Techlist.io - 한국 테크 블로그 큐레이터

discord·2025년 6월 25일·4분 읽기큐레이션 요약

2025년 6월

2025년 6월의 게임 쇼케이스를 돌아보며 Discord 직원들이 인상 깊었던 신작과 여름 분위기에 어울리는 게임을 소개한다. 인터뷰에는 신작에 대한 기대뿐 아니라 장르적 취향, 게임의 배경과 분위기, 휴대용 기기의 사용성에 대한 의견도 담겼다. 특히 《Silksong》, 《Onimusha》, 《Stranger Than Heaven》, 《Resident Evil 9》 등이 주요 기대작으로 언급된다. ## 6월 게임 쇼케이스와 기대작 - 작성자는 6월 한 달 동안 총 23개의 게임 쇼케이스를 지켜봤다고 설명한다. - 대형 행사인 Summer Game Fest부터 인디 게임 중심의 The MIX까지 다양한 발표가 이어졌다. - Discord의 Alex, Armando, 신입 직원 Matt가 각자 관심을 끈 게임과 여름 분위기의 게임을 선정했다. ## Matt가 주목한 신작 - **Hollow Knight: Silksong** - 올해 가장 기대되는 게임으로 꼽혔다. - 다만 발표 이후 출시까지 오랜 시간이 걸린 만큼 기대치를 조절하려는 태도도 보인다. - **Onimusha** - 원작을 플레이한 적은 없지만, FromSoftware와 소울라이크 장르의 팬으로서 큰 관심을 보였다. - 《Sekiro》와 《God of War》를 결합한 듯한 액션을 기대하게 만든다고 평가했다. - **Stranger Than Heaven** - 게임의 구체적인 내용은 거의 공개되지 않았지만, 오히려 미스터리한 점이 매력으로 작용했다. - 일본을 배경으로 한 누아르 분위기와 RPG 요소, 사실적인 표현이 기대 포인트다. - **Infinitesimals** - 작은 개미와 곤충형 로봇 생명체가 등장하는 게임이다. - 《벅스 라이프》와 《개미》처럼 작은 생물의 시점에서 세계를 바라보는 재미를 2026년 수준의 그래픽과 몰입감으로 확장한 작품으로 소개된다. - 가장 강한 “여름 분위기”를 가진 게임으로 선정됐다. ## Alex가 고른 독특한 게임들 - 지난해보다 올해 쇼케이스 라인업은 덜 인상적이었지만, 개성이 강한 작품들이 눈에 띄었다. - **Romeo is a Dead Man** - Suda51의 신작으로, 그의 특유의 스타일을 유지하면서도 비교적 대중적인 친구들에게 추천하기 쉬워 보인다고 평가했다. - **Ratatan** - 리듬 게임이 아니면서도 리듬 요소를 포함한 점이 흥미로운 작품이다. - 게임의 “Tension” 게이지가 어떻게 활용될지에 관심을 보였으며, 《Guilty Gear》의 유사한 시스템과 연결해 설명했다. - **There Are No Ghosts at the Grand** - 《Luigi’s Mansion》을 연상시키는 게임으로 소개됐다. - 다만 음악 요소가 핵심인지, 최근 TV 시리즈에서 유행한 뮤지컬 에피소드처럼 부가적인 요소인지에 대해서는 우려를 나타냈다. - **Resident Evil 9** - 공개 영상에서 레온의 목소리를 알아본 순간이 가장 흥분되는 장면이었다고 회고했다. ## ROG Xbox Ally에 대한 기대 - 게임은 아니지만 **ROG Xbox Ally**도 주요 관심 대상으로 언급됐다. - 기존 Asus ROG Ally의 비대칭 스틱 배치는 손에 편안했지만, 전체 Windows 데스크톱 UI는 휴대용 게임기에 적합하지 않았다고 평가했다. - ROG Xbox Ally는 다음 요소를 개선한 제품으로 기대된다. - 비대칭 컨트롤러 배치 - 휴대용 기기에 맞게 단순화된 Windows UI - 게임 실행과 조작에 집중할 수 있는 사용자 경험 ## Alex가 생각하는 완벽한 여름 게임 순서 - 여름을 세 달간의 방학처럼 보고, 계절의 흐름에 맞춰 여러 게임을 이어서 플레이하는 방식을 제안했다. - 초반에는 《NieR Replicant》의 “Snow in Summer” 프롤로그로 우울한 분위기를 시작한다. - 이후 《The Big Con》에서 1990년대 청소년의 여름방학을 체험한다. - 쇼핑몰을 돌아다니고 - 가짜 퍼비를 수집하며 - 비디오 대여점을 구하는 내용이 포함된다. - 본격적인 휴양 분위기에서는 다음 게임을 추천한다. - 《Wii Sports Resort》 - 《Super Mario Odyssey》의 Seaside Kingdom - 친구들과는 《Rock Band 2》의 84곡 연속 플레이인 Endless Setlist Challenge를 즐길 수 있다. - 마지막에는 《Kingdom Hearts 2》의 록사스 프롤로그로 여름방학의 끝과 가을의 쓸쓸한 분위기를 표현한다. ## Armando가 주목한 발표 - Armando는 쇼케이스가 많아 모든 발표를 따라잡기 벅찼다고 말한다. - 공개된 내용에서 특히 기억에 남은 작품 중 하나로 **Marvel Tōkon: Fighting Souls**를 언급하기 시작하지만, 제공된 글은 이 부분에서 끝난다. 개인의 취향에 따라 쇼케이스를 감상하고 싶다면, 대형 기대작뿐 아니라 독특한 장르 조합과 분위기를 가진 작품까지 함께 살펴보는 것이 좋다. 여름 동안에는 《The Big Con》, 《Wii Sports Resort》, 《Super Mario Odyssey》처럼 가볍고 활기찬 게임을 중심에 두고, 전후로 서사적이고 감정적인 작품을 배치하면 글에서 제안한 계절감 있는 게임 경험을 재현할 수 있다.

원문 읽기(새 탭에서 열림)

