우아한 프론트엔드 개발 이야기

일하는 건물에 서점이 있어서 가끔 동료들과 서점을 산책하곤 합니다. 참새가 방앗간 지나치지 못하듯 개발 서적이 있는 곳은 눈길이 가죠.

그날은 유독 키치한 폰트의 책이 눈에 띄었어요. <우아한 타입스크립트 with 리액트>라는 책이었습니다. 제목에서 알 수 있듯 우아한형제들에서 낸 책이었죠. 궁금한 마음에 한 권 구매했습니다.

오늘은 <우아한 타입스크립트 with 리액트>에 대한 서평을 나눕니다.

-

1️⃣ 우형 이야기

장의 끝에 간혹 선물처럼 등장하는 <우형 이야기>라는 인터뷰 형식의 글이 있다.

'enum을 어떻게 사용할까?', '팀에서 사용하는 상태 관리 라이브러리가 있나요?'와 같은 주제에 대해 팀별로 어떤 생각을 가졌는지 이야기 나눈다.

어디든 팀이 커지면 사정에 맞는 라이브러리를 선택하고 필요한 방식으로 언어를 사용한다. 개발자의 경험, 성능 등 무엇을 우선순위에 두는가에 따라 다른 선택을 할 수 있다.

<우형 이야기> 파트를 읽는 경험은 실제로 회사에서 프론트엔드 엔지니어 동료들과 회의하는 경험과 유사했다.

이 책이 독자들에게 줄 수 있는 가장 매력적인 경험이 아닌가 싶다. 우아한형제들 프론트엔드 엔지니어들과의 회의는 귀한 경험이니까.

https://hajoeun.blog/woowa-typescript?utm_source=careerly&utm_medium=app&utm_campaign=231202

일하는 건물에 서점이 있어서 가끔 동료들과 서점을 산책하곤 합니다. 참새가 방앗간 지나치지 못하듯 개발 서적이 있는 곳은 눈길이 가죠. 그날은 유독 키치한 폰트의 책이 눈에 띄었어요. &lt;우아한 타입스크립트 with 리액트&gt;라는 책이었습니다. 제목에서 알 수 있듯 우아한형제들에서 낸 책이었죠. 궁금한 마음에 한 권 구매했습니다. 오늘은 &lt;우아한 타입스크립트 with 리액트&gt;에 대한 서평을 나눕니다. - 1️⃣ 우형 이야기 장의 끝에 간혹 선물처럼 등장하는 &lt;우형 이야기&gt;라는 인터뷰 형식의 글이 있다. 'enum을 어떻게 사용할까?', '팀에서 사용하는 상태 관리 라이브러리가 있나요?'와 같은 주제에 대해 팀별로 어떤 생각을 가졌는지 이야기 나눈다. 어디든 팀이 커지면 사정에 맞는 라이브러리를 선택하고 필요한 방식으로 언어를 사용한다. 개발자의 경험, 성능 등 무엇을 우선순위에 두는가에 따라 다른 선택을 할 수 있다. &lt;우형 이야기&gt; 파트를 읽는 경험은 실제로 회사에서 프론트엔드 엔지니어 동료들과 회의하는 경험과 유사했다. 이 책이 독자들에게 줄 수 있는 가장 매력적인 경험이 아닌가 싶다. 우아한형제들 프론트엔드 엔지니어들과의 회의는 귀한 경험이니까. https://hajoeun.blog/woowa-typescript?utm_source=careerly&amp;utm_medium=app&amp;utm_campaign=231202

Hajoeun

✍🏻 우아한 프론트엔드 개발 이야기

ChatGPT에게 팁을 준다고 하면 답을 더 상세하게 잘 내준다고. 역시 인간적이네요. ㅋㅋㅋ (정확히는 GPT 모델을 바로 썼고, 코드 생성을 요청함)

ChatGPT에게 팁을 준다고 하면 답을 더 상세하게 잘 내준다고. 역시 인간적이네요. ㅋㅋㅋ (정확히는 GPT 모델을 바로 썼고, 코드 생성을 요청함)

71K likes, 897 comments - seobyungmoon on November 27, 2023: "아이 사진을 SNS에 올릴 때 주의해야 할 점!

기술의 발전으로 인해

무심�..." 

서병문 on Instagram: "아이 사진을 SNS에 올릴 때 주의해야 할 점!

기술의 발전으로 인해

무심코 올린 아이들의 사진과 목소리가
범죄에 악용될 수 있고
아이들이 평생 고통받을 수 있습니다.

저 또한 이 영상을 보고 세상이 참 무섭다는걸 심각하게 생각해보았어요.

아이들과의 추억을 기록해둔다는 생각으로 SNS를 하고 있는데,
고민이 드네요...

#ai엘라 #아이사진 #sns업로드 #주의할점"

아래의 릴스를 제발 꼭 봐주세요.
당신의 모든 것이 데이터가 될수 있습니다.

당신의 사진, 당신의 목소리, 심지어 당신의 생각까지도
디지털 세상에서는 데이터가 됩니다.

그리고 데이터는 누가 어떻게 사용하느냐에 따라
세상을 이롭게 하기도,
또 세상을 악하게 하기도 합니다.

데이터의 힘을 깨달았다면
우리는 이제 데이터를 좋은 방향에 사용할수 있도록
배우고 학습해야 합니다.

그것이 우리가 데이터를 배우는 이유입니다.
데이터를 재미있고 가치있게 배울수 있도록
데이터리차드가 함께 하겠습니다.

#데이터사이언스 #데이터교육 #데이터의힘

아래의 릴스를 제발 꼭 봐주세요. 당신의 모든 것이 데이터가 될수 있습니다. 당신의 사진, 당신의 목소리, 심지어 당신의 생각까지도 디지털 세상에서는 데이터가 됩니다. 그리고 데이터는 누가 어떻게 사용하느냐에 따라 세상을 이롭게 하기도, 또 세상을 악하게 하기도 합니다. 데이터의 힘을 깨달았다면 우리는 이제 데이터를 좋은 방향에 사용할수 있도록 배우고 학습해야 합니다. 그것이 우리가 데이터를 배우는 이유입니다. 데이터를 재미있고 가치있게 배울수 있도록 데이터리차드가 함께 하겠습니다. #데이터사이언스 #데이터교육 #데이터의힘

Instagram

데이터는 거대한 힘을 가지고 있습니다

LeetCode의 31. Next Permutation 문제를 함께 풀어보도록 하겠습니다. - 전체 코드: https://www.algodale.com/problems/next-permutation - 문제 출처: https://leetcode.com/problems/next-permutation/ 목차: 0:00 문제 설명 2:00 Brute Force 5:02 알고리즘 10:35 코드작성 18:13 복잡도 19:05 마무리 #리트코드 #파이썬 #배열

31. Next Permutation | LeetCode 문제 풀이

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 31번째 문제인 Next Permutation을 파이썬으로 풀어보겠습니다.

📺 동영상: https://youtu.be/SlVrxroRexM
📝 설명/코드: https://www.algodale.com/problems/next-permutation/

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 31번째 문제인 Next Permutation을 파이썬으로 풀어보겠습니다. 📺 동영상: https://youtu.be/SlVrxroRexM📝 설명/코드: https://www.algodale.com/problems/next-permutation/

YouTube

리트코드 31. Next Permutation 파이썬 풀이

얼마전부터 ChatGPT에게 코드 생성을 시키면 정확히 요청한 부분 외의 코드는 생략하고 생성하도록 변경되었는데, 다음과 같은 프롬프트를 추가하면 전체 코드를 다 생성함.

"– return full script (I don't have fingers)"

일종의 감정 프롬프팅을 추가한 것인데, 여러 사례들을 보면 볼 수록 정말 인간보다 더 인간다운게 아닌가라는 생각이 들 정도로 LLM의 작동 방식이 인간을 잘 모방하고 있는 것이 아닌가 싶다.

얼마전부터 ChatGPT에게 코드 생성을 시키면 정확히 요청한 부분 외의 코드는 생략하고 생성하도록 변경되었는데, 다음과 같은 프롬프트를 추가하면 전체 코드를 다 생성함. "– return full script (I don't have fingers)" 일종의 감정 프롬프팅을 추가한 것인데, 여러 사례들을 보면 볼 수록 정말 인간보다 더 인간다운게 아닌가라는 생각이 들 정도로 LLM의 작동 방식이 인간을 잘 모방하고 있는 것이 아닌가 싶다.

오늘 어떤 주제에 대해 ChatGPT와 함께 자료를 조사하고 리포트를 작성했는데, 예전같으면 한 3박 4일은 걸릴 일을, 1시간 반 만에 완성했고 그 퀄리티도 정말 훌륭하게 나왔다.. 😳 간만에 정말 대단한 경험이었음.

5번의 세션을 거쳐서 작성했는데, 다음과 같은 단계를 거쳤음.

1️⃣ 플래닝: 리서치 주제에 대해 어떤 것들을 조사할지 계획을 세워달라고 함. 이 때 조사 목적을 같이 전달함.

2️⃣ 리서치: ChatGPT가 제안한 조사할 내용들 중에 일부를 선택해 각각 조사시킴. 조사할 내용에 따라 이전 조사 결과를 참조하도록 지시하고, 내용이 길어지면 세션을 새로 만들어서 다시 시작하되, 세션을 시작 할 때는 조사 목적을 다시 전달함.

3️⃣ 리포팅: 새 세션을 시작해서 리서치 결과들을 전부 복사해서 제공한 뒤, 경영진에게 판단 자료로 제출할 리포트를 만들라고 함. 단순하게 요약하지 말고, 최대한 풍부하게 내용을 정리하고, 필요한 경우 불릿과 테이블을 사용하라고 지시함.

ChatGPT와 조사한 방식을 복기해보니, 전 과정을 완전히 자동화 할 수 있을 것 같은데.. 이 과정을 자동화 한다고하면 돈 주고 쓰실 분 있으신가요? 얼마면 쓰시겠어요? 😁

오늘 어떤 주제에 대해 ChatGPT와 함께 자료를 조사하고 리포트를 작성했는데, 예전같으면 한 3박 4일은 걸릴 일을, 1시간 반 만에 완성했고 그 퀄리티도 정말 훌륭하게 나왔다.. 😳 간만에 정말 대단한 경험이었음. 5번의 세션을 거쳐서 작성했는데, 다음과 같은 단계를 거쳤음. 1️⃣ 플래닝: 리서치 주제에 대해 어떤 것들을 조사할지 계획을 세워달라고 함. 이 때 조사 목적을 같이 전달함. 2️⃣ 리서치: ChatGPT가 제안한 조사할 내용들 중에 일부를 선택해 각각 조사시킴. 조사할 내용에 따라 이전 조사 결과를 참조하도록 지시하고, 내용이 길어지면 세션을 새로 만들어서 다시 시작하되, 세션을 시작 할 때는 조사 목적을 다시 전달함. 3️⃣ 리포팅: 새 세션을 시작해서 리서치 결과들을 전부 복사해서 제공한 뒤, 경영진에게 판단 자료로 제출할 리포트를 만들라고 함. 단순하게 요약하지 말고, 최대한 풍부하게 내용을 정리하고, 필요한 경우 불릿과 테이블을 사용하라고 지시함. ChatGPT와 조사한 방식을 복기해보니, 전 과정을 완전히 자동화 할 수 있을 것 같은데.. 이 과정을 자동화 한다고하면 돈 주고 쓰실 분 있으신가요? 얼마면 쓰시겠어요? 😁

"Spring 에서 AI 애플리케이션을 위한 추상화를 제공합니다."

OpenAI 의 GPT 모델을 이용하여 AI 애플리케이션을 사용하기 위해서는 API 연동이 필요하죠. Python 진영에서는 이미 LangChain 이나 Llama Index 등의 프레임워크가 널리 알려지고 사용되고 있습니다. Spring 팀에서도 생성형 AI 애플리케이션이 Python 개발자뿐만 아니라 여러 프로그래밍 언어에 걸쳐 보편화될 것이라는 믿음으로 Spring AI 프로젝트를 시작했다고 합니다. 실험 프로젝트로 진행하다가 지난 9월에 본격 Spring Project Repository 로 옮겨졌습니다.

Spring AI의 핵심은 AI 애플리케이션 개발의 기반이 되는 추상화를 제공하는 것입니다. 이러한 추상화에는 여러 구현이 있으므로 최소한의 코드 변경으로 쉽게 구성 요소를 교체할 수 있습니다. 예를 들어, Spring AI는 OpenAI 및 Azure OpenAI용 구현이 포함된 AiClient 인터페이스를 도입합니다.

또한 보다 나은 개발 경험을 위해 문서에 대한 Q&A (RAG) 또는 채팅 등 일반적인 사용 사례를 해결하기 위해 여러 기능들이 개발되고 있습니다. 11월 30일 현재 0.7.1 Snapshot 버전까지 진행이 되었으며, v0.8.0 은 12월 초, v0.9.0 은 12월 말로 마일스톤이 잡혀있고, 아마도 내년 상반기에 GA 출시가 되지 않을까 싶습니다.

사용해보기 위해서는 아래 Repository의 README 파일을 참고하여 Snapshot Repo를 추가하고 의존성 설정을 하면 됩니다. 참고로 OpenAI 용과 MS Azure 용을 구분해서 추가하고 있습니다.

