Enviar pesquisa
Carregar
오픈소스 소프트웨어 성능 최적화 보고서 2장.
•
0 gostou
•
805 visualizações
HyeonSeok Choi
Seguir
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 15
Baixar agora
Baixar para ler offline
Recomendados
DEVIEW2015 DAY2. data science with apache zeppelin
[214] data science with apache zeppelin
[214] data science with apache zeppelin
NAVER D2
[233]멀티테넌트하둡클러스터 남경완
[233]멀티테넌트하둡클러스터 남경완
[233]멀티테넌트하둡클러스터 남경완
NAVER D2
DEVIEW 2014 [1A7]Ansible의이해와활용
[1A7]Ansible의이해와활용
[1A7]Ansible의이해와활용
NAVER D2
제 6회 D2 CAMPUS SEMINAR
텀 프로젝트에서 제품 프로젝트로 - 성준영님
텀 프로젝트에서 제품 프로젝트로 - 성준영님
NAVER D2
Apache Kafak의 빅데이터 아키텍처에서 역할이 점차 커지고, 중요한 비중을 차지하게 되면서, 성능에 대한 고민도 늘어나고 있다. 다양한 프로젝트를 진행하면서 Apache Kafka를 모니터링 하기 위해 필요한 Metrics들을 이해하고, 이를 최적화 하기 위한 Configruation 설정을 정리해 보았다. [Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안] Apache Kafka 성능 모니터링에 필요한 metrics에 대해 이해하고, 4가지 관점(처리량, 지연, Durability, 가용성)에서 성능을 최적화 하는 방안을 정리함. Kafka를 구성하는 3개 모듈(Producer, Broker, Consumer)별로 성능 최적화를 위한 … [Apache Kafka 모니터링을 위한 Metrics 이해] Apache Kafka의 상태를 모니터링 하기 위해서는 4개(System(OS), Producer, Broker, Consumer)에서 발생하는 metrics들을 살펴봐야 한다. 이번 글에서는 JVM에서 제공하는 JMX metrics를 중심으로 producer/broker/consumer의 지표를 정리하였다. 모든 지표를 정리하진 않았고, 내 관점에서 유의미한 지표들을 중심으로 이해한 내용임 [Apache Kafka 성능 Configuration 최적화] 성능목표를 4개로 구분(Throughtput, Latency, Durability, Avalibility)하고, 각 목표에 따라 어떤 Kafka configuration의 조정을 어떻게 해야하는지 정리하였다. 튜닝한 파라미터를 적용한 후, 성능테스트를 수행하면서 추출된 Metrics를 모니터링하여 현재 업무에 최적화 되도록 최적화를 수행하는 것이 필요하다.
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
SANG WON PARK
[211]대규모 시스템 시각화 현동석김광림
[211]대규모 시스템 시각화 현동석김광림
[211]대규모 시스템 시각화 현동석김광림
NAVER D2
Introduce of Apache Kafka
Kafka slideshare
Kafka slideshare
wonyong hwang
시스템 관리자를 위한 Ansible
02.실전! 시스템 관리자를 위한 Ansible
02.실전! 시스템 관리자를 위한 Ansible
Opennaru, inc.
Recomendados
DEVIEW2015 DAY2. data science with apache zeppelin
[214] data science with apache zeppelin
[214] data science with apache zeppelin
NAVER D2
[233]멀티테넌트하둡클러스터 남경완
[233]멀티테넌트하둡클러스터 남경완
[233]멀티테넌트하둡클러스터 남경완
NAVER D2
DEVIEW 2014 [1A7]Ansible의이해와활용
[1A7]Ansible의이해와활용
[1A7]Ansible의이해와활용
NAVER D2
제 6회 D2 CAMPUS SEMINAR
텀 프로젝트에서 제품 프로젝트로 - 성준영님
텀 프로젝트에서 제품 프로젝트로 - 성준영님
NAVER D2
Apache Kafak의 빅데이터 아키텍처에서 역할이 점차 커지고, 중요한 비중을 차지하게 되면서, 성능에 대한 고민도 늘어나고 있다. 다양한 프로젝트를 진행하면서 Apache Kafka를 모니터링 하기 위해 필요한 Metrics들을 이해하고, 이를 최적화 하기 위한 Configruation 설정을 정리해 보았다. [Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안] Apache Kafka 성능 모니터링에 필요한 metrics에 대해 이해하고, 4가지 관점(처리량, 지연, Durability, 가용성)에서 성능을 최적화 하는 방안을 정리함. Kafka를 구성하는 3개 모듈(Producer, Broker, Consumer)별로 성능 최적화를 위한 … [Apache Kafka 모니터링을 위한 Metrics 이해] Apache Kafka의 상태를 모니터링 하기 위해서는 4개(System(OS), Producer, Broker, Consumer)에서 발생하는 metrics들을 살펴봐야 한다. 이번 글에서는 JVM에서 제공하는 JMX metrics를 중심으로 producer/broker/consumer의 지표를 정리하였다. 모든 지표를 정리하진 않았고, 내 관점에서 유의미한 지표들을 중심으로 이해한 내용임 [Apache Kafka 성능 Configuration 최적화] 성능목표를 4개로 구분(Throughtput, Latency, Durability, Avalibility)하고, 각 목표에 따라 어떤 Kafka configuration의 조정을 어떻게 해야하는지 정리하였다. 튜닝한 파라미터를 적용한 후, 성능테스트를 수행하면서 추출된 Metrics를 모니터링하여 현재 업무에 최적화 되도록 최적화를 수행하는 것이 필요하다.
