땅땅 Dev 💻

Mac을 사용하다 보면 여러 개의 창을 효과적으로 정리하고 싶을 때가 많습니다. 기본적으로 macOS는 창 정렬 기능이 제한적이라, 생산성을 높이려면 서드파티 도구가 필요합니다.Rectangle은 이런 고민을 해결해 주는 무료 오픈소스 창 관리 앱입니다. 기존 인기 앱인 Spectacle을 기반으로 개발되었으며, 간단한 키보드 단축키와 마우스 드래그 기능을 활용해 창을 원하는 위치로 배치할 수 있습니다.Rectangle의 주요 기능1. 단축키 기반 창 정렬Rectangle은 다양한 단축키를 제공하여 창을 신속하게 정렬할 수 있습니다.⌃ ⌥ ← : 창을 왼쪽 절반으로 이동⌃ ⌥ → : 창을 오른쪽 절반으로 이동⌃ ⌥ ⌘ F : 창 최대화⌃ ⌥ U : 창을 왼쪽 상단으로 이동⌃ ⌥ O : 창을 오른쪽 상단으..

Kafka를 구성하여 실시간 스트리밍 데이터를 Clickhouse로 처리하는 분석 환경을 구축합니다. 💡 이 글에서 다룰 내용:Kubernetes 환경에서 Kafka 설치 및 설정Helm 차트를 활용한 Kafka 배포Kafka 토픽 생성 및 데이터 스트리밍 테스트1. Kafka란?Kafka는 대용량 실시간 데이터 스트리밍을 위한 분산 메시징 플랫폼입니다.ClickHouse와 함께 사용하면 실시간 데이터 수집 및 분석이 가능합니다.📌 Kafka 주요 개념개념 설명Producer데이터를 Kafka에 보내는 역할ConsumerKafka에서 데이터를 읽는 역할Topic데이터가 저장되는 논리적 공간BrokerKafka 서버 (데이터를 저장하고 관리)*ZookeeperKafka의 클러스터 상태 관리Kafka 4..

이번 글에서는 Kubernetes 환경에서 ClickHouse를 배포 및 실행하는 방법을 설명합니다.Docker Desktop의 내장 Kubernetes를 활용하고, Helm 및 Bitnami Helm 차트를 사용하여 간편하게 ClickHouse를 배포합니다.1. 사전 준비1) kubectl 설치 (Kubernetes CLI)kubectl은 Kubernetes 클러스터를 관리하는 명령줄 도구입니다.🔹 macOSbrew install kubectl🔹 Windows (PowerShell)choco install kubernetes-cli✅ 설치 확인:kubectl version --client2) Docker Desktop에서 Kubernetes 활성화Docker Desktop에는 Kubernetes가 ..

데이터 분석을 위한 강력한 OLAP 데이터베이스를 찾고 계신가요?ClickHouse는 빠른 속도와 확장성을 자랑하는 컬럼형 데이터베이스로, 대규모 데이터 분석에 최적화된 솔루션입니다.이 글에서는 ClickHouse의 개념을 이해하고, 직접 실습을 통해 기본적인 사용법을 익혀보겠습니다.1. ClickHouse란?ClickHouse는 Yandex에서 개발한 오픈소스 컬럼형 데이터베이스로, 특히 대규모 데이터 분석(OLAP)에 최적화되어 있습니다.다른 RDBMS와 달리 컬럼 단위 저장 방식을 채택하여 빠른 쿼리 성능과 효율적인 데이터 압축을 제공합니다.ClickHouse의 주요 특징✅ 컬럼 기반 저장(Columnar Storage) → 빠른 분석 쿼리 속도✅ 분산 아키텍처(Distributed Architec..

swift ui를 이용해 어플리케이션 설계를 진행 해봅시다. 기획된 구성은 다음과 같습니다. 문서량 또는 언급량을 비교할 두 개의 항목을 각각 카드로 보여줍니다. 항상 아래에 있는 카드(파랑)가 위에 있는 카드(빨강) 보다 언급량이 더 많은지 낮은지를 선택합니다. 정답을 맞추면 다음 카드로 이동, 잘못 선택하면 게임이 끝납니다. 데이터 구성 게임을 구성하는 데이터(API 전달 결과)를 설계해봅시다. struct StageList: Codable { var data: Array var answer: Array } API에서 응답받은 결과를 처리하는 Struct는 다음과 같습니다. 실제 데이터는 다음과 같습니다. { "data": ["짜장면", "짬뽕", "탕수육", "유린기", "꿔바로우"], "answe..

