전체 글 44

MSA 구성 요소 및 MSA 패턴

1) 구성 요소 및 패턴의 유형 인프라 구성 요소 플랫폼 패턴 애플리케이션 패턴 2) 인프라 구성 요소 가상화 되어 제공됨 Public Cloud 베어 메탈 Private Cloud Virtual Machine Container(Docker) 컨테이너 오케스트레이션(Kubernetes) 3) 플랫폼 패턴 DevOps 인프라 구성 개발과 운영이 분리되지 않은 개발 및 운영을 병행할 수 잇는 조직 또는 문화 CI/CD : 지속적인 인도와 배포를 위한 파이프라인 설계 넷플릭스에서는 플랫폼 패턴으로 Spring Boot + 넷플릭스 OSS 조합을 이용 BFF (BackEnd For FrontEnd) 패턴 애플리케이션 종류별로 진입점을 만들고 API 게이트웨이를 이용해 서비스를 이용하는 방식 다양한 모바일 장비 ..

DX Data School 2024.04.01

리액티브 선언

현대 애플리케이션이 갖춰야 할 바람직한 속성들 리액티브 선언의 4가지 요소 응답성 (Responsive) : 사용자에게 신뢰성있는 응답을 빠르고 적절하게 제공하는 것 탄력성 (Resilient) : 장애가 발생하거나 부분적으로 고장이 나더라도 시스템 전체가 고장나지 않고 빠르게 복구하는 능력 유연성 (Elastic) : 시스템 사용량에 변화가 있더라도 균인한 응답성을 제공하는 것을 의미하며 시스템 사용량에 비례해서 자원을 늘리거나 줄이는 능력 메세지 기반 (Message Driven) : 비동기 메세지 전달을 통해 위치 투명성, 느슨한 결합, 논 블로킹 통신을 지향하는 것 위치 투명성 - 여러 개의 마이크로 서비스가 하나의 시스템을 만들어 서비스를 제공하는 경우 각 마이크로 서비스의 위치나 구현되는 방법..

DX Data School 2024.04.01

Micro Service를 구현하기 위한 조건

조직의 변화 : 업무 기능 중심의 팀 콘웨이 법칙 - 시스템을 개발할 때 항상 시스템의 모양이 팀의 의사소통 구조를 반영하도록 하는 것 다양한 역할 (기획자, 디자이너, Front End 및 Back End 개발자, 설계자 등)로 구성되고 서비스를 처음부터 끝까지 만들기 위한 모든 단계의 역할을 갖추고 있는 팀 같은 공간, 같은 시간을 공유하기 때문에 의사소통도 원할하고 의사 결정도 빠르게 진행 관리 체계의 변화 - 자율적인 분권 거버넌스, Polyglot 팀은 빠르게 서비스를 만드는 것을 목적으로 두고 스스로 효율적인 방법론과 도구, 기술을 찾아 적용 자기 서비스에 맞는 기술을 이용하도록 하는 것 개발 수명 주기의 변화 - 프로젝트가 아닌 제품 중심 초기에 모든 일정을 계획하고 요구 사항 정의를 통해 ..

DX Data School 2024.04.01

Monolithic과 Micro Service

Monolithic 하나의 단위로 개발되는 일체식 Application 보통 3-Tier라 불리는 사용자 인터페이스와 데이터베이스 그리고 서버 쪽 Application으로 구성 서버 측 애플리케이션이 일체 즉 논리적인 단일체로서 아무리 작은 변화에도 새로운 버전으로 전체를 빌드해서 배포해야 하고 일체식 애플리케이션은 단일 프로세스에서 실행되기 때문에 확장이 필요할 경우 특정 기능만 확장할 수 없고 반드시 전체 애플리케이션을 동시에 확장해야 하는데 보통 로드 밸런서를 앞에 두고 여러 인스턴스 위에 큰 덩어리를 복제해 수평으로 확장 확장하고자 할 때 로드 밸런서를 앞에 두고 여러 인스턴스 위에 큰 덩어리를 복제하여 수평 확장 복제된 시스템에서는 변경이 발생하면 여러 개의 Monolithc 시스템 모두를 전부..

DX Data School 2024.04.01

비즈니스 민첩성 (Agility)

1. 비즈니스 민첩성 1) 성공한 인터넷 기업들과 비즈니스 민첩성 Amazon & Netflix 등 성공한 인터넷 기업들의 공통된 특징은 이미 익숙한 비즈니스에 새로운 비즈니스 개념과 기술을 융합해 자신만의 특화된 서비스를 제공한다는 것 비즈니스 민첩성 (Agility) 자신만의 특화된 서비스 제공하는 시도를 누구보다 빠르게 실행하고 사용자 피드백을 반영해 끊임없이 서비스를 개선하는 것 2) 아마존의 배포 속도 2011년에 아마존의 배포속도는 11.6초 (11.6초마다 서비스 갱신) 였으나 2019년에는 초당 1.5회 갱신 배포 주기가 비즈니스 민첩성을 간접적으로 보여주는 지표 3) Cloud 인프라의 등장 전형적인 시스템 인프라 구축 과정은 서버를 도입하고 네트워크를 구축한 뒤 각 서버마다 운영체제를 ..