windowsvideo-gamessteam-deckxbox+2

figma·2025년 6월 25일·4분 읽기큐레이션 요약

AI 시대를 위해 모든 엔지

AI 시대의 엔지니어는 코드를 빠르게 생성하는 사람을 넘어, 사용자 문제를 정의하고 더 나은 해결책을 탐색하는 사람이어야 한다. AI는 단순한 비용 절감이나 자동화 도구가 아니라, 엔지니어의 판단력·창의성·협업 능력을 확장하는 수단으로 활용해야 한다. 이를 위해 문제 탐색, 에이전트 활용, 코드 검토, 맥락 제공과 같은 새로운 업무 방식이 중요해진다. ## 자동화를 넘어 문제 해결에 AI 활용하기 - AI의 가치는 반복 작업을 줄이는 데만 있지 않고, 엔지니어가 더 높은 수준의 문제 정의와 해결에 집중하도록 돕는 데 있다. - 코드 작성 외에도 엔지니어는 다음을 판단해야 한다. - 어떤 문제를 해결할 것인가 - 사용자는 무엇을 필요로 하는가 - 어떤 방식이 가장 적절한가 - 단순하고 지루한 작업을 자동화하면 사용자 공감, 제품의 의미, 동료와의 협업처럼 자동화하기 어려운 영역에 더 많은 시간을 쓸 수 있다. - AI 시대에도 제품에 대한 이해와 세심한 구현 품질은 여전히 핵심 역량이다. ## 바이브 코딩으로 가능성 탐색하기 - 바이브 코딩은 코드를 대충 생성하는 방식이 아니라, 자연어 대화를 통해 문제 공간을 탐색하고 해결책을 실험하는 방법이다. - AI를 사용하면 기존의 한두 가지 접근법에 머무르지 않고 여러 경로를 빠르게 시도할 수 있다. - 생성된 프로토타입이나 시각적 결과물을 공유해 사용자와 동료의 피드백을 일찍 받을 수 있다. - Figma Make처럼 프롬프트로 앱과 고충실도 프로토타입을 만들면 구현에 들어가기 전에 사용자 경험을 검증할 수 있다. - AI는 사용자 경험에 대한 고민을 없애는 것이 아니라, 더 앞단에서 충분히 검토하도록 돕는다. ## 에이전트와 MCP로 더 정확한 결과 만들기 - 에이전트형 AI는 Cursor나 Copilot 같은 도구가 다른 소프트웨어와 상호작용하며 작업하도록 만든다. - MCP(Model Context Protocol)는 AI 도구와 외부 소프트웨어가 정보를 주고받는 표준이다. - Figma MCP 서버는 디자인 구조, 컴포넌트, 관련 맥락을 LLM에 전달해 디자인에 충실한 코드를 생성하도록 돕는다. - 충분한 맥락이 제공되면 다음과 같은 효과를 얻을 수 있다. - 기존 컴포넌트 라이브러리 재사용 - 디자인 시스템 준수 - 접근성 규칙 반영 - 구현 결과와 디자인 간 차이 감소 - AI의 출력 품질은 모델 자체뿐 아니라, 모델에 전달하는 도구·코드베이스·디자인 맥락의 품질에 좌우된다. ## Pull Request를 스스로 사전 점검하기 - LLM을 PR 제출 전 검토자로 활용하면 코드 리뷰 전에 문제를 발견할 수 있다. - 코드베이스를 이해하는 LLM은 다음과 같은 문제를 찾아낼 수 있다. - 이미 존재하는 구현을 다시 작성한 경우 - 중복 로직 - 프로젝트의 기존 패턴과 어긋나는 코드 - 잠재적인 누락이나 개선 지점 - AI 리뷰는 사람의 최종 검토를 대체하기보다, 리뷰 요청 전에 작성자가 코드 품질을 높이는 사전 검증 단계로 유용하다. - 결과적으로 리뷰어와 작성자의 부담을 줄이고 개발 처리량을 높일 수 있다. ## 여러 AI 에이전트를 조율하기 - 복잡한 문제를 작은 작업으로 분해하고, 각각을 여러 AI 에이전트에게 맡기는 능력이 중요해진다. - 엔지니어는 각 에이전트에 명확한 지시와 맥락을 제공해야 한다. - 작업 범위 - 관련 파일과 제약 조건 - 기대하는 출력 형식 - 프로젝트의 코딩 규칙 - 여러 에이전트가 만든 결과를 검토하고 하나의 일관된 해결책으로 통합하는 역할은 여전히 엔지니어의 몫이다. - 마크다운 지침 파일이나 프로젝트 문서를 정리해 LLM에 지속적으로 맥락을 제공하는 것도 새로운 업무 역량으로 부상한다. - 핵심은 AI에게 모든 판단을 위임하는 것이 아니라, 문제를 분해하고 결과를 조율하는 것이다. ## 기술보다 중요한 제품 감각과 협업 - AI가 코드를 빠르게 만들어도 무엇을 만들어야 하는지 결정하는 책임은 엔지니어에게 남는다. - 사용자 관점에서 문제의 의미와 우선순위를 판단해야 하며, 동료와 함께 아이디어를 발전시켜야 한다. - AI가 생성한 결과는 빠른 초안이나 탐색 도구로 활용하고, 최종 품질은 엔지니어의 검증과 제품 이해를 통해 확보해야 한다. - 앞으로의 강한 엔지니어는 코딩 능력뿐 아니라 문제 정의, 맥락 전달, 결과 평가, 협업 능력을 함께 갖춘 사람이다. AI를 도입할 때는 단순히 코드 생성량을 늘리기보다, 프로토타입 탐색과 사전 리뷰처럼 사고의 품질을 높이는 과정에 먼저 적용하는 것이 좋다. 특히 프로젝트 규칙과 디자인 시스템을 문서화하고 AI에 충분한 맥락을 제공하면 생산성과 결과의 정확도를 함께 개선할 수 있다.

원문 읽기(새 탭에서 열림)

AI대규모 언어 모델AI 에이전트모델 컨텍스트 프로토콜+2

discord·2025년 6월 25일·4분 읽기큐레이션 요약

멤버, 중재자, 관리

디스코드 서버의 권한 설정은 무질서한 공간과 안전하고 활발한 커뮤니티를 가르는 핵심 요소다. 글은 권한을 일반 멤버, 운영진(모더레이터), 관리자 세 범주로 나누고, 각 역할에 필요한 권한만 부여하라고 권장한다. 특히 관리자 권한은 서버 전체에 큰 영향을 주므로 신뢰할 수 있는 사람에게만 제한적으로 제공해야 한다. ## 일반 멤버에게 필요한 기본 권한 일반 멤버는 서버에서 대화하고 음성 채널과 앱을 이용하는 데 필요한 권한을 갖는다. - **채널 보기(View Channels)**: 채널을 보고 접근할 수 있게 한다. - **메시지 보내기(Send Messages)**: 텍스트 채널에 글을 작성할 수 있다. - **공개 스레드 만들기(Create Public Threads)**: 주제에서 벗어난 대화를 별도 스레드로 분리할 수 있다. - **스레드에서 메시지 보내기(Send Messages in Threads)**: 스레드를 만든 뒤 그 안에서 대화할 수 있도록 함께 활성화해야 한다. - **초대 만들기(Create Invite)**: 다른 사용자를 서버에 초대할 수 있다. - **닉네임 변경(Change Nickname)**: 해당 서버에서 사용할 개인 닉네임을 설정할 수 있다. ## 음성 채널 및 활동 권한 음성 채널을 운영하는 서버라면 다음 권한을 일반 멤버에게 제공할 수 있다. - **연결(Connect)**: 음성 채널에 입장할 수 있다. - **말하기(Speak)**: 음성 채널에서 마이크를 사용할 수 있다. - **영상(Video)**: 웹캠, 화면 공유, 게임 스트리밍을 사용할 수 있다. - **외부 사운드 사용(Use External Sounds)**: 다른 서버의 사운드보드 음향을 사용할 수 있다. - **음성 감지 사용(Use Voice Activity)**: 음성이 감지되면 자동으로 마이크가 활성화된다. - 비활성화하면 사용자는 푸시 투 토크 방식으로만 말할 수 있다. - **음성 채널 상태 설정(Set Voice Channel Status)**: 현재 음성 채널의 상황이나 주제를 상태로 표시할 수 있다. ## 앱과 디스코드 활동 권한 - **애플리케이션 명령어 사용(Use Application Commands)**: 슬래시 명령어를 비롯한 대화형 앱을 사용할 수 있다. - **활동 사용(Use Activities)**: 체커와 같은 디스코드 내 게임 및 활동을 이용할 수 있다. - **외부 앱 사용(Use External Apps)**: 계정에 저장된 외부 앱으로 메시지를 작성할 수 있다. - 이 권한을 꺼도 앱은 사용할 수 있지만, 앱이 작성한 메시지는 해당 사용자에게만 표시된다. ## 모더레이터에게 필요한 운영 권한 서버 규모가 커지면 일부 멤버에게 커뮤니티 관리 권한을 부여할 수 있다. 대부분의 조치는 되돌릴 수 있지만, 차단이나 대규모 알림처럼 영향이 큰 권한은 신중히 부여해야 한다. - **메시지 관리(Manage Messages)**: 메시지를 고정·고정 해제하거나 삭제할 수 있다. - **스레드 관리(Manage Threads)**: 스레드 이름 변경, 보관, 삭제가 가능하다. - **표현물 만들기(Create Expressions)**: 사용자 지정 이모지, 스티커, 사운드보드 음향을 업로드할 수 있다. - **대규모 멘션 사용**: `@everyone`, `@here`, 전체 역할 멘션을 사용할 수 있다. - **멤버 추방·가입 승인·거절**: - **추방(Kick)**: 사용자를 내보내지만 초대를 받으면 다시 가입할 수 있다. - **승인·거절**: 가입 신청이 필요한 서버에서 사용된다. - **멤버 차단(Ban Members)**: 사용자를 서버에서 제거하고 재가입을 막는다. 이후 서버 설정에서 차단을 해제할 수 있다. - **멤버 타임아웃(Timeout Members)**: 지정된 시간 동안 메시지 작성, 음성 채널 입장 등 커뮤니티 활동을 제한한다. - **닉네임 관리(Manage Nicknames)**: 다른 사용자의 닉네임을 변경할 수 있으며, 사용자가 직접 설정한 닉네임보다 우선 적용된다. - **감사 로그 보기(View Audit Log)**: 메시지 삭제, 스레드 생성, 이모지 이름 변경 등 서버에서 발생한 작업 이력을 확인할 수 있다. ## 모더레이터의 음성 채널 관리 - **우선 발언자(Priority Speaker)**: 푸시 투 토크를 사용하는 동안 다른 사람의 음량을 낮춰 발언을 더 잘 들리게 한다. - **멤버 음소거(Mute Members)**: 특정 사용자의 마이크를 끈다. 해당 사용자는 다른 사람의 음성은 들을 수 있다. - **멤버 청각 차단(Deafen Members)**: 마이크를 끄고 다른 사람의 음성도 듣지 못하게 한다. - **멤버 이동(Move Members)**: 사용자를 다른 음성 채널로 이동시킨다. - 이동 대상자는 이동하려는 채널에 접속할 권한도 가지고 있어야 한다. ## 이벤트 관리 권한 - **이벤트 만들기(Create Events)**: 커뮤니티 이벤트를 예약할 수 있다. - **이벤트 관리(Manage Events)**: 생성된 이벤트를 수정하거나 삭제할 수 있다. - 이벤트 생성 권한만으로는 생성 후 내용을 수정할 수 없다. ## 관리자 권한은 최소한으로 부여 관리자 권한은 메시지, 이모지, 채널 등 서버의 중요한 요소를 수정하거나 삭제할 수 있는 강력한 권한이다. - 커뮤니티에 실제로 필요한 권한만 활성화해야 한다. - 누구에게나 일괄적으로 관리자 권한을 부여하지 말고, 신뢰할 수 있는 사람을 선별해야 한다. - **서버 관리(Manage Server)** 권한은 서버의 주요 설정을 변경할 수 있으며, 예시로 서버 이름 변경 등이 포함된다. - 제공된 글 내용은 서버 관리 권한의 세부 항목을 설명하는 중간에서 끝나므로, 관리자 권한 전체 목록은 확인할 수 없다. 권장 방식은 일반 멤버에게는 대화와 참여에 필요한 권한만 주고, 모더레이터에게는 삭제·제한·음성 관리 권한을 추가하며, 서버 설정을 바꾸는 관리자 권한은 최소 인원에게만 부여하는 것이다.

