이전하려면 최신 제품 업데이트를 계속 원활하게 받고 64비트 개발 환경의 향상된 성능을 이용할 수 있도록 미리 서둘러 계획을 세우기 시작하는 것이 좋습니다.
14년 전, Google Earth가 처음 나왔을 때 사용자들은 어린 시절 살던 집을 지도에서 바로 확대해 볼 수도 있다는 점에 무척 흥분했습니다. 하지만 그러려면 먼저 애플리케이션을 다운로드해 설치해야 했습니다. 전 세계를 실시간으로 렌더링하려면 브라우저에서 지원하지 않았던 첨단 기술이 필요했으므로, Earth는 네이티브 애플리케이션으로 출시되었습니다.
웹이 발전함에 따라, 우리는 최대한 많은 사람이 Earth를 사용하고 간편하게 전 세계를 경험할 수 있도록 플랫폼에서 Earth를 제공하고 싶었습니다. 웹 앱은 연결 가능하므로 더 나은 사용자 환경을 제공합니다. 연결 가능하다는 것은 한 번의 클릭으로 전체 사용자 환경에 대한 액세스를 공유할 수 있다는 의미입니다. 웹 앱은 사용자가 소프트웨어를 다운로드할 때 함께 딸려올 수 있는 바이러스의 위험이 없으므로 안전하고, 구성 가능하므로 웹의 다른 부분에 삽입할 수 있습니다.
네이티브 코드를 웹으로 가져오기 위한 W3C 웹 표준인 WebAssembly(Wasm)에서, Earth 팀은 Google Earth가 여러 브라우저 간에 이동할 수 있도록 하는 솔루션에 한동안 집중한 결과, 마침내 솔루션을 찾아냈습니다. Earth를 웹 환경으로 처음으로 가져온 건 2년 전이었는데, 당시에는 Chrome 전용 솔루션이었던 Native Client(NaCl)를 사용했습니다. 그것이 브라우저에서 네이티브 코드를 실행하고 사용자가 최신 웹 애플리케이션에서 기대하는 성능을 제공하는 유일한 방법이었습니다. 하지만 모든 브라우저가 신기술을 같은 방식으로 지원하는 건 아니라서, 브라우저 간 호환성이란 게 말처럼 쉬운 문제는 아닙니다.
WebAssembly를 사용하면 앱을 여러 브라우저 간에 더욱 액세스 가능하도록 만들 뿐 아니라, 우리가 Google Earth로 지켜본 것처럼 완벽한 온라인 환경을 제공할 수 있는 가능성이 더 많습니다. Earth 프리뷰 베타를 확인해보면 Earth 팀이 성취한 업적을 확인할 수 있고 여기에서 기술적 구현에 대한 내용을 읽어볼 수 있습니다.
WebAssembly가 스레드 애플리케이션과 작동하는 방식
WebAssembly에서 작업할 계획이라면 몇 가지 특정한 주제, 특히 스레딩에 관해 이해하는 것이 중요합니다.
다중 스레딩 지원을 제공하는 브라우저도 있지만 그렇지 않은 브라우저도 있습니다. Google Earth는 브라우저에 계속 데이터를 스트리밍하고 압축을 풀어 화면에 렌더링할 준비가 되도록 만듭니다. 백그라운드 스레드에서 이 작업을 할 수 있으면 브라우저에서 Earth의 성능이 분명히 향상되는 것으로 나타났습니다.
Chrome을 포함해서 곧 새로 나올 Edge 버전, Opera를 비롯한 Chromium 기반 브라우저는 모두 WebAssembly를 위한 지원을 제공하는데, 다중 스레딩을 지원하는 브라우저도 있고 지원하지 않는 브라우저도 있습니다. Chromium을 기반으로 하는 Edge의 새 버전이 나오면 WebAssembly의 앱이 Chrome에서처럼 Edge에서도 작동할 것입니다. Firefox는 WebAssembly를 위해 훌륭한 지원 기능을 제공하지만, SharedArrayBuffer 문제 때문에 다중 스레딩 지원을 중지해야 했습니다. Opera는 Chromium을 기반으로 하지만, Opera의 현재 버전은 WebAssembly의 단일 스레드 지원만 제공합니다. Safari는 WebAssembly의 강력한 구현을 보유하고 있지만 WebGL2를 위한 전체 지원은 제공하지 않습니다. 심층 기술 게시물에 여러 브라우저 간의 WebAssembly 지원에 대해 더 자세히 설명해두었으므로 참조하시기 바랍니다.
