 1. 기본기 확실히 하기
 2. 학습 능력 키우기
 3. 의사 소통 잘하기
 4. 문제 정의 잘하기
 5. 태스크 완료 시간 추정 잘하기
 6. 운영을 고려한 코드 작성하기
 7. 서비스 사고 대처 능력 키우기
 8. 결과를 내는데 집중하기
 9. 영향력 갖기 (코딩 멍키)
    
    
개발자로 일을 하다보면 피할 수 없는 것이 서비스와 관련된 사고를 내는 것이다. 보통은 버그로 인해 이런 일이 발생하게 되는데 이는 사실 코드를 많이 작성하는 개발자들에게 더 많이 발생할 수 밖에 없는데 동일한 사고를 안 내겠다는 개인적인 노력과 동일한 문제가 반복되는 것이 아니라면 성장과정으로 보는 조직적인 관점이 중요하다. 이로 인한 트라우마가 생긴다면 개발자의 커리어에는 치명적인 상처가 생길 수 있다.

개인의 성향에 따라서는 내 코드로 인해 서비스 사고가 났을 때 자책을 하다못해 움츠러들 수 있는데 이 경우 코드를 완벽하게 작성해야겠다는 결론에 도달할 수 있다. 이는 개인에게도 스트레스이기도 하고 조직 관점에서도 느린 속도로 이어지기에 개인적으로도 개발자의 커리어에서 사고는 언제 내느냐의 문제라고 바라보면서 사고 발생시 복기하고 어떻게 하면 재발을 막을지 생각해보는 것이 중요하다.

하지만 그 개인이 속한 개발 조직에서 사고의 책임을 100% 개인에게 돌릴다면 개인이 움츠러 드는 것은 어쩔 수 없다. 이는 특히 기술부채를 안고 갈 수 밖에 상황에서는 더 그러하다. 그러기에 개발 조직의 관점에서는 다음을 생각해보는 것이 좋다.

 1. 사고 발생시마다 프로세스를 개선하고 테스트를 추가하는 등의 노력을 병행하는 것이 더 좋다. 사고 마다 레벨을 정해서 심각한 문제들의 경우 사후 부검 프로세스를 통해 이유를 파악하고 재발을 막기 위한 조치들을 취해야 한다.
 2. 또한 사고가 발생했을 때 얼마나 빨리 이를 감지하고 문제해결 프로세스를 시작할지 사고 대처와 관계된 역량을 키우는 것이 중요해진다. 지난 포스팅에서 이야기했던 운영을 고려한 코드를 작성하는 것이 중요해지기 시작하는데 에러 메시지를 이해하기 쉽게 하고 여기저기 로그를 자세히 남기는 것들을 이야기했었다. 어느 정도 규모가 커진 조직이라면 처음에는 백엔드 엔지니어등이 코드 배포와 운영, 모니터링을 담당할 수 있겠지만 별도의 데브옵스 조직이 필요할지 점검해보는 것이 필요할 수도 있다.
 3. 주기적으로 중요 사고에 대한 조치가 취해졌는지 어느 정도로 조치를 취할지 논의할 필요가 있다. 안 그러면 사후부검만 하고 실제 예방 조치는 취해지지 않는 문제가 발생한다. 이는 엔지니어링 리더십의 책임이기도 하다.
 4. 많은 경우 크고 작은 문제들이 고객 리포트로 초기에 발견할 수 있기에 CS팀과의 원활한 커뮤니케이션이 필요할 수 있으며 이 역시 지난 포스팅에서 이야기했었다.
 5. 대부분의 큰 사고는 데이터베이스와 연관된 경우들이 많다. 그래서 데이터베이스의 오래 걸리는 쿼리를 선제적으로 모니터링하고 문제 되는 부분을 찾아 미리 최적화하는 것이 필요하다. 또 하나 해볼 수 있는 것은 중요한 페이지나 중요 API의 실행시간 (latency) 모니터링을 해보는 것이다.
     
온라인 서비스에서 사고는 언제 일어나느냐의 문제지 피해갈 수 있는 문제는 아니다. 사고를 안 내기위해 코드를 완벽하게 작성하려고 하는 것 보다는 문제 감지와 운영이 쉬운 코드를 작성하면서 코드 배포 프로세스와 서비스 모니터링 프로세스를 강화하는 것을 병행하는 것이 더 맞는 방향이다.

<ol ><li>기본기 확실히 하기</li><li>학습 능력 키우기</li><li>의사 소통 잘하기</li><li>문제 정의 잘하기</li><li>태스크 완료 시간 추정 잘하기</li><li>운영을 고려한 코드 작성하기</li><li>서비스 사고 대처 능력 키우기</li><li>결과를 내는데 집중하기</li><li>영향력 갖기 <s>(코딩 멍키)</s> </li></ol>개발자로 일을 하다보면 피할 수 없는 것이 서비스와 관련된 사고를 내는 것이다. 보통은 버그로 인해 이런 일이 발생하게 되는데 이는 사실 코드를 많이 작성하는 개발자들에게 더 많이 발생할 수 밖에 없는데 동일한 사고를 안 내겠다는 개인적인 노력과 동일한 문제가 반복되는 것이 아니라면 성장과정으로 보는 조직적인 관점이 중요하다. 이로 인한 트라우마가 생긴다면 개발자의 커리어에는 치명적인 상처가 생길 수 있다. 개인의 성향에 따라서는 내 코드로 인해 서비스 사고가 났을 때 자책을 하다못해 움츠러들 수 있는데 이 경우 코드를 완벽하게 작성해야겠다는 결론에 도달할 수 있다. 이는 개인에게도 스트레스이기도 하고 조직 관점에서도 느린 속도로 이어지기에 개인적으로도 개발자의 커리어에서 사고는 언제 내느냐의 문제라고 바라보면서 사고 발생시 복기하고 어떻게 하면 재발을 막을지 생각해보는 것이 중요하다. 하지만 그 개인이 속한 개발 조직에서 사고의 책임을 100% 개인에게 돌릴다면 개인이 움츠러 드는 것은 어쩔 수 없다. 이는 특히 기술부채를 안고 갈 수 밖에 상황에서는 더 그러하다. 그러기에 개발 조직의 관점에서는 다음을 생각해보는 것이 좋다. <ol ><li>사고 발생시마다 프로세스를 개선하고 테스트를 추가하는 등의 노력을 병행하는 것이 더 좋다. 사고 마다 레벨을 정해서 심각한 문제들의 경우 사후 부검 프로세스를 통해 이유를 파악하고 재발을 막기 위한 조치들을 취해야 한다.</li><li>또한 사고가 발생했을 때 얼마나 빨리 이를 감지하고 문제해결 프로세스를 시작할지 사고 대처와 관계된 역량을 키우는 것이 중요해진다. 지난 포스팅에서 이야기했던 운영을 고려한 코드를 작성하는 것이 중요해지기 시작하는데 에러 메시지를 이해하기 쉽게 하고 여기저기 로그를 자세히 남기는 것들을 이야기했었다. 어느 정도 규모가 커진 조직이라면 처음에는 백엔드 엔지니어등이 코드 배포와 운영, 모니터링을 담당할 수 있겠지만 별도의 데브옵스 조직이 필요할지 점검해보는 것이 필요할 수도 있다.</li><li>주기적으로 중요 사고에 대한 조치가 취해졌는지 어느 정도로 조치를 취할지 논의할 필요가 있다. 안 그러면 사후부검만 하고 실제 예방 조치는 취해지지 않는 문제가 발생한다. 이는 엔지니어링 리더십의 책임이기도 하다.</li><li>많은 경우 크고 작은 문제들이 고객 리포트로 초기에 발견할 수 있기에 CS팀과의 원활한 커뮤니케이션이 필요할 수 있으며 이 역시 지난 포스팅에서 이야기했었다.</li><li>대부분의 큰 사고는 데이터베이스와 연관된 경우들이 많다. 그래서 데이터베이스의 오래 걸리는 쿼리를 선제적으로 모니터링하고 문제 되는 부분을 찾아 미리 최적화하는 것이 필요하다. 또 하나 해볼 수 있는 것은 중요한 페이지나 중요 API의 실행시간 (latency) 모니터링을 해보는 것이다. &nbsp;</li></ol>온라인 서비스에서 사고는 언제 일어나느냐의 문제지 피해갈 수 있는 문제는 아니다. 사고를 안 내기위해 코드를 완벽하게 작성하려고 하는 것 보다는 문제 감지와 운영이 쉬운 코드를 작성하면서 코드 배포 프로세스와 서비스 모니터링 프로세스를 강화하는 것을 병행하는 것이 더 맞는 방향이다.

좋은 개발자가 알아야하는 9가지 포인트들 - 사고 대처 능력 키우기

항상 잘 읽고 있습니다. 좋은 글 감사합니다

시니어 개발자의 자리가 비어버린지 벌써 3달이 다 되어가고 있습니다. 처음에는 전방위적인 책임감에 어떻게 대처해야 할지 막막했습니다. 하지만 이제 저는 시니어 개발자의 역할을 맡아, 단순히 코드를 작성하는 것을 넘어 프로젝트의 문제를 식별하고, 해결책을 모색하는 중책을

시니어 개발자가 퇴사하고

새로운 시니어가 탄생하나봅니다.

흔히 나는 OO이니까 OO일만 한다고 생각하죠. 그렇지만 의사결정권이 없어도 시니어처럼 CTO처럼 나는 저 상황에 어떤 결정을 할지 근거와 판단을 하는 사람은 다릅니다.

부끄럽게도 저는 그런 사람이 아니지만 주변에 주니어들이 이렇게 활동하는걸 보며 많이 배웁니다.
오늘도 하나 배워가네요 💪

https://velog.io/@korea-dollar/%EC%8B%9C%EB%8B%88%EC%96%B4-%EA%B0%9C%EB%B0%9C%EC%9E%90%EA%B0%80-%ED%87%B4%EC%82%AC%ED%95%98%EA%B3%A0

새로운 시니어가 탄생하나봅니다. 흔히 나는 OO이니까 OO일만 한다고 생각하죠. 그렇지만 의사결정권이 없어도 시니어처럼 CTO처럼 나는 저 상황에 어떤 결정을 할지 근거와 판단을 하는 사람은 다릅니다. 부끄럽게도 저는 그런 사람이 아니지만 주변에 주니어들이 이렇게 활동하는걸 보며 많이 배웁니다.오늘도 하나 배워가네요 💪 https://velog.io/@korea-dollar/%EC%8B%9C%EB%8B%88%EC%96%B4-%EA%B0%9C%EB%B0%9C%EC%9E%90%EA%B0%80-%ED%87%B4%EC%82%AC%ED%95%98%EA%B3%A0

Velog

시니어가 사라지고 난 뒤

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관입니다.

문제정의가 일머리의 90%입니다

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관인데요. 많은 경우 요청으로 일을 시작하거든요. 요청을 받으면 무릎반사처럼 요청에 따라 일을 할 때가 많습니다. 요청한 기간에 맞춰, 요청한 태스크를 해드리는 것은 '내부 고객을 위한 서비스 제공자'라는 마인드를 길러줄 때도 있지만, 정말 문제가 무엇인지 모르고 목표가 아니라 태스크 자체에 매몰되도록 만듭니다. 항상 '문제가 무엇인가요?'라는 질문을 요청한 동료와 함께 정의하는 것부터 시작해야 합니다.

