본문 바로가기

전체 글1055

AI를 활용한 쿼리검수 자동화 프로젝트 수행기 1. 들어가며월요일 오전 9시, 업무를 시작하자마자 Jira 알림이 쏟아집니다. "쿼리 검수 요청드립니다", "급하게 반영이 필요한데 오늘 중으로 확인 가능할까요?", "이번 주 금요일까지 오픈인데 쿼리 15건 검수 부탁드립니다." 채팅창을 닫기도 전에 새 요청이 도착합니다. DBA라면 한 번쯤 겪어보셨을 이 풍경, 어떻게 대응하고 계신가요?SA Unit 리더로서 Infra 관련 업무 전반을 총괄하다 보니, 밀접하게 협업을 진행하는 DBA Unit에서 발생하는 위와 같은 업무적인 고충을 가까이서 접할 수 있었습니다. 신규 서비스 런칭이나 대규모 시스템 반영 일정이 겹치면 DBA Unit에는 하루에 수십 건, 일주일이면 수백 건의 쿼리 검수 요청이 밀려들었습니다. 쿼리 1건을 제대로 검토하려면 실행 계획도.. 2026. 3. 9.
AWS Kiro를 이용한 Vibe 코딩 Chat Bot 개발 사례 소개 I. Vibe 코딩, Agentic AI를 만나다대화형 인공지능(Conversational AI) 도구의 도움을 받아 솔루션의 개발 속도와 결과물의 안정성 사이의 균형을 맞추는 것은 현대 소프트웨어 개발의 핵심 과제입니다. 특히 직관적인 아이디어를 빠르게 구현하는 Vibe 코딩은 개발 초기 단계의 속도를 높여서 빠르게 개념을 증명하고 실제 프로젝트에 돌입할 수 있게 해줍니다.제가 현재 근무하고 있는 MegaZoneCloud의 Specialty Service Unit(이하 SSU)에서는 2025년 상반기부터 AI를 보다 밀접하게 경험해보고 잘 이용할 수 있도록 AI 개발 대중화에 기여하기 위해 AI 기반 방법론인 AIR DevOps를 적용해서 AWS에서 새롭게 출시한 Kiro를 활용하여 여러 비개발 직.. 2026. 2. 7.
Amazon Q Developer CLI를 활용한 개발 생산성 극대화 클라우드 환경에서 인프라를 관리하고 애플리케이션을 배포하는 개발자 및 엔지니어에게 명령줄 인터페이스(CLI)는 필수적인 도구입니다. 하지만 수많은 서비스와 명령어, 그리고 복잡한 파라미터 옵션을 모두 기억하기란 쉽지 않습니다. 문서를 찾아보거나, 에러 메시지를 수정하며 시간을 허비하는 것은 우리에게 너무나 익숙한 일상입니다. 만약 터미널에서 자연어로 대화하며 이 모든 작업을 처리할 수 있다면 어떨까요? 오늘 소개해 드릴 Amazon Q Developer CLI는 바로 그 상상을 현실로 만들어주는 강력한 도구입니다. AWS에서 제공하는 생성형 AI 기반의 이 명령줄 도우미는 개발자가 터미널을 떠나지 않고도 자연어를 사용하여 AWS 리소스를 관리하고, 코드를 생성하며, 복잡한 명령어를 손쉽게 처리할 수 있도.. 2025. 11. 24.
클라우드 컨택센터의 표준 아키텍처 분석: Amazon Connect와 Zendesk 연동 모델 현대 비즈니스 환경에서 고객 경험은 기업의 성장을 좌우하는 가장 중요한 요소 중 하나입니다. 특히 팬데믹 이후 고객들은 시간과 장소에 구애받지 않는 즉각적이고 일관된 지원을 기대하며, 이는 기업의 컨택센터에 전례 없는 도전을 안겨주고 있습니다. 하지만 확장성이 부족한 레거시 인프라, 채널별로 분리된 데이터, 그리고 새로운 기술 도입이 어려운 경직된 시스템 연동 구조는 이러한 고객의 기대를 충족시키는 데 큰 장벽이 되어 왔습니다.오늘 이 시간에는 이러한 문제들을 해결하기 위한 검증된 청사진, 즉 AWS(Amazon Web Services)의 클라우드 서비스와 Zendesk CRM을 결합한 클라우드 네이티브 컨택센터 아키텍처에 대해 심층적으로 분석해보고자 합니다. 본 포스트는 특정 아키텍처 다이어그램을 기반.. 2025. 10. 16.
