클러스터는 네트워크에 연결된 물리적 or 가상 머신의 집합이며, 클러스터는 마스터와 노드로 구성된다. 일반적으로 프로덕션 환경의 경우 하나 이상의 마스터가 존재한다. Master마스터의 컴포넌트는 api-server, stcd, controller-manager, scheduler로 구성된다. api-server: 클라이언트가 클러스터와 대화하고 워크로드를 생성할 수 있는 API-서버 etcd (et-c-d): 클러스터 데이터를 저장할 분산 키 값 저장소 controller-manager: 워크로드/노드 등을 지속적으로 모니터링하는 프로세스 scheduler: 워크로드 스케줄러  Node노드의 컴포넌트는 kubelet, container runtime (docker), kube-proxy 로 구성된다. ..

3년차 Node.js 개발자이고, 실제 면접을 보면서 받았던 질문들에 대한 리마인드와 개인 공부를 위해 정리합니다.또한 많은 정보가 없다고 생각해서 node.js 백엔드 개발자들에게 도움이 되었으면 좋겠습니다. 화이팅!주로 이력서 기반 질문이 많았고 CS 질문도 좀 있었습니다. 코딩테스트는 생략하겠습니다.또한 이 글은 지속적으로 업데이트 될 예정입니다. 각 글을 클릭하면 해당 링크로 이동합니다 파일을 서버로 전송하는 방법MSA에서 각 모듈 간 통신 방법Typescript Omit과 Partial 의 차이점 MSA에 대한 설명과 장단점에 대해서Protobuf란?Protobuf에서 1,2,3 이 의미하는 것이 무엇인지? AWS에서 사용해본 서비스들과 사용해보지 않았더라도 알고있는 서비스를 알려주세요.사용해본..

1. 소개현대 애플리케이션에서 데이터 직렬화의 중요성오늘날의 소프트웨어 개발에서는 다양한 시스템과 애플리케이션 간에 데이터를 효율적으로 교환하는 것이 매우 중요합니다. 특히 마이크로서비스 아키텍처의 확산과 모바일 및 IoT 기기의 증가로 인해 네트워크 상에서 주고받는 데이터의 양과 빈도가 폭발적으로 늘어나고 있습니다.기존 직렬화 방식의 한계전통적으로 데이터 교환에는 JSON이나 XML과 같은 텍스트 기반의 포맷이 많이 사용되어 왔습니다. 이러한 포맷은 사람이 읽기 쉽고 이해하기 편리하다는 장점이 있지만, 데이터 크기가 크고 파싱 속도가 느리며, 데이터 타입에 대한 명확한 정의가 부족하다는 단점이 있습니다.프로토콜 버퍼의 등장 배경구글은 내부 시스템에서 대용량의 데이터를 효율적으로 처리하기 위해 보다 빠르..

ONNX (Open Neural Network Exchange)는 다양한 딥러닝 및 머신러닝 프레임워크 간의 모델 호환성을 보장하는 오픈 소스 표준 형식입니다.Microsoft와 Facebook이 주도하여 개발한 ONNX는 PyTorch, TensorFlow, scikit-learn 등에서 학습된 모델을 변환해, 다른 프레임워크나 하드웨어에서 효율적인 추론을 수행할 수 있도록 합니다. ONNX의 필요성과 장점1. 모델 호환성ONNX는 다양한 프레임워크 간의 모델 변환을 간소화합니다. 예를 들어, PyTorch로 학습한 모델을 TensorFlow에서 실행하거나, ONNX Runtime을 통해 추론 성능을 가속화할 수 있습니다.2. 고성능 추론ONNX Runtime은 GPU, CPU뿐만 아니라 FPGA, T..