Document :
https://docs.spring.io/spring-ai/reference/index.html

GitHub Repository :
https://github.com/spring-projects/spring-ai

"Spring 에서 AI 애플리케이션을 위한 추상화를 제공합니다." OpenAI 의 GPT 모델을 이용하여 AI 애플리케이션을 사용하기 위해서는 API 연동이 필요하죠. Python 진영에서는 이미 LangChain 이나 Llama Index 등의 프레임워크가 널리 알려지고 사용되고 있습니다. Spring 팀에서도 생성형 AI 애플리케이션이 Python 개발자뿐만 아니라 여러 프로그래밍 언어에 걸쳐 보편화될 것이라는 믿음으로 Spring AI 프로젝트를 시작했다고 합니다. 실험 프로젝트로 진행하다가 지난 9월에 본격 Spring Project Repository 로 옮겨졌습니다. Spring AI의 핵심은 AI 애플리케이션 개발의 기반이 되는 추상화를 제공하는 것입니다. 이러한 추상화에는 여러 구현이 있으므로 최소한의 코드 변경으로 쉽게 구성 요소를 교체할 수 있습니다. 예를 들어, Spring AI는 OpenAI 및 Azure OpenAI용 구현이 포함된 AiClient 인터페이스를 도입합니다. 또한 보다 나은 개발 경험을 위해 문서에 대한 Q&amp;A (RAG) 또는 채팅 등 일반적인 사용 사례를 해결하기 위해 여러 기능들이 개발되고 있습니다. 11월 30일 현재 0.7.1 Snapshot 버전까지 진행이 되었으며, v0.8.0 은 12월 초, v0.9.0 은 12월 말로 마일스톤이 잡혀있고, 아마도 내년 상반기에 GA 출시가 되지 않을까 싶습니다. 사용해보기 위해서는 아래 Repository의 README 파일을 참고하여 Snapshot Repo를 추가하고 의존성 설정을 하면 됩니다. 참고로 OpenAI 용과 MS Azure 용을 구분해서 추가하고 있습니다. Document : https://docs.spring.io/spring-ai/reference/index.html GitHub Repository : https://github.com/spring-projects/spring-ai

Spring AI

✂️ Find unused files, dependencies and exports in your JavaScript and TypeScript projects. Knip it before you ship it! - GitHub - webpro/knip: ✂️ Find unused files, dependencies and exports in your JavaScript and TypeScript projects. Knip it before you sh

GitHub - webpro/knip: ✂️ Find unused files, dependencies and exports in your JavaScript and TypeScript projects. Knip it before you ship it!

JavaScript, TypeScript에서 사용하지 않는 파일, 패키지(의존성), export한 변수나 함수를 찾아주는 도구를 소개합니다.

작업 환경에서 간단하게 npx knip 명령어를 실행하기만 하면 참조하는 곳이 없는 코드들을 목록으로 보여줍니다. 한 번 써봤는데 enum에 할당된 값까지도 찾아줘서 유용하게 썼습니다. 여러분도 한 번 사용해보세요.

https://github.com/webpro/knip

JavaScript, TypeScript에서 사용하지 않는 파일, 패키지(의존성), export한 변수나 함수를 찾아주는 도구를 소개합니다. 작업 환경에서 간단하게 npx knip 명령어를 실행하기만 하면 참조하는 곳이 없는 코드들을 목록으로 보여줍니다. 한 번 써봤는데 enum에 할당된 값까지도 찾아줘서 유용하게 썼습니다. 여러분도 한 번 사용해보세요. https://github.com/webpro/knip

GitHub

📌 사용하지 않는 코드를 찾아주는 knip

최근 외주 인력이 운영하던 서비스를 내재화하는 팀으로 이동하게 되었습니다. 2000년대 중반에 시작되어 10년이 넘는 기간 동안 여러 회사와 다양한 외주 인력으로 관리 되던 서비스는 Spring, DWR, Struts, JSP, Apache Mina 등 다양하고 오래된 프레임워크를 사용하였습니다. 문서화도 잘 되어 있지 않고 단기간에 이제 계약이 끝나가 자세한 인수인계를 받기 어려운 서비스를 파악해가면서, 어떻게 30개로 흩어져 있는 코드를 BitBuc

레거시를 파악하고 변경해나가기: 우선순위와 고려사항들

최근 외주 인력이 운영하던 서비스를 내재화하는 팀으로 이동하게 되었습니다. 2000년대 중반에 시작되어 10년이 넘는 기간 동안 여러 회사와 다양한 외주 인력으로 관리 되던 서비스는 Spring, DWR, Struts, JSP, Apache Mina 등 다양하고 오래된 프레임워크를 사용하였습니다.  

문서화도 잘 되어 있지 않고 단기간에 이제 계약이 끝나가 자세한 인수인계를 받기 어려운 서비스를 파악해가면서, 어떻게 30개로 흩어져 있는 코드를 BitBucket, 소스코드를 효율적으로 파악할 수 있을까?라는 생각을 많이 하였습니다.

[1]의 Working Effectively with Legacy Code는 한 가지의 레거시 코드를 어떻게 안정적으로 변경해나갈 수 있을까?라는 부분에 Testing과 Scoping의 관점을 중점적으로 답해주고 있었습니다. 그러나 기존 구조상 Testing도 어렵고, 코드를 대부분 읽었으나 전반적인 Context가 이해되지 않은 시점에는 주된 해결책이 되지 못한다고 느꼈습니다.

그러던 중 [2]의 Software Design X-Rays라는 책을 발견하였습니다. 마침 개인적으로 코드를 파악하기 위한 방법과 매우 유사한 형태를 제시하고 개념적으로 좀 더 정리되어 있었습니다. 이 글에서는 아래와 같은 사항들을 중점으로 레거시를 파악하고 변경해 나가는 부분을 좀 더 체계적으로 정리하고자 합니다:

 * 레거시, 기술부채, reckless debt 그리고 부채의 이자율
 * git history와 소스코드의 메타데이터 파악하기
 * 변경을 scoping하고 단계로 나누어 실행나가기

레거시, 기술부채, reckless debt 그리고 부채의 이자율
마이클 페더는 [1]에서 레거시 코드는 "테스트가 없는 코드"라고 표현했습니다. 레거시 코드는 어떤 시간이 지나고 나서의 바람직하지 못한 "이후의 상태"를 나타냅니다. 

반면, 기술부채는 서비스의 비지니스를 담당하는 직군에게 기술적인 트레이드 오프에 대해 이야기를 나누거나, 리팩토링에 대한 필요성을 설명하기 위해 사용되는 은유적인 표현입니다 [3]. 파이낸스에서의 부채처럼 기술부채는 이자에 대한 지급을 동반하고, 소프트웨어 시스템을 진화시켜 나가는데 영향을 미칩니다. 

기술부채는, 비록 실제로 구분이 어렵긴 하나, 트레이드 오프 간에 전략적 선택이라는 점에서 reckless debt(부주의에 의한 부채)과 엄연히 구분됩니다. 마틴파울러는 mess는 reckless debt이라고 표현하였는데요 [4]. 기술부채와 reckless debt을 구분하는 것이 매우 중요하다고도 언급하였습니다. 

그렇기에 레거시 코드는, 부채의 이자율이 현재에 너무 높거나 줄일 수 있는 (과거의) 선택에 의한 부채, reckless debt(또는 mess)가 해당된다고 할 수 있습니다. 그렇기에 그러한 부채로 인한 "이자"를 지불해야 되지 않는 경우 debt에 해당되지 않습니다. 그러한 이자(또는 이자율)는 "시간"이라는 또 다른 측면을 고려하게 합니다.

위의 내용을 인지하고 나면, 변경의 대상에 대한 우선순위는 "어떤 것에 팀이 가장 큰 이자를 지불하고 있나?"라는 질문을 통해 정리할 수 있습니다. 그러한 질문에 답하기 위해서는, 담당하는 서비스의 범위를 산정하고(scoping) 포함되는 다양한 코드가 어떻게 유기적으로 동작하는지 먼저 이해하여야 합니다.

git history와 소스코드의 메타데이터 파악하기
소스코드는 다양한 history로 인하여 만들어진 이후의 snapshot인 반면, 아래와 같은 version-control 데이터는 소스코드가 가지고 있지 못한 풍부한 데이터를 "시간"이라는 측면도 포함하여 제공해줍니다:

git log - Image from Author
위와 같은 Git의 정보에는 1) 특정 변경이 언제 발생하였는지, 2) 누가 그러한 변경을 발생시켰는지가 담겨있습니다. 이것은 "시간"이라는 측면과 유관자에 대한 정보를 들고있다는 것을 의미합니다. 또한 (git과 코드의 범위를 넘지만), 그러한 정보가 외부 컨택스트 정보(Jira 티켓, 이슈 처리 내역 등)와 결합되었을 때, 변경의 시작과 결과까지 파악할 수 있는 중요한 정보가 됩니다(이러한 작업은 '나무'를 보기 시작할 때 진행하는 것이 좋은 것 같긴 합니다).

유관자에 대한 정보를 들고있다는 점은 (보통 규모가 어느 정도 있는) 어느 특정 개인도 복잡한 전체 서비스에 대한 완벽하고 상세한 이해는 불가능하기에 중요합니다. 그렇기에 소스코드는 git의 정보를 통해 아래와 같은 knowledge map으로 "어느 부분에 대한 특정 시점의 변경에 대해 누구에게 물어보아야 할까?"에 대한 답변을 가능하게 합니다:

Knowledge map - Image from [2]

실제로 위와 같은 이미지는 특정 도구([6]과 같은)를 사용하지 않는 이상 사용하기 어려운데요. 목적을 이루기 위해서는 git에 담긴 아래와 같은 정보를 추출하여 살펴보는 것만으로도 충분합니다:

 *  repository 이름
 * 브랜치명
 * 총 커밋수
 * 최근(대략 1년) 커밋수
 * 총 Author 수
 * 마지막 커밋 일시
각 Repository, 브랜치별로 위와 같은 값들을 추출하여, 빠르게 자주 수정되거나, 활성화 되어 수정되는 부분을 탐색할 수 있습니다. 

Image from [2]
위의 이미지에서 보듯이, 대부분 소스코드의 변경 - 시간 차트가 위와 같은 그래프 형태를 가진다는 점을 고려하면 개발의 초기 시점에 생성된 파일들이 오래 남아 (비교적 안정적이겠으나)"높은 이자율"을 발생시킨다는 것을 알 수 있습니다. 그렇기에 git log의 시간적인 측면을 통해서 초기 시점에 개발되거나, 초기 시점에 자주 변경된 파일들을 특정하고 파악할 수 있게 됩니다.

Version control 도구에서 얻은 정보는 유용하지만, Author 또는 사용 언어 등의 특성에 따라 많은 차이가 나기도 합니다. 그렇기에 아래의 '소스코드의 메타데이터'라는 다른 측면도 고려할 필요가 있습니다.
소스코드의 메타데이터
소스 코드의 메타데이터 역시, 직접 소스코드를 읽기 전에 간략한 정보를 통해 빠르게 코드를 "큰 그림에서" 파악할 수 있습니다. 그 중 소스 코드의 "총 라인 수"는 복잡도를 유추할 수 있는 간단하고도 중요한 지표입니다. 

간단한 CLI 도구를 통해 코드의 총 라인 수를 구할 수 있습니다만, 소스코드에 대한 정적분석(일부 언어는 제한적이나) 도구를 사용하는 것은 그러한 총 라인 수 정보 외에도 소스코드에 대한 다양한 정보도 풍부하게 제공해줍니다.

Image from [7]
위와 같은 정적분석기 소나큐브(SonarQube)를 실행하여 라인 수, (예상) 버그 수, 코드스멜, 중복 등을 빠르게 체크하고 살펴볼 수 있습니다. 

변경을 scoping하고 단계로 나누어 실행나가기
담당하게 될 코드(또는 Repository들)의 경계가 정해졌다면, 다양한 스펙트럼의 코드의 지형을 변경을 위해 여러 측면(dimension)으로 파악하며 scoping해나가야 합니다. 

코드의 나이
이러한 측면의 한 종류인 "코드의 나이(Age)"를 파악하는 데에, 가장 큰 도움이 될 수 있는 정보는 위에서 git log로 살펴본 코드의 "시간적"인 측면입니다. 보통 "같이 변경되어야 하는 파일"들은 동시기의 변경 로그를 가지고 있기에, scoping에 유용한 지표가 됩니다.

Image from [8]
위의 이미지는, 30년 가까이 되어가는 파이썬의 개발 역사에서의 커밋과 author의 수를 보여주고 있습니다. 코드의 나이라는 측면으로 소스코드를 살펴보게 되면, 아래와 같이 구조적으로 같이 존재하는 파일끼리도 매우 다른 "나이"를 가지고 있음을 알 수 있습니다.

Image from [9]
그렇게 최근 변경된 코드 가까이에 10여년 넘게(매우 안정적이라고 추정되는) 변경되지 않은 소스코드가 존재하게 됩니다:
Image from [9]

인터페이스
다른 한 가지 측면은, 넓은 범위에서부터 좁혀가며 인터페이스인 '점'들을 우선적으로 파악하고, 그러한 점들을 연결하여  scoping해나가는 것입니다. 여기서 인터페이스의 구체적인 것들은 외부와 주고 받은 규격서 또는 API 명세, Integration 테스트 및 유닛 테스트의 포인트들입니다.

유닛테스트와 관련해서는, [1]에서도 리팩토링 이전에의 유닛테스트를 강조하고, 마틴파울러 등 다수가 그 중요성을 많이 강조해온 부분인 것 같습니다. 

위와 같은 관점에서, 테스트가 존재하지 않던 레거시에 테스트를 더해나가는 작업은, '변경 이전의 최소한의 안정장치를 마련해나감'과 동시에 '구분되지 않던 복잡한 덩어리를 뜯어서 표시하기 위한 울타리를 만들어나간다'라는 느낌도 들게하는 것 같습니다. 

