

Ktor프레임웍 #2 : OpenAPI 활용
Ktor REST API 서버에서 OAS 스펙을 작성하고 OpenAPI Generator로 모델 코드를 생성하는 방법을 설명했습니다. 생성된 모델을 Ktor 라우트에 연결하고 OpenAPI UI로 스펙을 서빙하는 구성도 함께 다뤘습니다.


Ktor REST API 서버에서 OAS 스펙을 작성하고 OpenAPI Generator로 모델 코드를 생성하는 방법을 설명했습니다. 생성된 모델을 Ktor 라우트에 연결하고 OpenAPI UI로 스펙을 서빙하는 구성도 함께 다뤘습니다.


HBM의 구조와 원리를 통해 왜 AI 산업에서 고대역폭 메모리가 중요한지 설명했습니다. DRAM과 비교하며 속도, 대역폭, 용량 측면의 장점을 정리했습니다.

데마에칸이 레거시를 해소하기 위해 인프라 단절, 코드 재작성, 사양 경량화라는 세 가지 방법을 소개했습니다. 각 방법의 장단점과 실제 적용 사례를 통해 서비스 개선의 트레이드오프를 설명했습니다.


엑셀 내부 styles.xml의 반복 스타일이 높은 압축률을 만들어 Apache POI의 Zip Bomb 탐지를 유발했습니다. 압축 해제 비율을 조정해 우선 해결하고, 크기·중첩 레벨 제한을 보안 대안으로 제시했습니다.


엑셀 업로드 중 Apache POI가 Zip Bomb으로 파일을 차단한 원인과 로그 분석 과정을 정리했습니다. 최소 압축 비율 조정과 파일 크기·중첩 레벨 점검으로 대응했습니다.
재고 서비스를 수작업 중심 구조에서 ERP·Redis·Kafka 기반으로 개편한 사례를 다뤘습니다. 마이크로서비스화와 비동기 동기화로 성능과 안정성을 높인 과정과 성과를 소개했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

Hive 배치 기반 파생 데이터 생성 지연 문제를 Spark Streaming으로 실시간 처리하도록 전환한 사례를 소개했습니다. Kafka 오프셋과 처리량, LAG 모니터링으로 안정적인 운영 방법도 함께 설명했습니다.


클라우드 서버리스와 온프레미스 서버리스의 차이와 장점을 비교했습니다. OpenFaaS를 활용한 온프레미스 서버리스 실행 방법과 선택 기준도 함께 살펴봤습니다.

카카오 CTO가 if(kakaoAI)2024에서 AI Native 전략을 소개했습니다. AI를 문화와 서비스 전반에 내재화하려는 방향을 제시했습니다.


아이보 장례식 사례를 통해 AI 반려로봇 상용화의 과제를 짚었습니다. 인터넷 연결 안정성, 부품 모듈화, 자기진단과 쉬운 사용성이 핵심으로 제시했습니다.

DEVIEW가 DAN 24로 새롭게 돌아와 네이버의 미래 방향과 기술·디자인·체험 프로그램을 함께 선보입니다. 11월 11~12일 코엑스에서 열리며 참가 신청 일정도 안내했습니다.
![[Python] C Library 이용해서 성능 높이기(SIMD + 병렬처리, 3편)](https://devocean.sk.com/thumnail/2024/10/22/c7aa5a88cc502ff04b3cc9525642a0c225571d9875845a184e24b6171f75cf47.png)

Python 연산을 C++ DLL로 넘겨 Thread, OpenMP, SIMD를 적용해 성능을 비교했습니다. 멀티코어 활용 효과는 컸지만 SIMD와 OpenMP의 단순 적용 효과는 크지 않았습니다.


생성 AI와 LLM이 자동차에 들어오며 차량 상태 안내, 대화형 어시스턴트, 경로 추천 같은 개인화 기능이 확장되고 있습니다. 또한 비전과 LLM 결합으로 자율주행과 실내 인식의 정확도를 높일 가능성을 보여줍니다.

멀티 테넌트 데이터의 격리 수준과 행 단위 격리의 장단점을 정리했습니다. 쿼리에서 tenant_id 사용을 강제하고 암호화로 보호하는 방법도 소개했습니다.