### **Anomaly Detection Offering** 개발 - 데이터 수집 파이프라인 개발 - 분당 1000 건 데이터를 MQTT프로토콜로 전송하는 센서의 데이터를 Python, RabbitMQ 를 활용하여 누락 없이 수집 - 대시보드 개발 - 원본 데이터 저장용 Table, 조회용 데이터 저장용 Table 분리하여 설계하여 조회 성능 최적화 - 일정 주기로 원본 데이터를 조회용 데이터 Table에 dump - CPU 사용량을 모니터링 하며 스케줄링 주기, 적재 개수 제한 - 파티셔닝을 통해 조회 성능 추가 개선 - p99 latency 30% 향상 - 데이터 이상 탐지 추론 서비스 개발 - Spring Webflux를 활용하여 추론 파이프라인과 통신 - 이상 탐지 시 담당자에게 Alert 발생 - AWS SES, Celery, RabbitMQ 활용하여 이메일 전송 - 서비스 인프라 구축 - 멱등성을 보장할 수 있도록 IaC 활용 - 무중단 배포를 비롯한 CI/CD 파이프라인 구축 ### Python, Django 로 운영되던 기존 서비스를 Java, Spring Boot로 이전 - Spring Boot 프로젝트 구축 - FE의 원활한 API 연동을 위해 기존의 서비스를 유지하되, 이전이 완료 된 엔드포인트들만 새로운 서비스로 라우팅이 될 수 있도록 인프라 재구성 - 기존 프로젝트가 가지고 있던 문제점을 정의하여, 이전을 하며 문제들을 해소하며 서비스의 완성도를 높임 - 데이터가 추가되고 변경되는 트랜잭션의 과정이, 서버에서 atomic하게 관리되지 않고 클라이언트를 거치는 이슈 해소

더보기