분류 전체보기
바이브 코딩 잘 활용하기
바이브 코딩 잘 활용하기
2025.12.25https://helloworld.kurly.com/blog/vibe-coding-with-claude-code/ 먼저 위 글을 참고했습니다. — LLM과 일할 때, 원하는 답을 얻기 위한 실전 가이드요즘 “바이브 코딩(Vibe Coding)”이라는 말이 자주 등장합니다. AI에게 자연어로 요구사항을 던지고, 코드를 생성하게 한 뒤 흐름에 몸을 맡기는 개발 방식입니다. 하지만 실무에서 바이브 코딩을 써본 사람이라면 이런 경험이 한 번쯤은 있을 것입니다. 분명 규칙을 다 써줬는데 일부가 빠져있다든지..처음엔 잘 지키다가, 대화가 길어지면 갑자기 구조가 바뀐다던지..최신 스택을 쓰자고 했는데 어느 순간 과거 패턴으로 돌아가는 경우입니다. 이건 AI가 충분히 성능을 못내줘서가 아니라,LLM의 구조적 특성을 ..
MongoDB Covered Index 이해하기
MongoDB Covered Index 이해하기
2025.11.23대규모 데이터 환경에서 쿼리 성능을 최적화하는 핵심 기술 중 하나는 Covered Index(Index-only Query) 를 활용하는 것이다. Covered Index는 쿼리 처리에 필요한 모든 정보가 인덱스 안에 포함되어 있어 Document 본문을 읽을 필요가 없는 경우를 의미한다.즉, Disk I/O 없이 인덱스만으로 결과를 반환할 수 있어 속도와 리소스 효율성이 매우 뛰어나다. 1. Covered Index란 무엇인가?MongoDB에서 쿼리가 Covered Index가 되기 위한 조건은 다음과 같다:필터 조건이 인덱스 필드에 포함되어야 한다. find()의 where 조건 필드가 인덱스에 존재해야함 Projection 필드와 인덱스 필드가 일치해야 한다. 반환해야 하는 필드가 전부 인덱스에 포..
Spring AOP로 Controller 파라미터 자동 주입하기
Spring AOP로 Controller 파라미터 자동 주입하기
2025.11.16Spring AOP를 활용하면, Controller 파라미터에 특정 값을 자동으로 주입하거나 메서드 실행 전·후에 공통 로직을 삽입하는 흐름을 직접 구현할 수 있습니다.이번 글에서는 @CurrentUserId 라는 커스텀 어노테이션을 만들어, Controller 메서드에서 아래처럼 userId를 직접 받지 않아도 되도록 구성해보겠습니다.@GetMapping("/recommendations")public ResponseEntity> getRecommendations(@CurrentUserId Long userId)이 userId 값은 우리가 만든 AOP @Around 어드바이스가 자동으로 주입하게 됩니다.프로젝트 초기 Spring Initializr에서 기본 Dependencies를 추가한 뒤 프로젝트를 ..
[대규모 시스템 설계 기초] 10장. 알림 시스템 설계
[대규모 시스템 설계 기초] 10장. 알림 시스템 설계
2025.11.09알림 시스템 설계 개요알림 시스템은 이벤트, 선물 중요할 만한 정보를 비동기적으로 제공합니다. 알림 시스템은 단순히 모바일 푸시 알림에 한정되지 않습니다. 단일 이벤트 트리거 기반 멀티 채널 알림 방송 시스템을 목표로 합니다. 1단계 문제 이해 및 설계 범위 확정대상은 푸시 알림, SMS 메시지, 그리고 이메일이 될 수 있습니다. 실시간 시스템임을 감안한다. 지원하는 단말은 iOS 단말, 안드로이드 단말, 그리고 랩톱/데스크톱입니다.기능적 요구사항지원 알림 유형: 푸시, SMS, 이메일비기능적 요구사항성능 특성: 연성 실시간(soft real-time) 시스템, 높은 부하 시 약간의 지연 허용사용자 설정: opt-out 기능(사용자가 알림을 받지 않도록하는 기능) 지원중요한건 확장성을 고려해 천만 건..
