

S3 기반 데이터 티어링 도입기
MSA 분산 로그 증가로 발생한 MongoDB 비용과 성능 문제를 데이터 티어링으로 해결했습니다. 최근 로그는 MongoDB에, 장기 로그는 S3에 자동 이관해 저장 비용과 메모리 부하를 줄였습니다.



MSA 분산 로그 증가로 발생한 MongoDB 비용과 성능 문제를 데이터 티어링으로 해결했습니다. 최근 로그는 MongoDB에, 장기 로그는 S3에 자동 이관해 저장 비용과 메모리 부하를 줄였습니다.


AWS Transform과 Kiro를 역할 분담해 160만 라인 .NET 애플리케이션을 현대화했습니다. 기존 Jenkins를 재활용해 Linux 기반 ECS로 이전하고 비용 절감과 품질 검증을 달성했습니다.


셀프 호스팅 Grafana Webhook으로 AWS DevOps Agent의 자동 인시던트 조사를 구성했습니다. OAM·IAM 분리와 단계별 검증으로 멀티 계정 환경의 조사 흐름을 점검합니다.


Cloud Platform 팀을 별도 운영 대행 조직이 아닌 셀프서비스 플랫폼 조직으로 정의했습니다.\nTerraform·CI 검증으로 개발자와 AI 에이전트의 안전한 인프라 변경을 지원합니다.
Kubernetes 인코딩 작업의 비용·시간 변수를 수식화해 Pod 확장 임계값을 최적화했습니다. 확률 기반 마감 기준을 적용해 비용 45~74% 절감과 완료 시간 단축을 확인했습니다.

AI 데이터센터 냉방의 정전과 PLC 제어 신호 소실 위험을 구분해 분석했습니다. 래칭릴레이로 최종 접점 상태를 유지하는 Fail-Safe 설계를 소개합니다.


SaaS의 책임 범위, 멀티테넌시 구조와 구독·사용량 기반 과금 방식을 정리했습니다.\n도입 전 계정·데이터 관리, 이전성, SLA, 요금 구조를 확인해야 합니다.
호스트센터 하이브리드 클라우드의 출시 소식과 온프레미스·네이버클라우드 연결 방식을 소개했습니다.\n전용회선 기반 연결과 환경 간 트래픽 비용이 없는 장점을 설명합니다.

AI 토큰 생성이 데이터센터의 전력 소비와 열 발생으로 이어지는 구조를 설명했습니다. 고밀도 GPU 환경에서 DLC와 PUE 관리의 중요성을 정리했습니다.


Jenkins의 장애 전파·알림 누락·자원 비효율 문제를 Temporal과 Kubernetes Job 기반 구조로 이관했습니다. 공용 라이브러리로 실패 알림, 중복 방지, 멈춤 감지, 로그 추적을 기본화했습니다.
공유 Queue와 중앙 디바이스 설정으로 실기기 BVT의 고정 배정 병목을 해소했습니다. 대기 시간 최적화와 모니터링 개선으로 전체 실행 시간과 운영 부담을 줄였습니다.


공유 서버 풀의 이벤트 트래픽을 전용 풀로 격리하고 증설·원복·회고를 자동화했습니다. 운영 데이터를 축적해 용량 산정을 고도화하고 고객 예약형 유료 기능으로 확장했습니다.


EKS Agent Sandbox와 gVisor를 결합한 AI 에이전트 코드 실행 격리 구조와 운영 검증 결과를 다뤘습니다. NetworkPolicy·DNS·Warm Pool·router 보안을 함께 설계해야 함을 제시했습니다.


EKS에서 Agent Sandbox와 gVisor로 AI 에이전트 코드 실행 환경을 분리하는 구성을 정리했습니다. Pod 보안 설정과 런타임 격리의 역할 차이 및 운영 시 점검점을 설명했습니다.