Posts on DoNT - Do Not Think!!!

Java 멀티스레드 vs Kotlin 코루틴

Sun, 22 Mar 2026 00:00:00 +0900

Java 멀티스레드와 Kotlin 코루틴의 핵심 차이는 스케줄링 주체입니다. OS가 강제로 전환하느냐, 코드가 자발적으로 양보하느냐.

OS 레벨 병렬처리

OS 레벨
├── 멀티 프로세스 (독립 메모리)
└── 멀티 스레드 (공유 메모리, OS 스케줄링)

언어 레벨
└── 코루틴 (공유 메모리, 언어 스케줄링)

핵심 차이: 누가 스케줄링하느냐

Java 멀티스레드

OS가 CPU 클럭 단위로 강제 스위칭 → 선점형(Preemptive)
스레드 전환 비용이 큼 (스택, 레지스터 저장/복원)
스레드 1개 = OS 스레드 1개 (~1MB)

Kotlin 코루틴

suspend 포인트에서 자발적으로 스레드 반납 → 협력형(Cooperative)
전환 비용이 매우 작음 (힙에 상태 저장, ~수KB)
스레드 몇 개 위에서 코루틴 수천 개 동작 가능

계층 구조

코루틴은 스레드를 대체하는 게 아니라 스레드 위에서 동작합니다.

Primary/Replica DB 분리와 Replication Lag

Tue, 10 Mar 2026 00:00:00 +0900

Primary/Replica DB를 분리하는 이유, Replication Lag 문제, 그리고 해결 전략을 정리합니다.

왜 Primary/Replica를 분리하는가

일반적인 웹 애플리케이션은 읽기 트래픽이 쓰기 트래픽보다 훨씬 많습니다. 하나의 DB가 모든 트래픽을 처리하면 부하가 집중되고, 읽기 쿼리가 쓰기 락에 영향을 받을 수 있습니다.

[분리 전]
App → 단일 DB (읽기 + 쓰기 모두 처리)

[분리 후]
     ┌─→ Primary DB (쓰기)
App ─┤
     └─→ Replica DB (읽기)

Primary/Replica 분리의 목적은 크게 세 가지입니다.

목적	설명
부하 분산	읽기 트래픽을 Replica로 보내 Primary의 부하를 줄인다
읽기 성능 향상	Replica를 여러 대 두어 읽기 처리량을 수평 확장한다
가용성	Primary 장애 시 Replica를 승격하여 새로운 Primary로 전환(failover)할 수 있다

Replication Lag

Primary/Replica 분리에는 근본적인 문제가 따릅니다. Primary에 기록된 데이터가 Replica에서 조회 가능해지기까지 지연이 발생하며, 이를 Replication Lag이라 합니다.

AWS ECS에서 Java + Spring Boot 어플리케이션 메모리 설정

Wed, 11 Feb 2026 00:00:00 +0900

ECS에서 Java 애플리케이션을 운영할 때, JVM Heap을 얼마나 잡아야 하는지 정리합니다.

컨테이너 환경의 메모리 구조

기존 서버 환경에서는 OS가 물리 메모리를 먼저 차지하고, 나머지를 JVM이 사용했습니다.

[VM/서버] 물리 메모리 → OS 커널 + 시스템 프로세스 → JVM

ECS 컨테이너는 다릅니다. 호스트 OS 커널을 공유하기 때문에, Task에 할당된 메모리를 OS 몫 없이 컨테이너가 사용할 수 있습니다. 사이드카가 있으면 여러 컨테이너가 나눠 쓰지만, 이 문서에서는 메인 컨테이너만 있는 경우를 다룹니다.

[ECS Task] Task 메모리 ≈ JVM 전용

“OS 몫을 남겨야 한다"는 상식은 컨테이너 환경에서는 불필요합니다. Fargate든 EC2든 Task 내부의 메모리 설정은 동일합니다.

AWS ECS Task 메모리 설정

Tue, 10 Feb 2026 00:00:00 +0900

ECS에서 메모리 설정은 Task, Container, Application(JVM 등) 3개 레벨로 나뉩니다. 각 레벨이 어떻게 동작하는지 정리합니다.

메모리 설정의 3개 레벨

Task 메모리 (Task에 할당된 전체 메모리)
  └→ Container 메모리 (프로세스별 할당)
       └→ Application 메모리 (JVM Heap 등)

레벨	설정 위치	역할
Task 메모리	Task Definition	전체 메모리 한도
Container 메모리	Task Definition > containerDefinitions	컨테이너별 메모리 한도
Application 메모리	JVM 옵션 (-Xmx 등)	애플리케이션 내부 메모리

Application 레벨(JVM 메모리 설정)은 AWS ECS에서 Java + Spring Boot 어플리케이션 메모리 설정 에서 다룹니다.

컨테이너 기초 용어 정리

Mon, 09 Feb 2026 00:00:00 +0900

물리 서버, 가상 머신 (VM), 컨테이너. 서버 환경이 어떻게 변해왔는지, 컨테이너 관련 용어들의 관계를 정리합니다.

