
RAG를 활용한 검색 서비스 만들기
동네생활 게시글과 댓글에서 업체 추천 정보를 찾아 RAG 기반 검색 서비스로 연결했습니다.\n벡터 검색, LLM 요약, 적절성 필터링을 거쳐 신뢰도 높은 추천 결과를 제공했습니다.

동네생활 게시글과 댓글에서 업체 추천 정보를 찾아 RAG 기반 검색 서비스로 연결했습니다.\n벡터 검색, LLM 요약, 적절성 필터링을 거쳐 신뢰도 높은 추천 결과를 제공했습니다.

Jenkins CI에서 빌드 실패가 급증한 원인을 로그 처리 병목으로 좁혀 분석했습니다. Gradle 로그를 줄여 타임아웃 문제를 해결하고 수행 시간도 단축했습니다.


여기어때가 검색 결과 없음(NR)을 줄이기 위해 오타 교정과 주변 추천, 시멘틱 검색을 단계적으로 적용한 과정을 소개했습니다. 키워드 기반 보강과 GCP AI 검색 실험으로 NR 비중을 낮춘 사례를 공유했습니다.

검색 키워드 분석과 사전 관리를 더 쉽게 보기 위한 관리자 페이지 개선 사례를 다뤘습니다. 분석 흐름도와 세부 결과를 시각화해 운영과 커뮤니케이션 편의성을 높였습니다.


외부 API에 의존하던 Reverse Geocoding 기능을 내재화해 비용과 장애 리스크를 줄였습니다. 데이터 선택, GeoHash, Point In Polygon을 거쳐 성능과 운영 효율을 함께 개선했습니다.


쿠버네티스로 검색추천 시스템을 컨테이너화하고 미디어 에이전트 서비스에 적용한 사례를 소개했습니다. 클러스터 구성, 배포, 모니터링, 운영 이슈 대응까지 함께 정리했습니다.
Elasticsearch 동적 색인에서 발생한 CPU 과부하와 정합성 문제를 BulkProcessor와 백프레셔로 개선했습니다. 운영 로그와 테스트에서 안정성을 높이면서도 처리 시간은 유사하게 유지했습니다.
재고 서비스를 수작업 중심 구조에서 ERP·Redis·Kafka 기반으로 개편한 사례를 다뤘습니다. 마이크로서비스화와 비동기 동기화로 성능과 안정성을 높인 과정과 성과를 소개했습니다.

서버 로그를 터미널에서 직접 보던 불편함을 해결하기 위해 ELK 스택을 적용한 과정을 정리했습니다. Spring Boot와 Nginx 로그를 Kibana에서 조회하고 검색하는 방법까지 소개했습니다.