현재 64 개의 문서를 작성했습니다!
👋 Welcome to LogLee’s Learning Lab #
안녕하세요! 저는 LogLee, 홈서버에서 실무를 시뮬레이션하며 성장하는 예비 데이터 엔지니어입니다. 애니메이션을 보진 않지만, 나루토의 “록리"라는 캐릭터가 재능은 부족하더라도 끊임없이 노력하는 점이 눈에 띄어 그와 비슷한 Log를 보는 Steve Lee를 제 개발닉네임으로 사용하게 됐습니다.
이 공간은 제가 홈서버 환경에서 실무처럼 고민하고, 의사결정하고, 구현한 인프라·데이터 엔지니어링·백엔드 학습 과정을 기록한 소소한 story입니다.
“Every decision needs a reason, every failure teaches a lesson.”
“Logs are not just data — they are the system’s story.”
제가 학습하는 철학은 다음과 같습니다.
철저한 의사결정 #
- 여러 관점을 토대로 scoring
- 명확한 이유와 비용 효율성 고려
- Ceph → GCS/S3 전환 사례처럼 실용적 판단 우선
- 호기심에 그치지 않고 문제 해결 중심의 기술 선택
외부와의 꾸준한 소통 #
- KafkaKRU, AWS, MLOps, CSK 등 다양한 컨퍼런스 참여
- 개발 모임에서 피드백 수용과 인사이트 교환
- 우물 안 개구리 탈피를 위한 지속적인 외부 소통
핵심 #
- Streaming: Kafka, Spark, Flink
- Storage: Iceberg, Minio
- Infrastructure: Kubernetes, Prometheus, Loki, Grafana
- Languages: Python, Java
확장성 #
- Data Engineering & Backend & Infrastructure
- 단일 도메인에 갇히지 않는 엔지니어링 지향
- 홈서버 기반 실무 시뮬레이션 환경 구축
- 비용 최적화와 성능 튜닝의 균형점 탐구
홈서버에서 실제 운영 환경처럼 고민하며 학습합니다:
- Architecture Decisions: “왜 이 기술을 선택했는가?”
- Cost Optimization: “클라우드 vs 온프레미스, 어떤 게 효율적인가?”
- Endurable Data Platform: “유실없이 장기간 안정적으로 운영 가능한가?”
- Operational Excellence: “장애 상황에서 어떻게 대응할 것인가?”
- Scalability Planning: “트래픽이 늘어나면 어떻게 확장할 것인가?”
Study Group #
[현재 운영중인 Study 그룹들입니다]
🗺️ Learning Roadmap #
데이터 엔지니어링 학습 여정