서버 환경의 변천

물리 서버 → VM  → 컨테이너

물리 서버와 VM은 사용자 입장에서 거의 동일합니다. OS 설치하고, Java 설치하고, jar 배포하고. 차이는 하드웨어를 직접 만지느냐, 콘솔에서 클릭하느냐 정도입니다.

패러다임이 바뀌는 건 VM → 컨테이너 구간입니다.

컨테이너의 구조

기존 서버 환경 (물리 서버 / VM)

Application (jar)
Java (JDK)
OS (Linux)
─────────────
물리 서버 / VM

기존 서버 환경은 각 계층을 하나하나 직접 설치합니다.

데이터 저장소 용어 정리

Wed, 21 Jan 2026 00:00:00 +0900

데이터베이스, 데이터웨어하우스, 데이터레이크, 데이터레이크하우스. 비슷해 보이지만 각각 목적과 특성이 다릅니다.

한눈에 비교

구분	데이터베이스	데이터 웨어하우스	데이터 레이크	데이터 레이크하우스
목적	운영/트랜잭션(OLTP)	분석(OLAP)	원시 데이터 저장	분석 + 저장 통합
데이터 형태	구조화	구조화	비구조화/반구조화	모두 지원
스키마	Schema-on-Write	Schema-on-Write	Schema-on-Read	둘 다 가능
ACID	O	O	X	O
쿼리 패턴	단건 읽기/쓰기	대량 집계/분석	배치 처리	대량 집계/분석
실시간성	실시간	준실시간~배치	배치	준실시간~배치
대표 제품	MySQL, PostgreSQL	Snowflake, Redshift, BigQuery	S3, HDFS	Databricks

용어 유래

Database: Data + Base(기지) → 데이터를 저장하고 관리하는 기본 시스템
Data Warehouse: Data + Warehouse(창고) → 정리된 물건을 체계적으로 보관
Data Lake: Data + Lake(호수) → 모든 물이 흘러드는 호수
Data Lakehouse: Data + Lake + House (Databricks가 2020년 제안한 신조어)

“Data Lake Warehouse"가 아닌 이유? 단순히 둘을 붙여 쓰는 게 아니라, 새로운 패러다임임을 강조하기 위해서입니다.

Kotlin의 접근 제어자 설계 철학

Tue, 13 Jan 2026 00:00:00 +0900

Java package-private 클래스를 Kotlin 테스트 코드에서 접근하려니 생성자 호출이 안 되어 reflection을 써야 했습니다. 왜 이런 문제가 발생할까요?

Java와 Kotlin 접근 제어자 비교

Java

public: 전체
protected: 상속 + 같은 패키지
(default): 같은 패키지
private: 같은 클래스

Kotlin

public: 전체
internal: 같은 모듈
protected: 상속 관계만
private: 같은 클래스 (클래스 멤버) / 같은 파일 (최상위 선언)

핵심 차이

	Java	Kotlin
캡슐화 단위	패키지	모듈
테스트 접근	같은 패키지 필요	같은 모듈이면 OK
package-private	있음	없음 (internal로 대체)
protected	상속 + 같은 패키지	상속만

Kotlin의 설계 철학

패키지는 캡슐화 경계가 아니다

// 원래 라이브러리 (example-lib.jar)
package com.example.core;

class InternalClass {  // package-private
    void sensitiveMethod() { }
}

// 악의적 사용자 코드 (다른 프로젝트)
package com.example.core; // 같은 패키지명 사용

public class Hacker {
    void access() {
        new InternalClass();  // package-private인데 접근됨
    }
}

패키지는 코드 조직화 수단일 뿐, 실제 캡슐화는 컴파일/배포 단위인 모듈에서 이루어져야 합니다.

Hugo 댓글 - giscus 적용

Wed, 03 Dec 2025 00:00:00 +0900

Hugo 블로그에 GitHub Discussions 기반 댓글 시스템 giscus를 적용합니다.

사전 준비

GitHub 공개 저장소 준비
해당 공개 저장소에 Discussions 활성화: Settings → General → Features → Discussions
giscus 앱 설치 후 저장소 선택

giscus 설정

https://giscus.app 접속
저장소와 원하는 옵션 선택
생성된 스크립트 코드 복사

Hugo 적용

댓글 파일 생성

<!-- layouts/partials/comment.html -->
// 스크립트 코드

설정 파일 수정

# hugo.toml
[params]
comments = true

블록킹/논블록킹, 동기/비동기 개념 정리

Fri, 28 Nov 2025 00:00:00 +0900

블록킹/논블록킹은 제어권 반환 시점의 차이이고, 동기/비동기는 결과 확인 주체의 차이입니다.

블록킹 vs 논블록킹

구분 기준: 제어권을 바로 돌려주는가?

블록킹: 작업 완료까지 제어권을 돌려주지 않음
논블록킹: 작업 요청 후 바로 제어권 반환

동기 vs 비동기

구분 기준: 결과를 누가 확인하는가?

