Kafka (2) 썸네일형 리스트형 65. 초당 100만 이벤트로 개인화를 만든다: 에어비앤비 User Signals Platform 아키텍처 분석 원문: Building a User Signals Platform at Airbnb — Kidai Kwon 외, The Airbnb Tech Blog 이 글은 원문의 내용을 아키텍처 중심으로 재구성하고, 설계 의도와 트레이드오프에 대한 제 해석을 덧붙인 글입니다. 들어가며"방금 본 숙소와 비슷한 곳", "찜한 곳의 가격이 내려갔어요" 같은 개인화는 사용자 입장에선 그냥 자연스러운 기능처럼 보입니다. 하지만 이걸 초당 100만 건의 이벤트 규모에서, 1초 이내의 지연으로, 그것도 스트림 처리를 모르는 팀들도 직접 만들 수 있게 제공하려면 이야기가 완전히 달라집니다.에어비앤비는 이 문제를 USP(User Signals Platform) 라는 사내 플랫폼으로 풀었습니다. 이 글에서는 USP를 세 가지 관점으로.. 57. Netflix는 어떻게 초당 7만 5천 건의 이벤트를 카운팅할까? — Distributed Counter Abstraction 완전 분석 Netflix는 조회수, 좋아요, A/B 테스트 지표 등 매일 수십억 건의 이벤트를 카운팅합니다. 이 글에서는 Netflix Tech Blog에 소개된 Distributed Counter Abstraction의 아키텍처를 API 설계부터 캐싱, Rollup 파이프라인까지 단계별로 뜯어보고, 우리 서비스에 적용할 수 있는 인사이트를 정리합니다. 이 글에서 다룰 내용분산 카운팅이 왜 생각보다 어려운 문제인지Netflix가 정의한 두 가지 카운팅 요구사항 (Best-Effort vs Eventually Consistent)Counter Abstraction의 API 설계와 멱등성(Idempotency) 처리 방식Netflix가 검토했던 4가지 카운팅 구현 전략과 각각의 트레이드오프최종적으로 채택한 하이브리드 .. 이전 1 다음
