하얀잔디

Lag : LLM에서 사용되는 제어기구임. LangGraph는 LLM을 단순히 “질문 → 답변” 구조에서 벗어나, "이 LLM은 지금 어떤 인격, 어떤 말투, 어떤 상황에서 말할까?" 이런 걸 컨트롤 가능하게 해주는 엔진임. LagnGraph 란 LangGraph는 LangChain 팀에서 만든 오픈소스 프레임워크로,LLM을 상태 기반으로 조작할 수 있게 해주는 워크플로우 엔진입니다.전통적인 함수형 체이닝 방식과 달리, 그래프 형태로 흐름을 설계하여 LLM의 동작을 유연하게 제어할 수 있습니다. 기존 LangChain으로도 LLM을 연결할 수 있지만, 다음과 같은 한계가 존재했음.LLM 호출 순서가 단순 체인(chain)으로만 구성됨동적 분기(조건 분기)가 어려움Agent를 만들기엔 복잡하고 무겁거..

C:\Users\rlatl\Desktop\vocablock\android\app\build.gradle.kts: android { ndkVersion = "27.0.12077973" ... } e: file:///C:/Users/rlatl/AppData/Local/Pub/Cache/hosted/pub.dev/speech_to_text-6.6.2/android/src/main/kotlin/com/csdcorp/speech_to_text/SpeechToTextPlugin.kt:37:48 Unresolved reference: Registrar e: file:///C:/Users/rlatl/AppData/Local/Pub/Cache/hosted/pub.dev/speech_to_text-6.6.2/android..

Latency , Throuput 말고, 가용성이란 단어를 보자. 서비스에 장애가 발생할 가능성이 극히 작은 시스템 -> 가용성이 높은 시스템 서비스가 다운되는 시간이 긴 시스템 -> 가용성이 낮은 시스템. 가용성 99.99% -> 99.99% 시간 쓸 수 있다는것. 시스템 이중화가 필요. . 어떻게보면 당연한 말임.

자바에서 제공하는 주요 함수형 인터페이스:Predicate: T 타입을 받아 boolean을 반환 (test 메소드)Consumer: T 타입을 받고 반환값 없음 (accept 메소드)Function: T 타입을 받아 R 타입을 반환 (apply 메소드)Supplier: 매개변수 없이 T 타입 반환 (get 메소드) java// Predicate 예제 - 조건 검사Predicate isLong = s -> s.length() > 10;System.out.println(isLong.test("Hello World")); // true// Consumer 예제 - 출력Consumer printer = s -> System.out.println(s);printer.accept("Hello Lambda"); ..

스트림의 장점코드 가독성 향상: 의도가 명확하게 드러남함수형 프로그래밍 스타일: 불변성과 부작용 없는 함수 지향지연 연산(Lazy Evaluation): 필요할 때만 연산 수행병렬 처리 용이: parallelStream()으로 쉽게 병렬 처리 가능스트림의 단점디버깅 어려움: 체이닝된 메소드 호출에서 중간 상태 확인 어려움오버헤드: 간단한 작업에서는 for문보다 성능이 떨어질 수 있음학습 곡선: 익숙해지는데 시간이 필요함 일반적으로 단순하고 작은 데이터셋에서는 for문이 스트림보다 성능이 좋음!! 스트림은 초기화 비용과 객체 생성 오버헤드가 있기 때문입니다. 하지만 대용량 데이터나 복잡한 연산, 특히 병렬 처리가 필요한 경우에는 스트림이 더 효율적일 수 있습니다. 실제 프로젝트에서는 가독성과 유지보수성을 ..

CREATE UNIQUE INDEX uniq_main_calendar_per_room ON calendar ( CASE WHEN type = 'main' THEN room_id ELSE NULL END ); 하면은 특정 type이 roomId별로 타입이 main인게 하나만 되도록 보장 가능. mysql에서는 없음.

여기서, 수직 확장, 수평 확장이 뭘까? 수직확장기존 서버의 성능을 높이는 방식. 기존 서버 하나만 계속 강하게 만드는 것🟡 장점: 구현이 간단하고 기존 구조 그대로 사용 가능🔴 단점: 한계가 있음 (무한정 CPU, 메모리 늘릴 수 없음), 비용 비쌈→ 관계형 DB(MySQL 등)는 일반적으로 이 방식을 많이 씀 수평 확장서버 개수를 늘리는 방식예: 서버 1대 → 서버 10대데이터베이스를 여러 노드에 분산해서 처리작은 서버 여러 개로 분산 처리🟢 장점: 무한에 가까운 확장 가능, 장애 분산🔴 단점: 구현이 복잡함 (분산 처리, 일관성 보장 어려움)→ NoSQL(MongoDB, Cassandra, DynamoDB 등)은 이 방식을 쉽게 지원 어떻게? -> 샤딩 을 통해서. 하나의 큰 테이블(데..

전체 요청 흐름 파악해보자. Client → Load Balancer → Web Server → Application Server → DB → 외부 API 대게 이런 구조인데, 1)TPS 높음 + Latency 높음의미: 요청이 많고, 각 요청 처리에 시간이 오래 걸림필요 조치: 어떤 계층이 지연되는지 추적 필요 2)CPU 사용률 높음Application 서버 병목 가능성GC, 스레드 경쟁, 루프, 무한 재시도DB CPU 높음쿼리 최적화 필요성 검토 3)모니터링 도구:시스템: top, htop, perfJava: jstack, jstat, jvm heap dump통합: APM (Datadog, New Relic, Pinpoint, Skywalking) ⏱️ Latency 높음각 구간별 지연 시간 확..

concurrentHashMap은 멀티 스레드 환경에서 잘 동작한다고 그냥 알고있다. 근데 왜? HashMap의 멀티스레드 취약점일반 HashMap은 멀티스레드 환경에서 심각한 문제를 일으킬 수 있습니다. Map map = new HashMap();Runnable task = () -> { for(int i=0; i이 코드에서 발생하는 문제:구조적 손상: 내부 버킷 배열 구조가 깨질 수 있음데이터 손실: 한 스레드의 put이 다른 스레드의 put을 덮어쓸 수 있음무한 루프: HashMap의 내부 연결 리스트가 순환 참조되어 무한 루프에 빠질 수 있음ConcurrentModificationException: 한 스레드가 순회 중일 때 다른 스레드가 수정하면 발생ConcurrentHashMap의 해결..

통화녹음을 바탕으로 2개의 음성을 추출하고싶다면 어떻게 할까? 여기에는 크게 2가지 솔루션이 있다. Speech Diarization Speech Separation 두 기술의 핵심 차이점Speech Separation (음성 분리)무엇을 하는 기술인가? 여러 사람의 목소리가 섞인 오디오에서 각 사람의 목소리를 개별 오디오 파일로 분리합니다.결과물: 각 화자별로 분리된 별도의 오디오 파일을 생성합니다.비유하자면: 여러 사람이 동시에 말하는 시끄러운 파티에서 한 사람의 목소리만 따로 듣게 해주는 기술입니다.Speech Diarization (화자 분할)무엇을 하는 기술인가? 오디오에서 "누가 언제 말했는지"를 시간 정보와 함께 알려줍니다.결과물: 시간 정보가 포함된 메타데이터(예: 0:050:15 ..