클라우드 현대화의 두 축: AWS Transform과 Amazon Q Developer transform 심층 비교 디지털 트랜스포메이션의 여정에서 클라우드 마이그레이션과 애플리케이션 현대화는 더 이상 선택이 아닌 필수 과제가 되었습니다. 하지만 이 과정은 단순히 인프라를 이전하는 '리프트 앤 시프트(Lift and Shift)'를 넘어, 비즈니스 민첩성과 운영 효율성을 극대화하는 방향으로 진화해야 합니다. AWS는 이러한 복잡하고 다층적인 요구사항을 해결하기 위해 광범위한 도구와 서비스를 제공하고 있으며, 그중에서도 AWS Transform과 Amazon Q Developer의 transform 기능은 현대화 전략의 양대 축을 담당하는 핵심적인 역할을 합니다.하나는 거시적인 관점에서 전체 시스템의 전환을 지휘하는 '전략가'의 역할을, 다른 하나는 미시적인 관점에서 코드 레벨의 혁신을 이끄는 '개발 전문가'의 역할을 .. 2025. 9. 19.
생성형 AI를 통한 EKS 장애 분석 가속화: Amazon Q기반 컨트롤 플레인 지연 현상 분석 서론: 예측 불가능한 EKS 장애, 어떻게 대응하고 계신가요?오늘날 많은 기업이 애플리케이션의 민첩성과 확장성을 위해 Amazon Elastic Kubernetes Service(EKS)를 핵심 인프라로 채택하고 있습니다. EKS는 Kubernetes 클러스터의 관리 부담을 덜어주지만, 그 내부의 복잡성까지 사라지는 것은 아닙니다. 특히 장애가 발생했을 때, 수많은 컨트롤 플레인 로그와 시스템 이벤트를 분석하여 근본 원인을 찾아내는 과정은 숙련된 엔지니어에게도 상당한 시간과 노력을 요구하는 힘든 작업입니다.기존의 장애 분석 방식은 주로 CloudWatch Logs와 같은 서비스를 통해 방대한 양의 텍스트 로그를 수동으로 필터링하고, 패턴을 찾고, 시간 순서에 따라 재구성하는 과정을 거칩니다. 이 과정은 .. 2025. 8. 24.
Amazon Q와 Confluence 완벽 연동 가이드: AI로 문서 작업 자동화하기 개발자 또는 IT실무 종사자에게 문서 작업은 때로는 코드 작성만큼이나 많은 시간과 노력이 필요한 일입니다. 특히 팀 단위로 지식을 관리하는 Confluence는 매우 강력한 도구이지만, 반복적인 페이지 생성, 검색, 업데이트 작업은 생산성을 저해하는 요인이 되기도 합니다. 만약 터미널에서 대화형 AI를 통해 이런 Confluence 작업을 처리할 수 있다면 어떨까요?이 글에서는 AWS의 생성형 AI기반 어시스턴트인 Amazon Q Developer를 Model Context Protocol(MCP) 서버와 연동하여 Confluence의 문서 관리 작업을 자동화하는 방법을 소개합니다. 이 가이드를 통해 여러분은 터미널을 벗어나지 않고도 Confluence 페이지를 자유자재로 다룰 수 있게 될 것입니다.Am.. 2025. 7. 18.
AWS Bedrock을 이용한 음성 텍스트 변환 및 요약 시스템 구축 배경최근 회사 내부에서 보안상의 이유로 외부 API 기반 회의록 생성 서비스(예: Otter.ai, Notta 등)를 사용 제한하는조치가 있었습니다. 특히 중요한 고객 미팅, 전략 회의 등은 외부로 관련 데이터가 유출되는 것을 엄격히 제한하고 있습니다.이에 따라 AWS Bedrock을 이용하여 회사에서 업무용으로 사용 할 수 있는 음성 → 텍스트 변환(STT) → 요약 → 이메일 발송하는 내부 시스템을 구축하게 되었습니다. 본 글에서는 해당 구축 사례를 소개하며, 특히 Bedrock 기반 LLM 활용 방식과 Amazon Transcribe를 통한 음성 인식, 요약 처리, 최종 결과 자동 배포 방식에 대해 중점적으로 설명하겠습니다.아키텍처 개요시스템은 아래와 같은 단계로 구성됩니다.사용자가 S3 버킷에 .. 2025. 6. 19.