동기: 요청한 쪽이 결과를 직접 확인
비동기: 결과가 준비되면 콜백으로 알려줌

핵심 구분

구분	질문	블록킹	논블록킹
제어권	기다리는 동안 다른 일 할 수 있어?	못함 (멈춤)	가능 (안 멈춤)

구분	질문	동기	비동기
결과 확인	결과를 내가 확인해? 알려줘?	내가 확인	알려줌

C 디바이스 I/O 예제

블록킹 I/O

int fd = open("/dev/device", O_RDONLY);
char buf[1024];

// 데이터 올 때까지 멈춤
int result = read(fd, buf, 1024);

// 여기 도달 = buf 채워짐 보장
printf("읽음: %s", buf);

동작:

Apache Kafka 기본 개념 정리

Thu, 27 Nov 2025 00:00:00 +0900

Apache Kafka의 핵심 개념과 동작 원리를 정리합니다.

아키텍처

Kafka Cluster (여러 Broker의 집합)
    │
    └─ Broker (카프카 서버, 여러 대 가능)
           │
           └─ Topic (메시지 종류)
                  │
                  ├─ Partition 0 ──┐
                  ├─ Partition 1 ──┼── Consumer Group A ─┬─ Consumer 1
                  └─ Partition 2 ──┘                     ├─ Consumer 2
                          │                              └─ Consumer 3
                          │
                          └──────────── Consumer Group B ─── Consumer 1

구성 요소

Broker: Kafka 서버 (여러 대로 클러스터 구성)
Topic: 메시지 종류별 논리적 그룹
Partition: 토픽 내 병렬 처리 단위
Consumer Group: 동일 group.id로 묶인 컨슈머들

설계 시 고려사항

파티션 수 = 최대 병렬 처리 수
파티션 수 ≥ 컨슈머 수 (컨슈머가 더 많으면 일부는 idle)

용어 정리 ← 여기

동작	일반 메시지 큐	Kafka
메시지 보내기	Publish	Produce
보내는 주체	Publisher	Producer
토픽 구독	Subscribe	Subscribe (동일)
메시지 받기	Push (서버가 보냄)	Poll (주기적으로 가져감)
받는 주체	Subscriber	Consumer

메시지 흐름

Producer ──produce──▶ Kafka Broker ◀──poll── Consumer
                                                  │
                                                  ▼
                                              consume
                                              처리 로직

동작 방식

Producer가 메시지 전송
Broker가 파티션에 메시지 저장
Consumer가 주기적으로 폴링
새 메시지 있으면 가져와서 처리

메시지 관리

Offset 관리

Offset: 파티션 내 메시지 위치 (0부터 시작)
Committed Offset: 처리 완료한 마지막 위치
Latest Offset: 파티션의 마지막 메시지 위치
Consumer Lag: Latest - Committed (처리 지연 정도)

Commit 전략

// 자동 커밋 (기본값)
enable.auto.commit=true
auto.commit.interval.ms=5000

// 수동 커밋
consumer.commitSync();
consumer.commitAsync();

메시지 전달 보장

At-most-once

처리 전 commit
장점: 중복 없음
단점: 메시지 유실 가능

At-least-once (기본값)

처리 후 commit
장점: 메시지 유실 없음
단점: 중복 처리 가능
중요: 애플리케이션 레벨에서 멱등성 보장 필요

Exactly-once

트랜잭션 사용
장점: 중복도 유실도 없음
단점: 성능 오버헤드

메시지 보관

일반 메시지 큐와 달리 Kafka는 consume 후에도 메시지 보관:

Spring Boot 설정 파일 로딩

Wed, 26 Nov 2025 00:00:00 +0900

Spring Boot의 설정 파일 로딩 메커니즘과 외부 라이브러리 사용 시 발생하는 문제를 다룹니다.

ConfigData API (Spring Boot 2.4+)

Spring Boot 2.4 부터 설정 로딩 방식이 ConfigData API로 변경되었습니다.

주요 변경사항

Spring Cloud Bootstrap Context 대체 (bootstrap.yml → application.yml)
단일 ApplicationContext 사용
spring.config.import 도입

설정 파일 로딩 기본 동작

검색 위치

Spring Boot는 다음 위치에서 설정 파일을 검색합니다 (낮은 → 높은 우선순위):

1. classpath:/application.yml
2. classpath:/config/application.yml
3. file:./application.yml
4. file:./config/application.yml
5. file:./config/*/application.yml

로딩 규칙

다른 경로: 모두 로드 후 병합
같은 classpath 경로: 첫 번째만 사용
- Oracle Java 문서: 여러 모듈이 동일한 클래스 로더에 정의되고, 둘 이상의 모듈이 주어진 이름의 리소스를 포함하는 경우, 모듈이 검색되는 순서는 명시되지 않으며 매우 예측할 수 없을 수 있습니다.

