Data Engineering Weekly #257
이슈 내 아티클 9건
| 아티클 | 출처 | 한 줄 요약 |
|---|---|---|
| Data Contracts in Practice - What 50 Production Implementations Actually Look Like | Reliable Data Engineering · Medium | 50개 프로덕션 데이터 계약 구현을 분석한 결과, 데이터 계약은 기술 문제가 아닌 조직 조율 문제이며 실용주의가 성공의 핵심이다. |
| From Prompts to Production - A Playbook for Agentic Development | Abhishek Goswami · InfoQ | 에이전틱 AI의 비결정적 특성에 맞는 체계적 개발 프레임워크(ASDLC)와 오케스트레이션 패턴, 버전 관리 전략을 제시한다. |
| High-Throughput Graph Abstraction at Netflix - Part I | Oleksii Tkachuk, Kartik Sathyanarayanan, Rajiv Shringi (Netf | Netflix는 전용 그래프 데이터베이스를 도입하는 대신 기존 KV/TimeSeries/캐싱 인프라 위에 고처리량 OLTP 그래프 추상화 계층을 구축하여 초당 1,000만 이상의 연산을 처리한다. |
| How We Built High-Precision, Low-Latency Semantic Search in Production | Zepto · Zepto Engineering Blog | Zepto는 듀얼 인코더 기반 시맨틱 검색 시스템을 약한 지도학습과 합성 데이터로 학습하여, 키워드 검색이 실패하는 쿼리에서 35% 성능 향상을 달성했다. |
| Introduction to PostgreSQL Indexes | Dalto Curvelano · DLT Blog | PostgreSQL의 6가지 인덱스 유형(B-Tree, Hash, BRIN, GIN, GiST, SP-GiST)별 내부 동작 원리와 트레이드오프, 그리고 Partial/Covering/Expre… |
| Native Geospatial Types in Apache Parquet | Jia Yu, Dewey Dunnington, Kristin Cowalcijk, Feng Zhang · Ap | Apache Parquet에 GEOMETRY/GEOGRAPHY가 1등 시민 논리 타입으로 추가되어, 바운딩 박스 통계 기반 공간 쿼리 최적화와 엔진 간 상호운용성이 가능해졌다. |
| Scaling LLM Post-Training at Netflix | Baolin Li, Lingyi Liu, Binh Tang, Shaojing Li (Netflix Tech | Netflix는 SFT와 RL 워크플로우를 통합 지원하는 포스트 트레이닝 프레임워크를 구축하여, on-the-fly 시퀀스 패킹으로 4.7배 처리량 향상을 달성했다. |
| The challenges of soft delete | atlas9 · atlas9 blog | 소프트 삭제는 데이터 복구와 컴플라이언스를 지원하지만, 축적되는 “죽은 데이터”로 인한 쿼리 복잡성, 운영 부담, 복원 난이도 문제를 야기하며 트리거 기반 아카이빙이 최적 대안이다. |
| Your agents need runbooks, not bigger context windows | Ben Lorica · Gradient Flow (Substack) | AI 에이전트의 진정한 병목은 컨텍스트 윈도우 크기가 아니라 구조화된 절차적 메모리(런북)의 부재이다. |
상위: index