국내 IT 기업 기술 블로그 최신 글

필터 1
Amazon Aurora 및 Amazon RDS의 PostgreSQL 18: 성능 향상
AWS
백엔드

Amazon Aurora 및 Amazon RDS의 PostgreSQL 18: 성능 향상

PostgreSQL 18의 주요 성능 향상 기능을 Amazon Aurora 및 Amazon RDS 기준으로 정리했습니다. 복합 인덱스 활용, EXPLAIN 가시성, autovacuum 제어 개선을 함께 소개했습니다.

#AWS#Aurora
3300
[Databricks Data + AI Summit 2026] Agentic AI 데이터 플랫폼 전략
농심NDS
기타

[Databricks Data + AI Summit 2026] Agentic AI 데이터 플랫폼 전략

Databricks Summit 2026 키노트를 바탕으로 Agentic AI 시대의 데이터 플랫폼 전략을 정리했습니다. 실시간 데이터, 비즈니스 컨텍스트, 거버넌스의 중요성을 강조했습니다.

#Databricks#LLM
2800
[Databricks Data + AI Summit 2026] 키노트로 본 Agentic Data 시대의 시작
농심NDS
기타

[Databricks Data + AI Summit 2026] 키노트로 본 Agentic Data 시대의 시작

Databricks Data + AI Summit 2026 키노트에서 Agentic AI 시대의 데이터 플랫폼 방향을 정리했습니다. 실시간 데이터 기반과 비즈니스 컨텍스트, 중앙 거버넌스가 핵심으로 제시됐습니다.

#Databricks#LLM
4000
AI가 쓴 SQL을 안전하게 쓰는 법
아임웹
AI

AI가 쓴 SQL을 안전하게 쓰는 법

자연어를 SQL로 바꾸는 과정에서 LLM이 만든 쿼리를 그대로 믿지 않고 여러 단계로 검증하는 구조를 소개했습니다. 도메인 지식은 DB에 담고, 실행 전후 게이트와 회귀 평가로 안전성과 품질을 지켰습니다.

#LLM#SQL
2500
현대오토에버의 Amazon Bedrock으로 구축한 빅데이터 클러스터 장애 대응 자동화 에이전트 구축기
AWS
AI

현대오토에버의 Amazon Bedrock으로 구축한 빅데이터 클러스터 장애 대응 자동화 에이전트 구축기

LangGraph와 Amazon Bedrock, OpenSearch를 결합해 빅데이터 클러스터 장애 대응을 자동화했습니다. 병렬 RCA와 반증 검증으로 진단 품질을 높이고 MTTA를 줄였습니다.

#Amazon Bedrock#LangGraph
7400
Sentry를 바로 도입하지 않고 200줄 에러 트래커를 만든 이유
여기어때
프론트엔드

Sentry를 바로 도입하지 않고 200줄 에러 트래커를 만든 이유

Sentry 대신 필요한 기능만 남긴 작은 에러 트래커를 직접 만들어 운영한 사례를 정리했습니다.재배포 없이 기준을 조정하고 반복 에러만 선별하는 방식의 장단점을 공유했습니다.

#Sentry#Edge Function
12900
Aurora PostgreSQL에서 한국어 하이브리드 검색 구현하기: pg_bigm + pgvector로 만드는 한국어 특화 RAG
AWS
AI

Aurora PostgreSQL에서 한국어 하이브리드 검색 구현하기: pg_bigm + pgvector로 만드는 한국어 특화 RAG

Aurora PostgreSQL에서 pg_bigm과 pgvector를 RRF로 결합해 한국어 하이브리드 검색을 구현하는 방법을 소개했습니다. 한국어 조사와 자연어 질문의 한계를 보완해 RAG 검색 품질을 높이는 구조와 예시를 제시했습니다.

#PostgreSQL#pg_bigm
10500
쿠팡 파트너스

광고

개발자를 위한 서적을 확인해 보세요

이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

#개발서적#프로그래밍
AI Native 레포에서 조직으로: hollon-ai 구축기
채널톡
AI

AI Native 레포에서 조직으로: hollon-ai 구축기

팀챗을 공용 인터페이스로 삼아 AI를 조직의 실행 흐름에 연결한 구축 사례를 소개했습니다. Claude Code 위에 상태머신, K8s 실행기, 메모리 계층을 얹어 보안 대응과 운영 점검까지 확장했습니다.

#Kubernetes#Redis
1400
AI Native 레포에서 조직으로: hollon-ai 구축기
채널톡
AI

AI Native 레포에서 조직으로: hollon-ai 구축기

AI Native 레포를 조직 전체가 쓰는 실행 harness로 확장한 hollon-ai 구축기를 소개했습니다. 팀챗, Kubernetes, 상태머신, 메모리 계층으로 요청부터 복구까지 같은 흐름에 묶었습니다.

#LLM#Kubernetes
3500
채널톡 메인 백엔드 서버 CI 개선기
채널톡
데브옵스

채널톡 메인 백엔드 서버 CI 개선기

채널톡 메인 백엔드 서버의 CI 병목을 단계적으로 분해해 개선한 과정을 정리했습니다. 공유 상태 제거, prepare 분리, 동적 큐와 캐시로 실행 시간을 크게 줄였습니다.

#CI/CD#Java
700
채널톡 메인 백엔드 서버 CI 개선기
채널톡
데브옵스

채널톡 메인 백엔드 서버 CI 개선기

AI가 코드를 빠르게 만들수록 CI 병목과 피드백 속도가 더 중요해졌습니다. 채널톡은 공유 상태 제거와 캐시, 동적 큐로 메인 백엔드 CI를 36.6분에서 15분대까지 줄였습니다.

#CI/CD#Java
5700
Amazon Aurora PostgreSQL에서 pgvector 0.8.0을 통한 벡터 검색 성능 및 관련성 향상
AWS
AI

Amazon Aurora PostgreSQL에서 pgvector 0.8.0을 통한 벡터 검색 성능 및 관련성 향상

Amazon Aurora PostgreSQL에서 pgvector 0.8.0의 반복적 스캔과 비용 추정 개선을 소개했습니다. 필터링된 벡터 검색의 재현율과 지연 시간을 함께 개선하는 방법을 다뤘습니다.

#PostgreSQL#pgvector
6000
Amazon Aurora PostgreSQL에서 Amazon Bedrock으로 벡터 임베딩 생성 자동화
AWS
AI

Amazon Aurora PostgreSQL에서 Amazon Bedrock으로 벡터 임베딩 생성 자동화

Aurora PostgreSQL에서 Amazon Bedrock으로 임베딩을 자동 생성하는 5가지 방식을 비교했습니다. 요구사항에 따라 실시간 일관성, 확장성, 운영 단순성의 균형을 선택할 수 있습니다.

#Amazon Bedrock#PostgreSQL
4300
CloudWatch Database Insights를 통한 실행 계획 분석으로 Amazon Aurora PostgreSQL 데이터베이스 성능 최적화 및 문제 해결하기
AWS
데브옵스

CloudWatch Database Insights를 통한 실행 계획 분석으로 Amazon Aurora PostgreSQL 데이터베이스 성능 최적화 및 문제 해결하기

Aurora PostgreSQL에서 CloudWatch Database Insights로 실행 계획을 비교해 성능 저하 원인을 분석했습니다. 인덱스 삭제와 work_mem 부족으로 인한 병목을 찾아 최적화하는 방법을 소개했습니다.

#CloudWatch#Amazon Aurora
7200