(원본: https://kadensungbincho.tistory.com/72)

Reference
[1] Working Effectively with Legacy Code
[2] Software Design X-Rays
[3] wiki.c2.com/?WardExplainsDebtMetaphor
[4] martinfowler.com/bliki/TechnicalDebtQuadrant.html
[5] understandlegacycode.com/blog/key-points-of-software-design-x-rays/
[6] github.com/smontanari/code-forensics
[7] en.wikipedia.org/wiki/SonarQube
[8] codescene.io/projects/1693/jobs/52747/results/scope/system-trends/by-date
[9] codescene.io/projects/1693/jobs/52747/resultscodescene.io/projects/1693/jobs/52747/results/code/hotspots/system-map
[10] https://octo.github.com/projects/repo-visualization

최근 외주 인력이 운영하던 서비스를 내재화하는 팀으로 이동하게 되었습니다. 2000년대 중반에 시작되어 10년이 넘는 기간 동안 여러 회사와 다양한 외주 인력으로 관리 되던 서비스는 Spring, DWR, Struts, JSP, Apache Mina 등 다양하고 오래된 프레임워크를 사용하였습니다.&nbsp;&nbsp; 문서화도 잘 되어 있지 않고 단기간에 이제 계약이 끝나가 자세한 인수인계를 받기 어려운 서비스를 파악해가면서, 어떻게 30개로 흩어져 있는 코드를 BitBucket, 소스코드를 효율적으로 파악할 수 있을까?라는 생각을 많이 하였습니다. [1]의 Working Effectively with Legacy Code는 한 가지의 레거시 코드를 어떻게 안정적으로 변경해나갈 수 있을까?라는 부분에 Testing과 Scoping의 관점을 중점적으로 답해주고 있었습니다. 그러나 기존 구조상 Testing도 어렵고, 코드를 대부분 읽었으나 전반적인 Context가 이해되지 않은 시점에는 주된 해결책이 되지 못한다고 느꼈습니다. 그러던 중 [2]의 Software Design X-Rays라는 책을 발견하였습니다. 마침 개인적으로 코드를 파악하기 위한 방법과 매우 유사한 형태를 제시하고 개념적으로 좀 더 정리되어 있었습니다. 이 글에서는 아래와 같은 사항들을 중점으로 레거시를 파악하고 변경해 나가는 부분을 좀 더 체계적으로 정리하고자 합니다: <ul><li>레거시, 기술부채, reckless debt 그리고 부채의 이자율</li><li>git history와 소스코드의 메타데이터 파악하기</li><li>변경을 scoping하고 단계로 나누어 실행나가기</li></ul> 레거시, 기술부채, reckless debt 그리고 부채의 이자율마이클 페더는 [1]에서 레거시 코드는 "테스트가 없는 코드"라고 표현했습니다. 레거시 코드는 어떤 시간이 지나고 나서의 바람직하지 못한 "이후의 상태"를 나타냅니다.&nbsp; 반면, 기술부채는 서비스의 비지니스를 담당하는 직군에게 기술적인 트레이드 오프에 대해 이야기를 나누거나, 리팩토링에 대한 필요성을 설명하기 위해 사용되는 은유적인 표현입니다 [3]. 파이낸스에서의 부채처럼 기술부채는 이자에 대한 지급을 동반하고, 소프트웨어 시스템을 진화시켜 나가는데 영향을 미칩니다.&nbsp; 기술부채는, 비록 실제로 구분이 어렵긴 하나, 트레이드 오프 간에 전략적 선택이라는 점에서 reckless debt(부주의에 의한 부채)과 엄연히 구분됩니다. 마틴파울러는 mess는 reckless debt이라고 표현하였는데요 [4]. 기술부채와 reckless debt을 구분하는 것이 매우 중요하다고도 언급하였습니다.&nbsp; 그렇기에 레거시 코드는, 부채의 이자율이 현재에 너무 높거나 줄일 수 있는 (과거의) 선택에 의한 부채, reckless debt(또는 mess)가 해당된다고 할 수 있습니다. 그렇기에 그러한 부채로 인한 "이자"를 지불해야 되지 않는 경우 debt에 해당되지 않습니다. 그러한 이자(또는 이자율)는 "시간"이라는 또 다른 측면을 고려하게 합니다. 위의 내용을 인지하고 나면, 변경의 대상에 대한 우선순위는 "어떤 것에 팀이 가장 큰 이자를 지불하고 있나?"라는 질문을 통해 정리할 수 있습니다. 그러한 질문에 답하기 위해서는, 담당하는 서비스의 범위를 산정하고(scoping) 포함되는 다양한 코드가 어떻게 유기적으로 동작하는지 먼저 이해하여야 합니다. git history와 소스코드의 메타데이터 파악하기소스코드는 다양한 history로 인하여 만들어진 이후의 snapshot인 반면, 아래와 같은 version-control 데이터는 소스코드가 가지고 있지 못한 풍부한 데이터를 "시간"이라는 측면도 포함하여 제공해줍니다: git log - Image from Author위와 같은 Git의 정보에는 1) 특정 변경이 언제 발생하였는지, 2) 누가 그러한 변경을 발생시켰는지가 담겨있습니다. 이것은 "시간"이라는 측면과 유관자에 대한 정보를 들고있다는 것을 의미합니다. 또한 (git과 코드의 범위를 넘지만), 그러한 정보가 외부 컨택스트 정보(Jira 티켓, 이슈 처리 내역 등)와 결합되었을 때, 변경의 시작과 결과까지 파악할 수 있는 중요한 정보가 됩니다(이러한 작업은 '나무'를 보기 시작할 때 진행하는 것이 좋은 것 같긴 합니다). 유관자에 대한 정보를 들고있다는 점은 (보통 규모가 어느 정도 있는) 어느 특정 개인도 복잡한 전체 서비스에 대한 완벽하고 상세한 이해는 불가능하기에 중요합니다. 그렇기에 소스코드는 git의 정보를 통해 아래와 같은 knowledge map으로 "어느 부분에 대한 특정 시점의 변경에 대해 누구에게 물어보아야 할까?"에 대한 답변을 가능하게 합니다: Knowledge map - Image from [2] 실제로 위와 같은 이미지는 특정 도구([6]과 같은)를 사용하지 않는 이상 사용하기 어려운데요. 목적을 이루기 위해서는 git에 담긴 아래와 같은 정보를 추출하여 살펴보는 것만으로도 충분합니다: <ul><li>&nbsp;repository 이름</li><li>브랜치명</li><li>총 커밋수</li><li>최근(대략 1년) 커밋수</li><li>총 Author 수</li><li>마지막 커밋 일시</li></ul>각 Repository, 브랜치별로 위와 같은 값들을 추출하여, 빠르게 자주 수정되거나, 활성화 되어 수정되는 부분을 탐색할 수 있습니다.&nbsp; Image from [2]위의 이미지에서 보듯이, 대부분 소스코드의 변경 - 시간 차트가 위와 같은 그래프 형태를 가진다는 점을 고려하면 개발의 초기 시점에 생성된 파일들이 오래 남아 (비교적 안정적이겠으나)"높은 이자율"을 발생시킨다는 것을 알 수 있습니다. 그렇기에 git log의 시간적인 측면을 통해서 초기 시점에 개발되거나, 초기 시점에 자주 변경된 파일들을 특정하고 파악할 수 있게 됩니다. Version control 도구에서 얻은 정보는 유용하지만, Author 또는 사용 언어 등의 특성에 따라 많은 차이가 나기도 합니다. 그렇기에 아래의 '소스코드의 메타데이터'라는 다른 측면도 고려할 필요가 있습니다.소스코드의 메타데이터소스 코드의 메타데이터 역시, 직접 소스코드를 읽기 전에 간략한 정보를 통해 빠르게 코드를 "큰 그림에서" 파악할 수 있습니다. 그 중 소스 코드의 "총 라인 수"는 복잡도를 유추할 수 있는 간단하고도 중요한 지표입니다.&nbsp; 간단한 CLI 도구를 통해 코드의 총 라인 수를 구할 수 있습니다만, 소스코드에 대한 정적분석(일부 언어는 제한적이나) 도구를 사용하는 것은 그러한 총 라인 수 정보 외에도 소스코드에 대한 다양한 정보도 풍부하게 제공해줍니다. Image from [7]위와 같은 정적분석기 소나큐브(SonarQube)를 실행하여 라인 수, (예상) 버그 수, 코드스멜, 중복 등을 빠르게 체크하고 살펴볼 수 있습니다.&nbsp; 변경을 scoping하고 단계로 나누어 실행나가기담당하게 될 코드(또는 Repository들)의 경계가 정해졌다면, 다양한 스펙트럼의 코드의 지형을 변경을 위해 여러 측면(dimension)으로 파악하며 scoping해나가야 합니다.&nbsp; 코드의 나이이러한 측면의 한 종류인 "코드의 나이(Age)"를 파악하는 데에, 가장 큰 도움이 될 수 있는 정보는 위에서 git log로 살펴본 코드의 "시간적"인 측면입니다. 보통 "같이 변경되어야 하는 파일"들은 동시기의 변경 로그를 가지고 있기에, scoping에 유용한 지표가 됩니다. Image from [8]위의 이미지는, 30년 가까이 되어가는 파이썬의 개발 역사에서의 커밋과 author의 수를 보여주고 있습니다. 코드의 나이라는 측면으로 소스코드를 살펴보게 되면, 아래와 같이 구조적으로 같이 존재하는 파일끼리도 매우 다른 "나이"를 가지고 있음을 알 수 있습니다. Image from [9]그렇게 최근 변경된 코드 가까이에 10여년 넘게(매우 안정적이라고 추정되는) 변경되지 않은 소스코드가 존재하게 됩니다:Image from [9] 인터페이스다른 한 가지 측면은, 넓은 범위에서부터 좁혀가며 인터페이스인 '점'들을 우선적으로 파악하고, 그러한 점들을 연결하여&nbsp; scoping해나가는 것입니다. 여기서 인터페이스의 구체적인 것들은 외부와 주고 받은 규격서 또는 API 명세, Integration 테스트 및 유닛 테스트의 포인트들입니다. 유닛테스트와 관련해서는, [1]에서도 리팩토링 이전에의 유닛테스트를 강조하고, 마틴파울러 등 다수가 그 중요성을 많이 강조해온 부분인 것 같습니다.&nbsp; 위와 같은 관점에서, 테스트가 존재하지 않던 레거시에 테스트를 더해나가는 작업은, '변경 이전의 최소한의 안정장치를 마련해나감'과 동시에 '구분되지 않던 복잡한 덩어리를 뜯어서 표시하기 위한 울타리를 만들어나간다'라는 느낌도 들게하는 것 같습니다.&nbsp; (원본: https://kadensungbincho.tistory.com/72) Reference[1] Working Effectively with Legacy Code[2] Software Design X-Rays[3] wiki.c2.com/?WardExplainsDebtMetaphor[4] martinfowler.com/bliki/TechnicalDebtQuadrant.html[5] understandlegacycode.com/blog/key-points-of-software-design-x-rays/[6] github.com/smontanari/code-forensics[7] en.wikipedia.org/wiki/SonarQube[8] codescene.io/projects/1693/jobs/52747/results/scope/system-trends/by-date[9] codescene.io/projects/1693/jobs/52747/resultscodescene.io/projects/1693/jobs/52747/results/code/hotspots/system-map[10] https://octo.github.com/projects/repo-visualization

Kaden Sungbin Cho

Next.js에 대해 한국에서도 인지도가 높은 Kent C. Dodds가 비판하는 글을 작성하여 화제가 되었습니다. Kent C. Dodds는 이 글에서 그가 Next.js를 사용하지 않는 이유와 Next.js 대신 Remix를 선택한 이유에 대해 자세히 설명합니다.

(번역) 내가 Next.js를 사용하지 않는 이유

Next.js가 최근 공격적으로(?) 업그레이드를 하면서 많은 인기를 끌고있는데,
`Next.js`를 사용하지 않는 이유라는 블로그를 발견해서 공유드립니다.

제가 공감가는 내용은 Next.js가 Vercel과 연관성이 심해서 다른 플랫폼에서 배포가 어렵다는 것이었는데요. 예전에 Azure Static Web을 사용해서 배포하려고 했을 때, create-react-app이나 vite로 생성한 프로젝트는 쉽게 배포됐는데, Next.js로 진행한 프로젝트는 배포가 어려워서 Vercel을 사용할 수밖에 없었던 기억이 있네요

자세한 내용은 블로그를 참고하세요!

Next.js가 최근 공격적으로(?) 업그레이드를 하면서 많은 인기를 끌고있는데, `Next.js`를 사용하지 않는 이유라는 블로그를 발견해서 공유드립니다. 제가 공감가는 내용은 Next.js가 Vercel과 연관성이 심해서 다른 플랫폼에서 배포가 어렵다는 것이었는데요. 예전에 Azure Static Web을 사용해서 배포하려고 했을 때, create-react-app이나 vite로 생성한 프로젝트는 쉽게 배포됐는데, Next.js로 진행한 프로젝트는 배포가 어려워서 Vercel을 사용할 수밖에 없었던 기억이 있네요 자세한 내용은 블로그를 참고하세요!

Emewjin

Next.js를 사용하지 않는 이유

Bored of algorithms? Here are my recommendations that are exciting, understandable, and sometimes even useful!

Challenging algorithms and data structures every programmer should try

모든 프로그래머가 해보면 좋은 도전 과제 알고리즘 입니다
 * 토폴로지컬 소트
 * 리커시브 디센트 파싱
 * 마이어의 스트링 디프 (git의 diff알고리즘)
 * 블룸 필터 (데이터가 없는지 찾아낼 때 사용)
 * 피스 테이블 (테스트에디터에서 사용한다고함)
 * 스플레이 트리

여러분도 도전해보세요!
https://austinhenley.com/blog/challengingalgorithms.html

모든 프로그래머가 해보면 좋은 도전 과제 알고리즘 입니다<ul><li>토폴로지컬 소트</li><li>리커시브 디센트 파싱</li><li>마이어의 스트링 디프 (git의 diff알고리즘)</li><li>블룸 필터 (데이터가 없는지 찾아낼 때 사용)</li><li>피스 테이블 (테스트에디터에서 사용한다고함)</li><li>스플레이 트리</li></ul> 여러분도 도전해보세요! https://austinhenley.com/blog/challengingalgorithms.html

Austinhenley

모든 프로그래머가 해보면 좋은 도전 과제 알고리즘들

Edit 2: Lots of insightful comments at the bottom, do give them a read, too, before going with any... Tagged with go, programming, javascript, json.

JSON is Slower. Here Are Its 4 Faster Alternatives

JSON 은 데이터를 정의하는 포맷중 하나로 웹 서비스에서 서버와 클라이언트간에 통신시 많이 사용되고 있습니다.

제가 신입일때까지만 해도 XML 이나 Plain Text 형식으로 통신하는 API 들도 여럿 있었지만,
시간이 흘러 이러한 API 들은 deprecated 되었고
현재 서비스 되고 있는 OPEN API 들의 문서를 봐도 JSON 으로 통신하지 않는 API 는 찾아보기가 힘듭니다.

JSON 이 이렇게 인기가 많아진 이유는 다음과 같습니다.

📌 사람이 읽을 수 있는 형식
📌 언어에 구애받지 않음
📌 데이터 구조 일관성
📌 브라우저 지원
📌 프로그래밍 언어의 JSON API 지원

그렇지만 이러한 JSON 도 다음과 같은 이유로 성능 저하를 발생시킬 수 있습니다.

