티몬

RSS

게시글: 153
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

Backend
Java APM에 대하여
본 글은 Java 애플리케이션 성능 관리(APM)에 대해 다룹니다. APM은 애플리케이션의 성능을 실시간으로 모니터링하고 문제를 진단하는 도구로, 성능 저하의 원인을 파악하고 해결하는 데 필수적입니다. 주요 기능으로는 트랜잭션 추적, 로그 분석, 메트릭 수집 등이 있으며, 이를 통해 개발자는 병목 현상을 식별하고 코드 최적화, 데이터베이스 쿼리 개선, 캐시 전략 조정 등을 수행할 수 있습니다. 글에서는 APM 도입의 중요성과 함께 실제 적용 사례를 통해 성능 개선 효과를 보여주며, Java 개발자에게 APM 활용 방안을 제시합니다.
APMJava성능 모니터링
티몬·2022년 8월 24일
Backend
Java APM에 대하여
본 글은 Java 애플리케이션의 성능 모니터링 도구인 APM(Application Performance Monitoring)에 대해 다룹니다. APM은 애플리케이션의 성능 저하 원인을 파악하고 문제를 해결하는 데 필수적인 역할을 합니다. 특히 Java 환경에서는 Spring Boot와 같은 프레임워크 사용이 일반적이므로, 해당 환경에 최적화된 APM 솔루션의 중요성이 강조됩니다. 글에서는 APM의 주요 기능으로 트레이싱, 로그 분석, 메트릭 수집 등을 소개하며, 이를 통해 개발자가 애플리케이션의 병목 현상을 신속하게 식별하고 개선할 수 있음을 설명합니다. 또한, 실제 운영 환경에서 APM을 도입하고 활용하는 과정에서 얻을 수 있는 이점과 고려사항을 제시하며, 안정적인 서비스 운영을 위한 APM의 가치를 역설합니다.
APMJava성능 모니터링
티몬·2022년 8월 24일
Backend
Java APM에 대하여
이 글은 Java 애플리케이션의 성능 모니터링 도구인 APM(Application Performance Monitoring)에 대해 설명합니다. APM은 애플리케이션의 성능을 실시간으로 추적하고 분석하여 병목 현상을 식별하고 문제를 해결하는 데 도움을 줍니다. 주요 기능으로는 트레이싱(Tracing), 로그 분석(Log Analysis), 메트릭 수집(Metrics Collection) 등이 있으며, 이를 통해 개발자는 애플리케이션의 전반적인 상태를 파악하고 사용자 경험을 개선할 수 있습니다. 글에서는 APM 도입의 필요성과 함께 실제 적용 사례를 통해 그 효과를 강조하며, Java 환경에서 APM을 효과적으로 활용하는 방안을 제시합니다.
APMJava성능 모니터링
티몬·2022년 8월 24일
Backend
Spring boot - 설정파일로 AspectJ PointCut 지정하기
이 글은 Spring Boot 환경에서 AspectJ를 사용하여 AOP(Aspect-Oriented Programming)의 Pointcut을 설정 파일로 지정하는 방법을 다룹니다. 일반적으로 AOP는 어노테이션이나 Java 코드를 통해 구현되지만, 이 글에서는 Spring Boot의 설정 파일을 활용하여 Pointcut을 선언적으로 관리하는 방법을 소개합니다. 이를 통해 코드의 가독성을 높이고 AOP 적용 범위를 유연하게 제어할 수 있습니다. 특히, `aop.xml`과 같은 설정 파일을 통해 특정 메소드나 클래스에 Aspect를 적용하는 방법을 구체적인 예시와 함께 설명하며, Spring Boot의 편리한 설정 기능을 활용하여 AOP를 더욱 효과적으로 관리하는 방안을 제시합니다.