[대규모 시스템 설계 기초] 4장. 처리율 제한 장치의설계 - 3
[대규모 시스템 설계 기초] 4장. 처리율 제한 장치의설계 - 3
2025.11.02상세설계처리율 제한이란?처리율 제한(Rate Limiting)은 사용자가 일정 시간 동안 API를 호출할 수 있는 최대 요청 수를 제한하는것을 의미합니다. 특정 사용자의 과도한 요청으로 인한 서버 과부하 방지를 막아줍니다. 처리율 제한 규칙Lyft 는 처리율 제한에 오픈소스로 사용되고 있습니다. Envoy Proxy와 함께 사용하면 분산 환경에서도 중앙 집중적으로 요청 제한을 관리할 수 있습니다.Lyft는 마이크로서비스 아키텍처에서 이 Ratelimit 서비스를 광범위하게 활용하고 있습니다.공식 깃허브: https://github.com/envoyproxy/ratelimit GitHub - envoyproxy/ratelimit: Go/gRPC service designed to enable generic..
[대규모 시스템 설계 기초] 4장. 처리율 제한 장치의설계 - 2
[대규모 시스템 설계 기초] 4장. 처리율 제한 장치의설계 - 2
2025.10.19앞선 글에서는 Rate Limiter를 어디 레이어에 배치할 것인지(클라이언트 vs 서버 vs 게이트웨이 vs 인프라) 에 대해 이제 “어디에 둘 것인가”를 결정했다면, 다음 고민은 자연스럽게 이렇게 이어진다. 정확하고 성능 좋은 알고리즘은 무엇인가? Rate Limiter는 단순히 count++로 해결되지 않는다.Time Window, Token Bucket, Leaky Bucket, Sliding Log, Hybrid 방식 등 여러 알고리즘이 존재하며,각 방식은 정확도, 성능, 메모리, 구현 난이도, 분산 처리 가능 여부가 모두 다르다.또한 알고리즘을 선택했다 하더라도, 실제 시스템에서는 아래와 같은 아키텍처적 고민이 필요하다.중앙 저장소를 사용할 것인가? (Redis, DB, in-memory 등)..
[대규모 시스템 설계 기초] 4장. 처리율 제한 장치의 설계 - 1
[대규모 시스템 설계 기초] 4장. 처리율 제한 장치의 설계 - 1
2025.10.19들어가기처리율 제한 장치가 뭘까? 클라이언트가 서버에 보낼 수 있는 요청의 빈도(초당/분당 횟수 등)를 제한하는 장치이다. 이게 왜 필요할까? 솔직히 “처리율 제한기(Rate Limiter)” 하나만 잘 넣어도 얻는 게 되게 많아진다. 첫 번째, 시스템 보호용 방패처럼 쓸 수 있다.누가 API를 미친 듯이 때리면(봇, 스팸, DDoS 이런 거) 서버 바로 맛가는경우가 꽤 많다.. 근데 Rate Limiter가 “야, 너무 많이 보낸다? 잠깐 멈춰!” 하고 요청을 잘라주거나 늦춰줘서 전체 시스템이 터지는 걸 막아주게 된다. 실제로 Google Docs API도 “1분에 300번 이상 호출? 그럼 거절!” 이런 식으로 쓰고 있는거 같다. (이건 책에서 소개해줌)두 번째, 서비스 전체가 느려지는 걸 막아준다...
가상 면접 사례로 배우는 대규모 시스템 설계 기초 1장 - 사용자 수에 따른 규모 확장성 (1)
가상 면접 사례로 배우는 대규모 시스템 설계 기초 1장 - 사용자 수에 따른 규모 확장성 (1)
2025.09.22서버 확장의 여정: 단일 서버에서 대규모 아키텍처까지들어가며책 전반적인 내용을 한번 더 정리해보려고 합니다.서비스는 보통 단일 서버에서 시작합니다. 하지만 사용자가 늘어나면서, 점차 많은 요청을 안정적으로 처리하기 위해 서버 아키텍처를 확장해야 합니다.이 글에서는 단일 서버에서 시작해 대규모 시스템으로 확장하는 과정을 단계별로 살펴보고, 각 과정에서 고려할 점들을 정리합니다.단일 서버11번가(11st) 같은 웹사이트에 접속할 때 일어나는 흐름을 먼저 보겠습니다.사용자가 www.11st.com 입력브라우저 → OS → DNS 서버 순으로 캐시 확인, 없으면 루트 DNS부터 질의 시작권한 있는 네임서버로부터 IP 주소를 받아옴브라우저는 IP로 서버와 TCP 3-way handshake 및 TLS 연결 수행서..