[ 큐레이터의 문장 🎒 ]

"나에게 1시간이 주어진다면, 55분 동안 문제를 찾고 5분 동안 그것을 풀 것이다" - 아인슈타인

다음 5가지 방법은 문제를 제대로 정의하기 위해서 직접 해볼 수 있는 행동 가이드입니다.

1️⃣ 직접 사실 확인하기

검색해서 답을 찾는 것으로는 부족합니다. 간접조사는 직접조사와 함께 조합할 때 힘이 있습니다. 사용자 경험이나 비즈니스 문제를 표면적인 데이터로만 정의하는 것이 아니라 직접 써보고, 직접 써본 사람을 만나보는 것이 필요합니다. UX 리서치는 문제를 정확하게 정의하기 위한 목적으로 활용되고 있습니다.

2️⃣ 문제를 정확하게 표현하기

추상적이거나 모호하게 서술한 문제는 해결할 수 없습니다. 예컨대, "전기차 배터리 성능이 너무 떨어진다"라는 문제는 해결하기 어렵습니다. "전기차 주행거리를 400km 이상으로 늘려야 한다"로 바꾸면 어떨까요? 측정할 수 있는 문제로 바꾸었고, 목표를 짚을 수 있습니다. 의견, 판단이 아니라 관찰할 수 있는 사실에서 출발해야 문제를 정확하게 정의할 수 있습니다.

3️⃣ 거꾸로 생각하기

문제를 보면 답을 구하고 싶어 집니다. 대화할 때도 비슷합니다. "이게 고민이에요"라고 말한 상대에게 무언가 도움이 되는 답을 말해주고 싶습니다. 그냥 들어주기만 해도 도움이 될 때에도 말이죠. 문제를 발견하면 바로 해결책을 찾기보다는 관점을 달리해서, "이게 왜 문제일까?"라는 질문으로 시야를 틔우는 것이 중요합니다. "전기차 주행거리가 400km 이상으로 늘려야 한다"의 진짜 문제는 '에어컨을 켠 상태로는 300km밖에 갈 수 없다'와 같이 다른 상황적 요인이 단서가 될 수 있습니다.

4️⃣ "왜" 그런지 반복해서 묻기

정의한 문제에 대해서 해결책을 정하기 전에 "왜 그럴까?"라는 질문을 반복해서 던져보는 겁니다. 5 WHYS라는 기법을 활용할 수도 있습니다. 진짜 문제는 "왜 그럴까?"라는 질문을 반복해서 던졌을 때 발견할 수 있습니다. 오티스 엘리베이터는 엘리베이터 속도에 대한 불만을 해결하려고 강력한 모터와 윤활 시스템을 만들었지만, 불만은 사그라들지 않았습니다. 본질은 엘리베이터 속도가 아니라 엘리베이터에서 느끼는 지루함이었죠. 거울을 설치하자 불만은 사그라들었습니다. 도착할 때까지 기다리는 시간이 지루해서 생긴 불만은 모터로 해결할 수 없었습니다.

5️⃣ 내가 틀릴 수 있다는 것을 의심하기

19세기 위대한 심리학자 윌리엄 제임스는 "고작 자신의 편견을 재배열할 뿐이면서 자신은 생각을 하고 있다고 믿는 사람이 한둘이 아니다"라는 말을 남겼습니다. 데이비드 롭슨의 <지능의 함정>에서는 똑똑한 사람일수록 오히려 특정한 종류의 어리석은 생각에 더 쉽게 빠져들 수 있다며 그 이유로 머리가 좋고 교육 수준이 높은 사람들은 이를테면 실수에서 교훈을 얻거나 타인의 조언을 받아들이는 성향이 상대적으로 적다는 점, 실수를 해도 제법 그럴듯한 논쟁으로 자기 논리를 정당화하는 능력이 남보다 뛰어나기 때문에 자신의 견해에 의심을 품지 않는 교조적 태도가 그 원인이라고 지적합니다. 문제정의를 제대로 하려면 적절한 의심과 겸손, 균형감각이 필요합니다.

https://www.redbusbagman.com/problems/

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관인데요. 많은 경우 요청으로 일을 시작하거든요. 요청을 받으면 무릎반사처럼 요청에 따라 일을 할 때가 많습니다. 요청한 기간에 맞춰, 요청한 태스크를 해드리는 것은 '내부 고객을 위한 서비스 제공자'라는 마인드를 길러줄 때도 있지만, 정말 문제가 무엇인지 모르고 목표가 아니라 태스크 자체에 매몰되도록 만듭니다. 항상 '문제가 무엇인가요?'라는 질문을 요청한 동료와 함께 정의하는 것부터 시작해야 합니다. [ 큐레이터의 문장 🎒 ] "나에게 1시간이 주어진다면, 55분 동안 문제를 찾고 5분 동안 그것을 풀 것이다" - 아인슈타인 다음 5가지 방법은 문제를 제대로 정의하기 위해서 직접 해볼 수 있는 행동 가이드입니다. 1️⃣ 직접 사실 확인하기 검색해서 답을 찾는 것으로는 부족합니다. 간접조사는 직접조사와 함께 조합할 때 힘이 있습니다. 사용자 경험이나 비즈니스 문제를 표면적인 데이터로만 정의하는 것이 아니라 직접 써보고, 직접 써본 사람을 만나보는 것이 필요합니다. UX 리서치는 문제를 정확하게 정의하기 위한 목적으로 활용되고 있습니다. 2️⃣ 문제를 정확하게 표현하기 추상적이거나 모호하게 서술한 문제는 해결할 수 없습니다. 예컨대, "전기차 배터리 성능이 너무 떨어진다"라는 문제는 해결하기 어렵습니다. "전기차 주행거리를 400km 이상으로 늘려야 한다"로 바꾸면 어떨까요? 측정할 수 있는 문제로 바꾸었고, 목표를 짚을 수 있습니다. 의견, 판단이 아니라 관찰할 수 있는 사실에서 출발해야 문제를 정확하게 정의할 수 있습니다. 3️⃣ 거꾸로 생각하기 문제를 보면 답을 구하고 싶어 집니다. 대화할 때도 비슷합니다. "이게 고민이에요"라고 말한 상대에게 무언가 도움이 되는 답을 말해주고 싶습니다. 그냥 들어주기만 해도 도움이 될 때에도 말이죠. 문제를 발견하면 바로 해결책을 찾기보다는 관점을 달리해서, "이게 왜 문제일까?"라는 질문으로 시야를 틔우는 것이 중요합니다. "전기차 주행거리가 400km 이상으로 늘려야 한다"의 진짜 문제는 '에어컨을 켠 상태로는 300km밖에 갈 수 없다'와 같이 다른 상황적 요인이 단서가 될 수 있습니다. 4️⃣ "왜" 그런지 반복해서 묻기 정의한 문제에 대해서 해결책을 정하기 전에 "왜 그럴까?"라는 질문을 반복해서 던져보는 겁니다. 5 WHYS라는 기법을 활용할 수도 있습니다. 진짜 문제는 "왜 그럴까?"라는 질문을 반복해서 던졌을 때 발견할 수 있습니다. 오티스 엘리베이터는 엘리베이터 속도에 대한 불만을 해결하려고 강력한 모터와 윤활 시스템을 만들었지만, 불만은 사그라들지 않았습니다. 본질은 엘리베이터 속도가 아니라 엘리베이터에서 느끼는 지루함이었죠. 거울을 설치하자 불만은 사그라들었습니다. 도착할 때까지 기다리는 시간이 지루해서 생긴 불만은 모터로 해결할 수 없었습니다. 5️⃣ 내가 틀릴 수 있다는 것을 의심하기 19세기 위대한 심리학자 윌리엄 제임스는 "고작 자신의 편견을 재배열할 뿐이면서 자신은 생각을 하고 있다고 믿는 사람이 한둘이 아니다"라는 말을 남겼습니다. 데이비드 롭슨의 &lt;지능의 함정&gt;에서는 똑똑한 사람일수록 오히려 특정한 종류의 어리석은 생각에 더 쉽게 빠져들 수 있다며 그 이유로 머리가 좋고 교육 수준이 높은 사람들은 이를테면 실수에서 교훈을 얻거나 타인의 조언을 받아들이는 성향이 상대적으로 적다는 점, 실수를 해도 제법 그럴듯한 논쟁으로 자기 논리를 정당화하는 능력이 남보다 뛰어나기 때문에 자신의 견해에 의심을 품지 않는 교조적 태도가 그 원인이라고 지적합니다. 문제정의를 제대로 하려면 적절한 의심과 겸손, 균형감각이 필요합니다. https://www.redbusbagman.com/problems/

REDBUSBAGMAN | 빨간색 광역버스에 백팩을 메고 탑니다

⟪문제정의가 일머리의 90%입니다⟫

풀타임 근무 어머님이 부업으로 만든 스위치 게임 - DogDrip.Net 개드립

최근에 이슈가 되는 글이 있어 공유합니다. 요약하자면, 6명의 아이들이 있고 회사일을 다니는 평범한(?) 어머님이 틈나는 시간을 할애하여 게임 업계의 담당자가 봐도 놀랄 수준의 게임을 만들었다는 내용입니다. 더 놀라운 건, 디자인이나 프로그래밍 등 게임을 만들기 위한 지식을 제대로 배워본 적이 없고 아주 오래된 운영체제와 컴퓨터에서 게임을 개발을 해왔다는 건데요.
간혹 후배 개발자분들이 개발 공부를 어떻게 하냐는 질문을 받을 때면 저는 늘 일단 무언가를 만들어 봐라. 다른 말로, 이론만 공부하지 말아라라고 이야기를 해드립니다. 토이 프로젝트(사이드 프로젝트)라는 이름 하에 요즘은 조금만 검색해 봐도 만드는 방법들이 너무 많을 정도라 무언가를 만들어 보면서 스스로 모르는 부분을 찾고 그러한 부분을 온전히 자신의 것으로 채워 나가는 형태가 가장 이상적인 공부 방법이 아닐까 싶더라고요.
이 글에서 나오는 주인공처럼 시간과 환경 등 다양한 제약조건은 그저 핑계일 뿐이고 지금 당장 무언가를 시작하고 조금씩이라도 진행시켜 나가는 그 자체가 중요한 건 아닐까 생각을 해봅니다.

https://www.dogdrip.net/557239981

최근에 이슈가 되는 글이 있어 공유합니다. 요약하자면, 6명의 아이들이 있고 회사일을 다니는 평범한(?) 어머님이 틈나는 시간을 할애하여 게임 업계의 담당자가 봐도 놀랄 수준의 게임을 만들었다는 내용입니다. 더 놀라운 건, 디자인이나 프로그래밍 등 게임을 만들기 위한 지식을 제대로 배워본 적이 없고 아주 오래된 운영체제와 컴퓨터에서 게임을 개발을 해왔다는 건데요.간혹 후배 개발자분들이 개발 공부를 어떻게 하냐는 질문을 받을 때면 저는 늘 일단 무언가를 만들어 봐라. 다른 말로, 이론만 공부하지 말아라라고 이야기를 해드립니다. 토이 프로젝트(사이드 프로젝트)라는 이름 하에 요즘은 조금만 검색해 봐도 만드는 방법들이 너무 많을 정도라 무언가를 만들어 보면서 스스로 모르는 부분을 찾고 그러한 부분을 온전히 자신의 것으로 채워 나가는 형태가 가장 이상적인 공부 방법이 아닐까 싶더라고요.이 글에서 나오는 주인공처럼 시간과 환경 등 다양한 제약조건은 그저 핑계일 뿐이고 지금 당장 무언가를 시작하고 조금씩이라도 진행시켜 나가는 그 자체가 중요한 건 아닐까 생각을 해봅니다. https://www.dogdrip.net/557239981﻿

DogDrip.Net 개드립

풀타임 근무 어머님이 부업으로 만든 스위치 게임

Test UI changes and production fixes with the powerful network response overrides in Chrome DevTools. Mock response headers, files, API requests, and more wi...