Spring BootAspectJAOP
티몬·2021년 11월 4일
Backend
Spring boot - 설정파일로 AspectJ PointCut 지정하기
이 글은 Spring Boot 환경에서 AspectJ의 Pointcut을 설정 파일(application.yml)을 통해 지정하는 방법을 다룹니다. 기존에는 주로 Java 코드를 통해 AOP 설정을 했지만, 이 글에서는 YAML 설정을 활용하여 AspectJ의 동작 방식을 제어하는 방법을 소개합니다. 특히, `@Pointcut` 어노테이션 대신 설정 파일에서 AspectJ의 표현식을 직접 정의하고 이를 Aspect에 적용하는 과정을 상세히 설명합니다. 이를 통해 코드의 가독성을 높이고 AOP 설정을 더욱 유연하게 관리할 수 있는 방법을 제시하며, Spring Boot의 설정 기능을 활용한 AOP 적용의 이점을 강조합니다.
Spring BootAspectJAOP
티몬·2021년 11월 4일
Backend
Spring boot - 설정파일로 AspectJ PointCut 지정하기
이 글은 Spring Boot 환경에서 AspectJ의 Pointcut을 설정 파일(application.properties 또는 application.yml)을 통해 지정하는 방법을 다룹니다. Aspect-Oriented Programming (AOP)은 관심사를 분리하여 코드의 재사용성과 유지보수성을 높이는 강력한 기법입니다. Spring Boot는 AspectJ를 기본적으로 지원하며, AOP 설정을 코드 레벨이 아닌 설정 파일 레벨에서 관리할 수 있도록 하여 개발 편의성을 높였습니다. 글에서는 `aspectj.pointcut.expression`과 같은 프로퍼티를 사용하여 원하는 Pointcut 표현식을 설정하는 구체적인 예시를 제공합니다. 이를 통해 개발자는 로깅, 트랜잭션 관리 등 다양한 부가 기능을 핵심 비즈니스 로직과 분리하여 효율적으로 관리할 수 있습니다. 설정 파일 기반의 AOP 관리는 코드의 가독성을 향상시키고, 설정 변경 시 코드 수정 없이 유연하게 대응할 수 있다는 장점이 있습니다.
Spring BootAspectJAOP
티몬·2021년 11월 4일
DevOps
오래된 Legacy 기술을 만났을 때 우리가 대처하는 방법, 무정지 서비스로 ELK 신규 노드 증설하는 삽질 경험
이 글은 오래된 레거시 기술 환경에서 무정지 서비스로 ELK(Elasticsearch, Logstash, Kibana) 신규 노드를 증설하는 과정에서 겪었던 어려움과 해결 과정을 공유합니다. 특히 Kubernetes 환경에서 기존 ELK 클러스터에 영향을 주지 않고 안전하게 노드를 추가하는 방법을 상세히 다룹니다. 레거시 시스템의 제약 속에서 발생할 수 있는 다양한 문제점들을 예상하고, 이를 극복하기 위한 구체적인 삽질 경험과 노하우를 통해 안정적인 서비스 운영을 위한 실질적인 방안을 제시합니다. 무정지 증설을 위한 전략 수립부터 실제 적용까지의 과정을 통해, 유사한 상황에 놓인 개발자들에게 유용한 인사이트를 제공합니다.
LegacyELK무정지 증설
티몬·2020년 11월 23일
DevOps
오래된 Legacy 기술을 만났을 때 우리가 대처하는 방법, 무정지 서비스로 ELK 신규 노드 증설하는 삽질 경험
이 글은 오래된 레거시 기술 환경에서 무정지 서비스로 ELK(Elasticsearch, Logstash, Kibana) 신규 노드를 증설하는 과정에서 겪었던 어려움과 해결 과정을 공유합니다. 특히, Kubernetes 환경에서 기존 ELK 클러스터에 영향을 주지 않고 안전하게 노드를 추가하는 방법에 초점을 맞춥니다. 무중단 증설을 위해 데이터 마이그레이션, 롤링 업데이트, 샤드 재배치 등 복잡한 단계를 거치며 발생할 수 있는 문제점들을 상세히 설명하고, 각 단계별 주의사항과 최적의 전략을 제시합니다. 이를 통해 레거시 시스템 환경에서도 안정적인 서비스 운영과 효율적인 인프라 확장이 가능함을 보여줍니다.