우선순위

나중에 로드된 것이 우선:

Spring Boot 애플리케이션 웜업

Tue, 25 Nov 2025 00:00:00 +0900

Spring Boot 배포 직후 첫 요청이 느린 이유를 JVM 동작 원리부터 설명합니다.

컴파일러와 인터프리터

컴파일러 언어 (C/C++)

전체 코드를 한번에 기계어로 변환
실행 속도 빠름
플랫폼 종속적

인터프리터 언어 (Python)

코드를 한 줄씩 해석하며 실행
실행 속도 느림
플랫폼 독립적

자바 동작 방식

자바 1990년대 설계 철학

이식성: Write Once, Run Anywhere
안전성: 메모리 보호, 타입 검증
개발 생산성: 자동 메모리 관리

HelloWorld.java (소스코드) 
→ javac (컴파일)
→ HelloWorld.class (바이트코드)
→ java (JVM)
→ 실행

단점

바이트코드 인터프리터 실행으로 성능이 느렸습니다.

LLM 개념 정리

Thu, 13 Nov 2025 00:00:00 +0900

LLM(Large Language Model)은 “다음 단어 예측"을 극한까지 잘하는 모델입니다. 이 단순한 원리로 대화, 요약, 번역, 코딩까지 가능합니다.

입력: "오늘 날씨가 정말"
LLM: "좋네요" (가장 자연스러운 다음 단어 선택)

LLM의 위치

AI 기술 계층도

AI
└─ 머신러닝
    ├─ 전통 머신러닝
    └─ 딥러닝
        └─ Transformer
            └─ LLM ← 여기

Multimodal 확장

최근에는 텍스트(LLM) + 이미지(Vision) + 음성(Audio)을 통합한 Multimodal AI(GPT-4V, Gemini)로 확장되고 있지만, 코어는 여전히 LLM입니다.

LLM의 핵심 특징

Large (대규모 Parameter)

규모

10¹¹ ~ 10¹³ 개

머신러닝 개념 정리

Wed, 12 Nov 2025 00:00:00 +0900

머신러닝의 학습 과정을 단계별로 정리하고, Feature와 Parameter의 차이를 설명합니다.

머신러닝 전체 프로세스

단계	전통 머신러닝	딥러닝
1. 원본 데이터	텍스트, 이미지, 표 등	텍스트, 이미지, 표 등
2. 분할	텍스트→토큰, 이미지→픽셀, 음성→프레임	텍스트→토큰, 이미지→픽셀, 음성→프레임
3. 벡터화	숫자로 변환 (ID, RGB, 정규화)	숫자로 변환 (ID, RGB, 정규화)
4. Feature 추출	사람이 설계 (고정)- 긍정단어 개수- 부정단어 개수- 느낌표 개수	-
5. 학습 초기화	랜덤 Parameter	랜덤 Parameter
6. 순전파	Feature × Parameter = 예측	벡터화된 입력 × Parameter→ Layer별 Feature 자동 생성→ 예측
7. 손실 계산	정답과 비교	정답과 비교
8. 역전파	Parameter 조정	Parameter 조정→ Feature 표현도 변화
9. 반복	6~~8 반복 (수백만~~수억 회)	6~~8 반복 (수백만~~수억 회)
10. 학습된 모델	고정 Feature + 학습된 Parameter	학습된 Parameter(Feature 표현 내장)
11. 추론: 전처리	분할 + 벡터화	분할 + 벡터화
12. 추론: Feature	같은 방식으로 Feature 추출	학습된 모델로 자동 생성
13. 추론: 예측	학습된 Parameter로 계산	학습된 Parameter로 계산
14. 예측 결과	출력	출력

핵심 용어 정리

데이터 (Data)

원본 정보

AI 개념 정리

Tue, 11 Nov 2025 00:00:00 +0900

AI, 머신러닝, 딥러닝, LLM — 용어가 혼용되는데, 각각의 위치와 관계를 정리합니다.

AI 영역 구분

AI 모델 개발

직접 머신러닝으로 모델 학습
추천, 예측 등 자체 모델 제작
시간/비용 많이 들고, 전문 인력 필요

AI 기능 통합

외부 LLM API 활용 (GPT, Claude)
서비스에 챗봇, 요약, 검색 등 추가
빠르고, 기존 개발자가 가능

AI 도구 사용

Claude Code, Copilot으로 개발 효율화
AI는 보조 도구

데이터 마이닝 ↔ AI 관계

데이터 마이닝              AI
(패턴/인사이트 발견)    (지능적 판단·행동)
      ╲                  ╱
       ╲                ╱
        ╲              ╱
         ╲            ╱
            머신러닝

설명

데이터 마이닝: “왜 이런 일이 일어나는가?” (패턴 발견)
AI: “이 상황에서 뭘 해야 하는가?” (문제 해결)
머신러닝: AI의 한 분야이자, 데이터 마이닝에서 활용되는 핵심 도구

