손주식

네이버 검색의 SRE 시스템

2021-03-12T08:23:14Z

회사 블로그에 작성한 포스트를 공유합니다. 네이버 검색은 국내 최대 규모의 트래픽과 데이터를 다루는 대용량 분산 시스템입니다. 수만 대의 서버에서 수백 개의 검색 서비스가 운영되고 있으며, 하루에도 몇 번씩 크고 작은 신규 개발과 유지보수 활동이 활발하게 반영되고 있습니다. 이렇게 거대하고 역동적인 시스템이 안정적으로 운영되려면, 그리고 항상 최고의 성능

Netflix가 성능 이상을 탐지하는 방법 - Tech Review of Netflix #2

2022-10-25T06:24:17Z

아래 원문을 번역하였습니다. 이해를 위해 의역한 부분도 포함되어 있습니다. https://medium.com/netflix-techblog/detecting-performance-anomalies-in-external-firmware-deployments-ed41b1bfcf46 Netflix는 약 1억 3천9백만 명의 회원이 사용하는 수 백개의 브랜드에서

Netflix의 데이터 기반 인프라 관리 방법 - Tech Review of Netflix #1

2020-03-16T08:21:58Z

아래 원문을 번역하였습니다. 이해를 위해 의역한 부분도 포함되어 있습니다. https://medium.com/netflix-techblog/how-data-inspires-building-a-scalable-resilient-and-secure-cloud-infrastructure-at-netflix-c14ea9f2d00c Netflix의 엔지니어링 문화

Pinterest의 지표 시스템 업그레이드 이야기 - Tech Review of Pinterest #4

2022-07-13T10:53:17Z

지난 리뷰 https://brunch.co.kr/@andrewhwan/59 https://brunch.co.kr/@sonjoosik/10 https://brunch.co.kr/@andrewhwan/60 원문 https://medium.com/pinterest-engineering/upgrading-pinterest-operational-metrics-871

Pinterest의 실시간 시계열 이상 탐지 시스템 - Tech Review of Pinterest #2

2023-07-18T13:00:07Z

지난 리뷰 https://brunch.co.kr/@andrewhwan/59 원문 정보 제목 : Building a real-time anomaly detection system for time series at Pinterest 글쓴이 : Kevin Chen (Software Engineer Intern, Visibility), Brian Overstree

Tinder의 지리 기반 추천 Part 2 - Tech Review of Tinder #2

2021-09-14T10:18:12Z

지난 리뷰 https://brunch.co.kr/@andrewhwan/58 원문 제목 : Geosharded Recommendations Part 2: Architecture 글쓴이: Frank RenDirector, Backend Engineering, Xiaohu LiManager, Backend Engineering, Devin Thomson Lead

Uber의 데이터 시각화 도구 Kepler.gl - Tech Review of Uber #5

2022-09-05T01:17:36Z

Uber에서는 복잡한 지역 정보와 교통 정보를 어떻게 시각화하고 있을까요? '데이터 시각화'는 데이터를 다루는 여러 가지 기술 영역들이 중에서 가장 어렵고 중요한 분야 중 하나입니다. 특히 Uber와 같이 지역 정보를 다뤄야 하는 곳에서는 시각화해보기 전까지는 알기 힘든 지식들이 많기 때문에 그 중요성이 더 높습니다. 그래서 Uber에서는 최근 몇 년간 데

Uber의 신경망 기반의 주요 이벤트 예측 - Tech Review of Uber #3

2023-08-10T18:56:01Z

이 글은 2017년 6월에 작성된 아래 블로그 아티클을 리뷰한 것으로, 간단히 의역 및 번역을 한 뒤 중간중간 제 의견을 첨부하였습니다. (검은색 글이 번역이고 파란색 글이 의견입니다.) https://eng.uber.com/neural-networks/ Uber에서는 '이벤트 예측'을 통해 사용자 수요를 예상함으로써, 서비스의 미래에 대한 대비를 하고

Uber의 머신러닝을 통한 용량 안전성 보장 - Tech Review of Uber #1

2020-05-10T04:15:52Z

Uber는 세계 최대의 승차 공유 서비스로, 2009년 창립되어 만 10년이 지난 현재 세계에서 가장 높은 가치를 지닌 스타트업 중 하나가 되었습니다. 우버는 교통과 관련된 유료 서비스를 제공하기 때문에 작은 시스템 장애만 일어나더라도 사용자 입장에서는 매우 큰 혼란이나 사고가 발생할 수 있을 텐데요. 전 세계 500개 이상의 도시에서 서비스를 제공하면서도

Airbnb의 이벤트 로그 처리 - Tech Review of Airbnb #5

2022-03-30T05:20:37Z

세계 최대 규모의 숙박 공유 서비스인 Airbnb의 기술 리뷰 다섯 번째 글입니다. Spark Streaming 기반으로 대용량 이벤트 로그를 처리하는 방법에 대한 Airbnb의 기술 블로그 포스트를 번역 및 의역하였습니다. 검은색 글은 원문의 번역 및 의역이고, 파란색 글은 번역자의 의견입니다. 원문 : https://medium.com/airbnb-en

Airbnb의 Druid 기반 분석 시스템 - Tech Review of Airbnb #3

2020-01-29T07:17:06Z

지난 리뷰 보기 첫 번째 리뷰 : https://brunch.co.kr/@sonjoosik/2 두 번째 리뷰 : https://brunch.co.kr/@andrewhwan/51 세계 최대 규모의 숙박 공유 서비스인 Airbnb의 기술 리뷰 세 번째 글입니다. Airbnb에서 사용하는 Druid 기반 데이터 분석 시스템에 대한 기술 블로그 포스트를 번역

Airbnb의 데이터 인프라 - Tech Review of Airbnb #1

2019-10-10T10:19:52Z

Airbnb는 세계 최대 규모의 숙박 공유 서비스로, 사람들이 집을 숙박 용도로 공유할 수 있도록 해주는 온라인 플랫폼입니다. Airbnb 사이트에 따르면 전 세계 191개 이상의 국가의 8만 1천 개 이상의 도시에서 600만 개 이상의 숙소가 제공되고 있다고 합니다. 이렇게 거대한 서비스가 원활하게 유지되기 위해서는 어떤 데이터 인프라가 필요할까요? 그

2018 Google Research Review #3

2019-04-28T13:17:59Z

2018년 Google의 연구 성과에 대한 리뷰 세 번째(마지막) 글입니다. 이번에는 시스템과 하드웨어에 대한 내용을 다루겠습니다. 첫 번째 글 : https://brunch.co.kr/@andrewhwan/49 두 번째 글 : https://brunch.co.kr/@andrewhwan/50 Quantum computing Quantum computin