글로벌 앱 시장이 보내는 2가지 신호
글로벌 앱 시장이 보내는 2가지 신호
MAU Vegas 2026에서 UGC와 광고 수익화가 앱 시장의 두 축으로 부상함을 확인했습니다. 알라미는 그 교집합에서 글로벌 프레젠스를 키우고 있었습니다.
#모바일#광고 수익화
63005분
새로운 기술 블로그가 추가되었어요
필터 0
LLM은 언제 ＂모른다＂고 말해야 하는가
LLM은 정답을 맞히는 능력만큼, 모를 때 멈추는 능력도 중요하다고 정리했습니다. 모델 크기나 추론 강화만으로는 부족해, 별도의 평가와 정렬 설계가 필요했습니다.
#LLM#NLP
55205분
폐쇄망 Maven 빌드가 429를 만난다면 - GitLab Virtual Registry로 의존성 에러 해결하기
폐쇄망 Maven 빌드에서 발생하는 429 에러의 원인과 구조를 정리하고 GitLab Maven Virtual Registry로 해결하는 방법을 설명했습니다. 캐싱 프록시와 upstream 순서 설정으로 외부 요청을 줄이는 실전 팁도 함께 다뤘습니다.
#GitLab#Maven
50005분
![[AI가 읽을 수 있는 코드베이스 3/5] Standalone App: 도메인 슬라이스 독립 실행](https://cdn.sanity.io/images/v31psllp/production/c72e37fd2798380477938778b0b7d6bfedb91235-1684x1030.png)
[AI가 읽을 수 있는 코드베이스 3/5] Standalone App: 도메인 슬라이스 독립 실행
Hexagonal Architecture로 Issue 도메인을 standalone-app으로 독립 실행해 핵심 비즈니스 로직만 검증하는 구조를 소개했습니다. AI 에이전트의 빠른 피드백 루프와 격리된 검증 환경을 만드는 방법을 설명했습니다.
#Hexagonal Architecture#Kotlin
32005분
플랫폼은 왜 계속 다시 설계되어야 할까 - Server Platform Team 이야기
서버 플랫폼 팀이 조직 성장에 맞춰 플랫폼을 계속 재설계하는 이유를 소개했습니다. AI 시대의 분석·개발·운영 변화와 그에 따른 가드레일까지 함께 다뤘습니다.
#SRE#CI/CD
82005분
Part 3: Kiro로 RDS/Aurora 장애 분석 자동화하기 — 매일 자동으로 보고서 받기
EC2와 cron으로 Kiro 기반 RDS/Aurora 점검 보고서 자동화 구성을 설명했습니다. S3 Presigned URL과 SES, Slack 연동으로 매일 링크를 받아보는 방법을 다뤘습니다.
#AWS#Amazon RDS
34005분
Part 2: Kiro로 RDS/Aurora 장애 분석 자동화하기 — 터미널에서 분석하기
Kiro CLI와 Custom Agent로 RDS/Aurora 장애 분석을 터미널에서 자동화하는 방법을 소개했습니다. Aurora MySQL Replication Lag 사례로 실제 원인 분석과 보고서 생성 과정을 확인했습니다.
#AWS#Kiro
22005분
Part 1: Kiro로 RDS/Aurora 장애 분석 자동화하기 — IDE에서 분석하기
Kiro IDE와 MCP 서버, Hook을 이용해 RDS/Aurora 장애 분석과 HTML 보고서 생성을 자동화하는 방법을 소개했습니다. 실제 Aurora MySQL 슬로우 쿼리로 인한 Reader CPU 스파이크를 자동 식별한 사례도 함께 다뤘습니다.
#AWS#RDS
33005분
“장보기 지원금이 곧 소멸돼요” 알림 뒤에서 일어난 일
“장보기 지원금이 곧 소멸돼요” 알림 뒤에서 일어난 일
장보기 지원금 소멸 알림 배치에서 메시지 발송 대기 중 DB 커넥션을 오래 점유해 타임아웃이 발생했습니다. 이를 위해 리소스 사용 구간과 발송 대기 구간을 분리해 배치 안정성을 높였습니다.
#Spring Batch#DB
105005분
Amazon EC2 G5/G6 인스턴스에서 GPU Tensor Parallelism으로 비용 효과적으로 LLM 서빙하기
vLLM Tensor Parallelism으로 G5/G6의 24GB GPU 여러 장에 LLM을 분산 서빙하는 방법을 설명했습니다. 벤치마크에서 TP=4는 응답 속도와 처리량을 크게 개선했으며, 비용 효율적인 대안으로 제시했습니다.
#AWS#EC2
17005분
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
중고 의류 디테일컷 자동 생성을 위해 VLM 대신 Detector와 규칙 기반 크롭을 선택했습니다.\n그 결과 공정 시간을 90% 줄이고 11만 개 상품에 일괄 적용했습니다.
#LLM#AWS Lambda
80005분
Apache Airflow 3.x Dag Parsing 최적화 체크리스트
Airflow DAG 파싱 최적화는 메트릭 기반 측정과 설정 튜닝, 코드 위생 점검이 핵심입니다. 특히 Airflow 3.x의 설정 이동과 ignore 문법 변경을 함께 확인해야 했습니다.
#Airflow#dag-processor
30205분