예시

데이터 마이닝: 고객 데이터 분석 → “금요일 저녁 맥주+치킨 많이 팔림” 발견
AI: 고객 접속 시 → “이 사람에게 맥주 추천” 자동 판단

AI의 기술 체계

AI의 목적

지능적 판단·계획·행동으로 문제 해결
예측은 그 중 한 수단일 뿐

AI (지능적으로 판단·계획·행동하여 문제 해결)
 ├─ 규칙 기반 AI (if-then 로직)
 ├─ 탐색/최적화 알고리즘
 └─ 머신러닝 ← 요즘 AI의 핵심 (특히 딥러닝)
     ├─ 전통 머신러닝 (SVM, 랜덤포레스트 등)
     └─ 딥러닝
         ├─ CNN (이미지 인식)
         ├─ RNN (시계열 처리)
         └─ Transformer (2017~)
             ├─ BERT (양방향 이해)
             └─ LLM (대규모 언어모델) ← 요즘 가장 주목받는 분야
                 └─ GPT, Claude, Gemini

머신러닝의 학습 방식

머신러닝 (데이터로 모델 학습)
 ├─ 지도 학습 (정답 있는 데이터로 학습)
 ├─ 비지도 학습 (정답 없이 패턴 찾기)
 └─ 강화 학습 (시행착오로 학습)

핵심 프로세스

학습 데이터 → [학습/Training] → 모델
입력 데이터 → [추론/Inference] → 결과

시대별 “AI"의 의미

1980년대: AI = 규칙 기반

한계에 부딪힘 (AI의 겨울)

2000년대: AI = 머신러닝

데이터 → 특징 → 학습 → 모델 → 추론
딥러닝 이론 존재, 컴퓨팅 파워 부족

2010년대: AI = 딥러닝

GPU 발달
2012 ImageNet: CNN으로 이미지 인식 돌파
2017 Transformer 등장

2020년대: AI ≈ LLM (대중 인식)

ChatGPT, Claude 등의 폭발적 성장

핵심 용어 정리

AI (인공지능)

지능적으로 판단·계획·행동하여 문제 해결
요즘은 사실상 머신러닝 의미로 많이 씀

머신러닝 (기계학습)

데이터로 기계를 학습시킴
AI 구현에 성공한 방법
데이터 마이닝과 AI가 공유하는 핵심 도구

딥러닝

신경망을 깊게 쌓은 것
특징을 자동으로 학습 (사람이 특징 정의 불필요)
GPU 발달로 2010년대 실용화

Transformer

2017년 등장한 딥러닝 아키텍처
병렬 처리가 가능해서 대규모 학습에 유리

LLM (Large Language Model)

Transformer 기반 대규모 언어 모델
ChatGPT, Claude 등
AI 중 일부지만 최근 2-3년 폭발적 유행

데이터 마이닝

데이터에서 패턴/인사이트 찾기
머신러닝을 도구로 활용

MySQL vs Oracle: 커서(Cursor) 동작 방식 비교

Tue, 04 Nov 2025 00:00:00 +0900

TL;DR

MySQL과 Oracle은 서버 커서 구현 방식이 근본적으로 다름
MySQL: 임시 테이블 생성하여 전체 결과 저장
Oracle: PGA 메모리에서 커서 상태만 유지하고 필요한 만큼 페치
“클라이언트 사이드 커서"는 MySQL에서 공식 용어가 아님
MySQL: 클라이언트 버퍼링, 스트리밍, 서버 커서 3가지 방식 제공

커서란 무엇인가

데이터베이스 커서는 쿼리 결과를 순차적으로 처리하기 위한 메커니즘입니다. 대용량 결과를 한 번에 메모리로 로드하지 않고, 필요한 만큼만 가져와서 처리할 수 있게 해줍니다.

데이터베이스에서는 결과를 처리하는 위치에 따라 서버 커서와 클라이언트 커서으로 구분할 수 있습니다.

바이브 코딩을 넘어서 - 기획 영역에서의 AI 활용

Thu, 02 Oct 2025 00:00:00 +0900

바이브 코딩을 기획 단계에 적용하면 문서 초안을 빠르게 뽑을 수 있습니다. 다만 비즈니스 맥락과 우선순위는 사람이 채워야 합니다.

AI가 잘하는 기획 작업

문서 초안 작성, 구조화, 표준 포맷 적용에서 효과적입니다. 사용자 스토리, PRD 초안, 기능 명세서 같은 정형화된 산출물을 빠르게 만들 수 있습니다.

"로그인 기능에 대한 사용자 스토리를 작성해줘.
이메일/비밀번호 방식과 소셜 로그인 지원"

"결제 프로세스의 상세 플로우를 단계별로 정리.
각 단계의 필요 데이터와 예외 상황 포함"

반면 비즈니스 맥락은 이해하지 못합니다. 일반적인 요구사항은 작성할 수 있지만, 특정 도메인의 비즈니스 규칙이나 이해관계자 간 요구사항 조율은 할 수 없습니다.

