엄지월드

데이터베이스 성능 최적화 개요 및 전략쿼리 최적화 전략서브쿼리 대신 조인 사용 인덱스 설정 최적화복합 인덱스를 사용하여 다중 조건 쿼리 성능 개선인덱스 스캔과 인덱스 시크의 차이 이해인덱스 스캔 : 전체 데이터를 훓음인덱스 시크 : 필요한 데이터만 빠르게 찾아가는 방식 B-Tree 인덱스와 Hash 인덱스의 사용B-Tree 인덱스 : 범위 검색 Hash 인덱스 : 필요한 데이터만 빠르게 찾아감메모리 및 캐시 최적화버퍼 풀(Buffer Pool) 최적화로 디스크 I/O 최소화쿼리캐시 : 자주 사용되는 쿼리 결과를 메모리에 저장Shared Buffers와 Work Mem의 적절한 크기 설정캐시 무효화 정책을 통한 데이터 최신 상태 유지디스크 I/O 최적화파티셔닝을 통해 데이터 분할 처리I/O 대기 시간 분석..

스프링 부트 어플리케이션 캐시 적용 방법과 기본 원리캐시 활성화 : @EnableCaching 어노테이션 사용주요 어노테이션@Cacheable : 캐시 저장캐시된 데이터가 있을 경우 메서드 실행을 건너뛰고 캐시된 값 반환key 옵션 : 캐시에 저장될 키 값 지정 가능condition 옵션 : 조건에 맞는 경우에만 캐시 적용 가능 주요 어노테이션@CacheEvict : 캐시 삭제@CachePut : 캐시 업데이트캐시 프로바이더 설정Ehcache : 로컬 캐시를 제공하는 강력한 캐시 라이브러리Caffeine : 높은 성능을 자랑하는 메모리 기반 캐시Redis : 네트워크 기반의 분산 캐시로, 여러 인스턴스에서 데이터를 공유 가능 캐시 사용 시 고려해야 할 성능 이슈캐시 과다 사용 : 캐시가 너무 자주 갱신되..

스프링 부트 내장 톰캣의 주요 기능HTTP 요청 및 응답 처리 : GET, POST 등의 HTTP 메서드 처리SSL/TLS를 통한 HTTPS 지원스레드 풀 관리 : 동시 요청 처리를 위한 스레드 관리 기능압축 및 Keep-Alive와 같은 네트워크 최적화 기능 내장 Tomcat과 일반 Tomcat의 차이[내장] 애플리케이션 내부에서 실행VS [외장] 별도의 서버로 설치[내장] JAR로 패치징VS [외장] WAR로 배포[내장] 빠른 테스트 및 배포 VS [외장] 대규모 인프라 관리에 유리[내장] 어플리케이션 중심 설정 관리 -> 개발과 환경별 대응이 유연VS [외장] 서버 중심의 설정 관리 -> 통합적이고 운영자 친화적내장 톰캣의 기본 설정스레드 풀 : 기본적으로 200개의 스레드 처리server.tomc..

어플리케이션 구동 개요1 - JVM 시작클래스 로딩 : 어플리케이션 클래스와 라이브러리 로드메모리 할당 : 힙(Heap) 메모리와 스택(Stack) 메모리 초기화JVM 옵션 설정 : 성능 최적화를 위한 옵션 설정 (예 : -Xmx, -Xms)2 - Spring Application 클래스 실행 단계어플리케이션의 시작점을 정의구성 설정과 리스너 등록배너 출력 및 로깅 설정3 - 환경 설정 단계메서드 호출 시 지역 변수 저장메서드 호출 및 반환 시 스택 프레임 추가 및 제거Stack 메모리의 한계 (고정 크기)4 - 어플리케이션 컨텍스트 생성 단계Application Context 생성스프링의 DI(Dependency Injection)를 통한 Bean 주입Bean 라이프사이클 관리5 - Bean 등록 및 ..

외부 서비스 의존성외부 API 호출 지연으로 인해 애플리케이션 응답 지연네트워크 장애 시 외부 서비스의 불안정성으로 인한 성능 저하재시도 로직 미흡으로 인한 시스템 부하Circuit Breaker 미사용으로 장애가 전체 시스템에 파급자바 - JVM 메모리 관리 및 GC 튜닝적절한 Heap 메모리 크기 설정 (-Xms, -Xmx)최소, 최대 크기 설정GC 알고리즘 선택 (G1 GC, ZGC 등)G1 GC는 대규모 어플리케이션에 적합ZGC 지연 시간 최소화에 강점메모리 누수 방지 및 GC 로그 분석 자바-멀티스레드 및 동시성 처리 최적화스레드 풀 크기 조정(Executor Service, Fork Join Pool)비동기 처리 및 병렬 스트림 사용대용량 처리 시 병렬 스트림 사용스레드와 동시성 문제 해결 정..