원문 읽기(새 탭에서 열림)

discordvoice-chatslash-commandsrole-based-access-control+2

figma·2025년 6월 24일·3분 읽기큐레이션 요약

캔버스, 코드를 만나다

Figma의 코드 레이어는 디자인 캔버스와 실제 코드를 하나의 작업 공간에서 결합하려는 시도다. React 기반 코드를 일반 Figma 레이어처럼 이동·복제·리사이즈하고, AI 또는 내장 IDE로 편집할 수 있게 해 디자인의 자유로운 탐색성과 코드의 강력한 기능을 함께 제공한다. 이를 위해 Figma는 캔버스 모델, 웹 기반 코드 편집기, 디자이너와 개발자의 협업 방식을 통합하는 하이브리드 접근법을 택했다. ## 디자인 캔버스와 코드의 충돌 - Figma 캔버스는 객체를 자유롭게 배치하고 수정하는 2D 공간이다. - 반면 코드는 디렉터리와 파일로 구성된 계층적 파일 시스템을 전제로 한다. - 이 차이 때문에 다음과 같은 문제가 발생한다. - 캔버스에서 코드 레이어를 복제하면 새 인스턴스를 만들 것인지, 코드의 분기본을 만들 것인지 결정해야 한다. - 코드의 원본이 캔버스인지 파일 시스템인지 명확히 해야 한다. - 시각적 레이어와 실제 코드 파일의 위치를 어떻게 연결할지 정해야 한다. - Figma는 코드의 구조를 캔버스에 그대로 강요하기보다, 코드가 Figma의 공간적 작업 방식에 맞도록 설계했다. ## 코드를 새로운 캔버스 기본 요소로 구현 - 코드 레이어는 일반 레이어처럼 다음 작업을 지원한다. - 자유로운 이동과 크기 조절 - 부모 레이어 변경 - 오토 레이아웃 스택에 배치 - 다른 레이어와 동일한 방식의 중첩 - 코드 레이어를 복제하면 별도의 코드 포크가 생성된다. - 따라서 Git 브랜치를 따로 만들지 않고도 `Option` 키를 누른 채 드래그해 여러 코드 버전을 나란히 비교할 수 있다. - 이러한 방식은 디자인에서 흔한 빠른 복제와 실험, 버전 비교를 코드에도 적용한다. ## React와 Figma 컴포넌트의 결합 - Figma는 컴포넌트 모델과 React의 컴포넌트 모델이 유사하다는 점에서 React를 선택했다. - 두 시스템 모두 재사용 가능한 구성 요소를 조합해 화면과 애플리케이션을 만든다. - React의 props는 Figma의 컴포넌트 속성과 연결된다. - 개발자가 코드에서 속성을 정의하면 디자이너는 Figma 화면에서 다음과 같은 컨트롤로 값을 조정할 수 있다. - 토글 - 슬라이더 - 드롭다운 - 결과적으로 코드 컴포넌트도 일반 Figma 컴포넌트처럼 시각적으로 재사용하고 변형할 수 있다. ## AI와 직접 편집을 함께 지원하는 IDE - 코드 레이어는 AI만으로 생성하고 수정할 수 있지만, 사용자가 직접 코드를 편집할 수 있는 환경도 필요했다. - Figma는 웹 기반의 내장 IDE를 만들기 위해 CodeMirror를 핵심 편집 엔진으로 채택했다. - CodeMirror의 확장 구조를 활용해 다음 기능을 제공할 수 있다. - 색상 테마 - 찾기 및 바꾸기 - 줄 번호 - Figma 환경에 맞춘 편집 동작 - 기본 편집기의 실행 취소·다시 실행 동작은 Figma의 자체 멀티플레이어 undo 스택과 통합하기 위해 교체했다. - 이를 통해 코드 편집도 Figma의 다른 작업과 일관된 협업 및 실행 취소 경험을 제공하도록 했다. ## 코드 레이어 설계에서 해결해야 할 세 가지 과제 - Figma는 코드 레이어를 구축하며 다음 문제를 핵심 과제로 삼았다. - 코드 레이어와 컴포넌트를 기존 Figma 생태계에 자연스럽게 통합하기 - 강력하면서도 쉽게 사용할 수 있는 웹 IDE 제공하기 - 디자이너와 개발자가 동시에 작업할 수 있는 멀티플레이어 협업 지원하기 - 전체 방향은 코드의 엄격한 구조를 그대로 가져오는 것이 아니라, Figma의 시각적이고 실험적인 작업 방식을 유지하면서 코드의 표현력을 추가하는 데 있다. 코드 레이어는 디자인 파일 안에 단순히 코드를 삽입한 기능이 아니라, 코드를 Figma의 레이어와 컴포넌트 모델에 맞춰 재구성한 기능이다. 디자인을 한 번의 클릭으로 코드 레이어로 바꾸고, AI나 직접 코딩으로 상호작용을 추가할 수 있으므로 디자이너와 개발자가 같은 캔버스에서 더 빠르게 실험할 수 있다는 점이 핵심이다.