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
Apache kafka 모니터링을 위한 Metrics 이해 및 최적화 방안
SANG WON PARK
[211]대규모 시스템 시각화 현동석김광림
[211]대규모 시스템 시각화 현동석김광림
[211]대규모 시스템 시각화 현동석김광림
NAVER D2
Introduce of Apache Kafka
Kafka slideshare
Kafka slideshare
wonyong hwang
시스템 관리자를 위한 Ansible
02.실전! 시스템 관리자를 위한 Ansible
02.실전! 시스템 관리자를 위한 Ansible
Opennaru, inc.
DEVIEW2015 DAY1. 네이버 효과툰 구현 이야기
[121]네이버 효과툰 구현 이야기
[121]네이버 효과툰 구현 이야기
NAVER D2
Ansible 소개, 구성요소, 설치, 환경 설정과 패키지/패스워드 관리에 대한 실습을 진행하는 교육 자료 공유합니다. 오픈스택 기반 환경하에 운영하는 고객사에 Cloud Team이 제공하는 교육서비스입니다.
[오픈소스컨설팅] Ansible을 활용한 운영 자동화 교육
[오픈소스컨설팅] Ansible을 활용한 운영 자동화 교육
Ji-Woong Choi
자동화된 인프라 구축 Building an Automated Infrastructure 2009년 https://groups.google.com/forum/#!forum/sysadminstudy 에서 발표했던 자료입니다. 출처 : http://wiki.tunelinux.pe.kr/pages/viewpage.action?pageId=884766
자동화된 인프라구축 - 2009년 자료
자동화된 인프라구축 - 2009년 자료
태준 문
JVM과 톰캣 튜닝 조대협 - 대용량 아키텍처와 성능 튜닝
JVM과 톰캣 튜닝
JVM과 톰캣 튜닝
Mungyu Choi
NDC 2018, "만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기" 발표 자료입니다.
[NDC18] 만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기
[NDC18] 만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기
Chanwoong Kim
IT Automation & Configuration Management
03.Ansible 소개
03.Ansible 소개
Opennaru, inc.
2019 kafka conference seould에서 발표한 "Apache Kafka 모니터링을 위한 Metrics 이해" 슬라이드 자료 기존 2018년 자료에서 모니터링 관점에서 중요한 metrcis를 중심으로 정리하였고, 2019년 기준으로 추가/변경된 metrics를 반영하였다. 주용 내용은 - 업무에 최적화된 apache kafka 모니터링을 하려면? - 어떤 정보를 모니터링 해야 할까? - 적시성 관점의 모니터링 지표 (TotalTimeMs에 대한 세부 구조 이해) - 안정성 관점의 모니터링 지표 (데이터 유실이 없이 중단없는 서비스) - 언제 apache kafka 클러스터를 확장해야 할까? (어떤 지표를 봐야 할까?) 위 모든 지표는 producer/broker/consumer 3가지 측면에서 검토하였다. 컨퍼런스 영상 링크 : https://www.youtube.com/watch?v=p2RGsTOCHAg
Understanding of Apache kafka metrics for monitoring
Understanding of Apache kafka metrics for monitoring
SANG WON PARK
JCO 11th 클라우드 환경에서 Java EE 운영 환경 구축하기
JCO 11th 클라우드 환경에서 Java EE 운영 환경 구축하기
Ted Won
2019년 7월에 강의한 쿠버네티스
Kubernetes
Kubernetes
Kyung Koo Yoon
12월 14일에 열린 AWS Container Day에서 김상필 SA님 께서 발표하신 도커의 기초 ‘ 발표자료입니다.
도커의 기초 - 김상필 솔루션즈 아키텍트 :: AWS Container Day
도커의 기초 - 김상필 솔루션즈 아키텍트 :: AWS Container Day
Amazon Web Services Korea
[236] 카카오의데이터파이프라인 윤도영
[236] 카카오의데이터파이프라인 윤도영
[236] 카카오의데이터파이프라인 윤도영
NAVER D2
Apache Kafka를 이용하여 이미지 데이터를 얼마나 빠르게(with low latency) 전달 가능한지 성능 테스트. 최종 목적은 AI(ML/DL) 모델의 입력으로 대량의 실시간 영상/이미지 데이터를 전달하는 메세지 큐로 사용하기 위하여, Drone/제조공정 등의 장비에서 전송된 이미지를 얼마나 빨리 AI Model로 전달 할 수 있는지 확인하기 위함. 그래서 Kafka에서 이미지를 전송하는 간단한 테스트를 진행하였고, 이 과정에서 latency를 얼마나 줄여주는지를 확인해 보았다.(HTTP 프로토콜/Socket과 비교하여) [현재 까지 결론] - Apache Kafka는 대량의 요청 처리를 위한 throughtput에 최적화 된 솔루션임. - 현재는 producer의 몇가지 옵션만 조정하여 테스트한 결과이므로, - 잠정적인 결과이지만, kafka의 latency를 향상을 위해서는 많은 시도가 필요할 것 같음. - 즉, 단일 요청의 latency는 확실히 느리지만, - 대량의 처리를 기준으로 평균 latency를 비교하면 평균적인 latency는 많이 낮아짐. Test Code : https://github.com/freepsw/kafka-latency-test
Apache kafka performance(latency)_benchmark_v0.3
Apache kafka performance(latency)_benchmark_v0.3
SANG WON PARK
- 발표자: 카카오 홍석용
[OpenInfra Days Korea 2018] Day 2 - E5: Mesos to Kubernetes, Cloud Native 서비스...
[OpenInfra Days Korea 2018] Day 2 - E5: Mesos to Kubernetes, Cloud Native 서비스...