이전에 독서노트 작성 방법을 포스팅 한 적이 있습니다.https://jongwho.tistory.com/17 [Youtube 영상 요약] - 독서 메모법최근 엄청 두꺼운 책 읽기에 도전하고 있습니다. 데이터 중심 애플리케이션 설계라는 책인데요 http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791158390983&orderClick=LE..jongwho.tistory.com 위 메모법을 바탕으로 '데이터 중심 애플리케이션 설계' 7장 트랜잭션을 요약해보겠습니다.키워드 요약약 2페이지마다 읽은 내용을 요약해서 키워드로 정리해보겠습니다. 페이지의 구분은 '/'로 하겠습니다.트랜잭션, 안전성 보장 / 원자성, ..

최근 엄청 두꺼운 책 읽기에 도전하고 있습니다. 데이터 중심 애플리케이션 설계라는 책인데요http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791158390983&orderClick=LEa&Kc= 약 600 페이지 책입니다. 저에게는 너무 두껍고 내용도 많아 어떻게 정리해야 할 지 고민하던 차에 유튜브에서 메모와 관련된 영상을 찾았습니다. 데이터 중심 애플리케이션 설계 - 교보문고신뢰할 수 있고 확장 가능하며 유지보수하기 쉬운 시스템을 지탱하는 핵심 | 이 책에서 배우는 내용◎ 기존에 사용하고 있는 시스템의 내부를 자세히 들여다보고 더 효율적으로 사용하고 운용www.kyobobook.co.kr 효과적으로 메..

MBTI 검색엔진 데이터를 API 형태로 전달합니다. API 목록 전체 문서에서 각 MBTI 타입별 상위 100개 키워드 출력 - 문서 수 기준 MBTI 유형 중 E 또는 I 유형에 따라 상위 100개 키워드 출력 MBTI 유형 중 E 또는 I 유형에 따라 검색어를 입력하여 검색된 상위 100개 키워드 출력 구현한 API는 다음과 같습니다. 전체 문서에서 각 MBTI 타입별 상위 100개 키워드를 출력 @app.get('/top/keywords/{mbti_type}') def get_top_keywords(mbti_type: str, q:Optional[str]=None): es_query = { "size": 0, "query": {"match": {"keyword": mbti_type}}, "aggs..

Re-Index 막상 이모티콘 검색을 해보니 각 원문에서 이모티콘이 얼마나 포함되어 있는지, 어떤 이모티콘이 가장 많이 있는지 검색해보자 그전에 사전 준비 작업으로 text field로 들어간 데이터에서 키워드를 추출(Es 내부에서는 Term)할 수 있도록 인덱스를 구성하고 전체 문서에서 키워드 빈도수를 기준으로 데이터를 추출하는 방법을 찾아봅니다. 인덱스 구성 PUT /mbti_term { "settings": { "analysis": { "analyzer": { "nori_mixed": { "tokenizer": "nori_t_mixed", "filter": "shingle" }, "nori_pos_noun": { "type": "custom", "tokenizer": "nori_t_mixed", "..

기존 콘텐츠에서 이모티콘만 파싱 하여 데이터를 RDB에 수집하였습니다. (ES Analyzer에 regex filter를 적용하여 분석하는 것은 다음에 진행해보겠습니다!) 스키마를 다음과 같이 구성하고 데이터를 Insert 하였습니다(RDB) T: t_emoji_dashboard Columns: emoji, mbti_type(MBTI 타입 입니다), emoji_count(각 문서별 등장 횟수입니다) SELECT emoji, mbti_type, sum(emoji_count) FROM t_emoji_dashboard WHERE emoji = '😘' GROUP BY emoji, mbti_type ORDER BY mbti_type, sum DESC 사용한 쿼리로 조회한 결과입니다. (특정 이모티콘만 조회하였습니..