TECH BLOG
기술 블로그
AI 기술 인사이트와 엔지니어링 경험을 공유합니다.
ALL POSTS
모든 포스트
2026년 백엔드 실전 팁 9가지 — 브라우저에서 재현하는 장애와 해법
입문서를 떼고 운영을 시작하면 만나는 장애 아홉 가지를, 여러분의 브라우저 안에서 직접 재현해 봅니다. 재시도가 장애를 키우는 재시도 폭풍, 결제 버튼 두 번, 목록 하나에 쿼리 51번(N+1), UUIDv4 기본키가 키우는 인덱스, 서버리스가 터뜨리는 커넥션 풀, 캐시가 한꺼번에 만료되는 스탬피드, DB 저장과 메시지 발행 사이에서 사라지는 이벤트, 자정을 넘나드는 시간대 버그, 그리고 로그 바다에서 원인 찾기. 세 개의 데모는 PGlite로 브라우저 안에 진짜 PostgreSQL 18을 띄워 실제 SQL과 실행 계획을 보여 주고, 나머지는 가정을 밝힌 시뮬레이터입니다. 2025년 10월 AWS us-east-1 장애와 11월 Cloudflare 장애의 사후 분석에서 교훈을 가져왔고, 해법 코드는 FastAPI(파이썬)와 Node(타입스크립트)로 나란히 실었습니다.
![[특집] 2026년 10월, 데이터베이스는 어디로 가는가 — 숫자로 읽는 여덟 가지 지각변동](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fdb26-cover.webp&w=3840&q=75)
[특집] 2026년 10월, 데이터베이스는 어디로 가는가 — 숫자로 읽는 여덟 가지 지각변동
새로 만들어지는 데이터베이스의 70~80%를 사람이 아니라 AI 에이전트가 만든다는 숫자가 나왔습니다. 포스트그레스는 개발자 둘 중 하나 이상이 쓰는 데이터베이스가 됐고, 데이터브릭스와 스노우플레이크는 앞다퉈 포스트그레스 회사를 샀습니다. S3는 카프카와 검색 엔진의 디스크가 됐고, 테이블 포맷 전쟁은 카탈로그 전쟁으로 옮겨 갔으며, 노트북 한 대의 DuckDB가 클러스터를 이기는 일이 흔해졌습니다. 그리고 한국에서는 국가정보자원관리원 화재로 백업 없는 858TB가 사라졌습니다. DB-엔진스 10월 순위, 스택 오버플로·젯브레인 설문, 회사 공시와 사고 보고서까지 — 2026년 10월 3일 기준으로 검증한 숫자로 데이터베이스 지형의 여덟 가지 변화를 읽고, 내 팀이 지금 던져야 할 세 가지 질문으로 정리합니다. 인터랙티브 5개와 삽화 10장.
메모리 위의 두 그래프 DB — FalkorDB의 진화와 Memgraph의 근황, 그리고 언제 무엇을 쓸 것인가
4월에 RedisGraph의 종말과 FalkorDB의 부상을 다룬 뒤 반년, 두 인메모리 그래프 DB에 큰 변화가 있었습니다. FalkorDB는 9월 29일 엔진을 Rust로 다시 쓴 6.0을 내놨고(4.x에서 올라가는 경로는 아직 없음), 7월에는 Bolt 프로토콜을 뺐습니다. Memgraph는 3.8의 'Atomic GraphRAG'부터 3.13까지 기능을 쌓는 동안 자동 장애 조치·멀티테넌시·동적 알고리즘을 엔터프라이즈 전용으로 묶었습니다. 주변도 바뀌었습니다. PostgreSQL 19는 그래프 질의(SQL/PGQ)를 넣었다 뺐고, Kuzu는 멈췄으며, 에이전트 메모리 회사들은 범용 그래프 DB를 떠나 자기 엔진을 만들기 시작했습니다. 이 글은 2026년 10월 3일 기준으로 두 제품의 설계 차이(행렬 대 포인터), 10년 연표, 라이선스가 허락하는 쓰임새, 메모리 비용, 벤치마크를 읽는 법을 정리하고, 다섯 가지 질문으로 어느 쪽을 고를지 답합니다. 위젯 5개.