Override and mock network responses #DevToolsTips

﻿서버 개발 완료가 늦어져 API의 응답이 원하는 형태로 개발이 안되는 상황이나 API의 응답을 다른 응답으로 변경하여 브라우저에서 확인하고 싶을 경우 해볼만한 방법에 대해 공유 드립니다.

저희 팀 자체 테크 톡에서 나온 내용인데요. 크롬 브라우저에서만 동작한다는 단점(?)이 있지만 응답 결과를 서버에서 다르게 변경하며 봐야할 경우 브라우저 단에서 생각보다 쉽게 변경해볼수 있는 장점이 가장 크다고 느껴졌습니다.

프론트와 백엔드를 막론하고 알고 있으면 언젠가 강력하게 도움이 될 내용으로 생각됩니다.
https://www.youtube.com/watch?v=KxjGYcHZ_uI

﻿서버 개발 완료가 늦어져 API의 응답이 원하는 형태로 개발이 안되는 상황이나 API의 응답을 다른 응답으로 변경하여 브라우저에서 확인하고 싶을 경우 해볼만한 방법에 대해 공유 드립니다. 저희 팀 자체 테크 톡에서 나온 내용인데요. 크롬 브라우저에서만 동작한다는 단점(?)이 있지만 응답 결과를 서버에서 다르게 변경하며 봐야할 경우 브라우저 단에서 생각보다 쉽게 변경해볼수 있는 장점이 가장 크다고 느껴졌습니다. 프론트와 백엔드를 막론하고 알고 있으면 언젠가 강력하게 도움이 될 내용으로 생각됩니다.https://www.youtube.com/watch?v=KxjGYcHZ_uI ﻿

YouTube

API의 응답을 프론트에서 손쉽게 변경하기

볼수없는 영상이라고 뜨네요 ㅠ

스타트업 씬엔 '면접 금기어'가 있어. 머니볼. 데이터에 집중하는 전략으로 유명하지. 스타트업 데이터 팀 지원자 10명 중 절반 이상이 꺼낸다더라.

메이저리그 20연승 신화 [머니볼]의 데이터 전략, 책으로 다시 읽다 | Ep9

머니볼? 머니볼은 야구계에서 나온 전략입니다. 선수의 연봉(몸값)이 낮아도 출루율* 같이 승부에 결정적인 영향을 주는 핵심 지표가 좋은 선수 중심으로 팀을 구성하는 것이 핵심입니다. 예컨대 홈런을 가끔 치는 유명 선수보다, 1루로 꾸준히 출루하는 무명 선수가 나을 수 있는 거죠. 이걸 확인하는 방식이 통계·데이터 분석이었고 덕분에 머니볼은 스타트업에서 데이터 팀 지원자 절반 이상이 꺼내는 주제이기도 합니다.

[ 머니볼 신화를 만든 3인 ]

빌리 빈 메이저리그 팀들도 영입을 노렸던 야구 유망주. 슬럼프를 겪다 27살에 은퇴를 결심하고 은퇴 전까지 선수로 뛰던 오클랜드에서 전력분석원으로 일을 시작했죠. 그리고 1998년부터 2015년까지 미국 메이저리그 팀 오클랜드 애슬래틱스의 구단주를 역임했습니다. 2002년 그는 당시 리그 역사상 최고 기록인 20연승을 달성했는데요. 놀라운 건 부자 구단과 비교해 예산을 25%만 사용했는데 그 기반이 '머니볼'이었습니다.

샌디 앨러슨 하버드대학교 로스쿨 출신의 변호사로 일하던 로펌이 오클랜드 구단을 인수하면서 야구에 발을 들였습니다. 1994년 오클랜드 단장으로 빌리 빈보다 앞서 머니볼 전략의 판을 깐 선구자입니다. 구단 재정이 어려워지자 예산이 적은 상황에서 좋은 성과를 만들기 위한 고효율 전략을 구사했고 그 과정에서 빌리 빈이 팀에 합류해 방침을 이어갔습니다.

폴 디포디스타 경제학과 출신으로 야구계에 입문한 아웃사이더. 하버드대학교에서 경제학을 전공하고 월스트리트로 향하는 대신 야구계를 선택했습니다. 전통적인 야구 통계 이론 '세이버메트릭스'에서 주장하는 "'출루율과 장타율'의 합이 클수록 승률이 높아진다"에 의문을 갖고 출루율이 장타율보다 3배의 가치가 있다고 믿었습니다. 이런 문제의식을 품은 상태로 오클랜드에 합류해서 빌리와 머니볼을 만들게 됩니다.

[ 큐레이터의 문장 🎒 ]

1️⃣ 출루율 vs. 장타율

3번 타석에 나서서 1번 안타를 치는 선수보다 3번 연속 볼넷으로 출루하는 선수가 승리에 더 크게 기여할 수 있습니다.

2️⃣ 도루와 번트를 금지

무리한 플레이는 아웃이나 병살로 이어질 수 있기 때문에 출루율에 도움이 되지 않습니다.

3️⃣ 출루율 vs. 수비 실수

김하성 선수처럼 수비를 잘하지 못하더라도 출루율이 높으면 기용합니다. 실책이 나와도 점수를 더 내면 이깁니다.

4️⃣ 히든 피규어 (Hidden Figure)

여러 데이터 중에서 중요하다고 생각하지 않았지만 승리에 가장 큰 영향을 주는 변수를 찾고 거기에 집요할 만큼 집중합니다. 이를 위해서 덜 중요한 것들은 과감하게 포기하고요.

5️⃣ 최고의 전략이 아닌 최적의 전략

머니볼은 처음부터 최고의 전략이 아닌 장기전을 위한 최적의 전략입니다. 5번의 경기만 치르는 플레이오프에서는 확률게임이 통하지 않지만 100경기 이상 치르는 리그전에서는 결과를 만들 수 있습니다.

https://www.ep9.co/record/88?seq=1&format=cover&share=18119dfddb

머니볼? 머니볼은 야구계에서 나온 전략입니다. 선수의 연봉(몸값)이 낮아도 출루율* 같이 승부에 결정적인 영향을 주는 핵심 지표가 좋은 선수 중심으로 팀을 구성하는 것이 핵심입니다. 예컨대 홈런을 가끔 치는 유명 선수보다, 1루로 꾸준히 출루하는 무명 선수가 나을 수 있는 거죠. 이걸 확인하는 방식이 통계·데이터 분석이었고 덕분에 머니볼은 스타트업에서 데이터 팀 지원자 절반 이상이 꺼내는 주제이기도 합니다. [ 머니볼 신화를 만든 3인 ] 빌리 빈 메이저리그 팀들도 영입을 노렸던 야구 유망주. 슬럼프를 겪다 27살에 은퇴를 결심하고 은퇴 전까지 선수로 뛰던 오클랜드에서 전력분석원으로 일을 시작했죠. 그리고 1998년부터 2015년까지 미국 메이저리그 팀 오클랜드 애슬래틱스의 구단주를 역임했습니다. 2002년 그는 당시 리그 역사상 최고 기록인 20연승을 달성했는데요. 놀라운 건 부자 구단과 비교해 예산을 25%만 사용했는데 그 기반이 '머니볼'이었습니다. 샌디 앨러슨 하버드대학교 로스쿨 출신의 변호사로 일하던 로펌이 오클랜드 구단을 인수하면서 야구에 발을 들였습니다. 1994년 오클랜드 단장으로 빌리 빈보다 앞서 머니볼 전략의 판을 깐 선구자입니다. 구단 재정이 어려워지자 예산이 적은 상황에서 좋은 성과를 만들기 위한 고효율 전략을 구사했고 그 과정에서 빌리 빈이 팀에 합류해 방침을 이어갔습니다. 폴 디포디스타 경제학과 출신으로 야구계에 입문한 아웃사이더. 하버드대학교에서 경제학을 전공하고 월스트리트로 향하는 대신 야구계를 선택했습니다. 전통적인 야구 통계 이론 '세이버메트릭스'에서 주장하는 "'출루율과 장타율'의 합이 클수록 승률이 높아진다"에 의문을 갖고 출루율이 장타율보다 3배의 가치가 있다고 믿었습니다. 이런 문제의식을 품은 상태로 오클랜드에 합류해서 빌리와 머니볼을 만들게 됩니다. [ 큐레이터의 문장 🎒 ] 1️⃣ 출루율 vs. 장타율 3번 타석에 나서서 1번 안타를 치는 선수보다 3번 연속 볼넷으로 출루하는 선수가 승리에 더 크게 기여할 수 있습니다. 2️⃣ 도루와 번트를 금지 무리한 플레이는 아웃이나 병살로 이어질 수 있기 때문에 출루율에 도움이 되지 않습니다. 3️⃣ 출루율 vs. 수비 실수 김하성 선수처럼 수비를 잘하지 못하더라도 출루율이 높으면 기용합니다. 실책이 나와도 점수를 더 내면 이깁니다. 4️⃣ 히든 피규어 (Hidden Figure) 여러 데이터 중에서 중요하다고 생각하지 않았지만 승리에 가장 큰 영향을 주는 변수를 찾고 거기에 집요할 만큼 집중합니다. 이를 위해서 덜 중요한 것들은 과감하게 포기하고요. 5️⃣ 최고의 전략이 아닌 최적의 전략 머니볼은 처음부터 최고의 전략이 아닌 장기전을 위한 최적의 전략입니다. 5번의 경기만 치르는 플레이오프에서는 확률게임이 통하지 않지만 100경기 이상 치르는 리그전에서는 결과를 만들 수 있습니다. https://www.ep9.co/record/88?seq=1&amp;format=cover&amp;share=18119dfddb

《최고의 전략이 아니어도 괜찮은 최적의 전략, 머니볼》

여정민 Software Engineer | 아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요. 이러한 기술들은 대규모 서비... | 커리어리

여정민 / 컴퓨터 세계를 완전히 변화시킨 25개의 논문 | 커리어리

이전에 쓴 글인 "컴퓨터 세계를 완전히 변화시킨 25개의 논문" 를 따라서 하나씩 관심있는 논문을 소개해볼까 합니다.
 * 참고: https://careerly.co.kr/comments/104598?utm_campaign=self-share
   
   
이번 글은 제가 가장 관심있는 기술 중 하나인 Apache Flink™: Stream and Batch Processing in a Single Engine 입니다.

