하이퍼커넥트 게시글

하이퍼커넥트에서 작성한 기술 블로그 게시글들을 확인해보세요

하이퍼커넥트•2026년 1월 23일

온디바이스 AI 얼굴 식별 파이프라인 최적화

온디바이스 AI 얼굴 식별 파이프라인의 성능 최적화를 위해, 모델 변경 없이 연산 흐름 재설계, 알고리즘 최적화, 데이터 접근 방식 개선, 병렬 처리 조정 등을 통해 응답 시간을 37%, 처리량을 530% 향상시켰습니다.

AIInfraBackEnd

하이퍼커넥트•2026년 1월 12일

비즈니스 문제를 AI 문제로 정렬하는 방법

AI 조직은 비즈니스 문제를 '완화(relaxation)'하여 AI 문제로 정의하고 해결합니다. Lasso Regression의 볼록 완화처럼, 복잡한 비즈니스 목표를 풀기 쉬운 AI 문제로 바꾸기 위해 명시적인 가정을 설정하고 A/B 테스트로 검증하는 과정이 중요합니다. 추천 시스템 사례를 통해 장기 매출 극대화 목표를 대화 시간 예측 문제로 완화하는 과정을 보여줍니다.

ArchitectureBigDataAI

왜 막상 배포하면 효과가 없지? 타겟 지표에 맞는 ML모델 train/eval 설계하기

하이퍼커넥트•2025년 11월 28일

왜 막상 배포하면 효과가 없지? 타겟 지표에 맞는 ML모델 train/eval 설계하기

ML 모델의 실제 서비스 배포 시 효과를 극대화하기 위해, 비즈니스 목표에 부합하는 학습/평가 지표를 설계하고, 데이터 수집 환경의 통계적 특성을 고려한 `item-wise attribute CR ranking` 기법을 통해 전환율을 성공적으로 개선한 사례입니다.

AIArchitecture

하이퍼커넥트•2025년 9월 10일

아자르 Data Lifecycle Policy 개발하기

Azar 서비스는 유저 데이터 라이프사이클 관리를 위해 이벤트 기반 아키텍처를 활용하여, 사용자의 개인 정보 보호를 위한 데이터 보관 및 삭제 시스템을 효율적으로 구현했습니다. 이 시스템은 다양한 보관 정책과 대용량 데이터 처리를 유연하게 지원합니다.

BigDataInfraBackEnd

하이퍼커넥트•2025년 9월 10일

장애 모의 훈련 그리고 배운 점

Hyperconnect SRE팀은 실제와 유사한 대규모 장애 모의 훈련을 진행하여 엔지니어들의 신속한 장애 대응 능력을 향상시키고 시스템 취약점을 개선했습니다. 이 훈련은 구체적인 시나리오 설계와 철저한 환경 준비를 통해 이루어졌으며, 주요 개선점과 향후 계획을 도출했습니다.

ArchitectureBackEndInfra

하이퍼커넥트•2025년 9월 10일

아자르에서는 어떤 추천 모델을 사용하고 있을까?

하이퍼커넥트 아자르는 복잡한 휴리스틱 알고리즘을 AI 추천 시스템 'CUPID'로 전환하여 매출 성장을 달성했습니다. 이 시스템은 짧은 레이턴시 제약을 극복하고 신규 및 기존 유저 경험을 동시에 향상시키기 위해 투 타워 아키텍처와 비동기 세션 임베딩을 활용한 것이 특징입니다.

AIAllArchitecture

하이퍼커넥트•2025년 9월 10일

Spring Transactional Rollback Deep Dive

이 글은 Spring @Transactional의 동작 방식과 롤백 처리 메커니즘을 상세히 다룹니다. 특히 Unchecked Exception과 Checked Exception의 차이, TransactionInterceptor의 역할, 그리고 Kotlin 환경에서의 예외 처리 및 다양한 전파 옵션의 영향을 실제 사례를 통해 분석하며 효율적인 트랜잭션 관리 방안을 제시합니다.

AllBackEnd

하이퍼커넥트•2025년 9월 10일

Flink SQL 도입기

Azar Matching Dev Team은 대규모 레거시 스트리밍 앱의 문제 해결을 위해 Flink SQL을 도입했으며, 이는 생산성 및 운영 효율성 향상에 크게 기여했습니다. 본 글은 Flink SQL을 채택한 이유, Kubernetes 기반 클러스터 구축 경험, 그리고 운영 중 발생한 트러블슈팅 사례 및 모니터링 전략을 공유합니다.

BigDataAllInfra

Apache Flink 어플리케이션의 End-to-End Latency 병목 찾아내기

하이퍼커넥트•2025년 9월 10일

Apache Flink 어플리케이션의 End-to-End Latency 병목 찾아내기

이 글은 Flink 애플리케이션의 end-to-end latency를 낮추기 위해 병목을 진단하고 개선 포인트를 도출하는 과정을 소개합니다. Application Level의 지표 수집과 Operator Level의 Flame Graph 프로파일링을 통해 문제점을 식별하고 해결하는 방법을 다룹니다.

ArchitectureBigData