객체 타입과 속성: 엔티티를 객체로, 기본키와 객체 그래프
온톨로지를 손으로 짓기 시작하는 첫 단계 — 도메인의 명사를 객체 타입으로 승격하는 판단 기준(독립 생명주기·참조 필요성·링크 대상 여부), 속성의 데이터 타입·파생 속성·표시용 이름, 그리고 기본키와 객체 그래프의 밑그림까지. 주문·고객·제품·설비 도메인으로 ER 모델을 온톨로지로 번역하는 과정을 시연합니다.
모든 포스트
전체 344개의 출정 기록을 최신순으로 — 141–160번째 (8 / 18쪽)
형식 기반과 그래프: 지식 그래프 · RDF/OWL · 속성 그래프
온톨로지라는 개념의 학문적 뿌리를 다집니다. 시맨틱 웹의 계보 위에서 RDF의 트리플(주어-술어-목적어)과 RDFS/OWL의 클래스·프로퍼티·표현력, 이를 질의하는 SPARQL을 익히고, 실무 그래프 DB가 쓰는 속성 그래프 모델(노드·엣지·속성, Cypher)과 RDF의 차이를 비교합니다. 마지막으로 택소노미 vs 온톨로지, 기술논리(Descript...
온톨로지란 무엇인가: 데이터 모델·스키마와 의미 계층의 차이
스키마는 데이터를 '어떻게 저장하는가'에 답하고, 온톨로지는 그 데이터가 '무엇을 의미하는가'에 답합니다. 데이터 모델·스키마·온톨로지 세 층위를 주문 도메인 예제로 가르고, 조인과 컬럼만으로는 잃어버리는 도메인 의미를 공유 어휘로 되살리는 의미 계층의 필요성, 그리고 read-only 분석 모델을 넘어 '행동의 시스템'이 되는 온톨로지 — 디지털 트...
Orc Camp: tmux 위의 코딩 에이전트들을 픽셀 캠프로 관제하기
여러 tmux 세션에서 돌아가는 Claude Code · Codex 에이전트를 한눈에 관제하는 로컬 CLI 대시보드, Orc Camp를 소개한다. tmux 세션을 캠프로, 에이전트 세션을 오크로 그리는 도트 픽셀 대시보드의 컨셉과 아키텍처, 그리고 기획 문서에서 v0.2.0 릴리스까지의 개발 여정을 정리했다.
Ontology Essential Curriculum: FDE를 위한 온톨로지 기반 데이터 모델링
Palantir 같은 회사의 Forward Deployed Engineer(FDE)가 갖춰야 할 핵심 역량 — 온톨로지 기반(시맨틱) 데이터 모델링 — 을 7단계로 정복하는 마스터 로드맵. 의미 계층의 개념과 형식 기반부터 객체·링크·데이터 매핑, 액션·운영 계층, 거버넌스와 FDE 워크플로까지 도장깨기 방식으로 추적합니다.
Graph Engineering: Loop Engineering 다음, 에이전트의 일을 그래프로 설계하라
Reddit·Hacker News에서 뜨는 'graph engineering'을 조사해 loop engineering의 다음 단계로 정의한다 — 에이전트를 무한 루프가 아니라 타입된 상태·조건부 엣지·체크포인트를 가진 명시적 그래프로 설계하는 흐름. 이 위키의 loop engineering·durable execution·데이터 엔지니어링 DAG 글과...
사용자가 10배 늘었다, 서버부터 사면 될까 — 증설 전에 측정하라
velog @gusdudco6(코헤)의 '사용자가 10배 늘었다. 일단 서버부터 사면 되나요?'를 정리한다. 사용자 증가는 부하 증가와 다르다는 전제에서 출발해, SLO로 상태를 정의하고 요청 여정에서 진짜 병목을 찾은 뒤에야 처방을 고르는 — 반사적 증설 대신 측정 기반 의사결정의 순서를 따라간다.
데이터 품질은 '사다리'다: Pivotal의 On Data Quality (1) 기본기 읽기
Pivotal(Abraham Thomas)의 'On Data Quality (1): Basics'를 분석한다. 데이터 품질은 내재된 속성이 아니라 유스케이스에 따라 창발하는 현상이며, 세분·집합·목적적합·비즈니스가치라는 4단 사다리로 이해해야 한다는 프레임워크를 정리하고 실무적 함의를 짚는다.
Mitchell Hashimoto 인터뷰: 터미널, Zig, 그리고 오픈소스의 자유 (Alex Alejandre)
Alex Alejandre가 진행한 Mitchell Hashimoto 인터뷰를 정리·분석한다. HashiCorp를 떠나 Ghostty를 만들며 그가 파고든 터미널 에뮬레이터의 구조와 n-스크린·버튼 프로토콜 구상, '오픈소스 유지보수자는 사용자에게 아무 의무도 없다'는 자유론, Zig에 대한 애정과 라이브러리 설계 철학, 그리고 언어를 넘어 '컴퓨터가...
좋은 도구는 보이지 않는다 — 도구를 정체성으로 삼지 말라 (gingerBill)
Odin 언어 창시자 gingerBill의 에세이 'Good Tools Are Invisible'를 분석한다. 도구의 단점을 '재미있는 퍼즐'로 재포장하지 말라는 주장, '생산적인 느낌'과 '실제 생산성'의 차이, 그리고 좋은 기본값이 왜 사용자에 대한 존중인지를 정리한다.