Apache Flink 는 실시간 데이터 처리 능력과 고급 스트리밍 분석 기능을 제공하는 분산 데이터 처리 엔진이에요.

주로 스트리밍/배치 애플리케이션, 데이터 파이프라인, 실시간 업데이트를 위한 머신러닝 시스템 , 실시간 데이터 분석 등 다양한 분야에서 사용됩니다.

현재 한국에서는 Apache Kafka 만큼 잘 알려져 있진 않지만 향후에는 대세적인 기술이 되지 않을까 싶습니다.

글은 블로그에 정리해 놓았으니 시간 나실 때 한번 봐주세요~

https://youngerjesus.tistory.com/102

이전에 쓴 글인 "컴퓨터 세계를 완전히 변화시킨 25개의 논문" 를 따라서 하나씩 관심있는 논문을 소개해볼까 합니다. <ul ><li>참고: https://careerly.co.kr/comments/104598?utm_campaign=self-share </li></ul>이번 글은 제가 가장 관심있는 기술 중 하나인 Apache Flink™: Stream and Batch Processing in a Single Engine 입니다. Apache Flink 는 실시간 데이터 처리 능력과 고급 스트리밍 분석 기능을 제공하는 분산 데이터 처리 엔진이에요. 주로 스트리밍/배치 애플리케이션, 데이터 파이프라인, 실시간 업데이트를 위한 머신러닝 시스템 , 실시간 데이터 분석 등 다양한 분야에서 사용됩니다. 현재 한국에서는 Apache Kafka 만큼 잘 알려져 있진 않지만 향후에는 대세적인 기술이 되지 않을까 싶습니다. 글은 블로그에 정리해 놓았으니 시간 나실 때 한번 봐주세요~ https://youngerjesus.tistory.com/102

커리어리

Apache Flink 논문 리뷰

이번 주제에서는 '카카오페이지 기술전략이사 윤진석' 님이 진행하신 강의에 대하여 초반부를 제외한 '확장성 및 안정성 있는 시스템', '대규모 시스템에서 발생하는 데이터 처리'와 관련해 각각 주제를 정리하며 수업 내용의 요약을 곁들여보려 합니다. 다음글: 대규모 시스템에서 발생하는 데이터 처리 (feat.

확장성 및 안정성 있는 시스템에 관하여 (feat. 패스트캠퍼스 온라인 'THE RED : 4천만 MAU를 지탱하는 서비스 설계와 데이터 처리 기술')

주니어를 벗어나 인터뷰를 진행하면, 대부분 시스템 디자인 또는 아키텍팅 인터뷰를 보게됩니다.

이것을 왜 볼까라는 부분을 생각해보면,
'소프트웨어는 최종적으로 현실의 문제를 해결하기 위해 존재한다'는 사실을 다시 한 번 깨닫습니다.

현실의 문제도 변하고,
기반한 기술 인프라도 변하고,
기반한 기술도 변하기에,
대부분의 소프트웨어는 진화적인데요.

그렇게 변화하는 상황에서 디폴트로 요구되는 부분이 확장성과 안정성 2가지입니다.
그리고 이 2가지는 목적에 따라, 도메인의 스콥(scope)을 통해 컨택스트가 정리됩니다.

 * 최근 런칭되어 매달 300% 씩 성장하며, 핀테크에 요구되는 법률적인 안정성과 보안성을 지켜야하는 서비스일까요?
 * 15년전 개발되어 외주로 운영되다가, 최근 내재화되어 운영인력을 최소화하는 방향성으로 운영최적화를 목적으로 하는 서비스일까요?
 * 빠르게 움직이는 자동차 안에서의 리얼타임 사용 중심의 애플리케이션일까요?
 * 특정 브랜드 오픈 시점에 폭발적으로 트래픽이 몰리는, 한정판 판매 사이트일까요?

비지니스가 고객에서 시작하듯이, 기술도 도메인에서 시작합니다.
그렇기에 역시나 커뮤니케이션이 중요하고, 그 커뮤니케이션을 기술과 옆에두고 reflecting하는게 중요하다는 생각이듭니다.

(관련글: https://kadensungbincho.tistory.com/78)

주니어를 벗어나 인터뷰를 진행하면, 대부분 시스템 디자인 또는 아키텍팅 인터뷰를 보게됩니다. 이것을 왜 볼까라는 부분을 생각해보면,'소프트웨어는 최종적으로 현실의 문제를 해결하기 위해 존재한다'는 사실을 다시 한 번 깨닫습니다. 현실의 문제도 변하고,기반한 기술 인프라도 변하고,기반한 기술도 변하기에,대부분의 소프트웨어는 진화적인데요. 그렇게 변화하는 상황에서 디폴트로 요구되는 부분이 확장성과 안정성 2가지입니다. 그리고 이 2가지는 목적에 따라, 도메인의 스콥(scope)을 통해 컨택스트가 정리됩니다. <ul ><li>최근 런칭되어 매달 300% 씩 성장하며, 핀테크에 요구되는 법률적인 안정성과 보안성을 지켜야하는 서비스일까요?</li><li>15년전 개발되어 외주로 운영되다가, 최근 내재화되어 운영인력을 최소화하는 방향성으로 운영최적화를 목적으로 하는 서비스일까요?</li><li>빠르게 움직이는 자동차 안에서의 리얼타임 사용 중심의 애플리케이션일까요? </li><li>특정 브랜드 오픈 시점에 폭발적으로 트래픽이 몰리는, 한정판 판매 사이트일까요?</li></ul> 비지니스가 고객에서 시작하듯이, 기술도 도메인에서 시작합니다.그렇기에 역시나 커뮤니케이션이 중요하고, 그 커뮤니케이션을 기술과 옆에두고 reflecting하는게 중요하다는 생각이듭니다. (관련글: https://kadensungbincho.tistory.com/78)

Kaden Sungbin Cho

시스템 디자인 인터뷰를 위한, 웹의 확장성과 안정성

Jan Leike criticized his former employer OpenAI, claiming a need to "prioritize" preparing for the implications of AGI, or artificial general intelligence.

OpenAI researcher resigns, claiming safety has taken "a backseat to shiny products"

오픈AI 공동창업자(Ilya Sutskever)를 포함 연구원들이 줄줄이 사임하고 있습니다. 특히 핵심 연구원인 Jan Leike는 “오픈AI에서 제품을 보기 좋게, 빛나게 만드는 일이 안전을 중시하는 프로세스를 대체했다”고 주장하며 퇴사했는데요. 그는 오픈AI가 장기적인 위험 해결을 전담하던 팀인 ‘superalignment’를 해체했다는 보도가 나온 뒤 이런 코멘트를 남겼습니다. 해당 팀은 오픈AI가 ‘추론’을 할 수 있는 AI(!)를 개발함에 따라 안전 프로토콜을 구현해야 한다는 ‘핵심 기술 과제’를 해결하기 위해 만들어졌습니다. 그런데 이를 없앴다는 이야기입니다. 어쨌든 Jan Leike의 주장은 AI 시대에 분명히 되새겨야만 하는 말일 것 같습니다.

오픈AI 공동창업자(Ilya Sutskever)를 포함 연구원들이 줄줄이 사임하고 있습니다. 특히 핵심 연구원인 Jan Leike는 “오픈AI에서 제품을 보기 좋게, 빛나게 만드는 일이 안전을 중시하는 프로세스를 대체했다”고 주장하며 퇴사했는데요. 그는 오픈AI가 장기적인 위험 해결을 전담하던 팀인 ‘superalignment’를 해체했다는 보도가 나온 뒤 이런 코멘트를 남겼습니다. 해당 팀은 오픈AI가 ‘추론’을 할 수 있는 AI(!)를 개발함에 따라 안전 프로토콜을 구현해야 한다는 ‘핵심 기술 과제’를 해결하기 위해 만들어졌습니다. 그런데 이를 없앴다는 이야기입니다. 어쨌든 Jan Leike의 주장은 AI 시대에 분명히 되새겨야만 하는 말일 것 같습니다.

The Verge

흠.. open ai는 늘 뜨거운 감자네요. 이슈가 끊이질 않는군요.ㅋㅋ AI 시대의 선한 영향력을 주도하는 기업이 될 수 있길 바래봅니다.🧐

좋은 개발자가 알아야하는 9가지 포인트들 - 사고 대처 능력 키우

여러번의 이직을 거쳐왔지만 직장에서 동료와 직접적으로 문제가 된 적은 거의 없었다. 대부분 어느정도 의견차이가 있다고 하더라도 말도안되는 정도로 벗어나는 경우가 없기 때문에 대화로 의견타협을 할 수 있었다.

현직장에는 문제가 많다. 팀이 생긴지 2년정도밖에 안됐고 그간 거쳐간 리더들이 하나같이 잘못된 리더십을 행사하는 바람에 능력있는 사람들은 이미 다 빠져나갔다. 그러고나니 남아있던 경력만 많은 나르시스트가 감언이설과 장시간의 노동으로 테크리드 자리를 꿰찬듯 하다.

이미 한 번 철옹성을 쌓아올려 기회를 만든 이 나르시스트는 자신의 권위에 도전한다고 판단되는 모든 행위들을 권력으로 찍어누르면서 자리를 지키기위해 안간힘을 쓴다.

이들의 특징은 다음과 같다.
 1. 리더십이 아닌 자신의 직위를 내세운다
 2. 자신의 계획에 조금이라도 벗어나는 의견을 용납하지 못한다
 3. 실수를 인정하지 않는다
 4. 사과라는걸 모른다
 5. 남탓을 한다.
 6. 다른 사람의 실수를 들추며 자신을 치켜세운다.
 7. A와의 1:1 미팅에서 B를 까고 B와의 1:1 미팅에서 A를 깐다
 8. 모든 일의 공을 자신으로 돌린뒤 잡무를 팀원들에게 분배한다

이외에도 기타등등 조직에 악영향을 많이 끼친다. 어디까지나 미국 한정이지만 이것에 대응하기위해 지금까지 다음과 같은 방법을 활용하고있다.

 * 잘못된 행동이나 의사결정에 대한 정확한 기록. 일/시/상황 등을 기록한다.
 * 피드백은 되도록 매니져가 있는 상황에서 프로페셔널 한 매너를 지키며 전달한다.
 * 상대가 감정적으로 나오더라도 그것에 동요하지 않는다.
 * 인사팀과 매니져에게 기록해온 상황을 보고한다.
 * 생각이 같은 팀원을 찾아 동맹을 만든다.
 * 팀 내부도 중요하지만 외부 리더들과 좋은 관계를 유지한다.

직장에서 아무리 이해가 되지 않는 행동이나 의사결정을 지속적으로 내리는 리더를 만나더라도 준비 없이 권위에 도전하는건 위험하다. 특히나 상대적으로 직장내에서 입지가 좁다면 우선 나에대한 지지와 신뢰를 주변으로부터 얻는게 우선이다. 굴러들어온 돌이 박힌돌을 빼내려면 굴러들어오는 모멘텀과 동시에 나의 덩치를 불리는게 우선이다.

