필터 0
선택된 필터 없음
Grafana를 이용하여 Azure PlayFab 모니터링 하기
클라우드메이트
데브옵스

Grafana를 이용하여 Azure PlayFab 모니터링 하기

Grafana로 Azure PlayFab을 모니터링하는 방법을 소개하는 글입니다. 클라우드 환경에서 게임 서비스 관측과 대시보드 구성 방향을 다룹니다.

#Grafana#Azure
18005분
비브로스
프론트엔드

리팩터링 가이드 - 좋은 코딩 습관을 기르자

리팩터링을 기능은 그대로 두고 코드 구조를 개선하는 방법으로 정리했습니다. 함수 추출, 조건문 분해, 특이 케이스 추가 같은 기본 기법과 적용 흐름을 소개했습니다.

#refactoring#Java
22005분
쿠키런: 킹덤 런칭 회고
데브시스터즈
데브옵스

쿠키런: 킹덤 런칭 회고

쿠키런: 킹덤 런칭을 앞두고 데브옵스 팀이 인프라와 데이터베이스, Kubernetes 운영 체계를 준비한 과정을 회고했습니다. 전사 테스트와 반복 부하 테스트로 규모를 검증했고, 런칭 후에는 모니터링과 스토리지 증가 추적까지 이어갔습니다.

#Kubernetes#CockroachDB
18005분
클라우드에서 자동화는 어떻게 할까?
클라우드메이트
데브옵스

클라우드에서 자동화는 어떻게 할까?

클라우드와 온프레미스 운영에서 자동화 필요성을 다룬 글입니다. 사람 개입을 줄이기 위한 태스크 자동화의 개념을 간단히 소개했습니다.

#cloud#자동화
19005분
스토리지 기초지식 11편: 재해복구
글루시스
데브옵스

스토리지 기초지식 11편: 재해복구

재해복구의 개념과 사이트 유형, 구축 방식, 계획 수립 기준을 정리한 글입니다. 비즈니스 중요도에 맞춰 RPO와 RTO를 설정하고 복제 전략을 세우는 방법을 설명합니다.

#재해복구#페일오버
16005분
NRTI (Near Real-Time Indexing)
딜리셔스
백엔드

NRTI (Near Real-Time Indexing)

Elasticsearch 색인 구조를 Kafka와 Debezium 기반 이벤트 처리로 전환한 사례를 소개했습니다. ECK를 함께 적용해 색인 속도와 운영 안정성을 함께 높였습니다.

#Elasticsearch#Kafka
20005분
효율적인 하둡 플랫폼 운영을 위한 “Hive 사용량 통계 레포트” 개발기
네이버 플레이스
백엔드

효율적인 하둡 플랫폼 운영을 위한 “Hive 사용량 통계 레포트” 개발기

Hive 사용량 통계를 수집해 하둡 플랫폼 운영 효율을 높인 개발 사례를 소개했습니다. 크롤링 한계를 로그 분석과 실시간 처리 구조로 개선하고 Iceberg 적재 방식도 조정했습니다.

#Hive#Hadoop
20005분
모두를 위한 접근성 이야기
카카오페이
프론트엔드

모두를 위한 접근성 이야기

카카오페이 UI 개발 경험을 바탕으로 접근성을 지켜야 하는 이유와 쉽게 준수하는 방법을 공유합니다. 개발자가 실무에서 접근성을 적용할 때의 관점을 간단히 정리했습니다.

#UI/UX#접근성
15005분
SK C&C
기타

World Quality Report(2022-23) 소개 (1)

World Quality Report 2022-23를 통해 글로벌 품질·테스팅 동향과 핵심 권고사항을 정리했습니다. QA를 Quality Engineering으로 확장하고, 자동화·클라우드·Sustainable IT·VSM을 함께 고려할 필요성을 다뤘습니다.

#Quality Engineering#test
14005분
AWS에서 Apache Kafka를 이용하는 방법(MSK)
클라우드메이트
데브옵스

AWS에서 Apache Kafka를 이용하는 방법(MSK)

AWS에서 Apache Kafka를 사용하는 MSK를 소개하고, 마이그레이션 과정에서의 활용 배경을 다루었습니다. 또한 서비스 이해를 돕기 위해 직접 실습한 내용을 중심으로 설명했습니다.

#AWS#Kafka
26005분
AWS SDK로 AWS 인프라 관리하기(boto3 설치 및 구성)
클라우드메이트
데브옵스

AWS SDK로 AWS 인프라 관리하기(boto3 설치 및 구성)

AWS SDK로 AWS 리소스를 관리하는 방법을 소개하는 글입니다. boto3 설치와 구성 중심으로 기본 사용 흐름을 설명합니다.

#AWS#Python
15005분
리디의 머신러닝 파이프라인 톺아보기
RIDI
AI

리디의 머신러닝 파이프라인 톺아보기

리디 데이터사이언스팀이 기존 시스템을 활용해 머신러닝 파이프라인을 구축한 사례를 소개했습니다. 학습, 배포, A/B 테스트, 모니터링까지 유기적으로 연결해 운영 효율을 높였습니다.

#ML#MLOps
30005분