

쿠팡의 머신러닝 플랫폼을 통한 ML 개발 가속화
쿠팡은 ML 개발 속도를 높이기 위해 노트북, 피처 스토어, 훈련, 추론, 모니터링을 통합한 플랫폼을 구축했습니다. 하이브리드 클러스터와 CI/CD 연계로 대규모 모델의 개발과 배포 효율을 높였습니다.
새로운 기술 블로그가 추가되었어요


쿠팡은 ML 개발 속도를 높이기 위해 노트북, 피처 스토어, 훈련, 추론, 모니터링을 통합한 플랫폼을 구축했습니다. 하이브리드 클러스터와 CI/CD 연계로 대규모 모델의 개발과 배포 효율을 높였습니다.


스프링부트 3.0 네이티브 이미지를 쿠버네티스에 적용한 배포 방식의 변화를 다뤘습니다. 실행 시간과 이미지 크기 개선 효과를 수치로 보여줬습니다.


쿠팡의 머신러닝 플랫폼이 개발부터 배포, 모니터링까지 전 과정을 어떻게 지원하는지 소개했습니다. 노트북, 피처 스토어, 분산 학습, 추론 서빙, 하이브리드 클러스터 운영이 핵심입니다.

BackstopJS와 스토리북으로 Organism 단위 시각적 회귀 테스트를 구축했습니다. Jenkins·PR 봇 자동화로 결과 확인과 기준 이미지 갱신을 관리했습니다.


쿠버네티스의 등장 배경과 핵심 개념, 동작 원리를 전반적으로 정리했습니다.\n컨테이너 배포 자동화와 확장, 복구를 통해 운영을 효율화하는 방식도 설명했습니다.


Count-Min Sketch로 대용량 빈도 집계를 준선형 공간으로 줄이는 방법을 설명했습니다. IMQA 히트맵에 Redis Stack과 RedisBloom을 적용하는 방향도 함께 제안했습니다.


AWS Graviton 기반 ARM64로 워크로드를 단계적으로 이전한 사례를 소개했습니다. 멀티 아키텍처 빌드와 Kubernetes 전환 전략으로 비용을 크게 절감했습니다.


Spring Boot와 MongoDB에서 `@Transactional` 사용 시 단일 인스턴스에서는 트랜잭션 오류가 발생했습니다. 레플리카 셋을 구성하고 primary에 연결해야 정상적으로 롤백과 커밋을 처리할 수 있었습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Testcontainers로 Kafka·PostgreSQL·Spring 애플리케이션을 함께 구동해 사용자 시나리오 통합 테스트를 구성했습니다.\nGitHub Actions 트리거로 배포 이미지 생성 뒤 테스트를 실행해 QA 부담을 줄이는 방식을 소개합니다.

BackstopJS와 Storybook으로 공통 컴포넌트의 시각적 회귀 테스트를 구축했습니다. Docker와 PR 프리뷰 리포트로 환경 차이와 UI 변경 검토를 관리했습니다.

BackstopJS로 시각적 회귀 테스트를 구축한 경험을 정리했습니다. 스토리북과 Docker를 함께 사용해 UI 변경 검증과 운영 안정성을 높였습니다.


ICT 인턴십에서 백엔드 실무, 서비스 분석, 기술 세미나를 경험한 후기입니다. 실서비스를 다루며 테스트와 정확한 분석의 중요성을 배웠습니다.


Dockerfile을 잘 작성하면 컨테이너 이미지 용량을 줄일 수 있다는 점을 설명했습니다. 불필요한 파일과 레이어를 줄이는 최적화 관점이 핵심입니다.

AWS Lambda와 S3 Trigger를 활용해 PDF 분리와 QR 코드 인식을 비동기 처리 구조로 구성했습니다. 기존 Python 코드를 재사용하면서 불필요한 서버 통신과 운영 부담을 줄였습니다.