OpenStack Korea Community
AWSKRUG 2020.04 컨테이너 소모임 발표자료
ECS+Locust로 부하 테스트 진행하기
ECS+Locust로 부하 테스트 진행하기
Yungon Park
MySQL PowerGroup Tech Seminar (2016.1) - 5.AWS 환경에서 MySQL Infra 설계하기-2부.본론 (by 김상필) - URL : cafe.naver.com/mysqlpg
AWS 환경에서 MySQL Infra 설계하기-2부.본론
AWS 환경에서 MySQL Infra 설계하기-2부.본론
I Goo Lee
Ansible basic
Ansible
Ansible
DaeMyung Kang
스카우터 설치부터 각 메뉴별 활용에 대한 설명을 담고 있는 문서입니다. 권현오님이 작성해주신 문서이며, 추가가 필요한 사항에 대해서 코멘트 주시면 내용 업데이트될 예정입니다.
[오픈소스컨설팅] 스카우터 사용자 가이드 2020
[오픈소스컨설팅] 스카우터 사용자 가이드 2020
Ji-Woong Choi
D2 COMMUNITY 지원을 받고 있는 Open Container 커뮤니티의 다섯번째 밋업에서 진행된 발표자료입니다.
[D2 COMMUNITY] Open Container Seoul Meetup - 마이크로 서비스 아키텍쳐와 Docker kubernetes
[D2 COMMUNITY] Open Container Seoul Meetup - 마이크로 서비스 아키텍쳐와 Docker kubernetes
NAVER D2
DEVIEW 2014 [2B5]nBase-ARC Redis Cluster
[2B5]nBase-ARC Redis Cluster
[2B5]nBase-ARC Redis Cluster
NAVER D2
Apache Tomcat 설치, 환경 구성, 모니터링 및 운영에 대한 전반적인 가이드를 담은 문서입니다. 필요 시 패치까지 만들어서 사용하고 있습니다. 준영님 감사드려요.
[오픈소스컨설팅] 아파치톰캣 운영가이드 v1.3
[오픈소스컨설팅] 아파치톰캣 운영가이드 v1.3
Ji-Woong Choi
React Query 도입 세미나 자료
React-Query가필요한가요.pptx
React-Query가필요한가요.pptx
ssuser89c688
Amazon EC2 고급 활용 기법 및 모범 사례::이진욱::AWS Summit Seoul 2018
Amazon EC2 고급 활용 기법 및 모범 사례::이진욱::AWS Summit Seoul 2018
Amazon Web Services Korea
Mais conteúdo relacionado
Mais procurados
DEVIEW2015 DAY1. 네이버 효과툰 구현 이야기
[121]네이버 효과툰 구현 이야기
[121]네이버 효과툰 구현 이야기
NAVER D2
Ansible 소개, 구성요소, 설치, 환경 설정과 패키지/패스워드 관리에 대한 실습을 진행하는 교육 자료 공유합니다. 오픈스택 기반 환경하에 운영하는 고객사에 Cloud Team이 제공하는 교육서비스입니다.
[오픈소스컨설팅] Ansible을 활용한 운영 자동화 교육
[오픈소스컨설팅] Ansible을 활용한 운영 자동화 교육
Ji-Woong Choi
자동화된 인프라 구축 Building an Automated Infrastructure 2009년 https://groups.google.com/forum/#!forum/sysadminstudy 에서 발표했던 자료입니다. 출처 : http://wiki.tunelinux.pe.kr/pages/viewpage.action?pageId=884766
자동화된 인프라구축 - 2009년 자료
자동화된 인프라구축 - 2009년 자료
태준 문
JVM과 톰캣 튜닝 조대협 - 대용량 아키텍처와 성능 튜닝
JVM과 톰캣 튜닝
JVM과 톰캣 튜닝
Mungyu Choi
NDC 2018, "만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기" 발표 자료입니다.
[NDC18] 만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기
[NDC18] 만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기
Chanwoong Kim
IT Automation & Configuration Management
03.Ansible 소개
03.Ansible 소개
Opennaru, inc.
2019 kafka conference seould에서 발표한 "Apache Kafka 모니터링을 위한 Metrics 이해" 슬라이드 자료 기존 2018년 자료에서 모니터링 관점에서 중요한 metrcis를 중심으로 정리하였고, 2019년 기준으로 추가/변경된 metrics를 반영하였다. 주용 내용은 - 업무에 최적화된 apache kafka 모니터링을 하려면? - 어떤 정보를 모니터링 해야 할까? - 적시성 관점의 모니터링 지표 (TotalTimeMs에 대한 세부 구조 이해) - 안정성 관점의 모니터링 지표 (데이터 유실이 없이 중단없는 서비스) - 언제 apache kafka 클러스터를 확장해야 할까? (어떤 지표를 봐야 할까?) 위 모든 지표는 producer/broker/consumer 3가지 측면에서 검토하였다. 컨퍼런스 영상 링크 : https://www.youtube.com/watch?v=p2RGsTOCHAg
Understanding of Apache kafka metrics for monitoring
Understanding of Apache kafka metrics for monitoring
SANG WON PARK
JCO 11th 클라우드 환경에서 Java EE 운영 환경 구축하기
JCO 11th 클라우드 환경에서 Java EE 운영 환경 구축하기
Ted Won
2019년 7월에 강의한 쿠버네티스
Kubernetes
Kubernetes
Kyung Koo Yoon
12월 14일에 열린 AWS Container Day에서 김상필 SA님 께서 발표하신 도커의 기초 ‘ 발표자료입니다.