📌 광범위하거나 중첩이 깊은 데이터일 경우 Parsing 오버헤드가 발생할 수 있습니다
📌 데이터 송수신시 반드시 해야하는 직렬화 및 역직렬화 과정이 성능에 영향을 줄 수 있습니다
📌 JSON 은 텍스트 기반이기 때문에 문자열 처리를 하게 되는데 이는 이진 데이터 처리에 비해 느릴 수 밖에 없습니다
📌 JSON 에서 제공하는 데이터 Type 이 제한되기 때문에 복잡한 데이터 구조를 사용할 경우 추가적인 장치나 표현이 필요하게 되어 성능에 영향을 줄 수 있습니다
📌 바이너리 데이터에 대한 지원이 없기 때문에 이를 표현할 경우 텍스트 인코딩, 디코딩을 하게 되어 성능에 영향을 줄 수 있습니다

이러한 JSON 의 단점을 대체할 수 있는 것으로 다음과 같은 솔루션이 있습니다.

📌 Protocol Buffers
Protobuf 라고도 알려진 프로토콜 버퍼는 Google 에서 개발한 바이너리 직렬화 형식입니다.
JSON 에 비해 인코딩 및 디코딩이 더 간단하고 빠른 바이너리 인코딩을 사용하고 이전 버전과의 호환성을 유지하면서 데이터 구조를 업데이트할 수 있는 Schema Evolution 을 지원합니다.

📌 MessagePack
MessagePack 은 효율성과 속도를 위해 설계된 또 다른 이진 직렬화 형식입니다.
매우 컴팩트한 데이터 표현을 생성하여 데이터 전송 크기를 줄일 수 있고, Protocol Buffers 와 동일하게 바이너리 특성으로 빠른 인코딩 및 디코딩이 가능합니다.

📌 BSON
MongoDB 에서 사용하는것으로 유명한 BSON 은 바이너리 데이터 유형이 추가된 JSON과 유사한 구조를 유지하여 효율성과 가독성 간의 균형을 제공합니다.
또한 이미지나 멀티미디어와 같은 데이터를 처리하는 데 유용한 바이너리 데이터 유형에 대한 기본 지원을 제공합니다.

📌 Avro
Avro는 Apache Hadoop 프로젝트 내에서 개발된 데이터 직렬화 프레임워크로 스키마 호환성과 성능에 강점을 두고 있습니다.
컴팩트 바이너리 인코딩 형식을 사용하므로 페이로드를 줄일 수 있고 여러 프로그래밍 언어를 지원하므로 다양한 애플리케이션 생태계에 적합합니다.

공유 드린 원문에 이에 대한 자세한 내용과 JSON 을 계속 사용할 경우 성능을 최적화 할 수 있는 팁들이 정리되어있으니 관심있으신 분들은 원문 내용을 참고해주세요.

📚 원문
https://dev.to/nikl/json-is-slower-here-are-its-4-faster-alternatives-2g30?utm_source=oneoneone

JSON 은 데이터를 정의하는 포맷중 하나로 웹 서비스에서 서버와 클라이언트간에 통신시 많이 사용되고 있습니다. 제가 신입일때까지만 해도 XML 이나 Plain Text 형식으로 통신하는 API 들도 여럿 있었지만,시간이 흘러 이러한 API 들은 deprecated 되었고현재 서비스 되고 있는 OPEN API 들의 문서를 봐도 JSON 으로 통신하지 않는 API 는 찾아보기가 힘듭니다. JSON 이 이렇게 인기가 많아진 이유는 다음과 같습니다. 📌 사람이 읽을 수 있는 형식📌 언어에 구애받지 않음📌 데이터 구조 일관성📌 브라우저 지원📌 프로그래밍 언어의 JSON API 지원 그렇지만 이러한 JSON 도 다음과 같은 이유로 성능 저하를 발생시킬 수 있습니다. 📌 광범위하거나 중첩이 깊은 데이터일 경우 Parsing 오버헤드가 발생할 수 있습니다📌 데이터 송수신시 반드시 해야하는 직렬화 및 역직렬화 과정이 성능에 영향을 줄 수 있습니다📌 JSON 은 텍스트 기반이기 때문에 문자열 처리를 하게 되는데 이는 이진 데이터 처리에 비해 느릴 수 밖에 없습니다📌 JSON 에서 제공하는 데이터 Type 이 제한되기 때문에 복잡한 데이터 구조를 사용할 경우 추가적인 장치나 표현이 필요하게 되어 성능에 영향을 줄 수 있습니다📌 바이너리 데이터에 대한 지원이 없기 때문에 이를 표현할 경우 텍스트 인코딩, 디코딩을 하게 되어 성능에 영향을 줄 수 있습니다 이러한 JSON 의 단점을 대체할 수 있는 것으로 다음과 같은 솔루션이 있습니다. 📌 Protocol BuffersProtobuf 라고도 알려진 프로토콜 버퍼는 Google 에서 개발한 바이너리 직렬화 형식입니다.JSON 에 비해 인코딩 및 디코딩이 더 간단하고 빠른 바이너리 인코딩을 사용하고 이전 버전과의 호환성을 유지하면서 데이터 구조를 업데이트할 수 있는 Schema Evolution 을 지원합니다. 📌 MessagePackMessagePack 은 효율성과 속도를 위해 설계된 또 다른 이진 직렬화 형식입니다.매우 컴팩트한 데이터 표현을 생성하여 데이터 전송 크기를 줄일 수 있고, Protocol Buffers 와 동일하게 바이너리 특성으로 빠른 인코딩 및 디코딩이 가능합니다. 📌 BSONMongoDB 에서 사용하는것으로 유명한 BSON 은 바이너리 데이터 유형이 추가된 JSON과 유사한 구조를 유지하여 효율성과 가독성 간의 균형을 제공합니다.또한 이미지나 멀티미디어와 같은 데이터를 처리하는 데 유용한 바이너리 데이터 유형에 대한 기본 지원을 제공합니다. 📌 AvroAvro는 Apache Hadoop 프로젝트 내에서 개발된 데이터 직렬화 프레임워크로 스키마 호환성과 성능에 강점을 두고 있습니다.컴팩트 바이너리 인코딩 형식을 사용하므로 페이로드를 줄일 수 있고 여러 프로그래밍 언어를 지원하므로 다양한 애플리케이션 생태계에 적합합니다. 공유 드린 원문에 이에 대한 자세한 내용과 JSON 을 계속 사용할 경우 성능을 최적화 할 수 있는 팁들이 정리되어있으니 관심있으신 분들은 원문 내용을 참고해주세요. 📚 원문https://dev.to/nikl/json-is-slower-here-are-its-4-faster-alternatives-2g30?utm_source=oneoneone

DEV Community

💡 JSON 보다 더 빠른 대안들

LINE 의 오픈챗은 대규모 트래픽을 처리하는 서비스 중 하나입니다.

특히 유명 가수의 콘서트 시, 수백만 팬들이 오픈챗에서 활발히 소통하면서 트래픽이 급증하는 현상이 발생합니다.

이렇게 하나의 오픈챗이 다른 오픈챗보다 트래픽이 많이 발생하는 걸 LINE은 '핫 챗 (Hot Chat)'으로 정의하며, 이 글에서는 핫 챗의 발생 패턴과 해결 방법을 살펴보겠습니다.

<오픈챗이 처리하는 트래픽의 규모>

하나의 오픈챗은 수천에서 수만 명의 사용자를 수용할 수 있습니다.

오픈챗 서버는 분당 1천만 건, 일일 약 100억 건의 API 요청을 처리합니다. 활발한 하나의 오픈챗은 분당 최대 20만 건의 API 요청을 생성하기도 합니다.

<오픈챗 서비스의 구조>

LINE의 오픈챗 서비스는 이벤트 기반 아키텍처로 구성되어 있습니다.

사용자가 메시지를 보내는 등의 이벤트가 발생하면, 이들은 데이터베이스에 기록되고 Kafka를 통해 전달됩니다.

이후 Publish 서비스가 Kafka 토픽에서 이벤트를 소비하고, 사용자들에게 이벤트를 알리는 서버 푸시를 합니다.

사용자들은 API 호출을 통해 필요한 데이터를 가져갑니다.

서비스 구조는 그림으로 보는 것이 좋을 것 같은데요. 아래 파일로 첨부해두었습니다.

<Hot Chat 패턴별로 발생하는 문제와 이를 해결하는 전략>

1.1 첫 번째 문제: 오픈챗 트래픽 증가

수백만명의 가수의 팬들이 콘서트를 열 때 오픈챗에서 활발히 떠들다보니 오픈챗의 이벤트를 가져오려는 API 호출 트래픽이 급증하는 사례가 발생합니다.

이로 인해 발생하는 증상은 다음과 같습니다:
 * 트래픽 급증으로 인한 데이터베이스 요청 증가, Slow Query 발생
 * API 서버의 GC, CPU 사용량 증가 및 응답 지연
 * 카프카의 Lag 증가

1.2 해결책:

일반적으로 Naive 하게 생각해 수 있는 해결책은 Shard 를 추가하는 것일텐데, 핫 챗은 전체 오픈챗 중의 0.1% 정도 되기 때문에 단순 샤드를 추가하는 건 영향이 작을 것입니다.

LINE 에서는 Hot Chat 을 Detecting 하고 일정시간 동안 Throttling 을 적용하는 방법으로 해결했습니다:
 * 핫 챗 탐지:
 * Publish 서버에서 발생한 채팅방의 이벤트 수를 추적하고, 특정 임계점이 넘었으면 이 채팅방을 Hot Chat 이라고 기록합니다. 
 * 트래픽 Throttling 적용:
 * 핫 챗으로 분류된 채팅방에서는 확률적으로 서버 푸시 메시지 전송 빈도를 조절합니다.
 * 이는 API 요청의 폭증을 방지하고 서버 부하를 줄이는 데 도움이 됩니다.
 * 정책 동적 조정:
 * 핫 챗 정책은 LINE의 오픈소스 솔루션인 Central Dogma를 사용하여 동적으로 조정됩니다.
 * 이를 통해 서비스 운영자는 배포 없이 실시간으로 트래픽 상황에 맞춰 정책을 조정할 수 있습니다.
 * Note:
 * 이 방법은 폭증하는 트래픽에서 서버를 보호하는 방법이지, 트래픽 자체를 해결하는 방법은 아닙니다.
 * 위의 LINE 의 사례와 같은 Hot Key 문제에 대해서 트래픽 자체를 해결하려면 하나의 샤드로 향하는 트래픽을 다른 샤드들로 분산시키는 것이 필요합니다.
 * 그래서 일반적인 해결 방법 중 하나는 Shard Key 에다가 Random Number 를 붙혀서 하나의 샤드에서 다른 샤드들로 저장되고 읽을 수 있도록 하는 것입니다. 이를 'Salted Key' 라고도 합니다.
 * 이 방법으로 할 경우 읽기 요청을 할 때가 문제라서 Hot Key 의 Shard Key 가 어떻게 분산되었는지를 추적할 수 있는 방법을 추가로 필요로 합니다.
 * 이 방식으로 해결해야한다는 뜻을 말하는 것은 아닙니다. 개인적인 생각으로는 활발한 오픈챗에서 이벤트 전달은 되게 작은 문제라고 보여서 Throttling 하는 것이 더 나은 솔루션 같아 보입니다.

2.1 두 번째 문제: 오픈챗 참여 요청이 급증:

인플루언서가 오픈챗 링크를 공유하면서 참여 요청이 갑자기 증가하는 상황이 발생할 수 있습니다.

이로 인해 발생하는 증상은 다음과 같습니다:
 * MySQL Slow Log 증가, CPU 사용률 증가
 * OpenChat 서비스의 응답 타임아웃 증가

2.2 해결책:

MySQL INSERT 성능 최적화:
 * 오픈챗 참여 INSERT 는 단순 INSERT 가 아니라, INSERT 내부에서 SELECT 를 사용하는 쿼리로 구성되어 있습니다. 이는 내부적으로 Bulk Insert 로 취급이 됩니다.
 * Bulk Insert 에서 레코드가 Auto Increment 타입의 칼럼을 쓰고 있는 경우 auto_increment_lock_mode=1 로 설정되어 있는 경우에는 Auto Increment 의 값을 연속적으로 증가함을 보장하며 테이블 락을 잡습니다. (MySQL 8.0 이전에는 auto_increment_lock_mode 의 기본 값은 1입니다.)
 * 그래서 동시에 오픈챗 참여 요청을 하면 이런 테이블락의 경합으로 인해서 CPU 사용률이 치솟는 것입니다.
 * 이를 auto_increment_lock_mode=2 로 변경하면 Auto Increment 값이 연속적으로 증가함을 보장하지는 않지만, 테이블 락보다 가벼운 Mutex 를 사용해서 더 나은 성능을 낼 수 있습니다. 
 * 모든 기술이 그렇듯이 주의할 점이 있는데  auto_increment_lock_mode=2 로 적용할 경우에는 복제에서 statement-based replication 이 아니라 row-based replication 을 적용해야합니다. Auto Increment 값이 연속적으로 증가하지 않기 때문에 복제 서버에서는 다른 값이 될 수 있기 때문입니다. 

참여 요청에 대한 Throttling 적용:
 * auto_increment_lock_mode 를 튜닝해서 처리할 수 있는 성능을 높혔더라도, 언제든지 MySQL 이 처리할 수 있는 양보다 훨씬 많은 부하를 받을 수 있습니다.
 * 여기서 Throttling 을 적용할 때 중요했던 건 Hot Chat Throttling 과 달리 Throttling 을 지연없이 빠르게 적용할 수 있는가 입니다.
 * Redis 에서도 참여 요청의 수를 집계해서 Throttling 를 적용할 수도 있지만 얼마 안되는 핫 오픈챗에 대해서 전체 오픈챗에 대해 기록하는 건 큰 오버헤드라고 판단해서 Local Cache 에서 집계를 해서 Throttling 을 적용했습니다.

