

Amazon OpenSearch Service백프레셔와 Admission Control에 대한이해와 클러스터 복원력 향상
Amazon OpenSearch Service의 백프레셔와 Admission Control로 검색 요청을 제어해 클러스터 복원력을 높이는 방법을 소개했습니다. 429 오류 대응, 모니터링 방법, 재시도 전략도 함께 설명했습니다.


Amazon OpenSearch Service의 백프레셔와 Admission Control로 검색 요청을 제어해 클러스터 복원력을 높이는 방법을 소개했습니다. 429 오류 대응, 모니터링 방법, 재시도 전략도 함께 설명했습니다.


롯데백화점은 Bedrock과 Strands Agents로 AI 컨시어지 더스틴을 구축했습니다. 이벤트 기반 색인과 토큰 최적화로 최신 정보 응답과 운영 효율을 높였습니다.


사내 최신 스펙과 코드 불일치 문제를 해결하기 위해 RAG 기반 챗봇을 도입했습니다. 메타데이터 필터링과 하이브리드 검색으로 정확도를 높이고 배포 파이프라인과 동기화했습니다.


Amazon OpenSearch Service에서 UBI와 OSI를 활용해 검색 행동 데이터를 수집하고 분석하는 방법을 소개했습니다. CDK 배포부터 대시보드 모니터링, 검색 품질 개선 활용처까지 실습 흐름으로 설명했습니다.


Amazon RDS와 Aurora를 OpenSearch Ingestion과 연동해 준실시간 검색 동기화를 구현하는 방법을 소개했습니다. 초기 스냅샷과 CDC를 활용해 검색 인덱스를 자동으로 최신 상태로 유지하는 흐름을 설명했습니다.


Amazon Bedrock의 TwelveLabs Marengo로 비디오를 멀티모달 임베딩으로 변환해 시맨틱 검색을 구현한 사례입니다. OpenSearch Serverless와 결합해 텍스트·이미지·오디오 질의로 관련 클립을 찾는 흐름을 소개했습니다.

네이버 Logiss의 로그 파이프라인 운영 문제와 개선 과정을 다뤘습니다. Storm Kafka spout 수정과 멀티 토폴로지 도입으로 비용·성능·안정성을 높이려 했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

품절 조회를 Oracle 함수 중심 구조에서 Kafka Streams 기반 EDA로 전환해 실시간 재고 처리를 개선했습니다. 그 결과 올영세일 기간 Oracle 함수 호출량을 크게 줄이며 서비스 안정성을 높였습니다.

MongoDB 커넥션 풀 사용률이 80%를 넘을 때 실시간 알림이 가도록 모니터링 시스템을 구축했습니다. 이를 통해 이벤트성 트래픽 급증을 사전에 감지하고 풀 설정도 조정했습니다.


약진통상이 Amazon Bedrock 기반 AI 스타일 라이브러리로 의류 검색과 샘플 개발을 고도화했습니다. 멀티 리전 처리와 설정 파일 중앙화로 성능과 운영 효율도 함께 개선했습니다.
레거시 검색 시스템을 OpenSearch 기반 MSA로 분리해 안정성과 운영성을 높였습니다. 대규모 마이그레이션과 문서화, 모니터링 체계를 정비해 향후 AI 검색 확장 기반도 마련했습니다.
자연어 질의에 맞지 않던 기존 검색 구조를 개선하기 위해 하이브리드 인덱스를 설계했습니다. OpenSearch와 임베딩 기반 벡터 검색을 결합해 검색 품질과 운영 효율을 높였습니다.


AWS 기반으로 다문화 아동의 HTP 그림 검사를 디지털 심리 진단 서비스로 구현한 사례를 소개했습니다. Amazon Q Developer와 RAG 분석을 활용해 짧은 해커톤 기간에도 MVP를 완성했습니다.


OpenSearch KNN과 필터 조합에서 결과 누락이 발생한 원인을 쿼리 구조에서 찾았습니다. pre-filtering 기반 Efficient KNN Filtering으로 검색 품질과 지연 시간을 함께 개선했습니다.