
팀 내 전처리 프레임워크 dagster 도입기
문서 전처리 파이프라인의 리소스 경합과 디버깅 어려움을 해결하기 위해 dagster를 도입했습니다. K8sRunLauncher와 코드 로케이션 분리로 안정성과 운영 효율을 높인 사례를 공유했습니다.
새로운 기술 블로그가 추가되었어요

문서 전처리 파이프라인의 리소스 경합과 디버깅 어려움을 해결하기 위해 dagster를 도입했습니다. K8sRunLauncher와 코드 로케이션 분리로 안정성과 운영 효율을 높인 사례를 공유했습니다.

문서 전처리 파이프라인의 리소스 경합과 디버깅 어려움을 해결하기 위해 dagster를 도입했습니다. 파드 격리와 대시보드 관측성으로 안정성과 운영 효율을 높였습니다.

AI 도입 이후의 핵심 과제로 안정적 운영과 확장성을 짚었습니다. 국산 NPU 실증, GitOps 자동화, 데이터센터 전환 흐름을 함께 정리했습니다.


EKS에서 Slinky로 Slurm을 배포하는 방법과 구성 요소를 소개했습니다. Kubernetes와 Slurm을 함께 써서 AI·HPC 워크로드를 효율적으로 운영하는 방안을 정리했습니다.

실행 중인 Docker 컨테이너의 CPU와 메모리를 재시작 없이 조정하는 방법을 다루었습니다. 포트 매핑은 공식 지원이 없어 우회 방법과 주의점도 함께 정리했습니다.


AWS Transform for SQL Server를 사용해 SQL Server와 .NET 코드를 Aurora PostgreSQL 중심으로 현대화하는 흐름을 소개했습니다. 사전 준비부터 평가, 변환, 검증까지의 단계와 제한 사항도 함께 정리했습니다.


교촌에프앤비가 AWS Transform for VMware로 내부 인력만 활용해 VMware 마이그레이션을 수행했습니다. 비용과 기간을 줄이고 국내 최초 Agentic AI 기반 사례를 만들었습니다.

레거시 인프라를 정리하고 OpenStack 기반 프라이빗 클라우드를 새로 구축했습니다. AWS와 Active-Active 하이브리드로 운영하며 자동화와 고가용성을 확보했습니다.

AI 트래픽 증가로 기존 데이터센터 구조의 한계와 전환 필요성이 커졌습니다.\n설문을 바탕으로 AI 인프라 전환 시 점검할 5가지 기준을 정리했습니다.


Amazon RDS와 Aurora를 OpenSearch Ingestion과 연동해 준실시간 검색 동기화를 구현하는 방법을 소개했습니다. 초기 스냅샷과 CDC를 활용해 검색 인덱스를 자동으로 최신 상태로 유지하는 흐름을 설명했습니다.


Amazon EKS 전환 이후 누적된 운영 toil을 줄이기 위해 Kiro로 Spec-driven IDP를 구축한 사례를 소개했습니다. 문서화된 요구사항과 체크리스트 기반 자동화로 개발자 셀프서비스와 운영 효율을 높였습니다.


온프레미스 GPU와 AWS EKS를 Hybrid Nodes로 통합해 운영했습니다. 비용은 약 70% 절감하고, 장애 시 페일백까지 확보했습니다.