2026년 프론트엔드 실전 팁 9가지 — 직접 재현해 보는 함정과 해법
라이브러리 고르는 법을 다룬 지난 글에 이어, 이번에는 매일 코드를 쓰는 사람이 알아야 할 습관 아홉 가지를 정리했습니다. 보안 패치는 기능 업데이트가 아니라는 것(React2Shell, Next.js 8월·9월 보안 릴리스), npm 공급망 공격에 대비해 새 버전을 하루 늦게 받는 법, React Compiler 시대의 '렌더는 순수하게' 규칙과 useEffectEvent, React 19.3과 Next.js 16.3의 변화, INP를 지키는 작업 쪼개기, 라이브러리 전에 확인할 브라우저 기본 기능, 한글 입력 중 Enter 두 번 전송 버그, keep-all·대체 글꼴·Intl로 다듬는 한국어 화면, 그리고 AI가 짠 코드를 브라우저에서 확인하는 습관. 각 팁에는 여러분의 브라우저에서 직접 재현하고 측정하는 데모 6개를 붙였습니다.
![[특집] 프런티어가 브레이크를 밟는다 — 최강 AI는 이제 '살 수 있는 상품'이 아니다](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fpace-cover.webp&w=3840&q=75)
[특집] 프런티어가 브레이크를 밟는다 — 최강 AI는 이제 '살 수 있는 상품'이 아니다
2026년 9월, AI 업계에서 보기 드문 일이 한 달 안에 겹쳤습니다. OpenAI 수석과학자는 '어떤 연구소도 최대 속도로 계속 키울 만큼 안전 문제를 풀지 못했다'고 썼고, Anthropic CEO는 '프런티어의 속도를 조절해야 한다'는 글에서 외부 평가자를 회사 안에 상주시키겠다고 약속했습니다. 올트먼은 올해 상장을 접었습니다. 그리고 세 회사의 가장 강한 모델은 모두 '심사를 통과한 소수'에게 먼저 갔습니다. Anthropic의 Mythos 5.1은 지금 미국 조직만 쓸 수 있습니다. 여름 내내 이어진 사고와 정지, 그 뒤의 선언을 원문으로 따라가고, OpenAI가 공개한 내부 데이터(연구자 한 명이 하루 600달러어치 에이전트를 쓴다)를 읽은 뒤, 한국 기업이 지금 실제로 쓸 수 있는 모델이 무엇인지 정리합니다.
![[특집] 구글 유입 −40%, AI 유입 0.01% — GEO는 신기루인가: 남의 통계와 우리 사이트 로그로 본 AI 검색 시대의 방문](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fgeo-cover.webp&w=3840&q=75)
[특집] 구글 유입 −40%, AI 유입 0.01% — GEO는 신기루인가: 남의 통계와 우리 사이트 로그로 본 AI 검색 시대의 방문
구글 AI 요약이 검색의 43%에 붙는 동안, 언론사로 가는 구글 검색 유입은 1년 새 40% 줄었습니다. 그 빈자리를 AI가 채워 줄까요? 같은 데이터에서 AI 서비스가 보내 준 방문은 전체의 0.01%였습니다. 그래서 등장한 'GEO(생성형 엔진 최적화)'는 정말 길이 될까요. 원조 논문이 실제로 증명한 것과 증명하지 못한 것, 2026년 연구들의 냉정한 재검토, 그리고 무엇보다 코어닷투데이 사이트의 실제 데이터 — 1년치 GA4 유입, 10시간치 서버 로그에서 센 AI 크롤러 요청 수, ChatGPT가 사람 대신 읽어 간 횟수 — 로 AI 검색 시대에 '방문'이 무엇으로 바뀌고 있는지 확인합니다.
