
AI가 방금 짠 코드, 저희 서버에서 돌아갑니다
사용자와 AI가 만든 코드를 운영 서버에서 안전하게 실행하기 위해 별도 Kernel 계층을 설계했습니다. 기존 서비스와 실행 환경을 분리하고 인증정보와 세션 상태를 밖으로 빼는 방향을 정리했습니다.

사용자와 AI가 만든 코드를 운영 서버에서 안전하게 실행하기 위해 별도 Kernel 계층을 설계했습니다. 기존 서비스와 실행 환경을 분리하고 인증정보와 세션 상태를 밖으로 빼는 방향을 정리했습니다.

네오클라우드 GPUaaS와 고밀도 AIDC가 AI 인프라의 성능과 효율을 어떻게 뒷받침하는지 설명했습니다. MIG, RDMA, 액체 냉각 등 핵심 기술로 고전력 AI 워크로드를 수용하는 방식을 다뤘습니다.

쿠버네티스 전환으로 커진 VictoriaMetrics 리소스 문제를 조회·저장·수집 세 레이어로 나눠 최적화했습니다. 쿼리 분할, 보관 기간 축소, 수집 대상 축소로 장비 증설 없이 안정화했습니다.

Kubernetes Gateway API의 Policy 객체로 트래픽 제어를 세밀하게 나누는 방법을 정리했습니다. Ingress Annotation 대신 표준 CRD와 attach 방식 차이를 이해하는 것이 핵심입니다.

Kubernetes v1.35 Timbernetes의 주요 기능과 변경점을 정리했습니다. AI 워크로드 지원과 운영 개선, 업그레이드 시 주의사항을 함께 다뤘습니다.

Kubernetes StatefulSet의 Immutable 제약을 우회해 PVC를 먼저 확장하고 Non-cascade로 컨트롤러만 교체하는 절차를 정리했습니다. 서비스 중단 없이 스토리지를 늘리는 실무 트러블슈팅 방법을 설명했습니다.

AI 시대의 경쟁력은 빠른 실행과 실무 적용에 있다고 정리했습니다. 컨테이너 자원 최적화, AI 인프라 투자, AI Agent 활용 사례를 함께 소개했습니다.


업스테이지와 래블업이 독자 AI 파운데이션 모델 1차수 평가 통과 과정을 공유했습니다. 대규모 GPU 인프라 운영과 학습 최적화, 자동 복구 체계가 핵심이었습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

토스페이먼츠가 경계보안부터 제로트러스트까지 보안 체계를 단계적으로 고도화한 과정을 공유했습니다. IDC와 AWS 하이브리드 환경에서 다층 방어와 지속 검증 체계를 구축했습니다.

LY Corporation의 프라이빗 클라우드 Flava가 향후 어떻게 진화할지 소개했습니다. 개발자 경험, 보안, 스토리지, AI 기반 운영 자동화를 중심으로 미래 방향을 제시했습니다.

클라우드 네이티브 환경에서 애플리케이션 이식성을 높이는 방법을 정리했습니다. 컨테이너, 설정 외부화, 배포 전략으로 재배포 중심의 복구와 무중단 운영을 설명했습니다.

Amazon Linux 1 지원 종료로 EKS 노드그룹 전환이 필요해졌습니다. 운영 구조를 유지하려면 새 노드그룹 교체가 기본 전략이 되고, 필요 시 신규 클러스터도 고려해야 했습니다.