
모델 서빙 최적화를 위한 프레임워크 선정과 서빙 성능 극대화하기
카카오페이의 모델 서빙 최적화를 위해 프레임워크를 도입한 과정과 성능 개선 테스트 결과를 공유합니다. 효율적인 서빙을 위한 선정 기준과 최적화 관점을 함께 다룹니다.
새로운 기술 블로그가 추가되었어요

카카오페이의 모델 서빙 최적화를 위해 프레임워크를 도입한 과정과 성능 개선 테스트 결과를 공유합니다. 효율적인 서빙을 위한 선정 기준과 최적화 관점을 함께 다룹니다.


QueryDSL Projection으로 N+1 쿼리를 제거해 엑셀 다운로드 시간을 크게 줄였습니다. SXSSFWorkbook으로 변경해 대용량 엑셀 생성의 메모리 사용량과 처리 시간도 개선했습니다.


웹 성능 최적화를 렌더링과 로딩으로 나누고, 이번 글에서는 애니메이션 최적화에 초점을 맞추었습니다. Reflow와 Repaint 개념을 정리한 뒤 transform 활용과 Performance 탭 측정 결과를 비교했습니다.

브라우저 렌더링 경로와 Reflow·Repaint가 애니메이션 성능에 미치는 영향을 설명했습니다. 사운드 미터 비교를 통해 transform 기반 구현의 Layout 비용 감소를 확인했습니다.


상품 이미지가 많은 페이지의 과도한 초기 로딩 문제를 Intersection Observer 기반 Lazy Loading으로 개선했습니다.\n최초 이미지 리소스를 평균 9.6MB로 줄이고 첫 페이지 로딩 시간을 평균 5.5초로 단축했습니다.

LoadRunner Cloud의 스크립트 업로드, 워크로드 설정, AWS 기반 부하 발생과 결과 분석 흐름을 소개했습니다.\n실행 시간 기준 라이선스 차감으로 반복 성능 테스트 부담을 낮추는 특성을 설명했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


유지 보수가 중단된 AUIL의 대안으로 Glide와 Coil을 이미지 로딩 조건별로 비교했습니다. 성능과 자원 사용량의 균형, 중복 4K 이미지 처리 결과를 근거로 Glide를 도입했습니다.


Elasticsearch에서 문서별 광고 할당 확률을 구현하는 script와 function_score 방식을 비교했습니다. random_score·decay 조합의 구현 원리와 성능 검증 필요성을 설명합니다.

Lighthouse CI를 GitHub Actions에 연동해 웹 성능 측정과 보고서 생성을 자동화했습니다.\n임계값 검증과 PR 댓글 지표 공유로 성능 저하를 병합 전에 확인합니다.

Lighthouse CI를 GitHub Actions에 연동해 웹 성능 측정과 보고서 생성을 자동화했습니다. 점수 기준으로 CI를 실패시키고 PR 댓글에 FCP·LCP 등 상세 지표를 표시했습니다.

AWS Graviton2를 티맵 경로탐색 엔진에 모듈별로 적용한 성능 검증 사례를 다뤘습니다. JVM 기반 서비스에서 비용 대비 성능 개선 효과를 확인했습니다.

V8 엔진의 세대별 힙 구조와 마이너·메이저 가비지 컬렉션 흐름을 설명했습니다. Orinoco 기술로 stop-the-world 시간을 줄이는 방식을 정리했습니다.

HTTP/2가 HTTP/1.1의 HOL Blocking, RTT, 헤더 중복 문제를 보완하는 방식을 설명했습니다. AWS CloudFront와 ALB에서의 적용 방법 및 기존 최적화 기법 재검토 사항을 소개합니다.

Canvas ImageData의 색상 수집 작업을 다중 웹 워커로 분할해 처리 시간을 줄였습니다.\n메인 스레드 블로킹을 완화해 UI 갱신과 다른 스크립트 지연을 줄였습니다.