OpenShift에서의 Security Context Constraints(SCC) 이해하기
OpenShift의 SCC를 클러스터 보안 정책 관점에서 정리했습니다. 파드 생성 흐름, RBAC 연계, Kubernetes의 대체 메커니즘까지 함께 비교했습니다.
#OpenShift#Kubernetes
40005분
필터 1
EKS 1.32 업데이트 그리고 새로운 업데이트 방식
EKS 1.32 업데이트 그리고 새로운 업데이트 방식
EKS 1.32 업데이트를 위해 기존 방식들의 한계를 비교하고 Blue-Green Multi Target 전환 방식을 검토했습니다. DNS 캐시 영향 없이 트래픽을 넘기고 빠른 롤백도 가능한 구성을 검증했습니다.
#EKS#Kubernetes
81005분
데브시스터즈 엔지니어링 데이 - Infra/SRE 돌아보기
데브시스터즈가 Infra/SRE 엔지니어링 데이를 열어 운영 과제와 해결 경험을 공유했습니다. 장애 대응 원칙, 쿠버네티스 표준화, 배포 시스템 사례를 소개했습니다.
#Infra/SRE#Kubernetes
75005분
효율적 시맨틱 검색을 위한 kubernetes GPU inference 시스템 구축하기
Kubernetes에 GPU 기반 Triton 추론 서버를 구축해 시맨틱 검색을 실시간으로 처리한 사례를 정리했습니다. ONNX 최적화와 배치·모니터링·배포 자동화로 성능과 운영 효율을 높였습니다.
#Kubernetes#GPU
59005분
Karpenter 트러블슈팅 — 비용과 안정성 두마리 토끼 잡기
Karpenter 도입 과정에서 마주한 스케줄링 정합성, AMI 운영, Node Churn 문제를 정리했습니다. 적절한 budget과 리소스 보정으로 비용을 줄이고 안정성을 개선했습니다.
#Kubernetes#Karpenter
138005분
![[BigData] Spark 개요 정리](https://bespin-wordpress-bucket.s3.ap-northeast-2.amazonaws.com/wp-content/uploads/2025/03/image-10.png)
[BigData] Spark 개요 정리
Spark의 개요와 주요 구성요소, 장점을 정리한 글입니다. 대용량 데이터 처리에서 Pandas보다 Spark가 더 적합한 성능 사례도 비교했습니다.
#Spark#Pandas
74005분
Amazon EKS Auto Mode 시작하기
Amazon EKS Auto Mode로 쿠버네티스 클러스터의 컴퓨팅, 스토리지, 네트워킹 관리를 자동화하는 방법을 소개했습니다. 샘플 애플리케이션 배포와 자동 확장 사례를 통해 운영 오버헤드 감소와 가용성 향상을 설명했습니다.
#AWS#EKS
37005분
On-device로 작동하는 SLM기반 Voice-Phishing 탐지 모델을 만들어보자!
온디바이스에서 SLM으로 보이스 피싱을 탐지하는 구현 흐름을 소개했습니다. STT, LoRA 학습, 양자화, 모바일 구동까지의 절차와 한계를 함께 정리했습니다.
#LLM#모바일
87005분
글로벌 IT인들의 축제, AWS re:Invent 2024 현장을 가다
글로벌 IT인들의 축제, AWS re:Invent 2024 현장을 가다
AWS re:Invent 2024 현장 참가 후기와 주요 기술 업데이트를 정리했습니다. 참석 준비 팁, 네트워킹 경험, 클라우드·AI·DB 세션 인사이트를 함께 담았습니다.
#AWS#Kubernetes
20005분
GPU 서버 대여, 이것 몰랐다간 후회합니다! (FAQ 총정리)
GPU 서버 대여, 이것 몰랐다간 후회합니다! (FAQ 총정리)
GPU 서버호스팅의 개념과 장점을 FAQ 중심으로 정리했습니다. 도입 전 궁금한 권한, 요금, 사양, 지원 범위를 함께 안내했습니다.
#GPU#ML
139005분
비용도 줄여버리는! 클라우드 설계 최적화 어디까지 해봤어? - GitOps로 FinOps 적용하기
에이닷 서버팀이 GitOps와 IaC를 바탕으로 클라우드 운영 비용을 줄인 사례를 소개했습니다. CloudWatch와 RDS를 최적화해 로그·DB 비용을 절감한 과정을 정리했습니다.
#AWS#Kubernetes
56005분
에이닷의 AI 에이전트는 어디까지 발전할 수 있을까? Code Interpreter 가 가져올 AI 에이전트 패러다임의 혁신
LLM 기반 AI 에이전트의 Tool Calling 한계를 Code Interpreter로 확장하는 흐름을 설명했습니다. Docker 샌드박스와 LangGraph로 안전하게 적용하는 예시도 함께 다뤘습니다.
#LLM#Python
31005분