현 직장에 입사한지 1년이 지났다. 사실 이정도 되면 전직장에서는 일이 지루해져 다음 일자리를 찾기 시작했을 타이밍인데 불행 중 다행인지 이런 환경 덕분에 매일매일 새롭고 흥미로운 듯 하다. 매일이 새로운 경험이고 노하우도 쌓이는 것 같아서 어떻게보면 이런 환경에 들어온게 좋은 기회인 것 같기도 하다.

이제 슬슬 박힌돌을 빼내는 시도를 해 보려고 하고있다. 나로써도 처음하는 경험이고 여러가지 변수도 있어서 성공할 것이라는 확신은 아직 없지만, 지금까지 배운 것 들 만으로도 충분히 값진 경험을 한 것 같다.

앞으로 종종 진행상황을 업데이트 하겠다.

여러번의 이직을 거쳐왔지만 직장에서 동료와 직접적으로 문제가 된 적은 거의 없었다. 대부분 어느정도 의견차이가 있다고 하더라도 말도안되는 정도로 벗어나는 경우가 없기 때문에 대화로 의견타협을 할 수 있었다. 현직장에는 문제가 많다. 팀이 생긴지 2년정도밖에 안됐고 그간 거쳐간 리더들이 하나같이 잘못된 리더십을 행사하는 바람에 능력있는 사람들은 이미 다 빠져나갔다. 그러고나니 남아있던 경력만 많은 나르시스트가 감언이설과 장시간의 노동으로 테크리드 자리를 꿰찬듯 하다. 이미 한 번 철옹성을 쌓아올려 기회를 만든 이 나르시스트는 자신의 권위에 도전한다고 판단되는 모든 행위들을 권력으로 찍어누르면서 자리를 지키기위해 안간힘을 쓴다. 이들의 특징은 다음과 같다.<ol ><li>리더십이 아닌 자신의 직위를 내세운다</li><li>자신의 계획에 조금이라도 벗어나는 의견을 용납하지 못한다</li><li>실수를 인정하지 않는다</li><li>사과라는걸 모른다</li><li>남탓을 한다.</li><li>다른 사람의 실수를 들추며 자신을 치켜세운다.</li><li>A와의 1:1 미팅에서 B를 까고 B와의 1:1 미팅에서 A를 깐다</li><li>모든 일의 공을 자신으로 돌린뒤 잡무를 팀원들에게 분배한다</li></ol> 이외에도 기타등등 조직에 악영향을 많이 끼친다. 어디까지나 미국 한정이지만 이것에 대응하기위해 지금까지 다음과 같은 방법을 활용하고있다. <ul ><li>잘못된 행동이나 의사결정에 대한 정확한 기록. 일/시/상황 등을 기록한다.</li><li>피드백은 되도록 매니져가 있는 상황에서 프로페셔널 한 매너를 지키며 전달한다.</li><li>상대가 감정적으로 나오더라도 그것에 동요하지 않는다.</li><li>인사팀과 매니져에게 기록해온 상황을 보고한다.</li><li>생각이 같은 팀원을 찾아 동맹을 만든다.</li><li>팀 내부도 중요하지만 외부 리더들과 좋은 관계를 유지한다.</li></ul> 직장에서 아무리 이해가 되지 않는 행동이나 의사결정을 지속적으로 내리는 리더를 만나더라도 준비 없이 권위에 도전하는건 위험하다. 특히나 상대적으로 직장내에서 입지가 좁다면 우선 나에대한 지지와 신뢰를 주변으로부터 얻는게 우선이다. 굴러들어온 돌이 박힌돌을 빼내려면 굴러들어오는 모멘텀과 동시에 나의 덩치를 불리는게 우선이다. 현 직장에 입사한지 1년이 지났다. 사실 이정도 되면 전직장에서는 일이 지루해져 다음 일자리를 찾기 시작했을 타이밍인데 불행 중 다행인지 이런 환경 덕분에 매일매일 새롭고 흥미로운 듯 하다. 매일이 새로운 경험이고 노하우도 쌓이는 것 같아서 어떻게보면 이런 환경에 들어온게 좋은 기회인 것 같기도 하다. 이제 슬슬 박힌돌을 빼내는 시도를 해 보려고 하고있다. 나로써도 처음하는 경험이고 여러가지 변수도 있어서 성공할 것이라는 확신은 아직 없지만, 지금까지 배운 것 들 만으로도 충분히 값진 경험을 한 것 같다. 앞으로 종종 진행상황을 업데이트 하겠다.

직장에서 나르시스트를  상대하는 방법

몇 달 전, 반려생활에 처음 합류한 후 진행했던 첫 과제에 대한 내용을 블로그에 포스팅했더니 좋은 반응을 많이 받았습니다. 그래서 이번엔 시간을 조금 더 앞당겨, 반려생활에 합류하게 되기까지의 과정을 블로그에 적어 공유해 보고자 합니다. 반려생활에 지원할 무렵인 2023년 11월, 저는 우아한테크코스라는 부트캠프 캠퍼스에서 한창 프로그래밍 공부를 하고...

반려생활, 서버 개발자, 700대 1

반려생활에 입사하진 4개월된 승현님이 합류까지의 과정을 재미나게 적어주셨네요.

https://blog.ban-life.com/%EB%B0%98%EB%A0%A4%EC%83%9D%ED%99%9C-%EC%84%9C%EB%B2%84-%EA%B0%9C%EB%B0%9C%EC%9E%90-700%EB%8C%80-1-1aa370e64781

반려생활에 입사하진 4개월된 승현님이 합류까지의 과정을 재미나게 적어주셨네요. https://blog.ban-life.com/%EB%B0%98%EB%A0%A4%EC%83%9D%ED%99%9C-%EC%84%9C%EB%B2%84-%EA%B0%9C%EB%B0%9C%EC%9E%90-700%EB%8C%80-1-1aa370e64781

Medium

반려생활에 합류하기 위한 여정

Next.js 환경에서 개발을 하다보면 Hydration에러를 종종 만나게 되는데요. 이 에러는 서버에서 생성된 HTML과 클라이언트에서 생성되는 HTML간에 불일치가 발생할때 발생합니다.

가령 useEffect내 API호출을 한다던지, 세션이나 쿠키 같은 요인에 따라 렌더링 컴포넌트가 다를때라던지, 자바스크립트 실행 타이밍이 다를때 이 에러를 접하게 되는데요.

이 Hydration에러는 왜 발생하는 것일까요??
근본적인 원인은 렌더링을 두 번 하기 때문입니다. 서버 사이드 렌더링 후, 클라이언트 사이드에서 추가 렌더링을 하면서 데이터의 불일치가 발생하는 것인데요. 

그럼 왜 렌더링을 두 번 할까요? 언뜻 보기엔 두 번 렌더링이 비효율적인것 같아 보이는데요. 두 번 렌더링을 하게 되면 최초 초기 로딩 시 최소한의 정보만을 포함하고 있어 빠르게 렌더링이 가능합니다. 또한 검색엔진은 빠른 렌더링을 중요한 랭킹 요소로 고려하므로 SEO에도 유리 합니다. 초기 렌더링 이후에는  DOM 요소에 속성을 매칭 시키는 작업을 하는데요. 이 이벤트 리스너를 붙이는 작업은 페이지를 다시 그리지 않으므로 추가적인 렌더링 비용이 발생하지 않습니다.

따라서, Hydration은 효율적인 초기 페이지 로딩과 동적 웹 애플리케이션 기능의 균형을 맞추기 위한 과정 입니다. 다만 Hydration 에러는 개발 과정에서 다루기 까다로운 문제중 하나인데요. Next.js 에서도 에러를 줄이기 위한 방안을 지속적으로 모색하고 기술적인 접근을 제공하고 있습니다. 예를 들어 Zustand에서는 과거에 persist미들웨어를 사용할때 Hydration에러가 발생하였는데요 V3부터는 클라이언트 측에서 상태를 다시 로드하도록 하여 서버와 클라이언트 사이의 데이터 불일치 문제를 해결하였습니다. 

Hydration 과정과 이로 인해 발생할 수 있는 에러를 제대로 관리하면, 사용자 경험을 향상시키고 웹사이트의 성능을 최적화할 수 있습니다.

Next.js 환경에서 개발을 하다보면 Hydration에러를 종종 만나게 되는데요. 이 에러는 서버에서 생성된 HTML과 클라이언트에서 생성되는 HTML간에 불일치가 발생할때 발생합니다. 가령 useEffect내 API호출을 한다던지, 세션이나 쿠키 같은 요인에 따라 렌더링 컴포넌트가 다를때라던지, 자바스크립트 실행 타이밍이 다를때 이 에러를 접하게 되는데요. 이 Hydration에러는 왜 발생하는 것일까요??근본적인 원인은 렌더링을 두 번 하기 때문입니다. 서버 사이드 렌더링 후, 클라이언트 사이드에서 추가 렌더링을 하면서 데이터의 불일치가 발생하는 것인데요.&nbsp; 그럼 왜 렌더링을 두 번 할까요? 언뜻 보기엔 두 번 렌더링이 비효율적인것 같아 보이는데요. 두 번 렌더링을 하게 되면 최초 초기 로딩 시 최소한의 정보만을 포함하고 있어 빠르게 렌더링이 가능합니다. 또한 검색엔진은 빠른 렌더링을 중요한 랭킹 요소로 고려하므로 SEO에도 유리 합니다. 초기 렌더링 이후에는&nbsp; DOM 요소에 속성을 매칭 시키는 작업을 하는데요. 이 이벤트 리스너를 붙이는 작업은 페이지를 다시 그리지 않으므로 추가적인 렌더링 비용이 발생하지 않습니다. 따라서, Hydration은 효율적인 초기 페이지 로딩과 동적 웹 애플리케이션 기능의 균형을 맞추기 위한 과정 입니다. 다만 Hydration 에러는 개발 과정에서 다루기 까다로운 문제중 하나인데요. Next.js 에서도 에러를 줄이기 위한 방안을 지속적으로 모색하고 기술적인 접근을 제공하고 있습니다. 예를 들어 Zustand에서는 과거에 persist미들웨어를 사용할때 Hydration에러가 발생하였는데요 V3부터는 클라이언트 측에서 상태를 다시 로드하도록 하여 서버와 클라이언트 사이의 데이터 불일치 문제를 해결하였습니다.&nbsp; Hydration 과정과 이로 인해 발생할 수 있는 에러를 제대로 관리하면, 사용자 경험을 향상시키고 웹사이트의 성능을 최적화할 수 있습니다.

Next.js 개발 시 자주 마주치는 Hydration 에러 이해

Microsoft Word - sosp067-decandia1.doc

아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요.

이러한 기술들은 대규모 서비스, 분산 시스템, 클라우드, 데이터베이스, 머신러닝 등에서 다양하게 활용되고 있다고 합니다.

이것들을 공부하면 기술 면접이나 대규모 시스템 설계 그리고 실제 리얼 월드의 문제를 해결하는데 도움을 줄거에요.