Reference:
https://engineering.linecorp.com/ko/blog/how-line-openchat-server-handles-extreme-traffic-spikes

LINE 의 오픈챗은 대규모 트래픽을 처리하는 서비스 중 하나입니다. 특히 유명 가수의 콘서트 시, 수백만 팬들이 오픈챗에서 활발히 소통하면서 트래픽이 급증하는 현상이 발생합니다. 이렇게 하나의 오픈챗이 다른 오픈챗보다 트래픽이 많이 발생하는 걸 LINE은 '핫 챗 (Hot Chat)'으로 정의하며, 이 글에서는 핫 챗의 발생 패턴과 해결 방법을 살펴보겠습니다. &lt;오픈챗이 처리하는 트래픽의 규모&gt; 하나의 오픈챗은 수천에서 수만 명의 사용자를 수용할 수 있습니다. 오픈챗 서버는 분당 1천만 건, 일일 약 100억 건의 API 요청을 처리합니다. 활발한 하나의 오픈챗은 분당 최대 20만 건의 API 요청을 생성하기도 합니다. &lt;오픈챗 서비스의 구조&gt; LINE의 오픈챗 서비스는 이벤트 기반 아키텍처로 구성되어 있습니다. 사용자가 메시지를 보내는 등의 이벤트가 발생하면, 이들은 데이터베이스에 기록되고 Kafka를 통해 전달됩니다. 이후 Publish 서비스가 Kafka 토픽에서 이벤트를 소비하고, 사용자들에게 이벤트를 알리는 서버 푸시를 합니다. 사용자들은 API 호출을 통해 필요한 데이터를 가져갑니다. 서비스 구조는 그림으로 보는 것이 좋을 것 같은데요. 아래 파일로 첨부해두었습니다. &lt;Hot Chat 패턴별로 발생하는 문제와 이를 해결하는 전략&gt; 1.1 첫 번째 문제: 오픈챗 트래픽 증가 수백만명의 가수의 팬들이 콘서트를 열 때 오픈챗에서 활발히 떠들다보니 오픈챗의 이벤트를 가져오려는 API 호출 트래픽이 급증하는 사례가 발생합니다. 이로 인해 발생하는 증상은 다음과 같습니다:<ul><li>트래픽 급증으로 인한 데이터베이스 요청 증가, Slow Query 발생</li><li>API 서버의 GC, CPU 사용량 증가 및 응답 지연</li><li>카프카의 Lag 증가</li></ul> 1.2 해결책: 일반적으로 Naive 하게 생각해 수 있는 해결책은 Shard 를 추가하는 것일텐데, 핫 챗은 전체 오픈챗 중의 0.1% 정도 되기 때문에 단순 샤드를 추가하는 건 영향이 작을 것입니다. LINE 에서는 Hot Chat 을 Detecting 하고 일정시간 동안 Throttling 을 적용하는 방법으로 해결했습니다:<ul><li>핫 챗 탐지:<ul><li>Publish 서버에서 발생한 채팅방의 이벤트 수를 추적하고, 특정 임계점이 넘었으면 이 채팅방을 Hot Chat 이라고 기록합니다.&nbsp;</li></ul></li><li>트래픽 Throttling 적용:<ul><li>핫 챗으로 분류된 채팅방에서는 확률적으로 서버 푸시 메시지 전송 빈도를 조절합니다.</li><li>이는 API 요청의 폭증을 방지하고 서버 부하를 줄이는 데 도움이 됩니다.</li></ul></li><li>정책 동적 조정:<ul><li>핫 챗 정책은 LINE의 오픈소스 솔루션인 Central Dogma를 사용하여 동적으로 조정됩니다.</li><li>이를 통해 서비스 운영자는 배포 없이 실시간으로 트래픽 상황에 맞춰 정책을 조정할 수 있습니다.</li></ul></li><li>Note:<ul><li>이 방법은 폭증하는 트래픽에서 서버를 보호하는 방법이지, 트래픽 자체를 해결하는 방법은 아닙니다.</li><li>위의 LINE 의 사례와 같은 Hot Key 문제에 대해서 트래픽 자체를 해결하려면 하나의 샤드로 향하는 트래픽을 다른 샤드들로 분산시키는 것이 필요합니다.</li><li>그래서 일반적인 해결 방법 중 하나는 Shard Key 에다가 Random Number 를 붙혀서 하나의 샤드에서 다른 샤드들로 저장되고 읽을 수 있도록 하는 것입니다. 이를 'Salted Key' 라고도 합니다.</li><li>이 방법으로 할 경우 읽기 요청을 할 때가 문제라서 Hot Key 의 Shard Key 가 어떻게 분산되었는지를 추적할 수 있는 방법을 추가로 필요로 합니다.</li><li>이 방식으로 해결해야한다는 뜻을 말하는 것은 아닙니다. 개인적인 생각으로는 활발한 오픈챗에서 이벤트 전달은 되게 작은 문제라고 보여서 Throttling 하는 것이 더 나은 솔루션 같아 보입니다.</li></ul></li></ul> 2.1 두 번째 문제: 오픈챗 참여 요청이 급증: 인플루언서가 오픈챗 링크를 공유하면서 참여 요청이 갑자기 증가하는 상황이 발생할 수 있습니다. 이로 인해 발생하는 증상은 다음과 같습니다:<ul><li>MySQL Slow Log 증가, CPU 사용률 증가</li><li>OpenChat 서비스의 응답 타임아웃 증가</li></ul> 2.2 해결책: MySQL INSERT 성능 최적화:<ul><li>오픈챗 참여 INSERT 는 단순 INSERT 가 아니라, INSERT 내부에서 SELECT 를 사용하는 쿼리로 구성되어 있습니다. 이는 내부적으로 Bulk Insert 로 취급이 됩니다.</li><li>Bulk Insert 에서 레코드가 Auto Increment 타입의 칼럼을 쓰고 있는 경우 auto_increment_lock_mode=1 로 설정되어 있는 경우에는 Auto Increment 의 값을 연속적으로 증가함을 보장하며 테이블 락을 잡습니다. (MySQL 8.0 이전에는 auto_increment_lock_mode 의 기본 값은 1입니다.)</li><li>그래서 동시에 오픈챗 참여 요청을 하면 이런 테이블락의 경합으로 인해서 CPU 사용률이 치솟는 것입니다.</li><li>이를 auto_increment_lock_mode=2 로 변경하면 Auto Increment 값이 연속적으로 증가함을 보장하지는 않지만, 테이블 락보다 가벼운 Mutex 를 사용해서 더 나은 성능을 낼 수 있습니다.&nbsp;</li><li>모든 기술이 그렇듯이 주의할 점이 있는데&nbsp; auto_increment_lock_mode=2 로 적용할 경우에는 복제에서 statement-based replication 이 아니라 row-based replication 을 적용해야합니다. Auto Increment 값이 연속적으로 증가하지 않기 때문에 복제 서버에서는 다른 값이 될 수 있기 때문입니다.&nbsp;</li></ul> 참여 요청에 대한 Throttling 적용:<ul><li>auto_increment_lock_mode 를 튜닝해서 처리할 수 있는 성능을 높혔더라도, 언제든지 MySQL 이 처리할 수 있는 양보다 훨씬 많은 부하를 받을 수 있습니다.</li><li>여기서 Throttling 을 적용할 때 중요했던 건 Hot Chat Throttling 과 달리 Throttling 을 지연없이 빠르게 적용할 수 있는가 입니다.</li><li>Redis 에서도 참여 요청의 수를 집계해서 Throttling 를 적용할 수도 있지만 얼마 안되는 핫 오픈챗에 대해서 전체 오픈챗에 대해 기록하는 건 큰 오버헤드라고 판단해서 Local Cache 에서 집계를 해서 Throttling 을 적용했습니다.</li></ul> Reference: https://engineering.linecorp.com/ko/blog/how-line-openchat-server-handles-extreme-traffic-spikes

LINE 의 오픈챗 서버는 어떻게 급증하는 트래픽을 다룰까?

AI 시대에 소프트웨어 엔지니어가 필수로 배워야 하는 기초 지식은 다음과 같습니다.

1️⃣ 하나만 배운다면 데이터 구조

2️⃣ 두가질 배운다면 알고리즘

3️⃣ 세가질 배운다면 머신러닝

4️⃣ 네가질 배운다면 프롬프트 엔지니어링

소프트웨어 엔지니어의 주요 업무인 프로그래밍이라는 것은, 주어진 데이터를 변형하거나 데이터를 추출하는 것이 전부라고 할 수 있습니다. 따라서 데이터 구조와 데이터를 다루는 알고리즘을 배우는 것이 기본이겠고요.

더불어 데이터를 통해 소프트웨어를 만들어내는 머신러닝과, 이를 통해 만들어진 AI를 이용하는 프롬프트 엔지니어링을 이해해야 다가오는 AI 시대에 적응 할 수 있을 것 입니다.

즉, 프로그램이, AI가 어떻게 만들어지고 작동하는지, 그리고 AI를 어떻게 다루는지를 이해하는 것이 중요한 것이죠. 왜냐하면 나머지는 이제 앞으로 AI가 다 해 줄 테니까요.

AI 시대에 소프트웨어 엔지니어가 필수로 배워야 하는 기초 지식은 다음과 같습니다. 1️⃣ 하나만 배운다면 데이터 구조 2️⃣ 두가질 배운다면 알고리즘 3️⃣ 세가질 배운다면 머신러닝 4️⃣ 네가질 배운다면 프롬프트 엔지니어링 소프트웨어 엔지니어의 주요 업무인 프로그래밍이라는 것은, 주어진 데이터를 변형하거나 데이터를 추출하는 것이 전부라고 할 수 있습니다. 따라서 데이터 구조와 데이터를 다루는 알고리즘을 배우는 것이 기본이겠고요. 더불어 데이터를 통해 소프트웨어를 만들어내는 머신러닝과, 이를 통해 만들어진 AI를 이용하는 프롬프트 엔지니어링을 이해해야 다가오는 AI 시대에 적응 할 수 있을 것 입니다. 즉, 프로그램이, AI가 어떻게 만들어지고 작동하는지, 그리고 AI를 어떻게 다루는지를 이해하는 것이 중요한 것이죠. 왜냐하면 나머지는 이제 앞으로 AI가 다 해 줄 테니까요.

AI 시대 소프트웨어 엔지니어 필수 지식

자바스크립트 패키지 매니저: npm vs. Yarn

패키지 매니저(package manager)는 프로젝트가 의존하고 있는 패키지를 효과적으로 설치, 갱신, 삭제할 수 있도록 도와주는 관리 도구입니다. 그 어떤 프로그래밍 언어보다 풍부한 오픈 소스 생태계를 자랑하는 자바스크립트에서 특히 패키지 매니저는 중요한 역할을 하는데요. 아무리 간단한 자바스크립트 프로젝트라고 해도 적게는 수십게 많게는 수백개의 다른 패키지에 의존하기 때문입니다.

대부분의 자바스크립트 패키지 매니저는 Node.js 실행 환경(runtime)에서 돌아가며 `package.json`이라는 파일에 프로젝트가 의존하고 있는 패키지 목록을 명시합니다. 일반적으로 패키지는 프로젝트의 `node_modules` 디렉토리에 저장되는데, 주로 공개 npm 저장소(registry)로 부터 다운을 받지만 회사의 경우 사내망 내의 사설 저장소를 운영하는 경우도 있습니다.

자바스크립트 커뮤니티에서는 npm과 Yarn이라는 두 가지 패키지 매니저가 오랫동안 시장을 양분해왔는데요. 이번 포스팅에서는 현재 기준으로 npm과 Yarn을 비교해보고 이중 무엇을 쓰는 게 좋을지 알아보겠습니다.

📝 포스팅: https://www.daleseo.com/js-package-manager/

사실 자바스크립트 생태계에서는 본 포스팅에서 다룬 npm과 Yarn 외에도 Pnpm과 같은 새로운 패키지 매니저가 줄줄이 등장하고 있습니다. 또한 차세대 자바스크립트 런타임인 Bun의 경우에는 아예 패키지 매니저를 내장하고 있어서 어떤 패키지 매니저를 사용할지 고민할 필요도 없습니다. 기본적으로 표준화보다는 자율성을 가치로 삼는 자바스크립트 커뮤니티에서 향후 이 패키지 매니저 전쟁이 어떻게 진행될지 지켜보면 흥미로울 것 같습니다.

패키지 매니저 관련해서 아래 게시물도 함께 읽어보시기를 추천드립니다.

📕 자바스크립트 개발자를 위한 package.json 파일 정리: https://careerly.co.kr/comments/90359
📗 패키지 잠금 파일 (package-lock.json, yarn.lock): https://careerly.co.kr/comments/93535
📘 자바스크립트 개발자를 위한 필수 npm 커맨드 정리 (+npx): https://careerly.co.kr/comments/93003
📙 Bun: 귀엽지만 강력한 새로운 자바스크립트 런타임 🥟: https://careerly.co.kr/comments/92202

패키지 매니저(package manager)는 프로젝트가 의존하고 있는 패키지를 효과적으로 설치, 갱신, 삭제할 수 있도록 도와주는 관리 도구입니다. 그 어떤 프로그래밍 언어보다 풍부한 오픈 소스 생태계를 자랑하는 자바스크립트에서 특히 패키지 매니저는 중요한 역할을 하는데요. 아무리 간단한 자바스크립트 프로젝트라고 해도 적게는 수십게 많게는 수백개의 다른 패키지에 의존하기 때문입니다. 대부분의 자바스크립트 패키지 매니저는 Node.js 실행 환경(runtime)에서 돌아가며 `package.json`이라는 파일에 프로젝트가 의존하고 있는 패키지 목록을 명시합니다. 일반적으로 패키지는 프로젝트의 `node_modules` 디렉토리에 저장되는데, 주로 공개 npm 저장소(registry)로 부터 다운을 받지만 회사의 경우 사내망 내의 사설 저장소를 운영하는 경우도 있습니다. 자바스크립트 커뮤니티에서는&nbsp;npm과 Yarn이라는 두 가지 패키지 매니저가 오랫동안 시장을 양분해왔는데요. 이번 포스팅에서는 현재 기준으로 npm과 Yarn을 비교해보고 이중 무엇을 쓰는 게 좋을지 알아보겠습니다. 📝 포스팅: https://www.daleseo.com/js-package-manager/ 사실 자바스크립트 생태계에서는 본 포스팅에서 다룬 npm과 Yarn 외에도 Pnpm과 같은 새로운 패키지 매니저가 줄줄이 등장하고 있습니다. 또한 차세대 자바스크립트 런타임인 Bun의 경우에는 아예 패키지 매니저를 내장하고 있어서 어떤 패키지 매니저를 사용할지 고민할 필요도 없습니다. 기본적으로 표준화보다는 자율성을 가치로 삼는 자바스크립트 커뮤니티에서 향후 이 패키지 매니저 전쟁이 어떻게 진행될지 지켜보면 흥미로울 것 같습니다. 패키지 매니저 관련해서 아래 게시물도 함께 읽어보시기를 추천드립니다. 📕 자바스크립트 개발자를 위한 package.json 파일 정리: https://careerly.co.kr/comments/90359📗 패키지 잠금 파일 (package-lock.json, yarn.lock): https://careerly.co.kr/comments/93535📘 자바스크립트 개발자를 위한 필수 npm 커맨드 정리 (+npx): https://careerly.co.kr/comments/93003📙 Bun: 귀엽지만 강력한 새로운 자바스크립트 런타임 🥟: https://careerly.co.kr/comments/92202

Daleseo

자바스크립트 패키지 매니저: npm vs. Yarn 🥊

유명한 프로그램들을 많이 만들었습니다. 카카오톡. N드라이브. 왓챠. 하지만 제 프로그램이라고 부를 수는 없었습니다. 내가 처음부터 만든 게 아니었으니까. 다른 사람들이 만들고 이미 유명해진 상태에서 내가 껴들었을 뿐.

