커빙의 Django, Celery, Azure Cloud, SNS 연동, 컨텐츠 수집 기술을 한눈에 볼 수 있도록 소개한 자료 입니다.
커빙을 처음 개발하면서 많은 어려움이 있었지만
많은 분들의 도움으로 좋은 결과를 얻을 수 있었답니다!
이에 다른 분들에게 조금이나마 도움이 되었으면 좋겠다는 마음으로 공유합니다 : )
커빙의 Django, Celery, Azure Cloud, SNS 연동, 컨텐츠 수집 기술을 한눈에 볼 수 있도록 소개한 자료 입니다.
커빙을 처음 개발하면서 많은 어려움이 있었고,
또 많은 분들의 도움으로 좋은 결과를 얻을 수 있었습니다.
조금 더 깊은 내용을 다뤘으면 하는 아쉬움이 있지만,
다른 분들에게 조금이나마 도움이 되었으면 좋겠네요!
커빙의 Django, Celery, Azure Cloud, SNS 연동, 컨텐츠 수집 기술을 한눈에 볼 수 있도록 소개한 자료 입니다.
커빙을 처음 개발하면서 많은 어려움이 있었지만
많은 분들의 도움으로 좋은 결과를 얻을 수 있었답니다!
이에 다른 분들에게 조금이나마 도움이 되었으면 좋겠다는 마음으로 공유합니다 : )
커빙의 Django, Celery, Azure Cloud, SNS 연동, 컨텐츠 수집 기술을 한눈에 볼 수 있도록 소개한 자료 입니다.
커빙을 처음 개발하면서 많은 어려움이 있었고,
또 많은 분들의 도움으로 좋은 결과를 얻을 수 있었습니다.
조금 더 깊은 내용을 다뤘으면 하는 아쉬움이 있지만,
다른 분들에게 조금이나마 도움이 되었으면 좋겠네요!
All about Data Center Migration Session 1. <Case Study> 오비맥주 사례로 알아보는 DC 마이그레...BESPIN GLOBAL
기존 레거시(Legacy) 시스템이 가지고 있는 변화하는 기술에 대한 빠른 대응과 비즈니스 어플리케이션 배포의 한계 등을 극복하기 위한 대안인 클라우드 도입.
클라우드 국내 도입 현황과 클라우드로 마이그레이션을 해야 하는 이유를 실제 사례를 통해 알려드립니다.
클라우드를 통해 비즈니스 혁신을 가속화하고 쉽고 정학하게 구현하실 수 있습니다.
[목차]
1. 클라우드 국내 도입 현황과 클라우드로 마이그레이션을 해야 하는 이유
2. 클라우드 마이그레이션의 기본 프로세스, 전략, 비용 절감 효과, 로드맵
3. 베스핀글로벌 구축 사례 : 오비맥주의 마이그레이션 사례 공유
Database Middleware(Driver)는 DB와 어플리케이션간의 데이터 처리를 위한 시스템
튜닝이 잘 되어 있는 데이터베이스와 어플리케이션에서 약 90%의 트랜잭션이 데이터베이스 미들웨어, 디스크 I/O, 네트워크에서 발생
데이터베이스 미들웨어가 전체 데이터베이스 어플리케이션에 매우 큰 영향을 미침
Cloud-Native Architecture
MSA(Micro Service Architecture)
MDA(Micro Data Architecture)
MIA(MIcro Inference Architecture)
MSA-Service Mesh
MDA-Data Mesh
MIA-AI Inference Mesh
Kubernetes
Container
Kubeflow
Volcano
Apache Ynikorn
ChatGPT
AGI(Artificial General Intelligence)
ASI(Artificial Specialized Intelligence)
초-전환시대
초-연결시대
SQream GPU DBMS
Cloud와 Cloud Native의 목표는.. 왜? 어떻게? 뭐가 좋아지나...
1. (왜) 가속화된 초-전환, 초-연결 IT 환경변화에 대비하기 위해서
2. (어떻게-H/W) IT H/W 부분은 IaaS 서비스화하여
점유된, Over Subscription된 H/W(Server, Network, Storage)들 모아서 Pool화하고, 가상화기술을 통해 Tenant로 자원들을 분리해 서비스화해 제공하고
필요시 적시에 Pool의 가상H/W를 제공하고, 상황에 따라 확장・축소(Scale in/out, up/down)하면서, 축소된 자원을 다른 요청들을 위해 빠르게 재-할당하는 유연성을 제공하고
3. (어떻게-S/W) S/W 부문도
PaaS, SaaS 적극 활용으로 App.개발 시간을 단축하고
App.분야인 기존 MACRO Service Architecture형 Monolith Architecture(Web-WAS-DB)를 작게 쪼개서 변화에 빠르게 적응할 수 있는 MSA(Micro Service Architecture)로 변경하여 Service Mesh형으로 관리하고
Data분야도 Data Warehouse, DataLake(Bigdata), LakeHouse등 기존 MACRO Data Architecture를 MSA형식으로 MDA(Micro Data Architecture)로 전환 후 Data Mesh형태로 관리하고,
AI로 동적프로그램 생성하여 App.개발시간 단축하고, AI분야도 초-거대 AI구현(MACRO)보다는 작은|특화된 Deep Learning Network(Model)들로 작게 쪼개서 MIA(Micro Inference Architecture)로 비지니스 환경에 적용하고 Inference Mesh형태로 관리하는 시스템으로 전환하고
4. (어떻게-조직) 조직구조도 CI/CD형 DevOps환경, 데이타,트랜잭션중심업무중심, 기술중심 문제해결중심, 직능중심조직직무중심조직으로 전환하면
5. (좋아지는 것) 초-전환, 초-연결 환경에 빠르고, 지속적으로 적응할 수 IT as a Product 환경을 구현하는 것
All about Data Center Migration Session 1. <Case Study> 오비맥주 사례로 알아보는 DC 마이그레...BESPIN GLOBAL
기존 레거시(Legacy) 시스템이 가지고 있는 변화하는 기술에 대한 빠른 대응과 비즈니스 어플리케이션 배포의 한계 등을 극복하기 위한 대안인 클라우드 도입.