스도쿠 문제 풀이 정리 (LeetCode 36 & 37)
스도쿠 문제 풀이 정리 (LeetCode 36 & 37)
2025.08.311. Valid Sudoku (문제 36)문제9×9 스도쿠 보드가 주어짐.빈 칸은 '.'로 표시.규칙:각 행(row) 은 1~9 중복 없음각 열(col) 은 1~9 중복 없음각 3×3 박스도 중복 없음아직 완성되지 않아도, 현재 보드가 유효한지 검사.풀이 아이디어행, 열, 박스별로 이미 등장한 숫자를 기록.중복이 나타나면 false, 끝까지 없으면 true.Set을 활용하면 중복 검사 로직이 매우 간단해짐.Java 코드 (Set 버전)import java.util.*;class Solution { public boolean isValidSudoku(char[][] board) { List> rows = new ArrayList(); List> cols = new ArrayL..
[가상면접 사례로 배우는 대규모 시스템 설계 기초] 5장 안정 해시 설계
[가상면접 사례로 배우는 대규모 시스템 설계 기초] 5장 안정 해시 설계
2025.08.24안정 해시(Consistent Hashing) 정리1. 왜 필요한가?서버에 데이터를 균등하게 나누려면 일반적으로serverIndex = hash(key) % N 방식 사용.문제: 서버 수 N이 변하면 대부분의 키가 재배치됨 → 캐시 미스 발생 → 성능 저하.→ 안정 해시는 서버 추가/제거 시 일부 키만 재배치되도록 설계됨.언제 안정 해시를 쓰나분산 캐시/샤딩: Redis/Memcached 샤딩, 애플리케이션 레벨 캐시, 피처 스토어메시 라우팅/세션 스티키: API 게이트웨이 → 백엔드 샤드 라우팅, 세션 스티키이벤트 파티셔닝: Kafka 파티션 키 분산(클라이언트 측 샤딩)해시 링 (Hash Ring)2. 기본 아이디어(1) 해시 공간과 해시 링해시 함수(SHA-1 등)로 생성된 값들을 원형 링(hash..
프로그래머스 2개 이하로 다른 비트
프로그래머스 2개 이하로 다른 비트
2025.08.17최근에 흥미로운 문제를 접했습니다. 바로 "2개 이하로 다른 비트" 문제입니다. 단순해 보이지만, 무작정 풀면 시간 초과에 빠질 수밖에 없는 유형이죠. 이번 글에서는 문제 접근 과정을 단계별로 설명하고, 규칙을 정리한 뒤 자바(Java) 코드로 구현한 방법을 공유하겠습니다.문제 요약주어진 숫자 N에 대해, 자신보다 큰 수 중에서 비트가 2개 이하만 다른 수를 찾아야 합니다.입력 범위: 1 ≤ N ≤ 10^15배열 numbers[]가 주어지고, 각 원소에 대해 조건을 만족하는 최소 수를 구해야 합니다.첫 번째 접근: 브루트포스 방식처음에는 단순하게 생각했습니다.숫자 N을 이진수로 변환한다.N+1, N+2, ... 이렇게 하나씩 증가시키면서이진수 형태로 비교 → 다른 비트 개수가 2개 이하라면 return...
LeetCode 808. Soup Servings (확률 DP 문제 풀이)
LeetCode 808. Soup Servings (확률 DP 문제 풀이)
2025.08.101. 문제 소개두 종류의 수프 A와 B가 있고, 처음에는 각각 n mL씩 들어 있습니다.게임은 다음 규칙으로 진행됩니다.매 턴, 4가지 동작 중 하나를 확률 0.25로 선택:선택A 감소량B 감소량11000275253505042575규칙A 또는 B 중 하나라도 0 이하가 되면 게임 즉시 종료줄이려는 양이 남은 양보다 많으면, 남은 만큼만 줄임A가 먼저 소진될 확률 + A와 B가 동시에 소진될 확률의 절반을 반환해야 함정답 오차 허용: 10^-5 이내2. 종료 상태 정의게임이 끝나는 경우는 3가지입니다.A 먼저 소진 → 성공 → 확률 1.0B 먼저 소진 → 실패 → 확률 0.0A, B 동시에 소진 → 절반만 성공 인정 → 확률 0.5이를 코드로 표현하면:if (a 3. 상태 공간 축소 — 25 단위로 변환문..