바이브 코딩 심화편 - 실무 적용과 한계

Wed, 24 Sep 2025 00:00:00 +0900

단순한 작업에서는 바이브 코딩이 잘 먹힙니다. 다만 복잡한 비즈니스 로직이나 보안이 중요한 영역에서는 한계가 뚜렷합니다.

잘 먹히는 영역

프로토타이핑, 데이터 변환, 문서화, 단순 테스트 코드 작성 정도가 현실적으로 효과적인 범위입니다.

"React로 사용자 관리 시스템을 만들어줘.
추가, 수정, 삭제 기능과 로컬 스토리지 연동 포함"

"CSV 파일을 읽어서 이메일 주소만 추출하고
중복 제거 후 JSON 배열로 변환해줘"

명확한 입출력 구조를 가진 작업일수록 정확도가 높습니다.

주의해야 하는 영역

보안이 가장 큰 문제입니다. AI가 생성한 코드에는 SQL 인젝션, 인증 우회 같은 OWASP Top 10 취약점이 포함될 수 있습니다. 특히 입력 검증과 권한 관리에서 치명적 오류가 발생하기 쉽습니다.

바이브 코딩이란 무엇인가? - AI 시대의 새로운 프로그래밍 패러다임

Wed, 17 Sep 2025 00:00:00 +0900

바이브 코딩이란?

바이브 코딩(Vibe Coding)이란 자연어로 의도를 설명하면 AI가 코드를 만들어주는 방식입니다. 기존 프로그래밍이 정확한 문법과 구조를 요구했다면, 바이브 코딩은 어떻게 구현할 것인가보다 무엇을 하고 싶은가에 초점을 맞춥니다.

전통적인 방식

def calculate_average(numbers):
    if len(numbers) == 0:
        return 0
    return sum(numbers) / len(numbers)

바이브 코딩 방식 (의도 중심)

"숫자 리스트의 평균을 계산해줘, 빈 리스트면 0 반환"

완벽한 코드를 한 번에 작성하는 게 아니라, AI와 대화하면서 점진적으로 개선해 나갑니다. 단순히 코드 한 줄을 생성하는 것을 넘어서, 프로젝트 전체 맥락을 이해하고 일관성 있는 코드를 만들어내는 것이 핵심입니다.

springdoc-openapi @ApiResponse 어노테이션의 useReturnTypeSchema 속성

Thu, 26 Jun 2025 00:00:00 +0900

@ApiResponse 어노테이션의 useReturnTypeSchema 속성

컨트롤러 메서드의 반환 타입을 자동으로 추론하여 OpenAPI 스펙의 response schema 로 사용

@Operation(summary = "사용자 조회", responses = {
    @ApiResponse(responseCode = "200", description = "조회 성공", useReturnTypeSchema = true)
})

Mac zsh 설정

Fri, 25 Apr 2025 00:00:00 +0900

zsh 설치

$ brew install zsh

oh-my-zsh 설치

$ sh -c "$(curl -fsSL https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

$ vi .zshrc
source $ZSH/oh-my-zsh.sh

플러그인 설치

zsh-autosuggestions 설치

$ git clone https://github.com/zsh-users/zsh-autosuggestions ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-autosuggestions

$ vi .zshrc
plugins=(... zsh-autosuggestions ...)

zsh-syntax-highlighting 설치

$ git clone https://github.com/zsh-users/zsh-syntax-highlighting.git ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-syntax-highlighting

$ vi .zshrc
plugins=(... zsh-syntax-highlighting ...)

테마 설치

Powerlevel10k 설치

$ git clone --depth=1 https://github.com/romkatv/powerlevel10k.git "${ZSH_CUSTOM:-$HOME/.oh-my-zsh/custom}/themes/powerlevel10k"

$ vi .zshrc
[[ ! -f ~/.p10k.zsh ]] || source ~/.p10k.zsh

powerlevel10k 설정 후, 커스텀하기 위해 설정파일을 복사하여 수정함. 원본 파일이 어떤건지 까먹었음. 원본파일이 어떤건지 찾아야 함. 최신버전 반영해야 함

ImageMagick crop

Wed, 26 Mar 2025 00:00:00 +0900

ImageMagick 설치하기

$ brew install imagemagick

Shell Script 로 이미지 자르기

$ magick 원본이미지.jpg -crop {가로}x{세로}+{x좌표}+{y좌표} 잘린이미지.jpg

ex)

$ magick a.jpg -crop 1179x1040+0+420 1.jpg

(Old ver) Shell Script 로 이미지 자르기

$ convert 원본이미지.jpg -crop {가로}x{세로}+{x좌표}+{y좌표} 잘린이미지.jpg

ex)

$ convert a.jpg -crop 1179x1040+0+420 1.jpg

IntelliJ debug variable json view

Thu, 07 Nov 2024 00:00:00 +0900

IntelliJ debug variable json view

new com.fasterxml.jackson.databind.ObjectMapper()
.registerModule(new com.fasterxml.jackson.datatype.jsr310.JavaTimeModule()) 
.disable(com.fasterxml.jackson.databind.SerializationFeature.WRITE_DATES_AS_TIMESTAMPS) 
.writerWithDefaultPrettyPrinter() 
.writeValueAsString();