클라우드 국내 도입 현황과 클라우드로 마이그레이션을 해야 하는 이유를 실제 사례를 통해 알려드립니다.
클라우드를 통해 비즈니스 혁신을 가속화하고 쉽고 정학하게 구현하실 수 있습니다.
[목차]
1. 클라우드 국내 도입 현황과 클라우드로 마이그레이션을 해야 하는 이유
2. 클라우드 마이그레이션의 기본 프로세스, 전략, 비용 절감 효과, 로드맵
3. 베스핀글로벌 구축 사례 : 오비맥주의 마이그레이션 사례 공유
Database Middleware(Driver)는 DB와 어플리케이션간의 데이터 처리를 위한 시스템
튜닝이 잘 되어 있는 데이터베이스와 어플리케이션에서 약 90%의 트랜잭션이 데이터베이스 미들웨어, 디스크 I/O, 네트워크에서 발생
데이터베이스 미들웨어가 전체 데이터베이스 어플리케이션에 매우 큰 영향을 미침
Cloud-Native Architecture
MSA(Micro Service Architecture)
MDA(Micro Data Architecture)
MIA(MIcro Inference Architecture)
MSA-Service Mesh
MDA-Data Mesh
MIA-AI Inference Mesh
Kubernetes
Container
Kubeflow
Volcano
Apache Ynikorn
ChatGPT
AGI(Artificial General Intelligence)
ASI(Artificial Specialized Intelligence)
초-전환시대
초-연결시대
SQream GPU DBMS
Cloud와 Cloud Native의 목표는.. 왜? 어떻게? 뭐가 좋아지나...
1. (왜) 가속화된 초-전환, 초-연결 IT 환경변화에 대비하기 위해서
2. (어떻게-H/W) IT H/W 부분은 IaaS 서비스화하여
점유된, Over Subscription된 H/W(Server, Network, Storage)들 모아서 Pool화하고, 가상화기술을 통해 Tenant로 자원들을 분리해 서비스화해 제공하고
필요시 적시에 Pool의 가상H/W를 제공하고, 상황에 따라 확장・축소(Scale in/out, up/down)하면서, 축소된 자원을 다른 요청들을 위해 빠르게 재-할당하는 유연성을 제공하고
3. (어떻게-S/W) S/W 부문도
PaaS, SaaS 적극 활용으로 App.개발 시간을 단축하고
App.분야인 기존 MACRO Service Architecture형 Monolith Architecture(Web-WAS-DB)를 작게 쪼개서 변화에 빠르게 적응할 수 있는 MSA(Micro Service Architecture)로 변경하여 Service Mesh형으로 관리하고
Data분야도 Data Warehouse, DataLake(Bigdata), LakeHouse등 기존 MACRO Data Architecture를 MSA형식으로 MDA(Micro Data Architecture)로 전환 후 Data Mesh형태로 관리하고,
AI로 동적프로그램 생성하여 App.개발시간 단축하고, AI분야도 초-거대 AI구현(MACRO)보다는 작은|특화된 Deep Learning Network(Model)들로 작게 쪼개서 MIA(Micro Inference Architecture)로 비지니스 환경에 적용하고 Inference Mesh형태로 관리하는 시스템으로 전환하고
4. (어떻게-조직) 조직구조도 CI/CD형 DevOps환경, 데이타,트랜잭션중심업무중심, 기술중심 문제해결중심, 직능중심조직직무중심조직으로 전환하면
5. (좋아지는 것) 초-전환, 초-연결 환경에 빠르고, 지속적으로 적응할 수 IT as a Product 환경을 구현하는 것
4. 이 현 영 [ PM ]
ERD & UML 계획 및 작성
DB( MySQL, Maria ) 설계
Framework 설계 및 관리
Raspberry Pi 3 OS
MySQL / MariaDB 환경구축
전체 기술 지원
장 동 희 [ Full-stack ]
ERD & UML 계획 참여
DB설계 참여
Framework 설계
SQL 작성 및 Front 연동
Web-front 작성 및 기술 지원
이 정 렬 [ Back-PL ]
ERD & UML 계획 및 작성
DB 설계 ( MySQL, Maria )
Framework 설계 및 관리
Procedure, Trigger, Event 작성
SQL 작성/검토
MyBatis 설정 및 DAO 작성
허 지 훈 [ Front-PL ]
DB 설계 ( MySQL, Maria )
ERD & UML 계획 참여
Framework 설계
Full / Callendar 작성 및 배포
SQL 작성 및 Front 연동