원문 읽기(새 탭에서 열림)

Reactmultiplayer-collaborationcode-editorcodemirror+2

google·2025년 6월 24일원문

MUVERA: 다 (새 탭에서 열림)

구글 리서치에서 발표한 MUVERA는 복잡한 멀티 벡터 검색(Multi-vector retrieval) 과정을 단일 벡터 기반의 최대 내적 탐색(MIPS) 문제로 변환하여 처리 속도를 혁신적으로 개선한 알고리즘입니다. 이 기술은 고정 차원 인코딩(FDE)을 통해 여러 개의 벡터 집합을 하나의 벡터로 압축함으로써, 멀티 벡터 모델의 높은 정확도를 유지하면서도 기존의 최적화된 단일 벡터 검색 인프라를 그대로 활용할 수 있게 해줍니다. **멀티 벡터 검색의 복잡성과 기존의 한계** * ColBERT와 같은 최신 멀티 벡터 모델은 텍스트의 각 토큰마다 별도의 임베딩을 생성하여 문맥을 정밀하게 파악하지만, 이는 처리해야 할 벡터의 양을 기하급수적으로 늘리는 결과를 초래합니다. * 멀티 벡터 간의 유사도를 측정할 때는 주로 챔퍼 유사도(Chamfer similarity)를 사용하는데, 이는 비선형적인 행렬 곱 연산이 필요하여 단일 벡터의 점곱(Dot-product) 연산보다 훨씬 많은 계산 자원을 소모합니다. * 기존의 효율적인 검색 알고리즘(공간 분할 기법 등)은 대개 단일 벡터에 최적화되어 있어, 복잡한 멀티 벡터 구조에서는 검색 속도가 데이터 규모에 비례해 느려지는 성능 병목 현상이 발생합니다. **고정 차원 인코딩(FDE)을 통한 효율화** * MUVERA의 핵심은 '고정 차원 인코딩(Fixed Dimensional Encoding, FDE)' 기술로, 여러 벡터로 구성된 데이터 포인트를 유사도 정보가 보존된 단일 벡터로 변환합니다. * 이 방식은 두 FDE 벡터 간의 내적 값이 원래 멀티 벡터 집합 간의 복잡한 유사도와 유사하도록 설계되어, 고차원적인 검색 문제를 단순한 벡터 비교 문제로 치환합니다. * 특히 이 변환 과정은 '데이터 무관(Data-oblivious)' 방식으로 작동하여 특정 데이터셋의 분포에 의존하지 않으므로, 데이터가 실시간으로 변하는 스트리밍 환경에서도 안정적으로 적용 가능합니다. **MUVERA의 3단계 검색 프로세스** * **FDE 생성 및 인덱싱**: 문서 내의 멀티 벡터 집합을 단일 FDE 벡터로 변환하고, 이를 표준 MIPS 솔버를 사용하여 인덱싱합니다. * **MIPS 기반 1차 검색**: 쿼리가 들어오면 쿼리의 FDE를 즉시 계산한 후, 최적화된 MIPS 알고리즘을 통해 수많은 데이터 중 유사도가 높은 후보군을 하위 선형 시간(Sublinear time) 내에 빠르게 추출합니다. * **재순위화(Re-ranking)**: 추출된 소수의 후보군에 대해서만 원래의 정밀한 챔퍼 유사도를 계산하여 최종 검색 결과의 순위를 조정함으로써 정확도를 극대화합니다. 멀티 벡터 모델의 높은 검색 품질을 원하면서도 기존 단일 벡터 검색 엔진의 속도와 효율성을 포기할 수 없는 환경이라면 MUVERA가 최적의 해결책이 될 수 있습니다. 기존 MIPS 인프라를 그대로 사용하면서 모델의 성능만 업그레이드할 수 있다는 점에서 시스템 확장성 측면의 이점이 매우 큽니다.

information-retrievalvector-embeddingsmulti-vector-retrievalmaximum-inner-product-search+3

datadog·2025년 6월 24일원문

서버 의존성 없이 실시간 클라이언트 사이드 노이즈 억제 라이브러리를 구축한 방법 (새 탭에서 열림)

Datadog의 CoScreen 팀은 원격 협업 중 발생하는 배경 소음을 실시간으로 제거하기 위해, 높은 성능과 이식성을 갖춘 오픈소스 라이브러리인 `dtln-rs`를 개발했습니다. 기존의 노이즈 억제 도구들은 WebRTC와의 통합이 어렵거나 고성능 서버 자원을 요구한다는 한계가 있었으나, 이 라이브러리는 클라이언트 측에서 효율적으로 동작하도록 설계되었습니다. 결과적으로 M1 맥북 프로 기준 1초의 오디오를 단 33ms 만에 처리하며, 서버 의존성 없이 다양한 플랫폼에서 고품질의 실시간 소음 제거를 가능하게 합니다. **dtln-rs: 경량화된 실시간 노이즈 억제 라이브러리** * DTLN(Dual-Signal Transformation LSTM Network) 모델을 기반으로 구축된 Rust 언어 기반의 프로젝트입니다. * WebAssembly(WASM), Native Rust, Node.js 네이티브 모듈 등 다양한 타겟으로 빌드할 수 있어 웹 브라우저와 네이티브 앱 모두에 쉽게 통합 가능합니다. * 실제 테스트에서 이웃의 잔디 깎는 기계 소음을 완전히 제거할 정도로 뛰어난 성능을 보여주었으며, 이를 통해 사용자에게 실제적인 가치를 전달합니다. **DTLN 모델의 작동 원리와 효율성** * STFT(단시간 푸리에 변환)를 사용하여 소리를 작은 단위로 분해하고, 주파수별 볼륨(크기 스펙트럼)과 위상(Phase) 정보를 분석합니다. * LSTM(장단기 메모리) 신경망이 포함된 모델을 통해 분석된 데이터 중 어떤 부분이 음성이고 어떤 부분이 소음인지 실시간으로 판단합니다. * 위상 정보와 크기 성분을 모두 활용하는 딥러닝 방식 덕분에 에어컨 소음, 카페 소음, 종이 부스럭거리는 소리 등 다양한 환경에 동적으로 적응하며 즉각적인 감쇠가 가능합니다. **기존 기술의 한계와 개발 배경** * 기존의 고성능 AI 노이즈 제거 모델들은 대부분 강력한 서버 하드웨어를 필요로 하며, 이는 추가적인 지연 시간(Latency)과 막대한 서버 비용을 발생시킵니다. * WebRTC는 널리 쓰이는 오픈소스 기술임에도 불구하고 내장된 노이즈 제거 기능은 구세대 솔루션에 머물러 있어 현대적인 협업 도구들의 품질 요구 수준을 충족하지 못했습니다. * Google 등 대기업이 사용하는 최첨단 모델은 비공개 소스이거나 전용 서버 인프라에 종속되어 있어, 소규모 팀이나 일반 개발자들이 자신들의 앱에 고품질 기능을 구현하기에는 제약이 컸습니다. 실시간 오디오 및 비디오 애플리케이션을 개발하면서 서버 비용 부담 없이 고성능 노이즈 캔슬링 기능을 추가하고 싶다면 `dtln-rs`를 검토해 보시기 바랍니다. 클라이언트 측 리소스를 효율적으로 활용하면서도 WebRTC와 매끄럽게 결합되는 이 라이브러리는 사용자 경험을 한 단계 끌어올리는 실용적인 해결책이 될 것입니다.

데이터베이스 설계Rust딥러닝webassembly+4

line·2025년 6월 24일원문

테크 컨퍼런스 Tech-Verse 2025를 개최합니다 (새 탭에서 열림)

