IT기술

생성 모델의 발전 과정과 이상탐지 분야에서의 활용

by

생성 모델(Generative Model)은 데이터의 확률 분포를 학습하여 새로운 데이터를 생성하는 모델입니다. 생성형 AI의 핵심 기술로 주목받고 있으며, 이미지 생성뿐만 아니라 이상탐지(Anomaly Detection), 데이터 증강(Data Augmentation) 등 다양한 산업 분야에서 활용되고 있습니다. AI 도입이 기업 전반으로 확대되면서 생성 모델의 활용 범위 … 더 보기

공간 데이터, 연결되어 보인다고 연결된 게 아닙니다

by

네트워크 통합부터 E2SFCA 접근성 분석까지 들어가며 공간 데이터를 다루다 보면 한 번쯤 이런 경험을 하게 됩니다. QGIS나 지도 화면에서 보면 도로가 분명히 이어져 있는데, 파이썬에서 경로 분석을 돌려보면 엉뚱한 결과가 나옵니다. 두 지점 사이에 분명히 도로가 있고, 거리도 가까운데, 알고리즘은 … 더 보기

MSA기반 시스템의 성능저하의 주요요인과 이를 해결하기 위한 방법

by

Microservices Architecture(MSA)는 확장성과 유연성을 제공하는 현대적 시스템 구조이지만, 실제 운영 환경에서는 구조적 특성으로 인해 다양한 성능 저하 문제가 발생한다. 이러한 문제는 단순한 구현 수준의 이슈가 아니라, 서비스 분산에 따른 네트워크, 데이터, 호출 방식, 장애 전파 구조 등에서 기인한다. 따라서 각 … 더 보기

MSA 아키텍처에서 SAGA 패턴: 개념, 활용 방법, 사례 및 고려사항

by

1. 서론 최근 디지털 서비스 환경은 빠른 변화와 확장성을 요구받고 있으며, 이에 따라 마이크로서비스 아키텍처(MSA, Microservice Architecture)가 주요 설계 방식으로 자리잡고 있다. MSA는 서비스 단위를 작게 나누어 독립적으로 개발, 배포, 확장이 가능하다는 장점을 가지지만, 동시에 데이터 일관성과 트랜잭션 처리라는 새로운 … 더 보기

MSA와 DDD 관점에서 바라본 운영의 Observability 표준 (Logs/Metrics/Tracing)

by

마이크로서비스 아키텍처(MSA)의 확산은 도메인별 독립 배포와 무중단 확장이라는 강력한 이점을 제공하는 동시에, 수십·수백 개 서비스가 맞물린 환경에서 “로그는 남는데 원인은 알 수 없는” 운영 복잡성이라는 근본적인 과제를 안겨주고 있다. 이 과제의 해법으로 주목받는 관찰 가능성(Observability)은 단순한 모니터링을 넘어, 로그(Logs)·메트릭(Metrics)·분산 추적(Tracing)이라는 … 더 보기

MSA 기반 시스템의 성능저하의 주요 요인과 이를 해결하기 위한 방법

by

2010 년대 초반, 아마존, 넷플릭스, 구글 등 글로벌 테크 기업들은 대규모 트래픽 처리와 빠른 서비스 배포를 위해 모놀리식(Monolithic) 아키텍처에서 마이크로서비스 아키텍처(MSA)로의 전환을 시작하였다. 2014 년 이후 MSA 개념이 대중화되었고, 한국에서는 2016 년 파스타 (PaaS-TA) 오픈을 기점으로 카카오, 네이버, 쿠팡, 배달의 … 더 보기

빅재미(BigZami) 기반 분석 워크플로우 설계 가이드

by

1. 노코드 기반 분석 환경에서 설계가 중요한 이유 데이터 분석 도구는 점점 더 사용하기 쉬운 방향으로 발전하고 있다. 과거에는 R, Python과 같은 코드 중심 환경이 일반적이었지만, 최근에는 마우스 기반 인터페이스에서 분석 과정을 구성할 수 있는 플랫폼이 확산되고 있다. 그러나 사용이 … 더 보기

외부 서비스 장애 경험을 통해 본 동기 호출 구조의 한계

by

최근 시스템 설계를 공부하면서, “이 이론을 지금 프로젝트에 적용해보면 어떨까?”라는 질문에 시작하여 블로그 글을 작성하게되었습니다. 현재 진행중인 프로젝트는 외부 서비스와 통합하여 분석 파이프라인 서비스를 제공하고 있습니다. 이 실무 과정에서 외부 서비스와 관련되어 문제가 발생하였습니다. 자료 업로드 후, 외부 전처리 API를 … 더 보기

RDB 한계를 넘기 위해 Redshift Serverless와 이벤트 기반 파이프라인을 도입한 이야기

by

STT(Speech-to-Text) 및 TA(Text Analysis) AI 데이터를 시각화하는 대시보드를 운영하고 있습니다. 초기 웹 애플리케이션은 대시보드 성격보다는 AI 추론 결과를 검증하고 재학습 데이터를 생성하기 위한 검증 도구로 설계되었습니다. 이후 고객 니즈에 따라 대시보드 화면이 추가되었고, 점차 분석 및 조회 기능이 확장되었습니다. 초기에는 … 더 보기

데이터 품질은 점검이 아니라 설계다.

by

차세대 프로젝트 경험 기반 재구성 사례 차세대 프로젝트에서 품질대상을 선별해 규칙 세팅과 진단을 수행하며 전반적인 데이터 품질의 개념과 경험을 기반으로 구성한 사례로 품질 진단 방식에 대해서 공유합니다. 제가 경험한 프로젝트는 전환과 초기 적재 대상을 기준으로 품질 진단을 했으며, 일반적으로 일시적 … 더 보기