imprun engineering

Kubernetes 리소스 최적화: ARM64 환경에서 효율적으로 운영하기작성일: 2025-10-21태그: Kubernetes, ARM64, Performance, HPA난이도: 중급~고급들어가며imprun.dev는 Oracle Cloud의 ARM64 기반 Ampere 프로세서 클러스터에서 운영됩니다. 각 노드는 4 cores, 24GB RAM이라는 제약 조건 속에서 MongoDB, Redis, API 서버, Web Console, Runtime Exporter를 모두 수용해야 합니다.이 글에서는 제한된 리소스 환경에서 안정적인 서비스를 운영하기 위한 실전 최적화 기법을 소개합니다.환경 소개하드웨어 스펙클러스터 구성: 노드 수: 3대 CPU: 4 cores (ARM64 Ampere Altra) 메모..

Helm 차트 관리 Best Practices: Umbrella Chart부터 Secret 관리까지작성일: 2025-10-21태그: Helm, Kubernetes, DevOps, GitOps난이도: 중급~고급들어가며Kubernetes 애플리케이션을 운영하다 보면 여러 마이크로서비스를 관리해야 하는 복잡도가 급격히 증가합니다. imprun.dev 플랫폼은 API 서버, Web Console, MongoDB, Redis, Runtime Exporter 등 5개 이상의 컴포넌트로 구성되어 있습니다.이 글에서는 실제 프로덕션 환경에서 검증된 Helm 차트 관리 전략을 소개합니다.프로젝트 구조 소개imprun.dev의 Helm 차트 구조:k8s/imprun/├── Chart.yaml ..

VictoriaMetrics K8s Stack클러스터 전체 모니터링을 위한 VictoriaMetrics 설치 및 관리📊 아키텍처monitoring 네임스페이스 (Infrastructure Layer)├── VictoriaMetrics Operator├── VMSingle (메트릭 스토리지)├── VMAgent (메트릭 수집 - 모든 네임스페이스)├── VMAlert (알림 규칙 엔진)├── Alertmanager (알림 관리)├── Grafana (시각화)├── Kube-State-Metrics (K8s 리소스 상태)└── Node Exporter (노드 메트릭)🎯 모니터링 범위클러스터 전체✅ 모든 네임스페이스의 Pod 메트릭✅ 모든 노드의 시스템 메트릭✅ Kubernetes 리소스 상태 (Deplo..

VictoriaMetrics K8s Stack 설치 가이드개요imprun.dev 플랫폼의 모니터링 인프라로 VictoriaMetrics를 선택했습니다.선택 이유리소스 효율성: Prometheus 대비 메모리/CPU 사용량 50% 이하높은 성능: 쿼리 속도 7배 빠름, 압축률 높음 (장기 보존 비용 절감)Prometheus 호환: PromQL, Grafana, ServiceMonitor 등 기존 생태계 활용단순한 운영: VMSingle(단일 노드)로 시작, 필요 시 VMCluster로 확장설치된 구성 요소monitoring 네임스페이스├── VictoriaMetrics Operator # CRD 관리├── VMSingle # 메트릭 스토리지 (단일 노드)..

VictoriaMetrics Helm Charts 비교victoria-metrics-k8s-stack vs victoria-metrics-single개요현재 설치된 victoria-metrics-k8s-stack과 victoria-metrics-single의 기능적 차이를 분석합니다.📦 포함된 컴포넌트 비교victoria-metrics-k8s-stack (현재 설치됨)올인원 쿠버네티스 모니터링 솔루션컴포넌트설명현재 상태VictoriaMetrics OperatorCRD 관리, VMAgent/VMSingle 등 운영✅ 설치됨VMSingle메트릭 스토리지 (단일 노드)✅ 설치됨VMAgent메트릭 수집 에이전트✅ 설치됨VMAlert알림 규칙 엔진❌ 비활성화 (리소스 절약)VMAlertmanager알림 관리자❌..

