CloudWatch 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
메가MGC커피가 RDS for MySQL을 Aurora Serverless v2로 전환해 오전 피크 트래픽 대응력을 높였습니다. 또한 Read Replica 기반 Cut-over와 ACU 조정으로 안정성과 비용 효율을 함께 확보했습니다.
AWS DevOps Agent로 성능 테스트 분석을 자동화하는 활용 사례를 소개했습니다. JMeter 부하 테스트에서 병목 원인을 찾고 수정 후 재검증하는 흐름을 보여주었습니다.
에잇퍼센트가 Kiro CLI와 AI 프롬프트 세트로 EC2 기반 서비스를 Amazon ECS Fargate로 현대화했습니다. 현업을 병행하면서도 무중단 배포와 비용 절감을 함께 달성했습니다.
Amazon GameLift Servers를 활용한 멀티플레이어 게임 출시 사전 준비 항목을 정리했습니다. 테스트, 세션 관리, 큐 배치, 모니터링 설정의 핵심 포인트를 다뤘습니다.
딜라이트룸은 EKS Auto Mode로 멀티 클러스터 운영 복잡도를 크게 줄였습니다. 또한 로그 수집과 진단 자동화를 더해 장애 대응력도 높였습니다.
Grafana k6와 몬테카를로 시뮬레이션으로 EC2 인스턴스 7종의 CPU 성능을 비교했습니다. 성능과 비용을 함께 보며 가격 대비 성능 관점의 선택이 중요하다고 정리했습니다.
MongoDB Atlas의 IOPS 병목과 비용 문제를 해결하기 위해 Amazon DocumentDB로 전환했습니다. 실시간 협업 서비스의 응답속도를 50% 개선하고 비용도 30% 절감했습니다.
미리캔버스는 MongoDB Atlas의 IOPS 병목과 비용 문제를 해결하기 위해 Amazon DocumentDB로 전환했습니다. 그 결과 응답속도는 50% 개선되고 인프라 비용은 30% 절감했습니다.
MCP와 FastMCP로 EBS 성능 분석과 스냅샷 크기 계산을 자연어 기반으로 자동화하는 방법을 소개했습니다.대규모 볼륨 환경에서 병목 진단과 비용 최적화를 빠르게 수행하는 활용 사례를 정리했습니다.
Aurora PostgreSQL에서 CloudWatch Database Insights로 실행 계획을 비교해 성능 저하 원인을 분석했습니다. 인덱스 삭제와 work_mem 부족으로 인한 병목을 찾아 최적화하는 방법을 소개했습니다.
Amazon OpenSearch Service의 백프레셔와 Admission Control로 검색 요청을 제어해 클러스터 복원력을 높이는 방법을 소개했습니다. 429 오류 대응, 모니터링 방법, 재시도 전략도 함께 설명했습니다.
Amazon Bedrock의 엔드포인트 종류와 CRIS 활용, quota 증설 방법을 정리했습니다. 또한 CloudWatch와 로깅, 캐시 기능으로 토큰 사용량과 비용을 최적화하는 방법을 소개했습니다.
Amazon Bedrock의 엔드포인트, 쿼터, 모니터링, 최적화 방법을 정리했습니다. CRIS와 캐시, 라우팅, 메모리 기능으로 비용과 안정성을 개선할 수 있습니다.
포스타입은 AWS 오토 스케일링으로 급격한 트래픽 변화에 대응했습니다. 단계 조정 정책, 웜 풀, 최소 용량 조정으로 플래핑과 장애를 줄였습니다.
멀티 에이전트 시스템의 운영 복잡성과 권한 문제를 AgentCore로 중앙화하는 방안을 설명했습니다. Gateway, Identity, Runtime으로 인증·접근제어·관측을 통합하는 사례를 소개했습니다.
Regional NAT Gateway의 동작 방식과 기존 Zonal NAT Gateway와의 차이를 정리했습니다. 다중 AZ 운영 단순화에 유리하지만 IGW, EIP, 확장 동작을 사전에 검토해야 합니다.
Amazon Bedrock AgentCore Observability로 AI 에이전트의 동작, 비용, 지연시간을 프로덕션 수준에서 추적하는 방법을 소개했습니다. OpenTelemetry 기반 자동 계측과 트레이스 분석으로 디버깅과 비용 최적화를 돕습니다.
AWS CloudWatch Agent는 실제 실행 시 .toml을 사용하고, .json은 입력용 설정 파일로 변환됩니다. 설정이 안 반영되거나 파일이 사라진 듯 보이면 원본 보관과 fetch-config 절차를 다시 확인해야 합니다.
DynamoDB 부하를 실시간으로 감지해 Kafka 컨슈머를 pause/resume하는 역압력 아키텍처를 구축했습니다. 운영 적용 후 처리량을 낮추고 실시간 API 안정성과 비용 절감을 확인했습니다.
Aurora에서 DELETE 후에도 스토리지 비용이 줄지 않는 원인과 파편화 문제를 설명했습니다. 스냅샷 복구로 클러스터를 재생성해 비용을 크게 절감한 사례를 공유했습니다.