기술 지원
장 보 현 [ Full-stack ]
ERD & UML 계획 참여
DB설계 참여
Framework 설계
SQL 작성 및 Front 연동
Web-front 작성 및 기술 지원
황 규 성 [ Full-stack ]
DB설계 참여
ERD & UML 계획 참여
Framework 설계
SQL 작성 및 Front 연동
Web-front 작성 및 기술 지원
Light-ERP for initial Start-up Business
Project
길이 있으면 찾아가고
없다면 만들어 가자
현영 드 옵티마이저
PM
쓸모 있는 쿼리,
그 한 줄에 목숨 거는
동네형
서버다운시킨 바로 그 놈
PL
막내,귀여움,재미를 담당한
무한 발전가능성의 갓-이십대
팀내 엔터테이닝 머신
PL
어떠한 어려운 상황속에서도
가능성은 항상 존재한다
이제 디자인 말고 코딩
Crew
하나하나
파들어간다
끝까지 PANDA
Crew
배움을 두려워 하지 말고
즐기고 도전하자
현티마이저 첫 이용자
Crew
57. param =
“inp-3,2,3”;
Data in WEB
Words[] =
[inp-3,2,3]
Data in Logic
List<Map<S,O>>
= [{inp-3,2,10}
,{inp-3,3,10}]
List<Map<S,O>>
= [{inp-3,2,10}
,{inp-3,3,10}]
Data in Dao
58. Data in Dao
List<Map<S,O>>
= [{inp-3,2,10},{inp-3,3,10}]
Data in MyBatis
List<Map<S,O>>
= [{inp-3,2,10}
,{inp-3,3,10}]
UPDATE ` eq_purc_list`
SET outcome = ‘inp-3’
, sign_date = DATE_FORMAT(now(), '%Y-%m-%d')
WHERE eq_pno = 2
AND sign_eno = 10
;
UPDATE ` eq_purc_list`
SET outcome = ‘inp-3’
, sign_date = DATE_FORMAT(now(), '%Y-%m-%d')
WHERE eq_pno = 3
AND sign_eno = 10
;
65. DB Setting // 시점:프로젝트 6주 중 2주차
사설네트워크(PM소유) 외부네트워크(개발원)
상시기동서버구축
66. The occasional query would result in
Illegal mix of collations (latin1_swedish_ci,IMPLICIT)
and (utf8_general_ci,COERCIBLE) for operation '='.
[MySQL 5.5] 1267, illegal-mix-of-collations error.
DB Encoding Episode // 시점:프로젝트 6주 중 4주차
67. DB Encoding Episode // 시점:프로젝트 6주 중 4주차
MySQL 5.x
DB – DB연결값 – 서버값
모든 콜레이션을 맞추어야 작동됨
DB 캐릭터 셋/콜레이션 설정
73. 쓸모 있는 쿼리,
그 한 줄에 목숨 거는
동네형
서버다운시킨 바로 그 놈
PL
세부업무이력
이슈-아이디어제공
*****
Back-end 총괄
업무분석
DB설계/ERD작성
DDL쿼리 작성
(프로시저/트리거
/이벤트 설정)
DML쿼리 작성
(사원/비품)
*****
MVC F/W 설계
형상관리기술지원
*****
Client 및
UI기술지원
*****
협업환경구축
GoogleDrive
Draw.io 제안
후기
ANSI를 적용한 DBA로 프로젝트를 시작했다.
우리의 우선 목표는 웹 기반 서비스 기본업무처리로
설정되어 진행됐고, 업무전반지원으로 Full-stack
의 기초를 탄탄히 쌓았다.
RDBMS와 MVC패턴이 적용된 Framework을 기본부
터 설계하는 경험은 특히 인상깊었다. 함께 의논해
서 작성한 Framework Planner를 드라이브로 공
유하고,
실시간피드백으로 반영하는 탄력적인 협업 방식과
각종 문서 버전 관리를 동시에 진행했다. 이와 더
불어 GitHub 형상관리시스템을 적극적인 사용으로
적용했다.
이는 업무구현에 소모되는 커뮤니케이션의 에너지와
시간 자원을 효과적 줄여주었다. 즉, 더 많은 고민
을 할 시간을 벌어주는 효과로 작용했다.
한편, ORM솔루션을 빌리지않고, 순수한 프로시저로
제작하는 시도는 나 자신에 대한 도전이었다. 비록
결과가 서버다운으로 이어져서 다소 팀 프로젝트 진
행에 차질이 생겼지만, 인고의 시간을 거치면서 배
운 것이 아주 많은, 그런 의미 있는 실패였다.
#이정렬 #ANSI표준준수
#동적업무처리 #서버파괴자
#UX-Design