Study17 [Cloud] 마이크로서비스 간의 통신 (1) *본 포스트는 성신여자대학교 [클라우드 컴퓨팅] 강의 기반으로 작성됨을 알립니다. 목차1. 마이크로서비스 데이터 관리 2. 마이크로서비스 간의 통신 3. HTTP를 사용한 직접 메시징 - (2) 4. 레빗MQ를 사용한 간접 메시징 - (2)1️⃣ 마이크로서비스 데이터 관리 각각의 마이크로서비스가 자신만의 데이터베이스를 가지도록 구성한다. (이때 DB의 이름은 마이크로서비스 이름과 동일하다.) 아래 실습은 video-streaming이 HTTP GET 요청을 받아 video-storage에 요청을 전달하는 마이크로서비스 간 통신이다. video-storage는 자신의 DB를 드러내지 않고 video-streaming에 서비스를 전달한다. 두 개의 마이크로서비스 구성 → 마이크로서비스 간 통신이 필요vide.. 2024. 3. 29. [Cloud] 마이크로서비스 데이터 관리 (2) *본 포스트는 성신여자대학교 [클라우드 컴퓨팅] 강의 기반으로 작성됨을 알립니다. 목차 1. docker-compose 2. 앱에 파일 저장소 추가 3. docker compose 앱 테스트 1️⃣ Docker-compose 이전까지 Video streaming 하나의 앱을 컨테이너로 실행하고 있었다. 이번 실습에서는 여러 개의 컨테이너로 앱을 확장한다. ( Video straming → Video straming + Video storage + Database) 실습 repository : https://github.com/CloudComputing-SSWU/chapter-4.git 이때 사용할 도구가 docker-compose이다. 쿠버네티스는 클러스터에 배포하도록 설계된 엄청 크고 복잡한 도구이기 .. 2024. 3. 28. [Cloud] 마이크로서비스 데이터 관리 (1) *본 포스트는 성신여자대학교 [클라우드 컴퓨팅] 강의 기반으로 작성됨을 알립니다. 목차 1. 사전 준비 2. 첫 마이크로서비스 만들기 3. 첫 마이크로서비스 게시 1️⃣ 사전 준비 본 실습에서는 GCP(Google Cloud Platform)에서 VM 인스턴스를 만들어서 SSH 연결을 통해 실습을 진행하였다. GCP credit 적용하기 Compute Engine → VM 인스턴스 만들기 부팅 디스크→ 우분투로 설정 (현업에서 많이 사용하는 디스크는 안정적인 CentOS이다.) 액세스 범위는 “모든 cloud API”에 대한 전체 액세스 허용 방화벽 모두 허용 (HTTP, HTTPS) 인스턴스 생성 후에 compute engine API 사용 인스턴스 초기 설정 (하단의 코드) 방화벽 설정 소스 IPv4.. 2024. 3. 25. [Cloud] 마이크로서비스 개요 *본 포스트는 성신여자대학교 [클라우드 컴퓨팅] 강의 기반으로 작성됨을 알립니다. 목차 1. 마이크로서비스란 무엇인가? 2. 마이크로서비스의 장단점 3. 마이크로서비스의 앱의 설계 4. 확장성 1️⃣ 마이크로서비스란 무엇인가? 1개의 application에서 여러 개의 작은 단위의 소프트웨어들이다. → "개별적"으로 업데이트가 가능하며, "외부 접근"이 불가능하며, 전형적으로는 "한 가지 기능"(적은 기능) 잘 수행한다. 즉, 개별적으로 배포일정을 갖고 업데이트 운영이 가능한 작고 독립적인 소프트웨어 프로세스이다. 개별적이기 때문에 각 마이크로서비스마다 개발 주기가 상이하고 독립적으로 해결이 가능하다. 또한 마이크로 서비스는 개발과정 측면과 성능 측면 2가지에서 장점이 존재한다. (독립적 배포, 유연성 .. 2024. 3. 24. 회귀 알고리즘과 모델 규제(3) - 특성 공학과 규제 👀2주차 220117 ~ 220123 공부기록 📍 본 포스팅은 책을 바탕으로 작성함을 알립니다. ✅Ch.03-3 특성 공학과 규제 🔥특성공학(feature engineering) 특성 공학(Feature engineering)은 머신러닝의 pre-processing 단계로, 기존의 데이터로부터 새로운 특성을 추출하는 작업을 의미한다. Feature engineering은 더 좋은 방법으로 예측 모델에서 근본적인 문제를 나타내도록 돕는다. 결과적으로 보이지 않는 데이터로부터 모델의 정확성을 향상시킨다. 머신러닝에서 Feature engineering은 주로 4가지의 과정(Feature Creation, Transformation, Feature Extraction, and Feature Selection).. 2024. 3. 15. 회귀 알고리즘과 모델 규제(2) - 선형 회귀 👀2주차 220117 ~ 220123 공부기록 📍 본 포스팅은 책을 바탕으로 작성함을 알립니다. ✅Ch.03-2 선형 회귀 KNN알고리즘의 한계는 이웃의 개수로 예측을 하는 것이다. 위 그래프는, 기존 데이터와는 다른 데이터를 넣었을 때 발생하는 문제점을 보여준다. 초록색 삼각형(❇️)은 길이를 50으로 예측했을 때 알고리즘이 예측한 무게이다. 주황색 마름모(🔶)는 예측값 주변에서 가장 가까운 이웃 3개이다. (이웃의 개수를 3개 설정하였다.) 길이가 길어짐에 비례하여 무게가 늘어나는 것이 아니라 이웃의 샘플로 예측하기 때문에, 길이가 500이여도 무게를 약 1000으로 예측할 것이다. 주변의 샘플을 기준으로 예측하기 때문에, 길이를 100으로 설정하였을 때도 위의 그래프와 다를 게 없는 x축을 보여준다.. 2024. 3. 15. 이전 1 2 3 다음
