푸른영혼의 별 | Tech Blog
Java Backend Engineer의 기술 블로그입니다.
Spring Boot, MSA, JPA, Kafka, Kubernetes 등 실무 경험을 공유합니다.
주요 프로젝트: Settlement MSA · ASAT · GitHub
Posts (총 312편 · 1 / 32 페이지)
-
-
-
AX 시대 의 문제정의 능력 — *백엔드 개발자* 관점 에서
AI 가 코드 를 대신 써 준다. 그럼 개발자 의 가치 는 어디 로 가는가?
-
AI 검색·추천 을 *KPI* 로 말하기 — 벡터 검색 의 3 가지 지표
“AI 붙였다” 는 흔 하다. 하지만 검색 이 정확 한지, 추천 이 쓸 만 한지, 빠른지 를 지표 로 말할 수 있어야 실무 다. 이 글 은 내 AI 이커머스 검색·추천 플랫폼(Spring AI + PostgreSQL 16 + pgvector) 을 3 개 KPI 로 나눠 정리한다.
-
정산 시스템 을 *KPI* 로 말하기 — 돈 을 다루는 코드 의 4 가지 지표
정산(settlement) 은 돈 을 다룬다. 그래서 “동작 한다” 로는 부족 하다 — 한 번 도 틀리면 안 되고, 틀렸을 때 추적 가능 해야 한다. 이 글 은 내 정산 시스템 을 4 개 KPI 로 나눠, 각각 을 어떤 패턴 으로 보장 했는지 정리한다.
-
쿠버네티스 운영 을 *KPI* 로 말하기 — 6 노드 홈랩 을 지표 로 증명
“쿠버네티스 운영 잘 한다” 는 말 은 공허 하다. 무엇 을, 어떤 지표 로 개선 했는지 가 있어야 한다. 이 글 은 내 6 노드 K3s 홈랩(75 ArgoCD 앱 / 60 namespace / 188 running pod) 을 5 개 KPI 로 나눠, 각각 을 어떻게 측정 하고 어떻게 끌어올렸는지 정리한다.
-
GitOps 자동배포 는 위험한가 — *git push 가 곧 프로덕션* 일 때 의 안전장치
내 6 노드 K3s 클러스터 는 75 개 ArgoCD 애플리케이션 을 GitOps 로 굴린다.
git push를 하면 사람 손 없이 프로덕션 까지 반영된다. 편하다. 그런데 누군가 이런 질문 을 했다: -
K3s 홈랩 사용기 — *직접 만든 대시보드* 로 6 노드 를 지키는 법
집 에 6 대 의 머신 으로 K3s 클러스터 를 굴린 지 두 달 이 넘었다. 노트북 몇 대, 2014 년 산 맥 미니, 데스크탑 하나 — 제각각 인 하드웨어 위 에서 60 개 namespace / 338 개 pod 가 돈다. 이 글 은 그 홈랩 을 운영 하며 직접 만든 대시보드 이야기, 그리고 “Alerts 132” 인데 왜 멀쩡 한가 라는 홈랩 특유 의 현실 에 대한 사용기.
-
실무 AI 사용법 — *자가진단 8 문항* 으로 정리 하는 AI 활용 역량
요즘 “AI 쓴다” 는 말 은 흔 하다. 그런데 어떻게 쓰느냐 는 사람 마다 천차만별 이다. ChatGPT 창 에 질문 하나 던지는 것 과, 검증 절차·자동화·보안 기준 을 갖춘 워크플로우 는 같은 “AI 사용” 이 아니다.
-
ELK 로그 스택 실전 — Kibana 로 K3s 클러스터 로그 를 *다* 보는 법
앞 글 에서 Grafana 는 메트릭(Prometheus) 을 본다 고 했다. 그럼 로그 는? 로그 는 ELK 스택 — Elasticsearch + Logstash + Kibana — 가 맡는다. 내 6 노드 K3s 클러스터 에서 지금 이 순간 에도 초당 수십 건 의 로그 가 쌓이고 있고, 인덱스 에는 약 1,500 만 건 이 들어 있다. 이 글 은 그 로그 가 어디 를 거쳐 Kibana 까지 오는지, 그리고 실 스크린샷 으로 무엇 을 읽는지 를 정리.