필터 1
SK플래닛
데브옵스

배포 자동화 툴 개발을 위한 AWX 활용

AWX를 활용해 배포 자동화 툴을 구축한 사례와 구성 요소를 정리했습니다. 또한 Kubernetes 연동, 무중단 배포, 운영 시 고려사항까지 함께 살펴봤습니다.

#AWX#Ansible
31005분
피처 플래그 개발기: 실시간 데이터 동기화를 향한 여정
카카오페이
백엔드

피처 플래그 개발기: 실시간 데이터 동기화를 향한 여정

피처 플래그를 개발하며 배포와 장애 대응을 위한 운영 문제를 다뤘습니다. 실시간 데이터 동기화 과정에서 마주한 이슈 해결 여정을 공유했습니다.

#배포#cache
41005분
주소정제 서비스 내재화 - 2화 ( 그럴싸한 계획 )
마켓컬리
백엔드

주소정제 서비스 내재화 - 2화 ( 그럴싸한 계획 )

외부업체 호출을 줄이기 위해 행안부 API와 축적 데이터를 활용한 주소정제 1.0을 운영에 올렸습니다. 그러나 행안부 API 지연으로 장애가 발생해 핫픽스로 완화했고, 장기 해법은 아니라고 재평가했습니다.

#API#cache
27005분
Github Ops 로 Mono Repo 배포를 더욱 쉽게
AB180
데브옵스

Github Ops 로 Mono Repo 배포를 더욱 쉽게

GitHub 기능을 활용해 모노레포의 여러 컴포넌트를 더 쉽게 배포하는 방법을 다뤘습니다. 배포 흐름을 단순화하고 자동화하는 관점의 내용을 담았습니다.

#GitHub#module
27005분
테이블링에 이븐하게 스며들기
테이블링
백엔드

테이블링에 이븐하게 스며들기

온보딩 3개월 동안 미니 프로젝트와 멘토링, 문서화를 통해 팀 문화에 적응한 경험을 소개했습니다. 기획부터 배포까지의 체계적 흐름이 첫 프로젝트 적응에 큰 도움이 되었다고 정리했습니다.

#문서화#배포
36005분
삼성
데브옵스

고가용성을 위한 D-KMS 서비스의 무중단 배포와 자동화 전략

D-KMS의 고가용성과 안정적 배포를 위해 무중단 Canary 배포와 자동화 전략을 적용했습니다. 멀티 클러스터 아키텍처로 서비스 중단 없이 배포하는 방식을 다뤘습니다.

#cloud#canary
2005분
Koyeb 에 docker  로 나만의 서비스 배포하기
데보션
데브옵스

Koyeb 에 docker 로 나만의 서비스 배포하기

Koyeb과 Docker를 이용해 개인 서비스를 간편하게 배포하는 과정을 정리했습니다. Docker Hub 이미지와 Koyeb Web 서비스 설정으로 서버 관리 없이 배포할 수 있었습니다.

#Docker#Koyeb
28005분
컬리의 새로운 배송 시스템 구축 과정과 우리가 배운점
마켓컬리
백엔드

컬리의 새로운 배송 시스템 구축 과정과 우리가 배운점

새로운 배송 시스템을 점진 전환과 롤백 가능 구조로 설계해 안정적으로 교체했습니다. 현장 협업과 반복 검증을 통해 배송 불가와 장애 없이 전환을 완료했습니다.

#Kafka#agile
40005분
카카오페이 배포 효율화 1년 회고: 자동화 도입과 팀 생산성 향상
카카오페이
데브옵스

카카오페이 배포 효율화 1년 회고: 자동화 도입과 팀 생산성 향상

카카오페이의 배포 효율화 경험과 자동화 도입 과정을 회고한 글입니다. 배포 프로세스 개선이 팀 생산성 향상으로 이어진 사례를 공유합니다.

#배포#자동화
56005분
통합된 개발과 배포 : Monorepo와 GitOps의 매력적인 조합
사람인
아키텍처

통합된 개발과 배포 : Monorepo와 GitOps의 매력적인 조합

주요 서비스의 FE 분리 과정에서 Monorepo를 적용하고 배포 환경까지 함께 고민한 글입니다. 개발과 배포를 통합하는 방향으로 GitOps 조합을 검토했습니다.

#GitOps#Monorepo
30005분
홈페이지 제작 문의
씨앤텍시스템즈
기타

홈페이지 제작 문의

X

#web#UI/UX
15005분
버즈빌의 ML 플랫폼 Buzzflow (1) - 모델을 개발하고 관리하기
버즈빌
AI

버즈빌의 ML 플랫폼 Buzzflow (1) - 모델을 개발하고 관리하기

버즈빌의 머신러닝 플랫폼 Buzzflow를 소개하며, 모델 개발과 관리를 위한 파이프라인과 저장소 구성을 설명했습니다. 모델 배포 방식은 다음 글에서 이어서 다룰 예정입니다.

#ML#MLOps
21005분