LY Corporation은 오는 6월 30일부터 7월 1일까지 양일간 글로벌 테크 컨퍼런스인 'Tech-Verse 2025'를 개최합니다. 이번 행사는 AI와 보안을 메인 테마로 하여 전 세계 그룹사 엔지니어들이 경험한 127개의 기술 세션을 온라인으로 공유할 예정입니다. 누구나 무료 사전 등록을 통해 참여할 수 있으며, 한국어, 영어, 일본어 실시간 통역이 제공되어 글로벌 기술 트렌드를 깊이 있게 파악할 수 있는 기회를 제공합니다. **Tech-Verse 2025 행사 개요 및 참여 방법** * **일정 및 방식**: 2025년 6월 30일(월)부터 7월 1일(화)까지 매일 오전 10시에서 오후 6시 사이에 진행되며, 전 세션 온라인 스트리밍으로 생중계됩니다. * **참여 대상**: 공식 사이트에서 사전 등록만 하면 누구나 무료로 시청할 수 있어 접근성이 높습니다. * **글로벌 협업**: 한국의 LINE Plus를 비롯해 일본, 대만, 베트남 등 LY Corporation 그룹사 전체의 엔지니어, 디자이너, 프로덕트 매니저가 참여하여 폭넓은 기술 생태계를 다룹니다. **12개 분야의 방대한 기술 세션 구성** * **일자별 트랙 구성**: 1일 차에는 AI, 보안, 서버사이드, 프라이빗 클라우드 등 인프라 중심의 세션이 배치되며, 2일 차에는 AI 유즈 케이스, 프론트엔드, 모바일 앱, 디자인 및 제품 관리 등 사용자 접점 기술을 중점적으로 다룹니다. * **다국어 지원**: 총 127개의 세션에 대해 3개 국어(한/영/일) 실시간 통역을 지원하여 언어 장벽 없이 기술적 디테일을 학습할 수 있습니다. * **핵심 테마**: 최근 IT 업계의 화두인 생성형 AI의 실무 적용과 고도화된 보안 전략이 전체 컨퍼런스의 중심축을 이룹니다. **분야별 주목해야 할 주요 기술 사례** * **AI 및 데이터 파이프라인**: 단순한 코드 작성을 넘어 전문적인 AI 코딩 프로세스로의 진화와 생성형 AI를 활용한 데이터 파이프라인 구축 및 분석 자동화 사례가 소개됩니다. * **인프라 및 서버사이드**: 'Central Dogma Control Plane'을 활용해 수천 개의 마이크로서비스를 연결하는 대규모 인프라 관리 기법과 LINE Call의 영상 품질 개선을 위한 서버 기술이 공유됩니다. * **앱 개발 및 사용자 경험**: 배달 서비스 '데마에칸(Demae-can)'의 개발 환경을 React Native에서 Flutter로 전면 교체한 과감한 이행 전략과 데이터 기반의 LINE Talk 사용자 인사이트 도출 과정이 포함되어 있습니다. **참여 권장 및 실용 가이드** 최신 기술 트렌드와 대규모 서비스 운영 노하우를 얻고 싶은 개발자라면 Tech-Verse 2025 공식 사이트를 통해 관심 있는 세션을 미리 타임테이블에 등록해 두는 것이 좋습니다. 특히 현업에서 AI 도입을 고민하거나 대규모 트래픽 처리를 위한 인프라 구조를 연구하는 엔지니어들에게 실질적인 기술적 영감을 줄 것으로 기대됩니다.

AI생성형 AIsecuritydata-pipeline+4

datadog·2025년 6월 24일·2분 읽기큐레이션 요약

서버 의존성 없는 실시간

Datadog의 Gartner® Observability Platforms 2026 매직 쿼드런트 리더 선정 소식을 홍보하는 페이지로 보입니다. 제공된 내용에는 본문 대신 Datadog 제품 메뉴와 링크 목록이 대부분 포함되어 있어, 선정 근거와 기술적 세부사항은 확인할 수 없습니다. ### Gartner 매직 쿼드런트 리더 선정 - Datadog이 **Gartner® Magic Quadrant™ for Observability Platforms 2026**에서 Leader로 선정되었다고 안내합니다. - 연결된 페이지는 Datadog의 관측성 플랫폼 경쟁력과 관련된 자료를 제공하는 리소스 페이지로 보입니다. - 다만 제공된 텍스트에는 평가 기준, 경쟁사 비교, Datadog의 강점과 개선점에 대한 Gartner의 구체적인 분석이 포함되어 있지 않습니다. ### Datadog의 인프라·애플리케이션 관측성 - 인프라 모니터링 - 호스트, 메트릭, 컨테이너, Kubernetes, 네트워크, 서버리스 환경 모니터링 - GPU, 스토리지, 클라우드 비용 관리 기능 제공 - 애플리케이션 모니터링 - APM, 서비스 모니터링, 지속적 프로파일링, 동적 계측 - AI 에이전트 관측성 기능 포함 - 데이터 및 데이터베이스 - Database Monitoring, Data Streams Monitoring - 데이터 품질 및 작업(Job) 모니터링 ### 로그 및 보안 기능 - 로그 관리와 Observability Pipelines를 통해 로그 수집·처리·전송을 지원합니다. - Sensitive Data Scanner로 민감정보를 탐지하고, Audit Trail로 활동을 추적합니다. - 코드 보안, SAST, IaC 보안, 클라우드 보안, SIEM, 워크로드 보호 등 보안 기능도 플랫폼에 통합되어 있습니다. ### 디지털 경험과 소프트웨어 제공 - Browser·Mobile RUM, 세션 리플레이, Synthetic Monitoring으로 사용자 경험을 분석합니다. - 오류 추적, 제품 분석, 실험 기능을 제공합니다. - CI Visibility, 테스트 최적화, 지속적 테스트, 코드 커버리지, Feature Flags 등 개발·배포 과정도 관측 대상에 포함합니다. ### 서비스 관리와 AI - 이벤트 관리, 서비스 카탈로그, SLO, 인시던트 대응, 워크플로 자동화를 제공합니다. - Watchdog과 Bits 계열 AI 기능을 활용해 이상 탐지, 조사, 자동화, 보안 분석을 지원합니다. - MCP Server, AI 에이전트, GPU 모니터링 등 AI 운영 환경을 위한 기능도 포함되어 있습니다. 실제 글의 핵심 주장과 평가 근거를 정확히 요약하려면, 제품 메뉴가 아닌 본문 전체나 Gartner 평가 내용이 추가로 필요합니다.

원문 읽기(새 탭에서 열림)

쿠버네티스datadog옵저버빌리티애플리케이션 성능 모니터링+3

google·2025년 6월 23일원문

연구에서 기후 회복력 (새 탭에서 열림)

구글 리서치는 인공지능(AI) 기술을 활용해 홍수, 사이클론, 극한 기후 등 기후 위기에 대응하고 전 지구적인 기후 회복 탄력성을 강화하고 있습니다. 과거에는 불가능하다고 여겨졌던 정밀한 기상 예측 모델을 실현함으로써 수억 명의 사람들에게 실무적인 재난 정보를 제공하고 인명 및 재산 피해 예방에 기여하고 있습니다. 연구 성과를 실제 제품과 서비스로 전환하여 데이터가 부족한 취약 지역까지 보호 범위를 확장하는 것이 이 프로젝트의 핵심 결론입니다. **AI 기반 홍수 예측 시스템의 글로벌 확산** * *Nature*지에 게재된 글로벌 수문학 AI 모델을 통해 전 세계 하천 홍수를 최대 7일 전부터 정확하게 예측할 수 있는 기술을 구현했습니다. * 구글의 '플러드 허브(Flood Hub)' 플랫폼을 통해 100개국 이상의 7억 명에게 예측 정보를 제공하며, 정부와 지역사회가 사전에 대비할 수 있도록 돕습니다. * 물리적 측정기가 없는 데이터 취약 지역을 위해 AI가 과거 데이터를 분석해 생성한 '가상 게이지(Virtual gauges)' 기술을 도입하여 150개국으로 서비스 범위를 확장했습니다. * WMO(세계기상기구) 및 주요 국가 기상청과 협력하여 홍수 예측 기술의 글로벌 스케일업을 추진하며 공공 안전을 도모합니다. **사이클론 예측의 정확도 및 리드 타임 개선** * 구글 딥마인드와 협력하여 사이클론의 발생 여부, 이동 경로, 강도, 크기 등을 최대 15일 전부터 예측하며, 50가지 이상의 발생 가능한 시나리오를 생성합니다. * 최신 기상 모델 연구 결과를 전문가와 대중에게 공유하는 인터랙티브 웹사이트 '웨더 랩(Weather Lab)'을 통해 데이터 접근성을 높였습니다. * 미국 국립허리케인센터(NHC)와 파트너십을 맺고 대서양 허리케인 시즌 동안 실험적 모델을 활용하여 더 빠르고 정확한 경보 체계를 구축하고 있습니다. **나우캐스팅을 통한 실시간 국지적 기상 정보 제공** * 지상 레이더 등 전통적 인프라가 부족한 아프리카 지역을 위해 5km 해상도, 15분 간격 업데이트를 제공하는 초단기 강수 예측(Nowcasting) 기술을 구현했습니다. * 최첨단 신경망 기상 모델인 'MetNet-3'와 글로벌 위성 관측 데이터를 결합하여 인프라 격차를 극복하고 구글 검색을 통해 실시간 정보를 제공합니다. * 정밀한 단기 예측은 특히 농업 종사자들이 기상 변화에 능동적으로 대처하게 함으로써 수확량 개선과 운영 비용 절감 등 경제적 회복력을 높이는 데 기여합니다. **글로벌 협업을 통한 기술의 실효성 확보** 기상 위기는 국경을 초월하는 문제인 만큼, 구글 리서치는 학계, 정부, 비영리 단체와의 광범위한 파트너십을 강조합니다. 기술 개발에 그치지 않고 각국의 기상 당국 및 현지 과학 커뮤니티와 모델을 공유함으로써, AI 기술이 실제 현장에서 인명을 구조하고 공동체의 안전을 지키는 실질적인 도구로 활용되도록 하는 것이 중요합니다.