LegacyELK무정지 증설
티몬·2020년 11월 23일
DevOps
오래된 Legacy 기술을 만났을 때 우리가 대처하는 방법, 무정지 서비스로 ELK 신규 노드 증설하는 삽질 경험
오래된 레거시 시스템 환경에서 무정지 서비스로 ELK(Elasticsearch, Logstash, Kibana) 신규 노드를 증설하는 과정에서 겪었던 어려움과 해결 과정을 공유합니다. 특히, 기존 서비스에 영향을 주지 않고 안정적으로 노드를 추가하기 위한 전략과 Kubernetes 환경에서의 구체적인 적용 방안에 대해 상세히 설명합니다. 레거시 시스템의 제약 속에서 발생하는 문제들을 어떻게 극복하고 성공적으로 증설을 완료했는지, 그 과정에서 얻은 교훈과 노하우를 담고 있습니다. 이는 유사한 환경에 놓인 개발자들에게 실질적인 도움을 줄 수 있는 경험 기반의 가이드라인을 제공합니다.
ELKLegacy무정지 증설
티몬·2020년 11월 23일
AI
고객 행동 기반 실시간 딥 뉴럴 추천 시스템 : ForYou
이 글은 고객 행동 데이터를 기반으로 실시간 딥 뉴럴 추천 시스템인 'ForYou'를 개발한 경험을 공유합니다. 기존 추천 시스템의 한계를 극복하기 위해 고객의 실시간 행동 패턴을 분석하고, 이를 딥러닝 모델에 적용하여 개인화된 추천을 제공하는 방식을 설명합니다. 특히, 사용자 행동 데이터의 수집 및 전처리, 딥 뉴럴 네트워크(DNN) 모델 설계 및 학습 과정, 그리고 실시간 추천을 위한 시스템 아키텍처 구축에 대해 상세히 다룹니다. 이를 통해 사용자 경험을 향상시키고 서비스 만족도를 높이는 것을 목표로 합니다. 글에서는 실제 시스템 구축 시 마주했던 기술적 도전 과제와 해결 방안을 제시하며, 향후 발전 방향에 대한 인사이트를 제공합니다.
추천 시스템딥러닝고객 행동
티몬·2019년 6월 7일
AI
고객 행동 기반 실시간 딥 뉴럴 추천 시스템 : ForYou
본 글은 고객 행동 기반 실시간 딥 뉴럴 추천 시스템인 'ForYou'를 소개합니다. ForYou는 사용자의 실시간 행동 데이터를 활용하여 개인화된 추천을 제공하는 것을 목표로 합니다. 딥러닝 모델을 사용하여 복잡한 사용자 행동 패턴을 학습하고, 이를 통해 추천의 정확도와 즉시성을 높입니다. 특히, 실시간 데이터 처리 및 모델 서빙 아키텍처에 대한 고려사항을 다루며, 대규모 사용자 트래픽에서도 안정적인 추천 서비스 제공 방안을 모색합니다. 이를 통해 사용자 경험을 향상시키고 비즈니스 성과를 극대화하는 것을 목표로 합니다.
추천 시스템딥러닝고객 행동 분석
티몬·2019년 6월 7일
AI
고객 행동 기반 실시간 딥 뉴럴 추천 시스템 : ForYou
이 글은 고객 행동 데이터를 기반으로 실시간 딥 뉴럴 추천 시스템인 'ForYou'를 구축하는 과정을 상세히 설명합니다. 주요 내용은 다음과 같습니다. 첫째, 고객 행동 데이터 수집 및 전처리 파이프라인 구축입니다. 사용자 클릭, 구매, 검색 등 다양한 행동 로그를 수집하고 정제하여 모델 학습에 적합한 형태로 가공합니다. 둘째, 딥러닝 모델 설계 및 학습입니다. 고객 행동 패턴을 효과적으로 학습하기 위해 RNN, LSTM 등의 시퀀스 모델과 어텐션 메커니즘을 활용한 딥 뉴럴 네트워크 아키텍처를 제안합니다. 셋째, 실시간 추천 시스템 구현입니다. 모델 서빙 및 추천 결과 생성 과정을 최적화하여 사용자 요청에 즉각적으로 응답할 수 있도록 합니다. 마지막으로, 시스템 성능 평가 및 개선 방안을 제시합니다. A/B 테스트를 통해 추천 정확도와 사용자 만족도를 측정하고, 지속적인 모델 업데이트와 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 향상시킵니다. 이 글은 실시간 추천 시스템 구축에 관심 있는 개발자들에게 유용한 정보를 제공합니다.
