모닥불 | EP.5 토스 개발자는 개발만 잘해도 될까
토스가 말하는 일 잘하는 개발자의 기준을 소개하는 대담형 콘텐츠입니다. 좋은 코드보다 제품 결과와 문제 정의, 메이커로서의 기여를 더 강조했습니다.
#Server#refactoring
34005분
새로운 기술 블로그가 추가되었어요
필터 0
Redis Vs Mongo DB By Item View Count (이 상품 몇명이 보고 있어요)
상품 상세 페이지의 실시간 뷰어 수 집계를 위해 Redis와 MongoDB를 비교했습니다. 성능은 Redis가 유리했지만 비용과 운영 복잡성까지 함께 검토해야 했습니다.
#Redis#MongoDB
28005분
Redis Vs Mongo DB By Item View Count (이 상품 몇명이 보고 있어요)
상품 상세에서 몇 명이 보고 있는지 실시간 집계하는 기능의 설계를 Redis와 MongoDB로 비교했습니다. 성능, 만료 처리, 운영 복잡도와 비용을 함께 고려해 선택 기준을 정리했습니다.
#Redis#MongoDB
31005분
Redis Vs Mongo DB By Item View Count (이 상품 몇명이 보고 있어요)
X
#Redis#MongoDB
26005분
무진장을 맞아, 후기 응답속도를 개선해보자
무신사 후기 목록 API의 병목을 분석해 상품 단위 캐시와 로직 분리를 적용했습니다. 무진장 기간 기준 응답속도와 pods 수를 함께 줄여 안정성을 높였습니다.
#cache#EKS
65005분
![[SpringBatch 연재 03] SpringBatch ChunkModel과 TaskletModel](https://devocean.sk.com/thumnail/2024/9/25/74f021b3ab022e65b987c73f6d5ccd913ec5bddb4c51ac0f3fd213bab5b9bf43.png)
[SpringBatch 연재 03] SpringBatch ChunkModel과 TaskletModel
Spring Batch의 Chunk Model과 Tasklet Model 차이를 정리했습니다. 데이터 규모와 처리 방식에 따라 적절한 모델을 선택하는 기준을 설명했습니다.
#Spring Batch#chunk
33005분
LLM Application 구축 도전기 (feat. 소중한 고객님들의 리뷰) - 1부
컬리의 리뷰 요약 서비스 PoC에서 베스트 리뷰의 한계를 보완하기 위해 LLM 기반 리뷰 선별 실험을 진행했습니다. Reasoning과 CoT를 적용해 검수 정확도와 투명성을 높이는 방법을 확인했습니다.
#LLM#Prompt Engineering
44005분
스마일게이트 메타휴먼 ‘한유아’, 어려운 환경의 결연 아동 찾아 ‘축구장 응원’
스마일게이트 메타휴먼 한유아가 호프컵 엠버서더로서 결연 아동과 대표팀을 응원했습니다. 온라인 댓글을 모아 현장에 전달하는 지속형 나눔 활동도 이어갈 예정입니다.
#메타휴먼#인스타그램
12005분
하이퍼커넥트 그룹콜 미디어 서버 인프라를 소개합니다
그룹콜 서비스의 PeerConnection 폭증 문제를 Origin-Edge 구조와 Router로 완화한 미디어 서버 인프라를 소개했습니다. 또한 라이브 스트리밍 인프라와 통합해 수평 확장과 운영 효율을 높인 과정을 설명했습니다.
#WebRTC#MSA
17005분
Spring Boot Meet Up, 카카오테크가 만난 Josh Long
X
#Spring Boot#세미나
16005분
생성형 AI 기반 실시간 검색 결과 재순위화 2편 - LLM 서빙
생성형 AI 기반 실시간 검색 결과 재순위화 2편 - LLM 서빙
대규모 검색 재순위화를 위해 LLM 서빙 프레임워크와 최적화 방법을 비교하고, TRT-LLM과 Triton 조합을 채택했습니다. 양자화, 배치 조절, OpenTelemetry와 대시보드로 성능과 운영 가시성을 함께 확보했습니다.
#LLM#gRPC
21005분
생성형 AI 기반 실시간 검색 결과 재순위화 1편 - 서빙 시스템 아키텍처
생성형 AI 기반 실시간 검색 결과 재순위화 1편 - 서빙 시스템 아키텍처
네이버 통합검색의 LLM 기반 실시간 재순위화 서빙 아키텍처와 고부하 대응 방법을 정리했습니다. 원격 캐시, 비동기 호출, 스로틀링으로 검색 서버 보호와 응답 시간 최적화를 다뤘습니다.
#LLM#검색
24005분