AWS IAM Identity Center에서 Groups의 권한 세트 할당, 변경하는 방법을 알아봅시다.AWS IAM Identity Center(구 AWS SSO)에서 그룹에 들어가서, 해당 그룹을 누르면 권한 세트를 변경할 수 있을 것 같지만뭐가 안나옵니다...위에 파랑색 알림에서 계정이나 애플리케이션으로 가라고 하네요. IAM Identity Center 내 AWS 계정으로 들어갑니다.원하는 그룹이 할당된 계정을 찾아서 들어갑니다.사용자 및 그룹에서 해당 그룹을 선택해서 권한 세트 변경이 가능합니다.이렇게 새로 만든 권한 세트를 적용할 수 있습니다. 의아한 점은 왜 그룹에서는 변경을 못하고, 계정에 들어가야만 그룹의 권한 세트를 바꿀 수 있는가...그룹이 할당된 계정이 없다면?계정에 추가하고 바꿔..

자바 어노테이션의 역사와 장점어노테이션은 자바 5.0에서 도입된 중요한 기능으로, 코드에 메타데이터를 추가하여 다양한 용도로 활용할 수 있습니다. 이 글에서는 어노테이션의 역사와 함께 어노테이션을 사용함으로써 얻을 수 있는 장점에 대해 설명하겠습니다.어노테이션의 정의어노테이션은 클래스, 메소드, 변수 등에 추가되는 메타데이터로 생각할 수 있습니다. 이는 코드의 다양한 요소에 추가적인 정보를 제공하여, 컴파일러나 런타임 시스템이 이를 인식하고 특정 동작을 수행하도록 합니다.어노테이션의 역사어노테이션은 자바 5.0 (J2SE 5.0)에서 처음 도입되었습니다. 자바 언어의 주요 설계 목표 중 하나는 개발자의 생산성을 높이는 것이었습니다. 이를 위해 자바 언어에 메타데이터를 추가할 수 있는 어노테이션이 포함되었..

캐시 활용:자주 변경되지 않는 레이어를 Dockerfile의 앞부분에 배치합니다.docker build --cache-from 옵션을 사용하여 이전 빌드의 캐시를 재사용합니다..dockerignore 파일 사용:불필요한 파일을 제외하여 컨텍스트 크기를 줄입니다.멀티 스테이지 빌드:빌드 단계와 실행 단계를 분리하여 최종 이미지 크기를 줄입니다.병렬 빌드:BuildKit을 사용하여 독립적인 단계를 병렬로 실행합니다.DOCKER_BUILDKIT=1 docker build .경량 베이스 이미지:Alpine 기반 이미지 등 작은 베이스 이미지를 사용합니다.레이어 최소화:RUN 명령어를 체이닝하여 레이어 수를 줄입니다.의존성 캐싱:패키지 매니저 파일(예: package.json)만 먼저 복사하고 의존성을 설치합니다..

멀티 스테이지 빌드 사용:FROM node:14 AS builderWORKDIR /appCOPY package*.json ./RUN npm installCOPY . .RUN npm run buildFROM node:14-alpineWORKDIR /appCOPY --from=builder /app/dist ./distCMD ["node", "dist/main.js"]이 방법으로 빌드 도구와 중간 파일들을 최종 이미지에서 제외할 수 있습니다.작은 베이스 이미지 선택:가능한 경우 Alpine 기반 이미지를 사용합니다.FROM node:14-alpine레이어 수 최소화:RUN 명령어를 체이닝하여 레이어 수를 줄입니다.RUN apt-get update && apt-get install -y \ package..

A composable CDP is a modular solution that collects, models and activates customer data from your existing data infrastructure. This customer platform leverages the comprehensive data repository of a data warehouse, which already contains a detailed map of the customer journey. 컴포저블 CDP는 기존 데이터 인프라에서 고객 데이터를 수집, 모델링 및 활성화하는 모듈식 솔루션입니다. 이 고객 플랫폼은 고객 여정에 대한 상세한 맵이 이미 포함된 데이터 웨어하우스의 포괄적인 데이터 저장소를 ..

0. 저는 LLM과 LLMOps에 관심을 가지고 있습니다. RAG가 LLM에서 중요한 키워드라는 것을 최근 한 개발자분의 LLM Application in production 세션을 듣고 확실하게 인식했습니다. RAG를 더 잘 이해하고 기록하기 위해 공부한 내용을 글로 씁니다. RAG(Retrieval-Augmented Generation)는 정보 검색 기술을 활용하여 자연어 처리 모델의 응답을 향상시키는 기법입니다. 구글에 RAG를 검색하면 잘 설명한 빅테크들의 글이 많습니다. 1. DevOps에서는 소프트웨어 품질을 높이기 위해 배포 주기를 빠르게하고, 자동화를 도입하는 등 다양한 방법을 사용합니다. LLMOps에서도 LLM의 성능을 높이기 위한 많은 시도들이 이루어집니다. 그중 RAG를 이용한 성능..