Emscripten: Earth가 브라우저로 포팅하도록 지원한 도구
원래 네이티브 운영체제용으로 만들어진 애플리케이션을 웹으로 가져오는 것은 간단한 작업이 아닙니다. Emscripten 도구 체인은 개발자가 C++를 WebAssembly로 컴파일하는 데 도움이 되고, 네이티브 애플리케이션이 사용하는 OS 인터페이스 중 다수를 에뮬레이트하기도 합니다. 예를 들어 애플리케이션이 POSIX API fopen을 사용하여 OS에 파일을 열라고 지시할 수 있습니다. Emscripten은 이 호출을 보고 로컬 저장소와 같은 브라우저 기술을 통해 올바른 동작을 제공합니다. Emscripten은 OpenGL 호출을 WebGL 호출로 전환하기 위해 똑같은 일을 합니다. 다른 많은 기능과 함께, Emscripten 덕분에 네이티브 앱을 웹으로 가져오는 작업이 극적으로 쉬워집니다.
Emscripten은 세상에 나온 지 35년이나 된 AutoCAD 코드베이스, Sketchup처럼 좀 더 최근에 나온 애플리케이션 등 다른 애플리케이션을 웹으로 포팅하는 데 사용되었습니다.
WebAssembly를 위해 다음에 나올 기능
앞으로 WebAssembly용으로 나와 Earth가 웹 환경 향상을 위해 사용할 기능이 다음과 같이 여러 가지 있습니다.
SIMD 지원: SIMD(Single Instruction, Multiple Data)는 단일 CPU 명령이 여러 데이터 조각에서 작동하도록 해줍니다. SIMD를 올바른 방법으로 설정하면 높은 데이터 처리량을 달성할 수 있습니다. 올해 말 WebAssembly용으로 최초의 SIMD 지원 기능 세트가 제공되면 Earth의 성능이 대폭 향상될 것으로 기대합니다.
동적 링크: 이 기능 덕분에 Earth의 로드 시간을 최적화할 기회가 주어지고 다른 웹페이지와 온라인 환경에 Earth를 삽입할 길이 열립니다. 현재는 상호작용하는 모듈을 전부 동시에 컴파일해야 합니다. 동적 링크를 사용하면 애플리케이션을 여러 개의 모듈로 나누어 초소형 클라이언트를 탑재한 다음, 시간의 경과에 따라 다른 파트를 모두 로드할 수 있습니다(지연 로드라고 함).
디버깅 향상: Wasm은 현재 개발자가 개발자 도구에서 소스 코드를 볼 수 있도록 소스 맵을 지원합니다. 개발자가 변수 값을 확인 하거나 특정 스택 트레이스를 볼 수 있습니다.
Earth는 이제 애플리케이션을 더 많은 브라우저로 가져올 수 있게 해주는 교차 브라우저 표준을 채택함으로써 중요한 진전을 이루었으며, 앞으로 더 많은 개선이 이루어질 것입니다. 직접 WebAssembly와 자신의 네이티브 코드를 사용해 일관되고 뛰어난 성능을 발휘하는 환경으로 모든 사용자에게 접근해 보세요.
Google Play는 어린이와 가족을 위해 긍정적이고 안전한 환경을 조성하기 위해 최선을 다하고 있습니다. 지난 몇 년 동안 Google Play는 부모가 가족에게 맞는 콘텐츠를 찾을 수 있도록 돕는 가족을 위한 앱 (Designed for Families) 프로그램을 운영해왔으며, Family Link 자녀 보호 기능을 통해 가족의 디지털 사용 규칙을 세울 수 있도록 도왔습니다.
