Our Journey to Autoscaling EKS Node Groups for Job Workloads
Job 워크로드는 중단에 취약해 EKS 노드그룹 오토스케일링이 어려웠습니다. 이를 해결하기 위해 PodAffinity로 bin-packing을 유도하고, 애노테이션으로 축소 중 종료를 막았습니다.
Job 워크로드는 중단에 취약해 EKS 노드그룹 오토스케일링이 어려웠습니다. 이를 해결하기 위해 PodAffinity로 bin-packing을 유도하고, 애노테이션으로 축소 중 종료를 막았습니다.
Job 워크로드를 위한 EKS Node Group 오토스케일링 적용 과정을 정리한 글입니다. Bin-packing과 강제 종료 방지, kubelet maxPods 조정까지 함께 다뤘습니다.


EFS 유지보수 시 새 서버의 TCP RST가 Security Group Outbound에서 차단되면 NFS I/O가 수분간 멈출 수 있었습니다. mount target에 EC2 SG 대상 All TCP Outbound를 추가하고 tcpdump로 RST 수신 여부를 확인해야 했습니다.


AWS EC2의 ENI와 네트워크 카드 구조, EFA 할당 규칙을 설명했습니다. p5와 p6 인스턴스의 분산 트레이닝용 네트워크 구성과 운영 포인트를 정리했습니다.

Agentic Workflow로 BMS 도면 분석을 자동화한 사례를 소개했습니다. 도면 패칭과 암묵지 추론을 결합해 2~3일 걸리던 작업을 10분으로 줄였습니다.


LG전자 ES사업부가 AWS와 협업해 BMS 계통도 분석을 Agentic Workflow로 자동화했습니다.\n2~3일 걸리던 작업을 10분으로 줄이고 전문가 수준 정확도를 확보했습니다.


야놀자가 Bedrock AgentCore와 Strands SDK로 AIOps 멀티 에이전트를 구축한 사례를 소개했습니다. 반복 운영 업무를 자동화해 수동 업무 시간과 MTTR을 줄이고 조직 내 AI 역량을 내재화했습니다.


프로덕션급 Multi-Agent 시스템에서 Context Window 한계를 넘기 위한 4계층 Context Engineering 기법을 소개했습니다. 멀티 에이전트 격리, 프롬프트 제어, 파일 외부화, 검증과 안전장치로 품질과 비용을 함께 다뤘습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


AWS에서 데이터 거버넌스를 구현하기 위한 기반 전략과 태깅, 분류 체계를 정리했습니다. 조직 준비와 자동화 중심의 운영 지표까지 함께 제시했습니다.

EKS 애플리케이션 로그를 Athena와 Amazon Bedrock으로 자동 분석하는 파이프라인을 구축했습니다. 수작업 로그 분석을 줄이고 장애 원인과 패턴을 빠르게 파악하도록 구성했습니다.


기존 Java/Spring 코드에서 그래프 스키마와 비즈니스 규칙을 추출해 spec.json을 만들고 GraphRAG를 구현하는 방법을 소개했습니다. Neptune Analytics와 Bedrock Knowledge Bases로 관계 기반 질의를 처리하는 흐름을 설명했습니다.


프로덕션 Multi-Agent 시스템이 겪는 실행 흐름, 검증, 보안, 운영 문제를 Deep Insight 아키텍처로 정리했습니다. Strands Agents SDK와 Bedrock, Fargate 기반 설계로 실전 배포와 운영 방법을 소개했습니다.