Hugo 태그 설정

Fri, 12 Jan 2024 19:10:00 +0900

Hugo 기본 설정으로 tags 사용

PaperMod 테마 설정

hugo.yaml 파일 수정

menu:
  main:
    - identifier: tags
      name: tags
      url: /tags/
      weight: 10

content 에 태그 추가

tags: 
- hugo

참고 링크

Hugo Taxonomies: https://gohugo.io/content-management/taxonomies/
PaperMod wiki: https://github.com/adityatelange/hugo-PaperMod/wiki/Installation#sample-configyml

Synology NAS ssh 설정

Fri, 05 Jan 2024 19:10:00 +0900

Synology NAS ssh 설정

DSM 7.2.1 기준
제어판 - 터미널 및 SNMP - 터미널
- SSH 서비스 활성화
- 포트 설정

공유기 포트포워딩

Synology NAS 에서 설정한 ssh 포트로 포트포워딩 설정

ssh 클라이언트에서 접속

$ ssh -p [포트] [아이디]@[시놀로지주소]

IntelliJ SonarLint 한글 이름 사용

Tue, 02 Jan 2024 19:10:00 +0900

IntelliJ SonarLint 플러그인 설치

https://plugins.jetbrains.com/plugin/7973-sonarlint

SonarLint 설정

IntelliJ - Settings - Tools - SonarLint - Rules

각 룰 마다 다음 정규표현식 설정

Class names: ^[A-Z][a-zA-Z0-9]*|[A-Z가-힣][a-zA-Z0-9가-힣_]*$
Field names: ^[a-z][a-zA-Z0-9]*|[a-z가-힣][a-zA-Z0-9가-힣_]*$
Interface names: ^[A-Z][a-zA-Z0-9]*|[A-Z가-힣][a-zA-Z0-9가-힣_]*$
Local variable and method parameter names: ^[a-z][a-zA-Z0-9]*|[a-z가-힣][a-zA-Z0-9가-힣_]*$
Method names: ^[a-z][a-zA-Z0-9]*|[a-z가-힣][a-zA-Z0-9가-힣_]*$
Test class names: ^((Test|IT)[a-zA-Z0-9가-힣_]+|[A-Z][a-zA-Z0-9_]*|[A-Z가-힣][a-zA-Z0-9가-힣_]*(Test|Tests|TestCase|IT|ITCase))$

Legacy 테스트 - Subclass and Override Method

Fri, 28 Jul 2023 19:10:00 +0900

레거시 코드 일를 테스트하기 위해 Subclass and Override Method 방법 적용

Subclass and Override Method 방법

참고 링크: https://youtu.be/Dct4bGKCmI8

테스트하기 어려운 부분이 존재할 때 다루는 기법

1. 레거시 코드에서 테스트 대상을 방해하는 부분을 메소드로 분리한다.

레거시 코드의 의존성을 분리하기 위해 메소드 단위로 코드를 분리

2. 분리한 메소드를 protected 로 변경한다

3. 테스트하고자 하는 클래스를 상속받아 테스트용 클래스를 만들고, 분리한 메소드를 재정의 한다.

Stubbing
실제 동작과는 다르게 테스트 코드를 쉽게 만들기 위한 작업

4. 테스트용 클래스를 이용해서 테스트 대상을 테스트하는 코드를 작성한다.

[re] Hello World

Mon, 10 Jul 2023 19:10:00 +0900

[re] Hello World

[re] Hello World by GitHub Pages & Hugo

install golang

$ brew install golang

install Hugoo

https://gohugo.io/installation/macos/

$ brew install hugo

github 저장소 생성

duddns.github.io: GitHub Pages 저장소
dontkr-hugo: Hogo 소스 저장소

Create a site

$ hugo new site dontkr-hugo
$ cd dontkr-hugo
$ git init
$ git submodule add -b master https://github.com/adityatelange/hugo-PaperMod.git themes/PaperMod
$ git submodule add -b main https://@github.com/duddns/duddns.github.io.git public
$ echo "theme = 'PaperMod'" >> hugo.toml
$ hugo server

configure

baseURL = 'https://dont.kr'
languageCode = 'en-us'
title = 'DoNT - Do Not Think!!!'
theme = 'PaperMod'

publish

GitHub Pages 저장소와 Hogo 소스 저장소 두 번 push 해야 함

[Backup] Visual Studio Code Regex Replace

Sat, 30 Apr 2022 14:02:00 +0900

, 10개 마다 줄 바꿈 하기

((.+, ){10})
$1\n

[Backup] gradle 의존성 갱신

Thu, 28 Oct 2021 09:49:00 +0900

방법 1

$ rm -rf ~/.gradle/caches

프로젝트가 여러개 일 경우 모두 초기화

방법 2

$ ./gradlew build --refresh-dependencies

[Backup] aws ec2 인스턴스 생성후 하는 작업 v3

Mon, 09 Mar 2020 16:24:00 +0900

업데이트

$ sudo apt update ; sudo apt upgrade -y

zsh

$ sudo apt install zsh
$ curl -L https://raw.github.com/robbyrussell/oh-my-zsh/master/tools/install.sh | sh
$ sudo chsh -s $(which zsh) ubuntu

vim

$ sudo add-apt-repository ppa:jonathonf/vim
$ sudo apt update
$ sudo apt install vim

java (spring boot application 실행을 위해)