AWS Health Event(PHD) 멀티 리전 실시간 알림 시스템 구축 들어가며AWS 환경에서 안정적인 인프라 운영을 위해서는 장애를 조기에 인지하고 빠르게 대응하는 체계를 갖추는 것이 핵심입니다. 그중에서도 AWS Personal Health Dashboard(PHD)는 내 계정에 영향을 줄 수 있는 시스템 이벤트(예: 서비스 중단, 보안 이슈, 유지보수 등)를 알림 형태로 제공하는 유용한 서비스입니다.하지만 PHD 알림은 기본적으로 이메일 또는 콘솔에 국한되어 있어, 멀티 리전 환경에서는 실시간 대응이 어렵고 이벤트 관리가 번거로워질 수 있습니다.때문에, 본 게시물에서는 AWS에서 발생하는 Health 이벤트를 보다 효과적으로 모니터링하고, 모니터링된 결과를 MegazoneCloud의 SpaceOne SaaS서비스와 연동하여 모니터링과 더불어 실시간 으로 Slack 알림.. 2025. 6. 13.
AWS Lambda를 이용한 RDS 모니터링 1. RDS 모니터링의 필요성AWS RDS는 관리형 데이터베이스 서비스로, 운영의 복잡성을 줄이고 고가용성을 제공합니다. 그러나 실시간 서비스 환경에서는 예상치 못한 세션 과다 발생이나 데이터베이스 락으로 인한 성능 저하가 발생할 수 있습니다. 이러한 문제를 사전에 감지하고 대응하기 위해서는 주기적인 모니터링이 필수적입니다.본 글에서는 AWS Lambda, EventBridge, Secrets Manager, CloudWatch를 활용하여 RDS의 Active Session 수와 Lock Count를 자동으로 수집하고 모니터링하는 방법을 소개합니다.2. 아키텍처 개요아래 다이어그램을 통해 전체 아키텍처를 시각적으로 이해할 수 있습니다. 이 솔루션의 구성 요소는 다음과 같습니다:Amazon EventBri.. 2025. 5. 27.
AWS DMS를 이용한 Oracle to RDS for Oracle Migration 이 글에서는 AWS DMS(Database Migration Service)를 활용하여 Oracle 11g (On-Premise)에서 RDS for Oracle 19c로 데이터베이스 마이그레이션을 수행한 실제 프로젝트에서 구성했던 내용과 더불어 실제 Case들을 공유합니다.1. AWS DMS란?AWS DMS는 관계형 데이터베이스, 데이터 웨어하우스, NoSQL DB 등 다양한 데이터 소스를 AWS 클라우드로 마이그레이션할 수 있도록 지원하는 서비스입니다.2. Oracle 권한 설정소스 Oracle 데이터베이스에서 사용될 계정에 필요한 권한은 다음과 같습니다. (ASIS_DMS계정은 예시)grants 예시:GRANT CREATE SESSION TO 'ASIS_DMS계정';GRANT SELECT ANY TR.. 2025. 5. 23.
AWS EKS에서 Karpenter를 활용한 자동 스케일링 적용 사례 이번 포스트에서는 AWS EKS 환경에서 Karpenter를 도입해 자동 스케일링 및 비용 최적화를 달성한 실전 사례를 공유합니다. 본 내용은 실제 서비스 환경에서 적용된 경험을 바탕으로 작성되었으며, EKS 사용자 및 클러스터 운영자에게 실질적인 가이드를 제공하는 것을 목표로 합니다.1. 도입 배경특정 시간대에 워크로드가 급증하는 상황에서, 기존의 수동적인 노드 확장 방식으로는 다음과 같은 한계가 있었습니다:서비스 응답 지연 및 장애 발생과도한 리소스 예약으로 인한 비용 증가이러한 문제는 고객 경험에 부정적인 영향을 미칠 뿐만 아니라, 인프라 비용이 고정적으로 발생하게 하여 운영 효율성에 타격을 줄 수 있습니다. 수요가 일정하지 않은 환경에서 고정 노드 그룹 기반의 확장은 이상적이지 않기 때문에, 유동.. 2025. 5. 21.

티스토리툴바