또한 Google Play는 사용자 및 개발자로부터 받은 의견을 바탕으로, 어린이 및 가족을 더욱 안전하게 보호하기 위해 Google Play 정책을 개선해 나가고 있습니다. 이러한 정책 변경사항은 아래와 같은 저희의 방향을 토대로 합니다. 어린이를 대상으로 하는 앱이 연령대에 적합한 콘텐츠와 적절한 광고만을 표시하며, 개인 식별 정보를 올바르게 처리하도록 하는 것, 그리고 어린이를 대상으로 하지 않는 앱이 의도치 않게 어린이의 관심을 끌지 않도록 하는 것입니다.
앞으로 몇 달 동안 Google Play는 부모가 자녀를 위해 앱을 설치하기 전에 충분한 정보를 바탕으로 결정을 내릴 수 있도록 여러 추가 기능을 계속해서 출시할 예정입니다.
개발자에게 적용되는 변경사항
모든 개발자는 어린이가 앱 타겟층에 포함되는지 신중하게 생각해 보아야 합니다.
어린이가 타겟층에 포함되는 경우 앱이 콘텐츠 및 개인 식별 정보 처리와 관련된 정책 요구사항을 충족해야 합니다.
개발자 대부분은 타겟층에 어린이가 포함되지 않으므로 이 섹션을 비교적 빨리 작성할 수 있을 것입니다. 어린이가 타겟층에 포함되는 경우 후속 질문이 제시됩니다.
Google Play에서는 Google Play에서 자체적으로 실시하는 앱 마케팅 애셋 검토와 더불어 개발자가 Google Play Console를 통해 제공한 정보를 사용하여 어린이, 어린이 및 일반 사용자, 일반 사용자라는 타겟층 그룹에 따라 앱을 분류하고 정책을 적용합니다.*
앱의 타겟층이 어린이인 경우 앱 전체가 가장 엄격한 Google 가족 정책을 준수해야 합니다.
앱의 타겟층이 어린이 및 일반 사용자인 경우
앱 전체가 가장 엄격한 Google 가족 정책을 준수하거나 중립적인 연령 심사를 포함해야 하며, 어린이 또는 연령대를 알 수 없는 사용자가 앱을 이용할 때는 가족 정책을 적용해야 합니다.
이러한 변경사항은 Play의 모든 개발자에게 영향을 미치므로, 앱이 Google Play 스토어에 이미 게시되어 있는 경우 필요한 업데이트를 적용할 시간을 드리고자 합니다. 다음은 기억해 두셔야 할 주요 일정입니다.
●오늘: Google Play Console에서 타겟층 및 콘텐츠 섹션을 이용할 수 있습니다. 모든 신규 앱은 업데이트된 정책을 준수해야 합니다.
●2019년 9월 1일: 기존의 모든 앱이 새로운 타겟층 및 콘텐츠 섹션 작성을 완료해야 하며 업데이트된 정책을 준수해야 합니다.
Google Play의 노력
Google Play는 개발자가 이러한 변경사항을 이해하고 구현하는 데 필요한 리소스를 제공하기 위해 최선을 다하고 있습니다. Android 개발자 웹사이트에서 자세한 내용을 확인하고, Google Play 앱 개발자를 위한 온라인 교육 플랫폼 Play Academy에서 새로운 정책에 관한 교육을 받을 수 있습니다. 또한 개발자 여러분이 신속하게 결과를 받아 보고 필요한 모든 변경사항을 이해하실 수 있도록, 앱 검토 및 이의 제기 절차와 관련된 인력을 충원하고 커뮤니케이션 과정을 개선했습니다.
여러분의 노력에 미리 감사의 말씀을 드립니다. Google Play에서는 계속해서 여러분의 의견에 귀를 기울일 것을 약속드립니다. 향후 이러한 정책 업데이트를 진행해나가는 데에 있어 여러분의 의견을 반영하고, 개발자과 지속해서 소통해나가도록 노력하겠습니다.
*참고: '어린이'라는 용어는 지역과 맥락에 따라 서로 다른 대상을 의미할 수 있습니다. 앱을 타겟팅하는 국가에서 적용될 수 있는 의무사항 또는 연령에 따른 제한사항을 확인하는 것이 중요합니다.