회사를 그만두도록 뽐뿌를 준 책들

유명한 프로그램들을 많이 만들었습니다.
카카오톡. N드라이브. 왓챠.
하지만 제 프로그램이라고 부를 수는 없었습니다.
내가 처음부터 만든 게 아니었으니까.
다른 사람들이 만들고 이미 유명해진 상태에서 내가 껴들었을 뿐.

그래도 좋긴 했습니다.
내 실력으로는 엄두도 못 낼 유명한 프로그램들을 함께 만들고…
지하철에서 옆 사람들이 앱을 써주는 걸 보는 기분은 끝내줬습니다.

그런데 가만…
내가 처음부터 만든 건 뭐가 있지…?
뭐야, 아무것도 없잖아.

책을 읽다가 그런 생각이 들었던 것 같습니다.
나도 내 제품을 만들어 보고 싶어.
아무것도 없는 백지에서 시작한 나의 코드, 나의 제품 말이야.

나도 창업이란 걸 해보고 싶다.
아니, 창업이란 말은 너무 거창하고…
내 제품을 만들어서 그걸로 돈을 벌어 보고 싶어.
단 돈 만 원이라도 벌어봤으면.

그 당시에 저에게 뽐뿌를 줬던 책들.
'플레이', '아이디어맨', '티몬이 간다'

넥슨의 창업이야기.
마이크로소프트의 창업이야기.
티켓몬스터의 창업이야기.

이 책들을 읽을 때 어찌나 가슴이 두근거렸는지…
어쩌면 이 책들을 읽으면서 회사를 떠날 준비를 했는지도 모르겠습니다.
언젠가 다시 한번 읽어보고 싶습니다.

https://jeho.page/essay/2023/11/23/business-books.html

유명한 프로그램들을 많이 만들었습니다. 카카오톡. N드라이브. 왓챠. 하지만 제 프로그램이라고 부를 수는 없었습니다. 내가 처음부터 만든 게 아니었으니까. 다른 사람들이 만들고 이미 유명해진 상태에서 내가 껴들었을 뿐. 그래도 좋긴 했습니다. 내 실력으로는 엄두도 못 낼 유명한 프로그램들을 함께 만들고… 지하철에서 옆 사람들이 앱을 써주는 걸 보는 기분은 끝내줬습니다. 그런데 가만… 내가 처음부터 만든 건 뭐가 있지…? 뭐야, 아무것도 없잖아. 책을 읽다가 그런 생각이 들었던 것 같습니다. 나도 내 제품을 만들어 보고 싶어. 아무것도 없는 백지에서 시작한 나의 코드, 나의 제품 말이야. 나도 창업이란 걸 해보고 싶다. 아니, 창업이란 말은 너무 거창하고… 내 제품을 만들어서 그걸로 돈을 벌어 보고 싶어. 단 돈 만 원이라도 벌어봤으면. 그 당시에 저에게 뽐뿌를 줬던 책들. '플레이', '아이디어맨', '티몬이 간다' 넥슨의 창업이야기. 마이크로소프트의 창업이야기. 티켓몬스터의 창업이야기. 이 책들을 읽을 때 어찌나 가슴이 두근거렸는지…어쩌면 이 책들을 읽으면서 회사를 떠날 준비를 했는지도 모르겠습니다. 언젠가 다시 한번 읽어보고 싶습니다. https://jeho.page/essay/2023/11/23/business-books.html

K리그 프로그래머

01 . 저는 책상에 뭔가 많이 올려두는 걸 좋아하지 않는 편입니다. 집에서 쓰는 책상은 물론이고 회사 책상도 마찬가지죠. 그래서 가끔 팀 사람들이 '도영님은 퇴사하는 사람처럼 퇴근한다'는 우스갯소리를 던지고는 합니다. 출근하면 꺼내 올려두는 게 휴대전화, 에어팟, 노트, 필기구 몇 개 정도니까요. 그마저도 퇴근할 땐 장사판 접는 사장님처럼 말끔하게 회수해(?) 집으로 돌아가니 그런 말이 나올 법도 하죠.

02 . 하지만 제가 유일하게 책상에 자주 올려두는 것이 하나 있습니다. 바로 책입니다.
물론 책상의 일부를 마치 책장처럼 활용하며 여러 권의 책을 꽂아두시는 분들도 있지만 저는 최근 읽고 있는 책 한 권 정도만 책상에 둡니다. 그러니 자연스레 제 주위를 오가던 사람들도 제가 읽고 있는 책에 관심을 기울이고 그 책에 대해 이런저런 질문을 던지기도 하죠.

03 . 당연히 그런 자랑(?) 용도로 책을 두는 것은 아닙니다. 제가 책상에 책을 올려두는 건 일종의 마인드셋에 가깝기 때문이죠.
아무래도 기획 업무를 하다 보니 새로운 업무에 들어가거나 새로운 아이디어를 떠올려야 할 때와 자주 마주치는데 이때마다 저 스스로 어떤 관점과 마음가짐으로 그 업무를 대할지 첫 자세를 잡는 게 참 중요하더라고요. 어떤 때는 하기 싫은 일에 최대한 정을 붙여보려 노력할 때도 있고 또 어떤 때는 꽤 재미있어 보이는 일이라 저 자신이 오버하지 않도록 최대한 차분해지려는 노력을 할 때도 있죠.

04 . 그때마다 저는 그 순간에 필요한 관점을 담은 책들을 한 권씩 올려놓습니다. 그럼 왠지 그 책으로부터 좋은 영향을 받는 것 같은 느낌이 들거든요. 이따끔씩 머리 회전이 잘 안되면 책을 펼쳐서 단 5분이라도 잠깐 읽는 과정을 반복하기도 하지만 사실 꼭 그러지 않더라도 내 가까이에 그 책이 있다는 것만으로도 위로가 될 때가 있습니다. 심지어는 일종의 부적처럼 느껴질 때도 있고요.

05 . 최근에 한 프로젝트에 참여하면서는 '일'에 대한 근본적인 고민과 제 나름의 이야기를 풀어놔야 하는 과제가 주어졌는데, 이때 저는 제 책상 위에 제현주 작가님의 ⟪일하는 마음⟫이란 책을 올려두었습니다. 몇 해 전에 꽤 인상 깊게 읽었던 책이라 언제 한 번 꼭 다시 읽어야지라는 생각을 하고 있었는데 이번 기회에 다시 책상 위로 불러들인 것이죠. 지금이 바로 그 타이밍이라는 생각과 함께요.

06 . 물론 실제로 다시 책을 펼쳐서 읽은 시간은 몇 분 남짓 되지 않았지만 그런 제목의 책이 제 책상을 지켜주고 있다는 사실만으로도 뭔가 마음을 다잡게 되더라고요. 저는 늘 책 한 권을 읽는다는 건 잠깐이나마 그 작가의 생각을 빌어 살아보는 것이라고 생각하는데 제가 좋아하는 책을 끼고 일을 시작하면 조금은 새로운 마음가짐을 장착한 느낌을 받을 때가 많기 때문입니다.

07 . 누군가에게 이 얘기를 했더니 그분이 이런 말을 해주셨습니다.
"그럼 도영님께는 책이 일종의 유니폼 역할을 하는 거네요. 왜 제복을 입는 직업을 가진 사람들은 그 옷을 입는 순간 마음가짐이 달라진다고 하잖아요. 도영님이 책상에 책을 올려두는 것도 비슷한 의미이지 않을까요."

08 . 오! 그 말을 들으니 진짜 제겐 책이 그런 역할을 하는 것 같았어요. 솔직히 가끔 죽기보다도 싫은 일과 마주쳐서 책상에 앉기조차 싫을 때, 문득 책상 한 켠에 있는 책을 보면 일종의 작은 죄책감 같은 것도 느껴지거든요.
'저 책 읽을 때만 해도 온갖 좋은 생각은 다했었는데... 현실에서 또 이렇게 투덜대고만 있을 수는 없겠구나' 하면서요. 책을 읽는 이유 중 하나가 나 자신을 조금이라도 좋은 방향으로 끌고 가기 위함일 텐데 책 읽을 때 마음 따로, 책상에 앉을 때 마음 따로면 그런 나약한 애티튜드도 없겠다 싶었으니까요.

09 . 그래서 저는 주위 사람들에게 당장 읽지 않아도 좋으니 책상 위에 책 한 권 정도 올려두라는 말을 합니다. 그리고 가급적이면 꽂아두지 말고, 여러 권의 책과 함께 두지도 말고 언제든 손을 뻗으면 잡힐 만한 거리에 딱 한 권을 두는 게 더 좋다고 권하죠.
더불어 마치 그곳에 영원히 있을 것처럼 두지 말고 업무에 따라 또 기분에 따라 다른 책으로 바꿔 가져다 두는 걸 반복해 보라고 말합니다. 정말 별것 아닌 일처럼 보여도 그 작은 행동이 주는 마음가짐의 변화가 분명 존재하기 때문이죠.

10 . 그러니 여러분도 한 주의 시작은 맘에 드는 책 한 권 책상 위에 올려두는 것으로 출발하면 어떨까요? 혹시 친한 동료가 있다면 그 사람의 책상 위에 한 권을 선물해 주는 것도 좋고요. 그리고는 귀찮고, 힘들고, 짜증 나고, 하기 싫은 순간이 올 때마다 그냥 그 책 한번 집어 들어서 휘리릭 넘기고 맘에 드는 부분은 5분 정도 가볍게 읽어보는 겁니다. 마음가짐이란 게 거창해 보여도 사실 어떻게 책상 앞에 앉느냐의 문제이기도 하니까요, 그 순간에 맘에 드는 제목이 눈에 띄도록 세팅해두는 것 역시 어쩌면 내 마인드셋을 현명하게 관리하는 비법일지 모르죠.

01 . 저는 책상에 뭔가 많이 올려두는 걸 좋아하지 않는 편입니다. 집에서 쓰는 책상은 물론이고 회사 책상도 마찬가지죠. 그래서 가끔 팀 사람들이 '도영님은 퇴사하는 사람처럼 퇴근한다'는 우스갯소리를 던지고는 합니다. 출근하면 꺼내 올려두는 게 휴대전화, 에어팟, 노트, 필기구 몇 개 정도니까요. 그마저도 퇴근할 땐 장사판 접는 사장님처럼 말끔하게 회수해(?) 집으로 돌아가니 그런 말이 나올 법도 하죠. 02 . 하지만 제가 유일하게 책상에 자주 올려두는 것이 하나 있습니다. 바로 책입니다.물론 책상의 일부를 마치 책장처럼 활용하며 여러 권의 책을 꽂아두시는 분들도 있지만 저는 최근 읽고 있는 책 한 권 정도만 책상에 둡니다. 그러니 자연스레 제 주위를 오가던 사람들도 제가 읽고 있는 책에 관심을 기울이고 그 책에 대해 이런저런 질문을 던지기도 하죠. 03 . 당연히 그런 자랑(?) 용도로 책을 두는 것은 아닙니다. 제가 책상에 책을 올려두는 건 일종의 마인드셋에 가깝기 때문이죠.아무래도 기획 업무를 하다 보니 새로운 업무에 들어가거나 새로운 아이디어를 떠올려야 할 때와 자주 마주치는데 이때마다 저 스스로 어떤 관점과 마음가짐으로 그 업무를 대할지 첫 자세를 잡는 게 참 중요하더라고요. 어떤 때는 하기 싫은 일에 최대한 정을 붙여보려 노력할 때도 있고 또 어떤 때는 꽤 재미있어 보이는 일이라 저 자신이 오버하지 않도록 최대한 차분해지려는 노력을 할 때도 있죠. 04 . 그때마다 저는 그 순간에 필요한 관점을 담은 책들을 한 권씩 올려놓습니다. 그럼 왠지 그 책으로부터 좋은 영향을 받는 것 같은 느낌이 들거든요. 이따끔씩 머리 회전이 잘 안되면 책을 펼쳐서 단 5분이라도 잠깐 읽는 과정을 반복하기도 하지만 사실 꼭 그러지 않더라도 내 가까이에 그 책이 있다는 것만으로도 위로가 될 때가 있습니다. 심지어는 일종의 부적처럼 느껴질 때도 있고요. 05 . 최근에 한 프로젝트에 참여하면서는 '일'에 대한 근본적인 고민과 제 나름의 이야기를 풀어놔야 하는 과제가 주어졌는데, 이때 저는 제 책상 위에 제현주 작가님의 ⟪일하는 마음⟫이란 책을 올려두었습니다. 몇 해 전에 꽤 인상 깊게 읽었던 책이라 언제 한 번 꼭 다시 읽어야지라는 생각을 하고 있었는데 이번 기회에 다시 책상 위로 불러들인 것이죠. 지금이 바로 그 타이밍이라는 생각과 함께요. 06 . 물론 실제로 다시 책을 펼쳐서 읽은 시간은 몇 분 남짓 되지 않았지만 그런 제목의 책이 제 책상을 지켜주고 있다는 사실만으로도 뭔가 마음을 다잡게 되더라고요. 저는 늘 책 한 권을 읽는다는 건 잠깐이나마 그 작가의 생각을 빌어 살아보는 것이라고 생각하는데 제가 좋아하는 책을 끼고 일을 시작하면 조금은 새로운 마음가짐을 장착한 느낌을 받을 때가 많기 때문입니다. 07 . 누군가에게 이 얘기를 했더니 그분이 이런 말을 해주셨습니다."그럼 도영님께는 책이 일종의 유니폼 역할을 하는 거네요. 왜 제복을 입는 직업을 가진 사람들은 그 옷을 입는 순간 마음가짐이 달라진다고 하잖아요. 도영님이 책상에 책을 올려두는 것도 비슷한 의미이지 않을까요." 08 . 오! 그 말을 들으니 진짜 제겐 책이 그런 역할을 하는 것 같았어요. 솔직히 가끔 죽기보다도 싫은 일과 마주쳐서 책상에 앉기조차 싫을 때, 문득 책상 한 켠에 있는 책을 보면 일종의 작은 죄책감 같은 것도 느껴지거든요. '저 책 읽을 때만 해도 온갖 좋은 생각은 다했었는데... 현실에서 또 이렇게 투덜대고만 있을 수는 없겠구나' 하면서요. 책을 읽는 이유 중 하나가 나 자신을 조금이라도 좋은 방향으로 끌고 가기 위함일 텐데 책 읽을 때 마음 따로, 책상에 앉을 때 마음 따로면 그런 나약한 애티튜드도 없겠다 싶었으니까요. 09 . 그래서 저는 주위 사람들에게 당장 읽지 않아도 좋으니 책상 위에 책 한 권 정도 올려두라는 말을 합니다. 그리고 가급적이면 꽂아두지 말고, 여러 권의 책과 함께 두지도 말고 언제든 손을 뻗으면 잡힐 만한 거리에 딱 한 권을 두는 게 더 좋다고 권하죠. 더불어 마치 그곳에 영원히 있을 것처럼 두지 말고 업무에 따라 또 기분에 따라 다른 책으로 바꿔 가져다 두는 걸 반복해 보라고 말합니다. 정말 별것 아닌 일처럼 보여도 그 작은 행동이 주는 마음가짐의 변화가 분명 존재하기 때문이죠. 10 . 그러니 여러분도 한 주의 시작은 맘에 드는 책 한 권 책상 위에 올려두는 것으로 출발하면 어떨까요? 혹시 친한 동료가 있다면 그 사람의 책상 위에 한 권을 선물해 주는 것도 좋고요. 그리고는 귀찮고, 힘들고, 짜증 나고, 하기 싫은 순간이 올 때마다 그냥 그 책 한번 집어 들어서 휘리릭 넘기고 맘에 드는 부분은 5분 정도 가볍게 읽어보는 겁니다. 마음가짐이란 게 거창해 보여도 사실 어떻게 책상 앞에 앉느냐의 문제이기도 하니까요, 그 순간에 맘에 드는 제목이 눈에 띄도록 세팅해두는 것 역시 어쩌면 내 마인드셋을 현명하게 관리하는 비법일지 모르죠.

