라이브 게임 에셋 관리 개선기 - 3.DLC를 통한 에셋 패치 시스템
모바일 라이브 게임에서 어드레서블과 S3를 이용한 에셋 패치 시스템 구상을 정리했습니다. 앱 용량과 심사 부담을 줄이기 위한 원격 배포 전략을 살펴보았지만, 실제 적용은 중단했습니다.
#AWS#S3
2500
필터 1
n8n 실전 리뷰 \:\ 개발팀 리더가 경험한 4가지 핵심 장점
n8n을 실제 프로젝트에 적용해 반복 작업을 자동화한 경험을 공유했습니다. 직관적 디버깅과 재사용성, 손쉬운 시스템 통합이 큰 장점이었습니다.
#자동화#API
10800
로그 인리치먼트(Log Enrichment)
로그 인리치먼트로 감사로그의 컨텍스트를 보강한 설계와 구현 사례를 다뤘습니다. 비동기 처리, 메타데이터 저장소, S3 적재와 중복 제거 전략을 설명했습니다.
#Kafka#S3
3600
Amazon Bedrock에서 DeepSeek-R1 Distilled Llama 모델 배포하기
Amazon Bedrock 사용자 지정 모델로 DeepSeek-R1 Distill Llama를 배포하는 방법을 안내했습니다.\n서버리스 호스팅, 비용 구조, 버전 관리와 모니터링 포인트도 함께 정리했습니다.
#Amazon Bedrock#LLM
3200
AWS re:Invent 2024 Recap: Database, Storage
AWS re:Invent 2024에서 새롭게 공개된 Amazon Aurora DSQL과 Amazon S3 Tables를 소개했습니다. 행사에서 확인한 데이터베이스와 스토리지 관련 핵심 내용을 간단히 정리했습니다.
#AWS#Amazon Aurora
2300
[Hands-On] 비용관리 및 절감을 위한 Amazon CID(Cloud Intelligence Dashboards) 구축 실습
AWS CID 대시보드 구축 과정을 QuickSight와 CloudFormation 중심으로 실습했습니다. 계정 분리, S3 Replication, CUR 백필, 대시보드 종류와 활용 포인트를 정리했습니다.
#AWS#S3
3100
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
스케일 넘치는 대용량 감사 로그, 스마트하게 관리하기 (OVEN)
대용량 감사 로그를 효율적으로 저장·조회하기 위한 OVEN의 설계와 운영 방안을 소개했습니다. S3 연동, 경로 기반 파티셔닝, Bloom Filter로 비용과 조회 성능을 개선했습니다.
#보안#S3
900
스케일 넘치는 대용량 감사 로그, 스마트하게 관리하기 (OVEN)
대용량 감사 로그를 S3 기반 HotStore/ColdStore 구조로 저장·조회하는 방법을 소개했습니다. Athena 연동과 Bloom Filter로 비용과 조회 성능을 함께 개선했습니다.
#보안#규정 준수
1300
스케일 넘치는 대용량 감사 로그, 스마트하게 관리하기 (OVEN)
대용량 감사 로그를 HotStore와 ColdStore로 분리해 효율적으로 저장하고 조회하는 구조를 소개했습니다. S3, Athena, Bloom Filter를 활용해 비용과 연동 복잡도를 줄이는 방안을 설명했습니다.
#S3#Athena
2800
속도 개선을 위한 노력 1탄: Codebuild S3 캐시 적용하기
AWS CodeBuild에 S3 캐시를 적용해 빌드 시간을 줄이고 비용도 절감했습니다. 또한 Slack 명령어로 캐시 조회와 삭제를 자동화해 운영 편의성을 높였습니다.
#AWS#CodeBuild
3200
AWS re:invent 신규 기능
AWS re:Invent 2024에서 소개된 S3, Aurora DSQL, Bedrock, SageMaker, Nova 등의 신규 기능을 정리했습니다.\n대규모 데이터 관리, 글로벌 DB, AI 모델 경량화와 GPU 효율화 관점의 참고 포인트를 담았습니다.
#AWS#S3
3300
TeamCity로 윈도우 클라이언트 배포 파이프라인 만들기
TeamCity를 이용해 셀프계산대의 수작업 배포를 자동화한 과정을 소개했습니다. 빌드 환경 통일과 단계 분리로 휴먼에러를 줄이고 배포 시간을 66.8% 개선했습니다.
#TeamCity#CI/CD
2400
[Hands-On] Amazon SageMaker Canvas를 사용하여 노코드로 ML 모델 구축
Amazon SageMaker Canvas로 코딩 없이 머신러닝 모델을 만들고 예측하는 실습 과정을 소개했습니다. 데이터 준비부터 모델 분석, 배치·단일 예측, MLOps 연계까지의 흐름을 정리했습니다.
#AWS#ML
1800
웹 성능 측정 자동화 비법: Lighthouse CI와 CI/CD의 만남
Lighthouse CI를 CI/CD에 통합해 배포 후 웹 성능 측정을 자동화한 사례를 소개했습니다. 반복 측정, S3 저장, Slack 알림으로 성능 모니터링과 공유를 체계화했습니다.
#CI/CD#Lighthouse
3700