새로운 기술 블로그가 추가되었어요
FPJR 실시간 메트릭 모니터링에 AI를 적용해 30분 내 이상 징후를 감지하는 체계를 구축했습니다. Cursor, Sidekick, Gemini로 SQL과 대시보드를 자동화해 운영 효율을 높였습니다.
NOL의 결제 서비스 운영 안정화 방법을 PG 다중화, 결제수단 차단, 이벤트 모니터링 중심으로 정리했습니다. 또한 대시보드와 알림으로 이상 징후를 빠르게 감지하는 운영 방식을 소개했습니다.
데브시스터즈가 게임 런칭 상황에 맞는 준실시간 지표 서비스를 도입한 과정을 소개했습니다. Kafka, Spark Streaming, Kibana를 활용해 정확도와 비용, 운영성을 함께 맞추려는 시도를 설명했습니다.
AKS 환경에서 EFK를 적용해 로그를 통합 관리하는 방법을 소개했습니다. Fluentd 데몬셋, Spring JSON 로그, Kibana 조회 설정을 함께 정리했습니다.
데이터 소스가 분산된 환경에서 Snowflake 중심의 통합 데이터 플랫폼을 구축한 사례입니다.\n로그 수집부터 분석까지 파이프라인을 단순화하고 운영 효율을 높였습니다.
무신사 VoC를 자동 분류하기 위해 키워드 기반 접근과 AWS Comprehend를 함께 적용했습니다. 또한 Google 시트와 대시보드를 연결해 실무자가 바로 활용할 수 있는 리포팅 페이지를 만들었습니다.
서버 로그를 터미널에서 직접 보던 불편함을 해결하기 위해 ELK 스택을 적용한 과정을 정리했습니다. Spring Boot와 Nginx 로그를 Kibana에서 조회하고 검색하는 방법까지 소개했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
복잡한 Legacy 주문 조회를 Kafka·Elasticsearch·Kibana 기반 실시간 모니터링으로 이전했습니다. 비동기 전송의 flush, ack, 로그 ID를 통해 데이터 유실과 중복 문제를 보완했습니다.
레거시 주문 검색의 성능·정합성 문제를 Kafka와 Elasticsearch 기반 모니터링으로 이전했습니다.\n비동기 전송의 flush, ack, 멱등성 설정으로 데이터 유실과 중복 문제를 보완했습니다.
쿠폰 사용 불가 현상을 Zipkin과 Kibana 로그로 추적해 상품 할인율 변경에 따른 주문 금액 하락을 확인했습니다. 결제 단계의 쿠폰 조건 재검증이 정상 동작했음을 검증했습니다.
Zipkin과 Kibana 로그로 결제 단계의 쿠폰 사용 실패 원인을 추적했습니다. 상품 할인율 변동으로 주문 금액이 조건 미달이 된 사례였습니다.
Django 로깅의 목적과 설정 방식, 로그·메트릭 활용법을 학습했습니다. 구조화된 로그와 중앙화된 저장·시각화 흐름의 운영 유의점을 정리했습니다.