앞으로 이러한 논문들을 하나씩 소개하는 글을 작성해볼게요~ 

 1. Dynamo - Amazon’s Highly Available Key Value Store:
 * Dynamo 시스템이 Amazon의 대규모 환경에서 어떻게 신뢰성을 제공하는지, 그리고 일관성을 희생하면서 어떻게 항상 사용 가능한 경험을 지원하는지에 대해 다룹니다. 
 * https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf?utm_source=substack&utm_medium=email

 2. Google File System:
 * Google File System의 설계 및 구현에 초점을 맞추며, 이 시스템이 대규모 데이터 중심 응용 프로그램을 지원하는 분산 파일 시스템으로서 어떻게 Scalability 와 Fault Tolerance 를 제공하는지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf?utm_source=substack&utm_medium=email

 3. Scaling Memcached at Facebook:
 * Facebook 이 Memcached 를 활용하여 어떻게 전 세계에서 가장 큰 소셜 네트워크를 지원하는 분산 키-값 저장소를 구축하고 확장했는지에 대해 다룹니다. 
 * https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf

 4. BigTable:
 * Bigtable이 어떻게 구조화된 데이터를 관리하기 위해 설계되었으며, 수천 대의 commodity servers 에서 페타바이트 규모로 확장될 수 있는지에 대해 다룹니다. 
 * https://substack.com/redirect/c49ce9b7-e0ab-4f1e-8936-3efd383ba713?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4

 5. Borg - Large Scale Cluster Management at Google: 
 * Borg 시스템이 수십만 대의 기계를 포함하는 여러 클러스터에서 수천 개의 다양한 응용 프로그램에서 수백만 개의 작업을 어떻게 관리하는지, 그리고 높은 자원 활용도를 달성하기 위해 어떤 기술을 사용하는지에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/43438.pdf?utm_source=substack&utm_medium=email

 6. Cassandra:
 * Cassandra 가 어떻게 대량의 구조화된 데이터를 여러 커머디티 서버에 걸쳐 관리하면서, 단일 실패 지점 없이 높은 가용성을 제공하는 분산 스토리지 시스템이 될 수 있는지에 대해 다룹니다. 
 * https://substack.com/redirect/cad644f7-a5c8-4d78-9b37-75597bf3b689?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4

 7. Attention Is All You Need: 
 * 기존의 복잡한 순환 또는 합성곱 신경망을 대체하는 새로운 신경망 구조인 Transformer 에 대해 설명하며, 이 구조가 어떻게 오직 Attention 메커니즘만을 기반으로 하여 더 빠른 학습 속도와 높은 병렬 처리 능력을 제공하는지에 대해 다룹니다. 
 * https://arxiv.org/abs/1706.03762?utm_source=substack&utm_medium=email

 8. Kafka:
 * Kafka가 어떻게 대량의 로그 데이터를 수집하고 낮은 지연시간으로 전달하는 분산 메시징 시스템인지, 그리고 기존 로그 집계기 및 메시징 시스템에서 어떤 아이디어를 도입했는지에 대해 다룹니다.
 * https://www.microsoft.com/en-us/research/wp-content/uploads/2017/09/Kafka.pdf?utm_source=substack&utm_medium=email 

 9. FoundationDB:
 * FoundationDB 가 어떻게 NoSQL의 유연성과 확장성을 ACID 트랜잭션과 결합하고 있는지, 그리고 이 시스템이 어떻게 분리된 아키텍처를 채택하여 각 서브시스템을 독립적으로 조정할 수 있게 만들었는지에 대해 다룹니다. 
 * https://www.foundationdb.org/files/fdb-paper.pdf?utm_source=substack&utm_medium=email

 10. Amazon Aurora:
 * Aurora가 어떻게 OLTP 워크로드를 위한 관계형 데이터베이스 서비스로 설계되었으며, 고성능 데이터 처리에 있어 네트워크가 중요한 제약 요소로 부상했는지에 대해 다룹니다. 
 * https://web.stanford.edu/class/cs245/readings/aurora.pdf?utm_source=substack&utm_medium=email

 11. Spanner: 
 * Spanner가 어떻게 세계적 규모로 데이터를 분산시키고, externally-consistent 을 지원하는 분산 트랜잭션을 처음으로 제공하는 시스템인지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf?utm_source=substack&utm_medium=email

 12. MapReduce:
 * MapReduce가 어떻게 대규모 데이터 세트를 처리하고 생성하는데 사용되며, 사용자가 맵 함수와 리듀스 함수를 정의하여 데이터를 자동으로 병렬 처리하는 방식에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/16cb30b4b92fd4989b8619a61752a2387c6dd474.pdf?utm_source=substack&utm_medium=email

 13. Shard Manager:
 * Shard Manager 가 어떻게 지리적으로 분산된 애플리케이션을 위한 샤드 관리를 단순화하고, 소프트웨어 업그레이드와 같은 계획된 이벤트 동안 애플리케이션 가용성을 유지하는 기능을 제공하는지에 대해 다룹니다. 
 * https://dl.acm.org/doi/pdf/10.1145/3477132.3483546?utm_source=substack&utm_medium=email

 14. Dapper:
 * Dapper가 어떻게 낮은 오버헤드, 애플리케이션 수준의 투명성을 제공하며 대규모 시스템에서 어디에나 배포될 수 있는지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/papers/dapper-2010-1.pdf?utm_source=substack&utm_medium=email

 15. Flink:
 * Apache Flink 시스템의 주요 특징과 철학을 소개하고, Flink가 실시간 분석, 연속 데이터 파이프라인, 이력 데이터 처리(배치), 반복적 알고리즘(머신러닝, 그래프 분석)을 포함한 다양한 데이터 처리 응용 프로그램을 지원하는지에 대해 다룹니다. 
 * https://www.researchgate.net/publication/308993790_Apache_Flink_Stream_and_Batch_Processing_in_a_Single_Engine

 16. A Comprehensive Survey on Vector Databases:
 * 벡터 데이터베이스에 관한 포괄적인 내용을 다룹니다. 그리고 벡터 데이터베이스가 고차원 데이터를 저장하는 방법, 전통적인 DBMS에서 다루기 어려운 데이터의 특성화 방법, 그리고 이 분야에서 발생하는 주요 도전 과제들에 대해 다룹니다. 
 * https://arxiv.org/pdf/2310.11703

 17. Zanzibar:
 * 구글의 Zanzibar 시스템에 대해 다룹니다. 그리고 Zanzibar가 어떻게 수조 개의 접근 제어 목록과 초당 수백만 개의 인증 요청을 처리하는지에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/10683a8987dbf0c6d4edcafb9b4f05cc9de5974a.pdf?utm_source=substack&utm_medium=email

 18. Monarch: 
 * 구글의 Monarch가 어떻게 전 세계적으로 분산된 인메모리 시계열 데이터베이스로서 구글의 수십억 사용자 규모의 애플리케이션과 시스템을 모니터링하는 데 사용되는지, 그리고 이 시스템이 매초 테라바이트의 데이터를 수집하고 수백만 건의 쿼리를 처리하는 방법에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/d84ab6c93881af998de877d0070a706de7bec6d8.pdf?utm_source=substack&utm_medium=email

 19. Thrift:
 * Thrift 소프트웨어 라이브러리와 코드 생성 도구에 대해 다룹니다. 그리고 Thrift가 어떻게 다양한 프로그래밍 언어 간의 효율적이고 신뢰할 수 있는 통신을 가능하게 하는지에 대해 다룹니다. 
 * https://thrift.apache.org/static/files/thrift-20070401.pdf?utm_source=substack&utm_medium=email

 20. Bitcoin:
 * 비트코인이 금융기관을 거치지 않고 직접적으로 온라인 지불을 가능하게 하는 순수한 Peer-to-Peer 전자화폐 시스템으로서, 어떻게 이중 지불 문제를 해결하며, 해시 기반의 작업 증명을 통해 거래를 타임스탬프하는 네트워크를 사용하는지에 대해 다룹니다. 
 * https://bitcoin.org/bitcoin.pdf?utm_source=substack&utm_medium=email

 21. WTF - Who to Follow Service at Twitter:
 * WTF가 어떻게 일일 수백만 사용자 간의 연결을 생성하는지, 그리고 공유된 관심사, 공통 연결 등을 기반으로 어떻게 사용자 추천을 수행하는지에 대해 다룹니다. 
 * https://web.stanford.edu/~rezab/papers/wtf_overview.pdf?utm_source=substack&utm_medium=email

 22. MyRocks: LSM-Tree Database Storage Engine:
 * Facebook 에서 MyRocks 엔진을 어떻게 활용하는지에 대해 다룹니다. 그리고 MyRocks가 어떻게 LSM-트리 기반의 RocksDB 위에 구축되어 MySQL의 관계형 기능을 통합했는지에 대해서도 다룹니다. 
 * https://www.vldb.org/pvldb/vol13/p3217-matsunobu.pdf?utm_source=substack&utm_medium=email

 23. GoTo Considered Harmful: 
 * https://homepages.cwi.nl/~storm/teaching/reader/Dijkstra68.pdf?utm_source=substack&utm_medium=email

 24. Raft Consensus Algorithm:
 * Raft 합의 알고리즘에 대해 다룹니다. 그리고 Raft가 어떻게 Paxos와 동등한 결과를 내면서도 더 이해하기 쉽고 실용적인 시스템 구축의 기반을 제공하는지에 대해서도 다룹니다. 
 * https://raft.github.io/raft.pdf?utm_source=substack&utm_medium=email

 25. Time Clocks and Ordering of Events:
 * 분산 시스템 내에서 이벤트의 순서를 결정하고 시간의 개념을 이해하는 방법에 대해 다룹니다. 
 * https://lamport.azurewebsites.net/pubs/time-clocks.pdf?utm_source=substack&utm_medium=email