도커의 기초 - 김상필 솔루션즈 아키텍트 :: AWS Container Day
도커의 기초 - 김상필 솔루션즈 아키텍트 :: AWS Container Day
Amazon Web Services Korea
[236] 카카오의데이터파이프라인 윤도영
[236] 카카오의데이터파이프라인 윤도영
[236] 카카오의데이터파이프라인 윤도영
NAVER D2
Apache Kafka를 이용하여 이미지 데이터를 얼마나 빠르게(with low latency) 전달 가능한지 성능 테스트. 최종 목적은 AI(ML/DL) 모델의 입력으로 대량의 실시간 영상/이미지 데이터를 전달하는 메세지 큐로 사용하기 위하여, Drone/제조공정 등의 장비에서 전송된 이미지를 얼마나 빨리 AI Model로 전달 할 수 있는지 확인하기 위함. 그래서 Kafka에서 이미지를 전송하는 간단한 테스트를 진행하였고, 이 과정에서 latency를 얼마나 줄여주는지를 확인해 보았다.(HTTP 프로토콜/Socket과 비교하여) [현재 까지 결론] - Apache Kafka는 대량의 요청 처리를 위한 throughtput에 최적화 된 솔루션임. - 현재는 producer의 몇가지 옵션만 조정하여 테스트한 결과이므로, - 잠정적인 결과이지만, kafka의 latency를 향상을 위해서는 많은 시도가 필요할 것 같음. - 즉, 단일 요청의 latency는 확실히 느리지만, - 대량의 처리를 기준으로 평균 latency를 비교하면 평균적인 latency는 많이 낮아짐. Test Code : https://github.com/freepsw/kafka-latency-test
Apache kafka performance(latency)_benchmark_v0.3
Apache kafka performance(latency)_benchmark_v0.3
SANG WON PARK
- 발표자: 카카오 홍석용
[OpenInfra Days Korea 2018] Day 2 - E5: Mesos to Kubernetes, Cloud Native 서비스...
[OpenInfra Days Korea 2018] Day 2 - E5: Mesos to Kubernetes, Cloud Native 서비스...
OpenStack Korea Community
AWSKRUG 2020.04 컨테이너 소모임 발표자료
ECS+Locust로 부하 테스트 진행하기
ECS+Locust로 부하 테스트 진행하기
Yungon Park
MySQL PowerGroup Tech Seminar (2016.1) - 5.AWS 환경에서 MySQL Infra 설계하기-2부.본론 (by 김상필) - URL : cafe.naver.com/mysqlpg
AWS 환경에서 MySQL Infra 설계하기-2부.본론
AWS 환경에서 MySQL Infra 설계하기-2부.본론
I Goo Lee
Ansible basic
Ansible
Ansible
DaeMyung Kang
스카우터 설치부터 각 메뉴별 활용에 대한 설명을 담고 있는 문서입니다. 권현오님이 작성해주신 문서이며, 추가가 필요한 사항에 대해서 코멘트 주시면 내용 업데이트될 예정입니다.
[오픈소스컨설팅] 스카우터 사용자 가이드 2020
[오픈소스컨설팅] 스카우터 사용자 가이드 2020
Ji-Woong Choi
D2 COMMUNITY 지원을 받고 있는 Open Container 커뮤니티의 다섯번째 밋업에서 진행된 발표자료입니다.
[D2 COMMUNITY] Open Container Seoul Meetup - 마이크로 서비스 아키텍쳐와 Docker kubernetes
[D2 COMMUNITY] Open Container Seoul Meetup - 마이크로 서비스 아키텍쳐와 Docker kubernetes
NAVER D2
DEVIEW 2014 [2B5]nBase-ARC Redis Cluster
[2B5]nBase-ARC Redis Cluster
[2B5]nBase-ARC Redis Cluster
NAVER D2
Apache Tomcat 설치, 환경 구성, 모니터링 및 운영에 대한 전반적인 가이드를 담은 문서입니다. 필요 시 패치까지 만들어서 사용하고 있습니다. 준영님 감사드려요.
[오픈소스컨설팅] 아파치톰캣 운영가이드 v1.3
[오픈소스컨설팅] 아파치톰캣 운영가이드 v1.3
Ji-Woong Choi
Mais procurados
(20)
[121]네이버 효과툰 구현 이야기
[121]네이버 효과툰 구현 이야기
[오픈소스컨설팅] Ansible을 활용한 운영 자동화 교육
[오픈소스컨설팅] Ansible을 활용한 운영 자동화 교육
자동화된 인프라구축 - 2009년 자료
자동화된 인프라구축 - 2009년 자료
JVM과 톰캣 튜닝
JVM과 톰캣 튜닝
[NDC18] 만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기
[NDC18] 만들고 붓고 부수고 - 〈야생의 땅: 듀랑고〉 서버 관리 배포 이야기
03.Ansible 소개
03.Ansible 소개
Understanding of Apache kafka metrics for monitoring
Understanding of Apache kafka metrics for monitoring
JCO 11th 클라우드 환경에서 Java EE 운영 환경 구축하기
JCO 11th 클라우드 환경에서 Java EE 운영 환경 구축하기
Kubernetes
Kubernetes
도커의 기초 - 김상필 솔루션즈 아키텍트 :: AWS Container Day
도커의 기초 - 김상필 솔루션즈 아키텍트 :: AWS Container Day
[236] 카카오의데이터파이프라인 윤도영
[236] 카카오의데이터파이프라인 윤도영
Apache kafka performance(latency)_benchmark_v0.3
Apache kafka performance(latency)_benchmark_v0.3
[OpenInfra Days Korea 2018] Day 2 - E5: Mesos to Kubernetes, Cloud Native 서비스...
[OpenInfra Days Korea 2018] Day 2 - E5: Mesos to Kubernetes, Cloud Native 서비스...
ECS+Locust로 부하 테스트 진행하기
ECS+Locust로 부하 테스트 진행하기
AWS 환경에서 MySQL Infra 설계하기-2부.본론
AWS 환경에서 MySQL Infra 설계하기-2부.본론
Ansible
Ansible
[오픈소스컨설팅] 스카우터 사용자 가이드 2020
[오픈소스컨설팅] 스카우터 사용자 가이드 2020
[D2 COMMUNITY] Open Container Seoul Meetup - 마이크로 서비스 아키텍쳐와 Docker kubernetes
[D2 COMMUNITY] Open Container Seoul Meetup - 마이크로 서비스 아키텍쳐와 Docker kubernetes
[2B5]nBase-ARC Redis Cluster
[2B5]nBase-ARC Redis Cluster
[오픈소스컨설팅] 아파치톰캣 운영가이드 v1.3
[오픈소스컨설팅] 아파치톰캣 운영가이드 v1.3
Semelhante a 오픈소스 소프트웨어 성능 최적화 보고서 2장.