<블로그 원문은 이곳에서 확인하실 수 있으며 블로그 번역 리뷰는 김택민(MachineLearning GDE)님이 참여해 주셨습니다> TensorFlow는 2015년에 오픈소스로 전환된 이후로 연구 단계부터 서비스 배포까지 전과정을 지원한다는 목표로 다양한 도구, 라이브러리 및 배포 기능 등을 추가하며 통합 머신러닝 (Machine Learning; ML) 생태계로 발전했습니다. 2019 TensorFlow Dev Summit에서 머신러닝을 더 쉽게 사용하고 배포할 수 있게 해주는 TensorFlow 2.0을 발표했습니다.
머신러닝 프레임워크로 출발한 TensorFlow는 직관적인 상위 레벨 API와 하위 레벨 기능을 함께 제공함으로써 연구자 및 개발자를 모두 만족시키는 종합적인 플랫폼으로 성장했습니다. TensorFlow 2.0부터는 Keras를 통합하면서 Eager 실행 모드가 기본적으로 사용됩니다. tf.data를 통해 데이터셋 파이프라인을 쉽게 설계할 수 있고 Colab 및 Jupyter Notebook에서 직접 TensorBoard를 통해 훈련 과정을 모니터링할 수 있습니다. TensorFlow 개발팀은 TensorFlow 2.0 알파 버전을 꾸준히 개선하는 한편, 2019년 2분기에 출시 후보 (Release Candidate; RC) 버전을 공개할 예정입니다.
ML을 더 사용하기 쉽게
‘개발자 생산성과 사용 편의성에 집중하겠다’는 TensorFlow 개발팀의 목표는 iPython Notebook과 Colab을 통합하는 것을 넘어서, tf.keras (현재의 표준 상위 레벨 API)의 직관적인 API 사용과 함께 단 한 줄의 코드만으로 데이터 전처리 및 여러 데이터셋을 사용할 수 있도록 TensorFlow Datasets까지 기능을 확장했습니다. 또한 최소한의 코드 수정으로 분산 환경에 대응할 수 있고 데이터셋 파이프라인을 tf.data로 관리하고 TensorFlow Extended (TFX)를 사용해서 서비스 수준으로 전환 및 여러 노드 및 하드웨어 아키텍처로 확장할 수 있습니다.
TensorFlow 개발팀은 TensorFlow 1.x에서 2.0으로 이전 (Migration)하려는 사용자를 지원하기 위해 업그레이드 도구와 여러 이전 안내서를 만들었습니다. 또한, TensorFlow 2.0과 이전 지원에 대한 질문을 할 수 있도록 온라인 커뮤니티를 운영하고 있습니다. 관심 있으신 분은 TensorFlow 웹사이트에서 더 자세한 내용을 확인하실 수 있습니다.
tf 1.x 모델을 tf_upgrade_v2 도구를 사용해서 모델 업그레이드하기
반복되는 실험 과정
연구자와 기업의 데이터 분석 개발팀 모두 빠르게 프로토타입을 만드는 작업과 초기 솔루션이 나올 때까지의 개발 속도에 초점을 맞춰 모델 아키텍처에 대한 실험을 여러번 반복해야 합니다. Eager 실행 모드에 초점을 맞춘 TensorFlow 2.0에서, 사용자는 Python을 사용하는 것처럼 직관적인 제어 흐름 (Control Flow)에 기반해서 코드를 작성하고, tf.function으로 Eager 코드를 최적화하고, 개선된 에러 메세지 덕분에 개발 및 디버깅이 쉬워지고 개발 시간을 절약할 수 있습니다. TensorFlow를 사용하여 모델을 만들고 실험하는 것이 이전보다 더 쉬워졌습니다.
훈련 시간을 단축하는 것은 모델 배포, 재훈련 등 실험에 필수적인 요소입니다. TensorFlow 개발팀은 작년부터 다양한 하드웨어 플랫폼에서 훈련 시간을 단축하기 위해 꾸준히 노력했고, 2세대 Cloud TPU에서는 1.6배, NVIDIA V100 GPU에서는 2배 이상의 속도 개선 효과를 거두는 등의 성과를 올렸습니다. 추론 시간의 경우, CPU 기반의 Compute Engine 인스턴스를 지원하는 Intel의 MKL 라이브러리를 사용하는 경우 3배 이상의 속도를 향상시켰습니다.