![[특집] 의회는 AI를 어떻게 쓰고 있나 — 만든 도구와 쓰이는 도구, 2026년 국회·지방의회 AI 현장](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fca-cover.webp&w=3840&q=75)
[특집] 의회는 AI를 어떻게 쓰고 있나 — 만든 도구와 쓰이는 도구, 2026년 국회·지방의회 AI 현장
2026년은 한국 의회에 AI가 본격적으로 들어온 해입니다. 국회는 116억 원을 들인 AI의정지원플랫폼을 열었고, 충남도의회는 예산 한 푼 없이 직원들이 의원용 챗봇을 만들었고, 경기도의회 직원 26명은 바이브 코딩으로 조례 검토 도구 다섯 개를 만들었습니다. 그런데 같은 해 범정부 공무원 AI '온AI'를 두고 한 부처 공무원 18명에게 물었더니 '자주 쓴다'는 0%, 전원이 해외 AI를 따로 쓰고 있었습니다. 만든 도구와 쓰이는 도구는 왜 갈리는가. 14개 사례 지도, 회의록 공개가 늦은 구조적 이유, 2027년 예산의 흐름, 새로 출범한 지방의회의 숙제까지 — 공개 자료와 보도로 검증한 2026년 의정 AI 현장을 정리합니다.
마트료시카 임베딩 — 벡터를 앞에서부터 잘라도 되는 이유와, 잘랐을 때 실제로 남는 것 (한국어 검색 스택 3편)
Qwen3-Embedding-8B의 벡터는 숫자 4,096개입니다. 5,000만 청크를 float32로 저장하면 벡터만 819GB입니다. 그런데 이 벡터의 앞 256개만 남기고 나머지를 버려도 검색 품질의 93%가 남는다면? 그것이 마트료시카 임베딩입니다. 2022년 논문 「Matryoshka Representation Learning」이 제안하고 OpenAI text-embedding-3, Nomic v2, Qwen3 Embedding이 채택한 이 기법은 '중요한 정보를 벡터의 앞쪽에 몰아넣도록' 학습해, 러시아 인형처럼 큰 벡터 안에 작은 벡터가 들어 있게 만듭니다. 이 글은 원리를 장난감 모형으로 손에 잡히게 설명하고, 같은 한국어 코퍼스로 Qwen3 4B·8B와 Nomic v2를 32차원까지 잘라 가며 잰 실측 곡선, 저장 비용 계산기, 그리고 '짧게 걸러서 길게 고르는' 두 단계 적응형 검색이 전체 차원의 품질을 얼마나 되찾는지를 보여 줍니다. 인터랙티브 4개와 삽화 7장.
모델 서빙 설계 가이드 2026 — 요청 하나의 여정으로 배우는 구조와 노하우
2026년 10월의 모델 서빙에서 엔진은 사실상 정해졌습니다(vLLM, SGLang). 설계의 승부는 엔진 바깥에서 납니다. 이 글은 요청 하나가 들어와 답이 나가기까지의 여정을 식당 운영에 빗대어 따라가며, 지금 통하는 설계와 그 근거를 정리합니다. 응답 시간을 대기·읽기·쓰기로 나눠 재는 법, 최대 처리량이 아니라 굿풋으로 용량을 세는 법, 엔진의 기본값(동시 처리 1,024개, 대기열 무제한)을 그대로 쓰면 안 되는 이유, 같은 대화를 같은 서버로 보내는 것만으로 처리량이 두 배가 되는 라우팅, 받을 수 없는 요청을 거절하는 입장 제어, GPU 사용률이 아닌 확장 신호, 수십 GB 모델의 콜드 스타트를 줄이는 방법, 세대별 양자화 선택, 그리고 규모별 구성까지. vLLM 0.30과 llm-d 0.10의 문서, 그리고 Together·Modal·Baseten·토스·네이버 등이 올해 공개한 운영 사례의 수치를 근거로 삼았습니다. 직접 움직여 보는 위젯 6개가 들어 있습니다.