“보이지 않는 곳에서 만드는 차이, 플랫폼팀이 만드는 효율과 성장의 무대”
프론트엔드 플랫폼팀이 서비스 안정성, DX, 성능 개선을 위해 맡는 역할을 소개했습니다. 또한 Micro Frontends, 모니터링, CI/CD로 대규모 웹 서비스를 운영하는 방향을 설명했습니다.
#Micro Frontends#React
13005분
필터 1
FE 최적화, 비즈니스로 시작해서 엔지니어링으로 끝내기
비즈니스 가치가 큰 지면부터 p75 LCP를 기준으로 성능 최적화를 진행했습니다. 이미지 경량화, 번들 분리, Preload, Skeleton 적용으로 체감 속도와 지표를 함께 개선했습니다.
#성능#LCP
235005분
에이닷 앱 성능 검증기: ＂빠르다＂를 숫자로 증명하기까지
에이닷 v4.0의 성능을 기능별 지표와 SLO로 나눠 객관적으로 검증했습니다.\nWebView, LLM, 비동기 작업 특성에 맞춘 기준과 측정 절차도 함께 정리했습니다.
#LLM#SLO
60005분
10초 타임아웃에서 벗어나기까지의 여정
체험단 활동목록 조회 API의 10초 타임아웃을 대용량 데이터에 맞는 인덱스와 쿼리 분리로 해결했습니다. 조회 구조를 바꿔 p99 지연시간을 20ms 이하로 낮췄습니다.
#MySQL#인덱스
341005분
MS Office ‘Startup Boost’ 최신 기술 동향과 한컴오피스 성능 개선을 위한 고민
MS Office의 Startup Boost가 핵심 구성 요소를 미리 로드해 실행 지연을 줄이는 방식을 소개했습니다. 한컴오피스도 초기 로딩과 실행 속도 개선을 통해 사용자 경험을 높일 필요가 있다고 짚었습니다.
#Microsoft Office#Windows 작업 스케줄러
12005분
앱 성능 측정 방법: 웹과 앱 지표 통합 분석 가이드
앱 성능을 웹뷰 포함 여부에 따라 공통·앱 전용·웹 전용 지표로 나누어 설명했습니다.\nQA에서 Launch Time, FPS, Jank, LCP, INP를 함께 측정해 품질 기준을 세우는 방법을 정리했습니다.
#성능#Web Vitals
61005분
CDC 파이프라인 정합성 검사 Spark 잡 개발 - Part 2. Spark 최적화편
CDC 파이프라인 정합성 검사 Spark 잡의 최적화 방법을 다룬 후속 글입니다. 앞선 코드 설계편에 이어 Spark 잡 성능 개선과 운영 관점을 소개했습니다.
#Spark#pipeline
37005분
무신사 쿠폰 시스템, DB 성능 64% 개선으로 기술 부채를 갚다
무신사는 쿠폰 시스템의 레거시 병목을 분석해 API와 쿼리 구조를 개선했습니다. 그 결과 DB 성능을 64% 높이고 고트래픽 구간의 CPU 알람을 안정화했습니다.
#DB#성능
426005분
국내외 클라우드 6사 가격·성능 비교 분석.zip
국내외 클라우드 6사 가격·성능 비교 분석.zip
클라우드 도입 후 비용 최적화 관점에서 국내외 주요 CSP와 가비아 클라우드를 가격·성능 중심으로 비교했습니다. 장기 누적 비용, 트래픽 정책, 기술 지원까지 함께 살펴보는 기준을 제시했습니다.
#cloud#AWS
143005분
Yappi로 Python에서도 성능을 챙겨보자
Yappi로 Python에서도 성능을 챙겨보자
Yappi로 FastAPI 서버의 병목을 찾아 성능을 개선한 사례를 다뤘습니다. JSON 직렬화와 변환 경로를 줄여 CPU 사용률과 응답 시간을 크게 낮췄습니다.
#Python#FastAPI
184005분
Amazon Q Developer CLI로 Lambda를 Rust로 변환하고 성능 향상하기
Amazon Q Developer CLI로 Lambda 코드를 Rust로 변환하고 성능을 개선한 사례를 정리했습니다.\n구체적인 프롬프트, 예시 코드, 최적화 반복으로 실행 시간과 비용을 줄이는 방법을 소개했습니다.
#AWS Lambda#Rust
44005분
딜리버리 암호화 모듈 개발기
배송시스템용 암호화 모듈을 직접 개발하고 자동 암/복호화, 봉투암호화, 종속성 최소화 전략을 정리했습니다. 테스트와 성능 측정으로 엣지케이스와 운영 적합성도 검증했습니다.
#JPA#Hibernate
48005분