우리는 도둑처럼 한몫 챙길 것이다: AI가 만든 기술 부채와 시니어 개발자의 몸값 (Simon M. Stewart)
Simon M. Stewart의 개인 블로그 에세이 'We're Going to Make Out Like Bandits'(2026-04)를 정리·분석한다. AI가 주니어 채용을 말리고 유지보수 불가능한 코드를 양산하는 5년의 흐름 끝에, 살아남은 시니어 개발자의 몸값이 폭등한다는 도발적 예측을 개발자·산업 관점에서 짚는다.
에이전트에게 얼마나 맡길 것인가 — Martin Fowler의 Fragments (7월 13일)
Martin Fowler의 2026년 7월 13일 fragment를 읽고, Thoughtworks 리트릿 메모(하니스 엔지니어링·셀프 호스팅 모델·에이전트 자율성)와 링크 모음을 관통하는 한 질문 — 에이전트에게 얼마나 결정을 맡기고, 그 결과를 어떻게 신뢰할 것인가 — 을 정리·분석한다.
AI 2040: Plan A — 초지능을 2040년까지 늦추자는 '검증된 감속' 시나리오 (AI Futures Project)
AI 2027을 쓴 AI Futures Project(Kokotajlo·Lifland 등)의 후속작 'AI 2040: Plan A'를 정리·분석한다. 초지능으로의 질주 대신 '검증된 감속(Verified Slowdown)'을 택하자는 정책 제안 — 미·중 합의, 완전한 연구 투명성, 다국가 분산 개발, 2035년 인간 전문가 수준에서의 의도적 일시정지...
Spark로 Iceberg · Delta 다루기: 레이크하우스 저장 포맷 연동
Spark-Essential 시리즈의 완결편(심화). 앞 단계에서 갈고닦은 Spark를 2026 레이크하우스 스택에 얹습니다. Iceberg·Delta 오픈 테이블 포맷이 오브젝트 스토리지의 파일 더미 위에 메타데이터·스냅샷으로 ACID·시간여행을 세우는 원리를 Spark 관점에서 짚고, 카탈로그 설정·MERGE/업서트·스키마·파티션 진화로 읽고 쓰며...
PySpark 실무: API · UDF · pandas API on Spark
현실의 Spark 코드 대부분을 차지하는 PySpark를 파고듭니다. Python↔JVM 경계(Py4J)와 왜 대부분 내장 함수로 충분한지, UDF의 종류(느린 Python UDF vs Arrow 기반 벡터화 Pandas UDF)와 직렬화 비용, 내장 함수 우선 원칙, 그리고 기존 pandas 코드를 최소 수정으로 분산 실행하는 pandas API o...
Spark Structured Streaming: 마이크로배치 · 워터마크 · 상태
무한 스트림을 계속 자라는 테이블로 보는 Spark Structured Streaming을 파고듭니다. 배치와 통합된 DataFrame API와 마이크로배치 모델, 이벤트 시간 집계에서 언제 윈도를 닫고 지각 데이터를 버릴지 정하는 워터마크와 윈도잉, 그리고 상태 관리·체크포인트·출력 모드로 exactly-once를 보장하는 방식까지 다룹니다.
Spark 셔플 · 파티셔닝 · 성능 튜닝: 스큐 · 스필 · 조인 전략
Spark에서 가장 비싼 연산인 셔플을 줄이고 다스리는 성능 튜닝을 파고듭니다. 파티션 수·repartition/coalesce·파티션 프루닝, 한 키 쏠림이 부르는 데이터 스큐(salting·AQE skew join)와 메모리를 넘겨 디스크로 흘리는 스필(spill) 진단, 그리고 broadcast·sort-merge·shuffle-hash 조인 전...
Spark Catalyst · Tungsten · AQE: 쿼리 최적화와 코드 생성
DataFrame이 RDD보다 빠른 이유를 파고듭니다. Catalyst가 쿼리를 논리 계획 → 분석 → 최적화된 논리 계획 → 물리 계획으로 변환하며 조건 푸시다운·컬럼 프루닝을 적용하는 과정, Tungsten의 off-heap 바이너리 메모리 관리와 whole-stage code generation, 그리고 런타임 통계로 계획을 다시 짜는 AQE까지...
Spark RDD · DataFrame · Dataset: 세 가지 핵심 추상화와 lazy evaluation
Spark가 데이터를 다루는 세 얼굴 — 계보 기반 내결함성의 저수준 RDD, 스키마로 Catalyst 옵티마이저가 개입하는 DataFrame, 타입 안전을 더한 Dataset — 의 차이와 선택 기준을 정리합니다. 나아가 변환은 계획만 쌓고 액션에서 실행하는 lazy evaluation과, 노드 안에서 끝나는 narrow와 셔플을 부르는 wide 트...
Spark 아키텍처: Driver·Executor·클러스터 매니저와 실행 흐름
Spark-Essential 시리즈의 1단계. 실행 계획을 세우는 Driver와 task를 수행하는 Executor의 역할·통신, 자원을 배분하는 클러스터 매니저(YARN·Kubernetes·Standalone)와 client/cluster 배포 모델, 그리고 액션→Job→Stage→Task 분해에서 스테이지 경계가 곧 셔플 지점이 되는 실행 흐름을 ...