$ wget -qO - https://adoptopenjdk.jfrog.io/adoptopenjdk/api/gpg/key/public | sudo apt-key add -
$ sudo add-apt-repository --yes https://adoptopenjdk.jfrog.io/adoptopenjdk/deb/
$ sudo apt update
$ sudo apt install adoptopenjdk-13-hotspot

nginx (웹서버 및 SSL 적용을 위해)

nginx 설치

$ echo "deb http://nginx.org/packages/mainline/ubuntu `lsb_release -cs` nginx" | sudo tee /etc/apt/sources.list.d/nginx.list
$ curl -fsSL https://nginx.org/keys/nginx_signing.key | sudo apt-key add -
$ sudo apt-key fingerprint ABF5BD827BD9BF62
    pub rsa2048 2011-08-19 [SC] [expires: 2024-06-14] 573B FD6B 3D8F BC64 1079 A6AB ABF5 BD82 7BD9 BF62 uid [ unknown] nginx signing key <signing-key@nginx.com> 
$ sudo apt-get update
$ sudo apt-get install nginx

nginx 설정

ssl 설정

badbot blocker

https://github.com/mariusv/nginx-badbot-blocker/tree/master/VERSION_2

[Backup] ngrok - secure introspectable tunnels to localhost

Tue, 09 Jul 2019 10:29:00 +0900

ngrok

https://ngrok.com/

[Backup] brew - mac package manage

Mon, 08 Apr 2019 13:36:00 +0900

brew

$ brew install {PACKAGE_NAME}
$ brew update
$ brew upgrade

[Backup] 로그로 남기면 좋은 것들

Mon, 28 Jan 2019 11:14:00 +0900

1.6. Log Domains

로그를 남기는 이유는 몇가지로 분류될수 있습니다.

1.6.1. 개발 로그(Development Log)

개발자가 디버깅 및 흐름 추적을 위해 기록하는 내용입니다.보통 debug, trace레벨로 기록합니다.

1.6.2. 운영 로그(Maintenance Log)

운영에 관련된 로그입니다. 디스크가 꽉 찼거나, 인터페이싱 과정에서 타입아웃이 발생했거나 하는등 운영을 모니터링하기 위한 용도의 로그입니다. 보통 WARNING이나 ERROR로 기록됩니다.

1.6.3. 비지니스 로그(Business log)

비지니스적으로 의미가 있고 추후 추적하기 위한 로그입니다. 장바구니 상품추가, 로그인, 결제등이 대표적입니다. 보통 INFO로 기록합니다.

1.6.4. 감사 로그(Audit log)

감사 로그는 보안 관련 시간순 기록, 기록 집합 및 / 또는 대상 및 기록 데이터 소스입니다. 특정 작업, 절차 또는 기록에 언제든지 영향을 미친 활동 순서에 대한 증빙 자료를 제공하기 위해 기록됩니다. 보통 INFO이지만 운영자가 수정가능하지 않는 곳에 저장합니다.

[Backup] MySQL 대용량 sql import 시 진행상황 확인하기

Thu, 29 Nov 2018 15:53:00 +0900

Pipe Viewer

https://www.ivarch.com/programs/pv.shtml

$ pv dump.sql | mysql -uuser -ppassword database

[Backup] swagger-diff swagger 문서 내용 비교

Thu, 29 Nov 2018 15:49:00 +0900

swagger-diff

http://deepoove.com/swagger-diff/

이전 버전의 API 와 신규 버전의 API 를 비교하여 변경 내용을 html 파일로 출력

$ java -jar swagger-diff.jar \
-old http://petstore.swagger.io/v2/swagger.json \
-new http://petstore.swagger.io/v2/swagger.json \
-v 2.0 \
-output-mode html > diff.html

[Backup] Spirng Boot embedded tomcat 매우 늦게 실행되는 문제

Wed, 08 Aug 2018 14:32:00 +0900

운영 상태

nginx + spring boot application

에러 증상

실제 spring boot application 실행 완료후 브라우저 접속하면 무한 대기상태

에러 로그

SessionIdGeneratorBase : Creation of SecureRandom instance for session ID generation using [SHA1PRNG] took [xxx,xxx] milliseconds

에러 해결

spring boot application 실행 옵션 추가

-Djava.security.egd=file:/dev/./urandom

Hello World

Sat, 10 Nov 1979 00:00:00 +0900