VictoriaMetrics 운영 환경 업그레이드 가이드최소 설정 → 운영 환경 설정으로 업그레이드📋 변경 사항 요약컴포넌트현재 (MVP)변경 후 (운영)이유Kube-State-Metrics❌ 비활성화✅ 활성화Pod 상태 모니터링 필수VMAlert❌ 비활성화✅ 활성화장애 알림 필요Alertmanager❌ 비활성화✅ 활성화알림 관리 필요VMSingle 보관 기간1개월3개월트렌드 분석VMSingle 스토리지10GB20GB3개월 보관VMSingle 메모리512Mi-1Gi1-2Gi안정성총 리소스 (requests)250m CPU, 912Mi650m CPU, 1.8Gi+160%🔧 업그레이드 방법옵션 A: 다운타임 없는 업그레이드 (권장)기존 CRD를 수정하여 점진적으로 컴포넌트 추가# 1. Kube-State..

Prometheus vs VictoriaMetrics 비교 분석현재 백엔드 서버가 Prometheus API와 연동하고 있는 상황에서, VictoriaMetrics로 마이그레이션할 때의 호환성을 분석합니다.📊 백엔드 연동 현황코드 분석 결과Prometheus 사용 위치:// server/src/monitor/monitor.service.ts:78const prometheusUrl = region.prometheusUrl || ServerConfig.DEFAULT_REGION_PROMETHEUS_URLconst client = new PrometheusDriver({ apiUrl: prometheusUrl, // Prometheus API 엔드포인트})// server/src/billing/billi..

Claude Desktop이나 Claude Code를 사용하면서 이런 답답함을 느낀 적 있으신가요? 프로젝트 구조를 매번 다시 설명해야 하고, 대화가 길어지면 컨텍스트를 잃어버리고, 코드를 수정할 때마다 전체 파일을 읽어야 해서 토큰이 순식간에 소진되는 경험 말입니다.MCP Serena (Model Context Protocol Serena)는 이 모든 문제를 해결하는 오픈소스 도구입니다. Claude Code와 MCP Serena를 함께 사용하면 월 $20-40의 구독료 없이도 Cursor나 Windsurf 같은 AI IDE의 핵심 기능을 Claude Desktop에서 사용할 수 있게 됩니다. MCP Serena는 Anthropic의 Model Context Protocol과 Microsoft의 Lan..

MCP + LSP의 시너지 - Serena가 Claude Code를 근본적으로 향상시키는 원리Claude Code의 컨텍스트 유지 문제는 단순한 버그가 아니라 대형 언어 모델의 구조적 한계에서 비롯됩니다. MCP Serena는 이 한계를 우회하는 게 아니라, 완전히 새로운 패러다임으로 문제를 해결합니다. Model Context Protocol과 Language Server Protocol의 결합은 단순한 기술 통합이 아닌 건축학적 혁신입니다.트랜스포머의 한계: 왜 Claude는 잊어버릴 수밖에 없나Attention의 위치 편향트랜스포머 모델의 어텐션 메커니즘은 최근 토큰에 더 높은 가중치를 부여합니다. 대화가 길어질수록 초반 정보의 영향력이 기하급수적으로 감소합니다. 이는 설계상의 특징이지 버그가 아닙..

Claude Code가 다시 똑똑해진다 - MCP Serena 실무 활용 가이드Claude Code를 쓰다 보면 누구나 겪는 답답한 순간이 있습니다. 분명 5분 전에 설명한 프로젝트 구조를 또 설명해야 하고, 대화가 길어지면 Claude가 초반에 했던 약속을 까맣게 잊어버립니다. 컨텍스트가 사라지는 순간, Claude Code는 당신의 코드베이스를 처음 보는 초보자처럼 행동합니다. 이 문제를 근본적으로 해결하는 도구가 바로 MCP Serena입니다.Claude Code가 멍청해지는 이유Claude Code의 가장 큰 적은 바로 컨텍스트 윈도우의 한계입니다. 대화가 길어지면 Claude는 자동으로 오래된 정보를 압축하거나 버립니다. 문제는 이 과정에서 프로젝트의 핵심 구조, 아키텍처 결정, 코딩 컨벤션까지..