새로운 기술 블로그가 추가되었어요
여기어때는 Secrethub를 EKS 환경에 먼저 적용하고 ESO로 Secret을 자동 동기화하도록 설계했습니다. Spring Boot 공통 Loader와 Shadow Jar를 통해 전사 확산과 의존성 충돌 방지를 함께 해결했습니다.
민감 정보가 서비스별로 흩어져 있던 한계를 해결하기 위해 중앙 관리 플랫폼 Secrethub를 구축했습니다. 접근 통제와 감사, 권한 일원화, 개발 편의성을 위해 외부 솔루션 대신 자체 개발을 선택했습니다.
AI 에이전트 가드레일을 실무 관점에서 정리하고, 사례와 체크리스트, 90일 로드맵으로 구현 방법을 제시했습니다. 권한·승인·감사 추적·킬 스위치를 중심으로 단계적 도입 방향을 안내했습니다.
AI 에이전트가 실행 주체가 되면서 기업용 가드레일 설계의 필요성을 정리했습니다. 권한, 승인, 감사 추적, 중단 절차를 통합한 통제 프레임워크를 제시했습니다.
AI가 아키텍처 규칙을 어기는 문제를 CLAUDE.md가 아니라 코드 구조와 테스트로 해결한 사례를 다뤘습니다. Go 백엔드를 DDD와 커스텀 아키텍처 테스트로 리팩토링해 AI가 안정적으로 코드를 생성하도록 만들었습니다.
AI가 자연어 규칙을 무시하는 문제를 해결하기 위해 Go 백엔드를 DDD 구조로 리팩토링했습니다. 커스텀 아키텍처 테스트와 CI 강제로 규칙을 코드 수준에서 검증하도록 만들었습니다.
X
Physical AI를 물리 세계와 상호작용하는 자율 시스템의 기반으로 설명했습니다. 클라우드 훈련과 엣지 추론을 잇는 이중 루프와 지속적 학습·보안 체계를 제시했습니다.
업무를 수행하는 AI 에이전트의 보안 아키텍처를 AWS 기준으로 정리했습니다. 네트워크 격리, 권한 통제, 사람 승인, 감사 추적을 결합해 안전성을 높이는 방법을 설명했습니다.
Toss Front 외부 연동 SDK를 Facade 패턴으로 단순하고 안전하게 설계하는 방법을 소개했습니다. 공통 유즈케이스는 고수준 API로 묶고 특수한 경우만 저수준 API를 남겨 DX와 안정성을 높였습니다.
DynamoDB Export/Glue/Import로 UserBadge를 분리해 16억 건 규모 마이그레이션을 수행했습니다. 비용은 36% 줄고 시간은 7일에서 약 6시간으로 단축했습니다.
User 테이블의 Badge 트래픽 병목을 분리해 온라인 마이그레이션으로 이전했습니다. AWS 관리형 서비스를 활용해 비용과 시간을 크게 줄이고 안정성도 높였습니다.