인공지능(Artificial Intelligence) : 컴퓨터가 인간과 같이 생각할 수 있도록 만드는 기법을 연구하는 학문 머신러닝(Machine Learning) : 데이터에 기반한 학습을 통해 인공지능을 구현하는 기법들을 지칭. 딥러닝(Deep Learning) : 머신러닝 기법 중 하나인 인공신경망(Artificial Neural Networks) 기법의 은닉층(Hidden Layer)을 깊게 쌓은 구조를 이용해 학습하는 기법  머신러닝 : 명시적인 프로그래밍 없이 데이터를 이용해서 예측 또는 분류를 수행하는 알고리즘을 구현하는 기법을 뜻함. 머신러닝은 한국말로 기계 학습이라고도 부름. 머신러닝이 필요한 이유 - 머신러닝 방법론을 이용할 경우, 인간이 정확히 하나하나 로직을 지정 해주기 어려운 복..

#2. CPU 스케줄링 방법 중 다음과 같은 상황을 해결하기 위한 방법을 한 단어로 적으시오. 답 : 선점형 스케줄링 해설 : - 하나의 프로세스가 CPU를 점유하고 있을 때 다른 프로세스가 프로세서를 빼앗을 수 있는 방법 - 우선 순위가 높은 프로세스가 CPU를 먼저 차지하기가 용이하기 때문에 시분할 시스템에서 사용. - 많은 오버헤드를 초래. #3. 다음은 알고리즘의 효율성을 비교한 그래프이다. 이를 참고하여 물음에 답하시오. 답 : - 데이터의 수가 증가하는 비율에 비해 연산횟수 증가율이 낮아야 좋은 알고리즘이다. - 즉, 공간복잡도에 비해 시간복잡도 증가율이 낮아야 한다. #5. 다음에 대한 원인과 근본적인 해결안을 가장 잘 제시한 의견을 고르시오. 답 : 최 대리: 데이터 설계가 잘못되어 이상현..

제로베이스 백엔드스쿨이 어떻게 진행되는지, 어느 프로젝트를 통해서 성장하고 있는지 궁금한 이들을 위해서 글을 작성해 본다. 혹시 보면서 궁금한 점이 생겼을 때 댓글로 물어봐 주면 빠르게 답변을 해주도록 하겠다. 프로젝트 개요 및 학습 내용 주어진 프로젝트는 2개였다. JSP 기반으로 WIFI Open API를 활용하여 WIFI 정보를 저장하고 보여주는 프로젝트와 JPA와 Spring Boot를 활용해서 계좌를 생성하고 삭제하고 사용하는 기능을 만드는 프로젝트였다. JSP는 학습 과정에서 비슷한 예제를 배웠어서 조금씩 변형하고 구글링하면서 차차 완성해 나갈 수 있었고, Spring은 어려운 과제보다는 MVC 구조와 JPA를 익숙해지는 데에 집중할 수 있게 도와주는 느낌이 들어서 좋았다. 아마 Spring ..

개발자로 커리어를 시작하게 위해서 신청한 5월부터 시작된 제로베이스 백엔드 스쿨! 매주 매주가 힘들고 어렵지만 조금씩 성장하고 있는듯한 느낌이 들어 뿌듯하다. 사실 시작하기 전에는 혼자 공부할까 고민했었지만, 그러지 않기를 잘한 것 같다. 나와 비슷한 처지일 누군가를 위해서 백엔드 스쿨을 수강하면서 느낀 점에 대해서 작성을 해보겠다. 1. Java를 기초부터 배우면서 느낀 점 학부생 시절 Java 프로그래밍을 학습했지만, 4년이 지나고 새로 시작하려니 기억이 잘 나지 않았다. 필자는 개발자가 되고 싶지만 뭐부터 시작을 해야 할지 몰라서 제로베이스 교육을 신청하였고, 다행히 제로베이스에서는 Java의 변수와 자료형부터 스트림, 람다식까지 모든 강의가 있었으며, 모든 강의를 수강한 후에는 연습문제를 통해서 ..

말을 잘하고 문장 이해력을 높이려면 책을 읽으면 도움이 될 것 같아서 도서관에 가서 책을 빌려서 읽게 되었다. 각각 30 페이지씩 여러 단편 소설이 이뤄져 있었고 소설들은 재미있었다. 근데 마지막에 여운을 주는 문장들은 아직 이해하기가 어려웠다. 첫 술에 배부르랴. 즐기면서 읽다 보면 조금씩 도움이 되지 않을까 생각한다. 이야기 항목 - 어느 시인의 죽음 - 라하이나 눈 - 기린의 심장 - 마왕의 변 - 허물 - 하얀 바다 - 경계 - 연극의 시작 - 25분