React Query 도입 세미나 자료
React-Query가필요한가요.pptx
React-Query가필요한가요.pptx
ssuser89c688
Amazon EC2 고급 활용 기법 및 모범 사례::이진욱::AWS Summit Seoul 2018
Amazon EC2 고급 활용 기법 및 모범 사례::이진욱::AWS Summit Seoul 2018
Amazon Web Services Korea
Backend Master | 3.4.5 Deploy - Docker Principal @author 하유리 @date 18.07.29 # Study Curriculum : https://github.com/Backend-Masters/report
Backend Master | 3.4.5 Deploy - Docker Principal
Backend Master | 3.4.5 Deploy - Docker Principal
Kyunghun Jeon
spark on kubernetes as database service using python thrift server
spark database Service
spark database Service
창언 정
제프리 리처의 Windows via C/C++
Windows via C/C++ 06 스레드의 기본
Windows via C/C++ 06 스레드의 기본
ssuser0c2478
1. Why Cloud? 2. What is Cloud Native? 3. Kubernetes 소개 4. Kubernetes 실습 5. Kubernetes Objects 6. 개발환경 구축하기 컨테이너 기반 CI/CD 환경으로 전환되고 멀티클라우드의 요구사항 수용에 적합한 쿠버네티스에 대한 실습 과정 예제입니다.
[오픈소스컨설팅]쿠버네티스를 활용한 개발환경 구축
[오픈소스컨설팅]쿠버네티스를 활용한 개발환경 구축
Ji-Woong Choi
Warp
Warp
Warp
aceigy6322
오픈 소스 Actor Framework 인 Akka.NET 을 통해 온라인 게임 서버를 어떻게 구현할 수 있는지를 설명합니다. Actor Model 에 대한 기본 이해부터 Scale-out 가능한 게임 서버 구축까지 전반적인 내용에 대해 알 수 있습니다. 설명을 위해 클라이언트는 Unity3D 를 사용할 예정입니다.
Akka.NET 으로 만드는 온라인 게임 서버 (NDC2016)
Akka.NET 으로 만드는 온라인 게임 서버 (NDC2016)
Esun Kim
node.js 의 구조와, 기능, 프레임웍등 vert.x에 대한 간략한 소개와 node.js와 비교를 통한 각 서버에 대한 장단점 분석
빠르게훓어보는 Node.js와 Vert.x
빠르게훓어보는 Node.js와 Vert.x
Terry Cho
데브시스터즈의 Cookie Run: OvenBreak 에 적용된 Kubernetes 기반 다중 개발 서버 환경 구축 시스템에 대한 발표입니다. Container orchestration 기반 개발 환경 구축 시스템의 필요성과, 왜 Kubernetes를 선택했는지, Kubernetes의 개념과 유용한 기능들을 다룹니다. 아울러 구축한 시스템에 대한 데모와, 작업했던 항목들에 대해 리뷰합니다. *NDC17 발표에서는 데모 동영상을 사용했으나, 슬라이드 캡쳐로 대신합니다.
[NDC17] Kubernetes로 개발서버 간단히 찍어내기
[NDC17] Kubernetes로 개발서버 간단히 찍어내기
SeungYong Oh
Cache cloud 최종
Cache cloud 최종
nexusz99
2017년 11월 Saturday Azure Live 자료입니다.
1711 azure-live
1711 azure-live
세준 김
이 슬라이드는 Kubernetes Korea User Group 밋업 프레젠테이션 (2019년 7월 30일)에 발표한 내용입니다. This slide was released in the Kubernetes Korea User Group MAKEUP PRESENTATION (July 30, 2019).
Windows Kubernetes Bootstrapping and Operations
Windows Kubernetes Bootstrapping and Operations
Jung Hyun Nam
이 PPT 자료는 2013년 4월 24일 넥슨에서 주최한 NDC 13에서 발표한 것입니다. 배포를 위해 수정된 부분들이 있으며 기술 내용의 권리는 드래곤플라이에 있습니다. ※ 2013. 4.26 폰트수정
Rhea_MMO_SNG_Convergence_Server_Architecture
Rhea_MMO_SNG_Convergence_Server_Architecture
Rhea Strike
OpenStack과 CloudStack을 간단히 정리한 내용 May, 2011
오픈 소스 클라우드 플랫폼 분석
오픈 소스 클라우드 플랫폼 분석
Jennifer Noh
넷플릭스에서는 높은 속도로 데이터를 제공하기 위해서 뿐만 아니라 멀티 리전의 데이터 가용성을 바탕으로한 전체 서비스 가용성 유지를 위해 캐시를 사용하고 있습니다. 이 앞의 세션에서 보았던 마이크로서비스 구조를 염두해 둘때 한가지 가장 간단한 변화는 외부 클라이언트로 부터 유입되는 단 하나의 요청에 대한 응답을 만들기 위해 다수의 내부 서비스들로 부터 데이터를 확보해야 하며, 이는 다수 서비스들에 대한 요청과 응답으로 이루어지게 됩니다. 내부 네트워크 성능, 데이터 저장소의 응답속도등의 복합적인 영향으로 인해 마이크로 서비스는 쉽게 느려질 수 있으며, 이는 보통 '팬아웃 효과'로 알려져 있습니다. 뿐만 아니라 다수 서비스간의 데이터 정합성 유지, 필요에 따라 각 서비스간 데이터의 다운타임 없는 이동, 증가하는 데이터량에 동시에 증가하는 데이터 소스의 부하, 그리고 이런 것들을 모두 감안한 데이터 복제 등을 처리해야 할 필요가 있습니다. 본 세션에서는 넷플릭스에서는 이런 문제를 어떤 방식으로 해결하는지, 그리고 스프링 부트, 스프링 클라우드를 비롯한 피보탈의 기술을 사용해서 어떻게 빠르고 쉽게 사용할 수 있는지에 대해 알아봅니다.