추천 시스템딥러닝고객 행동
티몬·2019년 6월 7일
Backend
Java 대용량 엑셀 업로드
본 글은 Java를 사용하여 대용량 엑셀 파일을 효율적으로 업로드하는 방법에 대해 다룹니다. 기존의 방식으로는 메모리 부족 문제를 겪을 수 있어, Apache POI 라이브러리의 Streaming API를 활용하여 행 단위로 데이터를 읽고 처리하는 기법을 소개합니다. 이를 통해 메모리 사용량을 획기적으로 줄여 대용량 파일 처리 성능을 개선할 수 있습니다. 또한, 실제 적용 사례를 통해 구체적인 코드 예시와 함께 설명하여 개발자들이 대용량 엑셀 업로드 기능을 구현할 때 겪는 어려움을 해결하고 성능 최적화를 달성하는 데 도움을 줄 수 있습니다.
Java엑셀대용량
티몬·2019년 4월 4일
Backend
Java 대용량 엑셀 업로드
본 글은 Java를 사용하여 대용량 엑셀 파일을 효율적으로 업로드하는 방법에 대해 다룹니다. 기존 방식의 메모리 부족 및 성능 저하 문제를 해결하기 위해 스트림 기반의 SAX 파서와 Apache POI 라이브러리를 활용하는 방안을 제시합니다. 특히, 대용량 파일 처리 시 발생하는 OutOfMemoryError를 방지하고 응답 시간을 단축하는 데 초점을 맞춥니다. 구체적으로는 파일 전체를 메모리에 로드하지 않고 행 단위로 읽어와 처리하는 방식을 설명하며, 이를 통해 시스템 자원 사용량을 최소화하고 안정적인 대용량 파일 업로드 기능을 구현할 수 있음을 보여줍니다. Spring 프레임워크 환경에서의 적용 사례를 통해 실질적인 구현 가이드라인을 제공합니다.
Java엑셀대용량
티몬·2019년 4월 4일
Backend
Java 대용량 엑셀 업로드
Java를 사용하여 대용량 엑셀 파일을 효율적으로 업로드하는 방법을 다룹니다. 기존 방식의 메모리 부족 문제를 해결하기 위해 Apache POI 라이브러리의 Streaming API를 활용하는 방안을 제시합니다. RowSet을 이용해 행 단위로 데이터를 읽고 처리함으로써 메모리 사용량을 획기적으로 줄일 수 있습니다. 또한, 데이터베이스 삽입 성능 향상을 위해 배치 삽입 기법을 적용하고, 트랜잭션 관리의 중요성을 강조합니다. 이 글은 대용량 데이터 처리 시 발생할 수 있는 성능 병목 현상을 극복하고 안정적인 시스템을 구축하는 데 필요한 실질적인 기술과 고려사항을 제공합니다.
Java엑셀대용량
티몬·2019년 4월 4일
AI
딥러닝을 이용해 상품 이미지에서 색상 속성을 추출하기
이 글은 딥러닝 기술을 활용하여 상품 이미지에서 색상 속성을 추출하는 방법에 대해 다룹니다. 특히, 딥러닝 모델을 학습시켜 이미지 내의 주요 색상을 자동으로 인식하고 분류하는 과정을 설명합니다. 이를 통해 상품의 시각적 특징을 정량화하고, 이를 기반으로 한 추천 시스템이나 재고 관리 등 다양한 서비스에 활용할 수 있는 가능성을 제시합니다. 딥러닝 기반의 이미지 분석 기술이 실제 서비스에 어떻게 적용될 수 있는지 구체적인 사례와 함께 보여주며, 향후 발전 방향에 대한 인사이트를 제공합니다.
