필터 1
모던 백엔드 - 범위값(1)
넥스트리
백엔드

모던 백엔드 - 범위값(1)

Java 25의 Scoped Value 등장 배경과 ThreadLocal의 구조적 한계를 설명했습니다. 가상 스레드 시대에 안전한 컨텍스트 공유 방식으로의 전환 필요성을 다뤘습니다.

#Java#동시성
2700
모던 백엔드 - 병렬처리 리팩토링(2)
넥스트리
백엔드

모던 백엔드 - 병렬처리 리팩토링(2)

구조화된 동시성을 활용해 병렬 API 호출 코드를 리팩토링하는 과정을 다뤘습니다.\n기존 스레드 풀과 CompletableFuture를 정리하고 예외 처리와 테스트까지 확인했습니다.

#Java#동시성
2600
모던 백엔드 - 병렬처리 리팩토링(1)
넥스트리
백엔드

모던 백엔드 - 병렬처리 리팩토링(1)

게시판 프로젝트의 병렬 API 호출을 CompletableFuture에서 Java 25 구조화된 동시성으로 바꾸는 설계 과정을 다뤘습니다. 취소 전파 문제와 스레드 관리 한계를 테스트로 확인하고 개선 방향을 정리했습니다.

#Java#동시성
3800
모던 백엔드 - 구조화된 동시성
넥스트리
백엔드

모던 백엔드 - 구조화된 동시성

Java 25 프리뷰의 구조화된 동시성을 소개했습니다. 기존 비동기 처리의 한계를 StructuredTaskScope로 어떻게 보완하는지 살펴봤습니다.

#Java#동시성
3500
모던 백엔드-Java 25 개관
넥스트리
백엔드

모던 백엔드-Java 25 개관

Java 25의 핵심 변화와 주요 JEP 기능을 소개했습니다. Spring Boot 4와 Spring AI 2.0 환경에서 전환 필요성도 함께 살펴봤습니다.

#Java#동시성
9800
DB 트랜잭션 중심 대량요청 처리 최적화
넥스트리
백엔드

DB 트랜잭션 중심 대량요청 처리 최적화

대량 요청 환경의 병목을 DB 트랜잭션 관점에서 분석하고 개선한 사례입니다. 비관적 락을 낙관적 락과 재시도로 전환해 커넥션 효율과 안정성을 높였습니다.

#DB#transaction
56100
React 환경에서 중복 API 요청 개선
넥스트리
프론트엔드

React 환경에서 중복 API 요청 개선

React에서 전역 Context와 비동기 흐름이 얽히며 중복 API 요청과 레이스 컨디션이 발생했습니다. AbortController, runId, Promise.all로 요청 취소와 최신 응답 보장을 개선했습니다.

#React#비동기
7700
순서대로, 한 번만, 빠르게
AB180
백엔드

순서대로, 한 번만, 빠르게

Airbridge는 Kafka 이벤트 처리에서 마이크로 배치 병목을 줄이기 위해 Differential 구조를 도입했습니다. 순서 보장과 중복 방지를 유지하면서 처리 속도를 10배 이상 높였습니다.

#Kafka#gRPC
4200
넥스트리
프론트엔드

선언적 폼 바인딩

다이얼로그 수정 폼에서 useEffect 기반 수동 바인딩으로 발생한 상태 꼬임 문제를 정리했습니다. React Hook Form의 values로 선언적 동기화를 적용해 잔상과 레이스 컨디션을 줄였습니다.

#React#React Hook Form
1500
넥스트리
백엔드

싱글톤 패턴을 이용한 캐시 관리

메뉴 권한처럼 변경은 적고 조회는 많은 데이터를 싱글톤 인메모리 캐시로 관리하는 방법을 소개했습니다. 이를 통해 로그인 시 DB 부하를 줄이고 응답 속도와 유지보수성을 개선했습니다.

#싱글톤#cache
1300
넥스트리
백엔드

putlfAbsent()의 한계와 변경감지 개선

실시간 모니터링에서 계산식 메타데이터 동기화 문제를 다뤘습니다. `putIfAbsent()` 한계를 보완하기 위해 `replace()`로 변경 감지와 이벤트 발행을 개선했습니다.

#Java#동시성
1000
무신사
기타

The Human: 점수 너머의 판단

AI 채용 평가에서 점수만으로는 후보자의 사고를 충분히 판단할 수 없다는 점을 짚었습니다. 면접과 설계 문서, 사람의 판단이 여전히 중요한 이유를 정리했습니다.

#채용#면접
11700
토스플레이스 데이터봇 ‘판다(PANDA)’를 소개합니다 : 모든 팀원이 데이터 전문가처럼 일하는 방법
토스
AI

토스플레이스 데이터봇 ‘판다(PANDA)’를 소개합니다 : 모든 팀원이 데이터 전문가처럼 일하는 방법

토스플레이스가 데이터봇 판다를 통해 팀원들이 직접 데이터를 조회하고 활용하는 환경을 만들었습니다.\nSSOT 정비, 비즈니스 용어 연결, Agentic Loop 설계로 정확도와 일관성을 높였습니다.

#LLM#SQL
10500
아임웹
백엔드

주문 트래픽 20배를 견디는 재고 처리 구조 만들기

공동구매 트래픽 폭증으로 재고 처리의 lock 경합이 병목이 되자 Redis와 Kafka 중심으로 구조를 재설계했습니다. 재고 경로를 단일화하고 비동기 반영과 fallback을 더해 약 20배 트래픽을 안정적으로 견뎠습니다.

#Redis#Kafka
1100