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
VMware Tanzu Korea
요즘 규모에 상관 없이 서버를 운영하는 웹서비스 업체에서는 도커라는 주제가 화두입니다. 오히려 발빠른 개발자나 운영자들은 이미 도커를 이용하여 서비스를 운영하고 있지요. 본 세션은 도커의 기술적인 내용 보다는 사용자 입장에서 알아야 할 내용을 중심으로 구성됩니다.
XECon2015 :: [1-5] 김훈민 - 서버 운영자가 꼭 알아야 할 Docker
XECon2015 :: [1-5] 김훈민 - 서버 운영자가 꼭 알아야 할 Docker
XpressEngine
explain iis process from request to asp.net handler
임태현, IIS with ASP.NET
임태현, IIS with ASP.NET
태현 임
자바 쓰레드
쓰레드.pdf
쓰레드.pdf
Seokju Hong
This slide allows you to increase your web application server performance. If you want to get this, please email us(support at osci.kr)
[오픈소스컨설팅]Performance Tuning How To
[오픈소스컨설팅]Performance Tuning How To
Ji-Woong Choi
Semelhante a 오픈소스 소프트웨어 성능 최적화 보고서 2장.
(20)
React-Query가필요한가요.pptx
React-Query가필요한가요.pptx
Amazon EC2 고급 활용 기법 및 모범 사례::이진욱::AWS Summit Seoul 2018
Amazon EC2 고급 활용 기법 및 모범 사례::이진욱::AWS Summit Seoul 2018
Backend Master | 3.4.5 Deploy - Docker Principal
Backend Master | 3.4.5 Deploy - Docker Principal
spark database Service
spark database Service
Windows via C/C++ 06 스레드의 기본
Windows via C/C++ 06 스레드의 기본
[오픈소스컨설팅]쿠버네티스를 활용한 개발환경 구축
[오픈소스컨설팅]쿠버네티스를 활용한 개발환경 구축
Warp
Warp
Akka.NET 으로 만드는 온라인 게임 서버 (NDC2016)
Akka.NET 으로 만드는 온라인 게임 서버 (NDC2016)
빠르게훓어보는 Node.js와 Vert.x
빠르게훓어보는 Node.js와 Vert.x
[NDC17] Kubernetes로 개발서버 간단히 찍어내기
[NDC17] Kubernetes로 개발서버 간단히 찍어내기
Cache cloud 최종
Cache cloud 최종
1711 azure-live
1711 azure-live
Windows Kubernetes Bootstrapping and Operations
Windows Kubernetes Bootstrapping and Operations
Rhea_MMO_SNG_Convergence_Server_Architecture
Rhea_MMO_SNG_Convergence_Server_Architecture
오픈 소스 클라우드 플랫폼 분석
오픈 소스 클라우드 플랫폼 분석
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
숨겨진 마이크로서비스: 초고속 응답과 고가용성을 위한 캐시 서비스 디자인
XECon2015 :: [1-5] 김훈민 - 서버 운영자가 꼭 알아야 할 Docker
XECon2015 :: [1-5] 김훈민 - 서버 운영자가 꼭 알아야 할 Docker
임태현, IIS with ASP.NET
임태현, IIS with ASP.NET
쓰레드.pdf
쓰레드.pdf
[오픈소스컨설팅]Performance Tuning How To
[오픈소스컨설팅]Performance Tuning How To
Mais de HyeonSeok Choi
밑바닥부터 시작하는 딥러닝 시즌 2 ch05
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
HyeonSeok Choi
밑바닥부터 시작하는 딥러닝 2장 아꿈사 발표자료
밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2
HyeonSeok Choi
프로그래머를 위한 성형 대수학 1장 후반부
프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2
HyeonSeok Choi
알고리즘 중심의 머신러닝 가이드 4장 다층 퍼셉트론 아꿈사 발표 자료
알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04
HyeonSeok Choi
딥러닝 제대로 시작하기 4장 아꿈사 발표자료.
딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04
HyeonSeok Choi
밑바닥부터 시작하는 딥러닝 5장 아꿈사 발표 자료: http://cafe.naver.com/architect1.cafe
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
HyeonSeok Choi
함수적 사고 2장 아꿈사 발표 자료
함수적 사고 2장
함수적 사고 2장
HyeonSeok Choi
7가지 동시성 모델 데이터 병렬성 아꿈사 발표 자료
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성
HyeonSeok Choi
7가지 동시성 모델 4장 아꿈사 스터디 자료
7가지 동시성 모델 4장
7가지 동시성 모델 4장
HyeonSeok Choi
도메인 주도 설계 Bounded Context 아꿈사 발표 자료
Bounded Context
Bounded Context
HyeonSeok Choi
DDD Repository 아꿈사 발표 자료
DDD Repository
DDD Repository
HyeonSeok Choi
DDD 스타트 아꿈사 발표 자료
DDD Start Ch#3
DDD Start Ch#3
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 8장 아꿈사 발표 자료
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 7장 후반부 아꿈사 발표 자료
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 6장 아꿈사 발표자료
실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6
HyeonSeok Choi
Logstash, ElsticSearch, Kibanba 간략 리뷰
Logstash, ElasticSearch, Kibana
Logstash, ElasticSearch, Kibana
HyeonSeok Choi
실무로 배우는 시스템 성능 최적화 Ch1. 아꿈사 발표 자료
실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1
HyeonSeok Choi
HTTP 완벽가이드 21장 아꿈사 발표자료
HTTP 완벽가이드 21장
HTTP 완벽가이드 21장
HyeonSeok Choi
HTTP 완벽 가이드 아꿈사 발표 자료
HTTP 완벽가이드 16장
HTTP 완벽가이드 16장
HyeonSeok Choi
HTTPS 완벽가이드 14장. HTTPS
HTTPS
HTTPS
HyeonSeok Choi
Mais de HyeonSeok Choi
(20)
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch2
밑바닥부터시작하는딥러닝 Ch2
프로그래머를위한선형대수학1.2
프로그래머를위한선형대수학1.2
알고리즘 중심의 머신러닝 가이드 Ch04
알고리즘 중심의 머신러닝 가이드 Ch04
딥러닝 제대로시작하기 Ch04
딥러닝 제대로시작하기 Ch04
밑바닥부터시작하는딥러닝 Ch05
밑바닥부터시작하는딥러닝 Ch05
함수적 사고 2장
함수적 사고 2장
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 - 데이터 병렬성
7가지 동시성 모델 4장
7가지 동시성 모델 4장
Bounded Context
Bounded Context
DDD Repository
DDD Repository
DDD Start Ch#3
DDD Start Ch#3
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch7
실무로 배우는 시스템 성능 최적화 Ch6
실무로 배우는 시스템 성능 최적화 Ch6
Logstash, ElasticSearch, Kibana
Logstash, ElasticSearch, Kibana
실무로배우는시스템성능최적화 Ch1
실무로배우는시스템성능최적화 Ch1
HTTP 완벽가이드 21장
HTTP 완벽가이드 21장
HTTP 완벽가이드 16장
HTTP 완벽가이드 16장
HTTPS
HTTPS
오픈소스 소프트웨어 성능 최적화 보고서 2장.
1.
! 오픈소스
2.
소프트웨어
3.
성능
4.
최적화
5.
보고서
6.
Ch.2
7.
SocialCalc에서
8.
EtherCalc로 아꿈사
9.
cecil
10.
EtherCalc 동시
11.
편집에
12.
최적화된
13.
온라인
14.
스프레드
15.
시트
16.
! •Socialtext
17.
플랫폼:
18.
기업
19.
사용자를
20.
위한
21.
Social
22.
협동
23.
도구
24.
모음
25.
•SocialCalc:
26.
Socialtext
27.
플랫폼의
28.
일부로,
29.
EtherCalc가
30.
사용하는
31.
브라우저
32.
내
33.
스프레드시트
34.
엔진
35.
초기
36.
SocialCalc •클라이언트
37.
측:
38.
Javascript
39.
•서버
40.
측:
41.
Perl Javascript로
42.
수행되는
43.
클라이언트
44.
측
45.
계산이
46.
Perl로
47.
수행되는
48.
서버
49.
측
50.
계산보다
51.
느렸지만,
52.
네트워크
53.
속도보다
54.
빠름.(2005
55.
-
56.
2006)
57.
이
58.
장에서
59.
주요
60.
내용 •SocialCalc를
61.
실제
62.
배치할때
63.
발생한
64.
이슈
65.
•이를
66.
개선하기
67.
위해
68.
적용한
69.
아키텍처와
70.
그
71.
과정
72.
설계상의
73.
제약
74.
조건 •메모리
75.
•Event
76.
기반
77.
서버에서
78.
작은
79.
용량의
80.
RAM으로도
81.
수천개의
82.
동시
83.
연결을
84.
처리
85.
•CPU
86.
•대부분의
87.
계산과
88.
콘텐츠
89.
렌더링은
90.
클라이언트쪽
91.
JavaScript를
92.
사용
93.
•네트워크
94.
•스프레드
95.
시트의
96.
내용이
97.
아니라
98.
연산들을
99.
전송함을써
100.
네트워크
101.
사용량을
102.
줄임
103.
•불안정한
104.
네트워크
105.
연결을
106.
복구할
107.
수
108.
있어야
109.
함.
110.
초기
111.
원형 •비동기
112.
웹서버인
113.
Feersum
114.
기반
115.
•Feersum
116.
위에서
117.
PocketIO
118.
•Socket.io
119.
기반
120.
•동작
121.
•클라이언트는
122.
각
123.
명령을
124.
서버로
125.
전송
126.
•서버는
127.
명령을
128.
시간값과
129.
같이
130.
저장
131.
•클라이언트
132.
접속시
133.
단절
134.
이후의
135.
모든
136.
명령을
137.
담은
138.
명령을
139.
전송
140.
(복구
141.
가능) 장점:
142.
서버쪽
143.
CPU와
144.
RAM
145.
요구사항을
146.
최소화,
147.
장애에
148.
대한
149.
적당한
150.
복원
151.
능력
152.
제공
153.
단점:
154.
명령이
155.
많아질
156.
경우
157.
클라이언트는
158.
접속시
159.
수천개의
160.
명령을
161.
재생해야함.
162.
스냅샵
163.
메커니즘
164.
도입 •동작
165.
•명령이
166.
100개
167.
전송될
168.
때
169.
마다
170.
활성화된
171.
클 라이언트의
172.
상태를
173.
점검하여,
174.
스냅샷을
175.
기록
176.
•명령은
177.
스냅샷
178.
이후를
179.
기록 장점:
180.
새로이
181.
접속하는
182.
클라이언트는
183.
많아야
184.
100개의
185.
명령을
186.
재성
187.
이슈:클라이언트의
188.
업로드
189.
대역폭의
190.
증가로
191.