딥러닝이미지 분석색상 추출
티몬·2019년 3월 7일
AI
딥러닝을 이용해 상품 이미지에서 색상 속성을 추출하기
이 글은 딥러닝 기술을 활용하여 상품 이미지에서 색상 속성을 추출하는 방법에 대해 다룹니다. 상품의 시각적 특징 중 하나인 색상은 사용자 경험과 마케팅에 중요한 영향을 미치므로, 이를 자동으로 추출하는 것은 매우 유용합니다. 특히, 딥러닝 모델을 학습시켜 이미지 내의 주요 색상을 식별하고 분류하는 과정을 상세히 설명합니다. 이를 통해 상품 추천 시스템, 재고 관리, 디자인 분석 등 다양한 분야에 적용할 수 있는 기술적 기반을 마련합니다. 본문에서는 모델 설계, 데이터셋 구축, 학습 및 평가 과정, 그리고 실제 서비스 적용 시 고려사항 등을 포함하여 딥러닝 기반 색상 속성 추출의 전반적인 내용을 다룹니다.
딥러닝이미지 분석색상 추출
티몬·2019년 3월 7일
AI
딥러닝을 이용해 상품 이미지에서 색상 속성을 추출하기
이 글은 딥러닝 기술을 활용하여 상품 이미지에서 색상 속성을 추출하는 방법에 대해 다룹니다. 특히, 딥러닝 모델을 학습시켜 이미지 내의 주요 색상을 자동으로 인식하고 분류하는 과정을 상세히 설명합니다. 이를 통해 상품의 시각적 특징을 효과적으로 파악하고, 이를 기반으로 한 맞춤형 추천이나 검색 기능 개선에 기여할 수 있습니다. 딥러닝 기반의 이미지 분석 기술이 전자상거래 및 마케팅 분야에서 어떻게 활용될 수 있는지 보여주는 사례입니다.
딥러닝이미지 분석색상 추출
티몬·2019년 3월 7일
DevOps
자동실행추적기
본 글은 CI/CD 파이프라인에서 애플리케이션의 자동 실행 추적을 돕는 '자동실행추적기'라는 도구를 소개합니다. 이 도구는 Kubernetes 환경에서 애플리케이션 배포 후 발생할 수 있는 예기치 못한 자동 실행 문제를 감지하고 추적하는 데 중점을 둡니다. 개발자가 배포된 애플리케이션의 상태를 효과적으로 모니터링하고, 잠재적인 오류나 비정상적인 동작을 신속하게 파악할 수 있도록 지원합니다. 이를 통해 서비스 안정성을 높이고 운영 부담을 줄이는 것을 목표로 합니다. 자동실행추적기는 CI/CD 워크플로우에 통합되어 배포 과정의 신뢰성을 강화하는 데 기여할 수 있습니다.
자동실행추적기CI/CD배포
티몬·2018년 11월 15일
DevOps
자동실행추적기
본 글은 '자동실행추적기'라는 도구를 소개하며, CI/CD 파이프라인에서 발생하는 자동 실행 문제를 추적하고 해결하는 방법을 다룹니다. 특히 Kubernetes 환경에서 배포 과정 중 예상치 못한 자동 실행으로 인한 장애를 진단하고, 이를 효과적으로 관리하기 위한 추적기의 필요성을 강조합니다. 자동실행추적기는 배포 스크립트의 실행 흐름을 시각화하고, 각 단계별 성공 및 실패 여부를 명확히 기록하여 문제 발생 시 원인 파악을 용이하게 합니다. 이를 통해 개발 및 운영팀은 배포 안정성을 높이고 장애 대응 시간을 단축할 수 있습니다. 궁극적으로는 안정적인 서비스 운영을 위한 필수적인 도구로서 자동실행추적기의 가치를 설명합니다.
자동실행추적기CI/CD배포
티몬·2018년 11월 15일