아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요. 이러한 기술들은 대규모 서비스, 분산 시스템, 클라우드, 데이터베이스, 머신러닝 등에서 다양하게 활용되고 있다고 합니다. 이것들을 공부하면 기술 면접이나 대규모 시스템 설계 그리고 실제 리얼 월드의 문제를 해결하는데 도움을 줄거에요. 앞으로 이러한 논문들을 하나씩 소개하는 글을 작성해볼게요~&nbsp; <ol ><li>Dynamo - Amazon’s Highly Available Key Value Store: </li></ol><ul ><li>Dynamo 시스템이 Amazon의 대규모 환경에서 어떻게 신뢰성을 제공하는지, 그리고 일관성을 희생하면서 어떻게 항상 사용 가능한 경험을 지원하는지에 대해 다룹니다.&nbsp;</li><li>https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="2"><li>Google File System: </li></ol><ul ><li>Google File System의 설계 및 구현에 초점을 맞추며, 이 시스템이 대규모 데이터 중심 응용 프로그램을 지원하는 분산 파일 시스템으로서 어떻게 Scalability 와 Fault Tolerance 를 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="3"><li>Scaling Memcached at Facebook: </li></ol><ul ><li>Facebook 이 Memcached 를 활용하여 어떻게 전 세계에서 가장 큰 소셜 네트워크를 지원하는 분산 키-값 저장소를 구축하고 확장했는지에 대해 다룹니다.&nbsp;</li><li>https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf</li></ul> <ol start="4"><li>BigTable: </li></ol><ul ><li>Bigtable이 어떻게 구조화된 데이터를 관리하기 위해 설계되었으며, 수천 대의 commodity servers 에서 페타바이트 규모로 확장될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://substack.com/redirect/c49ce9b7-e0ab-4f1e-8936-3efd383ba713?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4</li></ul> <ol start="5"><li>Borg - Large Scale Cluster Management at Google:&nbsp; </li></ol><ul ><li>Borg 시스템이 수십만 대의 기계를 포함하는 여러 클러스터에서 수천 개의 다양한 응용 프로그램에서 수백만 개의 작업을 어떻게 관리하는지, 그리고 높은 자원 활용도를 달성하기 위해 어떤 기술을 사용하는지에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/43438.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="6"><li>Cassandra: </li></ol><ul ><li>Cassandra 가 어떻게 대량의 구조화된 데이터를 여러 커머디티 서버에 걸쳐 관리하면서, 단일 실패 지점 없이 높은 가용성을 제공하는 분산 스토리지 시스템이 될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://substack.com/redirect/cad644f7-a5c8-4d78-9b37-75597bf3b689?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4</li></ul> <ol start="7"><li>Attention Is All You Need:&nbsp;</li></ol><ul ><li>기존의 복잡한 순환 또는 합성곱 신경망을 대체하는 새로운 신경망 구조인 Transformer 에 대해 설명하며, 이 구조가 어떻게 오직 Attention 메커니즘만을 기반으로 하여 더 빠른 학습 속도와 높은 병렬 처리 능력을 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://arxiv.org/abs/1706.03762?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="8"><li>Kafka: </li></ol><ul ><li>Kafka가 어떻게 대량의 로그 데이터를 수집하고 낮은 지연시간으로 전달하는 분산 메시징 시스템인지, 그리고 기존 로그 집계기 및 메시징 시스템에서 어떤 아이디어를 도입했는지에 대해 다룹니다.</li><li>https://www.microsoft.com/en-us/research/wp-content/uploads/2017/09/Kafka.pdf?utm_source=substack&amp;utm_medium=email&nbsp;</li></ul> <ol start="9"><li>FoundationDB: </li></ol><ul ><li>FoundationDB 가 어떻게 NoSQL의 유연성과 확장성을 ACID 트랜잭션과 결합하고 있는지, 그리고 이 시스템이 어떻게 분리된 아키텍처를 채택하여 각 서브시스템을 독립적으로 조정할 수 있게 만들었는지에 대해 다룹니다.&nbsp;</li><li>https://www.foundationdb.org/files/fdb-paper.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="10"><li>Amazon Aurora: </li></ol><ul ><li>Aurora가 어떻게 OLTP 워크로드를 위한 관계형 데이터베이스 서비스로 설계되었으며, 고성능 데이터 처리에 있어 네트워크가 중요한 제약 요소로 부상했는지에 대해 다룹니다.&nbsp;</li><li>https://web.stanford.edu/class/cs245/readings/aurora.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="11"><li>Spanner:&nbsp; </li></ol><ul ><li>Spanner가 어떻게 세계적 규모로 데이터를 분산시키고, externally-consistent 을 지원하는 분산 트랜잭션을 처음으로 제공하는 시스템인지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="12"><li>MapReduce: </li></ol><ul ><li>MapReduce가 어떻게 대규모 데이터 세트를 처리하고 생성하는데 사용되며, 사용자가 맵 함수와 리듀스 함수를 정의하여 데이터를 자동으로 병렬 처리하는 방식에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/16cb30b4b92fd4989b8619a61752a2387c6dd474.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="13"><li>Shard Manager:</li></ol><ul ><li>Shard Manager 가 어떻게 지리적으로 분산된 애플리케이션을 위한 샤드 관리를 단순화하고, 소프트웨어 업그레이드와 같은 계획된 이벤트 동안 애플리케이션 가용성을 유지하는 기능을 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://dl.acm.org/doi/pdf/10.1145/3477132.3483546?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="14"><li>Dapper: </li></ol><ul ><li>Dapper가 어떻게 낮은 오버헤드, 애플리케이션 수준의 투명성을 제공하며 대규모 시스템에서 어디에나 배포될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/papers/dapper-2010-1.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="15"><li>Flink: </li></ol><ul ><li>Apache Flink 시스템의 주요 특징과 철학을 소개하고, Flink가 실시간 분석, 연속 데이터 파이프라인, 이력 데이터 처리(배치), 반복적 알고리즘(머신러닝, 그래프 분석)을 포함한 다양한 데이터 처리 응용 프로그램을 지원하는지에 대해 다룹니다.&nbsp;</li><li>https://www.researchgate.net/publication/308993790_Apache_Flink_Stream_and_Batch_Processing_in_a_Single_Engine</li></ul> <ol start="16"><li>A Comprehensive Survey on Vector Databases: </li></ol><ul ><li>벡터 데이터베이스에 관한 포괄적인 내용을 다룹니다. 그리고 벡터 데이터베이스가 고차원 데이터를 저장하는 방법, 전통적인 DBMS에서 다루기 어려운 데이터의 특성화 방법, 그리고 이 분야에서 발생하는 주요 도전 과제들에 대해 다룹니다.&nbsp;</li><li>https://arxiv.org/pdf/2310.11703</li></ul> <ol start="17"><li>Zanzibar: </li></ol><ul ><li>구글의 Zanzibar 시스템에 대해 다룹니다. 그리고 Zanzibar가 어떻게 수조 개의 접근 제어 목록과 초당 수백만 개의 인증 요청을 처리하는지에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/10683a8987dbf0c6d4edcafb9b4f05cc9de5974a.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="18"><li>Monarch:&nbsp;</li></ol><ul ><li>구글의 Monarch가 어떻게 전 세계적으로 분산된 인메모리 시계열 데이터베이스로서 구글의 수십억 사용자 규모의 애플리케이션과 시스템을 모니터링하는 데 사용되는지, 그리고 이 시스템이 매초 테라바이트의 데이터를 수집하고 수백만 건의 쿼리를 처리하는 방법에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/d84ab6c93881af998de877d0070a706de7bec6d8.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="19"><li>Thrift: </li></ol><ul ><li>Thrift 소프트웨어 라이브러리와 코드 생성 도구에 대해 다룹니다. 그리고 Thrift가 어떻게 다양한 프로그래밍 언어 간의 효율적이고 신뢰할 수 있는 통신을 가능하게 하는지에 대해 다룹니다.&nbsp;</li><li>https://thrift.apache.org/static/files/thrift-20070401.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="20"><li>Bitcoin: </li></ol><ul ><li>비트코인이 금융기관을 거치지 않고 직접적으로 온라인 지불을 가능하게 하는 순수한 Peer-to-Peer 전자화폐 시스템으로서, 어떻게 이중 지불 문제를 해결하며, 해시 기반의 작업 증명을 통해 거래를 타임스탬프하는 네트워크를 사용하는지에 대해 다룹니다.&nbsp;</li><li>https://bitcoin.org/bitcoin.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="21"><li>WTF - Who to Follow Service at Twitter: </li></ol><ul ><li>WTF가 어떻게 일일 수백만 사용자 간의 연결을 생성하는지, 그리고 공유된 관심사, 공통 연결 등을 기반으로 어떻게 사용자 추천을 수행하는지에 대해 다룹니다.&nbsp;</li><li>https://web.stanford.edu/~rezab/papers/wtf_overview.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="22"><li>MyRocks: LSM-Tree Database Storage Engine: </li></ol><ul ><li>Facebook 에서 MyRocks 엔진을 어떻게 활용하는지에 대해 다룹니다. 그리고 MyRocks가 어떻게 LSM-트리 기반의 RocksDB 위에 구축되어 MySQL의 관계형 기능을 통합했는지에 대해서도 다룹니다.&nbsp;</li><li>https://www.vldb.org/pvldb/vol13/p3217-matsunobu.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="23"><li>GoTo Considered Harmful:&nbsp;</li></ol><ul ><li>https://homepages.cwi.nl/~storm/teaching/reader/Dijkstra68.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="24"><li>Raft Consensus Algorithm: </li></ol><ul ><li>Raft 합의 알고리즘에 대해 다룹니다. 그리고 Raft가 어떻게 Paxos와 동등한 결과를 내면서도 더 이해하기 쉽고 실용적인 시스템 구축의 기반을 제공하는지에 대해서도 다룹니다.&nbsp;</li><li>https://raft.github.io/raft.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="25"><li>Time Clocks and Ordering of Events: </li></ol><ul ><li>분산 시스템 내에서 이벤트의 순서를 결정하고 시간의 개념을 이해하는 방법에 대해 다룹니다.&nbsp;</li><li>https://lamport.azurewebsites.net/pubs/time-clocks.pdf?utm_source=substack&amp;utm_medium=email</li></ul>

allthingsdistributed.com

“컴퓨터 세계를 완전히 변화시킨 25개의 논문”

아는 사람은 많고 하는 사람은 적습니다.

정보는 넘쳐납니다. 어떻게 하면 되는지 소개하는 글과 영상이 참 많습니다. 우리는 매일 그 정보를 접합니다. 무엇을 하는 법, 무엇이 되는 법에 대한 정보를 접합니다.

얻는 정보를 토대로 시작하는 사람은 적습니다. 정보를 믿지 못하기 때문일 수도 있고 다른 일을 하고 있기 때문일 수도 있습니다. 혹은 조금 더 완벽한 시작을 준비하는 것일 수도 있죠.

일단 시작했다고 해도 끝까지 해내는 사람은 더 적습니다. 중간에 그만둬야 할 수많은 이유가 있으니까요. 시작했던 이유를 끝까지 고수하고 계속한다는 건 절대 쉽지 않습니다.

여러분이 만약 무슨 일이든 시작해서 끝까지 해냈다면, 그것만으로 충분히 대단한 사람일지도 모릅니다.

아는 사람은 많고 하는 사람은 적습니다. 정보는 넘쳐납니다. 어떻게 하면 되는지 소개하는 글과 영상이 참 많습니다. 우리는 매일 그 정보를 접합니다. 무엇을 하는 법, 무엇이 되는 법에 대한 정보를 접합니다. 얻는 정보를 토대로 시작하는 사람은 적습니다. 정보를 믿지 못하기 때문일 수도 있고 다른 일을 하고 있기 때문일 수도 있습니다. 혹은 조금 더 완벽한 시작을 준비하는 것일 수도 있죠. 일단 시작했다고 해도 끝까지 해내는 사람은 더 적습니다. 중간에 그만둬야 할 수많은 이유가 있으니까요. 시작했던 이유를 끝까지 고수하고 계속한다는 건 절대 쉽지 않습니다. 여러분이 만약 무슨 일이든 시작해서 끝까지 해냈다면, 그것만으로 충분히 대단한 사람일지도 모릅니다.

