

여기어때 CI/CD 개선기 Part 4: 공통 Helm Chart 설계와 추상화
공통 Helm Chart를 공통 템플릿과 서비스별 values.yaml로 분리해 배포 표준화를 이뤘습니다. CI, 단위 테스트, SemVer로 안정성과 점진적 적용도 확보했습니다.


공통 Helm Chart를 공통 템플릿과 서비스별 values.yaml로 분리해 배포 표준화를 이뤘습니다. CI, 단위 테스트, SemVer로 안정성과 점진적 적용도 확보했습니다.


AI 에이전트를 활용한 취약점 관리 자동화 사례를 Claude Code, Opus Security, Cycode, DeepSource 중심으로 정리했습니다.자동화는 탐지와 수정 효율을 높이지만, 수동 검토와 병행해야 한다고 설명했습니다.


AI 에이전트로 취약점 탐지부터 수정까지 자동화하는 보안 사례를 비교했습니다. 다만 자동화는 보완 수단이며, 인간의 검토와 병행이 필요하다고 정리했습니다.


Helm Chart를 서비스별로 분산 관리하던 구조를 중앙 레지스트리와 ECR 기반으로 재정비했습니다. 버전 관리와 롤백, 환경별 배포 재현성을 높여 CI/CD 운영 효율을 개선했습니다.


Amazon EKS Add-on으로 Falco를 설치해 Kubernetes 런타임 보안을 강화하는 방법을 소개했습니다. 커스텀 룰 적용과 CloudWatch 연동으로 탐지와 모니터링까지 구성했습니다.
.png&blockId=25ca69a8-2507-8026-827d-dfccb5fcbf58&width=2400)

인증 서버의 간헐적 응답 지연 원인을 DB 쿼리 폭증과 캐시 비효율에서 찾고 최적화했습니다.\n권한 조회, 캐시 구조, 커넥션 풀, Warm-up까지 개선해 안정성과 처리량을 높였습니다.


Claude Code를 자율형 코딩 에이전트로 소개하며 개발 전 과정을 자동화하는 흐름을 설명했습니다. MCP, 터미널 통합, 다중 에이전트로 생산성과 학습 효율을 높이는 활용법도 정리했습니다.


온프레미스 KVM VM을 외부에서 직접 접속할 수 있도록 브리지 네트워크 구성 방법을 정리했습니다. 라우팅 우선순위 조정으로 SSH 접근을 가능하게 하고 K8s 관리 편의성을 높였습니다.

A2A와 Genkit으로 레시피 추천용 AI 에이전트를 구축한 사례를 공유했습니다. 의미 판단은 AI에 맡기고 계산과 최적화는 코드와 인프라로 분리해 성능을 높였습니다.

A2A와 Genkit으로 레시피 추천용 AI 에이전트를 구축한 과정을 다뤘습니다. 330만 건 비교 문제를 필터링, 프롬프트 최적화, 병렬 인프라로 해결했습니다.


D-KMS의 고가용성을 위해 멀티 클러스터 이중화와 무중단 Canary 배포를 적용했습니다. 복잡한 배포 절차는 도구화와 GitHub Actions 자동화로 효율화했습니다.

기업 보안에서 접근 제어와 권한 관리의 중요성이 커지고 있음을 정리했습니다. PAM 솔루션 5종의 특징과 강점을 비교해 소개했습니다.