책상에 좋아하는 책 한 권 올려두기

최근 외주로 운영 되던 서비스를 내재화하는 작업을 담당하게 되면서, 특정 도메인의 목적을 위해 구현된 소스코드를 이해하는 데에는 순전히 '기술적'인 사항만 존재하지 않는다는 사실을 절실히 깨달았습니다. '모바일 쿠폰 서비스'라는 컨택스트 상에서는 당연하고 상식적인 흐름이, 그러한 컨택스트를 제외한 '기술적'요소들만을 살펴보았을 때는 터무니 없이 복잡하고 어렵게 느껴졌습니다.

DDD란? ((Business) Domain-Driven (Software) Design)

최근 팀내에서 논의가 있었다. 내부 툴 Front 단 개발을 어떤 형태로 진행할까에 대한 논의였다. 

보통 '이러한' 개발은 특정 이름 a라고 불리는 팀에 요청하여 처리하였기에, 이번에도 그런 형태로 처리하자고 마무리가 되었다. 내부에서 보면 '뚜렷하게' 차이가 나지 않는 팀 a는 명확히 구분하자면 외부사로, 특정 계약을 통해 프로젝트별로 비용을 지불하는 것으로 보였다. 

그 순간 내 머릿속에 떠오른 질문은 '어떤 기준으로 특정 작업(A)은 외주를 맡기고, 특정 작업(B)은 직접 고용한 인원으로 개발을 진행할까?'였다. 이어서, '그렇다면 내 밥값은 A 대신 B라는 특정 작업을 하고 있다는 사실로 정당한걸까?'였다. 

...

순간 스쳐지나간 생각을 글로 '끌고올' 정도로, 의미가 있다고 느꼈던 이유는

1. 이 부분에 대한 정리된 관점이, 앞으로 커리어를 잘 베팅하는 촉에 대한 도움이 될 것 같기에
2. 언젠가 '보이지 않는' 곳에서 이러한 판단을 내릴 수도 있기에 

라는 2가지 점 때문인 것 같다. 

어쨋든, 이 고민에 좀 더 머물러도 재밌겠다는 생각이 들었다.

이후 정리되지 않은 상태로 문제의 여운을 곰곰히 떠올려본 결과, 두 번째 의문은 쉽게 풀리는 것 같다. 

최근에 읽은 책, 사회학자 Jake Rosenfeld가 쓴 'You're paid what you're worth' [1]라는 책의 내용을 통해서다.

관련 부분은 짧게 요약하자면, "현대 기업은 점점 더 주주친화주의가 강해지면서 비용절감에 대한 요구에 지속적으로 부응하는 정책을 취했다. 기업들은 비핵심 또는 핵심 중에서도 비핵심적인 부분을 아웃소싱하는 형태로 발전해왔다. 또한, 그러한 시장을 만족시키는 아웃소싱 제공 업체도 점점 발전했다. 그렇기에 같은 회사에서 유사한 일을 하지만 소속에 따라서 급격한 임금 및 복지의 격차가 발생하고 있다." 
(논외로 책에서는 정확하게 성과를 측정하고 임금과 연결시키는 점의 어려움, 좋은 잡이 나빠지거나 나쁜 잡이 좋아졌던 히스토리 등 여러 흥미로운 내용을 다뤄준다 - 추천)

감정적으로는 안타깝다는 생각이 들지만, 개인적으로는 어쩔 수 없지 정도로 넘어갈 수 있는 정도의 정리인 것 같다.

...

첫 번째 고민을 생각해보니, 의외로 연관성이 있다고 느껴지는 부분은 꽤나 기술적인 개념에서 떠올랐다. 바로 DDD((Business) Domain-Driven (Software) Design) [2].

DDD에 관해 읽었던, (역시 좋은 책인) Vladik Khononov의 'What Is Domain-Driven Design?'라는 책에서는 비지니스 도메인 분석을 진행하며 서브도메인인 코어, 제너럴, 서포팅에 대하 구분지어 정의하고 있다. 

 * 코어: 경쟁기업과 '다르게' 행하는 부분, 반드시 기술적일 필요 없음, 경쟁자가 복사 및 모방이 어려워야 하기에 본질적으로 복잡, 인하우스로 구현, (기술적인 부분이라면) 높은 수준의 엔지니어를 요구
 * 제너럴: 대다수 기업들이 유사한 형태로 운영하고 있는 활동, 구현된 제품을 구입하는 것이 보통 더욱 비용효율적
 * 서포팅: 기업 비지니스를 지원하는 부분, 어떤 경쟁우위도 제공하지 않음, 인하우스로 구현하는 것에 대한 필요성이 드뭄, 아웃소싱도 고려해볼 수 있음

당시에 책을 읽고 열심히 정리[2]할 때에는 느끼지 못한 부분이 실감되었다. 명확하게 보이진 않지만, 어느 곳에서 진행되고 있는 방향성이 DDD에서 말하는 부분과 일치한다는 느낌이 들었다. 

안그래도 좋았던 DDD에 대한 인상이, 커리어 고민에 대한 도움까지 된다니 더욱 좋아지는 듯 했다.

...

돌아보니 이러한 생각의 흐름에서 찾고 있는 것은 막연한 단어로만 들었던 '고부가가치'를 '개발'에서 찾고 있는 것 같았다.

최근 하는 일에 의미를 찾으며 프로덕트에 대한 관심이 높아졌는데, 역시 이 부분도 프로덕트라는 컨택스트에서야 가치가 평가되는 것 같다. 

현재 컨택스트에서의 고부가가치는 무엇일지, 현재 가지고 있는 능력이 어느 컨택스트에서 고부가가치가 될지라는 또 다른 질문을 만드는 생각들이었다.

Reference
[1] You're paid what you're worth, Jave Rosenfeld
[2] https://kadensungbincho.tistory.com/73
[3] What Is Domain-Driven Design?, Vladik Khononov

최근 팀내에서 논의가 있었다. 내부 툴 Front 단 개발을 어떤 형태로 진행할까에 대한 논의였다.&nbsp; 보통 '이러한' 개발은 특정 이름 a라고 불리는 팀에 요청하여 처리하였기에, 이번에도 그런 형태로 처리하자고 마무리가 되었다. 내부에서 보면 '뚜렷하게' 차이가 나지 않는 팀 a는 명확히 구분하자면 외부사로, 특정 계약을 통해 프로젝트별로 비용을 지불하는 것으로 보였다.&nbsp; 그 순간 내 머릿속에 떠오른 질문은 '어떤 기준으로 특정 작업(A)은 외주를 맡기고, 특정 작업(B)은 직접 고용한 인원으로 개발을 진행할까?'였다. 이어서, '그렇다면 내 밥값은 A 대신 B라는 특정 작업을 하고 있다는 사실로 정당한걸까?'였다.&nbsp; ... 순간 스쳐지나간 생각을 글로 '끌고올' 정도로, 의미가 있다고 느꼈던 이유는 1. 이 부분에 대한 정리된 관점이, 앞으로 커리어를 잘 베팅하는 촉에 대한 도움이 될 것 같기에2. 언젠가 '보이지 않는' 곳에서 이러한 판단을 내릴 수도 있기에&nbsp; 라는 2가지 점 때문인 것 같다.&nbsp; 어쨋든, 이 고민에 좀 더 머물러도 재밌겠다는 생각이 들었다. 이후 정리되지 않은 상태로 문제의 여운을 곰곰히 떠올려본 결과, 두 번째 의문은 쉽게 풀리는 것 같다.&nbsp; 최근에 읽은 책, 사회학자 Jake Rosenfeld가 쓴 'You're paid what you're worth' [1]라는 책의 내용을 통해서다. 관련 부분은 짧게 요약하자면, "현대 기업은 점점 더 주주친화주의가 강해지면서 비용절감에 대한 요구에 지속적으로 부응하는 정책을 취했다. 기업들은 비핵심 또는 핵심 중에서도 비핵심적인 부분을 아웃소싱하는 형태로 발전해왔다. 또한, 그러한 시장을 만족시키는 아웃소싱 제공 업체도 점점 발전했다. 그렇기에 같은 회사에서 유사한 일을 하지만 소속에 따라서 급격한 임금 및 복지의 격차가 발생하고 있다."&nbsp;(논외로 책에서는 정확하게 성과를 측정하고 임금과 연결시키는 점의 어려움, 좋은 잡이 나빠지거나 나쁜 잡이 좋아졌던 히스토리 등 여러 흥미로운 내용을 다뤄준다 - 추천) 감정적으로는 안타깝다는 생각이 들지만, 개인적으로는 어쩔 수 없지 정도로 넘어갈 수 있는 정도의 정리인 것 같다. ... 첫 번째 고민을 생각해보니, 의외로 연관성이 있다고 느껴지는 부분은 꽤나 기술적인 개념에서 떠올랐다. 바로 DDD((Business) Domain-Driven (Software) Design) [2]. DDD에 관해 읽었던, (역시 좋은 책인) Vladik Khononov의 'What Is Domain-Driven Design?'라는 책에서는 비지니스 도메인 분석을 진행하며 서브도메인인 코어, 제너럴, 서포팅에 대하 구분지어 정의하고 있다.&nbsp; <ul><li>코어: 경쟁기업과 '다르게' 행하는 부분, 반드시 기술적일 필요 없음, 경쟁자가 복사 및 모방이 어려워야 하기에 본질적으로 복잡, 인하우스로 구현, (기술적인 부분이라면) 높은 수준의 엔지니어를 요구</li><li>제너럴: 대다수 기업들이 유사한 형태로 운영하고 있는 활동, 구현된 제품을 구입하는 것이 보통 더욱 비용효율적</li><li>서포팅: 기업 비지니스를 지원하는 부분, 어떤 경쟁우위도 제공하지 않음, 인하우스로 구현하는 것에 대한 필요성이 드뭄, 아웃소싱도 고려해볼 수 있음</li></ul> 당시에 책을 읽고 열심히 정리[2]할 때에는 느끼지 못한 부분이 실감되었다. 명확하게 보이진 않지만, 어느 곳에서 진행되고 있는 방향성이 DDD에서 말하는 부분과 일치한다는 느낌이 들었다.&nbsp; 안그래도 좋았던 DDD에 대한 인상이, 커리어 고민에 대한 도움까지 된다니 더욱 좋아지는 듯 했다. ... 돌아보니 이러한 생각의 흐름에서 찾고 있는 것은 막연한 단어로만 들었던 '고부가가치'를 '개발'에서 찾고 있는 것 같았다. 최근 하는 일에 의미를 찾으며 프로덕트에 대한 관심이 높아졌는데, 역시 이 부분도 프로덕트라는 컨택스트에서야 가치가 평가되는 것 같다.&nbsp; 현재 컨택스트에서의 고부가가치는 무엇일지, 현재 가지고 있는 능력이 어느 컨택스트에서 고부가가치가 될지라는 또 다른 질문을 만드는 생각들이었다. Reference[1] You're paid what you're worth, Jave Rosenfeld[2] https://kadensungbincho.tistory.com/73[3] What Is Domain-Driven Design?, Vladik Khononov

고부가가치 개발

1 작년 9월 블로그를 시작했다. 1년 조금 넘는 동안 약 400개의 글을 썼다. 2 시작은 단순했다. 목적은 성...

기록이 쌓이면 '뭐든' 된다. 블로그 1년의 소회.

1
작년 9월 블로그를 시작했다. 1년 조금 넘는 동안 약 400개의 글을 썼다.

2
시작은 단순했다. 목적은 성장이었다. 성장하기 위해 읽고 쓰기보다 좋은 방법은 없으니까.

