

Amazon EKS Auto Mode의 내부 동작 방식
Amazon EKS Auto Mode의 내부 구성과 동작 방식을 소개했습니다. 데이터 플레인 운영, 보안 패치, 노드 최적화를 AWS가 자동 처리하는 흐름을 설명했습니다.
새로운 기술 블로그가 추가되었어요


Amazon EKS Auto Mode의 내부 구성과 동작 방식을 소개했습니다. 데이터 플레인 운영, 보안 패치, 노드 최적화를 AWS가 자동 처리하는 흐름을 설명했습니다.

상속 가능한 불변 클래스는 자식 클래스에서 불변성을 깨뜨릴 수 있어 주의가 필요했습니다. 불변성을 보장하려면 상속을 막고 읽기 전용 공통 타입을 사용하는 방식이 안전했습니다.


신규 기능의 DAU를 빠르게 추정하기 위해 Carrying Capacity의 한계를 짚고, D1 리텐션과 서비스별 리텐션 커브를 결합한 보정식을 제안했습니다. 안정화된 지표와 기존 유저 보정을 더해 실무에서 더 가까운 예측값을 얻는 방법을 설명했습니다.

AI에게 바로 답을 묻기보다 먼저 관점을 제시하고 선택하게 하는 Prothesis 프레임워크를 소개했습니다.병렬 분석으로 기준을 명시화하고 Unknown Unknown을 Known Unknown으로 바꾸는 활용 사례를 설명했습니다.


Claude Code의 사용 패턴과 비용, 성능을 팀 단위로 모니터링하는 4가지 방법을 정리했습니다. OpenTelemetry, SigNoz, Datadog, claude-code-otel로 ROI와 활용도를 확인할 수 있습니다.
이구위크 전시 장애는 Redis의 네트워크 대역폭 초과와 버스트 크레딧 소진으로 발생했습니다. 이후 노드 스케일업, 모니터링 강화, 로컬 캐시 도입으로 재발 방지와 성능 개선을 진행했습니다.


Antigravity 사용 경험을 바탕으로 장점과 단점을 정리했습니다. 무료 제공, 모델 선택지, Sync 코딩의 편안함은 좋았지만 초기 불안정성과 자율성의 애매함은 아쉬웠습니다.

추천시스템을 후보 생성, 리랭킹, 피드백 반영, 의미 기반 초기화로 단계적으로 재설계했습니다. 그 결과 다양성, 전환, 거래액 같은 지표 개선과 함께 유저 탐색 흐름을 더 건강하게 만들었습니다.

SK플래닛 기술 블로그 Tech Topic의 3년 운영 성과를 정리했습니다. 콘텐츠 확대와 UX 개선, 협업 기고 확산으로 조직의 기술 자산으로 성장한 흐름을 소개했습니다.


CrewAI의 핵심 구성 요소와 순차 실행 기반 협업 구조를 설명했습니다. 단일 에이전트와 멀티 에이전트 예제를 통해 기본 사용법을 소개했습니다.


AWS Gateway API 컨트롤러로 Kubernetes Gateway API를 Amazon VPC Lattice에 연결하는 방법을 소개했습니다. EKS에서 Gateway와 HTTPRoute를 적용해 서비스 간 라우팅을 확인하는 실습도 다뤘습니다.
리더가 먼저 AI를 업무에 붙여보며 반복 업무와 구조적 한계를 줄인 사례를 다뤘습니다. 데이터 기준을 정리한 뒤 자동화와 AI 초안을 연결해 조직의 질문과 태도를 바꿨습니다.