
추천 시스템의 심장, Feature Store 이야기 (1)
추천 시스템 고도화를 위해 인하우스 Feature Store를 설계하고 구축한 과정을 소개했습니다. 실시간 수집, 동적 조회, 확장 가능한 저장 구조를 통해 추천 로직과 피처 관리를 분리했습니다.
새로운 기술 블로그가 추가되었어요

추천 시스템 고도화를 위해 인하우스 Feature Store를 설계하고 구축한 과정을 소개했습니다. 실시간 수집, 동적 조회, 확장 가능한 저장 구조를 통해 추천 로직과 피처 관리를 분리했습니다.


리디는 추천 시스템을 SageMaker 기반 MLOps 플랫폼으로 재구성해 운영 복잡도를 줄였습니다. 모델 버전 관리, 롤백 자동화, 실시간 추론으로 더 동적인 추천 경험을 준비했습니다.

쿠버네티스 클러스터에서 경량 PostgreSQL을 운영하는 사례를 소개합니다. 기존 VM 기반 RDB 운영과 다른 배포·운영 맥락을 다룹니다.


코루틴의 기본 개념과 비동기 처리 원리를 Kotlin 예시로 설명했습니다.\n`async`, `await`, `suspend`를 통해 실행 흐름을 쉽게 이해하도록 정리했습니다.


카카오톡 비정형 주문을 AI로 해석해 주문서 초안을 자동 생성한 사례를 소개했습니다. Spring AI와 병렬 처리로 속도와 편의성을 높이고, 최종 품목 선택은 사용자 확인으로 보완했습니다.

X
![[8월 3주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요! (Gemini 모바일 AI 어시스턴트 기능 제공)](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
Google for Developers의 8월 3주차 주요 업데이트를 분야별로 정리해 소개했습니다. Gemini, Gemma, Android, Google Play, 보안 관련 최신 소식을 함께 확인할 수 있습니다.

쿠버네티스에서 파드를 분산 배치하는 세 가지 방법과 토폴로지 분배 제약 조건의 핵심 옵션을 설명했습니다.\n팀 적용 사례를 통해 고가용성과 운영 안정성을 높이는 설정 방식도 소개했습니다.

Mock 테스트 코드 작성 중 마주한 문제와 해결 방법을 소개합니다. 특히 Given 구간이 길어지는 객체 기반 데이터 셋업의 한계를 다룹니다.


생성형 AI가 게임 제작과 플레이 방식에 어떻게 스며들고 있는지 소개했습니다. AI와 유저가 함께 콘텐츠를 만드는 미래의 가능성을 전망했습니다.

새로 합류한 프론트엔드 개발자가 Streaming SSR 온보딩 과정을 정리했습니다. 기술 도입 배경부터 직접 구현과 협업 학습 방법까지 소개했습니다.

100개가 넘는 라이브러리를 관리하기 위해 배포 파이프라인에 플러그인 시스템을 도입한 사례를 소개했습니다. 공통 코어는 유지하면서 레포별 요구사항을 독립적으로 확장하는 구조를 설명했습니다.