TensorFlow는 부가기능 확장 프로그램을 통해 고급 모델을 설계하는 데 도움이 되는 기능을 추가할 수 있습니다. 예를 들어, TensorFlow Federated를 사용하면 클라우드와 원격 (IoT 또는 임베디드) 기기에서 모두 협업적인 방식으로 모델을 훈련할 수 있습니다. 가끔은 중앙 훈련 시스템에는 없는 훈련 데이터가 원격 기기에 있는 경우가 있습니다. 우리는 훈련 데이터에서 개인 식별 정보 (PII)를 제거하는 데 도움이 되는 TensorFlow Privacy 확장 프로그램을 최근에 발표하기도 했습니다. 마지막으로, TensorFlow Probability는 TensorFlow의 활용 범위를 더 많은 일반적인 통계적 사용 사례로까지 확장하는데, 이를 Estimator 등의 다른 기능과 함께 사용할 수 있습니다.
다양한 환경에서 여러 언어로 ML 모델 배포하기
머신러닝 모델을 서비스 단계로 배포하는 기능은 TensorFlow의 핵심 강점이었습니다. TensorFlow 개발팀은 TensorFlow 2.0에서 배포 기능을 훨씬 더 쉽게 사용할 수 있습니다. 단일 인스턴스 혹은 클러스터 시스템에 상관없이, TFX Pipelines를 사용하면 서비스 운영 중에 추론을 위해 훈련한 모델을 업데이트하는 방식을 적절히 조정할 수 있습니다. 한편, 모바일 기기나 IoT 기기, 임베디드 하드웨어처럼 리소스 제약이 더 심한 시스템의 경우에는 TensorFlow Lite의 양자화 기능을 이용해 모델을 실행할 수 있습니다. Airbnb, Shazam, BBC는 TensorFlow Lite를 사용하여 사용자의 모바일 사용 경험을 개선할 뿐만 아니라 사용자가 업로드한 콘텐츠를 분류하고 유효성을 검사하고 있습니다.
TensorFlow Data Validation을 사용한 데이터 탐색 및 분석.
자바스크립트는 전 세계적으로 가장 대중적인 프로그래밍 언어 중 하나이고, TensorFlow.js는 수백만의 자바스크립트 개발자가 머신러닝을 수월하게 사용할 수 있도록 도움을 줍니다. TensorFlow 개발팀은 TensorFlow.js 버전 1.0을 발표했습니다. 이 버전에서는 브라우저에서 모델을 훈련하고 실행할 수 있을 뿐 아니라, App Engine을 비롯하여 서버에 호스팅된 자바스크립트 프로그램의 일부로서 TensorFlow를 실행할 수 있습니다. 현재의 TensorFlow.js는 그 어느 때보다도 성능이 좋아졌고 개발 커뮤니티도 상당히 많이 성장했습니다. 출시 이후로 1년간, 개발 커뮤니티 구성원들은 TensorFlow.js를 30만 회 이상 다운로드했으며, 현재 TensorFlow.js 저장소에는 100여 명의 기여자가 제공한 코드가 들어 있습니다.
시작 방법
Google Cloud에서 TensorFlow 2.0 알파 버전을 사용하고 싶으시면 Deep Learning VM을 생성하고 가이드에 따라 사용해보세요. 어디서든 Jupyter Notebook으로 간편하게 실행할 방법을 찾고 있지만 더 중요한 고려 사항으로서 GCP 프로젝트 내에서 Cloud Dataproc Cluster를 사용하여 Google Cloud에서 Jupyter 인스턴스를 실행하거나 Cloud ML Engine에서 직접 노트북을 시작할 수도 있는 방법을 찾고 계신다면, Colab을 통해 pip 설치로 제공되는 TensorFlow 2.0을 사용할 수 있습니다.
TensorFlow 2.0 사용하기 : Deep Learning VM 및 GCP Notebook 인스턴스