3
문제는 꾸준함이다. 뭐든 혼자서는 오래 하기 어렵다. 작은 성취감과 소소한 재미가 필요했다. 그래서 블로그에 기록들을 쌓기로 했다.

4
읽은 책과 생각을 기록한다. 나를 위한 기록이다. 나를 위함으로 시작하지만, 다른 사람에게 도움이 되면 좋겠다는 마음도 있었다. 의도할 수는 없다. 어떻게든 되겠지 싶었다.

5
기록은 쉽지 않았다. 글쓰기는 언제나 어려우니까. 유일한 위안이라면 모두에게 다 그렇다는 거다. 훌륭한 작가들에게도 절대 예외는 없다. 그냥 계속 쓸 뿐이다. 쓰고 쓰고 또 쓴다. 미련하게.

6
많이 쓴다고 글쓰기가 쉬워지지 않는다. 익숙해지지 않는다. 나를 위한 기록이지만 잘 쓰고 싶다. 하지만 결과물은 항상 마음에 들지 않는다. 몇 번을 고민해서 퇴고하고 발행 버튼을 눌러도 늘 찜찜할 뿐이다.

7
고비들도 많았다. 작은 공간에 남기는 이 기록이 무슨 의미가 있을까. 나보다 남들의 시선을 더 의식하기도 했다. 보는 눈이 없어도 자기검열은 사라지지 않는다. 때론 글쓰기에 도저히 시간을 낼 수 없을 때도 많았다.

8
그래도 1년 동안 놓지 않았다. 뭐라도 기록하고 남겼다. 놓지 않은 덕분에 성장했다. 나의 기록이 누군가에게 작은 도움이 된다. 기록이 새로운 연결의 시작이 됐다. 기쁘다.

9
기록이 쌓이면 뭐든 된다. 블로그 앱 스플래시 문구가 맘에 든다. 정말 그렇다. 한물간 서비스로 취급받던 블로그가 다시 대세가 됐다. 20년의 시간을 버텨왔기 때문이다. 중간에 놓지 않았기 때문이다.

10
모든 꾸준한 것들은 늘 사소하다. 사소함은 잘 보이지 않는다. 그래서 그것이 드러나면 모두 다 갑자기 나타났다고들 말한다. 하지만, 누구의 눈에도 보이지 않던 때를 놓지 않고 버텼기에 드러남의 시간이 있다. 축적과 발산. 모든 성장과 성공의 비밀은 여기에 있다. 예외는 없다고 믿는다.

1작년 9월 블로그를 시작했다. 1년 조금 넘는 동안 약 400개의 글을 썼다. ​ ​2시작은 단순했다. 목적은 성장이었다. 성장하기 위해 읽고 쓰기보다 좋은 방법은 없으니까. ​ ​3문제는 꾸준함이다. 뭐든 혼자서는 오래 하기 어렵다. 작은 성취감과 소소한 재미가 필요했다. 그래서 블로그에 기록들을 쌓기로 했다. ​ ​4읽은 책과 생각을 기록한다. 나를 위한 기록이다. 나를 위함으로 시작하지만, 다른 사람에게 도움이 되면 좋겠다는 마음도 있었다. 의도할 수는 없다. 어떻게든 되겠지 싶었다. ​ ​5기록은 쉽지 않았다. 글쓰기는 언제나 어려우니까. 유일한 위안이라면 모두에게 다 그렇다는 거다. 훌륭한 작가들에게도 절대 예외는 없다. 그냥 계속 쓸 뿐이다. 쓰고 쓰고 또 쓴다. 미련하게. ​ ​6많이 쓴다고 글쓰기가 쉬워지지 않는다. 익숙해지지 않는다. 나를 위한 기록이지만 잘 쓰고 싶다. 하지만 결과물은 항상 마음에 들지 않는다. 몇 번을 고민해서 퇴고하고 발행 버튼을 눌러도 늘 찜찜할 뿐이다. ​ ​7고비들도 많았다. 작은 공간에 남기는 이 기록이 무슨 의미가 있을까. 나보다 남들의 시선을 더 의식하기도 했다. 보는 눈이 없어도 자기검열은 사라지지 않는다. 때론 글쓰기에 도저히 시간을 낼 수 없을 때도 많았다. ​ ​8그래도 1년 동안 놓지 않았다. 뭐라도 기록하고 남겼다. 놓지 않은 덕분에 성장했다. 나의 기록이 누군가에게 작은 도움이 된다. 기록이 새로운 연결의 시작이 됐다. 기쁘다. ​ ​9기록이 쌓이면 뭐든 된다. 블로그 앱 스플래시 문구가 맘에 든다. 정말 그렇다. 한물간 서비스로 취급받던 블로그가 다시 대세가 됐다. 20년의 시간을 버텨왔기 때문이다. 중간에 놓지 않았기 때문이다. ​ ​10모든 꾸준한 것들은 늘 사소하다. 사소함은 잘 보이지 않는다. 그래서 그것이 드러나면 모두 다 갑자기 나타났다고들 말한다. 하지만, 누구의 눈에도 보이지 않던 때를 놓지 않고 버텼기에 드러남의 시간이 있다. 축적과 발산. 모든 성장과 성공의 비밀은 여기에 있다. 예외는 없다고 믿는다.

네이버 블로그 | 가장 보통의 스타트업 CEO

블로그에 글을 쓴 지 1년이 됐다.

1. 다이렉트 메일에선 ‘영업하는 분위기를 풍기지 말아야 한다’는 원리원칙을 지켜야 한다. (이는 다른 콘텐츠 마케팅 분야에서도 마찬가지다)

2. 처음부터 영업하는 분위기를 풍기면, 고객은 그만큼 감정적으로 반발하게 되고, 당연히 심리적 장벽을 구축한다. 그리고 그 장벽을 제거하는 건 매우 어렵다.

3. 따라서 다이렉트 메일의 경우, 봉투를 집어 들었을 때 영업이라는 분위기를 느끼지 않게 제작해야 한다.

4. 또한, 다이렉트 메일을 보낼 땐, 고객에게 이득은 있어도 리스크는 전혀 없는 제안을 해야 한다. “무료로 샘플을 보내드립니다. 하지만 이후 구입해야 할 의무는 없습니다” 같은 제안 말이다.

5. 더불어 “샘플을 요청하십시오”라고 말하는 게 아니라, “무료로 샘플을 보낼 테니 (부디) 허락만 해주십시오”라고 말하는 게 좋다.

6. 마지막으로, 고객에게 다음 행동을 하도록 만들기 위해 필요한 모든 정보를 담아야 한다. 그래서 다이렉트 메일의 문장은 매우 길다. 인사에서부터 상품 내용, 거래할 경우의 이익, 매장 내부 디스플레이 이미지 등 상세하게 설명해야 한다.

7. (물론) ‘이렇게 긴 문장을 누가 읽겠어?’라고 생각할 수도 있다. (대부분의) 회사에서는 “사람들은 바쁘다. 가능하면 간결한 문장으로 만들어야 한다”고 가르친다. 하지만 (콘텐츠 마케팅에서) 이건 (대단히) 잘못된 가르침이다.

8. 재미있으면 긴 문장이라도 읽는다. 그리고 그 문장을 읽는 사람은 결국 그 제품에 흥미가 있는 고객이다. 그리고 흥미가 있는 고객에게 다음 행동을 유도하려면 (고객이) 필요한 정보를 모두 제공해야 한다.

9. 사람은 정보가 부족한 경우에는, 리스크를 먼저 느끼기 때문에 행동하지 않는다.

10. 많은 회사들의 다이렉트 메일이 실패하는 이유는 이 때문이다. 기본적으로 “우리 제품은 훌륭하니, 부디 검토해주세요”라는 (영업 멘트와) 상품 설명만 들어있기 때문이다. 잠깐만 생각해봐도 알 수 있듯이, 영업 사원이 방문해서 “이 제품은 훌륭하니 부디 검토해주세요”라는 말만 한다면 계약이 성사될 리가 없다.

11. 그렇기 때문에 다이렉트 메일은 문장이 길어져도 필요한 정보를 모두 담는 것이 좋다. (다른 콘텐츠 마케팅도 마찬가지다. 다만, 그러려면 기본적으로 글을 잘 써야 한다)

12. 그리고 이렇게 다이렉트 메일을 설계하면 영업 과정은 매우 간단해진다. 왜냐, 결정하는 데 필요한 모든 정보가 이미 메일 안에 다 들어가 있기 때문이다.

13. 따라서 영업사원은 고객을 설득할 필요가 없다. 그저 영원사원이 하는 일은 고객의 질문에 (성실히) 대답해주는 것뿐이다. (고로) 영업용 화술을 발휘하거나 영업을 유도하는 테크닉은 필요 없다.

14. 그러니 (제품에 대한 충분한 설명이 담긴 문서나 콘텐츠가 있으면) 영업 기술이 부족한 신입사원이라고 해도 계약을 성사시킬 수 있다.

- 간다 마사노리, <90일 만에 당신의 회사를 고수익 기업으로 바꿔라> 중

1. 다이렉트 메일에선 ‘영업하는 분위기를 풍기지 말아야 한다’는 원리원칙을 지켜야 한다. (이는 다른 콘텐츠 마케팅 분야에서도 마찬가지다) 2. 처음부터 영업하는 분위기를 풍기면, 고객은 그만큼 감정적으로 반발하게 되고, 당연히 심리적 장벽을 구축한다. 그리고 그 장벽을 제거하는 건 매우 어렵다. 3. 따라서 다이렉트 메일의 경우, 봉투를 집어 들었을 때 영업이라는 분위기를 느끼지 않게 제작해야 한다. 4. 또한, 다이렉트 메일을 보낼 땐, 고객에게 이득은 있어도 리스크는 전혀 없는 제안을 해야 한다. “무료로 샘플을 보내드립니다. 하지만 이후 구입해야 할 의무는 없습니다” 같은 제안 말이다. 5. 더불어 “샘플을 요청하십시오”라고 말하는 게 아니라, “무료로 샘플을 보낼 테니 (부디) 허락만 해주십시오”라고 말하는 게 좋다. 6. 마지막으로, 고객에게 다음 행동을 하도록 만들기 위해 필요한 모든 정보를 담아야 한다. 그래서 다이렉트 메일의 문장은 매우 길다. 인사에서부터 상품 내용, 거래할 경우의 이익, 매장 내부 디스플레이 이미지 등 상세하게 설명해야 한다. 7. (물론) ‘이렇게 긴 문장을 누가 읽겠어?’라고 생각할 수도 있다. (대부분의) 회사에서는 “사람들은 바쁘다. 가능하면 간결한 문장으로 만들어야 한다”고 가르친다. 하지만 (콘텐츠 마케팅에서) 이건 (대단히) 잘못된 가르침이다. 8. 재미있으면 긴 문장이라도 읽는다. 그리고 그 문장을 읽는 사람은 결국 그 제품에 흥미가 있는 고객이다. 그리고 흥미가 있는 고객에게 다음 행동을 유도하려면 (고객이) 필요한 정보를 모두 제공해야 한다. 9. 사람은 정보가 부족한 경우에는, 리스크를 먼저 느끼기 때문에 행동하지 않는다. 10. 많은 회사들의 다이렉트 메일이 실패하는 이유는 이 때문이다. 기본적으로 “우리 제품은 훌륭하니, 부디 검토해주세요”라는 (영업 멘트와) 상품 설명만 들어있기 때문이다. 잠깐만 생각해봐도 알 수 있듯이, 영업 사원이 방문해서 “이 제품은 훌륭하니 부디 검토해주세요”라는 말만 한다면 계약이 성사될 리가 없다. 11. 그렇기 때문에 다이렉트 메일은 문장이 길어져도 필요한 정보를 모두 담는 것이 좋다. (다른 콘텐츠 마케팅도 마찬가지다. 다만, 그러려면 기본적으로 글을 잘 써야 한다) 12. 그리고 이렇게 다이렉트 메일을 설계하면 영업 과정은 매우 간단해진다. 왜냐, 결정하는 데 필요한 모든 정보가 이미 메일 안에 다 들어가 있기 때문이다. 13. 따라서 영업사원은 고객을 설득할 필요가 없다. 그저 영원사원이 하는 일은 고객의 질문에 (성실히) 대답해주는 것뿐이다. (고로) 영업용 화술을 발휘하거나 영업을 유도하는 테크닉은 필요 없다. 14. 그러니 (제품에 대한 충분한 설명이 담긴 문서나 콘텐츠가 있으면) 영업 기술이 부족한 신입사원이라고 해도 계약을 성사시킬 수 있다. - 간다 마사노리, &lt;90일 만에 당신의 회사를 고수익 기업으로 바꿔라&gt; 중

콘텐츠 마케팅을 할 때 대부분의 사람들이 흔히 저지르는 실수들

소문난 잔치 먹을 게 없네...애플TV+와 디즈니+, 오리지널은 70편뿐

저는 디즈니 플러스를 재밌게 봤습니다. 자막이 이상하긴 한데 그래도 컨텐츠는 대단하더라구요. 앞으로 나올 수많은 콘텐츠들도 기대합니다. 
반면에 애플TV 플러스는 조금 애매하더군요. 닥터브레인을 재밌게 봤는데, 콘텐츠를 순차 공개하니 한번에 전편을 공개하는 넷플릭스에 비해 기다리는 시간이 더해졌습니다.
당장 HBO 맥스를 비롯하여 앞으로 더 많은 글로벌 OTT가 한국에 들어올텐데 한국의 OTT는 어떻게 될지 궁금합니다.

Naver

대기업에서 스타트업으로! 백오피스에서 퍼포먼스 마케터! 제 2의 커리어를 쌓아가고  있습니다. 저만 알기 아까운 지식과 경험을 다양한 콘텐츠 형태로 공유하고자 "프로젝트 톰"을 운영하고 있습니다.

Senior PM

유동완

대기업에서 스타트업으로! 백오피스에서 퍼포먼스 마케터! 제 2의 커리어를 쌓아가고  있습니다. 저만 알기 아까운 지식과 경험을 다양한 콘텐츠 형태로 공유하고자 "프로젝트 톰"을 운영하고 있습니다.
#그로스마인드셋 #그로스마케팅 #데이터분석 #도전적인 #독서

Product Marketing Team Lead

이재문

마케팅 테크놀로지 기업 AB180의 프로덕트 마케팅 팀 리드를 맡고 있습니다.

댓글 0