AI머신러닝neural-networksweather-forecasting+4

figma·2025년 6월 23일·3분 읽기큐레이션 요약

훌륭한 파트너: 에

에이전시와 프리랜서는 원격 협업과 전문 역할의 융합을 바탕으로, 클라이언트와 더 긴밀하게 공동 창작하는 방식으로 변화하고 있다. Figma 같은 협업 도구는 아이디어 공유부터 피드백, 결과물 제작까지의 경계를 허물며 보다 유연하고 투명한 작업을 가능하게 한다. 글은 여러 스튜디오의 사례를 통해 규모보다 민첩성, 일방적 전달보다 지속적인 협업이 중요해졌다고 설명한다. ## 에이전시 업무 방식의 변화 - 원격 근무로 팀이 여러 지역과 시간대에 분산되면서 실시간·비동기 커뮤니케이션의 중요성이 커졌다. - 대형 종합 에이전시 중심의 시장에서 소규모 부티크 에이전시와 프리랜서가 전문성과 민첩성을 앞세워 성장하고 있다. - 디자인 프로세스를 외부에 공개하지 않는 방식에서 벗어나, 에이전시와 클라이언트가 과정 전체를 함께 만드는 방식으로 전환되고 있다. - 에이전시 내부에서도 디자이너, 개발자, 전략가의 역할 경계가 흐려지고 있다. - Design Business Company 공동창업자 Judson Collier는 다양한 분야를 이해하는 제너럴리스트 역량이 다시 중요해졌다고 말한다. ## Figma를 활용한 공동 창작 - Figma는 디자인 시안뿐 아니라 의견 교환, 리뷰, 수정, 의사결정을 하나의 작업 공간에서 진행하게 한다. - 클라이언트에게 Figma 링크를 공유하면 클라이언트가 편한 시간에 댓글을 남기고, 에이전시가 이를 바탕으로 계속 아이디어를 발전시킬 수 있다. - 과거처럼 인쇄된 PDF를 회의실에서 일방적으로 발표하는 대신, 더 비공식적이고 빈번한 상호작용이 가능해졌다. - 클라이언트가 디자인 도구와 디자인 언어에 익숙해지면서, 에이전시와 클라이언트의 관계도 수직적 전달 구조에서 파트너십으로 바뀌고 있다. ## Human의 유연한 팀 구조 - 디지털 스튜디오 Human은 프로젝트 수요에 따라 팀 규모를 6~10명 사이에서 조정한다. - 이 구조는 프리랜서 수준의 민첩성과 대형 에이전시의 경험·안정성을 동시에 확보하려는 방식이다. - 디자이너와 개발자가 클라이언트와 긴밀하게 협업해, 조직 내부 팀과 외부 에이전시 사이에서 발생하는 단절을 줄인다. - 클라이언트가 외부 파트너를 내부 팀의 일부처럼 받아들이는 추세와도 잘 맞는다. ## Jimini Health의 브랜드 개발 - Human은 정신건강 AI 기업 Jimini Health의 새로운 시각 아이덴티티와 웹사이트를 제작했다. - 프로젝트의 스프린트 과정에서 양측은 브랜드가 어떤 가치와 감정을 표현해야 하는지 먼저 논의했다. - Jimini의 브랜딩 시스템은 인간 감정의 폭넓은 스펙트럼을 시각적으로 표현한다. - 다양한 정신건강 주제를 구분할 수 있도록 견고하고 ADA를 준수하는 색상 팔레트를 구축했다. - 사진, 소셜 미디어, 웹사이트, 앱 등 여러 접점에서 일관된 시각 정체성을 유지하도록 설계했다. - Figma Slides를 활용해 브랜드 방향성과 아이디어를 공유하고, 양 팀이 시각적 결과물을 보며 구체적인 합의를 만들어 갔다. ## 실무에 적용할 수 있는 시사점 - 클라이언트를 최종 검수자가 아니라 초기 기획부터 참여하는 공동 제작자로 설정한다. - 문서나 발표 자료를 일방적으로 전달하기보다 Figma 링크와 댓글을 활용해 지속적인 피드백 루프를 만든다. - 프로젝트별로 필요한 인력을 유연하게 구성하되, 디자인과 개발 등 핵심 역할 간 협업 구조는 긴밀하게 유지한다. - 브랜드 아이덴티티를 만들 때 색상, 사진, 앱, 웹, 소셜 미디어 등 실제 사용 환경까지 함께 설계해야 한다.

원문 읽기(새 탭에서 열림)

Figma디자인 시스템사용자 경험collaborative-design+2

datadog·2025년 6월 23일원문

수천 개의 예측 불가능한 엔드포인트에 안정적으로 로그를 전달한 방법 (새 탭에서 열림)

Datadog은 수천 개의 외부 엔드포인트로 로그를 안정적으로 전달하기 위해 물리적인 택배 배송 서비스의 원리를 소프트웨어 아키텍처에 도입했습니다. 특히 Kafka의 엄격한 순차 처리(FIFO) 특성으로 인해 발생하는 '특정 목적지의 장애가 전체 시스템을 마비시키는 문제'를 해결하는 데 집중했습니다. 이를 통해 저지연, 고처리량, 그리고 높은 신뢰성을 보장하는 멀티테넌트 로그 전달 시스템을 구축할 수 있었습니다. ### 로그 포워딩의 역할과 내부 데이터 흐름 * Datadog 로그 포워딩은 내부에서 처리된 JSON 형식의 로그를 ElasticSearch, Splunk, 또는 커스텀 HTTP 엔드포인트와 같은 외부 목적지로 전송하는 디지털 배송 서비스입니다. * 모든 로그 데이터는 내부적으로 Kafka 토픽을 통해 이동하며, 이는 마치 물류 센터의 컨베이어 벨트처럼 작동하여 데이터의 순서를 보장합니다. * 다양한 고객과 목적지로 향하는 로그들이 Kafka 파티션 내에 혼합되어 흐르기 때문에, 이를 목적지별로 다시 그룹화하여 효율적으로 전달하는 과정이 필요합니다. ### 외부 엔드포인트 연동 시 발생하는 병목 현상 * **엔드포인트 불확실성**: 외부 수신 서버는 Datadog의 통제 밖에 있으며, 수시로 응답이 느려지거나 일시적으로 오프라인 상태가 될 수 있습니다. * **Head-of-Line Blocking**: Kafka는 파티션 내의 데이터를 순서대로 처리(Commit)해야 합니다. 만약 특정 목적지의 서버가 응답하지 않아 전송에 실패하면, 해당 파티션에 담긴 다른 모든 목적지의 로그들까지 전송이 중단되는 병목 현상이 발생합니다. * **데이터 유실과 중복의 트레이드오프**: 전송 성공 확인 없이 다음 데이터를 읽으면 유실 위험이 있고, 성공할 때까지 무한히 재시도하면 전체 시스템의 지연 시간(Latency)이 급격히 증가합니다. ### 대규모 멀티테넌시 환경의 설계 제약 * **리소스 효율성**: 수만 개의 목적지마다 별도의 Kafka 토픽을 생성하는 것은 운영 오버헤드와 리소스 낭비가 너무 커서 현실적으로 불가능합니다. * **처리량 최적화**: 매 로그마다 HTTP 요청을 보내는 대신, 택배를 모아서 한 번에 배송하듯 적절한 '배치(Batch)' 처리를 통해 네트워크 오버헤드를 줄여야 합니다. * **보호 메커니즘**: 고객의 엔드포인트가 과부하로 인해 다운되지 않도록 전송 속도를 조절(Rate Limiting)하는 기능이 필수적입니다. ### 실용적인 결론 대규모 분산 시스템에서 외부 시스템과 연동하는 기능을 설계할 때는 **"단일 장애 지점이 전체 시스템에 미치는 영향"**을 최소화하는 격리 전략이 핵심입니다. Kafka와 같은 FIFO 기반 시스템을 사용할 경우, 장애가 발생한 데이터 스트림을 별도의 재시도 경로로 분리하여 정상적인 데이터 흐름이 방해받지 않도록 아키텍처를 구성해야 합니다.