아는 사람, 하는 사람

1. Research
- ChatGPT
- YouChat
- Perplexity
- Copilot
- Gemini

2. Image
- Leap AI
- Copilot
- Segmind
- Midjourney
- Stable Diffusion

3. CopyWriting
- Rytr
- Copy AI
- Writesonic
- Adcreative AI

4. Writing
- Jasper
- HIX AI
- Jenny AI
- Textblaze

5. Website
- 10Web
- Durable
- Framer
- Style AI

6. Video
- Klap
- Opus
- Eightify
- InVideo
- HeyGen
- Runway
- ImgCreator AI
- Morphstudio .xyz

7. Meeting
- Tldv
- Otter
- Noty AI
- Fireflies

8. SEO
- VidIQ
- Seona AI
- BlogSEO
- Keywrds ai

9. Chatbot
- Droxy
- Chatbase
- Mutual info
- Chatsimple

10. Presentation
- Decktopus
- Slides AI
- Gamma AI
- Designs AI
- Beautiful AI

11. Automation
- Make
- Zapier
- Xembly
- Bardeen

12. Prompts
- FlowGPT
- Alicent AI
- PromptBox
- Promptbase
- Snack Prompt

13. UI/UX
- Figma
- Uizard
- UiMagic
- Photoshop

14. Design
- Canva
- Flair AI
- Designify
- Clipdrop
- Autodraw
- Magician design

15. Logo Generator
- Looka
- Designs AI
- Brandmark
- Stockimg AI
- Namecheap

16. Audio
- Lovo ai
- Eleven labs
- Songburst AI
- Adobe Podcast

17. Marketing
- Pencil
- Ai-Ads
- AdCopy
- Simplified
- AdCreative

18. Startup
- Tome
- Ideas AI
- Namelix
- Pitchgrade
- Validator AI

19. Productivity
- Merlin
- Tinywow
- Notion AI
- Adobe Sensei
- Personal AI

20. Social media management
- Tapilo
- Typefully
- Hypefury
- TweetHunter

 * Source: https://twitter.com/HeyAbhishekk/status/1788778562897563965

1. Research- ChatGPT- YouChat- Perplexity- Copilot- Gemini 2. Image- Leap AI- Copilot- Segmind- Midjourney- Stable Diffusion 3. CopyWriting- Rytr- Copy AI- Writesonic- Adcreative AI 4. Writing- Jasper- HIX AI- Jenny AI- Textblaze 5. Website- 10Web- Durable- Framer- Style AI 6. Video- Klap- Opus- Eightify- InVideo- HeyGen- Runway- ImgCreator AI- Morphstudio .xyz 7. Meeting- Tldv- Otter- Noty AI- Fireflies 8. SEO- VidIQ- Seona AI- BlogSEO- Keywrds ai 9. Chatbot- Droxy- Chatbase- Mutual info- Chatsimple 10. Presentation- Decktopus- Slides AI- Gamma AI- Designs AI- Beautiful AI 11. Automation- Make- Zapier- Xembly- Bardeen 12. Prompts- FlowGPT- Alicent AI- PromptBox- Promptbase- Snack Prompt 13. UI/UX- Figma- Uizard- UiMagic- Photoshop 14. Design- Canva- Flair AI- Designify- Clipdrop- Autodraw- Magician design 15. Logo Generator- Looka- Designs AI- Brandmark- Stockimg AI- Namecheap 16. Audio- Lovo ai- Eleven labs- Songburst AI- Adobe Podcast 17. Marketing- Pencil- Ai-Ads- AdCopy- Simplified- AdCreative 18. Startup- Tome- Ideas AI- Namelix- Pitchgrade- Validator AI 19. Productivity- Merlin- Tinywow- Notion AI- Adobe Sensei- Personal AI 20. Social media management- Tapilo- Typefully- Hypefury- TweetHunter <ul ><li>Source: https://twitter.com/HeyAbhishekk/status/1788778562897563965</li></ul>

X (formerly Twitter)

20가지 작업 대체를 위한 100가지 AI 도구

To answer that, I would like to say that, mastering these do's and don'ts while writing code isn't just about impressing your peers (though that's a nice bonus). It's about writing code that's easier...

15 + 11 Mistakes Every Java Developer MUST avoid TODAY

1. Nulls와 Optionals
Bad Practice: 메서드에서 바로 null을 리턴하는 건 NPE를 유발할 수 있습니다.
public String getString() {
	return null;
}

Good Practice: null에 대한 명확한 핸들링과 에러 방지를 위해 Optional을 사용합니다.
public Optional<String> getString() {
	return Optional.empty();
}

 
2. String.valueOf()로 String 변환
Bad Practice: + 연산자를 사용해 문자열을 합칩니다.
double d = 3.14525;
String s = "" + d;

Good Practice: 내장 메서드를 활용합니다.
double d = 3.14245;
String s = String.valueOf(d);

 
3. array를 복사할 때 Arrays.copyOf() 
Bad Practice: 정석적으로 array를 복사합니다.
int[] sourceArray = {1,2,3,4,5};
int[] targetArray = new int[sourceArray.length];
for (int i = 0; i< sourceArray.length; i++) {
	targetArray[i] = sourceArray[i];
}

Good Practice: Arrays.copyOf() 메서드를 사용합니다.
int[] sourceArray = {1,2,3,4,5};
int[] targetArray = Arrays.copyOf(sourceArray, sourceArray.length);

 
4.  컬렉션이 비어있는지 체크하기 위해 isEmpty()
Bad Practice: length()나 size()로 string이나 컬렉션이 비어있는지 체크합니다.
String text = "Hello, World!";
if(text.length() == 0) {
	// Do something
}

Good Practice: isEmpty()로 string이나 컬렉션이 비어있는지 체크합니다.
String text = "Hello, World!";
if(text.isEmpty()) {
	// Do something
}

 
5. Concurrent Modification Exception 방지
Bad Practice: 리스트를 순회하고 있는 동안 요소를 제거하여 ConcurrentModificationException을 일으킵니다.
List<String> words = new ArrayList<>();
words.add("A");
words.add("B");
words.add("C");

for(String word : words) {
	if (word.equals("A")) {
 	words.remove(word);
 }
}

Good Practice: iterator remove 메서드나 removeIf() 메서드를 사용합니다. 
List<String> words = new ArrayList<>();
words.add("A");
words.add("B");
words.add("C");

Iterator<String> iterator = words.iterator();
while (iterator.hasNext()) {
 String word = iterator.next();
 if (word.equals("A")) {
 iterator.remove(); // Use iterator's remove method to safely remove elements
 }
}

System.out.println(words); // Output: [B, C]

 
6. 정규표현식 사전 컴파일
Bad Practice: 런타임 시에 정규표현식을 컴파일합니다.
String text = "Hello, World!";
if(text.matches("Hello.*")) {
	System.out.println("Matches!");
}
String replaced = text.replaceAll("\\s", "");

Good Practice: 정규표현식을 사전컴파일하고 재사용합니다.
final Pattern PATTERN1 = Pattern.compile("Hello.*");
final Pattern PATTERN2 = Pattern.compile("\\s");

String text = "Hello, World!";
if(PATTERN1.matcher(text).matches()) {
	System.out.println("Matches!");
}
String replaced = PATTERN2.matcher(text).replaceAll("");

 
번역: [https://ducktopia.tistory.com/124]
원문

1. Nulls와 OptionalsBad Practice: 메서드에서 바로 null을 리턴하는 건 NPE를 유발할 수 있습니다.<pre ><code class="language-java">public String getString() {
	return null;
}</code></pre>Good Practice: null에 대한 명확한 핸들링과 에러 방지를 위해 Optional을 사용합니다.<pre ><code class="language-java">public Optional&lt;String&gt; getString() {
	return Optional.empty();
}</code></pre>&nbsp;2. String.valueOf()로 String 변환Bad Practice: + 연산자를 사용해 문자열을 합칩니다.<pre ><code class="language-java">double d = 3.14525;
String s = "" + d;</code></pre>Good Practice: 내장 메서드를 활용합니다.<pre ><code class="language-java">double d = 3.14245;
String s = String.valueOf(d);</code></pre>&nbsp;3. array를 복사할 때 Arrays.copyOf()&nbsp;Bad Practice: 정석적으로 array를 복사합니다.<pre ><code class="language-java">int[] sourceArray = {1,2,3,4,5};
int[] targetArray = new int[sourceArray.length];
for (int i = 0; i&lt; sourceArray.length; i++) {
	targetArray[i] = sourceArray[i];
}</code></pre>Good Practice: Arrays.copyOf() 메서드를 사용합니다.<pre ><code class="language-java">int[] sourceArray = {1,2,3,4,5};
int[] targetArray = Arrays.copyOf(sourceArray, sourceArray.length);</code></pre>&nbsp;4.&nbsp; 컬렉션이 비어있는지 체크하기 위해 isEmpty()Bad Practice: length()나 size()로 string이나 컬렉션이 비어있는지 체크합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.length() == 0) {
	// Do something
}</code></pre>Good Practice: isEmpty()로 string이나 컬렉션이 비어있는지 체크합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.isEmpty()) {
	// Do something
}</code></pre>&nbsp;5. Concurrent Modification Exception 방지Bad Practice: 리스트를 순회하고 있는 동안 요소를 제거하여 ConcurrentModificationException을 일으킵니다.<pre ><code class="language-java">List&lt;String&gt; words = new ArrayList&lt;&gt;();
words.add("A");
words.add("B");
words.add("C");

for(String word : words) {
	if (word.equals("A")) {
 	words.remove(word);
 }
}</code></pre>Good Practice: iterator remove 메서드나 removeIf() 메서드를 사용합니다.&nbsp;<pre ><code class="language-java">List&lt;String&gt; words = new ArrayList&lt;&gt;();
words.add("A");
words.add("B");
words.add("C");

Iterator&lt;String&gt; iterator = words.iterator();
while (iterator.hasNext()) {
 String word = iterator.next();
 if (word.equals("A")) {
 iterator.remove(); // Use iterator's remove method to safely remove elements
 }
}

System.out.println(words); // Output: [B, C]</code></pre>&nbsp;6. 정규표현식 사전 컴파일Bad Practice: 런타임 시에 정규표현식을 컴파일합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.matches("Hello.*")) {
	System.out.println("Matches!");
}
String replaced = text.replaceAll("\\s", "");</code></pre>Good Practice: 정규표현식을 사전컴파일하고 재사용합니다.<pre ><code class="language-java">final Pattern PATTERN1 = Pattern.compile("Hello.*");
final Pattern PATTERN2 = Pattern.compile("\\s");

String text = "Hello, World!";
if(PATTERN1.matcher(text).matches()) {
	System.out.println("Matches!");
}
String replaced = PATTERN2.matcher(text).replaceAll("");</code></pre>&nbsp;번역: [https://ducktopia.tistory.com/124]원문

🕊️ [Medium] 자바 개발자가 피해야 하는 11가지 실수 (

[ 인간-AI 인터랙션을 위한 디자인과 기술 개요 ] HCI 학회 세션 리뷰 #1 송진영 교수님

2021 한국 HCI 학회에서 발표된 KAIST 송진영 교수님의 튜토리얼에 대한 유영은님의 리뷰입니다. 
Human-AI 인터랙션에서 UX 관점에서 고려해야할 4가지를 소개하는데요,심플하지만 핵심적인 가이드라인을 제공한다는 측면에서 유용하게 느껴집니다. 
저는 특히 'Accuracy라는 메트릭을 성능지표로 많이 사용하고 있는데 과연 이 지표가 절대적인 것일까요?' 이 질문이 많이 공감되네요. 

1. 유저 데이터를 사용하는데 있어 굉장히 신중해야 한다.
2. 기술적인 Cost, 성능 뿐만 아니라 UX도 고려되어 시스템이 설계되어야 한다.
3. 소비자나 사용자 입장에서 납득이 가능한 경험을 제공해야 할 것.
4. 어떻게하면 AI가 인간 behavior에 좋은 영향을 미치도록 할 수 있을까?

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필