네트워크
192.
성능
193.
이슈
194.
발생
195.
원인:
196.
서버가
197.
스프레드
198.
시트
199.
명령을
200.
실행할
201.
능력이
202.
없음.
203.
(스냅샷을
204.
클라이언트에서
205.
생성)
206.
Node.js로
207.
이식 •엔진을
208.
perl로
209.
재
210.
작성하는
211.
것은
212.
코드를
213.
2개
214.
유지해야
215.
함.
216.
(비용
217.
문제)
218.
•Node.js로
219.
서버를
220.
재
221.
작성
222.
•ZappaJS를
223.
사용
224.
•동일한
225.
엔진을
226.
서버에서
227.
사용
228.
•기능적으로
229.
동등한
230.
서버를
231.
80줄로
232.
완성
233.
•서버에서
234.
스프레드
235.
시트
236.
명령을
237.
실행 단점:
238.
최대
239.
Throughput이
240.
절반으로
241.
줄어듬.
242.
(서버
243.
측에서
244.
하는
245.
역할이
246.
증가)
247.
248.
Feersum:
249.
5000
250.
tps,
251.
Node.js
252.
+
253.
Express:
254.
2500
255.
tps
256.
257.
But,
258.
받아
259.
들일만
260.
함.
261.
262.
263.
이후,
264.
서버쪽
265.
SocialCalc
266.
스프레드
267.
시트
268.
갱신에
269.
쓰이는
270.
대역폭을
271.
최소화
272.
하는데
273.
주력
274.
서버측
275.
SocialCalc •jsdom을
276.
사용하여
277.
클라이언트쪽
278.
Javascript
279.
라이브러리를
280.
시뮬레이션
281.
된
282.
브라우저
283.
환경에
284.
적재
285.
•각
286.
명령은
287.
서버의
288.
SocialCalc
289.
컨트롤러에서
290.
실행됨
291.
•서버는
292.
갱신된
293.
제어기의
294.
상태를
295.
새로
296.
접속한
297.
클라이언트에게
298.
전송
299.
Node.js
300.
301.
프로파일링 •신규
302.
요구사항
303.
•스프레드
304.
시트를
305.
실시간
306.
웹
307.
소통량
308.
감시
309.
시스템을
310.
위한
311.
프로그래밍
312.
가능한
313.
시각화
314.
엔진으로
315.
개조
316.
•개별칸
317.
및
318.
스프레트
319.
시트에
320.
명령을
321.
실행할
322.
수
323.
있는
324.
REST
325.
API
326.
327.
도입
328.
•초당
329.
수백개의
330.
REST
331.
API
332.
호출로
333.
이슈
334.
발생
335.
•jsdom을
336.
사용한
337.
RenderSheet에서
338.
많은
339.
시간을
340.
소요함,
341.
결과적으로
342.
서버
343.
멈춤.
344.
•프로파일링에
345.
사용한
346.
도구
347.
•Node
348.
Webkit
349.
Agent:
350.
리모트
351.
프로파일링을
352.
제공하는
353.
node.js
354.
모듈
355.
•Apache
356.
ab:
357.
아파치
358.
웹서버
359.
성능
360.
검사
361.
도구(Rest
362.
API호출)
363.
•Zombie.js:
364.
브라우저의
365.
Action을
366.
시뮬레이팅
367.
•개선:
368.
jsdom을
369.
제거하고,
370.
HTML
371.
내보내기를
372.
위한
373.
최소한의
374.
DOM을
375.
구현
376.
다중
377.
코어
378.
규모
379.
확장 •신규
380.
요구사항
381.
•다중
382.
입주
383.
호스팅을
384.
위한
385.
하나의
386.
큰
387.
서버로
388.
더
389.
많은
390.
요청을
391.
처리
392.
해야
393.
함.
394.
•Node.js
395.
사용으로
396.
인한
397.
이슈
398.
•Node.js는
399.
단일
400.
프로세스
401.
기반이기
402.
여분의
403.
CPU를
404.
활용하지
405.
못함
406.
•해결책
407.
•프로세스
408.
기반의
409.
멀티
410.
코어
411.
활용
412.
•스레드
413.
기반의
414.
멀티
415.
코어
416.
활용
417.
프로세스
418.
기반의
419.
멀티
420.
코어
421.
활용 •사전
422.
분기
423.
클러스터
424.
서버를
425.
이용하여
426.
각
427.
CPU마다
428.
프로세스
429.
생성
430.
•단점
431.
•Socket.io
432.
클러스터링과
433.
RedisStore
434.
연동을
435.
하려면
436.
논리가
437.
복잡해
438.
짐.
439.
•모든
440.
프로세스가
441.
CPU를
442.
많이
443.
소비하는
444.
처리에
445.
묶여
446.
있으면
447.
연결이
448.
여전히
449.
차단됨.
450.
스레드
451.
기반의
452.
멀티
453.
코어
454.
활용 •서버쪽
455.
스프레드
456.
시트마다
457.
하나씩의
458.
백그라운드
459.
스레드를
460.
생성
461.
•이를
462.
위해
463.
W3C의
464.
Web
465.
Worker
466.
API를
467.
구현
468.
•Web
469.
Worker
470.
API:
471.
스크립트들을
472.
백그라운드에서
473.
독립적으로
474.
실행하는
475.
방법을
476.
정의
477.
Lessons
478.
Learned •구속은
479.
자유
480.
•최악이
481.
최선
482.
•LiveScript의
483.
재등장
484.
•결론
485.
Reference • 테이비시
486.
암스트롱
487.
엮음.
488.
오픈소스
489.
소프트웨어
490.
성능
491.
최적화
492.
보고서.
493.
(류광
494.
옮 김).
495.
경기도
496.
파주:
497.
제이펍,
498.
2014
Baixar agora