
팀 레거시 개선 (3) 쏘카존 관리 시스템 - 6년간 진행된 팀 레거시 코드 및 문서 개선기
6년 동안 레거시 테이블과 코드 구조를 조금씩 개선하며 서비스를 멈추지 않는 방식을 정리했습니다. 또한 문서화와 ERD 정비로 장애 대응 지식의 병목을 줄였습니다.
새로운 기술 블로그가 추가되었어요

6년 동안 레거시 테이블과 코드 구조를 조금씩 개선하며 서비스를 멈추지 않는 방식을 정리했습니다. 또한 문서화와 ERD 정비로 장애 대응 지식의 병목을 줄였습니다.

Robot Framework 기반 자동화 테스트의 Flaky 문제를 Playwright로 마이그레이션하며 개선한 사례를 소개했습니다. 팝업 자동 처리, 셀렉터 정교화, 데이터 조건별 skip으로 테스트 신뢰도를 높였습니다.


포스타입은 AWS 오토 스케일링으로 급격한 트래픽 변화에 대응했습니다. 단계 조정 정책, 웜 풀, 최소 용량 조정으로 플래핑과 장애를 줄였습니다.

AI를 단순 도구가 아닌 조직 프로세스 재설계의 핵심으로 삼은 사례였습니다. 구성원 주도의 트랙 운영으로 효율화와 역량 확장을 함께 추진했습니다.

MySQL 함수형 인덱스로 비트 연산 조건이 인덱스를 타도록 바꿔 슬로우 쿼리를 해결했습니다.운영 적용 과정에서는 복제 지연과 조건 의미 변경 문제를 점진적 롤아웃으로 검증했습니다.

Claude Code Action을 GitHub Actions와 결합해 조직 공통의 AI 코드 리뷰 플랫폼으로 표준화한 사례를 소개했습니다. 중앙 통제 구조, 포크 PR 대응, 프롬프트 표준화로 일관된 품질과 확산성을 확보했습니다.

AI 인프라 경쟁의 중심이 GPU 성능보다 전력 확보 능력으로 이동했다고 설명했습니다. 지역별 전력망과 규제 차이를 바탕으로 데이터센터 투자와 운영의 핵심 과제를 정리했습니다.

멀티 리전이라도 공유 지점이 남으면 장애가 전파될 수 있다는 점을 정리했습니다. 가용성과 복원력을 높이기 위한 격리 설계와 순차 배포 원칙을 설명했습니다.

코드 생성과 Agentic RAG에서 최적 LLM이 다르다는 점을 비교 평가로 정리했습니다. 이기종 파이프라인과 안정성·비용을 함께 고려한 모델 선택이 중요하다고 제시했습니다.

일본 급여 시스템의 실제 파이프라인을 대상으로 13개 LLM 구성을 비교 평가하는 전편이었습니다. 코드 생성과 Agentic RAG를 분리해, 품질·안정성·비용 기준의 모델 선택 필요성을 설명했습니다.

Semantic Search로는 번역 키의 용어 일관성을 충분히 살리기 어려웠습니다. 문장 유사도보다 정확한 용어 재사용에 맞춰 검색 방식을 바꾸는 것이 더 효과적이었습니다.

Semantic Search만으로는 번역 용어 일관성을 해결하기 어려웠습니다. 저자는 키워드 추출과 Tolgee 재검색 방식으로 접근을 바꿨습니다.