![[SpringBatch 연재 03] SpringBatch ChunkModel과 TaskletModel](https://devocean.sk.com/thumnail/2024/9/25/74f021b3ab022e65b987c73f6d5ccd913ec5bddb4c51ac0f3fd213bab5b9bf43.png)

[SpringBatch 연재 03] SpringBatch ChunkModel과 TaskletModel
Spring Batch의 Chunk Model과 Tasklet Model 차이를 정리했습니다. 데이터 규모와 처리 방식에 따라 적절한 모델을 선택하는 기준을 설명했습니다.
![[SpringBatch 연재 03] SpringBatch ChunkModel과 TaskletModel](https://devocean.sk.com/thumnail/2024/9/25/74f021b3ab022e65b987c73f6d5ccd913ec5bddb4c51ac0f3fd213bab5b9bf43.png)

Spring Batch의 Chunk Model과 Tasklet Model 차이를 정리했습니다. 데이터 규모와 처리 방식에 따라 적절한 모델을 선택하는 기준을 설명했습니다.


컬리의 리뷰 요약 서비스 PoC에서 베스트 리뷰의 한계를 보완하기 위해 LLM 기반 리뷰 선별 실험을 진행했습니다. Reasoning과 CoT를 적용해 검수 정확도와 투명성을 높이는 방법을 확인했습니다.


스마일게이트 메타휴먼 한유아가 호프컵 엠버서더로서 결연 아동과 대표팀을 응원했습니다. 온라인 댓글을 모아 현장에 전달하는 지속형 나눔 활동도 이어갈 예정입니다.


그룹콜 서비스의 PeerConnection 폭증 문제를 Origin-Edge 구조와 Router로 완화한 미디어 서버 인프라를 소개했습니다. 또한 라이브 스트리밍 인프라와 통합해 수평 확장과 운영 효율을 높인 과정을 설명했습니다.

X

대규모 검색 재순위화를 위해 LLM 서빙 프레임워크와 최적화 방법을 비교하고, TRT-LLM과 Triton 조합을 채택했습니다. 양자화, 배치 조절, OpenTelemetry와 대시보드로 성능과 운영 가시성을 함께 확보했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

네이버 통합검색의 LLM 기반 실시간 재순위화 서빙 아키텍처와 고부하 대응 방법을 정리했습니다. 원격 캐시, 비동기 호출, 스로틀링으로 검색 서버 보호와 응답 시간 최적화를 다뤘습니다.


내적을 벡터의 유사도와 투영으로 설명하며 딥러닝 이해의 기초 개념으로 풀어냈습니다. 코사인 값과 그림자 비유를 통해 Transformer와 GPU 연산의 직관을 제시했습니다.


AKS 환경에서 EFK를 적용해 로그를 통합 관리하는 방법을 소개했습니다. Fluentd 데몬셋, Spring JSON 로그, Kibana 조회 설정을 함께 정리했습니다.


Windows에서 vcpkg custom registry로 C/C++ 패키지를 배포하는 과정을 설명했습니다. 포트 작성부터 versions 갱신, 설치 검증까지 실제 예제로 보여주었습니다.


DispatchQueue.main.async의 의미를 GCD와 DispatchQueue 개념부터 차근차근 설명했습니다. sync와 async, Serial Queue와 Concurrent Queue 차이까지 예제로 정리했습니다.

스타트업과 함께 진행한 PoC 프로젝트에서 AIoT 플랫폼을 활용한 경험을 소개했습니다. 하드웨어 구성과 토크값 관리 목적의 협업 과정을 간단히 정리했습니다.