데이터베이스 설계datadogApache Kafkajson+4

datadog·2025년 6월 23일·2분 읽기큐레이션 요약

수천 개의 예측 불가능

Datadog이 2026년 Gartner® Observability Platforms 매직 쿼드런트에서 Leader로 선정되었다는 내용이 핵심입니다. 다만 제공된 본문에는 실제 기술 글의 내용보다 Datadog 제품 및 내비게이션 목록이 대부분 포함되어 있어, 선정 근거와 기술적 세부 사항은 확인할 수 없습니다. ### Gartner 매직 쿼드런트 선정 - Datadog이 Gartner의 Observability Platforms 부문에서 Leader로 소개됨 - 관련 리소스 링크가 제공되지만, 평가 기준이나 순위에 대한 상세 설명은 본문에 포함되지 않음 - 관측 가능성 플랫폼을 인프라, 애플리케이션, 로그, 보안, 사용자 경험 등 여러 영역을 통합하는 제품군으로 홍보함 ### Datadog의 인프라·애플리케이션 모니터링 - 인프라 모니터링, 메트릭, 컨테이너 및 Kubernetes 모니터링을 제공 - 네트워크, 서버리스, 클라우드 비용, 스토리지, GPU 모니터링까지 지원 - APM, 서비스 모니터링, 지속적 프로파일링, 동적 계측으로 애플리케이션 성능을 분석 - 데이터베이스, 데이터 스트림, 데이터 품질 및 작업 모니터링 기능도 포함 ### 로그와 보안 관측 - 로그 관리, Observability Pipelines, 민감 데이터 스캐닝, 감사 추적 기능을 제공 - 코드 보안, SAST, SCA, IaC 보안, 클라우드 보안, 취약점 관리 등을 포함 - Cloud SIEM, 워크로드 보호, 애플리케이션·API 보호 기능으로 보안 영역을 확장 ### 사용자 경험과 소프트웨어 전달 - 브라우저·모바일 RUM, 세션 리플레이, 신 synthetics 모니터링, 오류 추적을 지원 - CI Visibility, 테스트 최적화, 지속적 테스트, 코드 커버리지, 기능 플래그 기능 제공 - 서비스 카탈로그, SLO, 인시던트 대응, 이벤트 관리 및 워크플로 자동화 기능으로 운영 프로세스를 지원 ### AI와 통합 플랫폼 - Bits AI Agents, Bits Chat, Bits Investigation 등 AI 기반 조사·자동화 기능을 제공 - MCP Server, AI 통합, Agent Observability 등을 통해 AI 시스템과 에이전트의 운영 상태를 관찰 - 대시보드, 알림, Watchdog, 노트북, 접근 제어 등 공통 플랫폼 기능을 제공 제공된 자료만으로는 실제 기술 블로그의 주장이나 구현 방식까지 요약하기 어렵습니다. 원문 본문을 추가로 제공하면 로그 전달 안정성이나 트리거·보관 구조 등 기술적 내용을 중심으로 정확히 정리할 수 있습니다.

원문 읽기(새 탭에서 열림)

쿠버네티스datadog옵저버빌리티애플리케이션 성능 모니터링+4

google·2025년 6월 22일원문

다채로운 양자의 미래 (새 탭에서 열림)

구글 퀀텀 AI 팀은 초전도 큐비트 플랫폼에서 양자 오류 정정을 위한 '컬러 코드(Color Codes)'를 성공적으로 구현하며 차세대 양자 컴퓨팅의 가능성을 제시했습니다. 이번 연구는 기존에 널리 사용되던 표면 코드(Surface Code)보다 더 적은 물리적 자원으로도 효율적인 오류 정정이 가능함을 실험적으로 입증한 결과입니다. 특히 시스템 규모가 커질수록 논리 오류율이 감소하는 경향을 확인했으며, 이는 결함 허용(Fault-tolerant) 양자 컴퓨터 구축을 위한 중요한 이정표가 될 것입니다. **컬러 코드의 기하학적 효율성과 자원 절감** * 표면 코드가 사각형 격자 구조를 사용하는 것과 달리, 컬러 코드는 삼각형 형태의 육각형 타일링 기하학을 채택하여 논리 큐비트를 구성합니다. * 동일한 '코드 거리(오류를 감지하고 수정할 수 있는 최소 오류 수)'를 유지하면서도 표면 코드보다 훨씬 적은 수의 물리 큐비트만으로 논리 큐비트를 생성할 수 있다는 강점이 있습니다. * 물리적 회로의 깊이가 깊어지고 디코딩 알고리즘이 복잡해지는 기술적 난제가 있었으나, 구글의 최신 'Willow' 칩과 고도화된 디코딩 기술을 통해 오류 정정 임계값 이하의 성능을 달성했습니다. **거리 확장을 통한 오류 억제 성능 입증** * 실험에서 코드 거리 3과 거리 5의 컬러 코드를 비교한 결과, 거리가 증가함에 따라 논리 오류율이 1.56배 억제되는 것을 확인했습니다. * 이는 물리 큐비트를 추가하여 코드 거리를 늘릴수록 더 완벽에 가까운 논리 큐비트를 만들 수 있다는 원리를 실험적으로 증명한 것입니다. * 비록 표면 코드에서 달성한 2.31배의 억제율보다는 아직 낮지만, 시스템 규모가 커질수록 컬러 코드의 기하학적 이점이 더 큰 효율성을 발휘할 것으로 기대됩니다. **논리 연산 속도의 획기적인 향상** * 컬러 코드의 가장 큰 장점 중 하나는 단일 큐비트 논리 연산 속도가 표면 코드에 비해 비약적으로 빠르다는 점입니다. * 예를 들어 양자 연산의 핵심인 '하다마르(Hadamard)' 게이트의 경우, 표면 코드에서는 수천 나노초가 소요되는 반면 컬러 코드에서는 단 20ns 만에 수행이 가능하여 약 1,000배 빠른 속도를 보여줍니다. * 연산 속도가 빨라지면 전체 알고리즘 실행에 필요한 오류 정정 사이클 횟수가 줄어들어, 결과적으로 물리적 자원 요구량을 더욱 낮추는 선순환 구조를 만듭니다. **임의 상태 주입 및 확장성** * 양자 알고리즘 구현에 필수적인 '마법 상태(Magic state)' 또는 T-상태를 생성하기 위해 임의의 큐비트 회전을 논리 큐비트에 주입하는 과정을 성공적으로 시연했습니다. * 논리적 무작위 벤치마킹(Logical Randomized Benchmarking)을 통해 다양한 단일 큐비트 논리 연산의 정확도를 검증했습니다. 이번 연구는 컬러 코드가 자원 효율성과 연산 속도 측면에서 표면 코드의 강력한 대안이 될 수 있음을 보여줍니다. 미래의 대규모 양자 컴퓨터 아키텍처를 설계할 때, 더 적은 큐비트로 더 빠른 연산을 수행할 수 있는 컬러 코드는 실용적인 결함 허용 양자 컴퓨팅 시대를 앞당기는 핵심 기술이 될 것으로 보입니다.

fault-tolerancesuperconducting-qubitsquantum-error-correctionsurface-code+3

google·2025년 6월 22일원문

M-REGLE을 활용한 (새 탭에서 열림)