DX Data School 2024.04.01

Cloud Native

1) 개요 조직이 퍼블릭, 프라이빗, 하이브리드 클라우드와 같은 현대적이고 동적인 환경에서 확장 가능한 애플리케이션을 개발하고 실행할 수 있게 해주는 기술로 컨테이너, 서비스 매쉬, 마이크로 서비스, 불연 인프라 그리고 선언형 API 등을 의미 느슨하게 결합된 시스템 - 한 쪽의 변화가 다른 한 쪽에 최소의 영향을 미치는 것 2) 4가지 항목 DevOps MicroService Container CI/CD 3) IT 서비스 개발 및 구현 방식의 변화 개발 방식 DevOps/DevSecOps 방식이 35.9 % Agile/Scrum 방식이 31.78% - 작은 주기를 가지고 동작하는 소프트웨어를 만드는 것이 목적 프로젝트를 기능별로 분리해 짧은 주기를 가지고 동작하는 소프트웨어를 개발 전통적인 방식은 고객..

DX Data School 2024.04.01

Cloud 이용 모델

1) Public Cloud Cloud Service Provider ( CSP : [AWS, GCP, Azure, Oracle 등]) 가 시스템을 구축하고 인터넷 망 등의 네트워크를 통해 서비스를 하는 형태 이용자를 제한하지 않는 방식으로 사용자 간 데이터 간섭이 없도록 관리 (Multi Tenancy) 2) Private Cloud 폐쇄적인 구조로 이용자를 제한하는 방식 구현 방식 자사가 보유하고 운용하는 방식 : On Premise Private Cloud Cloud 사업자가 보유하고 서비스 형태로 이용하는 방식 : Hosted Private Cloud 3) Community Cloud 공통의 목적을 가진 특정 기업들이 Cloud 시스템을 형성해서 데이터 센터를 공동 운영하는 형태 4) Hybrid..

DX Data School 2024.04.01

Cloud Service 종류

1) IaaS (Infrastructure as a Service) 서버, 스토리지, 네트워크와 같은 인프라 하드웨어 자원을 가상화하여 사용자 요구에 따라 인프라 자원을 사용할 수 있게 하는 Cloud Service 물리적인 자원을 서비스로 AWS의 EC2 가 대표적인 서비스 모든 CSP (Amazon, Google, MS)는 IaaS를 제공 2) PaaS (Platform as a Service) 서비스 개발자가 애플리케이션 개발, 실행, 관리 등을 할 수 있도록 안정적인 플랫폼 또는 프레임워크를 제공하는 서비스 서버, 보안, 네트워크 부분을 Cloud 사업자에게 위임하여 사용하는 것이 PaaS 이 부분을 직접 해야하면 IaaS Salesforce가 제공하는 Force.com 이 대표적인 서비스 3) ..

DX Data School 2024.04.01

Cloud Computing

1. 개요 1) On-Premise Cloud 개념이 도입되기 전에 기업이 자체 데이터 및 솔루션 등을 저장하기 위해 데이터 센터를 구축하고 IT서비스를 수행하는 방식 하드웨어를 포함한 모든 자원 (CPU, 메모리, 라이센스, 네트워크 등) 에 대한 초기 투자 비용과 탄력적이지 않은 제한된 용량으로 지속적 관리 비용이 증가하는 단점이 있지만 기업에 내재화된 서비스를 통해 품질 및 보안에 대한 신뢰도가 높음 설계를 할 때 가급적 최대 사용량을 근거로 하고 네트워크 트래픽 또한 최대 순간 트래픽을 가정하기 때문에 고사양 설계를 하게되고 증설에 따른 시간적, 인적 비용을 무시할 수 없음 최근에는 많은 기업이 On-Premise 방식에서 Cloud 서비스로 전환을 고민 Cloud를 사용하는 경우 초기 도입 비용..

DX Data School 2024.04.01

[ADsP] 요약노트 2 과목 - 데이터분석 기획

1. 데이터 분석 기획의 이해 - 분석 기획 방향성 도출 > 분석기획 분석을 수행할 과제를 정의하고 결과를 도출할 수 있도록 관리할 수 있는 방안을 사전에 계획 ​ > 데이터 사이언스의 역량 [1] 수학/통계학적 지식 및 정보기술 ( IT, 해킹, 통신 기술 등) [2] 해당 비즈니스에 대한 이해와 전문성 [3] ​역량과 시각 ​ > 분석 대상과 방법 분석 대상 ( What ) / 분석 방법 ( How) 에 따라 4가지로 나뉨 ​ > 분석 기획 방안 과제 중심적 접근 : 목표 시점별로 당면한 과제를 빠르게 해결 장기적 마스터 플랜 : 지속적인 분석으로 원인 해결 ​ > 분석 기획 시 고려사항 (1) 가용 데이터 : 분석의 기본이 되는 데이터 확보 및 파악 (2) 적절한 유즈케이스 탐색 : 기존에 잘 구현..

ADsP 2024.04.01