Google Research에서 발표한 M-REGLE(Multimodal REpresentation learning for Genetic discovery on Low-dimensional Embeddings)은 심전도(ECG)와 광혈류측정(PPG) 등 다양한 건강 데이터를 통합 분석하여 질병의 유전적 원인을 밝혀내는 인공지능 프레임워크입니다. 이 모델은 여러 데이터 스트림을 결합해 하나의 잠재적 '서명'을 학습함으로써 기존 단일 모달리티 분석보다 더 풍부한 생물학적 신호를 포착하고 데이터 노이즈를 효과적으로 줄입니다. 결과적으로 M-REGLE은 유전적 연관성 발견 효율을 극대화하고 심혈관 질환 예측 성능을 획기적으로 향상시켰습니다. ### M-REGLE의 작동 원리와 다중 모달리티 통합 * **통합 학습 구조**: 기존의 U-REGLE이 각 데이터를 개별적으로 분석한 것과 달리, M-REGLE은 12유도 ECG의 각 리드나 ECG와 PPG 데이터를 분석 전 단계에서 결합하여 공동 학습합니다. * **CVAE 및 PCA 활용**: 합성곱 변이형 오토인코더(CVAE)를 사용하여 복잡한 파형 데이터를 저차원의 잠재 인자(latent factors)로 압축하며, 이후 주성분 분석(PCA)을 적용해 각 인자 간의 독립성을 확보합니다. * **GWAS 연계**: 추출된 독립적 인자들을 전장 유전체 연관 분석(GWAS)과 결합하여, 특정 생리적 신호와 연관된 유전적 변이를 통계적으로 정밀하게 찾아냅니다. ### 데이터 표현력 및 해석 가능성 강화 * **재구성 오류 감소**: M-REGLE은 단일 모달리티 모델 대비 데이터 재구성 오류를 대폭 줄였으며, 특히 12유도 ECG 분석에서 오류를 약 72.5% 감소시켜 원본 파형의 핵심 정보를 더 정확하게 보존함을 입증했습니다. * **잠재 임베딩의 시각화**: 생성형 AI의 특성을 활용해 특정 임베딩 좌표를 변경할 때 재구성되는 파형(예: T파의 변화, 심박수 등)이 어떻게 변하는지 확인하여 모델의 판단 근거를 시각적으로 해석할 수 있습니다. * **질병 식별 지표**: 심방세동(AFib) 환자와 정상인을 구분하는 데 결정적인 역할을 하는 특정 임베딩 좌표(4번, 6번, 10번 등)를 식별하여 임상적 유용성을 더했습니다. ### 유전적 발견 성과 및 질병 예측 성능 * **발견 효율 극대화**: M-REGLE은 ECG와 PPG 통합 분석을 통해 총 773개의 고유한 유전적 위치(loci)를 발견했습니다. 이는 단일 유도 ECG 분석보다 4.3배, 개별 분석 후 통합하는 방식(U-REGLE)보다 2.6배 더 많은 수치입니다. * **다유전자 위험 점수(PRS) 개선**: M-REGLE을 통해 도출된 유전적 지표는 기존의 전문가 설계 특징(심박수 등)이나 단일 모달리티 모델보다 질병 예측 성능이 뛰어났습니다. * **임상적 검증**: UK 바이오뱅크 데이터를 활용한 검증 결과, 심방세동 및 심부전과 같은 주요 심혈관 질환의 발병 위험을 예측하는 데 있어 가장 높은 정확도를 기록했습니다. --- M-REGLE은 스마트워치와 같은 웨어러블 기기에서 생성되는 PPG 데이터와 병원의 전문적인 ECG 데이터를 결합함으로써, 일상과 임상을 잇는 강력한 질병 예측 도구가 될 수 있습니다. 향후 다양한 장기 시스템의 멀티모달 데이터에 이 방식을 적용한다면, 복합 질환의 유전적 메커니즘을 규명하고 환자 맞춤형 정밀 의료를 실현하는 데 핵심적인 역할을 할 것으로 기대됩니다.

AI멀티모달 AI딥러닝genomics+5

line·2025년 6월 18일원문

일 평균 30억 건을 처리하는 결제 시스템의 DB를 Vitess로 교체하기 - 1. 솔루션 선정기 (새 탭에서 열림)

LINE 결제 플랫폼 팀은 라이선스 비용 절감과 시스템 확장성 확보를 위해 기존 Nbase-T 시스템을 오픈소스 데이터베이스 클러스터링 솔루션인 Vitess로 마이그레이션하기로 결정했습니다. Apache ShardingSphere, TiDB 등 다양한 분산 DB 솔루션을 대상으로 성능과 운영 편의성을 비교 분석한 결과, 대규모 트래픽 환경에서 검증된 안정성과 고가용성을 제공하는 Vitess가 최종 후보로 선정되었습니다. 이번 과정은 결제 시스템이라는 특수성에 맞춰 서비스 중단 없는 전환과 물리 서버 환경에서의 최적화 가능성을 검증하는 데 주력했습니다. ### 후보 솔루션별 특징 및 제외 사유 * **Apache ShardingSphere**: 프락시(Proxy)와 JDBC 레이어 방식을 모두 지원하여 유연한 아키텍처 구성이 가능하지만, 데이터가 각 샤드에 고르게 분배되지 않을 경우 리샤딩(리밸런싱) 기능을 직접 구현해야 한다는 치명적인 단점이 있어 후보에서 제외되었습니다. * **TiDB**: MySQL 호환 분산 SQL DB로, SQL 계층(TiDB), 메타데이터 관리(PD), 행/열 기반 저장소(TiKV/TiFlash)로 분리된 구조를 가집니다. 샤딩키 설정 없이도 데이터를 자동 리밸런싱하여 운영 비용을 낮출 수 있다는 장점이 있어 유력한 후보로 PoC를 진행했습니다. * **Vitess**: YouTube에서 개발된 CNCF 프로젝트로, 샤딩 기술을 통해 수평 확장을 지원하며 베어 메탈 환경 설치가 가능해 결제 시스템에 필요한 높은 수준의 안정성을 확보할 수 있습니다. ### Vitess의 구조적 장점과 컴포넌트 역할 * **VTGate**: 클라이언트의 쿼리를 적절한 샤드로 라우팅하고 분산 트랜잭션을 처리하며, 애플리케이션에는 단일 DB처럼 보이도록 추상화 레이어를 제공합니다. * **VTTablet 및 VTorc**: 각 MySQL 인스턴스 앞에 위치하여 쿼리 실행과 복제를 관리하며, VTorc를 통해 장애 발생 시 자동으로 장애 조치(Failover)를 수행하여 고가용성을 유지합니다. * **토폴로지 서버**: ZooKeeper나 etcd를 활용해 클러스터의 구성 정보와 노드 상태를 중앙에서 관리함으로써 분산 환경의 일관성을 보장합니다. ### PoC를 통한 성능 및 운영 환경 검증 * **환경 일치화**: 실제 결제 시스템과 동일한 사양의 장비와 테이블 구조를 설정하여 Nbase-T, Vitess, TiDB 간의 성능 비교를 수행했습니다. * **성능 테스트 결과**: 순수 성능(TPS 및 CPU 효율) 관점에서는 기존 Nbase-T가 가장 우수했으나, Vitess 역시 대규모 요청 상황에서 안정적인 리소스 처리 능력을 보여주었습니다. * **유연한 설정**: Vitess는 필요에 따라 조회와 입력을 프라이머리와 레플리카로 분리하는 기능을 지원하며, 모든 DB 노드에 일괄적인 DDL 수행이 가능하여 관리 효율성이 높음을 확인했습니다. 결제와 같이 높은 신뢰성이 요구되는 시스템을 마이그레이션할 때는 단순한 쿼리 처리 성능뿐만 아니라 자동 장애 복구(Failover) 능력과 데이터 리샤딩의 용이성을 우선적으로 고려해야 합니다. Vitess는 글로벌 대형 서비스들에서 이미 안정성이 검증되었고, 베어 메탈 환경에서도 유연한 최적화가 가능하므로 대규모 MySQL 클러스터 운영이 필요한 조직에 강력히 추천되는 솔루션입니다.

mysqldatabase-migrationdatabase-shardinghigh-availability+4